241476244.

doc
Definicin 1: Un Espacio Vectorial Real es un conjunto E de elementos en el cual se han
definido dos operaciones y con las propiedades siguientes:
a) Si y

son elementos cualesquiera de E, entonces ) ( E.

1)
) ( ) (
, , E. Ley asociativa de .
2)
O
E / O O lemento neutro en .
!)

E / O "puesto para la operaci#n .
$%)

, E. &onmutatividad para la operaci#n .
b) Si es cualquier elemento de E y c IR , entonces c E.
')
) ( ) ( ) ( c c c
, E, c IR. 1( Ley distri)utiva.
*)
) ( ) ( ) ( d c d c


E, c, d IR. 2( Ley distri)utiva.
+)
) ( ) ( d c d c


E, c, d IR. Ley asociativa de .
,) 1 / 1 IR

E, lemento neutro para .
Los elementos de E se denominan vectores - Los elementos de IR se denominan escalares.
La operaci#n se llama Adicin !ectorial - se llama "ulti#licacin Escalar. l vector $ se
denomina !ector %ero.
.ara especificar un espacio vectorial, de)emos dar un conjunto E y dos operaciones y
/ue satisfagan las propiedades de la definici#n. 0 partir de ahora nos referiremos a un Es#acio
!ectorial Real como simplemente un Es#acio !ectorial. 0s1, un &!ector' es ahora un elemento de un
espacio vectorial y ya no necesitamos interpretarlo como un segmento de recta dirigido.
1
241476244.doc
Ejemplo1: &onsiderar R
n
, el conjunto de M n21 ,

,
_

n
a
a
a

2
1
, con elementos reales.
3ea la operaci#n la adici#n de matrices y la multiplicaci#n de una matri4 por un n5mero real.
6emuestre /ue R
n
es un .7.
Solucin
3ean :

,
_

,
_

,
_

n n n
c
c
c
b
b
b
a
a
a

2
1
2
1
2
1
- - M n21 - c, d R.
Lo primero /ue se de)e considerar es /ue se cumplan las propiedades a) y b) /ue son las /ue
verifican la e2istencia de las dos operaciones en el conjunto dado.
a) 6e)emos verificar si ) ( M n21 .
luego
2 2
1 1
2
1
2
1

,
_

+
+
+

,
_

,
_

+
n n
n n b a
b a
b a
b
b
b
a
a
a

M n21 .
b) 6e)emos verificar si c M n21 :

,
_

,
_

n n
ca
ca
ca
a
a
a
c c

2
1
2
1
M n21 .

0hora /ue sa)emos /ue el conjunto R
n
es cerrado en am)as operaciones, continuamos compro)ando
las propiedades (1) a la (,).
2
(1)
, , M n21.

,
_

+ +
+ +
+ +

,
_

+ +
+ +
+ +

,
_

+
+
+
+

,
_

,
_

,
_

+
+
+
1
1
1
1
]
1

,
_

,
_

,
_

,
_

+
1
1
1
1
]
1

,
_

,
_

+ + + +
n n n n n n
n n n n n n
n n n n n n
c b a
c b a
c b a

c b a
c b a
c b a

c b
c b
c b

a
a
a
c
c
c
b a
b a
b a

c
c
c

b
b
b
a
a
a

c
c
c
b
b
b

a
a
a
) ( ) (



2 2 2
1 1 1
2 2 2
1 1 1
2 2
1 1
2
1
2
1
2 2
1 1
2
1
2
1
2
1
2
1
2
1
2
1
Se cum#le la Asociatividad de la suma
(2)
O
M n21 / O O O + +

,
_

,
_

,
_

+
+
+

,
_

+
+
+

,
_

,
_

,
_

,
_

n n
n n
n n
a
a
a

a
a
a

a
a
a

a
a
a

a
a
a

a
a
a




2
1
2
1
2
1
2
1
2
1
2
1
$
$
$
$
$
$
$
$
$
$
$
$
E)iste el elemento neutro aditivo.
3
(*)

M n21 /
1 nx
O + +

,
_

,
_

,
_

,
_

,
_

,
_

,
_

$
$
$
$
$
$
$
$
$
$
$
$
2 2
1 1
2
1
2
1



n n
n n
a a
a a
a a
a
a
a
a
a
a
E)iste el elemento inverso aditivo.
(4)
, M n21

,
_

+
+
+

,
_

+
+
+

,
_

+
+
+

,
_

+
+
+

,
_

,
_

,
_

,
_

n n n n
n n n n
n n n n
b a
b a
b a

b a
b a
b a

a b
a b
a b

b a
b a
b a

a
a
a
b
b
b
b
b
b

a
a
a



2 2
1 1
2 2
1 1
2 2
1 1
2 2
1 1
2
1
2
1
2
1
2
1
Se cum#le la conmutatividad #ara la suma.
4
(+)
, M n21, c R.
) ( ) ( ) ( + + c c c

,
_

+
+
+

,
_

+
+
+

,
_

+
+
+

,
_

+
+
+

,
_

,
_

,
_

+
+
+

,
_

,
_

1
1
1
1
]
1

,
_

,
_

n n n n
n n n n
n n n n
n n n n
cb ca
cb ca
cb ca

cb ca
cb ca
cb ca

cb ca
cb ca
cb ca

b a c
b a c
b a c

cb
cb
cb

ca
ca
ca
b a
b a
b a
c
b
b
b
c
a
a
a
c
b
b
b

a
a
a
c




2 2
1 1
2 2
1 1
2 2
1 1
2 2
1 1
2
1
2
1
2 2
1 1
2
1
2
1
2
1
2
1
) (
) (
) (
Se cum#le la 1, -ey distributiva.
(6)

M n21, c, d R.
) ( ) ( ) ( + + d c d c

,
_

,
_

,
_

+
n n n
a
a
a
d
a
a
a
c
a
a
a
d) (c

2
1
2
1
2
1
5

,
_

+
+
+

,
_

+
+
+

,
_

,
_

,
_

+
+
+

,
_

,
_

,
_

+
n n n n
n n n
n n n
da ca
da ca
da ca
da ca
da ca
da ca
da
da
da
ca
ca
ca
a d) (c
a d) (c
a d) (c
a
a
a
d
a
a
a
c
a
a
a
d) (c



2 2
1 1
2 2
1 1
2
1
2
1
2
1
2
1
2
1
2
1
Se cum#le la 2, -ey distributiva.
(7)

M n21, c, d IR.
) ( ) ( d c d c

,
_

,
_

,
_

,
_

,
_

1
1
1
1
]
1

,
_

n n
n n
n n
cda
cda
cda
cda
cda
cda
cda
cda
cda
da
da
da
c
a
a
a
d c
a
a
a
d c



2
1
2
1
2
1
2
1
2
1
2
1
) (
Se cum#le la -ey asociativa del #roducto escalar
6
(.)

M n21,
1 / 1 IR

,
_

,
_

,
_

,
_

,
_

,
_

n n
n n
n n
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a



2
1
2
1
2
1
2
1
2
1
2
1
1
1
1
1
Se cum#le Elemento neutro #ara el #roducto escalar.
Podemos concluir entonces que R
n
es un Espacio Vectorial.

0s1, la matri4

,
_

n
a
a
a

2
1
, como un elemento de R
n
, reci)e ahora el nom)re de vector .
8asta a/u1 hemos hecho un estudio geom9trico de R
2
y puede hacerse tam)i9n para R
3
. 3i )ien
m:s adelante veremos /ue algunas nociones geom9tricas como la norma y el :ngulo vectores pueden
ser definidas para R
n
con n >3 , tales casos no pueden representarse gr:ficamente. Los espacios
vectoriales R
2
y R
3
motivaron la definici#n a)stracta de E.V /ue se ha hecho ac:. Los elementos de
R
2
y R
3
son vectores en el sentido tradicional- R
2
y R
3
si &ocu#an' espacio.
Ejemplo2: l conjunto de las matrices Mm2n ,con la adici#n de matrices como y la multiplicaci#n
de matrices por un n5mero real, como es un .7. (compro)arlo).
7
Ejemplo/ 3ea { } R m mx y R y x , / ) , (
2
el conjunto de los puntos del plano /ue est:n
so)re la recta de pendiente m /ue pasa por el origen. s un .7.
Ejemplo4: 3ea 7 el conjunto de todas las funciones continuas de valor real, definidas en ;. ! y "
est:n en 7, definimos
) ( ) ( ) )( ( t " t ! t " ! +
. 3i ! est: en 7 y c es un escalar, definimos
) ( ) )( ( t ! c t ! c
. ntonces 7 es un .7. (verificarlo).
-os si0uientes e1em#los no son E.! (com#ru2belo)/
Ejemplo!:
a) { } 1 2 / ) , (
2
+ x y R y x # .
b) { } $ / ) , (
2
y R y x .
c) Las matrices no singulares de orden !.
"eorema 1: 3ea E un .7, entonces :
a) R c O O c .
b) E O $ .
c) 3i O c O c $ ( o am)os).
d) E 1 .
3emostracin #arte (a)/
.odemos decir /ue

E , c IR.
) ( ) ( ) ( O c c O c
.ero de (2) se tiene /ue: O
Luego:
) ( ) ( ) ( O c c O c c

&omo c est: en E, sa)emos /ue e2iste:
O c c c ) ( ) ( / ) (

ntonces:
[ ] ) ( ) ( ) ( ) ( ) ( O c c c c
.or (1) y (*)
[ ] ) ( ) ( ) ( O c c c O

Luego por (*) y (2)/ O c O
3emostracin #arte (d)/
E
O + $ ) 1 1 ( 1 1 1
.
0s1 E 1 .
0hora /ue ya se ha definido lo /ue es un .odemos estudiar su estructura.
8
&omen4aremos asignando un nom)re a un su)conjunto de un espacio vectorial E /ue es a su ve4
.7. respecto a las mismas operaciones y definidas para E.
Definicin 2: 3ea un espacio vectorial E y SE . 3i S es a su ve4 un espacio vectorial respecto a
las operaciones y definidas para E. ntonces S se denomina #u$espacio Vectorial de E.
Ejemplo 6: <odo espacio vectorial E tiene al menos dos s.e.v : el mismo espacio E y { }
E
O /ue
consta 5nicamente del vector $E (;ecordemos /ue $E 4 $E 5 $E y c $E en cual/uier .7.).stos
su)espacios vectoriales se llaman subes#acios triviales.
Ejemplo 7: 3ea $2 el conjunto de los polinomios de grado 2 y el polinomio cero.
$ $
2
espacio
vectorial de todos los polinomios. s f:cil verificar /ue $2 es su)espacio vectorial de $.
Ejemplo %: 3ea S el conjunto de los polinomios de grado e2actamente igual a 2. $ # el espacio
vectorial de todos los polinomios, %ero no &n '&be'%ac(o vector(a) de $, ya /ue no es cerrado en la
operaci#n , por ejemplo:
2t
2
*

3t *1 + 2t
2
*

t *2 = %t *3 # , ya /ue es un polinomio de grado 1.
l siguiente teorema e2plica las condiciones necesarias para determinar si un su)conjunto de
un espacio vectorial, es un su)espacio vectorial.
"eorema 2: 3ea E un espacio vectorial con las operaciones y , y sea SE, S

.
ntonces S es un su)espacio vectorial de E si y solo si se cumplen las condiciones:
(a) Si y

son elementos cualesquiera de S, entonces ) ( S.

(b) Si es cualquier elemento de S y c R, entonces c S.
>:sicamente lo /ue se de)e hacer, es determinar s1 S es cerrado en las operaciones y de E.
&$ser'acin 1: .uede demostrarse de una sola ve4 si S es cerrado en las operaciones y de E
mediante:

) ( ) ( d c
, S, c, d ;.
9
Ejemplo (: 3ea S el conjunto de todos los vectores de R
*
de la forma

,
_

+ b a
b
a
con a ,b R.
determine si S es un su)espacio vectorial de R
*
.
&omo el espacio en cuesti#n es R
*
6 es la suma de matrices y la multiplicaci#n de una
matri4 por un escalar. 6e)emos compro)ar (a) y (b) del teorema 2, luego:
3ean

,
_

,
_

2 2
2
2
1 1
1
1
-
b a
b
a
b a
b
a

S. ntonces:
(a)

,
_

+ + +
+
+

,
_

+ + +
+
+

,
_

+
+

,
_

+

) ( ) ( ) ( ) (
2 1 2 1
2 1
2 1
2 2 1 1
2 1
2 1
2 2
2
2
1 1
1
1
b b a a
b b
a a
b a b a
b b
a a
b a
b
a
b a
b
a

S.
?a /ue 7 consta de todos los vectores de R
*
cuya tercera componente es la suma de las dos primeras.
6e manera semejante:
(b)

,
_

,
_

+

1 1
1
1
1 1
1
1
cb ca
cb
ca
b a
b
a
c c
S. Luego, S es un subes#acio vectorial de R
*
.
Ejemplo 1): 3ea S "2)* de la forma

,
_

d c
b a
$
$
donde a,b,c,d R. ntonces S es un
subes#acio vectorial de "2)* (verificarlo).
Ejemplo 11: 3ea A "m)n. &onsideremos el sistema homog9neo A85$. Un vector de la forma

,
_

n
x
x
x
,

2
1
, es decir, un vector en R
n
. 8 R
n
, compro)ar /ue 8 es un su)espacio vectorial de R
n
.
llamado es#acio solucin del sistema 9omo02neo.
10
(a) 3ean 81 y 82 soluciones. ntonces 81 @ 82 8.
81 @ 82 es una soluci#n, pues A (81 @ 82) 5 A81 @A82 = &E * &E + &E .
(b) <am)i9n c 81 8 /
c 81 es una soluci#n, por/ue es A (c 81) = c (A81) = c &E + &E .
"eorema : 3ean S1 y S2 su)espacios vectoriales del espacio vectorial E, entonces S1 S2 es
tam)i9n un su)espacio vectorial de E.
3eg5n lo visto hasta ac:, podemos decir /ue el 5nico espacio vectorial E con un n5mero finito
de vectores, es { }
E
O /ue consta 5nicamente del vector
E
O
. 3i
E
O
, entonces c est: en
E y ya /ue c es un n5mero real cual/uiera - entonces el espacio E tiene infinitos vectores.
0 pesar de lo anterior, cada espacio vectorial E tiene un n5mero finito de vectores /ue lo
descri)e completamente. 0 continuaci#n profundi4amos estas ideas.
Definicin : 3ea { }
-
# ,..., ,
2 1
un conjunto de vectores de un espacio vectorial E. Un vector
de E es una ,om$inacin -ineal de las vectores de S si:
- -
-
n
n n
a a a a + + +

...
2 2 1 1
1
.ara ciertos
- n R a
n
1 ,
.
Ejemplo 12: 0nalice si el vector

,
_

+
+
+

3e puede e2presar como com)inaci#n lineal de los

vectores

,
_

%
2
1
1

,
_

1
!
'
2

.
11
3e de)e ver entonces si podemos escri)ir el vector en funci#n de los - vectores (-.2) como:
2 2 1 1
2
1


a a
a
n
n n
+

;eempla4ando en la 5ltima igualdad vectorial, tenemos /ue:

,
_

,
_

,
_

1
!
'
%
2
1
+
+
+
1 1
a a
6e donde se o)tiene el sistema lineal:

+

+
+ %
+ ! 2
+ '
2 1
2 1
2 1
a a
a a
a a
Lo solucionamos seg5n los m9todos ya estudiados (reducci#n de Aauss):

,
_

,
_

,
_

,
_

,
_

$ $ $
1 1 $
+ ' 1
$ $ $
+ + $
+ ' 1
21 21 $
+ + $
+ ' 1
+ 1 %
+ ! 2
+ ' 1
+ 1 %
+ ! 2
+ ' 1
2
2 !
1 !
1 2
1
+
1
!
%
2
1
!
! !
! !
! !
!
?a /ue
( ) 2 ) ( n / 0 0
, el sistema es consistente y tiene la soluci#n 5nica:
a15 2 , a25 :1
Luego :
2 1
2
Ejemplo1: n R
*
sea
{ }

'

,
_

,
_

,
_

$
1
1
,
2
$
1
,
1
2
1
, ,
! 2 1
#
.6eterminar si

,
_

'
1
2

es una comb(nac(1n
)(nea) de los vectores de S.


n
n n
+ +

! ! 2 2 1 1
!
1

12
;eempla4ando en la 5ltima igualdad vec torial, tenemos /ue:

,
_

,
_

,
_

,
_

'
1
2
$
1
1
2
$
1
1
2
1
! 2 1

6e donde se o)tiene el sistema lineal:

+
+
+ +
' 2
1 2
2
2 1
! 1
! 2 1



&uya soluci#n es
1. 1,
2 = 2,
! = B1 (&ompru9)elo).
Luego :
! 2 1
2 +
Definicin 4: 3ea { }
-
# ,..., ,
2 1
un conjunto de vectores de un espacio vectorial E.
3e dice /ue el conjunto S .enera a E o )ien E es .enerado por # y se denota por:
E 5 0en( S ) o E 5 0en { }
-
n n 1

3i todo vector de E es una com)inaci#n lineal de los vectores de #.

Ejemplo14: .ro)ar /ue R
2
= 0en ( ) ( ) { } 1 $ , $ 1 .
.ara pro)ar esto de)emos e2presar un elemento gen9rico de R
2
(/ue represente a todos los
elementos de R
2
) como com)inaci#n lineal de los vectores
( ) ( ) 1 $ , $ 1
:
( ) ( )
( ) ( ) ( )
( ) ( ) ( ) 1 $ $ 1
$ $
y x y x
y x y x
y x y x
+
+

Luego R
2
= 0en .
"eorema 4: R
n
. 0en { }
-
n n
e
1
donde ( ) $ $ 1 $ $
-
e es el vector de n
componentes, todas nulas e2cepto la - + 2'(ma /ue es 1.
&$ser'acin 2: 0l conjunto { }
-
n n
e
1
de vectores 3&n(tar(o'4 /ue generan a R
n
se les denomina
#('tema can1n(co de vectore' "eneradore' de R
n
.
13
Ejemplo1!:
{ }

'

,
_

,
_

,
_

$
1
1
,
2
$
1
,
1
2
1
, ,
! 2 1
#
6eterminar si R
3
5 0en { }
!
1 n n
.
Un elemento gen9rico de R
*
(/ue represente a todos los elementos de R
*
) es

,
_

5
y
x
x,y,5 R , ahora
de)emos ver si puede e2presarse como com)inaci#n lineal del conjunto { }
!
1 n n

n
n n
+ +

! ! 2 2 1 1
!
1

,
_

,
_

,
_

,
_

5
y
x
$
1
1
2
$
1
1
2
1
! 2 1

6e donde se o)tiene el sistema lineal:

+
+
+ +
5
y
x
2 1
! 1
! 2 1
2
2



Lo solucionamos seg5n los m9todos ya estudiados (reducci#n de Aauss o ;egla de &ramer):

,
_

,
_

,
_

,
_

,
_

!
2 %
1 $ $
1 1 $
1 1 1
2 % ! $ $
1 1 $
1 1 1
2 1 2 $
1 1 $
1 1 1
1 1 $
2 1 2 $
1 1 1
$ 2 1
1 $ 2
1 1 1
!
2 !
2! 1 !
1 2
!
1
2
2
5 y x
x 5
x
5 y x
x 5
x
x y
x 5
x
x 5
x y
x
5
y
x
!
! !
! ! !
! !
7emos /ue una soluci#n es:
!
2 2
1
5 y x + +
,
!
2
5 y x +
,
!
2 %
!
5 y x

0s1 R
*
. "en { }
!
1 n n
.
Ejemplo1!: 3ea el E.V. ;2 . 6etermine si ;2 . "en { }
2
1 n n
donde { } { } 2 , 1 2 ,
2 2
2 1
+ + + t t t .
&ompru9)elo.
14
Definicin !: 3ea { }
-
# ,..., ,
2 1
un conjunto de vectores de un espacio vectorial E. 3e dice /ue
el conjunto de vectores S es -inealmente Dependiente /-.d0 , si e2isten constantes
-
a a a ,..., ,
2 1
,
no todas iguales a cero , tales /ue :
E - -
-
n
n n
O a a a a + + +

...
2 2 1 1
1

3i S no es linealmente dependiente, se dice /ue es -inealmente 1ndependiente /-.i0, es decir
/ue S es L.C. si la ecuaci#n de la definici#n se cumple solo cuando
$ ...
2 1

-
a a a
&a)e destacar /ue la 5ltima ecuaci#n siempre se cumplir: para cual/uier conjunto de vectores
{ }
-
# ,..., ,
2 1
, al tomar
$ ...
2 1

-
a a a
. l hecho importante de la definici#n es si es
posi)le satisfacer la ecuaci#n por lo menos con uno de los escalares diferentes de cero.
Ejemplo16: 3ea R
*
y
{ }

'

,
_

,
_

,
_

1
$
$
,
$
1
$
,
$
$
1
, ,
! 2 1
#
. .ara determinar si { }
!
1 n n
es un L.i o L.d,
formamos:

,
_

,
_

,
_

,
_

$
$
$
1
$
$
$
1
$
$
$
1
! 2 1
a a a
ya /ue a1 = a2 = a! = $ (7erificarlo), concluimos /ue
S es Linealmente Cndependiente.
Ejemplo17: 3ea el E.V. ;2 . 6etermine si el conjunto:
S5 { } { } 2 2 ! , 2 , 2 , ,
2 2 2
! 2 1
+ + + + + t t t t t t .
s linealmente dependiente o linealmente independiente.
0l formar 2
! ! 2 2 1 1
$
O a a a + +
, se o)tiene el sistema homog9neo:

+
+ +
+ +
$ 2 2
$ 2
$ ! 2
! 1
! 2 1
! 2 1
a a
a a a
a a a
Due tiene infinitas soluciones (&ompru9)elo). Una soluci#n particular es
a1 = 1, a2 = 1 a! = B 1 , entonces:
15
2
! 2 1
$
O +

"eorema !: 3ea E un E.V. 3i entre los elementos { }
-
# ,..., ,
2 1
e2isten n elementos - n ,
/ue son L.6. entonces el conjunto de los - elementos
-
,..., ,
2 1
, es L.6.
"eorema 6: 3i entre - elementos { }
-
# ,..., ,
2 1
de un espacio vectorial E , aparece el $E ,
entonces { }
-
# ,..., ,
2 1
es L.6. n otras pala)ras, si un conjunto es L.C. no contiene al $E.
3emostracin/ 3i
# O
E

ntonces (o ,
E ( o
O - 6 (
o
1
, luego tomando la familia
{ } $ $
1

o
( o 7
-
7
7
y a ( 7 R 6a a
. ntonces se tiene:
E - E (
- - ( (
O ... O a ...
a ... a ... a a a
o
o o
+ + + + +
+ + + + + +
$
2 1 1
! ! 2 2 1 1
.or consiguiente:
E - -
-
n
n n
O a ... a a a + + +

2 2 1 1
1

- n , a
n
1
se constituye un sistema L.6.
Pro$lema propuesto1: 6emuestre /ue si se selecciona un conjunto S de un espacio vectorial E
/ue contenga dos elementos proporcionales, es decir, si
1 2 2 1
/ , #
con
R
,
entonces S es L.6. (6os vectores forman un conjunto L.6. si y solo si son uno es m5ltiplo del otro).
"eorema 7: Un conjunto de m vectores de R
n
, es siempre un conjunto L.6. si m > n.
3emostracin/ 3ean

,
_

,
_

,
_

nm
m
m
m
m n
b
b
b
b
b
b
b
b
b

2
1
2
22
12
2
1
21
11
1
, , , 7ectores de R
n
y
m
x x x ,..., ,
2 1
R .
y consideremos la igualdad: n
R
m m
O x x x + + + ...
2 2 1 1
, La cual dar: lugar al sistema
homog9neo:
16

+ + +
+ + +
+ + +
$

$
$
2 2 1 1
2 2 22 1 21
1 2 12 1 11
m nm m m
m m
m m
x b . . . x b x b
x b . . . x b x b
x b . . . x b x b

&omo m > n es o)vio /ue tiene solo la soluci#n trivial , entonces los vectores forman un conjunto
Linealmente Cndependiente.
,orolario: Un conjunto Linealmente Cndependiente en R
n
contiene, a lo sumo, n elementos.
"eorema %: 3ea { }
n
# ,..., ,
2 1
un conjunto de n vectores en R
n
. 3ea 0 la matri4 cuyas
columnas (filas) son los elementos de S. ntonces: S es Linealmente Cndependiente si y solo si
$ 0
.
Ejemplo1%: .ara determinar si ( ) ( ) ( ) { } 1 $ ! , 2 1 $ , ! 2 1 # s L.C. , formamos la matri4
0 con sus filas y calculamos el determinante de la matri4:
2
1 $ !
2 1 $
! 2 1

0
. Luego concluimos /ue S es Linealmente Cndependiente.
"eorema (: 3ea A "n ntonces las siguientes proposiciones son e/uivalentes:
(a) A es inverti)le.
(b) La 5nica soluci#n del sistema homog9neo A85$E es la soluci#n trivial.
(c) .ara todo vector ! R
n
, el sistema A85! posee soluci#n 5nica.
(d) A es e/uivalente por filas con In.
(e) A .uede ser escrita como producto de matrices elementales fila.
(<)
$ 0
.
(0) Las columnas y filas de A forman un conjunto de vectores Linealmente Cndependiente.

17
Definicin 6: Un conjunto de vectores { }
-
# ,..., ,
2 1
de un espacio vectorial E, se denomina
2ase de E si cumple con : a) E 5 0en( S ) b) S es -.I.
Ejemplo 1(: 3ea E.R
*
y S5

'

,
_

,
_

,
_

1
$
$
,
$
1
$
,
$
$
1
. S es una >ase de R
*
. .ues ya pro)amos /ue S
forma un conjunto de vectores L.C. (jemplo1*, p:g. 1') y /ue genera al espacio vectorial R
*
, pues S forma el sistema can#nico de vectores generadores de R
*
(<eorema %, p:g. 1%).
Ejemplo 2): 3ea E.R
2
y S5
{ }

'

,
_

,
_

,
_

1
2
,
1
$
,
$
1
, ,
! 2 1

. ")serve /ue:
(a) S no es una )ase de R
2
(Eo es L.C.).
()) { }
2 1
, es una )ase de R
2
.
(c) { }
! 1
, es una )ase de R
2
.
(d) { }
! 2
, es una )ase de R
2
.
(e) { }
1
no es una )ase de R
2
(Eo genera a R
2
).
Ejemplo 21: { }
+
8 n x x x x /
n
, ,..., , , , 1
! 2
s una )ase de ;n.
Ejemplo 22: 3ea E."2)2 . 6etermine si el conjunto
S5
{ }

'

,
_

,
_

,
_

,
_

1 $
$ $
,
$ 1
$ $
,
$ $
1 $
,
$ $
$ 1
, , ,
% ! 2 1

es una )ase de "2)2.
.rimero verificamos si S es L.C.. .ara ello planteamos:

,
_

,
_

,
_

,
_

,
_

,
_

,
_

+ + +
$ $
$ $
$ $
$ $
1 $
$ $
$ 1
$ $
$ $
1 $
$ $
$ 1
% !
2 1
% ! 2 1
% ! ! ! 2 2 1 1
2 2
a a
a a
a a a a
O a a a a
x
M

18
ntonces
a1= a2= a!= a%=$
.or lo tanto S es L.C.
0hora verificamos si "2)2 5 0en( S ) . .ara ello tomamos cual/uier vector

,
_

d b
c a
"2)2. ?
escalares a1 ,a2 , ,a! , a% tales /ue:

,
_

,
_

,
_

,
_

,
_

,
_

,
_

d c
b a
a a
a a
d c
b a
a a a a
% !
2 1
% ! 2 1
1 $
$ $
$ 1
$ $
$ $
1 $
$ $
$ 1
6e donde o)tenemos:
a1= a , a2 = b , a! = c, a% = d , Luego "2)2 5 0en( S ).
S es 2ase de "2)2
"eorema 1): 3i { }
n
# ,..., ,
2 1
es un conjunto de n vectores Linealmente Cndependientes en R
n
,
entonces S e' &na ba'e de R
n
.
"eorema 11: 3i { }
n
# ,..., ,
2 1
es una )ase de un espacio vectorial E y { }
r
9 ,..., ,
2 1
un
conjunto de vectores L.C. de E , entonces r n .
,orolario: 3i { }
n
# ,..., ,
2 1
y { }
m
9 ,..., ,
2 1
, son )ases de un espacio vectorial E,
entonces n . m, es decir, cual/uier )ase de un espacio vectorial E tiene el mismo n5mero de
vectores.
Definicin 6: 3i el espacio vectorial E posee una )ase finita, El n=mero de vectores #resentes en una
base de un espacio vectorial E no nulo, se denomina Dimensin de E y se denota por dim E. 3i el
espacio vectorial no posee una )ase finita, entonces E es un espacio vectorial de dimensin in<inita.
6efinimos adem:s dim{ }
E
O = $.
Ejemplo 2: l conjunto S = { } 1 , ,
2
t t es una )ase de ;2, entonces dim ;2 + .
19
&$ser'acin :
3i E tiene dimensi#n n, cual/uier conjunto de n41 vectores de E es necesariamente L.6. y un
conjunto de n : 1 vectores de E, no puede generar a E, por/ue si { }
1 2 1
,..., ,

n
# genera a
E, entonces S contendr: un su)conjunto /ue sea )ase de E, ello implica /ue dim E > n - lo cual
ser1a una contradicci#n.
0dem:s, resulta normal decir /ue dim{ }
E
O 5 ? puesto /ue el conjunto { }
E
O es L.6.
0s1 dim R
2
52 , dim R
*
5*. n general la dim R
n
5 n .
.ara las matrices cuadradas dim "n5 n.
dim ;2 5*, dim ;*5 4 , n general la dim ;n5 n41
n la definici#n de )ase de un espacio vectorial E, se dijo /ue un conjunto S de vectores de)1a
cumplir con ser L.C. y adem:s E. "en(#), pero si adem:s se cuenta con la informaci#n de /ue
d(m E. n, solo necesita verificarse una de las dos condiciones. sto es lo /ue dice el siguiente
teorema.
"eorema 12: 3ea E un espacio vectorial de dimensi#n n ( dim E5 n ).
(a) 3i { }
n
# ,..., ,
2 1
es un conjunto de vectores -.I. de E , entonces S es una base de E.
(b) 3i { }
n
# ,..., ,
2 1
genera a E, entonces S es una base de E.
"eorema 1: 3ea @ un su)espacio vectorial de E con dimensi#n finita, entonces @ es finito
dimensional y : dim @ dim E.
20
Elementos de 3l4e$ra -ineal
,oleccin de Pro$lemas.

/Espacios Vectoriales0
1) 6emuestre /ue ;2 es un espacio vectorial.
2) 3ea el conjunto ! 5{ }
E
O cuyo 5nico elemento es $E. 3ea $E $E 5 $E y c
$E 5 $E . &omprue)e /ue ! es un espacio vectorial.
3) .ro)ar /ue ;2 es un su)espacio vectorial de ;*.
:) 6etermine si los siguientes su)conjuntos son su)espacios del espacio vectorial indicado:
a ) { } ) , 1 /( ) , (
2
2
2 1 1
x R x x V
b) { } $ / ) , , (
!
2
+ + 5 y x R 5 y x V
c) { } 1 / ) , , (
2
!
2
2
2
1
!
! 2 1 !
+ + x x x R x x x V

;) 3ea
{ } funci#n es / : ! R R ! V
6etermine si los siguientes su)conjuntos de !, son su)espacios
vectoriales.
a ) { } ) ( ) ( /
1
x ! x ! V ! < .
b) { } ) ( ) ( /
2
x ! x ! V ! < .
c)
2 1 !
< < <
.
=) 6ado el conjunto de vectores
{ }

'

,
_

,
_

1
$
$
,
!
2
1
,
2 1
#
.6etermine si S genera al espacio vectorial
R
*
. Fustifi/ue su respuesta.
>) &onsidere el espacio vectorial "2. 6etermine si el vector

,
_

1, ,
1,
*
1!
de dicho espacio, es
una com)inaci#n lineal del conjunto :
{ }

'

,
_

,
_

! 2
,
2 $
'
,
*
1
%
!
2
1
2 1
? .
21
@) 6ada la matri4:

,
_

2 , $ 1
1 1 ! 2
1 ! 1 1
0
y

,
_

%
!
2
1
x
x
x
x
, . 8allar un conjunto de vectores de R
4
/ue
genere el espacio soluci#n del sistema homog9neo A85$.
A) 6etermine los valores de G

H , para /ue el vector: ( ) ! 2 1

<
.ertene4ca al su)espacio
generado por el conjunto:
{ }

'

,
_

,
_

,
_

,
_

*
!2
%
'
,
'
2
1$
2
,
!
1%
1$
'
,
1
2
2
1
, , ,
% ! 2 1
?
1B) I&u:l de los siguientes conjuntos de vectores del espacio vectorial ;2 ,son linealmente
dependientes J.
a ) { } 2 - ! - 1
2
+ + t t t C .
b) { } t t t t C - ! - 2
2 2
+ +
c) { } 1! - ' ! - 1 2
2 2
+ + + + t t t t t <
11) &onsidere el espacio vectorial "2)*. 6etermine s1 las matrices:

,
_

,
_

,
_

1 2 1
1 $ 1
,
$ ! 2
% 1 1
,
1 1 !
2 $ 1
! 2 1
0 0 0
Korman un conjunto linealmente dependiente.
12) I&u:l de los siguientes conjuntos de vectores del espacio vectorial R
*
,son linealmente
dependientes J.
a )
{ } ) )D( )D( )D ( ( C * * ! ! 2 1 ! 2 $ $ 1 1
.
b)
{ } ) 2 % ! ( $)- 1 (1 K
.
c)
{ } ) )D( )D( )D ( ( < $ $ $ ! 2 1 ! 2 $ $ 1 1
.
13) Cndi/ue los valores /ue de)e tomar el par:metro 3-4 para /ue el conjunto de vectores
{ } { } ) , , )D( , - , ,- )D( , ( , , # 1 1 1 $ 2 2 1
! 2 1
3ea linealmente dependiente.
1:) 6etermine si los vectores
) , , ( E )D , , ( F )D , , ( ! 2 , * $ % ! 1 2
forman una )ase de
R
*
.
1;) 8allar una )ase para el conjunto soluci#n del sistema homog9neo:

+
+
+
$ L ! *
$ * 2 %
$ ! 2
5 y x
5 y x
5 y x
1=) 8allar una )ase en R
*
para el conjunto de vectores en el plano
$ 2 5 y x
.
22
1>) 6emuestre /ue si
) , 1 , ( b b
y
) $ , , $ ( b
, con $ b , entonces el conjunto
{ } , , # , es siempre una )ase de R
*
.
1@) .rue)e /ue el conjunto soluci#n del sistema

+

$
1
ay x
y ax
con a R. no es un '&be'%ac(o
vector(a) de R
2
.
1A) 3ea el espacio vectorial
{ } funci#n es / : ! R R ! V
. 6etermine si los siguientes conjuntos de
vectores son o no L.C..
a) { } sen 2 cos 1
2
x , x , b) { } sen cos x e x , e
, ,

2B) 6emuestre /ue:

a) ;2 es un su)espacio vectorial de ;n . b) { } x , x , x /
2 2
1 1 + es una )ase de ;2.
21) n R
4
se considera el espacio generado por los dos vectores ( 2 , ! , 1 , B ' ) - ( $ , 2 , B1 , ! ).
6etermine el valor de los escalares # y q para los /ue el vector ( 2 , %, ! , + G ) , pertene4ca al
citado espacio.
22) Cndi/ue para /u9 valores del par:metro A, es )ase de R
*
,

el conjunto:

{ } , -) , )D( , -, )D( , ( -, # 1 $ 1 1 $ 1
.
23
&on los conceptos /ue hasta a/u1 tenemos a nuestro ha)er, sa)emos /ue si E es un espacio
vectorial y dim (E) 5 n , e2isten infinitas )ases B del espacio E con n vectores:
B .{ } { }
n
n
- -
,..., ,
2 1 1

. 8asta este momento no hemos puesto 9nfasis en el orden en /ue est:n

dispuestos los n vectores elementos de la )ase B.
Definicin 7: 3e denomina 2ase &rdenada B .{ } { }
n
n
- -
,..., ,
2 1 1

a/uella con cual/uier

orden de los n vectores /ue la componen.
6e esta manera la )ase B1.{ }
n
,..., ,
1 2
es una )ase ordenada diferente de B.{ }
n
,..., ,
2 1
.
&$ser'acin 4:
0 partir de una sola )ase B con n vectores, si colocamos cual/uiera de los n elementos en la
%r(mera %o'(c(1n, cual/uiera de los &n:1' elementos restantes en la 'e"&nda %o'(c(1n, cual/uiera de
los &n:2' elementos restantes en la tercera %o'(c(1n y as1 hasta /ue la n + 2'(ma %o'(c(1n puede ser
ocupada solo por el 5ltimo elemento, entonces hay:
M 1 2 ) 2 ( ) 1 ( n n n n
)ases ordenadas
posi)les.
3i B.{ }
n
,..., ,
2 1
es una base del espacio vectorial E y dim (E) 5 n, entonces cual/uier
vector /ue pertene4ca a el espacio vectorial E, llam9moslo

E, puede ser e2presado como una
com)inaci#n lineal de los n vectores de B:

n n
n
H
- -
a a a a + + +

2 2 1 1
1
donde a1 , a2 ,I, an

C;.
Definicin %: 3e denomina Vector ,oordenada de

respecto a la $ase B, al vector:

( )

,
_

n
/
a
a
a

2
1

las componentes a1 , a2 ,C, an se llaman coordenadas de

respecto a la )ase B.
24
Ejemplo 2: &onsidere el espacio vectorial ;1 y B.{ } { } 1 , ,
2 1
t una )ase ordenada de ;1, ntonces
el vector
2 ' t

;1 es generado por la )ase B:

+ a1
1

4 a2 2

;t + 2 . a1 ( t) 4 a2 (1)
6e donde, por igualdad de polinomios, sa)emos /ue a1 5 + y a25 +2. Luego el vector coordenada
de

respecto a la )ase B, es:

( )

,
_

,
_

2
'
2
1
a
a
/

.or otro lado si la )ase ordenada fuese S.{ } { } 1 1

2 1
+ , t t , , tenemos /ue

+ a1
1

4 a2 2

;t + 2 . a1 ( t*1) 4 a2 (tB1)
;t + 2 . a1 t* a1 4 a2 tB a2
0grupando t9rminos semejantes: ;t + 2 . (a1 4 a2 ) t*( a1 B a2)
6e donde, por igualdad de polinomios, sa)emos /ue de)e cumplirse:

+
2
'
2 1
2 1
a a
a a
&uya soluci#n es a1 5
*
D2 y a25
7
D2 . Luego el vector coordenada de

respecto a la )ase S, es:

( )

,
_

,
_

2
+
2
!
2
1
a
a
#

&onsideremos ahora la relaci#n entre dos vectores coordenadas para el mismo vector

respecto a )ases diferentes.
3ean B1.{ } { }
m
m
- -
,..., ,
2 1 1

y B2 .{ } { }
n
n
- -
,..., ,
2 1 1

,)ases de un espacio
vectorial E y dim (E) 5 n. .ara todo elemento

E, se tiene:
/10
m m
m
H
- -
b b b b + + +

2 2 1 1
1
. b-
m - - 1

C; .
/20
n n
n
7
7 7
c c c c + + +

2 2 1 1
1
. c7
n 7 - 1

C; .
.or lo tanto, representado en las )ases B1 y B2 , respectivamente:
( )

,
_

m
/
b
b
b

2
1
1

y
( )

,
_

n
/
c
c
c

2
1
2

25
&omo cada vector
-

n - - 1

E, entonces de)e e2istir una familia de escalares

(-
a
IR
n - - 1
, tales /ue cada vector
-

de la )ase B1 pueda e2presarse como una

com)inaci#n lineal de los vectores 7

de la )ase B2, es decir:

n
(
( (- -
a
1


Luego n - - 1 , se tiene:

,
_

n-
-
-
-
a
a
a

2
1

/0
Definicin (: Las columnas dadas por los vectores /05 formando una matri4 A

"n, se llama
6atri7 de transicin de la $ase B1 a la $ase B2 , esto es:

,
_

nn n n n
n
n
a a a a
a a a a
a a a a
0

! 2 1
2 2! 22 21
1 1! 12 11
"eorema 1: 3ean B1 y B2 )ases para un espacio vectorial E, y sea A

"n la matri4 de transici#n de

la )ase B1 a la )ase B2 , entonces E :
( ) ( )
1 2 / /
0
"eorema 14: 3i A

"n, es la matri4 de transici#n de la )ase B1 a la )ase B2, entonces A

:1
es la matri4
de transici#n de la )ase B2 a la )ase B1.
0hora podemos sa)er de manera m:s directa las coordenadas para todo vector

E en
dos )ases diferentes si se conoce la matri4 de transici#n de una )ase a la otra, sin necesidad de hallar
las coordenadas de manera directa cada ve4, tal como lo hici9ramos en el jemplo2!.
Ejemplo 24: &onsidere E 5 R
*
y sean las )ases ordenadas de R
*
:
26
{ }

'

,
_

,
_

,
_

2
'
'
,
!
1
%
,
!
!
*
, ,
! 2 1 1
/
y
{ }

'

,
_

,
_

,
_

1
1
1
,
$
2
1
,
1
$
2
, ,
! 2 1 2
/

.ara hallar la matri4 de transici#n A, de la )ase B1 a la )ase B2, como /ued# esta)lecido antes,
de)emos e2presar cada uno de los vectores de la )ase B1 como una com)inaci#n lineal de los
vectores de la )ase B2

:

n
(
( (- -
a
1

! ! 2 2 1 1

- - - -
a a a + +


1
1
1
$
2
1
1
$
2
! 2 1

,
_

,
_

,
_

- - - -
a a a
")servemos /ue:
( )

,
_

,
_

,
_

,
_

,
_

,
_

1
1
2

1
1
1
$
2
1
1
$
2
!
!
*
!1
21
11
2 1 !1 21 11 1
a
a
a
a a a
/

(&ompro)arlo).
( )

,
_

,
_

,
_

,
_

,
_

,
_

1
1
2

1
1
1
$
2
1
1
$
2
!
1
%
!2
22
12
2 2 !2 22 12 2
a
a
a
a a a
/

(&ompro)arlo).
( )

,
_

,
_

,
_

,
_

,
_

,
_

1
2
1

1
1
1
$
2
1
1
$
2
2
'
'
!!
2!
1!
2 ! !! 2! 1! !
a
a
a
a a a
/

(&ompro)arlo).
Luego, la matri4 de transici#n A, de la )ase B1 a la )ase B2 es a/uella formada por las columnas
o)tenidas:
27

,
_

1 1 1
2 1 1
1 2 2
0
sta matri4, como indica su nom)re y el teorema1! , nos permite hallar las coordenadas de
cual/uier vector

R
*
respecto a la )ase B2, si conocemos antes sus coordenadas en la )ase B1.
0s1, por ejemplo, para el vector

,
_

'
L
%

R
*
,
( )

,
_

2
2
1
2 /

(&ompro)arlo).
I&u:l ser: el vector coordenada
( )
2 /

J
3eg5n el teorema1! :
( ) ( )
( )
( )

,
_

,
_

,
_

1
'
%
2
2
1
1 1 1
2 1 1
1 2 2
2
2
1 2
/
/
/ /
0

Pro$lema propuesto2:
a) ncuentre la matri4 8 "* de transici#n, de la )ase B2 a la )ase B1.
b) 6ado el vector

,
_

2
$
1

R
*
. 6etermine
( )
2 /

y mediante la matri4 8 o)tenga

( )
1 /

.
Pro$lema propuesto: &onsidere a

'

,
_

,
_

'

,
_

,
_

1
$
,
2
1
< y
!
2
,
1
1
#
)ases ordenadas de R
2
y sean

,
_

,
_

%
'
y
'
1

.
a) 8allar los vectores coordenada de

respecto a la )ase S.
b) I&u:l es la matri4 de transici#n A , de la )ase S a la )ase E J
c) 8allar los vectores coordenada de

respecto E utili4ando A.
d) 8allar los vectores coordenada de

respecto E directamente.
e) 8allar la matri4 de transici#n B, de la )ase E a la )ase S.
28
!) 8allar los vectores coordenada de

respecto S utili4ando B .&ompare las respuestas con

las de (a) .
Pro$lema propuesto4: 3ea

'

,
_

,
_

'

,
_

,
_

!
'
,
%
2
y
1
2
,
1
!
2 1
/ /
)ases de R
2
. 3i sa)e /ue
( )

,
_

2
1
1
b
b
/

,
2
R . 6etermine
( )
2 /

.
9:cleo o ;ernel 5 9ulidad5 Ran4o5 Espacio filas < Espacio ,olumnas de una 6atri7
?a se determin# /ue si A "n y si
$ 0
los vectores formados por sus filas y /o columnas
de A forman un conjunto linealmente independiente, sin em)argo, si
$ 0
o )ien A "n , tales
resultados nada dicen acerca del n5mero de filas o columnas linealmente independientes en la matri4
A.
Definicin 1): 3ea A "m2n . l conjunto { }
m
n
0
O 60, R 0 Her J ) ( se llama 9:cleo o
;ernel de A. ? al n5mero v (A)5 dim FA , se llama Eulidad de A.
Ejemplo 2!: 6ada la matri4

,
_

! 1 2
1 2 1
0
, 6etermine FA y v (A).
{ }
2
!
) ( O 60, R 0 Her J
0
, sea

,
_

!
2
1
x
x
x
,
!
R
, ntonces:

+
+

,
_

,
_

,
_

$ ! 2
$ 2

$
$
! 1 2
1 2 1
! 2 1
! 2 1
!
2
1
x x x
x x x
x
x
x
O 0,
6icho sistema homog9neo tiene infinitas soluciones y su conjunto soluci#n es:
29

,
_

,
_

1
1
1
!
!
!
!
x
x
x
x
# con x! R
Luego
{ } ) , , "en ( K J
0
1 1 1
y v (0). d(m J0 . 1.
Ejemplo 26: 3ea

,
_

L ! *
* 2 %
! 1 2
2
0
6etermine FA y v (A).
{ }
!
!
) ( O 60, R 0 Her J
0
lo /ue resulta en el sistema homog9neo:

+

+
$ L ! *
$ * 2 %
$ ! 2
! 2 1
! 2 1
! 2 1
x x x
x x x
x x x

,
_

,
_

$ $ $
$ $ $
! 1 2
L ! *
* 2 %
! 1 2
1 !
2
!
2
! !
! !
6e nuestro estudio de sistemas de ecuaciones lineales, sa)emos /ue
como
( ) n 0 <
hay infinitas soluciones y adem:s el conjunto soluci#n estar: en funci#n de
( ) 2 1 ! 0 n
varia)les, es decir:

,
_

,
_

,
_

,
_

1
!
$
$
2
1
! 2
! 1
!
! 1
1
!
2
1
x x
x
x x
x
x
x
x
#
con x1 , x! R .
Luego:

'

,
_

,
_

"en J
0
1
!
$
,
$
2
1

y v (0). d(m J0 . 2.
"eorema 1!: 3ea A

"n . 3i A es no singular (inverti)le) , entonces v (A)5?.

30
Definicin 11: 3ea A

"m2n . 3e denomina 1ma4en de la matri7 A denotada por

) ( 0
, al
conjunto: { }
n m
R x y 0, R y 0 , / ) ( .
"eorema 16: 3i A

"m2n , entonces
) ( 0
es un su)espacio vectorial de R
m
.
Definicin 12: 3ea A

"m2n. l Ran4o de = es denotado por

) ( 0
, est: dado por:
(0) L(0) dim
.
Definicin 1: 3ea

,
_

mn m m m
n
n
a a a a
a a a a
a a a a
0

! 2 1
2 2! 22 21
1 1! 12 11
"m2n y sean
{ }
m
! ! ! , , ,
2 1

y
{ }
n
c c c , , ,
2 1

Los conjuntos de vectores formados por las filas y las columnas de A respectivamente. 3e denomina :
Es#acio <ila de A a : GA = 0en
{ }
m
! ! ! , , ,
2 1


n
; .
Es#acio columna de A a : %A = 0en
{ }
n
c c c , , ,
2 1


m
; .

Ejemplo 26: 3ea

,
_

! 1 2
1 2 1
0
, entonces
GA 5 0en
{ } ) ! , 1 , 2 ( ), 1 , 2 , 1 (
!
; . ? %A = 0en
{ } ) ! , 1 ( )- 1 , 2 ( )- 2 , 1 (
2
; .
"eorema 17: 3ea A

"m2n , entonces:
(a) %A5
) ( 0
.
(b)
L(0) (0) M N
0 0
dim dim dim
.
(c)
n 0 L(0) + ) (
.
"eorema 1%: 3ea A y B

"m2n , matrices e/uivalentes por filas (columnas) , entonces:

(a) GA5 GB .
31
(b) %A5 %B .
(c)
L(/) L(0)
.
(d)
) ( ) ( / 0
.
3e puede usar este teorema para hallar )ases de un su)espacio generado por un conjunto de
vectores, tal como se muestra a continuaci#n.
Ejemplo 27: 8allar una )ase del su)espacio ! de R
4
generado por S = { }
'
1 - -
, donde:

( 1 , 2, 1, 2) -

( 2 , 1 , 2, 1 ) -

( !, 2, !, 2) -

(! , !, !, !) -

'

(', ! , ', !).

6ado /ue ! es GA , donde:

,
_

! ' ! '
! ! ! !
2 ! 2 !
1 2 1 2
2 1 2 1
0
. como A es e/uivalente por filas con

,
_

$ $ $ $
$ $ $ $
$ $ $ $
1 $ 1 $
$ 1 $ 1
/
(7erif1/uelo)
GA5 GB y una )ase para GB consta de { } ) 1 , 1$ , $ ( )- $ , 1 , $ , 1 ( , entonces esta es una )ase de !.
Producto Escalar o Producto Punto
Definicin 14: 3ean

,
_

n
a
a
a

2
1

,
_

n
b
b
b

2
1

n
R
. 3e denomina producto escalar o producto punto
entre los 'ectores

<

y se denota por:
n n -
n
-
-
b a b a b a b a + + +

2 2 1 1
1

.
<al como lo indica su nom)re, el resultado de este producto es un escalar.
Ejemplo 2%
32
. c)
IR x . x x x x x
x
b)
a)
$ 1 $ $ 2
1
$
$
2
* ' 1 * ' 1
1 *
'
1
2' ! 1
2
1
$ + %
!
+
1
$
%
2 2
2
2
1
+

,
_

,
_

+ + + +

,
_

,
_

+ +

,
_

,
_

Definicin 1!: 3ea { } { }
m
m
- -
# ,..., ,
2 1 1



n
R
. 3e dice /ue el conjunto S es &rtonormal si
se cumple /ue: i)
7 ( '(
7 (
$
. ii)
7 ( '(
( (
1
.
3i solo ocurre la condici#n ((), se dice /ue el conjunto de vectores # es &rto4onal .
"eorema 1(: 3ean
n
IR , , y IR c . ntonces se cumplen las siguientes propiedades:
(a)

.
(b)
+ + ) (
.
(c)
+ + ) (
.
(d)
) ( ) ( c c
.
(e)
) ( ) ( c c
.
Definicin 16: 3ea
n
n
IR a a a ) , , , (
2 1
. 3e denomina 9orma de

y se denota por

al
n5mero:

8asta ahora ha)1amos visto /ue la norma de un 'ector es su lon4itud y lo definimos como la ra14
cuadrada de la suma de sus componentes, pero es lo mismo /ue la definici#n anterior, pues:
33

+ + +
+ + +

n
-
- -
n n
n
n
-
-
a a
a a a a a a
a a a
a
1
2 2 1 1
2 2
2
2
1
1
2

:
"eorema 2): 3i { } { }
%
%
- -
# , , ,
2 1 1


e' &n con7&nto orto"ona) de vectores no n&)o' de
n
IR
,
entonces # es )(nea)mente (nde%end(ente.
?a hemos aprendido a hallar una ba'e para un espacio vectorial, sin em)argo para ciertos
procesos es necesario /ue, adem:s, los vectores de dicha ba'e sean orto"ona)e' u ortonorma)e'.
( condiciones ( y (( de la definici#n 1' ) , en cuyo caso se llama base orto0onal o base ortonormal. l
m9todo /ue se usa para o)tenerlas se llama proceso de .ramm > #c?midt:
"eorema 21 /Proceso de .ramm > #c?midt0. 3ea E un espacio vectorial con producto interno y 7
E
O
su)espacio vectorial de E con )ase B=
{ }
n
, , ,
2 1

. ntonces e@iste una 2ase &rtonormal
E =
{ }
n
, , ,
2 1

para 7.
Demostracin: scojamos un vector cual/uiera de B, digamos
1

y llam9moslo
1

, ahora
escogemos un vector
2

en el su)espacio generado por

{ }
2 1
,
/ue sea ortogonal a
1

. &omo
1 1

,
{ }
2 1 2
, "en
y
1 2

, esto significa /ue
2

es com)inaci#n lineal de
{ }
2 1
,
:
2 2 1 1 2
+ a a
6eterminaremos a1 y a2 en esta com)inaci#n lineal de modo /ue
$
2 1

.
34
0hora
) ( ) ( ) ( $
1 2 2 1 1 1 1 2 2 1 1 2 1
+ + a a a a
, de manera /ue
$
1 1

. 0s1 :
) (
) (
1 1
1 2
2 1

a a
0signamos a2 = 1.
1 1
1 2
1

a
ntonces
6ada la matri4

,
_

1 ! 1
% $ 2
! 1 1
0
, hallar
) ( 0
.
3eg5n la definici#n { }
! !
, / ) ( R x y 0, R y 0 :

,
_

,
_

,
_

!
2
1
!
2
1
1 ! 1
% $ 2
! 1 1
y
y
y
x
x
x
35

,
_

+ +

,
_

+ +

,
_

,
_

+
+

! 2 1
1 2
1
! 2 1
1 2
1
2
1
! 1
1 2
1
2
!
2
1
2 ! $ $ $
2 1 1 $
! 1 1
2 ! $ $ $
2 2 2 $
! 1 1
% % $
2 2 2 $
! 1 1
1 ! 1
% $ 2
! 1 1
2 !
1 !
1 2
y y y
y y
y
y y y
y y
y
y y
y y
y
y
y
y
! !
! !
! !
l sistema e/uivalente o)tenido es:

+
+
2
) 2 (
2
2 ) 1 (
2
1 ! 2
2
! 1
y
y x x
y
x x
0nali4ando, vemos /ue y! depende de
y1 e y2 , entonces:

,
_

,
_

,
_

2
1
$
!
$
1
2 !
2 1
2 1
2
1
y y
y y
y
y
#
36