You are on page 1of 38

UNIVERSIDAD MAYOR DE SAN ANDRS

FACULTAD DE INGENIERA







Materia: Algebra Lineal MAT-103
Nivel: 2 Semestre
Gestin Acadmica: II/2010
Docente: Ing. Moiss Arteaga
Estudiantes: Univ. Quispe Laura Exequiel Enrique
Univ. Ramos Yujra Grover Hugo
Univ. Salgueiro Huanca Imber Rene
Univ. Segales Matienzo J ose Miguel
Univ. Siles Inca Ana Fabiola
Fecha De Entrega: 22 12 - 2010

La Paz Bolivia



CAP. III
ESPACIOS VECTORIALES

Introduccin.
Vector, magnitud con direccin y sentido.

Forma ordenada
u
2
3
( , )
( , , )
R v x y
R v x y z
=
=

Forma vectorial.
v xi yj zk = + +
Vector
2
R o
3
R
(x, y) (x, y, z)

x
y
(
(


x
y
z
(
(
(
(



Operaciones.
1. Producto escalar.
k (x, y, z) = (kx, ky, kz)
2. Suma de vectores.
1 1 1 2 2 2 1 2 1 2 1 2
( , , ) ( , , ) ( , , ) x y z x y z x x y y z z + = + + +
Vamos a generalizar el concepto de vector solamente ligado al vector en s mismo si no a uno
estructura algebraica que corresponda a las operaciones sobre los vectores.
Se necesita:
2 3
( , ,......)
int
v Conjunto de elementos R R
Ley de composicion erna en v
k Campo de escalares
Ley de composicion externa de k a v
=
=
=
-=

Entonces la estructura.
( , , , ) v k -
Se denomina espacio vectorial si se satisface los siguientes axiomas.
Sean los vectores , , u v w y los escalares
1 2
, k k y k .
i) . . . u v v LC I e
ii) ( ) ( ) u v w u v w Asociatividad =
iii) ; u e u e elemento neutro de elemento neutro = = -
iv) ; u u e u inverso de u de elemento inverso ' ' = = -
v) u v v u Conmutatividad = Grupo Abeliano
vi) . . . k u v LC E - e
vii) ( ) . . . . . k u v k u k v DistributivadeLC E conrespecto aLC I - = - -
viii)
1 2 1 2
( ) . . . k k u k u k u Distributivade LC E conrespecto a + - = - - +
ix)
1 2 1 2
( ) ( ) k k u k k u - - = - -
x) 1 u u - = Espacio Vectorial
Ejemplo:
Analizar si ( , , , ) R Z - es un espacio vectorial si se definen.
k
x y xy
k x x
=
- =

Solucin.
i) Por definicin.
ii) ( ) ( ) x y z x y z =
( ) ( )
( )
( ) ( )
( ) ( )
xy z x y z
xyz x y z
x yz x y z
x y z x y z
=
=
=
=

iii) x e x =
1 xe x e R = = e
iv) x x e ' =
1
1 1
0
xx
x si x R
x x
' =
' = = e

v) x y y x =
xy y x
yx y x
=
=

vi)
k
k x x R por definicion - = e
vii) ( ) k x y k x k y - = - -
( )
( )
k
k k
k xy k x k y
xy k x k y
x y k x k y
- = - -
= - -
= - -

viii)
1 2 1 2
( ) k k x k x k x + - = - -
1 2
1 2
1 2
1 2
k k
k k
x k x k x
x x k x k x
+
= - -
= - -


ix)
1 2 1 2
( ) ( ) k k x k k x - - = - -
( )
( )
1 2
1
2
2
1 2
1 2
1 1 2
1 2 1 2
( )
( )
( )
( ) ( )
k k
k
k
k
x k k x
x k k x
k x k k x
k k x k k x
= - -
= - -
- = - -
- - = - -

x) 1 x x - =
1
x x =
( , , , ) . R Z esunespaciovectorial -
Ejemplo:
Analizar si
2
( , , , ) R R - es un espacio vectorial donde:
1 2 1 2 1 1 2 2
1 2 1 2
( , ) ( , ) ( , 1)
( , ) ( , )
u u v v u v u v
k u u ku u
= + + +
- =

Solucin.
i) Por definicin.
ii) | | | |
1 2 1 2 1 2 1 2 1 2 1 2
( , ) ( , ) ( , ) ( , ) ( , ) ( , ) u u v v w w u u v v w w =
| |
| | | |
| | | |
| |
1 2 1 1 2 2 1 2 1 2 1 2
1 1 1 2 2 2 1 2 1 2 1 2
1 1 1 2 2 2 1 2 1 2 1 2
1 1 2 2 1 2 1 2 1 2 1 2
1 2
( , ) ( , 1) ( , ) ( , ) ( , )
( ) , ( ) 1 1 ( , ) ( , ) ( , )
( ) , ( 1) 1 ( , ) ( , ) ( , )
( , 1) ( , ) ( , ) ( , ) ( , )
( , )
u u v w v w u u v v w w
u v w u v w u u v v w w
u v w u v w u u v v w w
u v u v w w u u v v w w
u u
+ + + =
+ + + + + + =
+ + + + + + =
+ + + =
| | | |
1 2 1 2 1 2 1 2 1 2
( , ) ( , ) ( , ) ( , ) ( , ) v v w w u u v v w w =

iii)
1 2 1 2 1 2
( , ) ( , ) ( , ) u u e e u u =
1 1 2 2 1 2
1 1 1 1
2 2 2 2
2
( , 1) ( , )
0
1 1
(0, 1)
u e u e u u
u e u e
u e u e
e R
+ + + =
+ = =
+ + = =
= e

iv)
1 2 1 2 1 2
( , ) ( , ) ( , ) u u u u e e
' '
=
1 1 2 2
1 1 1 1
2 2 2 2
2
1 2
( , 1) (0, 1)
0
1 1 2
( , 2 )
u u u u
u u u u
u u u u
u u u R
' '
+ + + =
' '
+ = =
' '
+ + = =
' = e

v)
1 2 1 2 1 2 1 2
( , ) ( , ) ( , ) ( , ) u u v v v v u u =
1 1 2 2 1 2 1 2
1 1 2 2 1 2 1 2
1 2 1 2 1 2 1 2
( , 1) ( , ) ( , )
( , 1) ( , ) ( , )
( , ) ( , ) ( , ) ( , )
u v u v v v u u
u v v u v v u u
v v u u v v u u
+ + + =
+ + + =
=

vi) Por definicin.
vii) ( )
1 2 1 2 1 1 2 2
( , ) k k u u k u k u + - = - -
( )
1 2 1 2 1 1 2 2
1 1 2 1 2 1 1 2 2
1 1 2 2 1 1 1 2 2
2
,
( , )
( , ) ( , 0) ......
( , , , ) .
k k u u k u k u
k u k u u k u k u
k u u k u k u k u F
La estructura R R noes espaciovectorial
+ = - - (

+ = - -
= - -
-

Los espacios vectoriales ms usuales son:
i) ( , , , )
n
R R + -
1 2 3 1 2 3 1 1 2 2
1 2 3 1 2
( , , ,... ) ( , , ,... ) ( , ,......, )
( , , ,... ) ( , ,...., )
n n n n
n n
x x x x y y y y x y x y x y
k x x x x kx kx kx
+ = + + +
=

ii) ( , , , )
n
P R + -
2
0 1 2
2
0 1 2
2
0 0 1 1 2 2
2
0 1 2
2
0 1 2
.....
.....
( ) ( ) ( ) .... ( )
( ..... )
.....
n
n
n
n
n
n n
n
n
n
n
a a x a x a x
b b x b x b x
a b a b x a b x a b x
k a a x a x a x
ka ka x ka x ka x
+ + + +
+ + + +
+ + + + + + + +
+ + + +
+ + + +

iii) ( ( ), , , ) f x R + -
iv) ( , , , )
mxn
M R + -
v) ( , , , )
n
C R + -
Subespacios vectoriales.- Es un subconjunto del espacio vectorial en el cual se cumple o
satisface ciertas condiciones para sus elementos.
Un subespacio vectorial debe ser un espacio vectorial por s mismo.
Solo es necesario que satisfaga los dos axiomas correspondientes a la L.C.I y a L.CE.

E.V.




i) Si x y S . e
x y S e
ii) Si k R x S e . e
k x S - e
A veces.
Sea
1 2
, k k R y x y S . e e

1 2
k x k y S - - e

Sub. Vec.
S

, , x y z

Ejemplo: ( )
Subespacio vectorial




Ejemplo: Analizar si los siguientes subconjuntos son subespacios vectoriales en el espacio
vectorial dado.
a)
b)
c)
d)
e)
Solucin:
a) En la condicin









Con (+):






i)






ii)



es subespacio

Con (-):



i)




ii)



es subespacio

b)
i)



ii)







no es subespacio

c)
i)

ii)





es subespacio

d)








es subespacio

e)
Sea





es subespacio
Combinacin lineal.-
Sea un conjunto de vectores y un vector
Se dice que el vector es combinacin lineal de conjunto C, si existen los escalares
son nicos tal que se verifica:

Ejemplo: Escribir el vector (2,-1,5) como combinacin lineal del conjunto

Solucin:




-

1 3 2 2
2 2 1 1
3 1 3 5
| |

|

|
|

\ .

1 3 2 2
0 4 5 3
0 10 3 11
| |

|
|
|
\ .

1 3 2 2
0 4 5 3
19 7
0 0
2 2
| |
|

|
|
|
|

|
\ .




1 3 2 2
5 3
0 1
4 4
0 0 1 7
19
| |
|

|
|
|
|
|

|
\ .

52
19
1 3 0
23
0 1 0
19
0 0 1
7
19
| |

|
|
|
|
|
|

|
\ .

17
19
1 0 0
23
0 1 0
19
0 0 1
7
19
| |
|
|
|
|
|
|

|
\ .




C.L:
Ejemplo: Hallar el valor de para que el polinomio sea
combinacin lineal del conjunto
Solucin:






1 2 0 5
1 1 3
1 0 5 2
1 1 2 3
1
1 a
| |
|
|
|
|

|
|
3 2
2 7
1 2 0
1
5
0 1
0 5
0 2 3 6 a
| |
|
|




|
|
|
|
\ .

1 5
2 7
1 2 0 5
0 4
0 5
0 2 3 1 6 a
| |
|
|

|
|
|
|
\ .






1 2 0 5
0 4
0 13
0 2 3
1 5
0 17
0 11 a
| |
|
|
|
|
|
|
\ .


1 5
0 17
0 109
1 2 0 5
0 4
3
0
13
0 1
0
3a
| |

|
|
|
|
|
|
|
|
|
\ .
1 5
0 17 13
0 109
1 2 0 5
0 4
0 1
3
0
3
1
0
a
| |

|
|
|
|
|
|
|
|
|
\ .



nica solucin:

3 = 3 = 3








Independencia y Dependencia Lineal
Sea un conjunto de vectores 1 2 3 :{ , , ,....., } n C V V V V , definido en el espacio vectorial V, se dice
que el conjunto es:
1. Linealmente Independiente si el vector nulo es combinacin lineal del conjunto C.
2. Linealmente Dependiente si el vector nulo no es combinacin lineal del conjunto C.
Sea: 1 2 3
1 2 3
..... n
n
K V K V K V K V u = + + + + , donde u =Vector Nulo
a) Si
1 2 3
..... 0
n
K K K K = = = = = , entonces el sistema formado ser un sistema homogneo
que tiene solucin trivial.
Tiene su determinante: 0 A = .
b) Si
1 2 3
..... 0
n
K K K K = = = = = , entonces el sistema formado ser un sistema homogneo
que tiene solucin no trivial.
Tiene su determinante: 0 A = .
Ejemplo.- Analizar la independencia o dependencia lineal del conjunto:
2 2 2
{3 2 5, 2 3, 3 2 1} C t t t t t t = + + + en
2
P .
Solucin: Expresando el polinomio nulo como combinacin lineal de los vectores del conjunto:

2 2 2 2
1 2 3
0 0 0 (3 2 5) (2 3) ( 3 2 1) t t K t t K t t K t t + + = + + + + +
Reordenando apropiadamente:
2 2
1 2 3 1 2 3 1 2 3
0 0 0 (3 2 3 ) ( 2 2 ) (5 3 ) t t K K K t K K K t K K K + + = + + + + +
Formando el sistema de ecuaciones:
1 2 3
1 2 3
1 2 3
3 2 3 0
2 2 0
5 3 0
K K K
K K K
K K K
+ =
=
+ + =

Resolvindola por medio de la matriz ampliada:

2 1 1
2 3 3
3 2 3 0
2 1 2 0
5 3 1 0
2F F F
2F F F
(
(

(
(

+
+

1 2 2
1 3 3
1 0 7 0
2 1 2 0
1 1 3 0
2F F F
F F F
(
(

(
(

+
+

1 1
2 3 3
1 0 7 0
0 1 12 0
0 1 10 0
F F
F F F
(
(

(
(


+

2 2
3 3
1 0 7 0
0 1 12 0
0 0 2 0
F F
1
F F
2
(
(

(
(


3 2 2
3 3
1 0 7 0
0 1 12 0
0 0 1 0
12F F F
7F F
(
(

(
(

+


1 0 0 0
0 1 0 0
0 0 1 0
(
(
(
(


Entonces K
1
=K
2
=K
3
=0
Ind El conjunto C es Linealmente ependiente .
Ejemplo.- Hallar el valor de para que el conjunto de matrices:
1 2 2 1 2 2 2 2
{ ; ; ; }
2 2 2 2 1 2 2 1
C


+ + ( ( ( (
=
( ( ( (
+ +


a) Sea Linealmente Independiente.
b) Sea Linealmente Dependiente
Solucion Si expresamos la matriz nula como combinacin lineal de las matrices del conjunto se
tendr:
1 2 3 4
0 0 1 2 2 1 2 2 2 2
0 0 2 2 2 2 1 2 2 1
K K K K


+ + ( ( ( ( (
= + + +
( ( ( ( (
+ +


Reordenando apropiadamente se tendr;
( ) ( )
( ) ( )
1 2 3 4 1 2 3 4
1 2 3 4 1 2 3 4
1 2 2 2 2 1 2 2 0 0
2 2 1 2 2 2 2 1 0 0
K K K K K K K K
K K K K K K K K


+ + + (
(
=
(
(
+ + + +



Formando un sistema de ecuaciones:
( )
( )
( )
( )
1 2 3 4
1 2 3 4
1 2 3 4
1 2 3 4
1 2 2 2 0
2 1 2 2 0
2 2 1 2 0
2 2 2 1 0
K K K K
K K K K
K K K K
K K K K

+ =
+ + =
+ + =
+ + =

Evaluando el determinante:
4 1 1
4 2 2
4 3 3
1 2 2 2
2 1 2 2
2 2 1 2
2 2 2 1
F F F
F F F
F F F

+
+
+
+
+
+
+

1 4 4
2 4 4
3 4 4
3 0 0 3
0 3 0 3
0 0 3 3
2 2 2 1
C C C
C C C
C C C


+
+
+
+
+
+
+

3 0 0 0
0 3 0 0
0 0 3 0
2 2 2 5

+
+
+


3
( 3) ( 5) A = +
Ser L.I. si 0 A =

3 5 = . =
y ser L.D. si 0 A = 3 5 = v =
Teorema En todo conjunto linealmente dependiente, un vector cualquiera es combinacin lineal
de los restantes.
Sea 1 2 3 :{ , , ,....., } n C V V V V un conjunto linealmente dependiente
Entonces: 1 2 3
1 2 3
..... ..... i n
i n
K V K V K V K V K V u = + + + + + +
Pero 0
i
K = , entonces: 1 2 3
1 2 3
1
..... / /( ) i n
i n
i
K V K V K V K V K V
K
= + + + +
Entonces:
3 1 2
1 2 3
( ) ( ) ( ) . . ( )
n
i n
i i i i
K K K K
V V V V V
K K K K
= + + + . + .
Ejemplo.-Hallar los valores de a y b para que el conjunto C en
4
sea linealmente dependiente,
donde: ( ) ( ) ( ) { }
2, 3,1, 5 ; 3, 2, 1, 4 ; , , 3, 1 . C a b =
Solucion. Expresando el tercer vector como combinacin lineal de los otros dos se obtiene:
( ) ( )
1 2
, , 3, 1 2, 3,1, 5 (3, 2, 1, 4) a b K K = +
Reordenando apropiadamente los trminos se obtiene:
( )
1 2 1 2 1 2 1 2
, , 3, 1 (2 3 , 3 2 , , 5 4 ) a b K K K K K K K K = + + +
Y armando un sistema de ecuaciones:
1 2
1 2
1 2
1 2
2 3
3 2
3
5 4 1
K K a
K K b
K K
K K
+ =
+ =
=
+ =

Resolviendo mediante la matriz ampliada:
3 1 1
3 2 2
3 4 4
2 3
3 2
1 1 3
5 4 1
2F F F
3F F F
5F F F
a
b
(
(

(
(
(


+
+
+

2 1 1
2 4 4
0 5 6
0 1 9
1 1 3
0 9 16
5F F F
9F F F
a
b
(
(
+
(
(
(


+
+

0 0 5 39
0 1 9
1 1 3
0 0 9 65
a b
b
b
+ + (
(
+
(
(
(
+


Por el Teorema de Rouche-Frobenius: ( ) ( )
| 2
x
A A B = =
9b+65=0
65
9
b =
a+5b+39=0 a=-39-5b
65 351 325 26
a 39 5( )
9 9 9
a a
+
= = =
En el caso de funciones:
( ) ( ) ( )
3( ) 1 2
{ , , , .., }
x x x n x
C f f f f = .
( ) ( ) ( )
1 2 3 3( ) 1 2
0 ..... ( )
x n x x n x
K f K f K f K f o = + + + +

Si derivamos () hasta (n-1) veces:
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
' ' '
1 2 3 1 2 3
'' '' ''
1 2 3 1 2 3
''' ''' '''
1 2 3 1 2 3
0 ..... '
0 ..... ''
0 ..... ''
n x x x n x
n x x x n x
n x x x n x
K f K f K f K f
K f K f K f K f
K f K f K f K f
= + + + +
= + + + +
= + + + +

Si seguimos el proceso:
( ) ( ) ( ) ( )
( 1) ( 1) ( 1) ( 1)
1 2 3 1 2 3
0 .....
n n n n
n x x x n x
K f K f K f K f

= + + + +
Y representando esto como matriz:
1 2 1
1 2 2
1 2 3
( 1) ( 1) ( 1)
1 2
0
' ' ' 0
'' '' '' * 0
0
n
n
n
n n n
n n
f f f K
f f f K
f f f K
f f f K

( ( (
( ( (
( ( (
( ( ( =
( ( (
( ( (
( ( (


Donde la primera matriz es conocida como la Matriz de Wronski.
Como sabemos que el conjunto ser L.I. si su determinante es distinta de 0, y ser L.D. si su
determinante es igual a 0, podemos utilizar este concepto con la matriz de Wronski y su
determinante, el Wronskiano:
1 2
1 2
1 2
( 1) ( 1) ( 1)
1 2
' ' '
'' '' ''
n
n
n
n n n
n
f f f
f f f
W f f f Wronskiano
f f f

= =
Si el Wronskiano es distinto de cero, el conjunto ser Linealmente Independiente.
Si el Wronskiano es igual a cero, el conjunto ser Linealmente Dependiente.
1 2
1 2
1 2
( 1) ( 1) (
1 2
1)
1 2
' ' '
'' '' '' [ , , .., ]
n
n
n
n n n
n
n
f f f
f f f
W f f f
f
f f f
f f

. =
Ejemplo.- Analizar la dependencia lineal del conjunto:
2
1 1 2
{ , , }
1 1 1
C
x x x
=
+

Solucion. Por la definicin del Wronskiano, se obtiene:
( )( )
2
1 2 2 2 2 2
2 2 2
3 3 2 4
1 1 2
1 1 1
1 1 4
[ , , .., ]
(1 ) (1 ) (1 )
4(1 ) 4 1 2 2
2 2
(1 ) (1 ) (1 )
n
x x x
x
W f f f
x x x
x x x x
x x x
+
. =
+

+

Factorizando y simplificando:
( )
2 2
2 2 2 2
2 2 2 3
1 1 1
1 1 2 1 1 2
* * *
1 1 1 1 1 1
2(1 ) 8 1
2 2
(1 ) (1 ) (1 )
x
W
x x x x x x
x x x
x x x
(
=
(
+ +


+

Si:
1 2 2
1 3 3
C C C '
C C C '
+
+
, se tendr:
2 2
2
2 2
2
2 2 2 2
1 0 0
2 1 1 1 2 1
*
(1 1 1 1 1 1
2 2 2 6 2
(1 ) (1 ) (1 ) (1 ) (1 )
)
2
x
W
x x x x x x
x
x x x x x
(
=
(
+


+
+

Por la Regla de Chio, y realizando cofactores alrededor de la posicin 1,1, se tendr:
( )
2
2 2
2 2 2
2 1
1 1 2
*
8 4
(1 )
(1 ) 1 (1 )
x x
W
x x
x
x x x

+ (
=
(



+

Realizando operaciones:
2 2 2 3 2 3
2 8 8
*
(1 ) (1 ) (1 ) (1 ) (1 )
x x
W
x x x x x
( (
=
( (
+ +


2 2 2 3
2 8 8
* 0
(1 ) (1 ) (1 )
x x
W
x x x
( (
= =
( (
+


El conjunto C es Linealmente Dependiente .
Conjunto Generador
Sea un conjunto generador de vectores 1 2 3 :{ , , ,....., } n C V V V V definidos en el espacio vectorial
V, se dice que el conjunto C es generador del espacio vectorial V si cualquier vector x de V es
combinacin lineal del conjunto C.
1 1 2 2 3 3 .
. .
n n
x V x KV K V K V K V e = + + + . +
Donde
i
K existen y son nicos, por lo tanto, el sistema asociado debe tener una nica solucin.
Teorema.- Todo conjunto de vectores que es generador del espacio vectorial es linealmente
independiente. Lo contrario no siempre se verifica.
1 2 3 :{ , , ,....., } n C V V V V
. Si es Generador Siempre es Linealmente Independiente
. No siempre es Generador Si es Linealmente Independiente :
Teorema. Si un conjunto de vectores no es generador del espacio vectorial, entonces ser
generador de un subespacio vectorial.
ESPACIO VECTORIAL










SUBESPACIO


[ . .] x C L =


Ejemplo. Analizar si el conjunto de funciones de la forma:
2 3
( )
t t t
t
f ae be ce = + + es generador del
espacio vectorial.
2 2 3 2 3
{2 , 3 5 4 , 7 8 5 }
t t t t t t t t
C e e e e e e e e = +
Solucion.- Realizando la combinacin lineal:
( )
2 3 2 2 3 2 3
1 2 3
(2 ) 3 5 4 (7 8 5 }
t t t t t t t t t t t
ae be ce K e e K e e e K e e e + + = + + +
Ordenando los trminos apropiadamente:
2 3 2 3
1 2 3 1 2 3 2 3
(2 3 7 ) ( 5 8 ) ( 4 5 )
t t t t t t
ae be ce K K K e K K K e K K e + + = + + + + + +
Armando un sistema de ecuaciones:
1 2 3
1 2 3
2 3
2 3 7
5 8
4 5
K K K a
K K K b
K K c
+ + =
+ =
+ =

El sistema tendr una nica solucin si el determinante formado sea distinto de cero, entonces,
evaluando el determinante:
2 1 1
2 3 7
1 5 8
0 4 5
2F F F

+


0 13 9
1 5 8
0 4 5


Por la Regla de Chio, realizando cofactores alrededor de la posicin 2,1; se tendr:
( ) ( )
13 9
1 65 36 101 0
4 5

= = =


. El conjunto C es generador del espacio vectorial
Ejemplo. Dado el conjunto de vectores en
4
, encontrar el subespacio generado:
( ) ( ) ( ) ( ) { 2, 1, 3, 4 ; 3, 2,1, 2 ; 5, 3, 4, 2 ; 1,1, 2, 6 } C =
Solucion. Sea ( )
1 2 3 4
, , , u x x x x Subespacio = e

Entonces, expresando el vector general como combinacin lineal de los otros se obtiene:
( ) ( ) ( ) ( ) ( )
1 2 3 4 1 2 3 4
, , , 2, 1, 3, 4 3, 2,1, 2 5, 3, 4, 2 1,1, 2, 6 x x x x K K K K = + + +
Reordenando los trminos apropiadamente:
( ) ( )
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
, , , 2 3 5 , 2 3 , 3 4 2 , 4 2 2 6 x x x x K K K K K K K K K K K K K K K K = + + + + + + + +
Armando un sistema de ecuaciones:
1 2 3 4 1
1 2 3 4 2
1 2 3 4 3
1 2 3 4 4
2 3 5
2 3
3 4 2
4 2 2 6
K K K K x
K K K K x
K K K K x
K K K K x
+ + =
+ =
+ + + =
+ + =

Resolviendo con la matriz aumentada:
1
2
3
4
2 1 1
2 3 3
2 4 4
2 3 5 1
1 2 3 1
3 1 4 2
4 2 2 6
2F F F
3F F F
4F F F
x
x
x
x
(
(

(
(
(


+
+
+

1 2
2
3 2
4 2
1 3 3
1 4 4
0 1 1 1 2
1 2 3 1
0 5 5 5 3
0 10 10 10 4
5F F F
10F F F
x x
x
x x
x x
+ (
(

(
( +
(
+

+
+

1 2
2
3 2 1 2
4 2 1 2
0 1 1 1 2
1 2 3 1
0 0 0 0 3 5 10
0 0 0 0 4 10 20
x x
x
x x x x
x x x x
+ (
(

(
( +
(
+


Por el Teorema de Rouche Frobenius: ( ) ( )
| 2
x
A A B = =
3 2 1 2
4 2 1 2
3 5 10 0
4 10 20 0
x x x x
x x x x
+ =
+ =

( )
1 2 3 4 3 2 1 2 4 2 1 2
{ , , , / 3 5 10 0 4 10 20 0}
generado
S x x x x x x x x x x x x = + = . + =
Base y Dimensin
Sea un conjunto de vectores
1 2 3
:{ , , , .., }
n
B V V V V . ; se dice que B es una base en el espacio
vectorial V si el conjunto B es:
1. Linealmente Independiente[ 0] Con unica solucion A =
2. Generador del Espacio vectorial (Ya demostrado al cumplir la independencia lineal).
La dimensin de una base [Dim Base] es la cantidad de vectores de la base.
Ejemplo. Analizar si el conjunto en
2
P es una base:
{ }
2 2 2
3 2 4, 5 3 1, 4 2 7 B t t t t t t = + + +
Solucion. Expresando como combinacin e igualando al vector nulo y a un vector general, se
tiene:
( ) ( )
( ) ( )
2 2 2 2
1 2 3
2 2 2 2
1 2 3
0 0 0 3 2 4 5 3 1 (4 2 7)
3 2 4 5 3 1 (4 2 7)
t t K t t K t t K t t
at bt c t t t t t t o o o
+ + = + + + + +
+ + = + + + + +

Si armamos los sistemas de ecuaciones, se obtiene:
1 2 3
1 2 3
1 2 3
3 5 4 0
2 3 2 0
4 7 0
K K K
K K K
K K K
+ =
+ =
+ =

1 2 3
1 2 3
1 2 3
3 5 4
2 3 2
4 7
a
b
c
o o o
o o o
o o o
+ =
+ =
+ =

Evaluando el determinante de A directamente:
( ) ( )
3 5 4
2 3 2 63 40 8 48 70 6 13 0
4 1 7

= + + + + = =


3. El conjunto B es base Dim B =
Base Cannica y Dimension del Espacio Vectorial
Se denomina Base Cannica o Euclidea a una base bsica esencial de cualquier espacio
vectorial. La dimensin del espacio vectorial es la dimensin de su base cannica.
- En la espacio vectorial de los nmeros reales:
o En R
2
: Sea el vector (x, y), se puede expresar como la combinacin de: x
(1,0)+y (0,1).
Entonces, la base cannica es :{(1,0) ;(0,1)}. Entonces, DimR
2
=2.
o En R
3
: Sea el vector (x,y,z), se puede expresar como la combinacin de:
x(1,0,0)+y(0,1,0)+z(0,0,1)
Entonces, la base cannica es :{(1, 0,0) ;(0, 1,0) ;(0, 0,1)}.
Entonces, DimR
3
=3.
o En general: En R
n
la base cannica
es:{(1,0,0,,0);(0,1,0,,0);(0,0,1,,0);;(0,0,0,,1)}. La Dim R
n
=n.
- En el espacio vectorial de los polinomios:
o En
2
P Sea el polinomio at
2
+bt+c, se puede expresar como la combinacin lineal
de: a (t
2
)+b (t)+c (1). Entonces, la base cannica ser: {t
2
, t, 1}. La dimensin
ser: Dim
2
P 3
o En
3
P : Sea el polinomio at
3
+bt
2
+ct+d, se puede expresar como la combinacin
lineal de: a (t
3
)+b (t
2
)+c (t)+d (1). Entonces, la base cannica ser: {t
3
, t2, t, 1}.
La dimensin ser: Dim
3
P = 4
o En general: Dim
n
P =n+1
- En el espacio vectorial de las matrices:
o En M
2x2
=R
2*2
: Sea la matriz
a b
c d
(
(

, se puede expresar como la combinacin
lineal de:
1 0 0 1 0 0 0 0
0 0 0 0 1 0 0 1
a b c d
( ( ( (
+ + +
( ( ( (

.Entonces, la base cannica
ser:
1 0 0 1 0 0 0 0
; ; ;
0 0 0 0 1 0 0 1
B
( ( ( (
=
`
( ( ( (
)
.

o En general: Dim *
mxn
m n =
- En el espacio vectorial de las funciones:
No existe una base cannica en el espacio vectorial de las funciones.

Operaciones con subespacios

Los subespacios son conjunto de vectores definidos en el universo de su espacio vectorial, por lo
tanto son susceptibles de operarse como conjuntos.
Sean:
)
`

e =
)
`

e =

v x S
v x S
2
2
1
1

Interseccin de subespacios
)
`

e . e =

2 1 2 1
/ S S x x S S
Unin de subespacios
)
`

e v e =

2 1 2 1
/ S S x x S S
La unin de subespacios no siempre es otro subespacio.

Suma de subespacios
)
`

+ e = +

2 1 2 1
S S x S S
Teorema

( ) ( )
2 1 2 1 2 1
S S Dim DimS DimS S S Dim + = +

Suma directa de subespacios

La suma directa de subespacios es posible si solo si. ( ) 0
2 1 2 1
= C = S S Dim S S
)
`

+ e =

2 1 2 1
S S x S S
( )
2 1 2 1
DimS DimS S S Dim + =

Ejemplo: En el espacio vectorial
4
R se define el subespacio ( ) { } 0 2 / , , , = + + = u z y x u z y x S y
el subespacio T generado por el conjunto ( ) ( ) ( ) ( ) { } 5 , 1 , 0 , 1 ; 3 , 5 , 2 , 3 ; 1 , 2 , 1 , 1 ; 4 , 3 , 1 , 2 se pide hallar:
a) Una base y dimensin para T S
b) Una base y dimensin para T S + y verificar si se cumple el teorema de la dimensin de la
suma.
Solucin:

( ) T u z y x sea T e , , ,
( ) ( ) ( ) ( ) ( ) 5 , 1 , 0 , 1 3 , 5 , 2 , 3 1 , 2 , 1 , 1 4 , 3 , 1 , 2 , , ,
4 3 2 1
k k k k u z y x + + + =

( ) ( )
( ) ( )
( )
'
4 4 2
'
4 4 1
'
3 3 2
'
3 3 1
'
1 1 2
4
5 3
1 2
6 5 0 0 0 0
0 0 0 0
0 2 1 1
2 1 1 1 0
4 5 5 5 0
3 1 1 1 0
0 2 1 1
2 1 1 1 0
5 3 1 4
1 5 2 3
0 2 1 1
1 3 1 2
f f f
f f f f f f
f f f f f f
u y x
z y x
y
y x
u y
z y
y
y x
u
z
y
x
+
+ +
+ +
(
(
(
(

+
+ +

+

(
(
(
(

+
+

+

(
(
(
(




( ) { }
( ) { } 0 6 5 0 / , , ,
0 6 5 0 / , , ,
= + . = =
= + . = + + =
u y x z y x u z y x T
u y x z y x u z y x T

) ( ) { } 0 6 5 0 0 2 / , , , = + . = . = + + = u y x z y x u z y x u z y x T S a
( )
( )
|
.
|

\
|
+
|
.
|

\
|
+
|
.
|

\
|
+
(
(
(


(
(
(


(
(
(



4
3
5
3
1
3
11
2
0 3 14 3 4 0 0
0 0 1 1 1
0 1 1 3 0
0 1 5 11 0
0 0 1 1 1
0 1 1 3 0
0 1 0 6 5
0 0 1 1 1
0 1 1 1 2
3
'
3 3 2
1
'
3 3 1
'
1 1 2
f f f f
f f f f f f f

'
2 2 3
'
2 2 1
'
1 1 3
3
1
0 2 7 1 0 0
0 2 3 1 0 1
0 2 3 0 1 0
0 2 7 1 0 0
0 0 1 1 1
0 2 3 0 1 0
0 2 7 1 0 0
0 0 1 1 1
0 3 1 3 1 1 0
f f f f f f f f f + + + |
.
|

\
|

(
(
(


(
(
(


(
(
(



(
(
(

0 2 7 1 0 0
0 2 0 0 1
0 2 3 0 1 0

u z u z
u x u x
u y u y
2
7
0
2
7
2 0 2
2
3
0
2
3
= =
= =
= = +

( )
( ) ( )
( ) { } 1 2 , 7 , 3 , 4
. . 2 , 7 , 3 , 4
2
,
2
7
,
2
3
, 2 , , ,
2
7
,
2
3
, 2 / , , ,
= =
=
|
.
|

\
|
=
)
`

= = = =
T S T S
Dim B
I L
u
u u u u u z y x
u z u y u x u z y x T S

) ( ) ( )
( ) { }
( ) ( ) ( ) ( ) ( )
( ) ( ) { } 3 0 , 1 , 1 , 0 , 0 , 2 , 0 , 1
1 , 1 , 0 , 0 0 , 1 , 1 , 0 0 , 2 , 0 , 1 , 2 , , , , ,
2 0 2 / , , ,
:
= =
+ + = + + =
+ + = = + + =
+ = + +
DimS B
u y x u u y x y x u z y x
u y x z u z y x u z y x S
DimS Para
T S Dim DimT DimS T S Dim T S Para b
S

( ) { }
( )
'
1 1 2 2
'
2 2 1
11
1
5
0 11 1 11 5 1 0
0 0 1 1 1
0 1 5 11 0
0 0 1 1 1
0 1 0 6 5
0 0 1 1 1
0 6 5 0 / , , ,
:
f f f f f f f
u y x z y x u z y x T
DimT Para
+
|
.
|

\
|
+
(


= + . = =

(


0 11 1 11 5 1 0
0 11 1 11 6 0 1

u z y u z y
u z x u z x
11
1
11
5
0
11
1
11
5
11
1
11
6
0
11
1
11
6
+ = = +
+ = =

( ) ( ) ( )
( ) ( ) { }
( ) ( )
( ) ( ) 4 1 2 3
2 11 , 0 , 1 , 1 , 0 , 11 , 5 , 6
11 , 0 , 1 , 1
11
0 , 11 , 5 , 6
11
, ,
11
1
11
5
,
11
1
11
6
, , ,
= + + = +
+ = +
= =
+ =
|
.
|

\
|
+ + =
T S Dim T S Dim
T S Dim DimT DimS T S Dim
DimT B
u z
u z u z u z u z y x
T

Espacio de filas y columnas de una matriz
Sea una matriz
| |
ij mxn
a A =
se define el espacio de filas de la matriz A como un subespacio en
n
R
que resultan luego del llevar la matriz a su forma escalonada.
El espacio de columnas es un subespacio en
n
R que resultan luego de llevar la matriz a su forma
escalonada realizando operaciones elementales en columnas.
Ejemplo: Hallar una base y dimensin del espacio de filas y columnas en:
(
(
(
(
(
(

=
6 4 3
1 3 4
5 1 2
2 3 5
4 1 2
3 5x
A

Solucin:
( ) ( ) ( ) ( )
( ) ( ) ( )
( )
( )
'
5 5 1
'
4 4 1
'
4 4 3 2 2 1
'
1 1 5
'
3 3 1
'
2 2 3
'
4 4 1
'
2 2 5
'
2 2 1
1
2
9
5
8
2 1
12 1 1 2
2 3 1
9 0 0
1 0 0
12 0 0
0 5 0
2 3 1
9 5 0
1 0 0
12 8 0
0 5 0
2 3 1
9 5 0
1 0 0
10 5 1
4 1 2
6 4 3
1 3 4
5 1 2
2 3 5
4 1 2
f f f
f f f
f f f f f f f f f f f f
f f f f f f f f f f f f
Filas
+
+
+ +
|
.
|

\
|
+ +
+ + + +
(
(
(
(
(
(

(
(
(
(
(
(

(
(
(
(
(
(

(
(
(
(
(
(


( ) ( ) ( ) { } 3 1 , 0 , 0 ; 0 , 5 , 0 ; 2 , 3 , 1
0 0 0
0 0 0
1 0 0
0 5 0
2 3 1
2 3 1
0 0 0
1 0 0
0 0 0
0 5 0
= =
(
(
(
(
(
(

(
(
(
(
(
(

Fila Dim B
Fila

( ) ( ) ( )
( ) ( ) ( )
'
3 3 1
'
1 1 3
'
3 3 2
'
2 2 1 2
'
1 1 2
10 1 4
3 1 2
10 11 1 10 0
4 3 1 3 1
5 1 1 1 0
10 11 1 10 0
4 3 1 3 1
5 10 0 11 0
6 1 5 2 4
4 3 1 3 1
3 4 2 5 2
f f f f f f f f f
f f f f f f f
A
Columnas
t
+ + +
+ +
(
(
(

(
(
(

(
(
(


=





Teorema. En toda matriz
mxn
A
se debe verificar: Columnas Dim Filas Dim =
Vector y matriz de coordenadas
Sea un vector v x e

y una base
)
`

=

n v v v B ,..., , 2 1 definida tambin en v.
Se define el vector de coordenadas del vector

x respecto a la base B, como aquel vector cuyos


componentes son los escalares de la combinacin lineal de

x respecto a la base B.
La matriz de coordenadas de

x respecto a la base B, es la matriz columna cuyos elementos son


los escalares de la combinacin lineal de

x respecto a la base B.
n
n
v k v k v k x

+ + + = ... 2
2
1
1

( ) ( ) ( ) { }
3
60 , 22 , 11 , 0 , 0 ; 5 , 1 , 1 , 1 , 0 ; 19 , 6 , 2 , 0 , 1
60 22 11 0 0
5 1 1 1 0
19 6 2 0 1
60 22 11 0 0
19 6 2 0 1
5 1 1 1 0
=
=
(
(
(

(
(
(



Columna Dim
B
Columna
Vector de coordenadas:
( )
n
B
k k k x ,..., ,
2 1
=
|
.
|

\
|


Matriz de coordenadas
(
(
(
(
(
(

=
(

n
B
k
k
k
x
.
.
2
1

Ejemplo: Hallar el vector y la matriz de coordenadas del polinomio 4 5 3
2
+ t t respecto a la
base. { } 1 , 1 , 1
2 2 2
+ + + = t t t t B
Solucin:
( ) ( ) ( ) 1 1 1 4 5 3
2
3
2
2
2
1
2
+ + + + + = t k t k t t k t t
( )
( )
'
3 3 2
3
'
3 3 1
'
1 1 2
1
2
1
1
2 11 1 0 0
5 0 0 1
2 1 1 0
11 2 0 0
5 0 0 1
2 1 1 0
9 1 1 0
5 0 0 1
2 1 1 0
4 1 1 1
5 0 0 1
3 1 1 1
f f f
f f f f f f f
+
|
.
|

\
|
+ +
(
(
(

(
(
(

(
(
(

(
(
(




(
(
(

2 11 1 0 0
2 7 0 1 0
5 0 0 1

2
11
2
7
5
3
2
1
=
=
=
k
k
k


( )
| |
(
(
(

= +
|
.
|

\
|
= +
2 11
2 7
5
4 5 3
2
11
,
2
7
, 5 4 5 3
2
2
B
B
t t
t t







CAP. I V
ESPACIOS VECTORIALES CON PRODUCTO INTERIOR

El producto interior es una operacin entre vectores a los cuales se asigna en el codominio un
valor real.
Producto Interior:

f: IR
n
, IP
n
, M
n.n
, f(x) IR

Es la generalizacin del producto escalar entre vectores.
Se simboliza:

<u, v> Producto interior entre los vectores u y v.

Para que un producto entre vectores se denomine interior debe satisfacerse 4 axiomas.

i) Axioma conmutatividad.
<u, v> = <v, u>
ii) Axioma de Aditividad
<u+v, w> = <u, w> + <v, w>
iii) Axioma de Homogeneidad
<ku, v> = <u, kv> = k<u, v>
iv) Axioma de Positividad
<u, u> 0

Ejemplo: En IR
2
se define el producto <u, v> = 2u
1
v
1
+ (a
2
4a + 3)u
2
v
2
siendo: u = (u
1
u
2
) ; v
= (v
1
v
2
). Hallar los valores de a IR talque sea un producto interior.

Solucin:



i) <u, v> = 2u
1
v
1
+ (a
2
4a + 3)u
2
v
2

= 2v
1
u
1
+ (a
2
4a + 3)v
2
u
2

= < v, u>

ii) u = (u
1
, u
2
) ; v = (v
1
, v
2
) ; w = (w
1
, w
2
)
< u + v, w> = < (u
1
+ v
1
, u
2
+ v
2
); (w
1
, w
2
)>
= 2(u
1
+ v
2
)w
1
+ (a
2
4a + 3)(u
2
+ v
2
)w
2

= 2u
1
w
1
+ (a
2
4a + 3)u
2
w
2
+ 2v
1
w
1
+ (a
2
4a + 3)v
2
w
2

= <u, w> + <v, w>

iii) <ku, v> = <(ku
1
, ku
2
), (v
1
, v
2
)>
= 2ku
1
v
1
+ (a
2
4a + 3)ku
2
v
2

= k{2 u
1
v
1
+ (a
2
4a + 3)u
2
v
2

= k <u, v>

iv) <u, u> = <(u
1
, u
2
), (u
1
, u
2
)>
= 2u
1
u
1
+ (a
2
4a + 3)u
2
u
2

= 2u
1
2
+ (a
2
4a + 3)u
2
2
0

a
2
4a + 3 0
(a 3)(a 1) 0

V F V
1 3



a1 v a3



Norma, Distancia y Angulo entre Vectores.- Sean los vectores u, v V

Norma o Modulo.-

|| u || = <u, u>
Distancia.-

d(u, v) = || u v || = || v u ||
Angulo.-

Como || u + v || || u || + || v ||

Cos = <u, v>
|| u || || v ||

Caso Especial:

Si = 90 =/2 cos cos 90 = 0


<u, v> = 0 condicin de ortogonalidad


Los vectores son perpendiculares u ortogonales.

Sub espacio Ortogonal.- Es aquel conjunto de vectores en v, talque son ortogonales a los
vectores dados c = {v
1
, v
2
v
k
}

S = {x v / <x, v
1
> = <x, v
2
> <x, v
k
> = 0}

Productos Interiores Euclidianos.-
Son productos interiores que se los asumen cuando no se ha definido otro:

x
1
y
1
En IR
n
, si: x = x
2
y = y
2
. .
x
n
y
n


<x, y> = x y = x
1
y
1
+ x
2
y
2
+ . x
n
y
n


En IP
n
sean p
(t)
y q
(t)


< p
(t),
q
(t)
> = f(x) g(x) dx

En otros espacios vectoriales siempre se deben indicar los productos interiores.

Ejemplo: Hallar el subespacio ortogonal a los polinomios {t
2
-2t+1, 3t 1} siendo: < p
(t),
q
(t)
>
= p
(0),
q
(0)
+ p
(1),
q
(1)
halle base y dimensin.

Solucion:

Sea p(t) = at
2
+ bt + c genera al subespacio ortogonal.

< p
(t),
q
(t)
> = 0 ^ < p
(t),
r
(t)
> = 0

P(0) = c q(0) = 1 r(0) = -1
P(1) = a+b+c q(1) = 0 r(1) = 0

< p
(t),
q
(t)
> = c1 + (a+b+c)0
< p
(t),
q
(t)
> = c = 0

< p
(t),
r
(t)
> = c(-1) + (a+b+c)2 = 0
= -c + 2a +2b + 2c = 0
= 2a + 2b + c = 0

Reemplazando: c = 0
2a + 2b = 0 a + b = 0

S = { at
2
+ bt + c/ a +b = 0 ^ c = 0}
at
2
+ bt + c = at
2
+ (-a)t + 0 = a(t
2
t)

L = { t
2
t } Dim B
s
= 1


Ejemplo: Hallar todos los vectores en IR
3
ortogonales a (2, -1, 3) y que formen 60 con (1, -
2, 2)

Solucin: Sea x = (a, b, c) ortogonal a A = (2, -1, 3) y forma 60 con B = (1, -2, 2)

<x, A> = 0

2a b + 3c = 0 (1)

Cos 60 = <x B> ()
||X|| ||B||

<x, B> = a 2b + 2c

|| B || = <B, B> = 1 + (-2)
2
+ 2
2
= 3

Asumiendo || x || = 1

Reemplazando en ():

Cos 60 = = a -2b + 2c
1*3

a 2b + 2c = 3/2 (2)

2 -1 3 0 3 -1 -3 (1/3) 0 1 -1/3 -1 (2) 0 1 -1/3 -1
1 -2 2 3/2 (-2) 1 -2 2 3/2 1 -2 2 3/2 1 0 4/3 -1/2

b- 1/3 = -1 a = -1/2 4/3c ^ b = -1 + 1/3c
a + 4/3c = -1/2

Pero: ||x|| = 1 a
2
+ b
2
+ c
2
= 1

(-1/2 4/3c)
2
+ (1/3c 1)
2
+ c
2
= 1

+ 4/3c + 16/9c
2
+ 1/9c
2
2/3c + 1 + c
2
= 1

( 16 +1 +9)c
2
+ 2/3c + = 0 //36

26*4c
2
+ 2*12c + 9 = 0 104c
2
+ 24c + 9 = 0

C = -24 (24)
2
a*104*9 c = -24 -3168 C
2*104 2*104

C IR a, b IR

No existen vectores en IR
3
que sean ortogonales a (2, -1, 3) y formen 60 con (1, -2, 2)

Bases Ortonormales.- Una base se denomina ortonormal si sus vectores son unitarios y son
ortogonales entre ellos B = {v
1
, v
2
,.v
n
}

|| v
1
|| = || v
2
|| = ..= || v
n
|| = 1

<v
1
, v
2
> = <v
1
, v> = = <v
i
, v
j
> = 0
Para todo: i = j

Ejemplo: Hallar el valor de K y el vector x talque la base sea ortogonal.

B = { (0, -1/2, 1/2) ; (1, k, k) ; x }
V
1
v
2
v
3


Solucin:

|| v
1
|| = 1

<v
1
, v
1
> = 1

0 + (-1/2)
2
+ (1/2)
2
= 1 0 + + = 1

|| v
2
|| = 1

<v
2
, v
2
> = 1

1 + k
2
+ k
2
= 1 //()
2


1+ 2k
2
= 1

K = 0


|| v
3
|| = || x || = 1

<v
1
, v
2
> = <v
1
, v
3
> = <v
2
, v
3
> = 0

<v
1
, v
2
> = <(0, -1/2, 1/2), (1, 0, 0)>

V
3
= x = (a, b, c)

<(0, -1/2, 1/2) ; (a,b,c)> = 0

-b/2 + c/2 = 0 b c = 0

<v
2
, v
3
> = < (1, 0, 0); (a, b, c)> = 0 a = 0

X = (0, b, b) pero || x || = 1

a
2
+ b
2
+ c
2
= 1

0 + b
2
+ b
2
= 1

2b
2
= 1 //()
2


b
2
= b = 1/2

x = (0, 1/2, 1/2) o x = (0, -1/2, -1/2)

Proyeccin de un Vector sobre otro.- Sea el vector u y v que forman un determinado ngulo.
v

u

Proy
u
v

Cos = <u, v> ^ cos = || Proy
u
v ||
|| u || || v || || v ||

< u, v> = || Proy
u
v ||
|| u || || v || || v ||

|| Proy
u
v || = <u, v> = comp
u
v
|| u ||

Pero: Proy
u
v tiene la direccin de u

Proy
u
v = < u, v> 1 u
|| u || || u ||


Proy
u
v = < u, v> u
|| u ||
2


Del Grafico:

Proy
u
v + Proy
u
v v = 0

Proy
u
v = v - Proy
u
v

Proceso de Gram Schmidt.- Tiene por objetivo transformar cualquier base en un base
ortonormal.

Sea la base B = {v
1
, v
2
, v
3
,v
n
}







V
3


v
n



V
2
V
1


Se va a transformar B* = {u
1
, u
2
, u
3
,..u
n
}

Ortonormal:
U
1
= 1 v
1

|| v
1
||

Proy
u1
v
2
= v
2
= <u
1
, u
2
> u
1

|| u
1
||
2


U
2
= u
2
- <u
1
, v
2
>u
1

|| modulo ||

Para v
3
:

U
3
= v
3
- <u
1
, v
3
>u
1
- <u
2
, v
3
>u
2

|| modulo ||


Ejemplo: Ortonormalizar la base: B = {(2, -1, 3) ; (1, -1, 1) ; (1, -1, 0)}

Utilice: <u, v> = u
1
v
1
+ 2u
2
v
2
+ 3u
3
v
3


Siendo: u = (u
1
, u
2
, u
3
) ; v = (v
1
, v
2
, v
3
)

Solucin:
U
1
= 1 v
1

|| v
1
||

|| v
1
|| = <v
1
, v
1
> = <(2, -1, 3) ; (2, -1, 3)>

|| v
1
|| = 2
2
+ 21
2
+ 33
2


|| v
1
|| = 33

u
1
= (2, -1, 3)
33

U
2
= v
2
- <u
1
, v
2
>u
1

|| v
2
- <u
1
, v
2
>u
1
||


< u
1
, v
2
> = < 1/33(2, -1, 3) ; (1, -1, 1)>

= 1/33 (2 + 2(-1)
2
+ 33)

<u
1
, v
2
> = 13/33

U
2
= (1, -1, 1) 13/331/33(2, -1, 3)
|| modulo ||

U
2
= (1, -1, 1) 13/33(2, -1, 3)
|| modulo ||


U
2
= 1/33 (7, -20, -6)
|| modulo ||


Nota.- | kA|| = <Ka, ka> = k <A, A> = K || A ||

|| (7, -20, -6) || = 7
2
+ 220
2
+ 36
2


|| (7, -20, -6) || = 957

U
2
= 1 (7, -20, -6)
957

U
3
= v
3
- <u
1
, v
3
>u
1
- <u
2
, v
3
>u
2

|| modulo ||

<u
1
, v
3
> = <1/33(2, -1, 3) ; (1, -1, 0)>

= 1/33 {2 + 2(-1)
2
+ 30}

<u
1
, v
3
> = 1/33

<u
2
, v
3
> = <1/957 (7, -20, -6) ; (1, -1, 0)>

= 1/957 {7 +2(-20)(-1) + 3(-6)(0)}

<u
2
, v
3
> = 47/957

U
3
= (1, -1, 0) 4/331/33 (2, -1, 3) 47/9571/957(7, -20, -6)
|| modulo ||

U
3
= (1, -1, 0) 4/33(2, -1, 3) 47/957(7, -20, -6)
|| modulo ||

U
3
= (12/29, 3/29, -2/29) = 1/29 (12, 3, -2)
|| modulo || || modulo ||

|| 12, 3, -2 || = 12
2
+ 233 + 3(-2)(-2)

|| 12, 3, -2 || = 174

U
3
= 1/174(12, 3, -2)


B* = { 1/33(2, 1, 3) ; 1/957 (7, -20, -6) ; 1/174(12, 3, -2)}

You might also like