TEMA 2

Espacios vectoriales y espacios vectoriales

euclı́deos

Grado en Edificación
Departamento de
Matemática
Aplicada

1 / 48
Índice

1. Espacio vectorial. Subespacio vectorial. Subespacio complementario

1.1 Espacio vectorial
1.2 Subespacio vectorial

2. Combinación lineal. Espacio generado por un conjunto de vectores. Sistema

de generadores. Dependencia e independencia lineales
2.1 Combinación lineal. Espacio generado por un conjunto de vectores
2.2 Dependencia e independencia lineales

3. Base de un espacio vectorial. Dimensión. Coordenadas. Cambio de base

3.1 Base de un espacio vectorial
3.2 Dimensión de un espacio vectorial
3.3 Coordenadas
3.4 Cambio de base

2 / 48
Índice (cont.)

4. Ecuaciones paramétricas e implı́citas de un subespacio vectorial

4.1 Ecuaciones paramétricas
4.2 Ecuaciones implı́citas o cartesianas
4.3 Ejemplos de ecuaciones paramétricas y cartesianas

5. Producto escalar. Espacio vectorial euclı́deo

5.1 Producto escalar. Espacio vectorial euclı́deo

6. Base ortogonal y base ortonormal. Método de ortogonalización de

Gram-Schmidt. Complemento ortogonal
6.1 Base ortogonal y base ortonormal
6.2 Método de ortogonalización de Gram-Schmidt
6.3 Complemento ortogonal

7. Aproximación por mı́nimos cuadrados

7.1 Aproximación por mı́nimos cuadrados

3 / 48
1.1. Espacio vectorial (1)

Definición 1.1
Un espacio vectorial real V es un conjunto, cuyos elementos
denominaremos vectores, dotado de dos leyes de composición,
llamadas suma (+) y producto por un número real o producto por
escalares (·), que verifican las propiedades siguientes.
1. Asociativa de la suma.
(u + v ) + w = u + (v + w ), ∀u, v , w ∈ V
2. Conmutativa de la suma.
u + v = v + u, ∀u, v ∈ V
3. Existencia de elemento neutro para la suma.
∃ 0 ∈ V t.q. u + 0 = 0 + u = u, ∀u ∈ V
4. Existencia de elemento opuesto para la suma.
∀u ∈ V ∃ − u ∈ V t.q. u + (−u) = −u + u = 0

4 / 48
1.1. Espacio vectorial (2)

Definición 1 (1.1 cont.)

5. Distributiva respecto de la suma de vectores.
α(u + v ) = αu + αv , ∀α ∈ R, ∀u, v ∈ V
6. Distributiva respecto de la suma de reales.
(α + β)u = αu + βu, ∀α, β ∈ R, ∀u ∈ V
7. Pseudo-asociativa.
α(βu) = (αβ)u, ∀α, β ∈ R, ∀u ∈ V
8. Elemento identidad para el producto.
1u = u, ∀u ∈ V (1 ∈ R)

El espacio vectorial V se denota por (V ; +, ·).

5 / 48
1.1. Espacio vectorial (3)

Ejemplo 1.2
Son espacios vectoriales los siguientes conjuntos con las operaciones indicadas.
I El conjunto de n-uplas de Rn = {(x1 , . . . , xn ) | xi ∈ R, i = 1, . . . , n} con la
suma de vectores y el producto por un número real usuales.
I El conjunto de matrices Mn×m (R) con la suma de matrices y el producto
por un número real usuales.
I El conjunto Pn = {a0 + a1 x + · · · + an x n | a0 , a1 , . . . , an ∈ R} con la suma
de polinomios y el producto por un número real usuales.
I El conjunto de vectores x ∈ Rn tales que Ax = 0V , donde A ∈ Mn×m (R)
y 0V ∈ Rm es el vector nulo.
I El conjunto de funciones definidas en un intervalo f : [a, b] → R, con la
suma de funciones y el producto por un número real.

6 / 48
1.1. Espacio vectorial (4)

Resultado 1.3
Si V es un espacio vectorial, entonces se satisfacen las propiedades
siguientes.
I α0 = 0, ∀α ∈ R (0 ∈ V ).
I 0u = 0, ∀u ∈ V .
¡OJO! El 0 a la izquierda de la igualdad es un número real y el de la
derecha es un vector.
I Si αu = 0, entonces α = 0 ∈ R o u = 0 ∈ V .
I (−α)u = −(αu), ∀u ∈ V .

7 / 48
1.2. Subespacio vectorial. Subespacio complementario (1)

Definición 1.4
Sean V un espacio vectorial y U un subconjunto de V . Diremos
que U es un subespacio vectorial de V si U es un espacio vectorial
para las mismas leyes (suma y producto por un número real)
definidas en V .
Resultado 1.5
Sean V un espacio vectorial y U ⊆ V . Entonces U es un
subespacio vectorial de V si, y sólo si, se cumplen las propiedades
siguientes.
1. Para todo u, v ∈ U se verifica que u + v ∈ U.
2. Para todo u ∈ U y todo α ∈ R se verifica que αu ∈ U.

Resultado 1.6
Sean V un espacio vectorial y U ⊆ V . Entonces U es un
subespacio vectorial de V si, y sólo si, para cualesquiera u, v ∈ U y
para todo α, β ∈ R se verifica que αu + βv ∈ U.
8 / 48
1.2. Subespacio vectorial. Subespacio complementario (2)

Ejemplo 1.7
Veamos algunos ejemplos de subespacios vectoriales.
I Si V es un espacio vectorial, entonces {0} y V son subespacios
vectoriales de V (los llamados subespacios vectoriales triviales o
impropios). El resto se denominan subespacios propios o no triviales.
I Si V = Rn , el subconjunto {(0, x2 , . . . , xn )} (formado por los vectores de
V cuya primera componente es nula) es un subespacio vectorial.
I En V = Mn×n (R) son subespacios vectoriales
? el conjunto de las matrices triangulares inferiores;
? el conjunto de las matrices triangulares superiores;
? el conjunto de las matrices diagonales;
? el conjunto de las matrices simétricas (A = At );
? el conjunto de las matrices antisimétricas (At = −A);
? el conjunto de las matrices de traza nula.
I Si V = Pn , el conjunto U = {a0 + a2 x 2 + · · · + an x n } (formado por los
polinomios que no tienen término en x) es un subespacio de V .
I Si V = {f : [a, b] → R}, el conjunto U formado por las funciones
continuas en [a, b] es un subespacio vectorial de V .
9 / 48
1.2. Subespacio vectorial. Subespacio complementario (3)

Definición 1.8
Sea V un espacio vectorial y sean U1 y U2 subespacios de V .
I U1 + U2 := {v1 + v2 | v1 ∈ U1 , v2 ∈ U2 }.
I U1 ∩ U2 := {v ∈ V | v ∈ U1 , v ∈ U2 }.

Resultado 1.9
Sea V un espacio vectorial. Si U1 , U2 son subespacios vectoriales
de V , entonces U1 + U2 y U1 ∩ U2 también son subespacios
vectoriales de V .

Definición 1.10
Sean un espacio vectorial V y un subespacio vectorial suyo U. Se
denomina subespacio complementario de U a cualquier subespacio
vectorial U c ⊆ V tal que U + U c = V y U ∩ U c = {0}.

10 / 48
2.1. Combinación lineal. Sistema de generadores (1)

Definición 2.1
Sea V un espacio vectorial y sean v1 , . . . , vm vectores de V. Se
llama combinación lineal de dichos vectores a cualquier vector v
obtenido de la forma

v = α1 v1 + · · · + αm vm , α1 , . . . , αm ∈ R,

donde α1 , . . . , αm son los escalares de la combinación lineal.

Resultado 2.2
Sea S = {v1 , . . . , vm } un conjunto de m vectores. Entonces el
conjunto de vectores de la forma

v = α1 v1 + · · · + αm vm , α1 , . . . , αm ∈ R,

(esto es, las combinaciones lineales de vectores de S) es un

subespacio vectorial de V . Además, si U es un subespacio vectorial
de V tal que S ⊆ U, entonces L(S) ⊆ U.
11 / 48
2.1. Combinación lineal. Sistema de generadores (2)

Definición 2.3
El subespacio vectorial descrito en el Resultado 2.2 se denomina
espacio generado por S y es denotado por L(S).

Definición 2.4
Diremos que un conjunto de vectores S = {v1 , . . . , vm } ⊆ V es un
sistema de generadores (o conjunto generador) de un subespacio
vectorial U si todo vector u ∈ U se puede expresar de la forma
u = α1 v1 + · · · + αm vm para ciertos escalares α1 , . . . , αm ∈ R
(equivalentemente, si U es el espacio generado por S; esto es,
U = L(S)).

Observación 2.5
Un subespacio vectorial puede admitir un sistema de generadores
formado por infinitos vectores. Sin embargo, nosotros estamos
interesados en espacios vectoriales con sistemas de generadores
finitos.
12 / 48
2.1. Combinación lineal. Sistema de generadores (3)

Ejemplo 2.6
Un sistema de generadores de P[x] es {x n }∞
n=0 , que no es finito.

Observación 2.7
En este tema vamos a suponer que cualquier espacio vectorial V es
finitamente generado, es decir, que V admite un sistema de
generadores S finito (o sea, S está compuesto por número finito de
vectores).

Ejemplo 2.8
Sea {v1 , . . . , vm } un sistema de generadores de un espacio vectorial V .
Entonces también son sistema de generadores de V los siguientes conjuntos.
I {v1 , . . . , vi , . . . , vj , . . . , vm , vm+1 }, vm+1 ∈ V .
I {v1 , . . . , vj , . . . , vi , . . . , vm }.
I {v1 , . . . , αvi , . . . , vj , . . . , vm }, α ∈ R, α 6= 0.
I {v1 , . . . , vi + βvj , . . . , vj , . . . , vm }, β ∈ R.

13 / 48
2.2. Dependencia e independencia lineales (1)

Definición 2.9
I Diremos que los vectores {v1 , . . . , vm } de V forman un
conjunto linealmente independiente si, dada una combinación
lineal del tipo
α1 v1 + · · · + αm vm = 0,
entonces se cumple necesariamente que
α1 = α2 = . . . = αm = 0.

I En cualquier otro caso se dice que v1 , . . . , vm son linealmente

dependientes.

Resultado 2.10
Los vectores v1 , . . . , vn de V son linealmente dependientes si, y
sólo si, uno cualquiera de ellos es una combinación lineal de los
restantes.
14 / 48
2.2. Dependencia e independencia lineales (2)

Resultado 2.11
Sea {v1 , . . . , vm } un conjunto de vectores de V . Entonces se
verifican los resultados siguientes.
I Los vectores {v1 , . . . , vm , 0} son linealmente dependientes.
I Si los vectores {v1 , . . . , vm } son linealmente dependientes
entonces, para cualquier v ∈ V , los vectores {v1 , . . . , vm , v }
son linealmente dependientes.
I Si {v1 , . . . , vm−1 , vm } son linealmente independientes entonces
los vectores {v1 , . . . , vm−1 } son linealmente independientes.
I Si v1 6= 0 entonces {v1 } es un conjunto de vectores
linealmente independiente.

15 / 48
3.1. Base de un espacio vectorial

Definición 3.1
Se dice que un conjunto de vectores B = {v1 , . . . , vm } de V es una
base del espacio vectorial V si verifica las propiedades siguientes.
i) B = {v1 , . . . , vm } es un conjunto generador de V , esto es,
V = L(B).
ii) B es un conjunto de vectores linealmente independientes.

Resultado 3.2
Sean un espacio vectorial V y B = {v1 , . . . , vn } una base de V .
Entonces todo vector v ∈ V puede expresarse de forma única como
una combinación lineal de los vectores B.
Definición 3.3
Sea B = {v1 , . . . , vn } una base del espacio vectorial V . Si un vector
v ∈ V se expresa (de forma única) como v = a1 v1 + · · · + an vn ,
entonces los coeficientes a1 , . . . , an se denominan coordenadas de
v en la base B, denotándose por v = (a1 , . . . , an )B .
16 / 48
3.2. Dimensión de un espacio vectorial

Resultado 3.4
Dado un espacio vectorial V , todas las bases de V tiene el mismo
número de vectores.
Definición 3.5
Llamaremos dimensión de un espacio vectorial V al número de
vectores de cualquiera de sus bases.
Resultado 3.6
I Sea V un espacio vectorial de dimensión n y consideremos
S = {v1 , . . . , vm } (conjunto de m vectores linealmente
independientes de V ).
I Entonces existe un conjunto con n − m vectores de V ,
S 0 = {wm+1 , . . . , wn }, tal que {v1 , . . . , vm , wm+1 , . . . , wn }
es una base de V .
I Además, el subespacio vectorial L(S 0 ) es un subespacio
complementario de L(S).
17 / 48
3.3. Coordenadas

Resultado 3.7
Dado un espacio vectorial V , se verifican las propiedades
siguientes.
i) Las coordenadas de un vector en una base dada son únicas.
(¡OJO! Este es el Resultado 3.2).
ii) Los vectores
e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, . . . , 1) ∈ Rn
forman la llamada base canónica de Rn (denotada por Bc ).
iii) Las coordenadas del vector v = (a1 , . . . , an ) ∈ Rn en la base
canónica son sus componentes, es decir, v = (a1 , . . . , an )Bc .

Observación 3.8
La dimensión de Rn es n ya que la base canónica tiene n vectores.

18 / 48
3.4. Cambio de base (1)

Resultado 3.9
I Sean B = {v1 , . . . , vn } y B 0 = {v10 , . . . , vn0 } dos bases de un
espacio vectorial V de dimensión n y v ∈ V .
I Sea P la matriz cuyas columnas son las coordenadas de los
vectores de B en la base B 0 .
I Sean X = (x1 , . . . , xn ) y X 0 = (x10 , . . . , xn0 ) las coordenadas de
v en las bases B y B 0 , respectivamente.
I Entonces se cumple la igualdad X 0 = PX .

Definición 3.10
I La igualdad X 0 = PX (dada en Resultado 3.9) se denomina
ecuación del cambio de base de B a B 0 .
I La matriz P (descrita en Resultado 3.9) se denomina matriz
del cambio de base de B a B 0 .

19 / 48
3.4. Cambio de base (2)

Resultado 3.11
I Sean B = {v1 , . . . , vn } y B 0 = {v10 , . . . , vn0 } dos bases de un
espacio vectorial V de dimensión n y v ∈ V .
I Sea P la matriz formada por las coordenadas de los vectores
de B en la base B 0 (dispuestas por columnas).
I Entonces P −1 es la matriz del cambio de base de B 0 a B y
está constituida por las coordenadas de los vectores de B 0 en
la base B (dispuestas por columnas).
I Además, la ecuación matricial del cambio de base de B 0 a B
es X 0 = P −1 X .

20 / 48
4.1. Ecuaciones paramétricas (1)

A continuación vamos a describir qué son y cómo llegar a las ecuaciones

paramétricas de un subespacio vectorial.
I Sean V un espacio vectorial de dimensión n y BV = {v1 , v2 , . . . , vn } una
de sus bases.

I Sean U un subespacio vectorial de V de dimensión m < n y

BU = {u1 , u2 , . . . , um } una de sus bases.

I Si x ∈ U, entonces existen escalares λi , 1 ≤ i ≤ m, tales que

x = λ1 u1 + λ2 u2 + · · · + λm um . (1)

I Por otra parte, puesto que también x ∈ V , entonces existen escalares xi ,

1 ≤ i ≤ n, tales que

x = x1 v1 + x2 v2 + · · · + xn vn . (2)

I ¿Qué relación hay entre las coordenadas (x1 , . . . , xn )BV y las coordenadas
(λ1 , . . . , λm )BU ?

21 / 48
4.1. Ecuaciones paramétricas (2)

I Como cada vector ui pertenece al espacio vectorial V , entonces existen

escalares aij tales que

u1 = a11 v1 + a12 v2 + · · · + a1n vn ,

u2 = a21 v1 + a22 v2 + · · · + a2n vn ,
..
.
um = am1 v1 + am2 v2 + · · · + amn vn .

I Sustituyendo estas expresiones en (1), obtenemos

x = λ1 u1 + λ2 u2 + · · · + λm um
= λ1 (a11 v1 + a12 v2 + · · · + a1n vn )+
λ2 (a21 v1 + a22 v2 + · · · + a2n vn )+
..
.
λm (am1 v1 + am2 v2 + · · · + amn vn ).

22 / 48
4.1. Ecuaciones paramétricas (3)

I De donde,

x = (λ1 a11 + λ2 a21 + · · · + λm am1 )v1 +

(λ1 a12 + λ2 a22 + · · · + λm am2 )v2 +
..
.
(λ1 a1n + λ2 a2n + · · · + λm amn )vn .

I Ahora, teniendo en cuenta (2) y la unicidad de coordenadas (en una

misma base), deducimos que

x1 = λ1 a11 + λ2 a21 + · · · + λm am1 

x2 = λ1 a12 + λ2 a22 + · · · + λm am2 

.. . (3)
. 


xn = λ1 a1n + λ2 a2n + · · · + λm amn


Estas son las ecuaciones paramétricas de U (en la base BV ).

23 / 48
4.1. Ecuaciones paramétricas (4)

I En forma matricial, las ecuaciones paramétricas de U (en la base BV )

viene dadas por

···
    
x1 a11 a21 am1 λ1
x2  a12 a22 ··· am2   λ2 
.= . ..   ..  .
    
..
 ..   .. . .  . 
xn a1n a2n ··· amn λm

Ejemplo 4.1
Consideremos el subespacio vectorial de R4 dado por

U = L ({(2, 3, −1, 1), (0, 2, 1, 4), (4, 4, −1, −2), (2, 1, 0, −3)}) .

Calculemos sus ecuaciones paramétricas en la base canónica de R4 .

I Tomamos

u1 = (2, 3, −1, 1), u2 = (0, 2, 1, 4), u3 = (4, 4, −1, −2), u4 = (2, 1, 0, −3).

24 / 48
4.1. Ecuaciones paramétricas (5)

Ejemplo (4.1 cont.)

I Para calcular una base de U, formamos la matriz cuyas filas son los
vectores generadores de U y estudiamos su rango.
 
2 3 −1 1
0 2 1 4 
4 4 −1 −2 .
 

2 1 0 −3

I Mediante transformaciones elementales, obtenemos una forma escalonada

equivalente de dicha matriz.
     
2 3 −1 1 2 3 −1 1 2 3 −1 1
0 2 1 4  0 2 1 4 0 2 1 4
4 4 −1 −2 → 0
   → .
−2 1 −4 0 0 2 0
2 1 0 −3 0 −2 1 −4 0 0 0 0

I Observemos que las transformaciones en

? el primer paso han sido F3 − 2F1 y F4 − F1 ;
? el segundo paso fueron F3 + F2 y F4 − F2 .

25 / 48
4.1. Ecuaciones paramétricas (6)

Ejemplo (4.1 cont.)

I Por tanto, en la matriz resultante
? la primera fila corresponde al vector u1 y la segunda a u2 ;
? la tercera fila está asociada al vector (u3 − 2u1 ) + u2 y la cuarta a
(u4 − u1 ) + u2 .
I De esta forma,

U = L ({u1 , u2 , u3 + u2 − 2u1 , u4 + u2 − u1 })
= L ({(2, 3, −1, 1), (0, 2, 1, 4), (0, 0, 2, 0), (0, 0, 0, 0)})
= L ({(2, 3, −1, 1), (0, 2, 1, 4), (0, 0, 2, 0)}) .

I Como el rango de la matriz resultante es igual a tres, una base de U es

{(2, 3, −1, 1), (0, 2, 1, 4), (0, 0, 2, 0)} .

Por cierto, los vectores de la base están expresados en coordenadas

respecto de la base canónica de R4 .

26 / 48
4.1. Ecuaciones paramétricas (7)

Ejemplo (4.1 cont.)

I Si (x1 , x2 , x3 , x4 )T son las coordenadas de un vector de U, en la base
canónica de R4 , entonces
       
x1 2 0 0
x2 
  = λ1  3  + λ2 2 + λ3 0 , λ1 , λ2 , λ3 ∈ R.
     
x3  −1  1 2
x4 1 4 0

I Ası́, concluimos que

x1 = 2λ1




x2 = 3λ1 + 2λ2 
(4)
x3 = −λ1 + λ2 + 2λ3 



x4 = λ1 + 4λ2

son las ecuaciones paramétricas de U.

27 / 48
4.2. Ecuaciones implı́citas o cartesianas (1)

Veamos ahora qué son y cómo llegar a las ecuaciones implı́citas o

cartesianas de un subespacio vectorial.
I Consideremos un subespacio vectorial U de un espacio vectorial V .
I Supongamos que las ecuaciones paramétricas de U (con respecto a
cierta base BV ) vienen dadas por conjunto de n ecuaciones
paramétricas que involucran m parámetros.
I Entonces es posible despejar los parámetros de ciertas ecuaciones y
sustituirlos en las restantes, con lo que obtenemos n − m ecuaciones
en las que no aparecen los parámetros y que, además, constituyen
un sistema homogéneo.
I El conjunto de dichas n − m ecuaciones se conoce como ecuaciones
implı́citas o cartesianas de U.

28 / 48
4.2. Ecuaciones implı́citas o cartesianas (2)

Resultado 4.2
I Sea U = L(S) el subespacio vectorial generado por los
vectores del conjunto finito S linealmente independiente de un
espacio vectorial V .
I Entonces el número de ecuaciones cartesianas de U es igual a
dim V − dim U.

Ejemplo 4.3
I Aplicando el Resultado 4.2 al subespacio U del Ejemplo 4.1, tenemos que
el número de ecuaciones cartesianas de U es igual a 4 − 3 = 1.
I A partir de las ecuaciones paramétricas de U dadas en (4),
? λ1 = 21 x1 ;
? λ2 = 12 (x2 − 3λ1 ) = 21 x2 − 34 x1 ;
1
? λ3 = 2 (x3 + λ1 − λ2 ) = 21 x3 + 58 x1 − 14 x2 .

29 / 48
4.2. Ecuaciones implı́citas o cartesianas (3)

Ejemplo (4.3 cont.)

I Ahora, sustituyendo en la última ecuación de (4), tenemos que
x1
x4 = 2
+ 2x2 − 3x1 , de donde (tras operar adecuadamente)

5x1 − 4x − 2 + 2x4 = 0

es la ecuación cartesiana de U.

I Obtengamos el mismo resultado usando notación matricial. En efecto, la

matriz  
2 3 −1 1
0 2 1 4
M=
0

0 2 0
x1 x2 x3 x4
no debe alcanzar rango 4 (¿por qué?).
I Ası́, un vector cualquiera (x1 , x2 , x3 , x4 ) de U debe ser combinación lineal
de los vectores de la base {(2, 3, −1, 1), (0, 2, 1, 4), (0, 0, 2, 0)} de U.
I Imponiendo que det M = 0, resulta que 5x1 − 4x2 + 2x4 = 0 es la
ecuación cartesiana de U.

30 / 48
4.3. Ejemplos de ecuaciones paramétricas y cartesianas (1)

Ejemplo 4.4
I Siendo S = {(−1, 0, 2, 1), (3, 0, 0, −1), (1, 0, 4, 1), (0, 0, 6, 2)}, calculemos
una base de U = L(S), su dimensión y sus ecuaciones tanto paramétricas
como cartesianas.

I Efectuando transformaciones elementales en la matriz

 
−1 0 2 1
3 0 0 −1
A=
1
,
0 4 1
0 0 6 2

obtenemos la matriz equivalente (por filas)

 
1 0 −2 −1
0 0 3 1
 .
0 0 0 0
0 0 0 0

31 / 48
4.3. Ejemplos de ecuaciones paramétricas y cartesianas (2)

Ejemplo (4.4 cont.)

I Por tanto, una base de U es {(1, 0, −2, −1), (0, 0, 3, 1)}, su dimensión es
dim U = 2 y las ecuaciones paramétricas viene dadas por

x1 = λ




x2 = 0 
. (5)
x3 = −2λ + 3µ  


x4 = −λ + µ

I Despejando λ en la primera ecuación y µ en la cuarta, podemos sustituir

ambos parámetros en la tercera.
I Ası́, teniendo en cuenta la segunda ecuación del sistema (5) (que no tiene
parámetros), obtenemos las ecuaciones cartesianas de U,
)
x1 − x3 + 3x4 = 0
.
x2 = 0

32 / 48
4.3. Ejemplos de ecuaciones paramétricas y cartesianas (3)

Ejemplo (4.4 cont.)

I Veamos un modo diferente de obtener las ecuaciones implı́citas de U.
Para ello en el sistema (5) consideramos que λ, µ son las incógnitas.
 
−1 0 x1
I En tal caso, la matriz ampliada viene dada por  0 0 x2 

.
 2 3 x3 
1 1 x4
I Aplicando transformaciones elementales, tenemos la matriz escalonada
 
1 0 −x1
0 1 x1 + x4 
 .
0 0 −x1 + x3 − 3x4 
0 0 x2

I Como este sistema es compatible determinado (pues las coordenadas de

un vector cualquiera de U en la base calculada existen y son únicas),
deducimos que los dos últimos términos independientes deben ser nulos.
I Ası́ tenemos que las ecuaciones cartesianas de U son

x1 − x3 + 3x4 = 0
.
x2 = 0

33 / 48
4.3. Ejemplos de ecuaciones paramétricas y cartesianas (4)

Ejemplo 4.5
I Sea el subespacio vectorial de U ⊆ R4 con ecuaciones cartesianas

x1 − 2x2 + x4 = 0 
x1 − 3x3 + 2x4 = 0 .
x1 + 2x2 − 6x3 + 3x4 = 0


Calculemos las ecuaciones paramétricas, una base y la dimensión de U.

Por cierto, ¿pertenece el vector (1, 1, 1, 1) a este subespacio vectorial?

I Las ecuaciones paramétricas se pueden obtener como la solución del

sistema compatible indeterminado que constituyen las ecuaciones
cartesianas.
   
1 −2 0 1 0 1 0 −3 2 0
1 0 −3 2 0 −→ 0 1 − 32 21 0 .
1 2 −6 3 0 0 0 0 0 0

(¡Compruébese que la matriz reducida obtenida es correcta!).

34 / 48
4.3. Ejemplos de ecuaciones paramétricas y cartesianas (5)

Ejemplo (4.5 cont.)

I Por tanto, las ecuaciones paramétricas de U son

x1 = 3λ − 2µ 


x2 = 23 λ − 12 µ 

.
x3 = λ 



x4 = µ

I Ası́, B = {(6, 3, 2, 0), (4, 1, 0, −2)} es una base de U (¿por qué?) y

dim U = 2.
I Finalmente, podemos asegurar que el vector (1, 1, 1, 1) pertenece a U
puesto que verifica sus ecuaciones cartesianas.
I Otra forma de comprobar la pertenencia de (1, 1, 1, 1) a U es viendo que

1 1
(1, 1, 1, 1) = (6, 3, 2, 0) − (4, 1, 0, −2),
2 2
lo que equivale a decir que (1, 1, 1, 1) = 2 , − 12 B .
1

35 / 48
5.1. Producto escalar. Espacio vectorial euclı́deo (1)

Definición 5.1
Sea V un R-espacio vectorial. Un producto escalar en V es una
aplicación
h·, ·i : V × V → R
que verifica las siguientes propiedades.
1. hu, v i = hv , ui para todo u, v ∈ V .
2. hu, v + w i = hu, v i + hu, w i para todo u, v , w ∈ V .
3. hu, αv i = αhu, v i para todo u, v ∈ V y todo α ∈ R.
4. hu, ui ≥ 0 para todo u ∈ V .
5. hu, ui = 0 si, y sólo si, u = 0.

36 / 48
5.1. Producto escalar. Espacio vectorial euclı́deo (2)

Ejemplo 5.2
Veamos algunos ejemplos de productos escalares en los espacios vectoriales
indicados.
I hu, v i = u1 v1 + · · · + un vn , para cualesquiera u = (u1 , . . . , un ) y
v = (v1 , . . . , vn ) ∈ Rn .
Z b
I hf , g i = f (x)g (x)dx, para cualesquiera f , g ∈ C [a, b] (es decir, f , g
a
funciones continuas en [a, b]).
Z b
I En particular, hp, qi = p(x)q(x)dx, para cualesquiera p, q ∈ Pn y
a
[a, b] ⊂ R.
Pn Pm
I hA, Bi = i=1 j=1 aij bij , para cualesquiera A = (aij ), B = (bij ) ∈ Mn×m .

Definición 5.3
Un espacio vectorial V dotado de un producto escalar h·, ·i se
denomina espacio vectorial euclı́deo y se denota por (V ; h·, ·i).

37 / 48
6.1. Base ortogonal y base ortonormal (1)

Definición 6.1
Sean (V ; h·, ·i) un espacio vectorial euclı́deo y u, v ∈ V . Entonces
se define
p
I la norma del vector u como kuk = hu, ui;
I u , v ) ∈ [0, π]
el ángulo que determinan u y v como el ángulo (d
tal que
hu, v i
cos(d
u, v ) = .
kukkv k

Definición 6.2
I Decimos que dos vectores, u y v , son vectores ortogonales si
hu, v i = 0. Tal situación se denota por u ⊥ v .
I Un vector u se dice unitario si kuk = 1.

38 / 48
6.1. Base ortogonal y base ortonormal (2)

Definición 6.3
Sean (V ; h·, ·i) un espacio vectorial euclı́deo y B = {v1 , . . . , vn }
una base de V .
I Decimos que B es una base ortogonal de V si sus vectores son
ortogonales dos a dos; es decir, si hvi , vj i = 0 para todo i 6= j.
I Decimos que B es una base ortonormal de V si es una base
ortogonal y, además, todos sus vectores son unitarios; es decir,
si hvi , vj i = 0 para todo i 6= j, y kvi k = 1 para todo
i = 1, . . . , n.

Resultado 6.4
Sean (V ; h·, ·i) un espacio vectorial euclı́deo y B = {v1 , . . . , vn }
una base ortonormal de V . Entonces, se verifica que
u = hu, v1 iv1 + hu, v2 iv2 + · · · + hu, vn ivn para todo u ∈ V ;
es decir, (hu, v1 i, hu, v2 i, . . . , hu, vn i) son las coordenadas de u en
la base B.
39 / 48
6.2. Método de ortogonalización de Gram-Schmidt

Resultado 6.5 (Método de Ortogonalización de Gram-Schmidt)

Sean (V ; h·, ·i) un espacio vectorial euclı́deo y B = {v1 , . . . , vn }
una base dada de V .
I Los vectores {u1 , u2 , . . . , un } definidos por
u1 = v1 ,
hv2 ,u1 i
u2 = v2 − ku1 k2 1
u ,

u3 = v3 − hvku3 1,uk12i u1 − hvku3 2,uk22i u2 ,

..
.
hvn ,un−1 i
un = vn − hvkun 1,uk12i u1 − hvkunn,uk22i u2 − . . . − u ,
kun−1 k2 n−1

forman una base ortogonal de V .

n o
I Además, kuu11 k , . . . , kuunn k es una base ortonormal de V .

40 / 48
6.3. Complemento ortogonal (1)

Definición 6.6
Sean (V ; h·, ·i) un espacio vectorial euclı́deo y U un subespacio
vectorial de V .
I Un vector v ∈ V se dice ortogonal a U si es ortogonal a todo
vector de U, lo que se denota por v ⊥ U.

Resultado 6.7
Sean (V ; h·, ·i) un espacio vectorial euclı́deo y U un subespacio
vectorial de V .
I El conjunto U ⊥ formado por todos los vectores ortogonales a
U es un subespacio vectorial de V .
U ⊥ se denomina complemento ortogonal de U (respecto de V ).

41 / 48
6.3. Complemento ortogonal (2)

Ejemplo 6.8
I Sea S = {u1 , . . . , um } una base de U. Entonces, por linealidad, tenemos
que
v ⊥ U si, y sólo si, hv , ui i = 0 para todo i = 1, . . . , m.
Imponiendo estas m condiciones a un vector genérico v ∈ V obtendremos
las ecuaciones cartesianas de U ⊥ . Por tanto dim U ⊥ = n − m.

I Consideremos el subespacio vectorial U ⊆ R4 generado por los vectores

{(6, 3, 2, 0), (4, 1, 0, 2)}.
Entonces las ecuaciones cartesianas de U ⊥ son
)
6v1 + 3v2 + 2v3 = 0
.
4v1 + v2 − 2v4 = 0

Además, {(1, −4, 3, 0), (1, −2, 0, 1)} es una base de U ⊥ .

(Por cierto, ¿cómo se ha calculado dicha base? Hágase).

42 / 48
7.1. Aproximación por mı́nimos cuadrados (1)

I Sea (V ; h·, ·i) un espacio vectorial euclı́deo.

I Sea S = {u1 , . . . , um } ⊂ V un conjunto de vectores linealmente
independientes, U = L(S) y {um+1 , . . . , un } una base de U ⊥ .
I Si v ∈ V , entonces
v = a1 u1 + · · · + am um + am+1 um+1 + · · · + an un
y, por tanto, v = u + w con
u = a1 u1 + · · · + am um ∈ U,
w = v − u = am+1 um+1 + · · · + an un ∈ U ⊥ .

Definición 7.1
Sean (V ; h·, ·i) un espacio vectorial euclı́deo, U un subespacio
vectorial de V y v ∈ V .
Se llama proyección ortogonal de v sobre U al (único) vector
u ∈ U tal que (v − u) ⊥ U, que se denota por u = pU (v ).

43 / 48
7.1. Aproximación por mı́nimos cuadrados (2)

Para obtener u = pU (v ) podemos proceder del modo siguiente.

I Consideramos {u1 , . . . , un } base ortogonal de V tal que
{u1 , . . . , um } es base de U y {um+1 , . . . , un } es base de U ⊥ .
I Si v ∈ V , entonces
hv ,u1 i hv ,um i
v= ku1 k2 u1 + ··· + kum k2 um +

hv ,um+1 i hv ,un i
kum+1 k2 um+1 + ··· + kun k2 un .

I Por tanto, la proyección ortogonal de v sobre U es

hv , u1 i hv , um i
pU (v ) = 2
u1 + · · · + um .
ku1 k kum k2

44 / 48
7.1. Aproximación por mı́nimos cuadrados (3)

I Supongamos ahora que (V ; h·, ·i) un espacio vectorial euclı́deo y que

S = {u1 , . . . , um } es una base (no necesariamente ortogonal) de un
subespacio vectorial U de V .
I Si v ∈ V y u = pU (v ), entonces hv − u, w i = 0 para todo w ∈ U.
Por tanto, hv − u, uj i = 0 para todo j = 1, . . . , m.
I Ahora, si u = a1 u1 + · · · + am um , entonces

hv − a1 u1 − · · · − am um , uj i = 0, j = 1, . . . , m,

es decir,

hu1 , u1 ia1 + · · · + hum , u1 iam = hv , u1 i 

.. .
. 
hu1 , um ia1 + · · · + hum , um iam = hv , um i


45 / 48
7.1. Aproximación por mı́nimos cuadrados (4)

Resultado 7.2 (Teorema de la mejor aproximación)

I Sean (V ; h·, ·i) un espacio vectorial euclı́deo y U un
subespacio vectorial de V .
I Dado v ∈ V , la proyección ortogonal de v sobre U es el único
vector u = pU (v ) ∈ U que hace mı́nima la expresión kv − uk,
esto es,

kv − uk2 < kv − w k2 para todo w ∈ U, w 6= u.

Por tanto, u minimiza la distancia de v a los vectores de U.

Definición 7.3
En las condiciones del Resultado 7.2, u = pU (v ) se denomina mejor
aproximación (o aproximación por mı́nimos cuadrados) de v en U.

46 / 48
7.1. Aproximación por mı́nimos cuadrados (5)

Observación 7.4
I La mejor aproximación de v sobre U es el único vector
u = a1 u1 + · · · + am um de U, siendo a = (a1 , . . . , am ) la
solución del sistema compatible determinado

P aT = b,

donde  
hu1 , u1 i · · · hum , u1 i
P=
 .. .. 
. . 
hu1 , um i · · · hum , um i

y b = (hv , u1 i, . . . , hv , um i)T .
I La matriz (simétrica) P se denomina matriz de Gram asociada
a la base {u1 , . . . , um } de U.

47 / 48
Departamento de Matemática Aplicada. Universidad de Granada
Licencia Creative Commons 3.0 España.
[Link]

48 / 48