Vous êtes sur la page 1sur 29

ABRAHAM MENESES JASSO

AL

2014

Espacios con Producto Interno

Definicin de producto interno y sus propiedades elementales


Supngase que se tiene un espacio vectorial sobre un campo . Se puede definir en una funcin que a cada par de
vectores , le asigna un escalar de , denotado por | . Dicha funcin se llama producto interno en .
Una funcin : es un producto interno o escalar si satisface las siguientes propiedades

+ |
= |
+ |
(Linealidad).
| = | (Simetra).
| > 0, 0 (Positividad).

La propiedad de linealidad puede expresarse como dos propiedades independientes:


+ |
= |
+ |

|
= |

EJEMPLO 4.1. Verifquese que el producto punto en 2 es un producto interno. Para ello se tiene que
(1 , 1 ) (2 , 2 ) = 1 2 + 1 2

Linealidad:

[(1 , 1 ) + (2 , 2 )] (3 , 3 ) = (1 , 1 ) (3 , 3 ) + (2 , 2 ) (3 , 3 )
(1 + 2 , 1 + 2 ) (3 , 3 ) = (1 3 + 1 3 ) + (2 3 + 2 3 )
(1 + 2 )3 + (1 + 2 )3 = 1 3 + 1 3 + 2 3 + 2 3
1 3 + 2 3 + 1 3 + 2 3 = 1 3 + 1 3 + 2 3 + 2 3

Por lo que la propiedad se cumple.


Simetra:

(1 , 1 ) (2 , 2 ) = (2 , 2 ) (1 , 1 )
1 2 + 1 2 = 2 1 + 2 1

Al aplicar la conmutacin en la multiplicacin de los nmeros reales, la propiedad se cumple.


Positividad:
(1 , 1 ) (1 , 1 ) = 1 1 + 1 1
= 12 + 12

Como el cuadrado de un nmero real siempre es positivo (excepto el cero), entonces la suma de dos cuadrados es
positiva; por lo tanto, se cumple la propiedad.
Como conclusin, se tiene que el producto punto en el espacio de las parejas ordenadas es un producto interno.
1

Ing. Aldo Jimnez Arteaga

AL

2014

EJEMPLO 4.2. Sea el espacio vectorial

, , ,

Determnese si la siguiente funcin es un producto interno

(, ) = tr

Linealidad:

tr( + ) = tr + tr

Por la propiedades de la traza de una matriz

Por lo que la propiedad se cumple.

tr( + ) = tr + tr
tr() + tr() =
tr() + tr() =

Simetra:
tr() = tr()

Por propiedades de la traza de matrices, la propiedad se cumple.


Positividad:

tr() > 0

donde

= + +
+ + 2

=
Por lo tanto

2 + 2 + 2 > 0

Se tiene la suma de dos cuadrados y un producto que puede ser positivo o negativo, dependiendo de los valores de y
; en general esta condicin no se cumple. Por ejemplo, si se tiene la matriz
y al aplicarle la funcin

Ing. Aldo Jimnez Arteaga

1
2

1 2

2 1

2 1

1
2

AL

3
4

2014

se llega a tr = 6, y la propiedad de positividad no se cumple.

En conclusin la funcin dada no es un producto interno. No todas las funciones que involucran parejas de vectores
pueden llegar a ser un producto interno; sin embargo, existen funciones que con una pequea variacin si lo son.
Algo que se debe resaltar, es que un espacio vectorial puede tener una infinidad de productos internos. As como en el
tema anterior se vio que el nmero de transformaciones lineales no es limitado, en este se puede definir cualquier
producto interno en cualquier espacio vectorial, siempre y cuando su cumplan las tres propiedades descritas
anteriormente.
Al igual que otras funciones, el producto interno cumple con algunas propiedades adicionales a las de la su definicin;
dichas propiedades extensivas son:

| =
|, si los vectores pertenecen a un espacio vectorial sobre los complejos.
| = | .
| = | , si .
|0 = 0 | 0.
0 |0 = 0.

| y denotan al conjugado del nmero correspondiente.


En la primera y tercera propiedades,
EJEMPLO 4.3. Demustrese las propiedades uno y tres, para el espacio vectorial
2 = {(, )|, }

Si el producto interno definido es


| = 1 2 + 1 2

donde denota al conjugado de .

= (1 , 1 ), = (2 , 2 ) 2

La propiedad uno establece que

| =
|

1 2 + 1 2 =
1
2 1 + 2

Por propiedades del conjugado de los nmeros complejos

que satisface correctamente la propiedad.

2 1
1 2 + 1 2 =
2 1 +
1 2 + 1 2 = 2 1 + 2 1
1 2 + 1 2 = 2 1 + 2 1

La segunda propiedad hace uso del escalar , por lo que


3

Ing. Aldo Jimnez Arteaga

AL

2014

| = |
(1 , 1 )|(2 , 2 ) = (1 , 1 )|(2 , 2 )
(1 , 1 )|(2 , 2 ) = (1 2 + 1 2 )
2 + 1
2 = 1 2 + 1 2
1
1 2 + 1 2 = 1 2 + 1 2

Finalmente, la propiedad es verdadera.

Definicin de norma de un vector y sus propiedades


Dentro de las caractersticas geomtricas de un vector, existe el concepto de magnitud; es decir, el valor escalar que por
s mismo posee un vector; o en otras palabras, la distancia que existe entre el punto donde inicia el vector, y el punto
donde termina.
En la Fsica, la magnitud representa el valor que un fenmeno fsico tiene. Por ejemplo, la aceleracin es una cantidad
vectorial, la cual se manipula como una cantidad escalar; ese tipo de manipulacin utiliza la magnitud del vector
aceleracin. Otros ejemplos de este tipo son la fuerza, la velocidad, el campo elctrico o la corriente elctrica.
La norma de un vector es su magnitud, y sta puede obtenerse a partir de un producto interno. Como se describi en el
inciso anterior, el espacio vectorial puede tener una infinidad de productos internos definidos; por lo tanto, la norma del
vector no ser la misma para todos los productos internos.
Sea un espacio vectorial donde se define el producto interno | , . La norma de un vector se define como
= |

EJEMPLO 4.4. Sean los productos internos en el espacio vectorial 2 definidos como
(1 , 1 )|(2 , 2 ) = 1 2 + 1 2

(1 , 1 )|(2 , 2 ) = 1 2 21 2 21 2 + 51 2

Se desea encontrar las normas del vector = (1, 2). Para el caso del producto interno ordinario se tiene
(1, 2) = (1, 2)|(1, 2)

= (1)(1) + (2)(2)
= 5

Para el segundo producto interno

(1, 2) = (1, 2)|(1, 2)

= (1)(1) 2(1)(2) 2(2)(1) + 5(2)(2)


= 13

Con lo cual se comprueba que la norma de un mismo vector vara segn el producto interno que se utilice.
4

Ing. Aldo Jimnez Arteaga

AL

2014

La norma posee ciertas propiedades que permiten establecer simplificaciones al momento de trabajar con ecuaciones
con producto interno. Dichas propiedades son

0
= ,
+ +

La ltima propiedad es conocida como la desigualdad del tringulo.

Vectores unitarios
Los vectores unitarios son una propiedad que involucra al vector y su norma. En forma general, un vector unitario es
aquel que cumple con la ecuacin
= 1

Supngase que se tiene un vector unitario , el cual puede multiplicarse por un escalar dando como resultado un vector
; es decir,
= (1)

El vector tiene una norma . Dicha norma puede igualarse al escalar que se utiliz para multiplicar al vector
unitario; es decir, si

Si (2) se sustituye en (1) se tiene que

= (2)
=

Por lo que se deduce que cualquier vector puede tener su correspondiente vector unitario. Esto se comprueba al
multiplicar la ltima ecuacin por el inverso de la norma .
=

Cuando se obtiene un vector unitario a partir de un vector cualquiera, se dice que fue normalizado.

EJEMPLO 4.5. Sea el espacio vectorial de las matrices reales de orden 2, y el producto interno definido por
| = tr( )

2 0
3
y =
1 1
1
despus, dividir cada vector entre la norma respectiva.

Se desea normalizar los vectores =

Ing. Aldo Jimnez Arteaga

2
1

3
1

2
. Para ello, se necesita obtener sus respectivas normas y
2

0
= 6
1

2
= 32
2

AL

2014

Finalmente, los vectores unitarios seran:


=

1 2

6 1

0
,
1

3 2

32 1 2

Se puede verificar fcilmente, que las respectivas normas son iguales a 1.

Desigualdad de Cauchy-Schwarz
Se puede establecer una condicin que permita analizar un tringulo formado por vectores. Dicha condicin tiene su
base en la llamada desigualdad de Cauchy-Schwarz, la cual establece que, en un espacio vectorial donde se define un
producto interno, para todo par de vectores , se cumple
|| |2 | |

La desigualdad se cumplir si, y slo si, los vectores involucrados son linealmente dependientes.
EJEMPLO 4.6. Sean los conjuntos de vectores, {(1, 2, 0), (2, 1, 1)} y {(1, 2, 1), (5, 10, 5)}. Determnese por la
desigualdad de Cauchy-Schwarz y el producto interno ordinario en 3 si son linealmente dependientes.
(1, 2, 0)|(2, 1, 1)2 (1, 2, 0)|(1, 2, 0)(2, 1, 1)|(2, 1, 1)
02 (5)(6)

Como existe desigualdad, entonces el primer conjunto es linealmente independiente.

(1, 2, 1)|(5, 10, 5)2 (1, 2, 1)|(1, 2, 1)(5, 10, 5)|(5, 10, 5)
(30)2 (6)(150)
900 900

Como se tiene una igualdad, el segundo conjunto es linealmente dependiente. Se confirma rpidamente este resultado
al ver que el segundo vector se obtiene al multiplicar el primer vector por 5.
EJEMPLO 4.7. Sea el producto interno definido en el espacio vectorial de las funciones reales de variable real como

()|() = ()()
0

Determnese si las funciones {sin , cos } son linealmente independientes.

sin | cos 2 sin | sin cos | cos


2

(sin )(cos ) (sin )(sin ) (cos )(cos )


0

1
1
1
cos 2 ( sin cos ) ( + sin cos )
2
2
0
0 2
0
1 2
0
4

Se puede observar que los vectores son linealmente independientes, ya que no existe la igualdad.
6

Ing. Aldo Jimnez Arteaga

AL

2014

Definicin de distancia entre vectores y sus propiedades


El producto interno con normas permite establecer el concepto de distancia entre los vectores. La figura 4.1 muestra de
manera grfica la distancia entre vectores.

Figura 4.1. Distancia entre vectores.

Puede observarse que la distancia entre vectores se mide desde el punto final de hasta el punto final de . La relacin
entre los vectores mostrados es
+ =
=

La distancia entre y se puede calcular como la norma del vector = .


=
(, ) =

Este nmero es un real positivo, que establece los principios de mtrica en un espacio vectorial. Satisface las siguientes
propiedades:

(, ) 0.
(, ) = 0, si = .
(, ) = ( , ).
(,
) (, ) + ( ,
).

EJEMPLO 4.8. La desigualdad del tringulo es un teorema geomtrico muy importante dentro de la Matemtica. La figura
4.2 muestra este problema.

Figura 4.2. Desigualdad triangular.

Ing. Aldo Jimnez Arteaga

AL

2014

Las normas son escalares positivos, por lo cual se puede establecer una relacin con las propiedades del valor absoluto.
Otro argumento para establecer la demostracin es tomando al espacio vectorial de los nmeros reales sobre los
nmeros reales.
Las propiedades del valor absoluto son:

|| , si, y slo si .
|| , si, y slo si, .

Si se tiene en principio

|| || (1)
|| || (2)

al sumar las ecuaciones (1) y (2) se tiene que

|| || + || + ||

Al utilizar la primera propiedad del valor absoluto se tiene que

Si se reescribe en trminos de normas, se obtiene

| + | || + ||

+ +

EJEMPLO 4.9. Sean el espacio vectorial de las matrices cuadradas de orden dos con elementos complejos, y el producto
interno definido por
| = 11 11 + 12 12 + 21 21 + 22 22

Calclese la distancia entre los vectores

Por lo que

2
4 +

1+

2
4 +

2
2
y
1
5

2 + 2

=
1 6
1+

2
2

1
5

2 + 2

+ (2 + 2)(2
= (2)(2)
+ 2) + (4 + )(4
+ ) + (1 6)(1
6)
1 6
= 4 + (4 + 4) + (16 + 1) + (1 + 36)
= 66

Por lo que la distancia entre las matrices es 66 [].


EJEMPLO 4.10. Con el producto interno definido por

2
. Primero se tiene que
5

Ing. Aldo Jimnez Arteaga

AL

2014

()|() = ()()
=0

Encuntrese la distancia entre los polinomios () = 3 2 + 1 y () = 2 + 2.

Se obtiene

3 + 3 = ( 3 2 + 1) ( 2 + 2)

Y, finalmente

3 + 3 = (3)(3) + (1)(1) + (7)(7) + (27)(27)


= 788

La distancia entre los polinomios es 788 [].

Definicin de ngulo entre vectores


El ngulo entre vectores tambin puede calcularse a partir del producto interno. La figura 4.3 permite establecer ciertas
relaciones entre las normas y el ngulo.

Figura 4.3. ngulo entre vectores.

Por la ley de cosenos se sabe que


2
= 2 + 2 2 cos

Pero adems es la norma de . Por lo tanto, al desarrollar la expresin se tiene

Finalmente, se obtiene que

| = 2 + 2 2 cos
| | = 2 + 2 2 cos
| | | + | = 2 + 2 2 cos
2 2| + 2 = 2 + 2 2 cos
2| = 2 cos
|
= cos

Ing. Aldo Jimnez Arteaga

AL

2014

Y el ngulo entre dos vectores puede obtenerse a partir del producto interno entre sus vectores, y las normas. Hay que
destacar que en espacios complejos el producto | puede ser un nmero complejo, en cuyo caso slo se tomar en
cuenta la parte real; es decir
Re|
= cos

EJEMPLO 4.11. Sean los vectores = (0, 1, 1, 2) y = (0, 0, 1, 1). Calclese el ngulo entre ellos, utilizando el producto
interno usual en 4 .
Se calculan

= (0)(0) + (1)(0) + (1)(1) + (2)(1)


=1

= (0)(0) + (1)(1) + (1)(1) + (2)(2)


= 6

= (0)(0) + (0)(0) + (1)(1) + (1)(1)


= 2

Por lo tanto, el coseno del ngulo entre los vectores es

Por lo tanto, se obtiene que = 73.22.

cos =

EJEMPLO 4.12. Calclese el ngulo entre los vectores


interno

62

2
0 3

1+
3 4
y
1
2 0

| = tr( )

Se calcula

0
3 4 2 +
| = tr 2

3
2 0

1 1
3
4
1 + 2
= tr 12
8
7 + 2
3 + 5 4 4 1 + 4
= 7 + 7

10

Ing. Aldo Jimnez Arteaga

2
1+
| = tr 2

3
0 3
1
1 1
1
2
1
= tr 2
13
2 + 5
1 + 2 5
3

2 +
, si se define el producto

AL

2014

= 17

3
2
3 4 2 +
| = tr 4

0
2 0

2
13
12
8 3
= tr 12
16
8 + 4
8 + 3 8 4
6
= 35

Por lo que el ngulo entre vectores, en este caso, queda definido por

Re(7 + 7)

= arccos

Obtenindose que = 73.32.

1735

Vectores ortogonales

Sea un espacio vectorial con producto interno. Se dice que dos vectores , son ortogonales si
| = 0

Dicha relacin es simtrica: si es ortogonal a , entonces es ortogonal a . Debido a que


0 = cos

entonces,

0=

Por lo que se llega a la definicin de ortogonalidad entre vectores.

EJEMPLO 4.13. Sean los vectores = (0, 1, 1, 2) y = (2, 1, 1, 0). Al aplicar el producto escalar ordinario en cuartetos
ordenados reales se llega a
= (0, 1, 1, 2) (2, 1, 1, 0)
= (0)(2) + (1)(1) + (1)(1) + (2)(0)
=0

Por lo que los vectores son ortogonales.

Si al concepto de vectores ortogonales se le aade el de vector unitario, se establece la definicin de vectores


ortonormales. Sean y dos vectores unitarios; si se tiene que
Se dice que los vectores y son ortonormales.
11

Ing. Aldo Jimnez Arteaga

| = 0

AL

2014

EJEMPLO 4.14. Dados los vectores () = 2 + 1 y () = 2 + 2, encuntrese los valores tales que
los dos polinomios sean vectores ortonormales, si se define
2

()|() =
=0

Si el espacio vectorial es 2 = {2 2 + 1 + 0 |0 , 1 , 2 }.

Se sabe que el producto entre los dos vectores debe ser nulo, por lo tanto
0 = (1)() + (1)(1) + (1)(2)

y se tiene que = 3. Al obtener las respectivas normas de los polinomios se obtiene que
() = 3

Y los vectores ortonormales son () =

2 +

() = 14

y () =

14

2 +

14

14

Conjuntos ortogonales y ortonormales


La ortogonalidad no es especfica de un par de vectores; se pueden tener conjuntos completos de vectores ortogonales
a un vector, o incluso conjuntos de vectores ortogonales entre s. Sea el conjunto
= 1 , 2 , 3 ,

Si se cumple que = 0, , entonces se dice que es un conjunto ortogonal.

EJEMPLO 4.15. El conjunto , , es ortogonal bajo el producto interno usual en las ternas ordenadas, ya que
(1, 0, 0) (0, 0, 1) = 0

(1, 0, 0) (0, 1, 0) = 0

(0, 1, 0) (0, 0, 1) = 0

EJEMPLO 4.16. Dado el conjunto de vectores {(2, 0, 1), (1, 10, 2), (2, 1, )}, qu valores , permiten que el
conjunto sea ortogonal?
Se debe plantear que
(2, 0, 1) (1, 10, 2) = 0
(2, 1, ) (2, 0, 1) = 0

12

Ing. Aldo Jimnez Arteaga

(1, 10, 2) (2, 1, ) = 0

AL

2014

Por lo que surge el sistema de ecuaciones


2
4

Finalmente se obtiene que = 1 y = 4.

=
=
=

2
0
8

Para poder establecer un conjunto ortogonal de vectores es necesario considerar el producto interno definido.
Entonces, el conjunto puede determinarse a partir de un vector de un subespacio vectorial o incluso a partir de un
espacio.
Sea el subespacio vectorial donde se define un producto interno | . Para obtener un conjunto ortogonal se parte
de un vector arbitrario 1 . Para obtener el segundo vector 2 se debe cumplir que

1 2 = 0, que permitir plantear una ecuacin lineal (1).

El tercer vector 3 del conjunto ortogonal se obtiene al plantear las condiciones simultneas

1 3 = 0, que plantea nuevamente la ecuacin lineal (1).


2 3 = 0, que aade una nueva ecuacin lineal (2)

El vector 4 se obtendr al resolver el sistema de ecuaciones lineales formado por las ecuaciones (1), (2) y una nueva al
aadir una ecuacin (3), producto de 3 4 = 0.
El proceso se continuar de forma anloga al descrito anteriormente, hasta obtener como vector ortogonal al vector
nulo. Cabe destacar que cada uno de los vectores obtenidos debe pertenecer al mismo subespacio vectorial en el cual de
define el producto interno.
EJEMPLO 4.17. Sea el espacio vectorial
2 =

, , ,

Con el producto interno definido por | = tr( ). Determnese un conjunto ortogonal a partir del vector
1 0
.
=
1 1
Primero se plantea | = 0, donde =


0 = +

| = tr

que arroja la condicin = + ; por lo tanto el vector buscado tiene la forma =


+

Dando valores, se obtiene =


13

0
2

Ing. Aldo Jimnez Arteaga

1
.
2

AL

2014

El siguiente vector ortogonal se obtiene a partir del planteamiento de las ecuaciones | = 0 y | = 0, donde

.
=


0 = +

| = tr

2 + 2 2 + 2
0 = + 2 + 2

| = tr

Al sustituir las condiciones obtenidas, = y = 2 2, en el vector se llega a =

que al darle valores establece que =


El siguiente vector =

1 6
.
1
2

2 2
,

deber cumplir simultneamente | = 0, | = 0 y | = 0.

| = +

| = + 2 + 2

| = tr 6 6
+ 2
+ 2
0 = 6 + + 2

Las condiciones que se deben satisfacer son = , = 2 2 y 0 = 6 + + 2. Al resolver el sistema


ecuaciones se tiene que

Y el vector tiene la forma =


4
5

1
2

+ 4

+4
1

; al dar valores se obtiene =

simultneamente ortogonal a los cuatro anteriores:

9
5

| = +

| = + 2 + 2

| = 6 + + 2

Al plantear el sistema de ecuaciones


14

Ing. Aldo Jimnez Arteaga

| = tr 9 + 2 9 + 2
5 + 4 5 + 4
0 = 9 + 2 5 + 4

2
. El siguiente vector que debe ser
4

AL

6
+2

+
+2
+
5

+2
+2
+4

=
=
=
=

2014

0
0
0
0

Se descubre que solo acepta la solucin trivial; por lo tanto el siguiente vector ortogonal es el vector nulo. Si se sigue el
procedimiento nuevamente, se obtendr siempre el vector nulo; por lo que el conjunto ortogonal es

1
1

0
0
,
1
2

9
1
1 6
,
,
5
2
1
2

EJEMPLO 4.18. Para el subespacio = {(, , 2 , )|, , }, encuntrese un conjunto ortogonal.


Se inicia con un vector arbitrario del subespacio 1 = (1, 1, 1, 1):

1 2 = (1, 1, 1, 1) (, , 2 , )
0 = 3 +

El segundo vector es 2 = (, , 2 , 3), o bien 2 = (1, 1, 1, 3). El tercer vector es


1 3 = 3 +

2 3 = (1, 1, 1, 3) (, , 2 , )
0 = 3 3

Al sustituir las dos condiciones, se obtiene el vector 3 = (0, , , 0), que con valores es 3 = (0, 1, 1, 0). Finalmente,
el conjunto ortogonal es
{(1, 1, 1, 1), (1, 1, 1, 3), (0, 1, 1, 0)}

Como en el ejemplo anterior, al calcular el siguiente vector ortogonal se obtendr el vector nulo.

Independencia lineal de un conjunto ortogonal de vectores no nulos


En los ejemplos anteriores puede observarse que el nmero de vectores de cada conjunto ortogonal coincide con la
dimensin del subespacio. Adems, se puede comprobar fcilmente que cada conjunto ortogonal es linealmente
independiente; por lo tanto, un conjunto ortogonal con el mismo nmero de vectores que la dimensin del subespacio
al que pertenece es una base.
Sea el conjunto ortogonal
= 1 , 2 , 3 , ,

Si se establece la ecuacin de dependencia lineal con los elementos de A se tiene que


0 = 1 1 + 2 2 + 3 3 + +

Si se toma un elemento del conjunto y se aplica a la ecuacin de dependencia el producto interno para el cual es
ortogonal se obtiene que
15

0 = 1 1 + 2 2 + 3 3 + +

Ing. Aldo Jimnez Arteaga

AL

2014

0 = 1 1 + 2 2 + 3 3 + +

Como el conjunto es ortogonal, entonces el producto = 0, , y la ecuacin de dependencia se reduce a


0 =

De donde se obtiene que = 0. Como se puede realizar este procedimiento con cualquier vector, entonces se concluye
que la ecuacin de dependencia se cumple solo si todos los escalares son nulos; en consecuencia, el conjunto es
linealmente independiente.
EJEMPLO 4.19. El conjunto del ejemplo 4.18 puede establecerse como una matriz, y verificar si es una base del
subespacio = {(, , 2 , )|, , }.
1 1
1 1
0 1

1
1
1

1
1
3 ~ 0
0
0

1 1
0 0
1 1

1
1
4 ~ 0
0
0

1
1
0

1 1
1
1 0 ~ 0
0 1
0

0
1
0

2
1
0

Se observa que los vectores son linealmente independientes; por lo tanto, el espacio generado es

que es el mismo subespacio .

0
0
1

= {(, , 2 , )|, , }

A una base de un subespacio que adems es ortogonal se le conoce como base ortogonal. El proceso para obtener una
base ortogonal a partir de un vector es el mismo que se describi en el apartado de conjunto ortogonal.

Coordenadas de un vector respecto a una base ortogonal


Al introducir el concepto de base ortogonal, se puede establecer tambin el de coordenadas de un vector en una base
ortogonal. Sea un espacio vectorial donde se define la base ortogonal
= 1 , 2 , 3 , ,

y sea un vector . Para obtener el vector de coordenadas [] se tiene

= 1 1 + 2 2 + 3 3 + +

Si se aplica el producto interno con un vector de la base a ambos lados de la ecuacin se llega a
= 1 1 + 2 2 + 3 3 + +

Al igual que en la demostracin anterior, se sabe que = 0, ; por lo tanto, la expresin anterior se reduce a
lo cual permite que

16

Ing. Aldo Jimnez Arteaga

=

=

AL

2014

Entonces, se tiene que el vector de coordenadas de en la base ortogonal est dado por
1 2 3

[] =
,
,
,,

1 1 2 2 3 3

EJEMPLO 4.20. Sea el subespacio 2 = { 2 + + (2 + 3)|, } y la base ortogonal


= {2 2 + 1, 2 + 2 + 4}

con respecto al producto interno definido por

()|() =
=0

Calclese el vector de coordenadas de () = + 3 en la base ortogonal, utilizando el producto interno. Se sabe que
| |
,

| |

[()] =

Por lo que

(0)(2) + (1)(1) + (3)(1)


|
=
| (2)(2) + (1)(1) + (1)(1)
1 2

Y se obtiene que [()] = , .


3 3

| (0)(1) + (1)(2) + (3)(4)


=
| (1)(1) + (2)(2) + (4)(4)

2
3

1
3

Proceso de ortogonalizacin de Gram-Schmidt


Se ha estudiado que a partir de un vector de un subespacio se puede obtener una base ortogonal. Sin embargo, tambin
es posible encontrar una base de este tipo a partir de una base cualquiera del subespacio.
Supngase que = {1 , 2 , 3 , , } es una base del espacio vectorial con un producto interno | definido. Para
encontrar una base ortogonal = {
1 ,
2,
3 , ,
} se debe elegir un primer vector de sobre el cual se operar. En
este caso se tiene que
1.

1 = 1

Para el segundo vector de la base ortogonal se debe hacer una resta del segundo vector de la base original menos su
proyeccin sobre el vector obtenido en el paso anterior; es decir,
2.

2 = 2 2 |1
1
1 1

Para el tercer vector se realiza la resta del tercer vector de la base original menos la proyeccin sobre el primer vector
menos la proyeccin sobre el segundo vector de la base ortogonal, ya obtenidos; o sea,
17

Ing. Aldo Jimnez Arteaga

AL

3.

2014

3 = 3 3 |1
1 3 |2
2
1 1

2 2

El proceso se contina como en los pasos anteriores hasta obtener el vector -simo de la base ortogonal
n.

|
1

= |1
1 |2
2 |3
3
1 1

2 2

1 |
1

3 3

En forma compacta, este algoritmo crea una base ortogonal a partir de una base cualquiera de un espacio vectorial,
donde

1 = 1

=1

El algoritmo es conocido como el mtodo de ortogonalizacin de Gram-Schmidt, llamado en honor de sus


descubridores, el actuario dans Jrgen Pedersen Gram y el matemtico alemn Erhard Schmidt.
EJEMPLO 4.21. Encuntrese la base ortogonal generada a partir de la base
1
=
0

0
0
,
1
2

1
2
,
1
1

del espacio de las matrices simtricas de orden 2, si el producto interno que se define es
| = 11 11 + 12 12 + 21 21 + 22 22

El proceso se comienzo con la eleccin del primer vector como inicio de la base, y despus se aplica la ecuacin
1

=1

Para los vectores siguientes:

1 0

0 1
1 1 0
0 2

2 =
2 1
2 0 1
1
2
= 2 1
2 2

1 =

3 =
1

Y la base ortogonal obtenida es


18

Ing. Aldo Jimnez Arteaga

12

17
3
17

7 2
1 1 0
1

0
17 2
2 0 1
3
17
12
17

1
2

AL

1
=
0

12

0
, 2 1 , 317
1
2

EJEMPLO 4.22. Dada una base de un subespacio de 4

17

2014

3
17
12
17

{(1, 1, 0, 0), (0, 1, 1, 0), (0, 0, 1, 1)}

Encuntrese una base ortogonal.

Por el proceso de Gram-Schmidt se establece que

1 = (1, 1, 0, 0)

El segundo vector es

(1, 1, 0, 0) (0, 1, 1, 0)
(1, 1, 0, 0)
(1, 1, 0, 0) (1, 1, 0, 0)
1
= (0, 1, 1, 0) (1, 1, 0, 0)
2
1 1
= , , 1, 0
2 2

2 = (0, 1, 1, 0)

El tercer vector es

1 1
, , 1, 0 (0, 0, 1, 1)
1 1
0
2 2
, , 1, 0

3 = (0, 0, 1, 1) (1, 1, 0, 0)
1 1
1 1
2 2
2
, , 1, 0 , , 1, 0
2 2
2 2
1 1
2
= (0, 0, 1, 1) , , 1, 0
2 2
3
1 1 1
= , , , 1
3 3 3

Finalmente, la base ortogonal es

Complemento ortogonal

1 1
1 1 1
(1, 1, 0, 0), , , 1, 0 , , , , 1
2 2
3 3 3

Las dos opciones que se tienen al manejar conjuntos de vectores y ortogonalidad son:

Un conjunto cuyos vectores son ortogonales entre s.


Un conjunto cuyos vectores son ortogonales a otro vector fuera del conjunto.

El primero fue tratado en el tema de bases ortogonales; el segundo se conoce como complemento ortogonal, y se define
a continuacin.

19

Ing. Aldo Jimnez Arteaga

AL

2014

Sea un subespacio de un espacio vectorial con producto interno. Al subespacio de cuyos vectores son ortogonales
a los elementos de , se le conoce como complemento ortogonal de , y se denota como
= { | | = 0, }

Se debe hacer hincapi que los elementos del complemento ortogonal de no necesariamente son ortogonales entre s.

EJEMPLO 4.23. Sea el subespacio = {(, , , )|, }. Cul es su complemento ortogonal, con respecto al
producto escalar ordinario?
En este problema se debe elegir una base de , la cual plantear la ortogonalidad con otro subespacio de los cuartetos
reales ordenados. La base elegida ser:
{(1, 0, 0, 1), (0, 1, 1,0)}

Por lo que se tiene que

(1, 0, 0, 1) (, , , ) = 0
(0, 1, 1,0) (, , , ) = 0

De estas dos operaciones se obtienen las condiciones + = 0 y + = 0 del complemento ortogonal de A:


= {(, , , )|, }

Si se realiza el producto escalar entre (, , , ) y (, , , ) se obtiene

(, , , ) (, , , ) = + +

cuyo resultado es cero.

EJEMPLO 4.24. Encuntrese el complemento ortogonal al polinomio () = 2 2 + 1 bajo el producto interno


definido por
2

()|() =
=0

Si el espacio vectorial es el de los polinomios de grado menor o igual a dos con elementos reales.
Se debe plantear que
2 2 + 1| 2 + + = 0
2 2 + 1| 2 + + = (1)() + (2)() + (1)()

Por lo que la condicin que debe cumplir el complemento ortogonal es 2 + = 0. Y se tiene que el complemento
ortogonal del polinomio dado es

20

Ing. Aldo Jimnez Arteaga

() = {(2 ) 2 + + |, }

AL

2014

EJEMPLO 4.25. Una de las aplicaciones directas del complemento ortogonal es el plano en el espacio. Se sabe que un
plano que contiene al origen es un subespacio de 3 ; dicho plano puede definirse por la ecuacin
+ + = 0

Esa ecuacin del plano puede descomponerse como (, , ) (, , ) = 0, donde el vector (, , ) representa a un
vector que pertenece al plano, y (, , ) es un vector perpendicular (conocido en geometra analtica como vector
normal) al plano. La figura 4.4 muestra un plano generado por dos vectores, y el vector normal al plano.

Figura 4.4. Plano generado por dos vectores (rojo) que muestra al vector normal (azul).

Si los vectores que forman el plano son (2, 6, 4) y (3, 3, 3), cul es una ecuacin del plano?
El plano es el espacio generado por los vectores dados, es decir

= {( , 3 + , 2 )|, }

Para encontrar la ecuacin del plano es necesario obtener el vector normal, el cual pertenece al complemento ortogonal
del plano. Tomando la base {(1, 3, 2), (1, 1, 1)}, el vector normal se obtiene como
(1, 3, 2) (, , ) = 0

(1, 1, 1) (, , ) = 0

Que establece las ecuaciones + 3 + 2 = 0 y + = 0, de donde se obtiene que


5
3
= , , |,
2
2

Si se toma el vector (5, 3,2), que es un vector normal al plano, se obtiene que la ecuacin buscada es
5 3 + 2 = 0

Proyeccin de un vector sobre un subespacio

De acuerdo al ejemplo anterior, es posible establecer relaciones entre un vector y un subespacio (en el caso del ejemplo,
representado por un plano). Sin embargo, ese vector no necesariamente es perpendicular al subespacio; es posible que
ese vector sea oblicuo, y por lo tanto, permita establecer una sombra sobre el subespacio. Este concepto se conoce
como proyeccin de un vector sobre un subespacio; la figura 4.5 establece ese concepto.

21

Ing. Aldo Jimnez Arteaga

AL

2014

Figura 4.5. Proyeccin de un vector sobre un subespacio (plano).

Para obtener la proyeccin de un vector sobre un subespacio se debe considerar el producto interno que se utilizar y el
subespacio sobre el cual se proyectar. Sea el conjunto
1 , 2 , 3 , ,

Una base ortogonal del subespacio H mostrado en la figura 4.5. El vector , puede expresarse como
=

2
3

1
1 +
2 +
3 + +
(1)
1 1
2 2
3 3

Pero el vector puede expresarse como

Al sustituir (2) en la parte derecha de (1) se obtiene


=

= (2)

2
3

1
1 +
2 +
3 + +

1 1
2 2
3 3

Al desarrollar la anterior ecuacin con propiedades del producto interno se tiene que
=

1
2
2


1
1
1 +
2
2 + +

1 1
1 1
2 2
2 2

Debido a que el subespacio H es el complemento ortogonal del vector , los productos son iguales a cero, y en
consecuencia

Por lo que el vector se expresa como


=


= 0

2
3

1
1 +
2 +
3 + +

1 1
2 2
3 3

Esta expresin es conocida como la proyeccin de sobre , denotada como

22

Ing. Aldo Jimnez Arteaga

Proy =
=1

AL

EJEMPLO 4.26. Obtngase la proyeccin de la matriz =


=

Con el producto interno definido por | = tr( ).


Una base ortogonal del subespacio es 1 =

1
0

1
0

0
sobre el subespacio
2

0
0
, 2 =
1
1

1
, por lo tanto, la proyeccin de sobre ser
0

|1
|2
1 +

1 |1
2 |2 2
0 0 1
3 1 0
+

=
2 1 0
2 0 1
3 1 0

Proy =
2 0 1

Proy =

que es el vector buscado.

2014

En la figura 4.5 se presenta un tringulo rectngulo, cuyos lados son los vectores , y ; la hipotenusa puede
expresarse con la ecuacin vectorial
= +

donde es el vector distancia entre y , y es la proyeccin de en el subespacio ; obsrvese que es el


complemento ortogonal de ; en consecuencia, es ortogonal a . Por lo que, un vector cualquiera puede expresarse
de la siguiente manera
= +

Siendo un subespacio y su complemento ortogonal.

EJEMPLO 4.27. Exprsese el vector (2, 1, 0, 1) como la suma de dos vectores.


(2, 1, 0, 1) =
0
0 +

Si
0 pertenece al subespacio = {(0, , , )|, , }, entonces la proyeccin se da como

(2, 1, 0, 1) (0, 1, 0, 0)
(2, 1, 0, 1) (0, 0, 1, 0)
(2, 1, 0, 1) (0, 0, 0, 1)
(0, 1, 0, 0) +
(0, 0, 1, 0) +
(0, 0, 0, 1)
(0, 1, 0, 0) (0, 1, 0, 0)
(0, 0, 1, 0) (0, 0, 1, 0)
(0, 0, 0, 1) (0, 0, 0, 1)
= 1(0, 1, 0, 0) + 0(0, 0, 1, 0) + (0, 0, 0, 1)
= (0, 1, 0, 1)

0 =

Para encontrar el complemento ortogonal de


0:

0 = (0, 1, 0, 1) (, , , )

Por lo tanto, + = 0 y el complemento ortogonal es {(, , , )|, , }. Para terminar el clculo, se debe
realizar una ecuacin sencilla
23

Ing. Aldo Jimnez Arteaga

AL

De donde se obtiene que

2014

(2, 1, 0, 1) = (0, 1, 0, 1) + (, , , )
(2, 1, 0, 1) (0, 1, 0,1) = (, , , )

0 = (2, 0, 0, 0)

Que son los dos vectores buscados: (2, 1, 0, 1) = (0, 1, 0, 1) + (2, 0, 0, 0)

El teorema de proyeccin

En la figura 4.6 puede observarse la proyeccin de un vector sobre un vector ; adems, se dibujan las respectivas
distancias entre ( , ) y ( , 0 ). Es evidente que la distancia entre y su proyeccin es la menor de las dos.
,
)
(

,
)
(

Figura 4.6. Distancia mnima entre vectores.

Esto permite establecer el teorema de proyeccin, el cual se enuncia a continuacin.


Para cada vector existe uno y slo un vector 0 tal que

0 <

Este teorema se le conoce como teorema de proyeccin. Puede observarse que la distancia ms corta se da entre el
vector y su proyeccin 0 .

reales, donde se define el producto interno

EJEMPLO 4.28. Sea el subespacio =

Obtngase la matriz ms cercana a =

2
1

, de las matrices cuadradas de orden dos con elementos


2
| = tr( )

1
.
0

Para obtener la proyeccin, es necesario tener una base ortogonal, la cual es

y se obtiene la proteccin de sobre , que es


24

Ing. Aldo Jimnez Arteaga

1
0

0
0 1
,

2
1 0

AL

0 0
0
+
2
2 1
0

2 1

5 0
2 1
=
5 0

Proy =
La matriz ms prxima a es

2 1

5 0

EJEMPLO 4.29. Dado el subespacio

2014

= {( + ) 2 + () + ( + 2)|, }

Encuntrese el vector 0 ms prximo a () = 2 + 5, utilizando el producto interno


| = 0 0 + 1 1 + 2 2

() = 0 + 1 + 2 2 , () = 0 + 1 + 2 2

donde denota al conjugado de . Una base ortogonal de G es = { 2 + 2, (5 2) 2 + 5 + 1} y la proyeccin de


() es
2 + 5| 2 + 2
2 + 5|(5 2) 2 + 5 + 1
2
[(5 2) 2 + 5 + 1]
(
+ 2) +
0 =
2 + 2| 2 + 2
(5 2) 2 + 5 + 1|(5 2) 2 + 5 + 1
2(5) + 5(1)
5(2)
[(5 2) 2 + 5 + 1]
( 2 + 2) +
=
29 + 25 + 1
1+4
3
= 2( 2 + 2) + [(5 2) 2 + 5 + 1]
11
15
3
15
47
15 16
15 6
+ + 2 + +
= (2 2 + 4) + 2 +
11
11
11
11
11 11
11 11

Por lo que el vector ms cercano buscado es 0 =

15
11

16
11

2 +

15
11

47

11

Mnimos cuadrados
Es una tcnica de anlisis numrico encuadrada dentro de la optimizacin matemtica, en la que, dados un conjunto de
pares (o ternas, etc.), se intenta encontrar la funcin que mejor se aproxime a los datos (un mejor ajuste), de acuerdo
con el criterio de mnimo error cuadrtico. La figura 4.7 muestra el concepto de mnimos cuadrados.

Figura 4.7. Ajuste, por mnimos cuadrados, de un conjunto de puntos a una funcin.

25

Ing. Aldo Jimnez Arteaga

AL

2014

Tomando como base un sistema de ecuaciones lineales y incgnitas = , el vector de trminos independientes
puede pertenecer al espacio columna de la matriz de coeficientes, dado que el producto = es una combinacin
lineal de columnas de :
11 12 1
1
1
21 22 2
2
2

=
1 2

11 1 + 12 2 + 13 3 + + 1
+ 22 2 + 23 3 + + 2
21 1
=

1 1 + 2 2 + 3 3 + +
11 1
12 2
13 3
1
21 1
22 2
23 3
2
+ + + + =
1 1
2 2
3 3

11
12
13
1
21
22
23
2
1 + 2 + 3 + + =
1
2
3

Si la condicin expuesta no se cumple, entonces el sistema de ecuaciones no tiene una solucin exacta; pero s es
posible obtener una aproximacin a ella. Dicha solucin, denotada como , es aqulla que minimizar el error
= ; en otras palabras, es la distancia mnima entre la solucin aproximada y la solucin real. La figura 4.8
establece la relacin entre las dos soluciones.

(2 )

()

(1 )

Figura 4.8. Reduccin del error entre la solucin real y la aproximada de un sistema de ecuaciones.

La figura muestra que la solucin aproximada es la proyeccin del vector de trminos independientes sobre el espacio
columna de la matriz del sistema; por lo tanto, el vector pertenece al complemento ortogonal de ().

Supngase que
(). Esto quiere decir, que dicho vector es una combinacin lineal de las columnas de ; es decir,
donde = (1 , 2 , 3 , , ). Entonces, se obtiene que

26

Ing. Aldo Jimnez Arteaga

= 0
=

AL

Utilizando el producto interno usual en ,

2014

= 0
() =
=

donde, por el concepto de distancia mnima, se puede considerar que

= 0
=

stas son conocidas como las ecuaciones normales de Gauss, y son la representacin matricial del mtodo de mnimos
cuadrados.
EJEMPLO 4.30. Regresin Lineal. Sea un conjunto de puntos obtenidos mediante medicin
{(1 , 1 ), (2 , 2 ), (3 , 3 ), , ( , )}

Se les puede ajustar al comportamiento de una recta, de ecuacin

= +

Para obtener el valor de los coeficientes y , es posible ajustar a un sistema de ecuaciones lineales cuya solucin no es
exacta
1
2
3

cuyo arreglo matricial es

2
3

+
+
+
+

=
=
=

1
2
3

1
1

1
2

1 = 3

1
4

Al aplicar las ecuaciones normales = se puede reducir la ecuacin:

27

1
1

2
1

3
1

2 + 22 + + 2
1
1 + 2 + +

Ing. Aldo Jimnez Arteaga

1
1 1


2 3 2
2
3 1 = 1
3

1
1 1 1 1

1

+ 2 2 + +
1 + 2 + +
= 1 1

1 + 2 + +

1+ 1+ +1

AL

=1

2014

=1
=1
=

=1


=1

que son las ecuaciones conocidas para aplicar la regresin lineal.

EJEMPLO 4.31. Determnese la recta que mejor se ajusta al conjunto de puntos presentados en la tabla 4.1.
X
Y

1
0.5

2
2.5

3
2.0

4
4.0

5
3.5

6
6.0

7
5.5

Tabla 4.1. Datos del ejemplo 4.31.

Con los datos de la tabla 4.1 se puede construir el siguiente sistema de ecuaciones:

2
3
4
5
6
7

+
+
+
+
+
+
+

=
=
=
=
=
=
=

1
0.5
2
2.5

3
2.0

4.0 4
5
3.5
6
6.0
7
5.5

1
0.5
1
2.5

1
2.0

1 = 4.0
3.5
1
1
6.0
5.5
1

Utilizando las ecuaciones normales = , se pueden obtener los valores de la pendiente y la ordenada al origen
de la recta buscada.

1
1

2
1

3
1

4
1

5
1

1
2

3
6 7
4
1 1
5
6
7

140
28

1
1

1
1 2

1 =
1
1
1
1
1

3
1

28
119.5
=

7
24

4
1

5
1

6
1

0.5
2.5

2.0
7
4.0
1
3.5
6.0
5.5

Cuya solucin es = 0.8393 y = 0.0714. Por lo tanto, la ecuacin de la recta buscada es


= 0.8393 + 0.0714

El polinomio de primer grado no es el nico lugar geomtrico al cual se puede ajustar un conjunto de puntos. Cualquier
funcin lineal se puede ajustar satisfactoriamente por el mtodo de mnimos cuadrados; incluso, con cambios de
variable adecuados, se puede encontrar una funcin no-lineal.
EJEMPLO 4.32. Encuntrese la ecuacin de segundo grado que mejor se ajusta al conjunto de puntos mostrado en la
tabla 4.2.
28

Ing. Aldo Jimnez Arteaga

AL

X
Y

- 1.1
6.51

- 0.4
3.36

0.2
1.44

0.9
0.11

1.8
- 0.16

2.7
1.19

3.0
2.00

2014

3.8
5.04

Tabla 4.2. Datos del ejemplo 4.32.

El sistema de ecuaciones se construye con el polinomio de segundo grado = 2 + + . Eso significa que se debe
obtener un nuevo conjunto de datos, utilizando el cuadrado de los datos correspondientes a las abscisas; la tabla 4.3
muestra esos datos.
X
X2
Y

- 1.1
1.21
6.51

- 0.4
0.16
3.36

0.2
0.04
1.44

0.9
0.81
0.11

1.8
3.24
- 0.16

2.7
7.29
1.19

3.0
9.00
2.00

3.8
14.44
5.04

Tabla 4.3. Datos con la expansin de datos del ejemplo 4.32.

Con estos datos se construye el sistema de ecuaciones lineales


1.21
0.16
0.04
0.81
3.24
7.29
9.00
14.44

1.1
0.4
+0.2
+0.9
+1.8
+2.7
+3.0
+3.8

1.21 1.1
= 6.51
0.16 0.4
= 3.36

0.04
0.2
= 1.44

0.81
0.9
= 0.11

1.8
= 0.16
3.24
7.29
2.7
= 1.19
= 2.00
9.00
3.0
14.44 3.8
= 5.04

+
+
+
+
+
+
+
+

Que se utiliza en las ecuaciones normales


1.21
= 1.1
1

0.16
0.4
1

0.04
0.2
1

0.81
0.9
1

3.24
1.8
1

1
6.51
1
3.36

1
1.44

1
0.11
=
1
0.16
1.19
1
1
2.00
5.04
1

7.29 9.00
2.7
3.0
1
1

1.21 1.1 1
6.51
0.16 0.4 1
3.36

0.04
0.2 1
1.44


0.81
0.9 1
0.11

=
1.8 1
3.24
0.16
7.29
1.19
2.7 1
9.00
3.0 1
2.00
14.44 3.8 1
5.04

14.44
3.8
1

Al realizar las multiplicaciones se obtiene el sistema de ecuaciones


355.3027
106.7290
36.1900

106.7290
36.1900
10.9000

36.1900
107.4957
10.9000 = 19.9590

8.0000
19.4900

Cuya solucin es = 1, = 3 y = 2. Por lo tanto, el polinomio que mejor se ajusta al conjunto de puntos dado es
= 2 3 + 2

29

Ing. Aldo Jimnez Arteaga