2.

ALGEBRA LINEAL
(2.1_AL_T_062, Revisin: 28-03-06, C12)

2.1 CONCEPTOS FUNDAMENTALES: ESPACIOS VECTORIALES,

BASES, DIMENSIONES.
2.1.1 INTRODUCCIN.
Notacin: utilizamos abecedario latino para vectores, griego para escalares (nmeros).
x

x = 1i + 2 j es un vector en 2-D

1 , 2

son reales (podran ser complejos)

i & j son vectores base Esto es nicamente un sistema de etiquetas para distinguir a
1
de 2 .

De manera alternativa, podemos definir al vector x = (1 , 2 ) , i.e., como un par ordenado de

nmeros. En general, si tenemos un sistema con n-grados de libertad, podemos extender
esta descripcin a n-adas.
Consideremos, por ejemplo, el siguiente problema:
x = (1 , 2 ,... n ) , 5 = fnc (1 , 2 , 3 , 4 )

4
1

en este ejemplo, x = (1 , 2 , 3 , 4 ) , es un vector que nos da los nmeros ordenados 1 ,... n

que nos permite describir el estado del sistema.
En lgebra lineal nos interesa definir 4 operaciones fundamentales con los vectores:
Si x = (1 , 2 ,..., n ) , y = (1 , 2 ,n ) , entonces definimos:

Suma de vectores: x + y (1 , +1 , 2 + 2 , n + n )

Multiplicacin de un vector por un escalar: x (1 , 2 ,..., n )

Producto Interno (producto punto): ( x, y ) = x y = xiy j j conjugado

82

Longitud de un vector (norma): x

2
j

Notas:
1) Los escalares , , pertenecen a un campo que podr ser el campo de los reales
( , , R ) , o bien, el campo de los complejos ( , , ) .
2) Para permitir que , ,

utilizamos j en el producto interno y j en la

2

j = j j si j

longitud, i.e.:

j = j2

si j

3) No se ha definido la multiplicacin de vectores, slo multiplicacin por un escalar.

4) Se puede definir el ngulo entre 2 vectores a travs del producto interno & longitud:

1 , 2 ,1 ,2
2

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

( x, y ) = 11 + 22

= x cos y cos + x sen y sen

= x y ( cos cos + sen sen )

= x y cos ( ) = x y cos

1
cos

Si demostramos que

( x, y )

( x, y )
x y

x y entonces tenemos una definicin para el ngulo entre

dos vectores. Esta desigualdad es la desigualdad de Schwarz y se ver posteriormente. De

cualquier manera, llamamos a dos vectores ortogonales si ( x, y ) 0 .

Ejemplo 1. Si definimos los vectores

x = ( 2,1, 3, 0 )
y = (1,3,3, 2 )
z = (1, 2, 0,5 )

x + y = ( 3, 4, 0, 2 ) , 3x = ( 6,3, 9, 0 ) , x = 14,
(x, y ) = 4 (x, z ) = 0 x z xz =

y = 23 ,

; cos xy =

83

4
14 23

0.223, xy = 103

2.1.2 ESPACIOS VECTORIALES.

Un conjunto de vectores S es un espacio vectorial si los vectores en S cumplen con 4
condiciones:

(i)

Est definida la suma de vectores tal que:

x, y S x + y S
Si
(cierre bajo suma)
(suma es conmutativa)
adems x + y = y + x
(suma es asociativa)
(x + y) + z = x + (y + z)

(ii)
(iii)

S contiene el vector cero 0, tal que x + 0 = x, x S

Para cada x S " x " x + ( x ) = 0, ( x - y x + (-y) )
Est definida la multiplicacin por un escalar del campo F, i.e.,
x, y S , , F , x S .
Adems :
( x ) = ( ) x

(iv)

( + ) x = x + x

(x + y ) = x + y
1x = x, 0x = 0
Si
Si

F=
F=

espacio vectorial

espacio vectorial real

espacio vectorial complejo

Ejemplo 2. Consideremos el espacio de las n-adas : x = (1 ,..., n ) , y = (1 ,..., n ) . Si

definimos:
x + y (1 + 1 ,..., n + n )
0 ( 0,..., 0 )
-x ( 1 ,..., n )

tenemos un espacio vectorial. Adems se puede demostrar que x + y = y + x , pues

j + j = j + j para cualquier nmero real o complejo. El resto de las condiciones
pueden demostrarse de manera similar.
Si definimos ahora x + y (1 + 21 ,..., n + 2 n ) , no tenemos un espacio vectorial ya que
1
x + y = y + x , i.e., x + y y + x .
2

2.1.3 ESPACIOS EUCLIDEANOS.

Para poder hablar de longitudes de vectores y ngulos entre vectores, definimos el producto
interno (producto punto o producto escalar).

DEFINICIN. El producto interno cumple con las siguientes propiedades:

(i) ( x, y ) = ( y, x ) Simetra conjugada.

84

(ii) ( x + y , z ) = ( x, z ) + ( y, z ) Linealidad.

( x, x ) > 0, x 0
(iii)
( x, x ) = 0 x = 0
Ntese que

( x, y ) = ( y , x ) = ( y , x ) = ( y , x ) = ( x, y )

En la notacin de Dirac (Fsicos): z x + y = z x + z y

DEFINICIN. Un espacio vectorial es un ESPACIO EUCLIDIANO si tiene definido un

producto interno.
DEFINICIN. La LONGITUD o NORMA de un vector, x , cumple con:

x = x

(i)

x+y

x > 0, x 0

(ii)

x =0x=0

(iii)

x
x + y x + y Desigualdad del tringulo (de Minkowsky)

Ejemplo 3. Para el espacio vectorial de n-adas (n-tuplos) se pueden considerar normas del
tipo:
1/ p

p
n
x j
1

Comnmente se utilizan:

p =1 x j
1

1/ 2

2
n
p = 2 x j
1

P = x = max j

j NORMA EUCLIDIANA
1

i j n

DEFINICIN. Distancia entre dos vectores: d (x, y ) x - y

DEFINICIN. Una secuencia x n , n = 1, 2,... converge a x si > 0 N ( ) tal que
x xn < ,

n > N , lim x n = x, o bien : xn x .

n

DESIGUALDAD DE SCHWARZ. Esta desigualdad establece que:

( x, y ) ( x, x ) ( y, y )

85

La demostracin puede hacerse utilizando las propiedades del producto interno:

Sabemos que ( x + y , x + y ) 0

) (

( x + y, x + y ) = ( x, x + y ) + ( y, x + y ) = x + y, x + x + y, y

( ) ( ) ( )

( )

= x, x + y, x + x, y + y, y

= ( x, x ) + ( x, y ) + ( y, x ) + ( y, y ) 0

En general = a + bi . Ntese que esta desigualdad se cumple para cualquier , aunque

este nmero puede optimizarse, i.e., podemos considerar una funcin de (a,b) y minimizar
la funcin. Definamos entonces:
f (a, b) = (x, x) + (a ib)(x, y ) + (a + ib)(y, x) + (a 2 + b 2 )(y, y ) 0
( x, y ) + ( y , x )
f

= (x, y ) + (y , x) + 2a (y , y ) = 0 a = 2(y , y )

f
i [ (x, y ) (y , x) ]

= i (x, y ) + i (y , x) + 2b(y , y ) = 0 b =
b

2(y , y )
2 f 2 f
Ntese que
=
= 2(y , y ) > 0, por lo que f(a,b) es un mnimo.
a 2 b 2
(x, y ) (y , x) (x, y ) + (y, x)
( x, y )
= a + ib =
=
2(y , y )
(y, y )
( x, y ) ( y , x ) + ( x, y ) + ( y , x )
( y , x)
=
= a ib =
2(y , y )
(y , y )

(x, x)

( y , x)
(x, y )
(x, y )(y , x)
(y, y ) 0
(x, y )
( y , x) +
(y , y )
(y , y )
(y, y )2

(x, x)(y, y ) (y, x)(x, y )

(x, x)(y , y ) (y , x)(x, y ) = (x, y )(x, y ) = (x, y )

( x, y ) ( x, x ) ( y , y )

2.1.4 DEPENDENCIA LINEAL, DIMENSIN Y BASES.

DEFINICIN. Los vectores x1 , x2 , xn son LINEALMENTE DEPENDIENTES (LD) si

escalares j, no todos cero, tal que:

1x1 + 2 x 2 + 3x3 + ... + n x n = 0

De otra manera, son LINEALMENTE INDEPENDIENTES (LI). Si son LD, al menos un
xj puede expresarse como una combinacin lineal de los dems.

Ejemplo 4. Si 2 0 x 2 = 1 x1 3 x3 ... n x n
2
2
2

86

DEFINICIN. Un espacio vectorial tiene DIMENSION n, si contiene un conjunto de n

vectores LI. Cualquier conjunto de n+1 vectores es LD.
DEFINICIN. Una BASE para un espacio vectorial es un conjunto de vectores LI,
e1 , e2 ,..., e n , tal que cualquier x al espacio puede ser expresado como una combinacin
lineal de ellos, i.e.:

x = 1e1 + 2e2 + ... + nen

La representacin en trminos de la base es NICA: supongamos por ejemplo que
representamos x = 1e1 + 2e2 + ... + nen . Sustrayendo ambas representaciones obtenemos:

(1 1 ) e1 + ( 2 2 ) e2 + ... + ( n n ) en = 0
Sabemos que los vectores base ej son LI j j = 0, j = j

Observacin: Si una base para el espacio tiene n vectores, entonces su dimensin debe ser
n, y viceversa.
Ejemplo 5. Para el espacio de las n-adas:
e1 = (1, 0,...0) Vectores LI en el espacio dado:
e 2 = (0,1,...0)
1e1 + 2e 2 + ... + n en = 0
( , ,..., ) = ( 0, 0,..., 0 )
1
2
n
e n = (0, 0,...,1)
1 = 2 = ... = n = 0
Adems:

x = (1 , 2 ,..., n )

al

espacio,

puede

expresarse

como:

x = 1e1 + 2e2 + ... + ne n , el conjunto es una base.

El espacio es n-dimensional (hay n vectores base). Este es el caso n-dimensional de la base
i , j, k , aunque NO ES LA NICA BASE POSIBLE en el espacio de las n-adas. La
eleccin de la base apropiada surge de manera natural a partir del problema en estudio
(solucin del problema de autovalores).
Una consecuencia importante de estos conceptos es que, dada una base e1 ,e2 , ...,en en
algn espacio n-dimensional, podemos expresar x al espacio como x = 1e1 + ... + nen .
Los escalares n se obtienen proyectando x con la base, i.e.:

87

( x,e1 ) = ( e1 , e1 ) 1 + ... + ( en ,e1 ) n

n

( x,e2 ) = ( e1 ,e2 ) 1 + ... + ( en ,e2 ) n ( x,ek ) = ( ei ,ek ) i ,

k =1
( x,en ) = ( e1 ,en ) 1 + ... + ( en ,en ) n

i = 1, 2,..., n

La solucin del sistema proporciona los valores para los escalares i . Encontrar la
solucin de esto puede ser complicado y/o tedioso cuando n es grande. Afortunadamente,
generalmente trabajamos con bases ortogonales, i.e., ( ei , e j ) = 0, i j . El sistema se
reduce entonces a:

( e1 ,e1 ) 1 = ( x,e1 ) = ( x,e j )

j

( e j ,e j )
( e2 , e2 ) 2 = ( x, e2 )

BASE ORTOGONAL
n
x,e
( j) e

x =
j

( en ,en ) n = ( x,en )
j =1 ( e j ,e j )

Cuando los vectores estn normalizados (i.e., son unitarios), se dice que la base es
ORTONORMAL (en este caso ( ei ,e j ) = ij ).

2.1.5 Ortogonalizacin de Gram-Schmidt

Supongamos que queremos obtener una base ORTOGONAL a partir de una base dada, e.g.,
la base {g1 , g 2 , ..., g n } , donde g1 0 . Para esto, podemos utilizar el proceso de
ORTOGONALIZACION DE GRAM-SCHMIDT:
1.- e1 = g1
2.- e2 = g 2 g1 = g 2 e1

Para que e1 y e2 sean LI y ortogonales: ( e 2 ,e1 ) = 0

( e 2 ,e1 ) = ( g 2 e1 ,e1 ) = ( g 2 ,e1 ) ( e1 ,e1 ) = 0

( g 2 ,e1 ) ,
( e1 ,e1 )

e2 = g 2

( g 2 ,e1 ) e
( e1 ,e1 ) 1

3.- e3 = g 3 e1 e2

( e3 ,e1 ) = ( g 3 e1 e2 ,e1 ) = ( g 3 ,e1 ) ( e1 ,e1 ) ( e2 ,e1 ) = 0

( g ,e )
= 3 1
( e1 ,e1 )
( e3 ,e2 ) = ( g 3 e1 e2 ,e2 ) = ( g 3 ,e2 ) ( e1 ,e2 ) ( e2 ,e2 ) = 0

88

( g 3 ,e2 )
( e2 ,e2 )
( g ,e ) ( g ,e )
e 3 = g 3 3 1 e1 3 2 e 2
( e1 ,e1 )
( e2 ,e2 )
=

Generalizando:

( g n ,ek )e
k
k =1 ( e k ,e k )
n 1

en = g n

ORTOGONALIZACIN DE
GRAM-SCHMIDT.

89

EJERCICIOS (Seccin 2.1)

1.- Usando la desigualdad del tringulo demostrar que
||x1++xn||||x1||++|xn||

2.- Muestre que la norma x = max

1 j n

satisface la desigualdad del tringulo.

3.- Expandir ( + x,y+z), donde , , , son escalares.

4.- Expandir x=(3,1 - i, 0), por cualquier mtodo, en trminos de:

a) e1 = (1,0,0), e2 = (1,1,0), e3 = (1,1,1)
b) e1 = (1,0,0), e2 = (0,1,0), e3 = (0,0,1)
c) e1 = (i,0,0), e2 = (0,i,1), e3 = (0,0,i)

5.- Demostrar que los siguientes vectores son bases para el espacio de los pares ordenados
(i.e., el espacio de dimensin dos).

a) e1 = (1,1), e2 = (1,-1)

b) e1 = (1,0), e2 = (1,1)

6.- Obtener bases ortonormales a partir de los siguientes vectores LI por medio del proceso
de Gram-Schmidt.

e1 = (0,1,0), e2 = (2,0,1), e3 = (1,1,1)

90