ESPACIOS EUCLÍDEOS.
Sea E un espacio vectorial real de dimensión finita n, en el que se ha definido un
producto escalar: un espacio vectorial euclídeo:
1 PRODUCTO ESCALAR.
Definición. Se llama producto escalar o interior a toda aplicación de E x E en ℝ:
ExE→ℝ
(x, y) → 〈 x,y〉
verificando:
Positividad: 〈x,x〉 ≥ 0 ∀x ∈ E ∧ 〈x,x〉= 0 ⇔ x = 0
Simetría: 〈x,y〉 = 〈y,x〉 y x, ∀ x, y ∈ E
Bilinealidad: 〈x,( αy+βz)〉 = α〈 x,y〉 + β〈 x,z〉 ∀ x,y,z ∈ E ∧ ∀ α, β ∈ ℝ
Al par formado por un espacio vectorial real y un producto escalar se le llama espacio
euclídeo.
Ejemplos.
1. El producto escalar usual entre los vectores libres del espacio les asocia el producto
de sus módulos por el coseno del ángulo que forman:
2. La aplicación de ℝnx ℝn → ℝ es un producto escalar canónico o usual en ℝn
3. En el espacio vectorial de las funciones continuas definidas en un intervalo, la aplicación de
C[a,b]xC[a,b] → ℝ que asocia a cada par de funciones la integral
b
〈f,g〉=∫ ❑ f(x) g(x)dx es también producto escalar.
a
2. Propiedades del producto escalar.
1. ∀ y ∈ E: 〈0,y〉 = 〈y,0〉.
∀ x,y ∈ E 〈x,y〉 = 〈(x+0,y〉 = 〈x,y〉 + 〈0,y〉 ⇒ 〈0,y〉 = 0 ∀ y ∈ E.
2. Si ∀ y ∈ E 〈x,y〉 = 0 ⇒ x = 0.
Si ∀ y ∈ E 〈x,y〉 = 0, como x ∈ E, 〈x,x〉 = 0 ⇒ x = 0.
3. ∀ ∈ E : |〈 x , y 〉| ≤ √ ❑ → Desigualdad de Schwartz.
Si x ó y son el vector 0, la desigualdad se cumple trivialmente.
Se hará, pues, la demostración suponiendo que ambos son no nulos. Si el vector z de E:
〈 x, y 〉
Z=x− y , se tiene:
〈 y, y〉
(
〈 z , z 〉 ≥ 0 ⇒ x−
〈 x, y 〉
〈 y,y〉 )(
y ⋅ x−
〈 x, y 〉
〈 y, y〉
y ≥0⇒ )
〈 x, y 〉 〈 x,y 〉 〈 x,y 〉 〈 x,y 〉 〈 x, y 〉
〈 x , x 〉− 〈 x , y 〉− 〈 y ,x 〉+ ⋅ 〈 y , y 〉 =〈 x , x 〉 − 〈 y , x 〉≥0
〈 y, y〉 〈 y,y〉 〈 y, y〉 〈 y, y〉 〈 y, y〉
como 〈 x , y 〉 =〈 y , x 〉
〈 x , y 〉 ≤ 〈x,x〉⋅〈y,y〉 ⇒ |〈 x , y 〉| ≤ √ ❑
2
3. Norma asociada al producto escalar 〈x,y〉.
Aplicación de E en ℝ que a cada elemento del espacio euclídeo x le asocia el escalar +
√❑
Todo producto escalar tiene una norma asociada, inducida por el producto escalar (pero
no toda norma proviene de un producto escalar).
Demostración.
Dicha aplicación cumple los axiomas de norma:
1. ||x||> 0 ∀ x ∈ E ∧ ||x||=0 ⇔ x =0 ?
||x||> 0 por tomarse la raíz positiva.
||x||=0 ⇔ √❑
2. || λ x||=| λ|||x|| ∀ x ∈ E ∧ ∀ λ ∈ ℝ ?
|| λ x||=√❑
3. ||x + y||≤||x||+|| y|| ∀ x , y ∈ E ?
2
||x + y|| =〈 ( x+ y) ,( x + y )〉 =〈 x , x 〉 + 〈 x , y 〉 + 〈 y , x 〉 +〈 y , y 〉 =¿
2 2
¿ 〈 x , x 〉 + 2〈 x , y 〉 +〈 y , y 〉 =||x|| +|| y|| +2〈 x , y 〉
teniendo en cuenta la desigualdad de Schwartz se cumple que:
〈 x , y 〉 ≤|| x|||| y||
por lo que la expresión anterior queda:
||x + y|| ≤||x|| +|| y|| +2||x|||| y||=¿||x||+|| y||¿2
2 2 2
Ejemplos.
En ℝn , la norma inducida por el producto escalar usual es la norma euclídea de ℝn:
1
〈 x , y 〉 =x 1 y 1+ x 2 y 2+...+ x n y n ⇒||x||=〈 x , x 〉 2 =√❑
Definición. Sea E un espacio euclídeo, y sean x e y dos vectores de E no nulos. Se llama
ángulo formado por x e y al ángulo cuyo coseno es:
Debido a la desigualdad de Schwartz, este cociente siempre es un número real
comprendido entre -1 y 1.
Si x = y, el ángulo correspondiente es 0º; y si 〈x,y〉 = 0, los dos vectores forman un angulo de
90º.
4. Vectores Ortogonales, Normados y Ortonormales.
Definición.
Dos vectores x e y no nulos de E son ortogonales si 〈x,y〉 = 0 (x ⊥ y).
Un vector x de E es un vector normalizado ó normado ó unitario si || x || = 1
Sea S={u1, u2,..., up} un sistema de vectores de E que no incluye al vector 0
Definición.
S={u1, u2,..., up} será sistema ortogonal si todos sus vectores lo son → 〈ui,uj〉 = 0 ∀ i≠j .
Definición.
S será sistema normado si todos sus vectores tienen norma 1→ 〈ui,uj〉 = 1.
Un sistema ortogonal(en particular, también es ortonormal) → es un sistema libre.
Demostración.
Sea S={u1, u2,..., up} un sistema ortogonal de vectores de E. Existen α 1 ,❑ α 2 ,❑ ... , α p
escalares de ℝ , tales que: α 1 u1 + α 2 u 2+...+ α p u p=0
Si se multiplica escalarmente esta expresión por un vector uj de S, se obtiene:
∀j ∈ {1,2,...,p} → α 1=¿❑ α 2=¿❑ ...=α p=0 ¿ ¿ → {u1, u2,..., up} es libre.
Ejemplos.
1. Los vectores son una familia ortonormal de ℝn para el producto
usual.
2. En el espacio de funciones definidas y continuas en el intervalo [-π,π] considerando el
producto escalar
Las funciones {1, sinx, cosx, sin2x , cos2x,..., sinxp} forman un sistema ortogonal
5. Expresión Matricial del producto escalar. Cambio de base.
Sea B={e1, e2,,...,ep} una base de E, sean x e y dos vectores cualesquiera de E que se
expresan en la base B de forma: x=x1e1+x2e2+...+xnen ; y=y1e1+y2e2+...+ynen. Entonces, el
producto escalar de x e y →
xB e yB → coordenadas de x e y en la base B.
GB= (〈ei, ej〉)nxn → matriz del producto escalar en la base B.
Por simetría → 〈ei, ej〉 = 〈ej, ei〉 → GB es simétrica.
Sea B´={e´1, e´2,...,e´p} otra base de E, P la matriz de paso de la base B a la base B′ y la
relación entre las coordenadas de dos vectores las dos bases—> xB = PxB´
La matriz del producto escalar en la nueva base B′: G*B´ = PT⋅GB⋅P . Está formada por los
productos escalares de los vectores e′i de la base B′:
En bases ortogonales, la matriz del producto escalar asociada es diagonal.
Si la base es ortonormal, entonces, la matriz G es la matriz identidad I n .
En cualquier caso las matrices G serán todas regulares.
Si además verifican la propiedad de positividad del producto escalar:
〈x,x〉 > 0 ∀ x ∈ E, x≠0. ⇒ (xB)T⋅GB⋅xB ¿ 0 ∀ x ∈ E, x≠0 (para todo vector no nulo).
Las matrices G reciben el nombre de definidas positivas.
Para tales matrices, simétricas y definidas positivas (si ∆ i → menores
principales de G) se verifica que:
∆1 > 0, ∆2 > 0, …, ∆n > 0 .
g11 = ∆1 > 0 y detG = ∆n > 0.
6. Método de ortogonalización de Gram Schmidt.
Permite obtener a partir de una familia de vectores linealmente independientes bases
ortogonales.
Sea B ={e1, e2,...,ep} una base de E; a partir de ella se obtiene la base ortogonal B´={e´1,
e´2,...,e´p} de la forma siguiente:
De esta forma se obtiene una base ortogonal.
Si lo que se requiere es una base ortonormal basta con tomar U = {u1, u2,...,un}
7. Subespacio ortogonal de un subespacio vectorial.
Definición. ∀ U ∧ V ∈ E , U⊥V ( ortogonales), si cualquier vector de los subespacios de E
(U, V) es ortogonal a todos los vectores del otro, tal que:
Conjunto de todos los vectores de E ortogonales a U:
U⊥ : subespacio ortogonal de U.
Se verifica que U ∩ U⊥ = {0} .
Demostración.
1. Está claro que U⊥ ≠ ∅, pues al menos el vector nulo pertenece a él.
Estable para la suma y para el producto por un escalar:
Ejemplos.
1. En el espacio euclídeo ℝ3 con el producto escalar usual
El subespacio ortogonal de U es el formado
por los vectores →
Se cumple la ecuación x=0.
3. En el espacio euclídeo ℝ4 con el producto escalar usual
El subespacio ortogonal de U es el formado por
los vectores →
