Espacios vectoriales.

4.1 Definicin de espacio vectorial.

Un espacio vectorial (o espacio lineal) es el objeto bsico de estudio en la rama de
la matemtica llamada lgebra lineal. A los elementos de los espacios vectoriales se les
llama vectores. Sobre los vectores pueden realizarse dos operaciones: la multiplicacin por
escalares y la adicin (una asociacin entre un par de objetos). Estas dos operaciones se
tienen que ceir a un conjunto de axiomas que generalizan las propiedades comunes de las
tuplas de nmeros reales as como de los vectores en el espacio eucldeo.
Un concepto importante es el de dimensin.
Histricamente, las primeras ideas que condujeron a los espacios vectoriales modernos se
remontan al siglo XVII: geometra analtica, matrices y sistemas de ecuaciones lineales. La
primera formulacin moderna y axiomtica se debe a Giuseppe Peano, a finales del siglo
XIX. Los siguientes avances en la teora de espacios vectoriales provienen
del anlisis funcional, principalmente de los espacios de funciones. Los problemasde
Anlisis funcional requeran resolver problemas sobre la convergencia. Esto se hizo
dotando a los espacios vectoriales de una adecuada topologa, permitiendo tener en cuenta
cuestiones de proximidad y continuidad. Estos espacios vectoriales topolgicos, en
particular los espacios de Banach y los espacios de Hilbert tienen una teora ms rica y
elaborada.
Vector fijo

Elementos de un vector
Direccin de un vector
La direccin del vector es la direccin de la recta que contiene al vector o de cualquier recta
paralela a ella.
Sentido de un vector

Mdulo de un vector

El mdulo de un vector es un nmero siempre positivo o cero.

Mdulo de un vector a partir de sus componentes

Mdulo a partir de las coordenadas de los puntos

Coordenadas de un vector

Si las coordenadas de los puntos extremos, A y B, son:

Clases de vectores
Vectores equipolentes

Dos vectores son equipolentes cuando tienen igual mdulo, direccin y sentido.
Vectores libres

El conjunto de todos los vectores equipolentes entre s se llama vector libre. Es decir los
vectores libres tienen el mismo mdulo, direccin y sentido.
Vectores fijos

Un vector fijo es un representante del vector libre. Es decir, los vectores fijos tienen el
mismo mdulo, direccin, sentido y origen.
Vectores ligados

Los vectores ligados son vectores equipolentes que actan en la misma recta. Es decir, los
vectores fijos tienen el mismo mdulo, direccin, sentido y se encuentran en la misma
recta.

Vectores opuestos

Los vectores opuestos tienen el mismo mdulo, direccin, y distinto sentido.

Vectores unitarios

Los vectores unitario tienen de mdulo, la unidad.

Para obtener un vector unitario, de la misma direccin y sentido que el vector dado se
divide ste por su mdulo.

Vectores concurrentes

Los vectores concurrentes tienen el mismo origen.

Vector de posicin

Vectores linealmente dependientes

Varios vectores libres del plano son linealmente dependientes si existe una combinacin
lineal de ellos que sea igual al vector cero, sin que sean cero todos los coeficientes de la
combinacin lineal.

Varios vectores libres son linealmente independientes si ninguno de ellos se puede expresar
como combinacin lineal de los otros.

Vectores ortogonales

Dos vectores son ortogonales o perpendiculares si su producto escalar es cero.

Vectores ortonormales

Dos vectores son ortonormales si:

1. Su producto escalar es cero.

2. Los dos vectores son unitarios.

4.2 Definicin de subespacio vectorial y sus propiedades.

Definicin:
Sea V un espacio vectorial y W un subconjunto no vaco de V. Si W es unespacio vectorial con respecto de
las operaciones en V, entonces W es un subespacio de V
Definicin. Sea H un subconjunto de un espacio vectorial V y supongamos que H es en s
un espacio vectorial con las operaciones de suma y multiplicacin escalar definidas
sobre V. Se dice entonces que H es un subespacio de V.
Teorema. Un subconjunto no vaco H de un espacio vectorial V es un subespacio de V si
las dos reglas de cerradura valen:
Reglas para verificar si un subconjunto es un subespacio
i. Si x H y y H, entonces x + y H.
ii. Si x H, entonces x H para todo escalar
Demostracin. Para demostrar que H es un espcacio vectorial, debemos verificar que los
axiomas de los espacios vectoriales cumplen con las operaciones de la suma vectorial y
multiplicacin escalar definidas en V. Las dos operaciones de cerradura se cumplen por
hiptesis. Puesto que los vectores en H tambin estn en V, las leyes asociativa,
conmutativa, distributiva y la del neutro multiplicativo se satisfacen. Ahora,
si x H entonces 0x H, debido a la hiptesis (ii). Pero por el teorema de espacios
vectoriales (parte ii), 0x = 0. Consecuentemente 0 H y el axioma (iii) se cumple.
Finalmente, de la parte (ii) tenemos que (-1)x H para todo x H. Por el teorema de
espacios vectoriales (parte iv), -x = (-1)x H, de tal forma que el axioma (iv) tambin se
cumple y con ello concluimos la demostracin.
Este teorema nos dice que para probar que H es un subespacio de V, nos basta con verificar
que:
x + y y x estn en H, siempre que x y y estn en H y sea un escalar.
La demostracin anterior contieen un resultado importante que debe mencionarse
explcitamente:
Todo subespacio de un espacio vectorial V contiene al 0.

Este resultado nos permitir ver fcilmente si un subespacio particular V no es un espacio

vectorial. Esto es, si un subconjunto no contiene al 0, entonces no es un subespacio.
Ejemplo 1.
Para todo espacio vectorial V, el subconjunto |0| que contiene solamente el vector cero, es
un subespacio puesto que 0 +0 = 0 y 0 = 0 para todo nmero real ; se le conoce como el
subespacio trivial.
Ejemplo 2
V es un subespacio de s mismo para todo espacio vectorial V.
Subespacio propio. Los primeros dos ejemplos nos muestran que todo espacio
vectorial V contiene dos espacios vectoriales, |0| y V (a menos que V=|0|). Desde luego, es
mucho ms interesante encontrar otros subespacios. Los subespacios que no son ni {0}
ni V se conocen como subespacios propios.
Teorema. Sean H1 y H2 subespacios de un espacio vectorial V. Entonces H1H2 es un
subespacio de V.
Demostracin. Sean x1 H1H2 y x2. Entonces, dado que H1 y H2 son
subespacios, x1 + x2 H1 y x1 + x2 H2. Esto es, x1 + x2 H1H2. Anlogamente,
x1H1H2. De esta manera se satisfacen los dos axiomas de cerradura y por lo
tanto H1H2, es un subespacio

4.3 Combinacin lineal. Independencia lineal.

Un vector w se denomina combinacin lineal de los vectores v1, v2,.vn
Si se puede expresar de la forma
W = k1 v1 + k2 v2 + k3 v3 +.+ kn vn
donde k1 , k2 k3
kn son escalares.
Este conjunto de vectores se denota como
gen S gen ={ v1
, v2 ,v3 . vn }
Ejemplo
1.-Todo vector v={a, b, c } en R3 se puede expresar como una combinacin de los vectores
estndar bsicos

i=(1,0,0) , j=(0,1,0) , k=(0,0,1)

v= (a, b, c) = a (1,0,0) + b (0,1,0) + c (0,0,1) = ai + bj +ck
2.- Considerar los vectores u=(1,2,-1), y v=(6,4,2) en R3. Demostrar que w=(9,2,7) es una
combinacin lineal de u y v, y que w=(4,-1,8) no lo es.
Hay que encontrar los escalares que satisfacen la ecuacin siguiente:
W= k1 u + k2 v
1.
(9,2,7)= k1 (1,2,-1) + k2 (6,4,2)

(9,2,7)= (1 k1, 2 k1,-1k1) + (6 k2 ,4 k2 ,2 k2 )

Igualando

9= k1 +6k2
2= 2k1 +4k2
7 = -k1 +2k2
Resolviendo el sistema k1 = -3 k2 = 2
La respuesta es:
W= -3 u +3 v
(4,-1,8)= k1 (1,2,-1) + k2 (6,4,2)
(4,-1,8)= (1 k1, 2 k1,-1k1) + (6 k2 ,4 k2 ,2 k2 )
Igualando
4= k1 +6k2
-1= 2k1 +4k2
8= -k1 +2k2

1.
Resolviendo el sistema se llega a la conclusin que es inconsistente, por lo tanto no
es combinacin lineal.

Ejercicio
1.-Determinar si el vector v pertenece a gen = { v1 v2,v3} donde
V1=(1,0.0,1) v2=(1,-1,0.0) v3=(0,1,2,2)

1.

V=(-1,4,2,2)

2.

V =(1,2,01)

3.

V=(-1,1,4,3)

4.

V=(0.1.10)

2.- Cual de los siguientes vectores son combinacin lineales de

1.
Resolviendo el sistema se llega a la conclusin que es inconsistente, por lo tanto no
es combinacin lineal.
Ejercicio
1.-Determinar si el vector v pertenece a gen = { v1 v2,v3} donde
V1=(1,0.0,1) v2=(1,-1,0.0) v3=(0,1,2,2)

1.

V=(-1,4,2,2)

2.

V =(1,2,01)

3.

V=(-1,1,4,3)

4.

V=(0.1.10)

2.- Cual de los siguientes vectores son combinacin lineales de

Independencia Lineal.
Los vectores v1, v2, ..vn de un espacio vectorial son linealmente dependientes si existen
constantes c1, c2,..cn no todas iguales a cero que satisfagan la siguiente expresin (son
dependientes si aparte del cero hay otras respuestas, se recuerda que el sistema de
ecuaciones generado en esta ocasin es homogneo):
C1 v1 + c 2v2+cn vn =0
En caso contrario se dice que v1, v2, ..vn son linealmente independientes.Es decir que se
debe cumplir la ecuacin anterior y los valores de c1 = c2=.=.cn=0. La nica posibilidad
de combinacin lineal de ellos es que sean iguales a cero.
Ejemplo:
Determinar si los vectores (-1,1,0,0) y (-2,0,1,1) son linealmente independientes entre si.
Formando la ecuacin
C1 (-1,1,0,0) + c2 (-2,0,1,1)=(0,0,0,0)
-c1 -2c2 =0
C1+ 0c2 =0
C2=0

C2=0
La nica solucin de este sistema es c1 = c2=0
Otro mtodo para resolver este tipo de ejercicios es el siguiente:
Cada vector es una fila de una matriz a la cual se le escalonar por eliminacin gaussiana.
Retomando el ejemplo anterior

-2f1 +f2 f2

Se puede llegar a la conclusin que son linealmente independientes, ya que se pudo

escalonar la matriz. De caso contrario que una de las filas de la matriz se anulara la
conclusin sera dependencia lineal.
2.- Considerando los vectores
p1 (t)= t2 + t + 2 p2 (t)= 2t2 + t p3 (t)= 3t2 + 2t + 2
son linealmente independientes o no

Como se anul la tercera fila esto indica dependencia lineal entre los vectores.

Nota: este espacio vectorial se refiere a polinomios de segundo orden, donde se deben
agrupar por el grado, es decir lineales con lineales, independientes con independientes y los
elementos que no encuentran presentes se les deben colocar cero (0).
4.4 Base y dimensin de un espacio vectorial, cambio de base.
Las bases revelan la estructura de los espacios vectoriales de una manera concisa. Una base
es el menor conjunto (finito o infinito) B = {vi}i I de vectores que generan todo el
espacio. Esto significa que cualquier vector v puede ser expresado como una suma
(llamada combinacin lineal) de elementos de la base
a1vi1 + a2vi2 + ... + anvin,
donde los ak son escalares y vik (k = 1, ..., n) elementos de la base B. La minimalidad, por
otro lado, se hace formal por el concepto deindependencia lineal. Un conjunto de vectores
se dice que es linealmente independiente si ninguno de sus elementos puede ser expresado
como una combinacin lineal de los restantes. Equivalentemente, una ecuacin
a1vi1 + ai2v2 + ... + anvin = 0
slo se consigue si todos los escalares a1, ..., an son iguales a cero. Por definicin cada
vector puede ser expresado como una suma finita de los elementos de la base. Debido a la
independencia lineal este tipo de representacin es nica. Los espacios vectoriales a veces
se introducen desde este punto de vista.
Todo espacio vectorial tiene una base. Este hecho se basa en el lema de Zorn, una
formulacin equivalente del axioma de eleccin. Habida cuenta de los otros axiomas de
la teora de conjuntos de Zermelo-Fraenkel, la existencia de bases es equivalente al
axioma de eleccin. El ultrafilter lemma, que es ms dbil que el axioma de eleccin,
implica que todas las bases de un espacio vectorial tienen el mismo "tamao", es
decir,cardinalidad. A sta, se le llama la dimensin del espacio vectorial, representada por
dim V. Si el espacio es generado por un nmero finito de vectores, todo lo anterior puede
demostrarse sin necesidad de acudir a la teora de conjuntos.
La dimensin de un espacio de coordenadas Fn es n, pues cualquier vector (x1, x2, ..., xn)
puede expresarse de forma nica como combinacin lineal de n vectores
(llamados vectores coordenadas) e1 = (1, 0, ..., 0), e2 = (0, 1, 0, ..., 0), a en = (0, 0, ..., 0,
1), es decir, la suma
x1e1 + x2e2 + ... + xnen,
La dimensin de los espacios de funciones, como por ejemplo el espacio de funciones
definidas en algn intervalo acotado o no, es infinita. Bajo unas adecuadas asunciones de
regularidad de los coeficientes involucrados, la dimensin del espacio de soluciones de
una ecuacin diferencial ordinaria homognea es igual al grado de la ecuacin. Por
ejemplo, la ecuacin anterior tiene grado 2. El espacio de soluciones est generado por ex
y xex (que son linealmente independientes en R), por lo que la dimensin de este espacio es
dos.

La dimension (o grado) de una extensin como por ejemplo Q(z) sobre Q depende de si z
es o no algebraico, i.e. satisface una cierta ecuacin polinomial
qnzn + qn1zn1 + ... + q0 = 0, con coeficientes racionales qn, ..., q0.
Si es algebraico, la dimensin es finita. Es ms, es igual al grado delpolinomio mnimo del
que z es raz. Por ejemplo,el conjunto de los nmeros complejos es un espacio vectorial
bidimensional sobre los nmeros reales, generado por 1 y la unidad imaginaria i. sta
ltima cumple i2 + 1 = 0, una ecuacin de grado dos. Si z no es algebraico, la dimensin es
infinita. As, para z = no existe dicha ecuacin, pues estrascendente.

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

. En R3 se escribieron los vectores en trminos

de

. Ahora se generalizara esta idea.

BASEUn 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 canonica en Rn. Ahora se encontraran
bases para otros espacios.

EJEMPLO: base canonica 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
cononica para M22.
TEOREMA: si
nico de escalares

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

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 bse. 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

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 numero 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)

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 numero 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 algebra lineal.

DIMENSIN
Si el espacio vectorial V tiene una base con un numero finito de elementos, entonces la
dimensin de V es el numero 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.

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 mas 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 mas 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,

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 eun 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
Para ver esto observe que si (8)

. Esto

, u donde linealmente independientes.

Entonces

porque de lo contrario podramos escribir u como una combinacin

lineal de

dividiendo la ecuacin (8) entre

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

Lo que significa que

y poniendo todos
entonces (8) es

ya que los v son linealmente

independientes. Ahora sea W=gen{

,u}. como todos los vectores entre las

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

,u son linealmente
independientes, forman una base para W, y dimW=n+1. Pero por el teorema, dimWn. esta
contradiccin muestra que no existe el vector uV tal que ugen{
As,

}.

genera a V y, por lo tanto, constituye una base para V.

CAMBIO DE BASE

En R2 se expresaron vectores en trminos de la base cannica

se defini la base canonica

. En Rn

. 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 mas conveniente alguna otra
base. Existe un numero 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 vera como cambiar de una base a otra mediante el calculo de cierta matriz.

Iniciaremos por un ejemplo sencillo. Sean u

. entonces,

es la base canonica 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

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

este hecho, se escribe

c2 tales que (1)

Como B es otra base en R2, existen escalares c1 y

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,

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 numero complejo nico (u,v), denominado producto
interno de u y v, tal que si u, v y w estn en V y C, entonces

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

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

EJEMPLO: producto interno de dos vectores en C3

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

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

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 esta dada por (6)

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, esta 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 h H, p H, 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).

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 numero 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|, esta dada por (8)

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 pasios para esta construccion, se observa el
hecho sencillo de que un conjunto de vectores linealmente independiente no contiene al vector
cero.

Paso 1. Eleccion del primer vector unitario

Sea (12)

Entonces

De manera que |u|=1.

Paso 2. Eleccion de un segundo vector ortogonal a u

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

este caso

es la ortogonal a v. en

es la proyeccion de u sobre v. esto se ilustra en la siguiente figura.

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,

para cualquier vector v.

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

manera

lo que contradice la independencia de v1 y v2.

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,

As,

es un conjunto linealmente independiente, ortogonal y v k+10.

Paso 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

subespacio de gen
iguales.

es un

y como cada espacio tiene dimensin k, los espacio son