3 Espacios Vectoriales

59

Competencia específica a desarrollar

Comprender el concepto de espacio vectorial como la estructura algebraica que generaliza y
hace abstracción de operaciones que aparecen en diferentes áreas de la matemática mediante
las propiedades de adición y multiplicación por un escalar.
Construir, utilizando el álgebra de vectores, bases de un espacio vectorial y determinar la di-
mensión del espacio correspondiente.

Actividades de Aprendizaje
Comprender el concepto de espacio vectorial.

Ejemplificar conjuntos de vectores que cumplan con los diez axiomas de espacio vecto-
rial.

Establecer analogías entre los espacios y subespacios vectoriales con la notación de con-
juntos y subconjuntos.

Identificar si un conjunto de vectores son o no subespacios vectoriales de un espacio

vectorial.

Escribir vectores como combinación lineal de otros.

Determinar si un conjunto de vectores es linealmente independiente.

Utilizar los conceptos de matrices y determinantes para determinar la independencia

lineal de un conjunto de vectores.

Identificar cuándo es que un conjunto genera un espacio vectorial.

Determinar si un conjunto de vectores forma una base para un espacio vectorial.

Graficar el espacio de solución de un sistema de ecuaciones lineales y establecer la rela-

ción entre la gráfica y la dimensión del espacio de solución.

Encontrar la matriz de cambio de la base canónica a otra base y la matriz de cambio de

una base no canónica a otra cualquiera.

Comprobar la ortonormalidad de una base.

Utilizar el proceso de ortonormalización de Gram-Schmidt.

 3.1 Definición de un espacio vectorial Álgebra lineal.

3.1 Definición de espacio vectorial y sus propieda-

des
Supongamos que tenemos un conjunto de elementosV con ciertas características específicas, y
definimos una operación entre estos elementos a la que le llamamos suma (+), y otra operación
entre los elementos del conjunto y un campo que en nuestro curso será el de los números reales 60
a la que se le denominará producto escalar (·).

Observación

Tomemos en cuenta que estas operaciones dependen de los objetos con los cuales este-
mos trabajando y que no necesariamente son las operaciones de suma y producto que
conocemos de los números reales.

Espacios Vectoriales
Nos interesan aquellos conjuntos en los cuales una vez definidas sus operaciones, cumplen
con las siguientes propiedades o axiomas:

1. Cerradura bajo la suma. Si v 1 , v 2 ∈ V entonces v 1 + v 2 ∈ V .

2. Conmutatividad de la suma. Si dos elementos v 1 , v 2 ∈ V entonces v 1 + v 2 = v 2 + v 1 .

3. Asociatividad de la suma. Para todo elemento v 1 , v 2 , v 3 ∈ V se cumple que (v 1 +v 2 )+v 3 =

v 1 + (v 2 + v 3 )

4. Existencia del elemento neutro. Existe un elemento 0V ∈ V tal que para todo v ∈ V, v +
0V = 0V + v = v

5. Existencia del elemento inverso aditivo. Si un elemento v ∈ V , entonces existe otro ele-
mento denominado −v ∈ V tal que v + (−v) = 0V .

6. Cerradura bajo el producto. Si tenemos v ∈ V y k es un número real, entonces kv ∈ V

7. Distributividad sobre los elementos de V . Si v 1 , v 2 ∈ V y k es un número real, entonces

k(v 1 + v 2 ) = kv 1 + kv 2

8. Distributividad sobre los elementos reales. Si v ∈ V además k 1 , k 2 son números reales,

entonces (k 1 + k 2 )v = k 1 v + k 2 v

9. Asociatividad del producto. Si v ∈ V y k 1 , k 2 son escalares entonces k 1 (k 2 v) = (k 1 k 2 )v

10. Existencia del neutro de los reales. Para cada vector v ∈ V existe un elemento 1 ∈ R tal
que 1 v = v.

Observación

Para evitar confusiones, siempre que nos refiramos al vector cero de un espacio vectorial
V lo denotaremos como 0V .

Tomando en cuenta las propiedades anteriores asi como las operaciones con que se verifican,
estamos en condiciones de enunciar la siguiente definición.
 3.1 Definición de un espacio vectorial Álgebra lineal.

Definición 3.1 Espacio vectorial

Un espacio vectorial sobre un cuerpo K (en este caso, el de los números reales) es un
conjunto V no vacío, dotado de las operaciones de suma y producto por un escalar, que
cumple las diez propiedades anteriores.

Observación
61
A los elementos de un espacio vectorial se les llama vectores y a los números reales se les
conoce como escalares, las operaciones de suma y multiplicación dependen del espacio
vectorial, no siempre son las operaciones aditivas y de producto que conocemos de los
números reales.

Para nuestro caso la propiedad 10 se cumple directamente, pues estamos trabajando dentro
de los números reales y con operaciones previamente establecidas, en donde se define al 1 ∈ R
como el neutro multiplicativo; en caso de cambiar las operaciones, debemos revisar que se
cumpla ésta propiedad.
Pasos necesarios para verificar las 10 propiedades de un espacio vectorial

1) realizar una simulación geométrica de la forma que tiene el espacio vectorial.

2) Identificar claramente los elementos que componen al espacio vectorial, y determinar

la forma que tiene un elemento en su forma general.

3) tener muy claro como es la operación de suma entre sus elementos y el producto
por un escalar, cuando no se menciona nada en el ejercicio se supone que son las
operaciones que se realizan normalmente entre esos elementos, aunque también se
pueden definir al momento de plantear el problema.

Ejemplo 3.1 El espacio vectorial trivial

Verificar que el conjunto formado por el número cero V = {0}, con la suma y producto
definidas en los números reales, es un espacio vectorial.

Solución .
El único elemento de este conjunto es el cero real (0V = 0), veamos que cumple las nueve
propiedades:

1. El único elemento es cero y éste cumple que 0V + 0V = 0V ∈ V . X

2. Es claro que 0V + 0V = 0V + 0V . X

3. Para el elemento 0V ∈ V se cumple que (0V + 0V ) + 0V = 0V + (0V + 0V ). X

4. El elemento neutro o cero de este conjunto es el propio 0V ∈ V . X

5. El inverso aditivo del 0V es el propio 0V . X

6. Para cualquier real k, es claro que k · 0V = 0V . X

7. Claramente se cumple que k(0V + 0V ) = k · 0V + k · 0V . X

8. Nuevamente tenemos la igualdad obvia (k 1 + k 2 )0V = k 1 · 0V + k 2 · 0V .X

 3.1 Definición de un espacio vectorial Álgebra lineal.

9. De igual forma k 1 (k 2 · 0V ) = (k 1 k 2 )0V . X

Por lo tanto, se trata de un espacio vectorial.

El vector cero de cada conjunto forma por si solo un espacio vectorial, conocido como espacio
vectorial trivial por su sencillez, y es el único con una cantidad finita de elementos que mane-
jaremos en este curso.
62
Ejemplo 3.2 Espacio vectorial, constituido por una recta en R2

Mostrar que el conjunto de puntos en R 2 que están en una recta L que pasa por el origen,
constituyen un espacio vectorial, con las operaciones de suma y producto definidas para
coordenadas cartesianas.

Espacios Vectoriales
Solución .
La ecuación de una recta que pasa por el origen es y = c x donde c es una constante
arbitraria pero que queda fija una vez elegida. Entonces los elementos de este conjunto
tienen la forma (x, cx); además veamos que cumple las 9 propiedades

1. Tomemos dos elementos (x 1 , c x 1 ) y (x 2 , c x 2 ). Al realizar la suma tenemos ((x 1 +

x 2 ), c(x 1 + x 2 )) ∈ V . X

2. Dados dos vectores (x 1 , c x 1 ) y (x 2 , c x 2 ) tenemos que (x 1 , c x 1 ) + (x 2 , c x 2 ) = ((x 1 +

x 2 ), c(x 1 + x 2 )) = ((x 2 + x 1 ), c(x 2 + x 1 )) = (x 2 , c x 2 ) + (x 1 , c x 1 ) X

3. Sean (x 1 , c x 1 ), (x 2 , c x 2 ) y (x 3 , c x 3 ) ∈ L, entonces [(x 1 , c x 1 ) + (x 2 , c x 2 )] + (x 3 , c x 3 ) =

((x 2 + x 1 + x 3 ), c(x 2 + x 1 + x 3 )) = (x 1 , c x 1 ) + [(x 2 , c x 2 ) + (x 3 , c x 3 )]. X

4. El elemento neutro es 0V = (0, 0) ∈ V . X

5. El inverso aditivo de un elemento (x, c x) es (−x, −c x) ∈ L. X

6. Notemos que k(x, c x) = (kx, c(kx)) ∈ L. X

7. Claramente se cumple que k((x 1 , c x 1 ) + (x 2 , c x 2 )) = k(x 1 , c x 1 ) + k(x 2 , c x 2 ). X

8. Nuevamente tenemos la igualdad (k + k 2 )(x, c x) = k · (x, c x) + k 2 · (x, c x).X

9. De igual forma k 1 (k 2 (v, cv)) = (k 1 k 2 )(v, c v). X

Por lo tanto, es un espacio vectorial.

Observación

El conjunto de puntos en R 2 que están en una recta que no pasa por el origen, no cons-
tituyen un espacio vectorial, pues no contiene al vector cero.

Para nuestro siguiente ejemplo, recordemos que cualquier polinomio tiene la forma

P (x) = a n x n + a n−1 x n−1 + ... + a 1 x + a 0

y el grado del polinomio es igual a m, siempre y cuando m sea el mayor exponente de todos los
términos del polinomio y además a m 6= 0.
 3.1 Definición de un espacio vectorial Álgebra lineal.

Ejemplo 3.3 Un conjunto que no es espacio vectorial

Mostrar que el conjunto de P 3 = {ax 3 + bx 2 + c x + d }, compuesto por los polinomios de

grado exactamente igual a 3 con coeficientes reales, no es un espacio vectorial con las
operaciones definidas para funciones.

Solución .
63
No contiene al vector cero, pues no es de grado tres, con esto es suficiente, aunque tam-
bién se puede ver que si se toman dos polinomios de grado tres, la suma no necesaria-
mente es de grado tres.

Se puede comprobar que si a éste conjunto, P 3 , se le permite que contenga a los polinomios de
grado menor o igual a 3, entonces si es un espacio vectorial.

Ejemplo 3.4 Espacio vectorial, constituido por funciones continuas

Determinar si el conjunto de funciones f : R → R continuas, con las operaciones defini-

das para funciones, es un espacio vectorial.

Solución .
Recordemos que una función continua es aquella que no contiene ningún punto de dis-
continuidad, es decir que no tiene divisiones entre cero ou operaciones que no se pue-
den definir, dentro del intervalo de definición.

1. Si f (x), g (x) son funciones continuas, entonces f (x) + g (x) sigue siendo una fun-
ción continua pues al sumar no se agrega ningún punto de discontinuidad. X

2. Si f (x), g (x) son funciones continuas, entonces por la definición de suma de fun-
ciones, es claro que f (x) + g (x) = g (x) + f (x). X

3. Sean f (x), g (x), h(x) funciones continuas, entonces podemos asociar [ f (x) +
(g (x)] + h(x) = ( f + g )(x) + h(x) = ( f + g + h)(x) = f (x) + (g + h)(x) = f (x) + [g (x) +
h(x)]. X

4. El elemento neutro o cero de este conjunto es la función constante f (x) = 0. X

5. El inverso aditivo de una función f (x) es − f (x). X

6. Si k es un real y f (x) es una función continua, entonces k f (x) sigue siendo una
función continua pues al multiplicar no se agrega ningún punto de discontinui-
dad. X

7. Sean k 1 , k 2 elementos reales y f (x) es una función continua, entonces (k 1 +

k 2 ) f (x) = k 1 f (x) + k 2 f (x). X

8. Sean k un número real y f (x), g (x) funciones continuas, entonces por linealidad
de las funciones k( f (x) + g (x)) = k f (x) + kg (x). X

9. Sean k 1 , k 2 elementos reales y f(x) es una función continua, entonces por propie-
dades de los reales (k 1 k 2 ) f (x) = k 1 (k 2 f (x)). X

Por lo tanto, es un espacio vectorial.

 3.2 Subespacios de un espacio vectorial y sus propiedades Álgebra lineal.

El conjunto de matrices de orden n × M constituyen un espacio vectorial, sin embargo cuando

se imponen algunas condiciones en la forma de los elementos que la componen, éstas pueden
dejar de ser espacios vectoriales.

Ejemplo 3.5 Otro conjunto que no es espacio vectorial

Determinar si el conjunto formado por todas las matrices de orden 3 × 2, donde el ele-
64
mento cuya posición se encuentra en el renglón 2 columna 2 es un número racional, y
con las operaciones definidas para matrices, forman un espacio vectorial.

Solución .
Llamemos M r al conjunto de matrices que cumplen esta característica:

1. Se cumple, pues al sumar dos matrices de 3×2, el resultado sigue siendo una matriz

Espacios Vectoriales
de 3 × 2, además la suma de racionales sigue siendo racional. X

2. Se sabe que la suma de matrices es conmutativa, por lo que se cumple directamen-

te. X

3. Sean M 1 , M 2 , M 3 tres matrices de 3 × 2 que pertenecen a M r , nuevamente las pro-

piedades de matrices nos dicen que podemos asociar la suma de distintas formas
y el resultado es el mismo. X

4. El elemento neutro o cero es la matriz de orden 3 × 2 formada por puros ceros, es

parte del conjunto de matrices M r , pues el cero es número racional. X

5. El inverso aditivo de una matriz M es ?M , notemos que si r es racional, entonces

?r también es racional. X

6. Esta propiedad falla pues si tenemos una matriz M de 3 × 2 con número racional
en la posición renglón 2 columna 2 y k es un irracional, entonces kM puede no
contener un racional en la posición indicada.

Por lo tanto no es espacio vectorial

3.2 Subespacios de un espacio vectorial y sus pro-

piedades
Definición 3.2 Subespacios
Sea H un subconjunto no vacío de un espacio vectorial V y suponga que H es, en si, un
espacio vectorial bajo las operaciones de suma y producto por un escalar definidas para
V ; entonces se dice que H es un subespacio de V .

La ventaja de trabajar con subespacios vectoriales es que no es necesario verificar las diez pro-
piedades de espacios vectoriales, como lo muestra el siguiente teorema.
 3.2 Subespacios de un espacio vectorial y sus propiedades Álgebra lineal.

Teorema 3.1
Un subconjunto no vacío H de un espacio vectorial V es un subespacio de V, si se cum-
plen las tres reglas de cerradura:

1. Si h 1 , h 2 ∈ H entonces h 1 + h 2 ∈ H .

2. Si h ∈ H entonces kh ∈ H para todo escalar k. 65

Demostración .
Por hipótesis (1), para cualquier dos vectores h 1 , h 2 ∈ H , se tiene que h 1 + h 2 ∈ H . Como
H es un subconjunto de V entonces hereda las propiedades 2 y 3, la propiedad cuatro
se verifica si tomamos k = −1 y usamos la hipótesis (2) en la siguiente forma, si tenemos
h ∈ H entonces kh = −h ∈ H es decir el inverso de h pertenece a H , para la propiedad
4 se obtiene el elemento neutro al tomar k = 0 y usando nuevamente la hipótesis (2),
finalmente las propiedades 7, 8, 9, 10 se heredan del espacio vectorial V .

Ejemplo 3.6 El subespacio formado por una recta

Mostrar que los puntos sobre la recta x = y forman un subespacio vectorial de R 2 .

Solución .
Los elementos de este conjunto son todos los puntos de R2 de la forma (x, x), ahora

1. Sean (x 1 , x 1 ) y (x 2 , x 2 ) elementos de la recta, entonces (x 1 , x 1 ) + (x 2 , x 2 ) = (x 1 +

x 2 , x 1 + x 2 ) que claramente pertenece a la recta.

2. Por otro lado si k es un real, entonces k(x, x) = (kx, kx) que también pertenece a la
recta.

En consecuencia la recta x = y es un subespacio vectorial y espacio por si mismo.

Ejemplo 3.7 Una recta en el espacio que no es subespacio vectorial

Sea H = {(x, y, z) ∈ R3 : x = 2 + 4t , y = 1 − 2t , z = t } ⊂ R3 . Determinar si H es subespacio

vectorial de R3 .

Solución .
Observemos que los elementos de H son de la forma (2+4t , 1−2t , t ), con t ∈ R, sin embar-
go en este caso H no es un subespacio vectorial pues no se cumple la segunda condición,
por ejemplo si tenemos k = 0 y (6, −1, 1) ∈ H , entonces k(6, −1, 1) = (0, 0, 0) ∉ H .

Actividad complementaria 3.1

Verificar si P = {(x, y, z) ∈ R3 : 2x + 4y + 2z = 0} ∈ R3 es un subespacio vectorial de R3 .

Observación

Al igual que en para las lineas rectas, todo plano que contenga al origen, constituye un
espacio vectorial.
 3.2 Subespacios de un espacio vectorial y sus propiedades Álgebra lineal.

Llamamos subespacios impropios de un espacio vectorial V , al mismo V y al subespacio for-

mado únicamente por el vector cero H = {0}.

3.2.1 Intersección de subespacios vectoriales

Recordemos de la teoría de conjuntos que la intersección de dos conjuntos A y B esta compues-
ta por todos los elementos que están en ambos conjuntos, es decir que pertenece al el conjunto
A y también al conjunto B , el símbolo usado para identificar una intersección de conjuntos es
66
∩, matemáticamente tenemos:

x ∈ A ∩B ⇔ x ∈ A y x ∈B

Definición 3.3 Subespacios

Sean H1 y H2 dos subespacios vectoriales de un espacio vectorial V , definimos la inter-

Espacios Vectoriales
sección de subespacios vectoriales H1 ∩ H2 como el conjunto {v ∈ V : v ∈ H1 , v ∈ H2 }; es
decir, los elementos que pertenecen a ambos subespacios.

Observación

Cualesquiera 2 subespacios tienen al menos un vector común, éste elemento es el vector

cero.

Proposición 3.1
La intersección de 2 subespacios de V , siempre es otro subespacio de V .

Demostración .
Sean H1 y H2 dos subespacios de V , si la intersección es el espacio formado unicamente
por el elemento cero, es claro que será un subespacio vectorial, si no es el caso, probare-
mos que H1 ∩ H2 es un subespacio de V en la siguiente forma:

1. sean h, n ∈ h 1 ∩H2 , es decir están en H1 y H2 ésto significa que h +n ∈ H1 y también

h + n ∈ H2 por lo tanto h + n ∈ H1 ∩ H2 .

2. Sea k ∈ R, como h ∈ H1 ∩ H2 , entonces h ∈ H1 y h ∈ H2 por lo tanto kh ∈ H1 y

kh ∈ H2 pero esto implica que kh ∈ H1 ∩ H2 .

Observación

Una forma para encontrar el subespacio formado por la intersección es escribir el ele-
mento general de cada subespacio e igualar coordenadas correspondientes par formar
un sistema de ecuaciones que al resolverlo nos dará información sobre la intersección.

Ejemplo 3.8 intersección de subespacios

Sean H = {(x, y, z) : x = −1 + t , y = 2 − 2t , z = 1 − t } y P = {(x, y, z) : 2x − 3y + 8z = 0} dos

subespacios de R3 , encontrar el subespacio formado por su intersección.

Solución .
H es una recta en el espacio y sus elementos tienen la forma (−1 + t , 2 − 2t , 1 − t ), mien-
 3.2 Subespacios de un espacio vectorial y sus propiedades Álgebra lineal.

¶ µ
−2x + 3y
tras P representa un plano, y su elemento general se escribe como x, y, .
8
Al igualar coordenada a coordenada
tenemos el sistema

−1 + t = x
67



2 − 2t = y
 1 − t = −2x + 3y


8
Que reescribiendo queda


 x − t = −1
y + 2t = 2

3y − 2x + 8t = 8


El cual tiene una cantidad infinita de soluciones, por lo tanto H ⊂ P tal y como lo muestra
la gráfica y en consecuencia la intersección es H .

Definición 3.4 Subespacios distintos

Decimos que dos subespacios H1 , H2 son disjuntos, si el único elemento que pertenece
a su intersección es el vector cero.

Ejemplo 3.9 Dos subespacios con intersección trivial

Sean H = {(x, y) : x = 2y} y P = {(x, y) : 2x − 3y = 0} dos subespacios de R2 , encontrar el

subespacio formado por su intersección.

Solución .
H y P son rectas en el plano cuyos elementos generales son (x 1 , 12 x 1 ) y (x 2 , 32 x 2 ) respecti-
vamente. Al igualar coordenada a coordenada tenemos el sistema
(
x1 = x2
1 2
2 x1 = 3 x2

cuya única solución es x 1 = 0 y x 2 = 0 por lo que la intersección es el vector (0, 0).

3.2.2 Suma de subespacios vectoriales

Aun cuando en teoría de conjuntos la unión e intersección de conjuntos van de la mano, en

espacios vectoriales no sucede lo mismo, de hecho la unión de dos subespacios vectoriales
no tiene por qué ser un subespacio vectorial, para obtener subespacios vectoriales a partir de
pegar subespacios necesitamos una operación alternativa, que nos permita reunir subespacios
de manera que se mantenga la estructura de subespacio vectorial. Esta operación la definimos
de la siguiente forma.
 3.2 Subespacios de un espacio vectorial y sus propiedades Álgebra lineal.

Definición 3.5 Suma de subespacios

Dados H1 , H2 dos subespacios de un espacio vectorial V . La suma de subespacios vec-
toriales se define como

H1 + H2 = {v ∈ V : v = h 1 + h 2 donde h 1 ∈ H1 , h 2 ∈ H2 }

donde la operación de suma es la definida para V . 68

Podemos generalizar esta idea de suma a cualquier cantidad de subespacios vectoriales en la
siguiente forma:

Definición 3.6 Suma general de subespacios

Dados H1 , H2 , . . . Hn subespacios de un espacio vectorial V . La suma de subespacios vec-
toriales se define como

Espacios Vectoriales
n
X n
X
Hi = H1 + H2 + . . . + Hn = {v ∈ V : v = hi donde h i ∈ Hi
i =1 i =1

donde h i ∈ Hi y la operación de suma es la definida para V .

El vector suma, esta compuesto por la suma de vectores, cada uno de los cuales pertenece a
uno de los subespacios de V , para encontrar este subespacio debemos describir el elemento
general de cada subespacio y realizar la suma parra enseguida determinar el dominio de la
nueva expresión, éste formara al subespacio suma.

Ejemplo 3.10 Suma de dos rectas en el plano

Considera los subespacios H1 = {(x, y) ∈ R2 : x −2y = 0} y H2 = {(x, y) ∈ R2 : 2x +3y = 0} de

R2 , encontrar el subespacio formado por su suma.

Solución .
Notemos que H1 es una recta que pasa por el origen con elementos de la forma (x 1 , 12 x 1 ),
mientras que el elemento general de H2 se escribe como (x 2 , − 32 x 2 ), así al realizar la suma
tenemos (x 1 +x 2 , 12 x 1 − 23 x 2 ) que representa a todos los puntos de R2 , por lo que el espacio
vectorial H1 + H2 = R2 .

Observación

Es importante que al momento de sumar los elementos generales de cada subespacio los
denotemos con variables distintas, pues en caso contrario no estaríamos encontrando
todos los elementos que corresponden a la suma.

Actividad complementaria 3.2

Considera los subespacios H1 = {(x, y, z) ∈ R3 : x = t , y = 2t , z = 3t } y H2 = {(x, y, z) ∈ R3 :

4x − 5y + 2z = 0} de R3 , encontrar:

1. El subespacio formado por su intersección.

2. El subespacio formado por su suma.

 3.3 Dependencia e independencia lineal Álgebra lineal.

Existe un nombre especial para la suma de subespacios , cuando tenemos dos subespacios
vectoriales cuya intersección es el elemento neutro del espacio vectorial, como a continuación
se describe.
Definición 3.7 Suma directa de subespacios
Sea V un espacio vectorial y sean H1 y H2 dos subespacios vectoriales de V . Se define la
suma directa de subespacios como V = H1 ⊕ H2 si se cumple que V = H1 + H2 y además 69
H1 ∩ H2 = 0

En caso de que la suma directa H1 + H2 sea todo el espacio V , decimos que H1 y H2 son suple-
mentarios.

Ejemplo 3.11 Suma directa de un plano y una recta en el espacio

Considerando los subespacios H1 = {(x, y, z) ∈ R3 : x = 2 − 2t , y = 3 − 3t , z = 1 − t } y

H2 = {(x, y, z) ∈ R3 : x − 2y = 0} de R3 , encontrar el subespacio formado por su suma y
comprobar que es una suma directa.

Solución .
H1 es una recta en el espacio y sus elementos tienen la forma (2−2t , 3−3t , 1−t ), mientras
P representa un plano, y su elemento general se escribe como (x, 21 x, z). Al sumar estos
elementos tenemos (t + x, 1 − 3t + 12 x, 1 + t + z) que nos genera todo R3 pues tenemos
3 grados de libertad es decir se puede escoger libremente tres variables. Por otro lado
cuando igualamos coordenada a coordenada tenemos el sistema

 2 − 2t = x

3 − 3t = 12 x

1−t = z


Que reescribiendo queda 


 x + 2t =2
1
 2 x + 3t =3
z +t =1


El cual tiene como solución x = 0, z = 0 y t = 1 pero recordemos que t es un parámetro

para la ecuación de la linea recta por lo que al sustituirlo obtenemos y = 0 es decir la
intersección es el vector (0, 0, 0) y en consecuencia se trata de una suma directa.

3.3 Dependencia e independencia lineal

Definición 3.8 Combinación lineal
Dado un conjunto de vectores v 1 , v 2 . . . v n , se conoce como combinación lineal de ellos
a cualquier vector v obtenido mediante la fórmula

v = k1 v 1 + k2 v 2 + · · · + kn v n ,

donde k 1 , k 2 . . . k n son escalares reales, llamados coeficientes de la combinación lineal.

 3.3 Dependencia e independencia lineal Álgebra lineal.

Los coeficientes de la combinación lineal son únicos, y para encontrarlos, basta con resolver el
sistema de ecuaciones lineales, que se forma a partir de la igualdad que aparece en la definición
de combinación lineal.

Ejemplo 3.12 Un vector como combinación lineal de otros

Mostrar que en R3 el vector (−7, 7, 7) es una combinación lineal de (−1, 2, 4), (5, −3, 1) y 70
(2, 1, 0).

Solución .
Escribimos (−7, 7, 7) = k 1 (−1, 2, 4) + k 2 (5, −3, 1) + k 3 (2, 1, 0), desarrollando esta igualdad
obtenemos el sistema 
 −k 1 + 5k 2 + 2k 3 = −7

2k 1 − 3k 2 + k 3 = 7

4k 1 + k 2 = 7

Espacios Vectoriales


La solución de este sistema es k 1 = 2, k 2 = −1. Finalmente escribimos (−7, 7, 7) =

2(−1, 2, 4) − 1(5, −3, 1) + 0(2, 1, 0).

El hecho de escribir un vector como combinación lineal de otros es muy importante pues nos
permite simplificar muchos cálculos, en particular podemos definir lo siguiente
Definición 3.9 Conjunto generador
Dado un espacio vectorial V , se dice que los vectores v 1 , v 2 , . . . v n ∈ V forman un conjun-
to generador de V , si cualquier vector en V se puede escribir como una combinación
lineal de ellos. Es decir, para todo v ∈ V existen escalares a 1 , a 2 , . . . a n tales que

v = a1 v 1 + . . . + an v n .

Es claro que los conjuntos de vectores {(1, 0), (0, 1)} y {(1, 0, 0), (0, 1, 0), (0, 0, 1)} generan a R2 y
R3 respectivamente. Sin embargo hay muchos más conjuntos de vectores que pueden generar
estos espacios.
Para saber si un conjunto de vectores es generador de un espacio vectorial V , basta con escribir
un elemento general del espacio como combinación lineal de los vectores y verificar que esté
bien definido para todos sus valores.
Observación

Decir que una operación esta bien definida, significa que podemos realizar tal operación
para todos los valores de la variable, por ejemplo la función x1 no esta bien definida para
los reales, pues no podemos evaluar en x = 0.

Ejemplo 3.13 Un conjunto generador de R3

Mostrar que el conjunto de vectores {(2, 3, 1), (−1, 2, 0), (4, 3, 1)} genera a R3 .

Solución .
Expresamos un vector general de R3 como combinación lineal de estos vectores; es decir,
(x, y, z) = k 1 (2, 3, 1) + k 2 (−1, 2, 0) + k 3 (4, 3, 1). Luego formamos el sistema de ecuaciones
11z−2x−y y−3z 2x+y−7z
lineales y lo resolvemos, para obtener los valores k 1 = 4 , k2 = 2 y k3 = 4 .
Finalmente, como k 1 , k 2 , k 3 están definidas para todo x, y, z, decimos que el conjunto de
 3.3 Dependencia e independencia lineal Álgebra lineal.

vectores genera todo R3 .

Ejemplo 3.14 Conjunto generador del espacio de polinomios de grado 3

Mostrar que los monomios 1, x, x 2 , x 3 generan el espacio vectorial de polinomios de gra-

do menor o igual a 3.
71
Solución .
Sea P = ax 3 + bx 2 + cx + d un polinomio general de grado menor o igual a 3, para escri-
birlo como combinación lineal de los vectores simplemente hay que multiplicar por la
constante correspondiente cada término.

Algo muy importante dentro de las operaciones vectoriales es que, cuando trabajamos con
vectores, estos deben ser independientes unos de otros; en caso contrario, solo estaríamos tra-
bajando mucho sin obtener resultados nuevos.
Para saber cuando dos vectores o más son independientes unos de otros, tenemos la siguiente
definición.
Definición 3.10 Dependencia lineal
Un conjunto finito de vectores v 1 , v 2 , . . . v n es linealmente dependiente si cumple cual-
quiera de las siguientes afirmaciones:

1. Al menos uno de ellos es combinación lineal de los otros.

2. El vector cero se puede expresar como combinación lineal de todos ellos con coe-
ficientes no todos iguales a cero.

Si el conjunto de vectores no es linealmente dependiente, se dice que es linealmente

independiente.

En otras palabras, decimos que un conjunto de vectores es linealmente independiente si la

ecuación
0V = k 1 v 1 + k 2 v 2 + . . . k n v n

implica que todos los k i sean igual a cero.

Ejemplo 3.15 Dos vectores linealmente independientes

Mostrar que los vectores u = (1, 2, 4), v = (2, 5, −3) son linealmente independientes en R3 .

Solución .
Escribimos (0, 0, 0) = a(1, 2, 4) + b(2, 5, −3), al igualar cada coordenada obtenemos el sis-
tema
0 = a + 2b
0 = 2a + 5b cuya única solución es a = b = 0, y por la definición de dependencia
0 = 4a − 3b
lineal parte 2, los vectores son linealmente independientes
 3.3 Dependencia e independencia lineal Álgebra lineal.

Observación

Un conjunto de n vectores en Rm siempre es linealmente dependiente si n > m; es decir,

el conjunto será dependiente si existen más vectores que la dimensión del espacio.

Ejemplo 3.16 Cuatro vectores en R3 72

Determinar si los vectores u = (1, 0, 0), v = (0, 1, 0), w = (0, 0, 1), z = (1, 1, 0) son linealmente
independientes o dependientes en R3 .

Solución .
Como la dimensión del espacio es 3 y tenemos 4 vectores entonces por la observación ??
los vectores son linealmente dependientes.

Espacios Vectoriales
Algunas propiedades de los vectores linealmente dependientes e independientes son las si-
guientes:

1. Un conjunto de vectores es linealmente dependiente si y solamente si alguno de los vec-

tores es combinación lineal de los demás.

2. Si un conjunto de vectores es linealmente independiente, cualquier subconjunto suyo

también lo es.

3. Si un conjunto de vectores es linealmente dependiente, también lo es todo conjunto que

lo contenga.

4. Un conjunto de vectores son linealmente dependientes si y sólo si son paralelos.

5. Un conjunto de vectores son linealmente dependientes si algún vector es múltiplo de otro.

6. Geométricamente, dos vectores son linealmente independientes si no tienen la misma

dirección.

Actividad complementaria 3.3

Determine si los vectores u = (1, −2, 3, 4, 2), v = (2, −2, 0, 1, 3), w = (0, 1, 7, −1, −3) y z =
(3, −6, 9, 12, 6) son linealmente independientes.

Proposición 3.2
Un conjunto de vectores es linealmente independiente si el determinante formado por
ellos es diferente de cero.

Observación

La proposición 3.2 es muy útil, pues simplifica mucho la tarea a la hora de saber si el
conjunto de vectores es linealmente independiente; sin embargo, sólo funciona cuando
el determinante que se forma es cuadrado.
 3.4 Base y dimensión de un espacio vectorial Álgebra lineal.

Ejemplo 3.17 Dependencia lineal con vectores matriciales

à ! à ! à ! à !
1 3 −2 3 2 −3 3 −1
Determinar si los vectores u = ,v = ,w = ,z= son
1 4 5 1 −1 −2 2 −1
linealmente independientes.

Solución .
73
Debemos formar el determinante considerando cada matriz como una columna o ren-
glón del determinante, realizándolo en un orden específico.
 
1 3 1 4
−2 3 5 1
 
 2 −3 −1 −2
 

3 −1 2 −1

Como este determinante es igual a −47, por la proposición ?? sabemos que los vectores
son linealmente independientes.

3.4 Base y dimensión de un espacio vectorial

La dimensión de un espacio vectorial, proporciona una idea de cuántos parámetros se necesi-
tan para localizar con toda precisión un punto en ese espacio; por ejemplo, para localizar un
punto en el plano se necesitan 2 coordenadas, mientras que en R3 se deben indicar 3 coorde-
nadas. Esa cantidad coincide con el número máximo de vectores linealmente independientes
que puede tener un espacio vectorial.

Definición 3.11 Dimensión de un espacio

La dimensión de un espacio vectorial V es igual al máximo número de vectores lineal-
mente independientes de dicho espacio y se denota como d i mV .

La dimensión de un espacio vectorial, también coincide con el mínimo número de vectores

que forman un conjunto generador para todo el espacio.

Ejemplo 3.18 Dimensión del conjunto de polinomios de grado menor o igual a 3

Mostrar que la dimensión de P 3 , que es igual al conjunto de polinomios de grado menor

o igual a 3, es 4.

Solución .
En el ejmplo ?? se mostró que los vectores 1, x, x 2 y x 3 generan a P 3 por lo que la dimen-
sión de P 3 es igual a cuatro.

Algunas dimensiones de espacios vectoriales conocidos son las siguientes:

La dimensión de cualquier espacio vectorial trivial es 0.

La dimensión del espacio vectorial formado con los puntos de una línea recta que pasa
por el origen es 1, no importa si está definida en el plano o en el espacio.
 3.4 Base y dimensión de un espacio vectorial Álgebra lineal.

La dimensión de Rn = n para n ≥ 0.

La dimensión de los espacios vectoriales P n que contienen a los polinomios de grado

menor o igual a n, es n + 1.

La dimensión de los espacios vectoriales conformados por matrices de orden n × n es

igual a n 2 . 74
Un resultado útil para saber cuando estamos generando un espacio, está expresado en la si-
guiente

Proposición 3.3 propo:espaciogenerado

Un conjunto de vectores genera un espacio vectorial, si contiene la misma cantidad de
vectores linealmente independientes que la dimensión del espacio.

Espacios Vectoriales
Ejemplo 3.19 Cuatro vectores generadores de R3

Determinar si el conjunto de vectores {(1, 2, 4), (3, 2, −1), (1, 1, 1), (0, 1, 3)} generan a R3

Solución .
Es claro que los cuatro vectores son linealmente dependientes pues la dimensión del
espacio es 3, sin embargo si tomamos los vectores {(1, 2, 4), (3, 2, −1), (1, 1, 1)} estos son li-
nealmente independientes pues su determinante es distinto de cero, como son tres vec-
tores en un espacio de dimensión 3, concluimos que el conjunto si genera a R3 .

Veamos ahora la relación entre conjunto de vectores linealmente independientes y las bases de
un espacio vectorial.

Definición 3.12 Base de un espacio vectorial

Un conjunto finito de vectores {v 1 , v 2 , . . . v n } es una base para un espacio vectorial V , si
el conjunto {v 1 , v 2 , . . . v n } es linealmente independiente y genera a todo V .

Observación

Si se conoce la dimensión del espacio vectorial, entonces para probar que un conjunto de
vectores es una base, basta con verificar que dicho conjunto tiene la misma cantidad de
vectores que la dimensión del espacio y que es un conjunto linealmente independiente.

Cada espacio vectorial puede contener una cantidad infinita de bases, pero hay una en particu-
lar que se conoce como base canónica o estándar, esto debido a la sencillez con que se puede
representar un elemento del espacio en términos de esta base.
Algunas de las bases estándar mas conocidas son:

El conjunto de vectores {(1, 0), (0, 1)}, que forman la base canónica de R2 .

El conjunto de vectores {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, que forman la base canónica de R3 .

El conjunto de vectores {1, x, x 2 , . . . x n }, que forman la base canónica de P n .

 3.4 Base y dimensión de un espacio vectorial Álgebra lineal.

Ejemplo 3.20 Algunas bases de R3

Determinar cual o cuales de los siguientes vectores

U = {(1, 0, 0), (0, 1, 0), (0, 0, 1)},V = {(2, −1, 0), (2, 3, 1), (0, −1, 4)},W = {(2, −1, 0), (2, 3, 1), (0, 4, 1)}

forman una base para el espacio vectorial R3 . 75

Solución .
El conjunto de vectores U es una base, de hecho es la base canónica, al formar el deter-
minante con los elementos de V y W respectivamente tenemos
¯ ¯ ¯ ¯
¯ 2 −1 0 ¯ ¯ 2 −1 0 ¯
¯ ¯ ¯ ¯
d et V = ¯ 2 3 1 ¯ = 34 d et W = ¯ 2 3 1 ¯ = 0
¯ ¯ ¯ ¯
¯ ¯ ¯ ¯
¯ 0 −1 4 ¯ ¯ 0 −1 4 ¯

por lo que los vectores de V son linealmente independientes y generan una base, mien-
tras que W no forma una base.
.

Ejemplo 3.21 Una base para un plano en el espacio

Probar que el conjunto P = {(x, y, z) ∈ R3 : 2x − y +3z = 0} es un espacio vectorial y encon-

trar una base para este espacio.

Solución .
El conjunto P representa un plano en el espacio que pasa por el origen por lo que es es-
pacio vectorial y además tiene dimensión 2, por lo que necesitamos dos vectores lineal-
mente independientes que pertenezcan al plano, estos pueden ser {(1, 2, 0), (−1, 1, 1)}.

Ejemplo 3.22 Un espacio vectorial de dimensión 3

Determinar si el conjunto U = {(x, y, z, w) ∈ R4 : z = 2x + 3y} es un espacio vectorial; en

caso serlo, encontrar una base para este espacio.

Solución .
Los elementos de U son de la forma (x, y, 2x + 3y, w) como es un subespacio de R4 basta
con probar las dos condiciones de subespacios:

1. Sean (x 1 , y 1 , 2x 1 + 3y 1 , w 1 ) y (x 2 , y 2 , 2x 2 + 3y 2 , w 2 ), entonces la suma (x 1 + x 2 , y 1 +

y 2 , 2(x 1 + x 2 ) + 3(y 1 + y 2 ), w 1 + w 2 ) tiene la misma forma por lo que pertenece a U .

2. Dado k y (x, y, 2x+3y, w), tenemos que k(x, y, 2x+3y, w) = (kx, k y, 2kx+3k y, kw) ∈
U.

por lo tanto es un espacio vectorial, como la dimensión de U es tres, necesitamos tres

vectores linealmente independientes, estos pueden ser (1, 1, 5, 0), (0, 1, 3, −1), (0, 0, 0, 1) ya
que ninguno se puede escribir como combinación lineal de los otros.
 3.5 Ortonormalización Álgebra lineal.

3.5 Cambio de base

Las coordenadas o componentes de cualquier vector, es decir, los coeficientes de la combina-
ción lineal que genera dicho vector, están referidas a una base (la base estándar). En ocasiones,
para simplificar nuestro trabajo, nos interesa escribir los vectores en términos de una base dis-
tinta; es importante entonces conocer como se expresa un vector en términos de una base
arbitraria. 76
3.5.1 Cambio de la base canónica a otra base
Comenzaremos por estudiar la forma de escribir cualquier vector en términos de una base
arbitraria, partiendo de la base canónica.
Definición 3.13 Vector de coordenadas
Sea V un espacio vectorial de dimensión finita con base B = {v 1 , v 2 . . . v n }. Para cada

Espacios Vectoriales
vector v ∈ V , existen escalares k 1 , k 2 , . . . k n tales que

v = k1 v 1 + k2 v 2 + . . . + kn v n . (3.1)

El vector cuyas componentes son los coeficientes de v, denotado por [v]B , se llama vec-
tor de coordenadas (vector coordenado) de V con respecto a B; es decir,
 
k1
k2
 
 
[v]B =  .. 
.
 
 
kn

La ecuación 3.1 nos permite encontrar las componentes de un vector, expresado en términos
de una base arbitraria, a partir de su expresión en la base canónica.

Ejemplo 3.23 Un vector escrito en términos de una base dada

Dada la base B = {(1, 0, −1), (−1, 1, 0), (1, 1, 1)} de R3 y el vector v = (2, 3, 1)
1. Escribir el vector v en términos de la base B; es decir, obtener [v]B .

2. Calcular el vector w, si [w]B = (−2, 1, 4).

Solución .
De acuerdo a la definición
1. Debemos escribir v como combinación lineal de la base B, es decir, (2, 3, 1) =
k 1 (1, 0, −1) + k 2 (−1, 1, 0) + k 3 (1, 1, 1) y resolver el sistema formado

 2 = k1 − k2 + k3

3 = k2 + k3

1 = −k 1 + k3


cuya solución es k 1 = 1, k 2 = 1, k 3 = 2, por lo tanto [v]B = (1, 1, 2).

2. Escribimos el vector w = (x, y, z) como combinación lineal de la base B, es decir,

(x, y, z) = k 1 (1, 0, −1) + k 2 (−1, 1, 0) + k 3 (1, 1, 1) donde k i corresponden a las coorde-
nadas del vector [w]B , es decir
(x, y, z) = −2(1, 0, −1) + (−1, 1, 0) + 4(1, 1, 1)
 3.5 Ortonormalización Álgebra lineal.

igualando las coordenadas obtenemos X = −2−1+4 = 1, y = 1+4 = 5 y z = 2+4 = 6

por lo que w = (1, 5, 6).

Observación

Todo vector se representa en términos de una base; si no se indica la base utiliza-

da, se considera que se está usando la base canónica y escribimos entonces el vector 77
v = (x, y, z) ∈ R3 en vez de [v]B = (x, y, z), donde B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es la base
canónica.

Observación

En Rn cualquier base esta representada por lo que conocemos como ejes coordenados
para saber como ubicarlos simplemente debemos graficar cada vector de la base toman-
do en cuenta la base canónica.

Para ubicar un vector de coordenadas en el plano o el espacio, procedemos de igual forma que
como lo hacemos para la base canónica, es decir, se ubica las componentes del vector en cada
eje (vector de la base) y luego se trazan paralelas al otro eje.
Por ejemplo, supongamos que tenemos el vector v = (5, 5) ∈ R2 y queremos expresarlo en tér-
minos de la base B = {(2, 3), (1, −1)}; después de realizar los cálculos correspondientes, encon-
tramos que [v]B = (2, 1). Si realizamos la gráfica de cada uno, obtenemos

6 H5, 5L 2
6 (2, 1)
4 4
1
2 -3
2
-2
-1
-6 -4 -2 2 4 6 -6 -4 -2 2 4 6

-2 -2 1
-1
2
-4 -4
3
v2
-6 v1 -6

(a) Vector expresado en términos de la ba- (b) Vector expresado en términos de la ba-
se canónica se B = {(2, 3), (1, −1)}

Figura 3.1. Representación de un vector en términos de bases distintas.

Notemos que las unidades de medición en la base B son de distinta longitud; ésto se debe a
que la magnitud de los vectores de esta base es distinta de 1.

Ejemplo 3.24 Un vector escrito en términos de una base dada

Escribir el vector v = (−1, 1) en términos de la base B = {(1, −1), (−1, 2)} de R2 y graficar
este vector en las dos bases.

Solución .
Debemos escribir v como combinación lineal de la base B, es decir, (−1, 1) = k 1 (1, −1) +
k 2 (−1, 2) y resolver el sistema formado
(
−1 = k 1 − k 2
1 = −k 1 + 2k 2
 3.5 Ortonormalización Álgebra lineal.

cuya solución es k 1 = −1 y k 2 = 0, por lo tanto [v]B = (1, 0). Las gráficas correspondientes
son:
2 2
1
(-1, 1) (1, 0)
1 1
1

-2 -1 1 2 -2 -1 1 2
78
-1 -1
-1 v1
-2 -2 -1 v2

3.5.2 Cambio de bases en general

Para realizar un cambio de bases en general, es necesario calcular una matriz que nos permita

Espacios Vectoriales
realizar este cambio, esto lo hacemos de la manera que a continuación describimos.

Definición 3.14 Matriz de transición

Sea V un espacio vectorial, B1 = {u 1 , u 2 , . . . u n } y B2 = {v 1 , v 2 , . . . v n } dos bases de V . Re-
cibe el nombre de matriz de transición o matriz de cambio de la base B1 a la base B2 ,
la matriz de dimensiones n × n, que por columnas es
³ ´
P = [u 1 ]B2 [u 2 ]B2 · · · [u n ]B2 ,

donde cada vector [u i ]B2 se calcula con la ecuación 3.1.

La columna i −ésima está constituida por las coordenadas en la base B2 , del vector u i de la
base B1 .
Para calcular las componentes de un vector en términos de la base B2 a partir de la base B1 ,
tenemos la siguiente

Proposición 3.4 pro.cambiodebase

Sea P la matriz de transición de una base B1 a otra base B2 de un espacio vectorial V .
Entonces:

∀ v ∈ V se tiene que [v]B2 = P · [v]B1 .

P es invertible y su inversa, P −1 , es la matriz de transición de la base B2 a la base

B1 .

Ejemplo 3.25 Un vector escrito en términos de dos bases

Tomemos la base B1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} y sea B2 = {(1, 0, 2), (3, −1, 0), (0, 1, −2)},
verificar que B2 es una base para R3 y escribir [v]B1 = (1, −2, 4) en términos de B2 .

Solución .
Si calculamos el determinante formado por los vectores de B2 , observamos que
¯ ¯
¯ 1 3 0 ¯¯
¯
¯ 0 −1 1 ¯=8
¯ ¯
¯ ¯
¯ 2 0 −2 ¯
 3.5 Ortonormalización Álgebra lineal.

como es distinto de cero, entonces B2 es una base. Ahora, para obtener la matriz de
transición de B1 a B2 , calculamos primero sus vectores; esto es

(1, 0, 0) = a 1 (1, 0, 2) + a 2 (3, −1, 0) + a 3 (0, 1, −2)

de aquí a 1 = 1/4, a 2 = 1/4, a 3 = 1/4, para el segundo vector de B1

79
(0, 1, 0) = b 1 (1, 0, 2) + b 2 (3, −1, 0) + b 3 (0, 1, −2)

de aquí b 1 = 3/4, b 2 = −1/4, b 3 = 3/4 y para el tercero

(0, 0, 1) = c 1 (1, 0, 2) + c 2 (3, −1, 0) + c 3 (0, 1, −2)

de aquí c 1 = 3/8, c 2 = −1/8, c 3 = −1/8, entonces la matriz de transición es

     
a1 b1 c1 1/4 3/4 3/8 2 6 3
 1
P =  a 2 b 2 c 2  =  1/4 −1/4 −1/8  =  2 −2 −1 
   
8
a3 b3 c3 1/4 3/4 −1/8 2 6 −1

y por la proposición ?? el vector pedido es

    
2 6 3 1 2
1  1
[v]B2 = P · [v]B1 =  2 −2 −1   −2  =  2  .
 
8 8
2 6 −1 4 −14

Como la base B1 es la base canónica, podríamos calcular [v]B2 con la ecuación 3.1; es decir,
escribimos
(1, −2, 4) = d 1 (1, 0, 2) + d 2 (3, −1, 0) + d 3 (0, 1, −2),

y resolviendo este sistema tenemos que d 1 = 1/4, d 2 = 1/4, d 3 = −7/4, con estos valores pode-
mos escribir finalmente    
1/4 2
 1
[v]B2 =  1/4  =  2  .
 
8
−7/4 −14

3.5.3 Bases ortonormales

En esta sección veremos que dada cualquier base, siempre es posible transformarla de manera
que sus vectores sean perpendiculares entre si y de longitud unitaria. Comencemos por definir
este tipo de conjuntos vectoriales.

Definición 3.15 Vectores ortonormales

Se dice que un conjunto de vectores S = {u 1 , u 2 , . . . u k } es un conjunto ortonormal si
cumple las siguientes dos condiciones;

1. u i · u j = 0 para todo i 6= j

2. u i · u i = 1.

con i , j = 1, . . . k. Si sólo se satisface la primera condición, se dice que el conjunto es

ortogonal.
3.5 Ortonormalización Álgebra lineal.

Para hacer que los vectores sean ortogonales, recordemos de cálculo vectorial que un vector u
se proyecta sobre otro vector v mediante la siguiente fórmula:

v ·u
pr oy v (u) = v
|v|2

v·u
Ahora, si escogemos el vector w = u − |v|
80
2 v, entonces v y w son ortogonales, como lo ilustra la

gráfica

u w=u-proyv HuL

Espacios Vectoriales
proyv HuL
v

Figura 3.2. Vector de proyección.

Bajo esta idea se construye el proceso de ortonormalización de Gram-Schmidt; éste es un

algoritmo para construir, a partir de un conjunto de vectores linealmente independientes de
un espacio vectorial, otro conjunto ortonormal de vectores que genere el mismo subespacio
vectorial.
El método para ortonormalizar un conjunto de vectores lo describimos a continuación

Proceso de ortonormalización de Gram-Schmidt

Consideremos un conjunto de vectores S = {v 1 , v 2 . . . v n } linealmente independientes de un
espacio vectorial V .

P.1) Elección del primer vector unitario. Tomamos el vector v 1 y lo dividimos entre su
v
magnitud para hacerlo unitario; al resultado lo llamaremos u 1 , es decir, u 1 = |v 1 | .
1

P.2) Elección del segundo vector unitario. Proyectamos el vector v 2 sobre u 1 , para
obtener
v 2 · u1
v 20 = v 2 − u 1 = v 2 − (v 2 · u 1 )u 1 ésto último se debe a que |u 1 | = 1.
|u 1 |2

Tomamos el vector v 20 y lo dividimos entre su magnitud para hacerlo unitario, al re-

v 20
sultado lo llamaremos u 2 , es decir u 2 = |v 20 |
.

P.3) Elección del k +1 vector unitario. Supongamos que se han construido los vectores
{u 1 , u 2 . . . u k } y que forman un conjunto ortonormal. Para construir u k+1 tenemos

0
v k+1 = v k+1 − (v k+1 · u 1 )u 1 − (v k+1 · u 2 )u 2 − . . . − (v k+1 · u k )u k
0
v k+1
Finalmente u k+1 = 0
|v k+1 |
.
 3.5 Ortonormalización Álgebra lineal.

Ejemplo 3.26 Construcción de una base ortonormal

Construir
   una
 baseortonormal para R3 , comenzando con la base {v 1 , v 2 , v 3 } =
 1
 0 1  
 1 , 1 , 0  .
     

81
 
0 1 1
 

Solución .
Podemos comenzar con cualquier vector, pero procederemos en el orden dado.

P.1) Tomamos el vector v 1 y lo dividimos entre su magnitud para hacerlo unitario

µ ¶
(1, 1, 0) 1 1
u1 = p = p , p ,0 .
12 + 12 + o 2 2 2

P.2) Proyectamos el vector v 2 sobre u 1 , para obtener

     1   1     1   1
0 0 p p 0 p −
2 2 1  12   12 
0      p1   p1   
v 2 = 1 − 1 ·     = 1 − p  p  =  2 
2 2 2 2
1 1 0 0 1 0 1

y luego dividiendo entre su magnitud

(− 12 , 12 , 1)
µ ¶
1 1 2
u2 = q = −p , p , p
1
+ 1
+ 1 6 6 6
4 4

P.3) Para construir el tercer vector tenemos

     1   1     1   1 
1 1 p p 1 −p −p
2 2 6   6
v 30 = 0 − 0 ·  p1   p1  −   p   p1  =
1
 
0 ·
         
2 2    6   6 
1 1 0 0 1 p2 p2
6 6
1
 1   
−
    1  1  2 
p p
1 6 1 −6
1  12  1  1 
2
  3 
= 0 − p  p  − p  6  = 0 −  2  −  61  = − 23 
p 1
        
2 2 6 1 2
1 0 p2 1 0
6 3 3

y dividiendo entre su magnitud

¡2 2 2
¢
3,−3, 3
µ ¶
1 1 1
u3 = q = p ,−p , p .
4
+ 49 + 49 3 3 3
9

Por lo que la base ortonormal correspondiente es

 p   p   p 
 1/p2 −1/ 6 1/ 3
  p p 
 
 1/ 2  ,  1/ 6  ,  −1/ 3 
  
 p p 
0 2/ 6 1/ 3
 
 3.6 Evaluaciones sumativas Álgebra lineal.

3.6 Evaluaciones sumativas

3.6.1 Ejercicios

1.• Indicar cuales de las propiedades 1, 3, 4, 5, 6, 7 de espacios vectoriales fallan en los siguien-
tes conjuntos.
a.• El conjunto de los números enteros.
b.• El conjunto de los números racionales.
82
c.• El conjunto de los números reales.
d.• El conjunto de matrices diagonales de 3 × 3.
e.• El conjunto de todas las lineas rectas horizontales en el plano.
f.• El conjunto de todos los círculos centrados en el origen, de radio r ≥ 0, con la suma y
producto de funciones.
g.• El conjunto de polinomios de grado menor o igual a 3 de la forma ax 3 +bx 2 +c x +d , con

Espacios Vectoriales
a < 0.
h.• El conjunto V = {2}.
i.• V = {x ∈ R : x ∈ (−2, 2)}. Ã !
• 0 a
j. El conjunto de matrices de 2 × 2 que tienen la forma .
b 1
k.• El conjunto de matrices simétricas de 3 × 3.

2.• Determina si el subconjunto H del espacio vectorial V , es un subespacio vectorial.

a.• H = {(x, y) : −1 ≤ y ≤ 1 , −1 ≤ x ≤ 1};V = R2 .
b.• H = {(x, −x) : x ∈ R}; V = R2 .
c.• H = {(x, y) : x 2 + y 2 ≤ 1}, V = R2 .  
a a +b a +c
d.• H es el conjunto de matrices de la forma  b d e ; V es el espacio vectorial
 

c f g
formado por las matrices de 3 × 3.

3.• Determine si el conjunto de vectores genera al espacio dado.

a.• H = (1, 2), (3, 4) el espacio es R2 .
b.• H = (1, 1), (2, 2), (3, 5) el espacio es R2 .
c.• H = (1, 1, 1), (0, 1, 1), (0, 0, 1) el espacio es R3 .
d.• H = 1 − x, 3 − x 2 el espacio es el conjunto de polinomios de grado menor o igual a 2.

4.• Escribe el vector (1, −1, 2) en términos de la base dada.

           
 1
 0 1   2
 −1 3 
a.•  0 , 0 , 1  . b.•  1  ,  4  ,  −2  .
           
   
0 1 1 3 5 −4
   

(Ã ! Ã !) (Ã ! Ã !)
2 −1 −1 3
5. Dadas las bases B1 =
•
, y B2 = , :
1 2 1 2
a.• Encontrar la matriz de transición de B1 a B2 .
b.• Dado el vector [v]B1 = (3, 3), encontrar [v]B2 .
           
 0
 1 3   
 1 −1 0  
6.• Dadas las bases B1 =  1  ,  4  ,  0  y B2 =  1  ,  1  ,  0  :
           
   
3 2 −4 −1 −1 −4
   
a.• Encontrar la matriz de transición de B1 a B2 .