INSTITUTO TECNOLOGICO DE TUXTEPEC

ALUMNOS:PEREZ CHIU JUAN DE DIOS

HERNANDEZ RODRIGUEZ CINTHIA AMELLALY
COLIN SILVA FRANCISCO RAL
FERRER MARTINEZ FELIX

DOCENTE:
ING. ZARAGOZA LOPEZ GERARDO

CARRERA:
INGENIERA ELECTROMECANICA

MATERIA:
ALGEBRA LINEAL UNIDAD 3

SEMESTRE: 2.-

TEMA:
ESPACIOS VECTORIALES

INDICE

INTRODUCCIN--------------------------------------------------------------------------------------3

4.1 DEFINICIN DE ESPACIO VECTORIAL.--------------------------------------------------4

4.2 DEFINICIN DE SUBESPACIO VECTORIAL

Y SUS PROPIEDADES---------------------------------------------------------------------------6

4.3 COMBINACIN LINEAL. INDEPENDENCIA

LINEAL.--------------------------------------------------------------------------------------------8

4.4 BASE Y DIMENSIN DE UN ESPACIO

VECTORIAL, CAMBIO DE BASE.-----------------------------------------------------------11

4.5 ESPACIO VECTORIAL CON PRODUCTO

INTERNO Y SUS PROPIEDADES.----------------------------------------------------------20

4.6 BASE ORTORMALIZACIN, PROCESO DE

ORTONORMALIZACIN DE GRAM-SCHMIDT.----------------------------------------24

INTRODUCIN

La idea de vector est tomada de la Fsica, donde sirven para representar magnitudes
vectoriales como fuerzas, velocidades o aceleraciones. Para ello se emplean vectores de
dos componentes en el plano, de tres componentes en el espacio...
Se supone conocida la representacin grfica y manejo de los vectores de 2 y de 3
.
En Matemticas, tratamos de abstraer las propiedades que caracterizan a los vectores
para extenderlas tambin a otro tipo de objetos diferentes de los vectores de la Fsica.
Esencialmente, el comportamiento que caracteriza a los vectores es el siguiente:
Podemos sumar dos vectores y obtenemos otro vector;
Podemos multiplicar un vector por un nmero (escalar) y obtenemos otro vector.
Adems estas operaciones cumplen ciertas propiedades, que observamos en los vectores
de 2
y de 3
:
En lo sucesivo, utilizaremos habitualmente la siguiente notacin: u,v,w (u otras letras
latinas) para vectores, mientras que las letras griegas designarn escalares.

ALEBRA LINEAL
4.- ESPACIOS VECTORIALES.
4.1 Definicin de espacio vectorial.
En lgebra abstracta, un espacio vectorial es una estructura algebraica creada a partir de
un conjunto no vaco, una operacin (llamada suma, definida para los elementos del
conjunto) y una operacin externa (llamada producto por un escalar, definida entre dicho
conjunto y otro conjunto, con estructura de cuerpo ), con 8 propiedades fundamentales.
A los elementos de un espacio vectorial se les llama vectores y a los elementos del
cuerpo, escalares.
Sean K un cuerpo dado y V un conjunto no vaco, con reglas de suma y producto por
escalar que asigna a cada par u, vV una suma u+vV y a cada par uV, kK un producto
kuV. V recibe el nombre de espacio vectorial sobre K (y los elementos de V se llaman
vectores) si satisfacen los siguientes axiomas.

[A1] para toda terna de vectores u, v, wV, (u+v)+w=u+(v+w).

[A2] existe un vector en V, denotado por 0 y denominado el vector cero, tal que u+0=u para
todo vector uV.
[A3] para todo vector uV existe un nico vector en V, denotado por u, tal que u+(-u)=0.
[A4] para todo par de vectores u, vV, u+v=v+u.
[M1] para todo escalar kK y todo par de vectores u, vV, k(u+v)=ku+kv.
[M2] para todo par de escalares a, bK y todo vector uV, (a+b)u=au+bu.
[M3] para todo par de escalares a, bK y todo vector uV, (ab)u=a(bu).
[M4] el escalar unidad 1K cumple 1u=u para todo vector uV.

Los axiomas precedentes se desdoblan de forma natural en dos categoras. Los cuatro
primeros ataen nicamente a la estructura aditiva de V y pueden resumirse diciendo que V
es un grupo conmutativo bajo la suma. De ello se deriva que cualquier suma de vectores de
la forma v1+v2++vm no requieren parntesis y no depende del orden de los sumandos,
que el vector cero, 0, es nico, que el opuesto u de u es nico y que se verifica la ley de
cancelacin; esto es, para tres vectores cualesquiera u, v, wV.
4

U+w=v+w implica u=v. Asimismo, la resta se define segn u-v=u+(-v).

Por otra parte, los cuatro axiomas restantes se refieren a la <<accin>> del cuerpo K
sobre V. obsrvese que la rotulacin de los axiomas refleja este desdoblamiento.
Empleando estos axiomas adicionales probaremos las siguientes propiedades elementales
de un espacio vectorial.

Teorema: sea V un espacio vectorial sobre un cuerpo K.

1. Para todo escalar kK y 0V, k0-0.
2. Para 0K y todo vector uV, 0u=0.
3. Si ku=0, donde kK y uV, entonces k=0 o u=0.
4. Para todo kK y todo uV, (-k)u=-ku.

Representacin artstica de un espacio vectorial.

4.2 Definicin de subespacio vectorial y sus propiedades.

Sea W un subconjunto de un espacio vectorial V sobre un cuerpo K. W se denomina un
subespacio de V si es a su vez un espacio vectorial sobre K con respecto a las operaciones
de V, suma vectorial y producto por un escalar. Un criterio simple para identificar
subespacios es el siguiente.

Teorema: supongamos que W es un subconjunto de un espacio vectorial V. entonces W

es un subespacio de V si y solo si se cumple:
1. 0W
2. W es cerrado bajo la suma de vectores, es decir: para todo par de vectores u, vW, la
suma u+vW.
3. W es cerrado bajo el producto por un escalar, esto es: para todo uW y para todo
kK el mltiplo kuW.

Corolario: W es un subespacio de V si y solo si:

1. 0W.
2. au+bvW para todos los u, vW y a, bK.

Ejemplo: sean U y W subespacios de un espacio vectorial V. probemos que la

interseccin UW es tambin subespacio de V. claramente, 0U y 0W, porque U y W son
subespacios, de donde 0UW. Supongamos ahora que u, vUW. Entonces u, vU y u, vE
y, dado que U y W son subespacios, u+v, kuU y u+v, kuW para cualquier escalar k. as
u+v, kuUW y por consiguiente UW es un subespacio de V. El resultado del ejemplo
precedente se generaliza como sigue.

Teorema: la interseccin de cualquier nmero de subespacios de un espacio vectorial V

es un subespacio de V.

Recurdese que toda solucin de un sistema de ecuaciones lineales con n incgnitas

AX=B puede verse como un punto en Kn y por tanto el conjunto solucin de tal sistema es
un subconjunto de Kn. Supongamos que el sistema homogneo, es decir, supongamos que
el sistema tiene la forma AX=0. Denotemos por W su conjunto solucin. Como A0=0, el
vector cero 0W adems, si u y v pertenecen a W, esto es, si u y v son soluciones de AX=0,
necesariamente Au=0 y Av=0. Por esta razn, para todo par de escalares a y b en K,
tendremos A(au+bv)=aAu+bAv=a0+b0=0+0=0. De esta manera, au + bv es tambin una
solucin de AX=0 o, dicho de otro modo, au+bvW. En consecuencia, segn el corolario,
hemos demostrado:

Teorema: el conjunto solucin W de un sistema homogneo con n incgnitas AX=0 es

un subespacio de kn.
Hacemos nfasis en que el conjunto solucin de un sistema inhomogneo AX=B no es
subespacio de Kn. De hecho, el vector cero, 0, no pertenece a dicho conjunto solucin.

Reglas de cerradura para ver si un subconjunto no vaci es un sub espacio

i)
ii)

Si x H y y H, entonces x + y H.
Si x H, entonces x H para todo escalar .

Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura se debern
cumplir. De lo contrario, para demostrar que es un espacio vectorial, se deber demostrar
que los axiomas i) a x) de la definicin cumplen bajo las operaciones de suma de vectores y
multiplicacin por un escalar definidas en V. Las dos operaciones de cerradura [axiomas i)
y iv)] se cumplen por hiptesis, como los vectores en H son tambin vectores en V, las
identidades asociativa, conmutativa, distributiva y multiplicativa
[axiomas ii), v), vii), viii), ix) y x)] se cumplen.
Este teorema demuestra que para probar si H es o no es un sub espacio de V, es suficiente
verificar que:
x + y y X estn en H cuando x y y estn en H y es un escalar.

PROPIEDADES DE SUB ESPACIO VECTORIAL

1). El vector cero de V est en H.2

2). H es cerrado bajo la suma de vectores. Esto es, para cada u y v en

H, la suma u + v est en H.

3). H es cerrado bajo la multiplicacin por escalares. Esto es, para cada
u en H y cada escalar c, el vector cu est en H.

4.3 Combinacin lineal. Independencia lineal.

COMBINACIN LINEAL
Sean v1, v2, , vn, vectores en un espacio vectorial V. entonces cualquier vector de la
forma: a1v1+a2v2++anvn, donde a1,a2,,an son escalares se denomina una
combinacin lineal de v1, v2,,vn.
Una combinacin lineal en M23

Conjunto generador.
Se dice que los vectores v1, v2, , vn de un espacio vectorial V generan a V si todo
vector en V se puede escribir como una combinacin lineal del mismo. Es decir, para todo
vV, existen escalares a1, a2, , an tales que v=a1v1+a2v2++anvn

Cuatro vectores que generan a M22

Espacio generado por un conjunto de vectores.

Sean v, v2, , vk, k vectores de un espacio vectorial V. el espacio generado por {v1, v2,
, vk} es el conjunto de combinaciones lineales v1, v2, , vk. Es decir
donde a1, a2, , ak, son
escalares arbitrarios.
Teorema: si v1, v2, , vk son vectores en un espacio vectorial V, entonces gen{v1, v2,
, vk} es un subespacio de V.
Ejemplo: el espacio generado por dos vectores en R3
Sea v1=(2,-1,4) y v2=(4,1,6). Entonces H=gen{v1, v2}={v:v=a1(2,-1,4)+a2(4,1,6)}.
Cul es la apariencia de H? si v=(x, y,z)H, entonces tiene x=2a1+4a 2, y=-a1+a2 y z=4a
1+6 2. Si se piensa que (x, y, z) est fijo, entonces estas ecuaciones se pueden ver como un
sistema de tres ecuaciones con tres incgnitas a1, a2. Este sistema se resuelve en la forma
usual:

INDEPENDENCIA LINEAL
En el estudio del algebra lineal, una de las ideas centrales es la de dependencia o
independencia lineal de los vectores. En esta seccin se define el significado de
independencia lineal y se muestra su relacin con la teora de sistemas homogneos de
ecuaciones y determinantes.

Existe una relacin espacial entre los vectores

, se
puede apreciar que v2=2v1; o si se escribe esta ecuacin de otra manera. 2v1-v2=0.
En otras palabras, el vector cero se puede escribir como una combinacin no trivial de
v1 y v2 (es decir, donde los coeficientes en la combinacin lineal no son ambos cero). Qu

tienen de especial los vectores

? La
respuesta a esta pregunta es ms difcil a simple vista. Sin embargo, es sencillo verificar
que v3=3v1+2v2; rescribiendo esto se obtiene

Se ha escrito el vector cero como una combinacin lineal de v1, v2, y v3. Parece que los
dos vectores de la ecuacin y los tres vectores de la otra ecuacin tienen una relacin ms
cercana que un par arbitrario de 2-vectores a una terna arbitraria de 3-vectores. En cada
caso, se dice que los vectores son linealmente dependientes. En trminos generales, se tiene
la importante definicin a continuacin presentada.
Definicin: sean v1, v2, , vn vectores en un espacio vectorial V. entonces se dice que
los vectores son linealmente dependientes si existen n escalares c1, c2, , cn no todos
ceros tales que

Si los vectores no son linealmente dependientes, se dice que son linealmente

independientes.
Para decirlo de otra forma, v1, v2, .., vn son linealmente independientes si la ecuacin
c1v1+c2v2++cnvn=0 se cumple nicamente para c1=c2==cn=0. Son linealmente
10

dependientes si el vector cero en V se puede expresar como una combinacin lineal de v1,
v2,,vn con coeficientes no todos iguales a cero.
Nota. Se dice que los vectores v1, v2, , vn son linealmente independientes (o
dependientes), o que el conjunto de vectores {v1, v2, , vn} es linealmente independiente
(o pendiente). Esto es, se usan las dos frases indistintamente.
Teorema: dependencia e independencia lineal
Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno de
ellos es un mltiplo escalar del otro.
Demostracin: primero suponga que v2=cv1 para algn escalar c0. Entonces cv1-v2=0
y v1 y v2 son linealmente dependientes. Por otro parte, suponga que v1 y v2 son
linealmente dependientes. Entonces existen constantes c1 y c2 al menos uno distinto a cero,
tales que c1v1+c2v2=0. Si c10, entonces dividiendo entre c1 se obtiene v1+(c2/c1)v2=0, o

sea,
Es decir, v1 es un mltiplo escalar de v2. Si c1=0, entonces c20 y, por lo tanto,
v2=0=0v1.

4.4 Base y dimensin de un espacio vectorial, cambio de base.

Se ha visto en R2 conviene escribir vectores como una combinacin lineal de los

vectores

de

. En R3 se escribieron los vectores en trminos

. Ahora se generalizara esta idea.

11

BASE Un conjunto finito de vectores

es una base para un espacio

vectorial V si

Todo conjunto de n vectores linealmente independiente en Rn es una base en Rn.

En Rn se define
Puesto que los vectores e, son las columnas d una matriz identidad (que tiene
determinante 1),
es un conjunto linealmente independiente y, por lo
tanto, constituye una base en Rn. Esta base especial se denomina base cannica en Rn.
Ahora se encontraran bases para otros espacios.

EJEMPLO: base cannica para M22

Se vio que
a

generan

, entonces es evidentemente que

. As, estas cuatro matrices
son linealmente independientes y forman una base para M22, lo que se denomina base
cannica para M22.

12

TEOREMA: si

es una base para V y si vV, entonces existe un

conjunto nico de escalares

tales que

Existe cuando menos un conjunto de dichos escalares porque

genera
a V. suponga entonces que v se puede escribir e dos maneras como una combinacin lineal
de los vectores de la base.

Es decir, suponga que

Sea
dos bases para V. debe
demostrarse que m=n. esto se prueba mostrando que si m>n, entonces S es un conjunto
literalmente independiente, lo que contradice la hiptesis de que S es una base. Esto
demostrara que mn. la misma prueba demostrara que m y esto prueba el teorema. As,
basta demostrar que si m>n, entonces S es independiente. Como S constituye una base,
todo u se puede expresar como una combinacin lineal de las v. se tiene (1)

TEOREMA: suponga que dimV=n. si

Entonces, restando se obtiene la ecuacin

pero como los v son linealmente
independientes, esta ecuacin se cumple si y solo si

13

As,

y el teorema queda demostrado.

TEOREMA: si
son bases en un espacio
vectorial V, entonces m=n; es decir, cualesquiera dos bases en un espacio vectorial V tienen
el mismo nmero de vectores.

Para demostrar que S es dependiente, deben encontrarse escalares

no todos cero, tales que (2)

Sustituyendo (1) en (2) se obtiene (3)

La ecuacin (3) se puede reescribir como

Pero como

son linealmente independientes, se debe tener (5)

14

El sistema (5) es un sistema homogneo de n ecuaciones con las m incgnitas

y como m>n, el teorema dice que el sistema tiene un nmero infinito de
soluciones. De esta forma, existen escalares
no todos cero, tales que (2)
se satisface y, por lo tanto, S es un conjunto linealmente dependiente. Esta contradiccin
prueba que mn si se cambian los papeles de S1 y S2, se demuestra que nm y la prueba
queda completa.
Por este teorema se puede definir uno de los conceptos centrales en el lgebra lineal.

DIMENSIN
Si el espacio vectorial V tiene una base con un nmero finito de elementos, entonces la
dimensin de V es el nmero de vectores en todas las bases y V se denomina espacio
vectorial de dimensin finita. De otra manera, V se denomina espacio vectorial de
dimensin infinita. Si V={0}, entonces se dice que V tiene dimensin cero.
Notacin. La dimensin V se denota por dimV.

EJEMPLO: la dimensin de Mmn

En Mmn sea A la matriz de mxn con un uno en la posicin ij y cero en otra parte. Es
sencillo demostrar que las matrices a para i=1,2,,m y j=1,2,,n forman una base para
Mmn. As, dimMmn=mn.

TEOREMA: suponga que dimV=n. si

linealmente independientes en V, entonces mn.

Sea

es un conjunto de m vectores

entonces, igual que la prueba del teorema, se pueden encontrar

constantes
no todas cero, tales que la ecuacin (2) se satisface. Esto
contradice la independencia lineal de los vectores u. as, mn.

15

TEOREMA: sea H un subespacio de un espacio vectorial de dimensin finita V.

entonces H tiene dimensin finita y (6)

Sea dimV=n. cualquier conjunto de vectores linealmente independientes en H es

tambin linealmente independiente en V. por el teorema anterior, cualquier conjunto
linealmente independiente en H puede contener a lis ms n vectores. Si H={0}, entonces
dimH=0. Si dimH{0}, sea v0 un vector en H y H=gen{v}. si H=H, dimH=1 y la prueba
queda completa. De lo contrario, elija a vH tal que vH y sea H=gen{v1,v2}, y as
sucesivamente. Continuamos hasta encontrar vectores linealmente independientes
tales que H=gen{
}. El proceso tiene que terminar
porque se pueden encontrar a lo ms n vectores linealmente independientes en H. entonces
H-kn.

EJEMPLO: una base para el espacio de solucin de un sistema homogneo

Encuentre una base (y la dimensin) para el espacio de solucin S del sistema

homogneo

SOLUCIN: aqu
. Como A es una matriz de 2x3, S es un
subespacio de R3. Reduciendo por renglones, se encuentra, sucesivamente,

16

Entonces y=z y x=-z de manera que todas las soluciones son de la forma

.As,

es una base para S y dimS=1. Obsrvese que S es el conjunto de vectores que se

encuentran en la recta x=-t, y=t, z=t.
TEOREMA: cualquier conjunto de n vectores linealmente independientes en un espacio
vectorial V de dimensin n constituyen una base apara V.
Sean

, n vectores. Si generan el espacio V, entonces constituyen una

base. De lo contrario, existe un vector uV tal que ugen

significa que los n+1 vectores

. Esto

, u donde linealmente independientes.

Para ver esto observe que si (8)

Entonces

porque de lo contrario podramos escribir u como una

combinacin lineal de

dividiendo la ecuacin (8) entre

poniendo todos los trminos, excepto u, en el lado derecho. Pero si

y
entonces (8)

es

Lo que significa que

independientes. Ahora sea W=gen{

ya que los v son linealmente

,u}. como todos los vectores entre las

llaves estn en V, W es un subespacio de V. como

independientes, forman una base para W, y dimW=n+1.

,u son linealmente

17

Pero por el teorema, dimWn. esta contradiccin muestra que no existe el vector uV tal
que ugen{
una base para V.

}. As,

genera a V y, por lo tanto, constituye

CAMBIO DE BASE

En R2 se expresaron vectores en trminos de la base cannica

. En

Rn se defini la base cannica

. En Pn se defini la base estandra como
. Estas bases se usan
ampliamente por la sencillez que ofrecen a la hora de trabajar con ellas. Pero en ocasiones
ocurre que es ms conveniente alguna otra base. Existe un nmero infinito de bases para
elegir, ya que en un espacio vectorial de dimensin n, cualesquiera n vectores, linealmente
independientes, forman una base. En esta seccin se ver como cambiar de una base a otra
mediante el clculo de cierta matriz. Iniciaremos por un ejemplo sencillo. Sean u

. entonces,

es la base cannica en R2. Sean

Como v1 y v2 son linealmente independientes (porque v1 no

es un mltiplo de v2),

es una segunda base en R2. Sea

un

vector en R2. Esta notacin significa que

18

Es decir, x est expresando en trminos de los vectores de la base B. para hacer hincapi

en este hecho, se escribe

y c2 tales que (1)

Como B es otra base en R2, existen escalares c1

Una vez que se encuentran estos escalares. Se puede

escribir
para indicar que x esta ahora expresado en trminos de los
vectores en B. para encontrar los nmeros c1 y c2, se escribe la base anterior en trminos

de la nueva base. Es sencillo verificar que

(2) y

es decir,

Entonces,

19

As, de (1),

Por ejemplo, si

entonces

4.5 Espacio vectorial con producto interno y sus propiedades.

Un espacio vectorial complejo V se denomina espacio con producto interno si para
cada par ordenado de vectores u y v en V, existe un nmero complejo nico (uva),
denominado producto interno de u y v, tal que si u, v y w estn en V y C, entonces

20

La barra es las condiciones v) y vii) denota el conjugado complejo.

Nota. Si (uva) es real, entonces (uva)=(uva) y se puede eliminar la barra en v).

EJEMPLO: producto interno de dos vectores en C3

En C3 seen x=(1+i, -3, 4-3i) y y=(2-i, -i, 2+i). entices

Sea V un espacio con producto interno y suponga que u y v estn en V. entonces

Nota 1. Aqu se usa la doble barra en lugar de una sola para evitar confusin con el valor
absoluto. Por ejemplo sen t denota la norma de sen t como un vector en C[0, 2]
mientras que |sen t| denota el valor absoluto de la funcin sen t.
Nota 2. La ecuacin anterior tiene sentido ya que (u, u)0.

EJEMPLO: dos vectores ortogonales en C2

21

En C2 los vectores (3,-i) y (2,6i) son ortogonales porque

Conjunto ortonormal
El conjunto de vectores

es un conjunto ortonormal en V si
y

Si solo el primero se cumple, se dice que el conjunto es ortonormal.

TEOREMA: cualquier conjunto finito de vectores ortonormales diferentes de cero en un

espacio con producto interno es linealmente independiente.

TEOREMA: cualquier conjunto finito linealmente independiente en un espacio con

producto interno se puede convertir en un conjunto ortonormal mediante el proceso de
Gram-Schmidt. En particular, cualquier espacio con producto interno tiene una base
ortonormal.

Proyeccin ortogonal
Sea H un subespacio del espacio con producto interno V con base ortonormal

Si vV, entonces la proyeccin ortonormal de v sobre H denotada por proyHv est dada
por (6)
22

Las demostraciones de los siguientes teoremas son idnticas a sus contrapartes en Rn.
TEOREMA: sea H un subespacio de dimensin finita con producto interno V. suponga que
H tiene dos bases ortonormales

Sea vV. entonces

Complemento ortogonal
Sea H un subespacio del espacio con producto interno V. entonces el complemento
ortogonal de H, denotado por H, est dado por (7)

TEOREMA: si H es un subespacio del espacio con producto interno V, entonces

TEOREMA DE PROYECCIN: sea H un subespacio de dimensin finita del espacio

con producto interno V y suponga que vV. entonces existe un par nico de vectores h y p
tales que hH, pH, y (8) v=h+p donde h=proyHv.

Si V tiene dimensin finita, entonces p=proyHv.

TEOREMA: sea A una matriz de nxn; entonces A tiene vectores propios linealmente
independientes si y solo si multiplicidad geomtrica de cada valor propio es igual a su
multiplicidades algebraica. En particular, A tiene n vectores propios linealmente
independientes si todos los valores propios son distintos (ya que entonces la multiplicidad
algebraica de cada valor propio es 1).
23

4.6 Base ortonormal, proceso de ortonormalizacin de Gram-Schmidt.

Conjunto ortonormal en Rn
Se dice que un conjunto de vectores S={u1, u2, , uk} en Rn es un conjunto ortonormal
si (1) (2)

Si solo satisface la ecuacin (1), se dice que el conjunto es ortogonal.

Si u, v y w en Rn y es un nmero real, entonces (3) (4) (5) (6)(7)

Ahora se presenta otra definicin til

Si vRn, entonces la longitud o norma de v, denotada por |v|, est dada por (8)

24

Nota. Si

entonces v*v=

Esto significa

que (9)

De esta forma se puede obtener la raz cuadrada en (8), y se tiene (10)(11)

TEOREMA: si S=
es un conjunto ortogonal de vectores diferentes
de cero, entonces S es linealmente independiente.

Suponga que
Entonces, para cualquier i=1,2,,k

Como v0 por hiptesis |v|2>0 y se dice que c=0. Esto es cierto para i=1,2,,k, lo que
completa la prueba.

Proceso de ortonormalizacion de Gram-Schmidt

Sea H un subespacio de dimensin m de Rn. Entonces H tiene una base ortonormal.
Sea S=
una base de H. se probara el teorema construyendo una base
ortonormal a partir de vectores en S. antes de dar los pasos para esta construccin, se
observa el hecho sencillo de que un conjunto de vectores linealmente independiente no
contiene al vector cero.
25

Paso 1. Eleccin del primer vector unitario

Sea (12)

Entonces

De manera que |u|=1.

Paso 2. Eleccin de un segundo vector ortogonal a u

Como anteriormente se ha visto que, en R2, el vector

ortogonal a v. en este caso

siguiente figura.

es la

es la proyeccin de u sobre v. esto se ilustra en la

26

Resulta que el vector w dado es ortogonal a v cuando w y v estn en Rn para cualquier

n2. Obsrvese que como u es un vector unitario,

vector v.

para cualquier

Sea (13)
entonces
de manera que v
es ortogonal a u. ms aun, por el teorema, u y son linealmente independientes. v0 porque

de otra manera
de v1 y v2.

lo que contradice la independencia

Paso 3. Eleccin de un segundo vector unitario

Sea (14)

entonces es evidente que {u1,u2} es un conjunto ortonormal.

Suponga que se han construido los vectores u1, u2,,uk(k<m) y que forman un conjunto
ortonormal. Se mostrara como construir uk+1.

Paso 4. Continuacin del proceso

Sea (15)

entonces para

i=1,2,,k
Pero

Por lo

tanto,
27

As,
k+10.

es un conjunto linealmente independiente, ortogonal y v

Pas 5
Sea

Entonces es claro que

es un conjunto ortonormal y se puede
continuar de esta manera hasta que k+1=m con lo que se completa la prueba.
Nota. Como cada u es una combinacin lineal de vectores v, gen
un subespacio de gen
espacio son iguales.

es

y como cada espacio tiene dimensin k, los

28

REFERENCIAS

Ing. Jazmn Morales Ramn . ( 27 de mayo de 2012). Definicin

de sistemas de ecuaciones lineales.. 2012, de itsav.blog Sitio
web: http://itsavbasicas.blogspot.mx/2012/05/31-definicion-desistemas-de-ecuaciones.html
Ing. Jazmn Morales Ramn . (2012). Definicin de espacio
vectorial.. 30 de mayo de 2012, de itsavbasicas Sitio web:
http://itsavbasicas.blogspot.mx/2012/05/41-definicion-deespacio-vectorial.html
(2014). Espacio vectorial. 13 ago. 2014 , de Wikipedia Sitio web:
http://es.wikipedia.org/wiki/Espacio_vectorial
Autor desconocido. (2013). Definicin de subespacio vectorial y
sus propiedades. JUNIO 2013, de SITEMAP Sitio web:
https://sites.google.com/site/sistemasalgebralineal/unidad-4--espacios-vectoriales/definicion-de-subespacio-vectorial-y-suspropiedades
Ing. Jazmn Morales Ramn . (2012). Definicin de subespacio
vectorial y sus propiedades.. 30 de mayo de 2012, de
itsavbasicas.blog Sitio web:
http://itsavbasicas.blogspot.mx/2012/05/42-definicion-desubespacio-vectorial-y.html

29

Ing. Jazmn Morales Ramn . (2012). Combinacin lineal.

Independencia lineal.. 31 de mayo de 2012, de itsavbasicas Sitio
web: http://itsavbasicas.blogspot.mx/2012/06/43-combinacionlineal-independencia.html
Ing. Jazmn Morales Ramn. (2012). Base y dimensin de un
espacio vectorial, cambio de base.. 31 de mayo de 2012, de
itsavbasicas Sitio web:
http://itsavbasicas.blogspot.mx/2012/05/44-base-y-dimensionde-un-espacio.html
Ing. Jazmn Morales Ramn. (2012). Espacio vectorial con
producto interno y sus propiedades.. 31 de mayo de 2012, de
itsav Sitio web: http://itsavbasicas.blogspot.mx/2012/05/45espacio-vectorial-con-producto.html

30