Taller de matemáticas especiales

Universidad Distrital Francisco José de

Caldas
Profesor Harold Vacca González
9 de junio de 2022

Antes de avanzar establezcamos algunos resultados teóricos y luego

prácticos.

i) Si S = {~v1 , ~v2 , ..., ~vn } es base para un espacio vectorial V, entonces todo
vector en V se puede escribir de una y sólo una forma como combinación lineal
de los vectores de S
En efecto; todo vector ~v eV se puede escribir como una combinación lineal
e elementos de S, pues S genera a V :
Ahora; sean
~v = c1~v1 + c2~v2 + ... + cn~vn ,
y,

~v = d1~v1 + d2~v2 + ... + dn~vn

Restando:

o = (c1 − d1 )~v1 + (c2 − d2 )~v2 + .. + (cn − dn )~vn

Como S es linealmente independiente, esto implica que:

c1 − d1 = o, 1 ≤ i ≤ n
Luego

1
 c1 = d1, 1 ≤ i ≤ n
Así entonces

Hay una sola forma de expresar v como una combinación lineal de los vec-
tores en S
igualmente

ii) Si S = {~v1 , ~v2 , ..., ~vn } es un conjunto de vectores no nulos en un espacio

vectorial V, tales que todo vector en V se puede escribir de una, y sólo una for-
ma como combinación lineal de los vectores en S, entonces S es una base para
V.

iii) Sea S = {~v1 , ~v2 , ..., ~vn } un conjunto de vectores no nulos en un espacio
vectorial V y sea W = gen(S); entonces algún subconjunto e S es una base para
W, en efecto:

caso 1. Si S es linealmente independiente, entonces, como S generaba a W,

S es una base para W.

caso 2. Si S es linealmente dependiente, entonces

{c1~v1 + c2~v2 + ... + cn~vn = ~0}

con c1 , c2 , ..., cn no todos nulos, así, algún v j es una combinación lineal de

los vectores anteriores;

~v1 , ~v2 , ..., ~v j−1 . Ahora; Eliminamos ~v j de S, para tener u conjunto S1 , de S.


Luego S1 = ~v1 , ~v2 , ..., ~v j−i , ~v j+1 también genera a W.

Si S1 es linealmente independiente, entonces S1 es una base S

S1 es linealmente dependiente, eliminamos un vector S1 que sea

combinación lineal de los vectores anteriores de S1 , obtenemos S2 que genera
W. Continuando así; y siendo S un conjunto finito, en algún momento se
determina T subconjunto de S, linealmente independiente y que genera W; así
T es una base ara W.

Ejemplo: consideremos S de R3 por:

S = gen {(2,1,3) . (−1,2,0) , (1, 8, 6)}

i) Comenzando por el vector (−1, 2, 0) y trabajando hacia la derecha. como
(−1, 2, 0) no es múltiplo de (2, 1, 3); se deja en la lista.

ii) Con (1, 8, 6) se verifica si puede expresarse

2
 (1, 8, 6) = r1 (2, 1, 3) + r2 (−1, 2, 0)
Para r1 , r2 escalares que conduce a

Obteniéndose la solución r2 = 3; r1 = 2, concluyendo que (1, 8,6) esta en

gen {(2, 1, 3) , (−1, 2, 0)}; es decir hay que exhibir (1, 8, 6) y se lleva a la base

{(2, 1, 3) , (−1, 2, 0)}

Ejercicio: Usar la técnica de exclusión en
S = {~v1 , ~v2 , ..., ~v5 } un conjunto de vectores de R4 con

~v1 = (1, 2, −2, 1), ~v2 = (−3, 0, −4, 3)

~v3 = (2, 1, 1, −1), ~v4 = (−3, 3, −9, 6)

~v5 = (9, 3, 7, −6)

De manera que un subconjunto de S sea base para W = gen(S).

Se empieza por v~2 trabajando hacia la derecha. Verificando que v~2 es múl-
tiplo de v~1 comprobando que ningún escalar multiplicado con v~2 nos de como
resultado v~1 , entonces se deja con el tercer vector v~3 , se verifica para escribir
de la siguiente manera:

v~2 = λ1 v~1 + λ2 v~2

Reemplazando valores tenemos:

(2,1,1. − 1) = λ1 (1, 2, −2, 1) + λ2 (−3, 0, −4, 3)

Obteniendo un sistema de ecuaciones, el cual se puede escribir de la si-
guiente forma:

3
  
1 −3 2
 2 0 1 
 
 −2 −4 1 
1 3 −1

Resolviendo la matriz por el método de Gauss Jordan:

   
1 −3 2 1 0 0
 2 0 1   0 1 0 
  =⇒  
 −2 −4 1   0 0 1 
1 3 −1 0 0 0

Nos damos cuenta que la única manera de que v~2 = λ1 v~1 + λ2 v~2 se cumpla,
λ1 y λ2 deben ser cero 00 000
Por lo tanto, v~2 se deja en la lista de R4 .
Se procede ahora con v~4
se escribe de la siguiente manera v~4 = λ1 v~1 + λ2 v~2 + λ3 v~3

Reemplazando valores, tenemos:

(−3, 3, −9, 6) = λ1 (1, 2, −2, 1) + λ2 (−3, 0, −4, 3) + λ3 (2, 1, 1, 1 − 1)

Con lo que nos queda un sistema de ecuaciones, el cual se puede expresar

de la siguiente manera:

 
1 −3 2 −3
 2 0 1 3 
 
 −2 −4 1 −9 
1 3 −1 6

Resolviendo la matriz por el método de Gauss Jordan:

1 2
   
1 −3 2 −3 1 0 2 3
 2 0 1 3  1 3
 =⇒  0 1 − 2
 
 2 
 −2 −4 1 −9   0 0 0 0 
1 3 −1 6 0 0 0 0

Nos damos cuenta que existe una forma de escribir v~4 en términos de

4
 {~
v1 , v~2 , v~3 }

Con λ3 = k donde k e N

3
λ2 = 2 + 21 λ3

Por lo tanto, v~4 se saca de la lista. Se procede ahora con v~3 . Se reemplaza y
se verifica que se escriba de la siguiente manera

v~5 = λ1 v~1 + λ2 v~2 + λ3 v~3

Reemplazamos valores, tenemos:

(9, 3, 7, −6) = λ1 (1, 2, −2, 1) + λ2 (−3, 0, −4, 3) + λ3 (2, 1, 1, −1)

Dando un sistema de ecuaciones que se pude expresar:

 
1 −3 2 9
 2 0 1 3 
 
 −2 −4 1 7 
1 3 −1 −6

Donde podemos solucionarlo por el método de Gauss Jordan

1 3
   
1 −3 2 9 1 0 2 2
 2 0 1 3   0 1 −1 −5 
  =⇒  2 2 
 −2 −4 1 7   0 0 0 0 
1 3 −1 −6 0 0 0 0

Nos damos cuenta que existe una forma de escribir v~5 en términos de v~1 , v~2 , v~3
Con λ3 = k donde k eN

λ2 = −5 + 21 λ3
2

3
λ1 = 2 − 21 λ3

Por lo tanto, v~5 se saca de la lista. Con lo anterior, se llega a la base

~ = {(1, 2, −2, 1, ) + (−3, 0, −4, 3) + (2, 1, 1, −1)}

w
Siendo S base para W = gen(S)

5
 Verifique el siguiente algoritmo para la técnica de exclusión: sea V = R4 ;
S = {~v1 , ~v2 , ..., ~vk } un conjunto de vectores no nulos en V. La eliminación de
los vectores que son distintos de cero que son combinación lineal de los prede-
cesores se logra así:

i) Se forma la matriz aumentada A asociada con el sistema homogéneo

{c1~v1 + c2~v2 + ... + cn~vn = ~0}; es decir A se forma con los ~v j como el j-ésimo
vector columna.

ii) Reducir A a la forma escalonada reducida por filas como en Gauss Jordan.

iii) Los vectores de las columnas de A que dan lugar a pivotes (distintos a
cero) deben permanecer y forman base para W = gen(S). Es decir; se excluyen
de la lista aquellos vectores de las columnas de A que no proporcionan pivotes
(distintos a cero).

Ejercicio: Sea S de R5 generando por

~v1 = (1, −1, 0, 2, 1); ~v2 = (2, 1, −2, 0, 0)

~v3 = (0, −3, 2, 4, 2); ~v4 = (3, 3, −4, −2, −1)

~v5 = (2, 4, 1, 0, 1); ~v6 = (5, 7, −3, −2, 0)

Use la técnica del algoritmo para intentar acortar la lista S = {~v1 , ~v2 , ..., ~v6 }
a un conjunto W = gen(S)

Ejercicio: Hallar una base para S, sub-espacio de R3 , generado por

{(1, −3, 1), (−2, 6, −2), (2, 1, −4), (−1, 10, −7)}

Ejercicio:Use la técnica de excursión

a fin de hallar una base para
S = gen x2 − 1, x2 + 1, 3, 2x − 1, x . Del espacio vectorial P de los polino-
mios:
(aquí no es posible aplicar matrices pues no son vectores de Rn ).

Ahora; hay otros procedimientos menos tediosos para determinar bases pa-
ra W = gen(S), pero donde no se garantiza que la base sea un subconjunto de
S: en muchos casos, esto no es motivo de preocupación, pues una base para
W = gen(S) es tan buena como cualquiera otra. En otros casos, los vectores de
S tienen propiedades especiales y se quiere que la base para W = gen(s) tenga
las mismas, de modo que se quisiera que la base fuera un subconjunto de S.

6
 iv) Si S = {~v1, ~v2, ..., ~vn } es una base para un espacio vectorial V; y T = {~
w1, ~
~ r }es un conjunto linealmente independiente de vectores en V;
w2, ..., w
entonces r ≤ n.

v) Si S = {~v1 , ~v2 , ..., ~vn } y T = {~

w1 , w ~ m } son bases para un espacio
~ 2 , ..., w
vectorial V,entonces n = m es decir, aunque un espacio vectorial tiene muchas
bases, para un V particular, todas las bases tienen el mismo número de vecto-
res, luego:

La dimensión de una espacio vectorial V no nulo n oes el número de vectores

en una base para V, se nota dimensión V, como ~0 es lineal-mente depen-
diente, es natural decir que tiene dimensiones cero.

Ejercicio: La dimensión de R2 es 2; de R3 es 3; y Rn es n

Ejercicio: La dimensión de P2 es 3, P3 es 4; y Pn es n + 1

Ejercicio: Muestre que la dimensión de gen(S) con S de R5 ; S = {~v1 , ~v2 , ..., ~v6 }

~v1 = (1, −1, 0, 2, 1); ~v2 = (2, 1, −2, 0, 0);

~v3 = (0, −3, 2, 4, 2); ~v4 = (3, 3, −4, −2, −1)

~v5 = (2, 4, 1, 0, 1); ~v6 = (5, 7, −3, −2, 0)

es 2

vi) Sea v e V de dimensión n, sea S = {~v1, ~v2, ..., ~vn } un conjunto de n

vectores en V.

a) Si S es linealmente independiente, entonces es una base para V.

b) Si S genera a V, entonces es una base para V.

En el ejercicio anterior

~ = gen(S) es un sub-espacio de R5 ; luego dimensión W = 5? La defini-

¿w
ción de un sistema generador, no implica que sea linealmente independiente,
por ejemplo en el ejercicio donde los vectores eran combinación lineal del
resto, pero sin importar, generaban W.

Por lo tanto, no siempre la dimensión de un sub-espacio es la cantidad de

componentes que posee cada vector de allí; Ademas, si S subconjunto de R5 y
posee 6 vectores generadores, por lo menos uno de ellos debe de ser
combinación lineal de los otros.

7
 Como S contiene seis vectores, ¿ Se puede concebir que S es o no una base
para W?
En otras palabras si se tiene la información adicional de que la dimensión
de V es n, sólo se necesita verificar a) ó b) del vi).

II) Sabemos que si ~u, y, ~v, son vectores en Rn con ~u 6= 0. El vector proyec-
ción de ~v sobre u es

≺ ~u, ~v 
Pr (~v~u ) = ~u
≺ ~v, ~v 

La componente escalar de ~v lo largo de ~u es

Cuadro 2:

Ejercicio: Sea u = (2, 4, 3), halle el vector ~pr (~u~v ) como v = (1, 2, 3); hallar el
vector Pr (~u~v ).

Ejercicio: Sea u = (2, 4, 3), Halle el vector ~pr (~u~v ).

Ahora, sea S = {~v1 , ~v2 , ..., ~vk } un conjunto ortogonal de vectores no nulos
en Rn . entonces, S es lineal-mente independiente.
En efecto; si considera la ecuación:

c1~v1 + c2~v2 + ... + cn~vn = 0;

Al efectuar el producto punto a ambos lados por vi , 1 ≤ i ≤ k, se tiene

(c1~v1 + c2~v2 + ... + cn~vn ) • ~vi = 0 • ~v

8
 Como por propiedad del producto interior (punto):

c1 ≺ ~v1 , ~vi  +c2 ≺ ~v2 , ~vi  +... + c3 ≺ ~v3 , ~vi 

y el lado derecho es 0; y ≺ ~v j , ~vi = 0 si j 6= i,

0 = c1 ≺ ~vi , ~vi = ci (k~vi k)2

Como vi 6= 0. k~vi k 6= 0; es decir ci = 0, 1 ≤ i ≤ k

S es lineal-mente independiente

Luego; puede indicarse que un conjunto ortogonal de vectores en Rn es

lineal-mente independiente.
como se sabe, un conjunto ortogonal de n vectores en Rn es una base para
n
R , luego, una base ortogonal (ortonormal) para un espacio vectorial es una
base que es un conjunto ortogonal (ortonormal)
esto nos indica que al ser S ortonormal, se puede obtener un menor esfuerzo
que resolver un sistema de ecuaciones, la escritura de cualquier vector de V
como combinación lineal de elementos de S
Si S = {~v1 , ~v2 , ..., ~vn } una base ortonormal para Rn y v, cualquier vector de
n
R , entonces:

{~v = c1~v1 + c2~v2 + ... + cn~vn , }

donde c1 ≺ ~v1 , ~vi  (1 ≤ i ≤ n)

Ejercicio: sea S = {( 23 , −32 , 31 ); ( 23 , 13 , −32 ), ( 31 , 23 , 23 )}

Escriba ~v = (3, 4, 5) como una combinación lineal de los vectores en S.

Toda esta elaboración va hacia el deseo de hallar la proyección de un vector
ven Rn sobre un sub-espacio S de Rn de dimensión mayor que 1. Como vemos
en la figura 4 de apoyo:

9
 Cuadro 3:

El vector ~pr de ~b sobre gen(~a1 ,~a2 ), sobre ~a1 ,~a2 6= 0, tiene dos propiedades

1) el vector ~pr debe estar en el sub-espacio S = gen(~a1 ,~a2 )

2) El vector ~b − ~
pr debe ser perpendicular a todo vector ~a de S

Generando S = gen(~a1 ,~a2 , ...,~ak ) un sub-espacio de Rn y A la matriz cuyas

columnas son {~a1 ,~a2 , ...,~ak }, el vector proyección de ~b en Rn sobre S está dado
por Pr (~
bs ) = A( A T A)−1 A T b este resultado es valido tambien para el caso en
que los vectores {~a1 ,~a2 , ...,~ak } sean lineal-mente independientes.

Ejemplo: Hallar Pr (~
bs ); S = gen(~a), donde
   
1 2
b =  2  , ya =  4 
3 3

Son A = matriz cuya única columna es A ~

 
2
A T A = (2, 4, 3)  4  = 29
3
   
2 1
1
bs ) = A( A T A)−1 A T~b =  4  ( )(2, 4, 3)  2 
Pr (~
29
3 3
  
4 8 66 1
1
Pr (~
bs ) = ( )  8 16 12   2 
29
6 13 9 3

10
  
38
1
Pr (~
bs ) =  76 
29
57
La matriz A( A T A)−1 A T se denomina matriz de proyección para el sub-
espacio S. es decir, cualquier vector ~b de Rn mediante multiplicación a izquier-
da, se proyecta sobre el vector ~
bs que esta en S.

Ejercicio: La formula A( A T A)−1 A T para una matriz de proyección puede

ser tediosa de calcular a mano; pero utilizando DERIVE ó MATLAB es fácil
utilizando cualquiera de los dos programas; Hallar los vectores proyección in-
dicados:

a) Las proyecciones en R6 ne (−1, 2, 3, 4, 6, 2) y (2, 0, 3, −1, 4, 5).

b) Las proyecciones en R5 de (2, 1, −3, 2, 4) y (−1, −4, 0, 1, 5)

sobre gen[(3, 1, 4, 0, 1), (2, 1, 3, −5, 1)]

Recuerde: sea S = gen(~a1 ,~a2 , ...,~ak ) un sub-espacio de Rn , y sea A la matriz

cuyas columnas son {~a1 ,~a2 , ...,~ak }, la matriz de proyección para el sub-espacio
S esta dada por Ps = A( A T A)−1 A T cada vector b de Rn se proyecta sobre el
vector ~
bs = Ps~b

III) Proceso de Grahm-Schmidt

Sea W un sub-espacio no nulo de Rn con base S = {~u1 , ~u2 , ..., ~um }, entonces,
hay una base ortonornal T = {~ ~ m } y para W esta se construye así:
~ 2 , ..., w
w1 , w

i) Se halla una base T ∗ = {~v1 , ~v2 , ..., ~vm } ortogonal para W.

ii) Sea ~v1 = ~u1 . Para j = {z, ..., m}, sea ~

v j el vector obtenido el restar de u j
su proyección sobre el sub-espacio generado por sus predecesores.

iii) Los ~v j así obtenidos forman una base ortogonal para S, y pueden nor-
malizarse para producir una base ortogonal.

Paso 1: ~v1 = ~u1

Paso 2: Calcular de manera sucesiva los vectores: ~v2 , ~v3 , ~vm mediante la for-
mula
≺~ui ,~vi−1 
~v1 = ~u1 − ( ≺~ui ,~v1 
≺~v ,~v  )~
≺~ui ,~v2 
v1 − ( ≺~
v ,~v  )~ v2 − ... − ( ≺~v vi−1  )~
v i −1
i 1 2 2 i −1 ,~

el conjunto T ∗ = {~v1 , ~v2 , ..., ~vm } es un conjunto ortogonal

11
 1
~i =
Paso 3: Son w v
k~vi k i
1 ≤ i ≤ m entonces

T = {~
w1 , w ~ m } es una base ortonormal de W es decir todo subespacio
~ 2 , ..., w
tiene base.

Ejemplo: Sea S = {~u1 , ~u2 , ..., ~um } de R3

~u1 = (1, 1, 1), ~u2 = (−1, 0, −1); ~u3 = (−1, 2, 3)

Utilizar Grahm-Schmidt para transformar S en una base ortogonal para R3 .

paso 1: ~v1 = ~u1 = (1, 1, 1)

paso 2: Se calcula v~2 y v~3

≺ ~u2 , ~v1  −1 2 −1
v~2 = ~u2 − ( )~v1 = ( , , )
≺ ~v1 , ~v1  3 3 3
Multiplicando ~v2 por 3 para eliminar fracciones ~v2 = (−1, 2, −1)

~v3 = ~u3 − ( ≺~u3 ,~v1 

≺~v ,~v  )~v1 − ( ≺~u3 ,~v2 
≺~v ,~v  )~v1
1 1 2 2

4 2
~v3 = (−1, 2, 3) − 3 (1, 1, 1) − 6 (−1, 2, −1) = (−2, 0, 2)

así T = {~v1 , ~v2 , ~v3 } = {(1, 1, 1), (−, 2, −1), (−2, 0, 2)}

Es una base ortogonal para R3

paso 3:
1 1
~1 =
w ~v = √ (1, 1, 1)
k~v1 k 1 3
1 1
~2 =
w ~v = √ (−1, 2, −1)
k~v2 k 2 6
1 1
~3 =
w ~v = √ (−2, 0, 2)
k~v3 k 3 8
−1 , √2 , √
entonces T = {( √1 , √1 , √1 ), ( √ −1 ), ( √
−1 , 0, √1 )}
3 3 3 6 6 6 2 2

es una base ortogonal para R3

Ejercicio: Sea W un sub-espacio de R4 con base

S = {~u1 , ~u2 , ~u3 } donde

u1 = (1, −2, 0, 1), ~u2 = (−1, 0, 0, −1), ~u3 = (1, 1, 0, 0)

12
 transforme S en una base ortogonal para W.

Ejercicio: Desarrollar {(1, 1, 0), (1, −1, 1)} para una base ortogonal para R3 .

Ejercicio: Transformar la base {(1, 2, 1), (2, 1, 1), (1, 1, 2)} de R3 a una orto-
normal por el proceso de Grahm-Schmidt

IV) Se puede mostrar que si W1, y W2 son subespacios de un espacio

vectorial V; W1 ⊕ W2 es un sub-espacio de V (W1 ⊕ W2 es el conjunto de todos
los vectores~v en V tales que {~v = w ~ 2}, donde w
~1 + w ~ 1 esta en W1 y w
~ 2 esta en
W2)

Igualmente si V = W1 + W2; y ; W1 ∩ W2 = {~0}, entonces V = W1 ⊕ W2 ;

además, en este caso, cada vector en V se puede escribir de manera única
como w~1 +w ~ 2, donde w ~ 2 esta en W2 . La idea ahora es que si
~ 1 está en W1 y w
W es un subespacio de Rn y V otro subespacio de Rn entonces Rn se puede
escribir como la suma directa que es de nuevo un subespacio de Rn .

Definición: Sea W un sub-espacio de Rn un vector ~u de Rn es ortogonal a W

si es ortogonal a cada vector de W. El conjunto de todos los vectores de Rn que
son ortogonales a todos los vectores de W se llama complemento ortogonal de
W en Rn y se denota W⊥.

De esta definición se desprenden varios resultados:

i) Sea W un sub-espacio de Rn y W ⊥ su complemento ortogonal

a) W ⊥ es un sub-espacio de Rn
b) W ∩ W ⊥ = {~0}
c) (W ⊥ )⊥ = W
e) Rn = W + W ⊥

Ejercicio: Sea W el sub-espacio de R4 con base {~ ~ 2 } con w

w1 , w ~ 1 = (1, 1, 0, 1),
~ 2 = (0, −1, 1, 1)
w
Determínese una base para W ⊥ .

Ejercicio: Hallar un vector distinto de cero de R4 ortogonal a

~v1 = (1, 2, 2, 1),~v2 = (3, 4, 2, 3),y , ~v3 = (0, 1, 3, 2)

Sugerencia: se debe hallar a S⊥ complemento ortogonal de S = gen (~v1 , ~v2 , v~3 )

v~1
de R4, es decir hay que hallar la solución al sistema A~x = ~0 con A =  v~1 
v~1

13
 Ejemplo: Determinar una base para el complemento ortogonal W ⊥ del sub-
espacio W de R5 .

W = gen{(2, −1, 0, 1, 2), (1, 3, 1, −2, −4), (3, 2, 1, −1, −2), (7, 7, 3−, 4, −8), (1, −4, −1, −1, −2)}

lo que ha demostrado, es, finalmente, que si W es un espacio de R n con una

base ortonormal {~ w1 , w
~ 2, w ~ m } y ~v es cualquier vector de Rn , entonces
~ 3 , ..., w
existen vectores únicos en W y ~uen W⊥ tales que :

~ +~u
~v = w
además, por Grahm-Schmidt

~1  w
~ =≺ ~v, w
w ~ 1 + ≺ ~v, w
~2  w
~ 2 + ≺ ~v, w
~3  w
~ 3 + ...+ ≺ ~v, w
~n  w
~n

lo cual se llama proyección ortogonal de ~v sobre W ó Proy(~vw ~ ), en particu-

lar si : w
~ 1, w
~ 2, w ~ m } es una base ortogonal para W entonces.
~ 3 , ..., w

≺ ~v, w~1  ≺ ~v, w

~2  ≺ ~v, w
~m 
Proy(~vw
~) = ~1 +
w ~ 2 + ... +
w ~m
w
≺w ~
~ 1 , w1  ≺w ~
~ 2 , w2  ~ m , wm~ 
≺w
y la distancia de ~va W está dada por la longitud de ~u = ~v − w
~ , ó k~v −
Proy(~vw
~ )k

h Ejercicio: Sea W el sub-espacio

i de R3 de dimensión 2 con base ortonormal
( 32 , − 13 , 32 ), ( √1 , 0, √1 )
dado ~v = (1, 1, 0) halle la distancia de ~v a W.
2 2

Finalicemos este taller con el siguiente resultado:

sea W un sub-espacio de Rn , entonces, para cualquier vector ~v e Rn ; el vec-

~ ),es decir, k~
tor en W más cercano a ~v es: Proy(~vw v−w
~ k para w
~ e Wse minimiza
cuando w~ = Proy(~vw
~ ) en efecto:

~ cualquier vector de W entonces

sea w

~v − w
~ = (~v − Proy(~vw
~ )) + ( Proy (~
vw~)−w
~)
como w ~ y Proy(~vw ~ ) están ambos en W, Proy (~
vw~) − w
~ está en W, luego,
~v − Proy(~vw
~ ) es ortogonal a cada vector en W,de modo que:

14
 ~ k2 =≺ ~v − w
k~v − w ~ , ~v − w
~

~ k2 = k~v − Proy(~vw
k~v − w 2
~ )k + kProy(~
vw ~ k2
~)−w

~ 6= Proy(~vw
si w ~ ) =⇒ kProy(~
vw ~ k2  o y k~v − w
~)−w ~ k2  k~v − Proy(~vw
~ )k
2

~ ) es el vector en W que minimiza k~

Luego Proy(~vw ~ k2 y que, por tanto, minimiza
v−w
k~v − w
~k

Sabemos que un espacio vectorial real, que tiene un producto interior definido en él, es un
espacio con producto interior.

En consecuencia, recuérdese: hay que demostrar el algoritmo de Grahm-Schmidt, por

inducción, y hay que calcular en C [−π, π] con:
ˆπ
≺ f (t), g(t) = f (t) • g(t)dt; W = gen{SC }
−π

a. Proyw | t |

b. Proyw et

c. Proyw cos(ht)

Sugerencia: un software computacional puede usarse como apoyo gráfico

y operativo para solucionar el taller.

15