Tema 2

lgebra Lineal (Espacios vectoriales)

Espacios Vectoriales
Vector: Magnitud, direccin y sentido

= u + Combinacin lineal
u, v, Vectores

, Escalares
u Multiplicacin por un escalar
u + v Suma de vectores
1 de 1

Tema 2

Sea

lgebra Lineal (Espacios vectoriales)

R2 = {(x1, y1 ) x1, y1 R}

u = (x1, y 1 ) R 2

v = (x 2 , y 2 ) R 2
= u + v

= (x 1, y 1 ) + (x 2 , y2 )

= (x 1, y 1 ) + (x 2 , y 2 )

= (x 1 + x 2 , y 1 + y 2 ) R 2
Sea

a1 b1

M =
a1, b1, c 1, d1 R
c
d
1 1

a b
u = 1 1 M
c 1 d1

a
v= 2
c 2

b2
M
d2

, R

= u + v

a1 b1
a 2 b 2

=
+

c2 d 2
c1 d1

a1 b1 a2 b2
+
=

c1 d1 c2 d2
a1 + a2 b1 + b2
c1 + c2 d1 + d2 M

2 de 2

Tema 2

lgebra Lineal (Espacios vectoriales)

Las leyes de adicin y multiplicacin por un escalar tienen en comn un gran nmero de
propiedades algebraicas. A dicha estructura se le conoce como ESPACIO VECTORIAL

Definicin:
Sea V un conjunto no vaco y sea K un campo donde se definen las operaciones de suma
(+) y multiplicacin por un escalar ( .)

K puede ser:

R reales
C complejos
N naturales
Q racionales o
z enteros
V es un espacio vectorial (EV) si cumple con las siguientes axiomas:
1.

La suma de dos elementos en V es cerrada

3 de 3

Tema 2

lgebra Lineal (Espacios vectoriales)

u, v V : u + v V y u + v es nica
2.

La adicin es conmutativa

u, v V : u + v = v + u
3.

La adicin es asociativa

u, v, w V : (u + v ) + w = u + (v + w )
4.

Existe en V un elemento neutro para la adicin

eV : e + u = u = u + e
5.

Todo elemento de V tiene un inverso

vV zV : v + z = e = z + v
6.

La multiplicacin de un vector de V por un escalar es cerrado

v V y K : v V
7.

La multiplicacin por un escalar es asociativa

v V y , K : ( v ) = ( )v
8.

Distributividad de la multiplicacin sobre la adicin de escalares

v V y , K : ( + )v = v + v
9.

Distributividad de la multiplicacin sobre la adicin de vectores

u, v V y K : (u + v ) = u + v
10. Existencia de la unidad de K
4 de 4

Tema 2

lgebra Lineal (Espacios vectoriales)

v V : 1v = v
Las condiciones de suma o multiplicacin por un escalar pueden ser la usual o
proponerse.
Ejemplo:
Sea el conjunto

A = {(1, a ) a R} definido sobre R y las condiciones de suma y

multiplicacin definidas por

(1, a ) + (1, b ) = (1, a + b)

(1, a ) = (1, a)

u = (1, a ) A
u = (1, b ) A
u = (1, a ) A
R

Verifique si A es un Espacio Vectorial

Sean u = (1, a ); v = (1, b); w = (1, c) A y , , y R
1) Verificar si

u, v A : u + v V y u + v es nica

u + v = (1, a) + (1, b)
= (1, a + b) A
2) Verificar si

Cumple el axioma

u, v A : u + v = v + u

u+v =v+u
(1, a) + (1, b) = (1, b) + (1, a)
Cumple el axioma
(1, a + b) = (1, b + a)
3) Verificar si u, v, w A : (u + v ) + w = u + (v + w )

(u + v ) + w = u + (v + w )
5 de 5

Tema 2

lgebra Lineal (Espacios vectoriales)

[(1, a) + (1, b)] + (1, c ) (1, a) + [(1, b) + (1, c )]

(1, a + b) + (1, c ) (1, a) + (1, b + c )
Cumple el axioma
(1, a + b + c ) = (1, a + b + c )
4) Verificar si

eA : e + u = u = u + e

e = (1, e)
(1, e) + (1, b) = (1, b)
(1, e + b) = (1, b)

Sea

e+b =be =0
e = (1, 0 )

5) Verificar si

Cumple el axioma

vA zA : v + z = e = z + v

z = (1, z)
(1, z ) + (1, b) = (1, 0)
(1, z + b ) = (1, 0)
z+b =0
z = b

Sea

Tal que

z = (1, - b)

z A : z = (1, - b)
6) Verificar si

Cumple el axioma

v A y R : v A

Cumple el axioma
(1, a ) = (1, a ) A
7) Verificar si v A y , R : ( v ) = ( )v
(u)

( )u
6 de 6

Tema 2

lgebra Lineal (Espacios vectoriales)

[(1, a )] =
(1, a ) =
(1, a)

()(1, a) =
(1, a)

(u) = ( )u
8) Verificar si

Cumple el axioma

u A y , R : ( + )u = u + u

( + )v
( + )(1, a)
(1, ( + )a )
(1, a + a )

v + v
(1, a) + (1, a) )
(1, a) + (1, a )
(1, a + a )

( + )u = u + u
9) Verificar si

u, v A y R : (u + v ) = u + v

(u + v )

[(1, a ) + (1, b )]

(1, a + b )
(1, (a + b))
(1, (a + b))

u + v
(1, a ) + (1, b )
(1, a) + (1, b)
(1, a + b)
(1, (a + b))

(u + v ) = u + v
10) Verificar si

Cumple el axioma

Cumple el axioma

u A : 1u = u

1u = 1(1, a) = (1, a) = u

Cumple el axioma
7 de 7

Tema 2

Por tanto el conjunto

lgebra Lineal (Espacios vectoriales)

A = {(1, a ) a R} definido bajo las condiciones de suma y

multiplicacin mostradas es un E.V. sobre R.

Subespacios Vectoriales
Sea V espacio vectorial sobre K y sea S un subconjunto de V s es un subespacio de v
(SEV de V) si es un EV sobre K respecto a la adicin y a la multiplicacin por un escalar

Teorema
Sea V un espacio vectorial sobre V y sea S un subconjunto de V. S es un subespacio
vectorial de V si y slo si
1)

u, v S : u + v S

Cerradura bajo la suma

2)

K : v S : v S

Cerradura bajo la multiplicacin por un escalar

Ejemplo:

a
a,
b
R

Verificar que T =
es un SEV de las matrices de orden dos elementos

a 2 b
en R.

8 de 8

Tema 2

lgebra Lineal (Espacios vectoriales)

a b

a,
b,
c,
d

R
E. V. M2 =

c
d

a
a,
b
R
T =

Subconjunto de M2

a
2

Sean:

b1
b2
a1
a2
;
=
u=
v

a 2 b2 T
a
2

b
1

R
1)

Verificar que

u, v T : u + v T

b3
b1 a2
b2 a1 + a2
b1 + b2 a3
a1
+
=
=
u+v =
T

(
)
(
)

3
a
2
b

+
1
2
1
2
a
2
b
a
2
b
a
a
2
b
b
1
2
1
3

Cumple el axioma

u + vT
2)

Verificar que

a1 b1 a1 b1 a4
= a4
= a1
u = a1
2 b1 2 b1 2
u T cumple

b4
T
b4

Tal que el conjunto T es un Subespacio vectorial de M2

9 de 9

Tema 2

lgebra Lineal (Espacios vectoriales)

Combinacin lineal. Conjunto generador. Base y dimensin. Coordenadas de un vector y

matriz de transicin
Definicin
v es una combinacin lineal de

v1 , v 2 ,..., vn si puede expresarse como

v = 1 v1 + 2 v 2 + ....... + n vn
Donde 1, 2,..., n son escalares
Considerando e) EV R2
2
R = {(x, y ) x, y R}

10 de 10

Tema 2

lgebra Lineal (Espacios vectoriales)

v = 1 v1 + 2 v 2

5, 4 = 1(2, 1) + 2 (2, 4 )

1
2
(5, 4) = 2 (2, 1) + 1 (2, 4)
2
(5, 4) = (4, 2) + (1, 2)

Si 1 = 2 y 1 =

(5, 4) = (5, 4)

v es una combinacin lineal (CL) de v

y v2

Dependencia lineal

1
Combinacin lineal
v2
2
1
1v + 2v1 + v 2 = 0 Ecuacin de dependencia lineal
2
v = 2v 1 +

Donde 0 es el vector cero y aparece como una combinacin lineal de

v, v1 y v 2

Definicin
Sea

S = {v1, v 2,..., vn} un conjunto de vectores

1) S es linealmente dependiente (L.D.) si existen escalares
iguales a cero, tal que

, 1, 2,...,n 1, no todos

1 v1 + 2 v 2 + ... + n vn = 0 Ec. De dependencia lineal

11 de 11

Tema 2

lgebra Lineal (Espacios vectoriales)

2)

S es linealmente independiente (L.I.) si la igualdad

1 v1 + 2 v 2 + ... + n v n = 0 Slo se satisface con 1 = 2 = ... = n = 0

Ejemplo:

Sea el EV R = (a, b, c ) a, b, c R
3

sean v = (5, 4, 1); v1 = (2, 1, 0 ); v 2 = (2, 4, 0 ) R

Determinar s son LD o LI

v + 1 v1 + 2 v 2 = 0
(5, 4, 1) + 1(2, 1, 0 ) + 2 (2, 4, 0 ) = (0, 0, 0 )
(54) + (21, 1, 0) + (22 ,42 ,0 ) = (0,0,0 )

(5 + 21 + 22 ,4 + 1 + 42 , ) = (0,0,0 )
5 + 21 + 22 = 0
4 + 1 + 42 = 0
=0
Por tanto:

21 + 2 2 = 0
1 + 4 2 = 0

2 2 1 1
1 4 ~ 0 3

R1/2
R1(-1)+R2

12 de 12

Tema 2

lgebra Lineal (Espacios vectoriales)

2 + 3 = 0
33 = 0 3 = 0
2 + 3 = 0
2 + 0 = 0
2 = 0 2 = 0
1 = 2 = 3 = 0 ; por tanto, el conjunto

{v, v , v }
1

es

el

linealmente

independiente
Utilizando la matriz en forma escalonada cannica

5 4 1 2 4 0 1 2 0 1 2 0 1 0 0
2 1 0 2 1 0 0 3 0 0 1 0 0 1 0

~
~
~
~

2 4 0 5 4 1 0 6 1 0 0 1 0 0 1
1

2
R1( 2) + R2

R1

R1( 5 ) + R3

1
R2
3
R2(6 ) + R3

R2( 2 ) + R1

El conjunto es Linealmente independiente

Utilizando la matriz en forma cannica escalonada, si ningn rengln se hace ceros, el
conjunto es L.I. En caso de que algn(os) rengln(es) sea(n) cero, el conjunto es L.D.
Teorema
Si S es un conjunto L.I., entonces cualquier subconjunto de S tambin lo es

13 de 13

Tema 2

lgebra Lineal (Espacios vectoriales)

Teorema
Todo conjunto que contienen al vector cero es L.D.
Conjunto generador
Cuando todos los vectores de un E.V. pueden obtenerse mediante una combinacin lineal
de un conjunto finito de vectores, se dice que tal conjunto es generador del espacio
EV V

v = 1u1 + 2u2 + ... + mum

v = 1u1 + 2u2 + ... + mum
.
.
.

.
.
.

.
.
.

.
.
.

.
.
.

vn = 1u1 + 2u2 + ... + mum

Definicin

Sea V un EV sobre K y sea B = u1, u2,..., um

un conjunto finito de vectores de V. Se

dice que B es generador de V si para todo vector v V existen escalares 1, 2,..., m

tales que

v = 1u1 + 2 u2 + ... + m um

14 de 14

Tema 2

lgebra Lineal (Espacios vectoriales)

En general cuando un conjunto es generador (CG) es LD, podemos suprimir alguno de

sus vectores y obtener de ello otro conjunto generador del mismo EV, el cual es LI,
denominado BASE

Definicin
Se llama base de un EV a un CG de V que es LI
Teorema

Sea V un EV de K. Si B = u1, u2,..., um es una base de V, entonces cualquier otra base

de dicho espacio est formada por m vectores.

Definicin

} es una base de V, se dice que V es de

Sea V un EV sobre K. Si B = u1, u2,..., um

dimensin m.
dim V=m
Teorema

Si V es un EV de dimensin m, cualquier conjunto LI formado por m vectores es una base

de dicho EV
Teorema
Si V es un EV de dimensin m y W un SEV V, entonces dim
W=m entonces W=V

W m . En particula si dem

15 de 15

Tema 2

lgebra Lineal (Espacios vectoriales)

Ejemplo

a
Sea V =
b
Un E.V. sobre R

a + b

a,
b
R

2b

b
a

3 4 7 5 0 5
A = {w1, w 2} =
, 0 5 0 determinar si A es una base de V
4
3
8

Verificamos si A genera a V
Sea:

b a + b
a
v=
V
b
a
2b

v = 1, 1,+ 22

b a

a + b
2b

3 4 7
4

0 5 0

41
71 + 52
31 + 52

41
31 52
81

31 + 52 = a
41
=b
71 + 52 = a + b

1 =

b
4

16 de 16

Tema 2

lgebra Lineal (Espacios vectoriales)

3
a b
4 = 4a 3b
2 =
5
20

A genera a V

Para verificar si A es base de V se determina su dependencia lineal

11 + 22 = 0
3 4 7
5 0 5 0 0 0
1

+
2

0 5 0 = 0 0 0
4
3
8

31 + 52 = 0
41
=0
71 72 = 0

1 = 0

1 = 0
2 = 0

52 = 0

1 = 2 = 0

A = {1, 2} es Linealmente independiente. A es base de V.

Coordenadas de un vector respecto a una base ordenada

Si consideramos el espacio

a b

=
a,
b

0 a

Para el cual el conjunto

1 0 0 1
,
B =

es una base

0
0
0
1

17 de 17

Tema 2

lgebra Lineal (Espacios vectoriales)

B = {w1, w 2}
7 3
u
=
Para
0 7

U puede expresarse como:

7 3
1 0
0 1
1
2
=

0 7
0 1
0 0

1 = 7
2 = 3

A los escalares 7 y -3 se les llama Coordenadas de

u en la base B, y se representa

[u]

7
=
3

vector de coordenadas de

u en la base B

Definicin
Sea

B = {v1, v 2,..., vn} una base del espacio vectorial V sobre K, y sea x V . Si

x = 1v1 + 2 v 2 + ... + n vn . Los escalares 1, 2,..., n se llaman coordenadas de x

T
en la base B y el vector (x )B = (1, 2 , 3 ) se llama vector de coordenadas de x en la
base B

18 de 18

Tema 2

lgebra Lineal (Espacios vectoriales)

Matriz de transicin

A y B son bases de V
Sea v V

vV
v = au1 + bu2 + cu3

v = dw 1 + e w 2 + f w 3

(v )

(v ) = (d, e, f )

= (a, b, c )

Como A V , entonces los vectores del conjunto A se pueden expresar como una
combinacin lineal de los vectores de la base B

u1 = 1 w1 + 2 w 2 + 3 w 3 (u)B = (1, 2 , 3 )

u2 = 1 w1 + 2 w 2 + 3 w 3 (u2 )B = (1, 2 , 3 )

u3 = 1 w1 + 2 w 2 + 3 w 3 (u3 )B= (1, 2 , 3 )

Podemos definir una matriz

1 1 1
BA = 2 2 2
3 3 3
19 de 19

Tema 2

lgebra Lineal (Espacios vectoriales)

Tal que

(v )B = BA (v )A
1 1 1 a d
= 2 2 2 b = e
3 3 3 c f

[ ]

BA = BA
(v )A = BA (v )B
Ejemplo:

V = {(x, y, z ) z zx = 0; x, y, z R} un EV sobre R y los conjuntos

A = {(1, 0, 2 ), (0, 1, 0 )} y B = {(3, 0, 6 )(2, 1, 4 )} dos bases de V

Sea

a)
b)

determinar MB
expresar z = (4, 1, 8 ) como una C.L. de los vectores de la base B, utilizando la
matriz de transicin

A = {(1, 0, 2 ), (0, 1, 0 )} = {u1, u2 }

B = {(3, 0, 6 )(2, 1, 4 )} = {w 1, w 2 }

u1 = 1 1 + 2 2
u2 = 1 1 + 2 2
1 1
A
MB

2 2

(1,0,2) = 1(3,0,6) + 2(2,1,4)

(0,1,0) = 1(3,0,6) + 2(2,1,4)

(1)
(2)

20 de 20

Tema 2

lgebra Lineal (Espacios vectoriales)

De (1)

6 1 + 4 2 = 2

1 = 1
3
2 = 0

31 + 22 = 0

1 = 2

31 + 22 = 1

De 2

2 = 1

2 = 1

61 + 42 = 0

1 2
3
MBA = 3
1
0

b)

z = (4,1,8 )

(z)B = MBA (z )A
z = au1 + bu2

(u)

= (a, b )

(4, 1, 8 ) = a(1, 0, 2) + b(0, 1, 0 )

a= 4
b=1

(z )

(z )A (4,1)

1 2 4 2
3 = 3
= 3
1 1 1
1

21 de 21

Tema 2

lgebra Lineal (Espacios vectoriales)

Tal que

2
(3, 0, 6 ) + 1(2, 1, 4)
3
z = (2, 0, 4 ) + (2, 1, 4 )

z=

z = (4, 1, 8 )

Producto Interno

Conjunto de escalares
Conjunto de vectores
Operacin de suma y multiplicacin por un escalar
Operaciones de naturaleza algebraica
Magnitud
Distancia
ngulo

Conceptos mtricos

El producto interno se generaliza a un E.V. cualquiera del producto escalar R (llamado

tambin producto interno)

Definicin

Sea V un E.V. sobre C. Un producto interno (p.i.) en V es una funcin de VxV en C que

( )

( )

asigna a cada pareja ordenada u, v de vectores de V un escalar u v C , llamado

producto u por v , que satisface las siguientes propiedades:

22 de 22

Tema 2

lgebra Lineal (Espacios vectoriales)

(u v ) = (v u)
2) (u v + ) = (u v ) + (u )
3) (u v ) = (u v )
4) (u u) 0 si u 0
1)

Donde
Si

Simetra
Aditividad
Homogeneidad
Positividad

(u v ) representa el conjugado del nmero complejo (v u)

= a + bi

=a

= a bi

=a

= a2 + b2

= a2 = a

Ejemplo:
En el E.V. P2 , de los polinomios de grado menor o igual a dos con coeficientes reales
se define la funcin

(p q) = p(i)q(i) p, q
1

i= 0

verificar si es un producto interno

2 = {ax 2 + bx + c a, b, c R}
Sea

p = a1 x2 + b1 x + c1

q = a2 x2 + b2 x + c 2 2
r = a 3 x2 + b3 x + c3 2
1)

( ) ( )

Verificar si p q = q p

23 de 23

Tema 2

lgebra Lineal (Espacios vectoriales)

(p q) = (c c ) + [(a + b + c )(a + b + c )]
(q p) = (c c ) + [(a + b + c )(a + b + c )]
1

( ) ( )

p q = qp

2)

) ( ) ( )

Verificar si p q + r = p q + p r

q + r = (a2 + a3 ) x2 + (b2 + b3 )x + (c 2 + c3 )
(p q + r ) = c1 (c2 + c3 ) + (a1 + b1 + c1)[(a2 + a3 )(b2 + b3 )(c2 + c3 )]
= c1 c 2 + c1 c3 + (a1 + b1 + c1)[(a2 + b2 + c 2 ) + (a3 + b3 + c3 )]
= c1
1 c 2 + (a1 + b1 + c1)(a2 + b2 + c 2 ) +
44444
42444444
3
(p q )
c1
1 c 3 + (a1 + b1 + c1)(a3 + b3 + c 3 )
444442444443
(p r )

3)

) ( )

Verificar si p q = p q

p = a1 x2 + b1 x + c1

(p q) = c c + ( a + b + c )(a
1

= [c1 c 2 + (a1 + b1 + c1)(a2 + b2 + c 2 )]

+ b2 + c 2 )

( )

= pq

( )

4) Verificar si p p 0 para p 0

(p p) = c c + (a + b + c )(a + b + c )
1 1

= c12 + (a1 + b1 + c1)

( )

si p = 0 p p 0
24 de 24

Tema 2

lgebra Lineal (Espacios vectoriales)

( )

Entonces p q = p(i) q(i) es producto interno.

1

i= 0

Teorema
Sea V un E.V. sobre C y sea (-1) un producto interno en V entonces u, v V

(u v )

( )( )

u v v v donde

(u v )

es el mdulo de

(u v ). La igualdad se cumple si

u y v son L.D.

(u v ) = (u u)(v v ) u y v son L.D.

(u v ) (u u)(v v ) u y v son L.I.
2

Definicin
Sea V un EV sobre R y sea . . un p.i. en V. Se llama norma de v en V y se representa
con v al nmero real no negativo definido por

( )

v = vv

1/2

. La desigualdad de Cauchy-

Schwarz (C-S) puede ser expresada como

(u v ) u v
(u v ) u v
2

Producto
de vectores

Producto de
escalares

25 de 25

Tema 2

lgebra Lineal (Espacios vectoriales)

Propiedades que satisface toda norma

Si V es un EV con p.i., entonces

u, v V y C

1) u 0
2) u = 0 u = o
3) u = u
4) u + v u + v
Desigualdad
del tringulo

1
Se dice que un vector es unitario cuando u = 1. Para cualquier vector e = u es
u
unitario.

Definicin
Se llama distancia de

u a v se representa d(u, v ) , al nmero real definido por:

d(u, v ) = u v = (u v )(u v

1
2

1) d(u, v ) 0

2) d(u, v ) = 0 u = 0

3) d(u, v ) = d(v, u)

4) d(u, ) d(u, v ) + d(v, )

Definicin
Sea V en EV con producto interno real y sean u y v dos vectores no nulos de V. Se
llama ngulo entre u y v al nmero real , en el intervalo 0

26 de 26

Tema 2

lgebra Lineal (Espacios vectoriales)

cos =
si

(u v )
uv

(u v ) = a + bi

cos

( )

R uv
uv

La desigualdad de C-S se expresa

(u v ) u v

(u v ) 1
uv

(u v ) 1
uv

Existe uno y slo un con intervalo 0 cuyo coseno es igual al cociente.

Ejemplo:
Sea el p.i. en

C2 definido como

(x y ) = x y
1

+ 2x2 y1 , x = (x , x ), y = (y , y ) C 2 ,
1
2
1
2

donde y1 y y 2 son los conjugados de y 1 y y 2 .

y = ( 1,1 + 2)
a)

Para los vectores x = (i,2 i) y

Obtener el ngulo que forman los vectores x y y .

27 de 27

Tema 2

lgebra Lineal (Espacios vectoriales)

Solucin:

(x y ) = [(i,2 i)( 1,1 + 2 )]

i

= i( 1) + 2(2 i)(1 2i)

= i + (4 2i)(1 2i)
= i + 4 8i 2i + 4i2
= i + 4 10i 4

= 11i

( )

R x y = 0
x = (x x = [(1,2 i)(1,2 i)])
2

= 1 + 2(2 i)(2 + i)

= 1 + 2(4 + 2i 2i 4i2 )
= 1 + 10
= 11
x = 11

( )

y = y y = [( 1,1 + 2i)( 1,1 + 2i)]

2

= 1 + 2(1 + 2i)(1 2i)

= 1 + 2(1 2i + 2i 4i2 )

= 1 + 2(1 + 4 )
= 11
y = 11
Cos

( )=

xy
x y

0
11 11

0
90

28 de 28

Tema 2

lgebra Lineal (Espacios vectoriales)

Ortogonalidad

( )

En un EV con producto interno dos vectores u , v V son ortogonales si u v = 0

como u 0, v 0

cos =
=

(u v ) =
uv

0
uv

= 90
2

Definicin
Sea V un EV con p.i. y sea S = {v1, v 2 ,..., vn} un conjutno de vectores de V. Se dice
que S es ORTOGONAL cuando vi v j = 0 i j , si adems vi = 1 el conjunto es

( )

ORTONORMAL.
Teorema
Sea V un EV con p.i. y sea B = {e1, e 2 ,..., e n } una base ortogonal. Entonces
u V

(v )

= i donde

i =

(v e )
i

(e e )
i

Si B es una base ortonormal

i = (v ei )

Proceso de Gram-Schmit
Sea

G = (v1, v 2, ..., v3 ) un conjunto que genera a V. El procedimiento construye

Go = (w1, w 2, ..., w 3 ) que tambin genera a V. La idea es formar uno a uno los vectores
de Go
29 de 29

Tema 2

lgebra Lineal (Espacios vectoriales)

w 1 = v1
v 2 = 1 v 1 + w 2
w 2 = v 2 1 v 1 = v 2 1 w 1
1 =

(v
(w

w 1)
1 w 1)

w 2 = v2

(v w )
(w w ) w
(v w )

(w w )
2

w i = vi

i1

K =1

para

i = 1,2...., n

30 de 30

Tema 2

lgebra Lineal (Espacios vectoriales)

Ejemplo:
Obtener

una

base

ortonormal

del

EV

A = {v1, v 2, v 3} = {(1, 0, 1), ( 2, 1, 1), ( 1, 1, 0 )}

generado

por

los

vectores

Solucin
Obtener G = (w1, w 2, ..., w 3 )

1)

= v1
= (1,0, 1 )
= v

(v
(w

2
1

)
)w

w 1 ) = [( 2 )(1 )(1,0, 1 )]
= 2 1 = 3

(v

w1) = [(1,0,1)(1,0,1)]
= 1+ 1 = 2

(w

3
(1,0,1)
2
= ( 2,1,1) + 3 ,0, 3
2
2
= 1 1, 1
2,
2
w 2 = ( 2,1,1)

w 3 = v3

(v
(w

3
1

w 1)

w 1)

w1

(v
(w

3
2

w 2)

w 2)

w2

w 1) = [( 1,1,0 )(1,0, 1)]

= 1 + 0 + 0 = 1

(v

1
1
,1,

w 3 ) = ( 1,1,0 )
2
2

1
3
= + 1+ 0 =
2
2

(v

31 de 31

Tema 2

lgebra Lineal (Espacios vectoriales)

1 1 1 1
w 3 ) = ,1, ,1,
2 2
2
2
1
1 3
= + 1+ =
4
4 2
3

(
1)
2 1

(
)
(
)
1,1,0
1,0,
1
=

w3

3 2,1,
(2)
2
2

(w

( )
( )

1
1 1 1
= ( 1,1,0 ) + ,1, + ,1,
2 2
2
2
= ( 1,1,0 ) + (1,1,0 )
= (0,0,0 )

1 1
Go = (1,0,1), ,1, , (0,0,0 )
2
2

1 1
B = (1,0,1), ,1,
2
2

e1 =

(w

1
w1

w1

w1) = 2

Base ortogonal

e2 =

1
w2

w2

w2 2
1
(1,0,1)
e1 =
2
(w 2 w 2 ) = 3
2

32 de 32

Tema 2

w2 =
e2 =

lgebra Lineal (Espacios vectoriales)

3
2
2 1 1
,1,
3 2
2

1
2 1

, ,
e2 =
3
6
6

1
1 1 2 1
1

,0,
, ,
,
B = {e1, e2} =
3
2
2
6
6

BASE ORTONORMAL

33 de 33