T6 Esp Euclideo

Tema 6: El espacio vectorial eucldeo
Algebra
Lineal
Dpto. Matem
aticas
Curso 2014-15. Grupo B
Ana Ma Ma
nanes Perez
email: mananes@uniovi.es
Algebra
Lineal (Dpto. Matem
aticas)
1 / 42
2 / 42
Contenidos
Indice
1
Producto escalar
Matriz asociada al producto escalar
Propiedades metricas
Diagonalizacion de un producto escalar
Ortogonalidad
Proyeccion ortogonal
Operadores simetricos
Algebra
Lineal (Dpto. Matem
aticas)
Producto escalar
Definicion de producto escalar

Definicion 6.1
Sea V un espacio vectorial real.
Se denomina producto escalar a cualquier aplicacion de V V en R
: V V R
(~u , ~v ) 7 ~u ~v
que verifica, para cualesquiera que sean ~u , ~u 0, ~v V y , R , lo
siguiente:
~u ~v = ~v ~u
(~u + ~u 0 ) ~v = (~u ~v ) + (~u 0 ~v )
~u ~u 0
~u ~u = 0 ~u = ~0
Algebra
Lineal (Dpto. Matem
aticas)
3 / 42
Producto escalar
Definicion de espacio vectorial eucldeo

Definicion 6.2
Se llama espacio vectorial eucldeo a todo espacio vectorial real V
dotado de un producto escalar. Lo denotamos (V , ) o simplemente V
Definicion 6.3 ( Cuadrado escalar)

Sea (V , ) un espacio vectorial eucldeo. A la aplicacion:
V
~v
R
~v ~v
la llamaremos cuadrado escalar, y la denotaremos por ~v 2 = ~v ~v

Tambien se llama forma cuadr
atica asociada al producto escalar.
Se verifica:
~u ~v =
Algebra
Lineal (Dpto. Matem
aticas)

1
(~u + ~v )2 ~u 2 ~v 2
2
~u , ~v V
4 / 42
Producto escalar
Ejemplo 6.1
Consideremos el espacio vectorial Rn , y sean ~u , ~v Rn con
~u = (x1 , x2 , . . . , xn ) y ~v = (y1 , y2 , . . . , yn ) .
Demostrar que la aplicacion Rn Rn
R , tal que:
(~u , ~v )
7 ~u ~v
~u ~v = x1 y1 + x2 y2 + + xn yn =
n
X
xi yi ,
i=1
es un producto escalar y que, por tanto, (Rn , ) es un espacio eucldeo.

Este producto escalar se llama producto escalar usual (u ordinario).
El espacio Rn con el producto escalar usual es un espacio vectorial
eucldeo, que recibe el nombre de espacio vectorial eucldeo usual Rn .
Por ejemplo, en R3 el producto escalar usual es
(x1 , x2 , x3 ) (y1 , y2 , y3 ) = x1 y1 + x2 y2 + x3 y3
Algebra
Lineal (Dpto. Matem
aticas)
5 / 42
Expresion matricial del producto escalar

Sea V un espacio vectorial eucldeo de dimension n y tomemos una base
B = {~u1 , ~u2 , . . . , ~un } de V .
Dados dos vectores cualesquiera ~u , ~v V , cuyas coordenadas en B sean,
respectivamente, (x1 , x2 , . . . , xn ) e (y1 , y2 , . . . , yn ) , esto es:
~u = x1~u1 + x2~u2 + + xn~un
~v = y1~u1 + y2~u2 + + yn~un
utilizando los axiomas de definicion del producto
~u1 ~u1 ~u1 ~u2
~u2 ~u1 ~u2 ~u2
~u ~v = (x1 x2 xn )
..
..
.
.
~un ~u1 ~un ~u2
Algebra
Lineal (Dpto. Matem
aticas)
escalar, se obtiene:
~u1 ~un
~u2 ~un
..
..
.
.
~un ~un
y1
y2
..
.
yn
6 / 42
As pues, el producto escalar se puede escribir como:

~u ~v = X t G Y
donde
X =
x1
x2
..
.
xn
y1
~u1 ~u1 ~u1 ~u2
~u ~u ~u ~u
2
2
2 1
y2
, Y = . , G =
..
..
..
..
.
.
.
yn
~un ~u1 ~un ~u2
~u1 ~un
~u2 ~un
..
~un ~un
G es la matriz del producto escalar respecto a la base B . A esta

matriz tambien se le denomina Matriz de Gram.
Como consecuencia del primer axioma del producto escalar, la matriz de
Gram es simetrica. Ademas, como consecuencia del tercer y cuarto
axiomas, todos los elementos de la diagonal principal son positivos.
Algebra
Lineal (Dpto. Matem
aticas)
7 / 42
Cambio de representacion matricial del producto escalar

Ademas de la base B del espacio eucldeo V , consideremos una nueva
base, Be . Dados dos vectores cualesquiera ~u , ~v V , denotemos:
G : matriz del producto escalar respecto de la base B .
e : matriz del producto escalar respecto de la base Be .
G
X : matriz columna con las coordenadas de ~u en la base B .
e : matriz columna con las coordenadas de ~u en la base Be .
X
Y : matriz columna con las coordenadas de ~v en la base B .
e : matriz columna con las coordenadas de ~v en la base Be .
Y
P : matriz de paso de la base antigua B a la base nueva Be .
Podemos escribir las siguientes igualdades:
(
(
e (i)
En la base B : ~u ~v = X t GY
X = PX
Ademas:
etG
eY
e
e (ii)
En la base Be : ~u ~v = X
Y = PY
Algebra
Lineal (Dpto. Matem
aticas)
(iii)
(iv )
8 / 42
Entonces, sustituyendo (i) e (ii) en (iii) :

e )t G (P Y
e) = X
e t Pt G P Y
e =X
e t (P t GP)Y
e
~u ~v = X t GY = (P X
y comparando con (iv ) , obtenemos la relacion de cambio de base:
e = P t GP
G
Definicion 6.4 (Matrices congruentes)

Dos matrices, A y A0 , cuadradas y del mismo orden n se dice que son
congruentes si existe alguna matriz invertible P , tal que A0 = P t AP .
Ejemplo 6.2
Demostrar que la aplicacion F : R2 [x] R2 [x]
Z
F (p(x), q(x)) =
p(x) q(x) dx
p(x), q(x) R2 [x]
define un producto escalar en R2 [x].

Calcular la matriz de dicho producto escalar en la base B = {1 , x , x 2 }.
Algebra
Lineal (Dpto. Matem
aticas)
9 / 42
Teorema 6.1
Sea A = (aij ) una matriz cuadrada, simetrica y de orden n .
Sea i el determinante asociado a la matriz formada con las i primeras
filas y las i primeras columnas de la matriz A (menores principales de A):

a11 a12 ... a1i

a12 a22 ... a2i

i = .
.
.
..
..
..

a1i a2i ... aii
La condicion necesaria y suficiente para que la matriz A este asociada a
un producto escalar es que: i > 0 , para i = 1 , 2 , . . . , n .
Definicion 6.5 (Matriz definida positiva)

Se dice que una matriz es definida positiva si es real, simetrica, de orden
n, con i > 0 , para i = 1 , 2 , . . . , n .
Algebra
Lineal (Dpto. Matem
aticas)
10 / 42
Ejemplo 6.3
Dadas las matrices
A1 = 1
3 1 4
2 1 y A2 = 1 2 3 ,
0 1
3
4 3 7
estudiar si pueden ser matrices asociadas a un producto escalar.
Ejemplo 6.4
En R2 se considera la aplicacion que a cada par de vectores ~x = (x1 , x2 ) e
~y = (y1 , y2 ) les hace corresponder el n
umero real:
x1 y1 x2 y1 x1 y2 + 4x2 y2
Verificar si esta aplicacion define un producto escalar en R2 .
Ejemplo 6.5
De las siguientes aplicaciones indicar cuales son cuadrados escalares:
a) q(x1 , x2 ) = x12 + x22 2x1 x2
b) q(x1 , x2 , x3 , x4 ) = 2x12 + 4x22 + 2x32 + 4x42 + 2x1 x3 + 2x2 x4
Algebra
Lineal (Dpto. Matem
aticas)
11 / 42
Propiedades m
etricas
Definicion 6.6 (Norma de un vector)

Sea V un espacio vectorial eucldeo. Todovector ~u V , cumple
~u ~u 0 , por tanto, existe el n
umero real ~u ~u , que recibe el nombre de
norma del vector ~u y lo denotaremos:
||~u || = ~u ~u
En ocasiones tambien se le denomina modulo o longitud del vector.
Definicion 6.7 (Vector unitario)

Un vector ~u V se llama unitario si su norma es la unidad.
~u unitario ||~u || = 1 ~u ~u = 1
Tambien diremos que ~u es un vector normalizado.
Sea ~u V , ~u 6= 0 , entonces
Algebra
Lineal (Dpto. Matem
aticas)
~u
es el vector unitario asociado a ~u .
||~u ||
12 / 42
Propiedades m
etricas
Propiedades de la norma
Sea V un espacio vectorial eucldeo, ~u , ~v V y R , se verifica:
1
||~u || 0
||~u || = 0 ~u = ~0
||~u ||2 = ~u ~u
||~u || = || ||~u ||
Desigualdad de Schwarz:
|~u ~v | ||~u || ||~v ||
Desigualdad de Minkowski:
||~u + ~v || ||~u || + ||~v ||
Definicion 6.8 (Distancia entre dos vectores)

Sea V un espacio vectorial eucldeo, se llama distancia del vector ~u al
vector ~v al siguiente n
umero real d(~u , ~v ):
d(~u , ~v ) = ||~u ~v ||
Algebra
Lineal (Dpto. Matem
aticas)
13 / 42
Propiedades m
etricas
Sean ~u e ~v dos vectores no nulos de un espacio eucldeo V . En este caso

la desigualdad de Schwarz se puede escribir:
|~u ~v | ||~u || ||~v ||
~u , ~v 6= 0

~u ~v
1 1 ~u ~v
=
1
||~u || ||~v ||
||~u || ||~v ||
De esta doble desigualdad se deduce que existe un u

nico angulo [0, ]
tal que:
~u ~v
cos =
||~u || ||~v ||
Definicion 6.9 (Angulo

de dos vectores)
Si ~u e ~v son dos vectores no nulos de un espacio eucldeo V , se define el
angulo que forman, y lo denotaremos = ~ud
, ~v , como
= ~ud
, ~v = arc cos
Algebra
Lineal (Dpto. Matem
aticas)
~u ~v
||~u || ||~v ||
14 / 42
Propiedades m
etricas
Teniendo en cuenta la definicion del angulo entre dos vectores se llega a la

definicion clasica del producto escalar de dos vectores:
= ~ud
, ~v = arc cos
~u ~v
~u ~v
= cos(~ud
, ~v ) =
=
||~u || ||~v ||
||~u || ||~v ||
~u ~v = ||~u || ||~v || cos(~ud

, ~v )
Definicion 6.10 (Vectores ortogonales)

Sea V un espacio vectorial eucldeo. Se dice que ~u V y ~v V son
vectores ortogonales si su producto escalar es nulo: ~u ~v = 0 ; cuando
as ocurra se pondra ~u ~v .
Si dos vectores no nulos son ortogonales entonces forman un angulo de
radianes; si son proporcionales, el angulo formado sera 0 o radianes.

2
El vector cero ~0 es el u
nico vector ortogonal a todos los vectores de V .
Algebra
Lineal (Dpto. Matem
aticas)
15 / 42
Propiedades m
etricas
Teorema 6.2
Sea ~v V , ~v 6= ~0 . Cualquier vector ~u V se puede expresar de manera
u
nica como suma de un vector proporcional a ~v y otro ortogonal a ~v .
Para demostrarlo, sea
~u = ~v + w
~
(1)
~ ortogonal a ~v (~v w
~ = 0). Multiplicando escalarmente (1) por ~v :
con w
~v ~u = ~v ~v + ~v w
~ = ~v ~u = ~v ~v = =
~u ~v
~v ~v
~ :
con lo que puedo calcular w
~u ~v
~u ~v
~u =
~v + w
~ = w
~ = ~u
~v
~v ~v
~v ~v
por lo que

~u ~v
~u ~v
~u =
~v
~u
~v
+
~
~
~
~
v
v
v
v
| {z }
|
{z
}
proporcional a ~v
Algebra
Lineal (Dpto. Matem
aticas)
ortogonal a ~v
16 / 42
Propiedades m
etricas
El teorema anterior nos permite definir la proyeccion ortogonal de un

vector sobre otro:
Definicion 6.11
~u ~v
~v se llama proyecci
on ortogonal del vector ~u
~v ~v
sobre el vector ~v , lo denotaremos:
El vector ~v =
proy~v ~u =
~v ~u
~v
~v ~v
Tambien se dice: proyeccion ortogonal del vector ~u sobre el subespacio

engendrado por el vector ~v .
Ejemplo 6.6
Dado el vector de R3 ~v = (2, 3, 1) , expresar el vector ~u = (1, 3, 5)
como suma de dos vectores, uno proporcional a ~v y el otro ortogonal a ~v .
Considerar el producto escalar usual.
Algebra
Lineal (Dpto. Matem
aticas)
17 / 42
Propiedades m
etricas
Teorema 6.3
En un espacio eucldeo, cualquier sistema de vectores no nulos y
ortogonales dos a dos, es un sistema libre.
Definicion 6.12 ( Base ortogonal)

Una base del espacio eucldeo V , B = {~e1 ,~e2 , . . . ,~en } se llama
ortogonal si sus vectores son ortogonales dos a dos.
Definicion 6.13 ( Base ortonormal)

Una base del espacio eucldeo V , B = {~e1 ,~e2 , . . . ,~en } se llama
ortonormal si sus vectores son unitarios y ortogonales dos a dos, es decir,
(
~ei ~ej = 0 , si i 6= j
i, j = 1, 2, . . . , n
~ei ~ei = 1
Demostrar que la base canonica en el espacio eucldeo Rn , con el
producto escalar usual, es una base ortonormal.
Algebra
Lineal (Dpto. Matem
aticas)
18 / 42
Propiedades m
etricas
La matriz de Gram del producto escalar respecto de una base ortogonal

B = {~e1 ,~e2 , . . . ,~en } , es la siguiente matriz diagonal:
||~e1 ||2
0
0
||~e2 ||2
0
G =
..
..
..
..
.
.
.
.
0
0
||~en ||2
y la matriz de Gram del producto escalar respecto de una base ortonormal
es la matriz unidad:
1 0 0
0 1 0
G = . . .
.. ..
. . ...
0 0 1
Algebra
Lineal (Dpto. Matem
aticas)
19 / 42
Diagonalizaci
on de un producto escalar
A continuacion nos plantearemos el calculo de una base donde la matriz

asociada al producto escalar sea diagonal, y mejor a
un, sea la matriz
unidad. El siguiente teorema afirma que eso siempre es posible.
Teorema 6.4
Todo espacio vectorial eucldeo de dimension finita V tiene bases
ortonormales.
Teorema 6.5
Sean B y B 0 dos bases ortonormales del espacio eucldeo V y sea P la
matriz de paso de una base a la otra. Entonces se cumple que P 1 = P t .
En efecto, como la matriz del producto escalar en la base ortonormal B es
la matriz unidad y la matriz del producto escalar en la base ortonormal B 0
tambien es la matriz unidad, usando la formula del cambio de base:
In = P t In P
es decir
In = P t P
Algebra
Lineal (Dpto. Matem
aticas)
20 / 42
Diagonalizaci
Definicion 6.14 ( Matriz ortogonal)

Sea A una matriz cuadrada de orden n , de n
umeros reales.
Se dice que A es una matriz ortogonal si
A1 = At
o lo que es lo mismo, si
A At = In
Propiedades
1
Toda matriz ortogonal A verifica que su determinante es |A| = 1 .
En un espacio eucldeo la matriz de paso entre dos bases ortonormales

es una matriz ortogonal, y, viceversa, una matriz ortogonal pasa de
una base ortonormal a otra que tambien es ortonormal.
Algebra
Lineal (Dpto. Matem
aticas)
21 / 42
Diagonalizaci
El metodo de Gauss
Supongamos que tenemos una expresion de la forma
(x1 , x2 , . . . , xn ) =
n
X
aii xi2
i=1
n1
X
2aij xi xj
i=1 , j>i
El metodo de Gauss permite encontrar la matriz diagonal completando

cuadrados de forma ordenada en la expresion en coordenadas del cuadrado
escalar, para que quede de la forma:
(y1 , y2 , . . . , yn ) =
n
X
di yi2 ,
siendo di > 0
para i = 1, 2, . . . , n
i=1
es decir, como una suma de cuadrados.
Algebra
Lineal (Dpto. Matem
aticas)
22 / 42
Diagonalizaci
Ejemplo 6.7
Se considera la aplicacion:
(x, y , z) = 2x 2 + 6y 2 + 7z 2 + 4xy 4yz + 4xz .
Probar que se trata de un cuadrado escalar, dando una base ortonormal.
Escribiendo la expresion matricialmente y cuidando de que sea simetrica:
(x, y , z) = 2x 2 + 6y 2 + 7z 2 + 4xy 4yz + 4xz =

2
2
2
x

6 2 y = X t G X
= (x y z) 2
2 2
tenemos que la matriz del producto escalar, en cierta base B , es
2
2
2
6 2
G = 2
Algebra
Lineal (Dpto. Matem
aticas)
2 2
23 / 42
Diagonalizaci
(x, y , z) = 2(x 2 + 2xy + 2xz) + 6y 2 + 7z 2 4yz =

= 2(x 2 + 2x(y + z)) + 6y 2 + 7z 2 4yz =
= 2(x + y + z)2 2(y + z)2 + 6y 2 + 7z 2 4yz =
= 2(x + y + z)2 + 4y 2 8yz + 5z 2 =
= 2(x + y + z)2 + 4(y 2 2yz) + 5z 2 =
= 2(x + y + z)2 + 4(y z)2 4z 2 + 5z 2 =
= 2(x + y + z)2 + 4(y z)2 + z 2 =
= 2(x 0 )2 + 4(y 0 )2 + (z 0 )2 =
0
2 0 0
x
= (x 0 y 0 z 0 ) 0 4 0 y 0 = X 0t G 0 X 0
0 0 1
Algebra
Lineal (Dpto. Matem
aticas)
z0
24 / 42
Diagonalizaci
haciendo el cambio de base definido por
x +y +z =x0
y z =y0
0
z =z
las ecuaciones:
x = x 0 y 0 2z 0
y =y0+z0
z =z0
se obtiene la matriz del cambio de base P pues:

0
x
1 1 2
x
1
1 y 0
siendo
y = 0
z
P= 0
z0
1 1 2
es decir, en la base
B 0 = {(1, 0, 0)B , (1, 1, 0)B , (2, 1, 1)B }
la matriz del producto escalar es la matriz diagonal:
2 0 0
G 0 = 0 4 0 y se verifica: G 0 = P t GP
0 0 1
Algebra
Lineal (Dpto. Matem
aticas)
25 / 42
Diagonalizaci
Tenemos que B 0 es una base ortogonal, para obtener una base ortonormal
hay que dividir a cada vector por su norma:
v

u
2
2
2
1
u
u

2
6
2
||(1, 0, 0)B || = u
(1
0
0)
0 = 2
t
||(1
v
u
u
u
0)B || = u
t(1
2 2
1 0) 2
7
2
1) 2
6 2
2 2

1 = 4=2
6 2
2 2
v
u
u
u
||(2, 1, 1)B || = u
t(2

1 = 1=1
1
Observacion: tambien podramos haber introducido los coeficientes en las

ecuaciones de cambio de base para obtener directamente la base
ortonormal.
Algebra
Lineal (Dpto. Matem
aticas)
26 / 42
Diagonalizaci
As pues en la base

Be =
(1, 0, 0)B (1, 1, 0)B (2, 1, 1)B
,
,
2
1
2
(
=
2
, 0, 0
2
!
B

=
)

1 1
, , , 0 , (2, 1, 1)B
2 2
B
la matriz asociada al producto escalar es la matriz unidad:

e = I3
G
y se verifica:
e = Q t GQ
G
donde Q es la matriz de cambio de base de B a Be

2/2 1/2 2
Q=
0
1/2
1
0
0
1
Algebra
Lineal (Dpto. Matem
aticas)
27 / 42
Diagonalizaci
Ejemplo 6.8
Utilizar el metodo Gauss para calcular una base ortonormal de R3 ,
sabiendo que el producto escalar esta definido, en la base canonica de R3 ,
por la matriz
1
1 1
2 1
G = 1
1 1
Escribir la matriz asociada al producto escalar en la nueva base.

El cuadrado escalar asociado al producto escalar definido por G , es:
(x, y , z) = x 2 + 2y 2 + 2z 2 + 2xy 2xz 2yz .
Agrupando y reordenando terminos:
(x, y , z) = (x 2 + 2x(y z)) + 2y 2 + 2z 2 2yz =
= (x + y z)2 + y 2 + z 2 = (x 0 )2 + (y 0 )2 + (z 0 )2
Algebra
Lineal (Dpto. Matem
aticas)
28 / 42
Diagonalizaci
Haciendo el cambio de base definido por las ecuaciones:
0y0+z0
0
x
=
x
x
+
y
z
=
x
0
y =y0
y =y
0
z =z
z =z0
se obtiene la matriz del cambio de base:
1 1 1
1 0
P= 0
0
0 1
es decir, en la base B 0 = {(1, 0, 0), (1, 1, 0), (1, 0, 1)} la matriz del
producto escalar es la matriz unidad I3 , por tanto B 0 es una base
ortonormal de R3 . Ademas se verifica la relacion de cambio de base:
I3 = P t GP
Algebra
Lineal (Dpto. Matem
aticas)
29 / 42
Diagonalizaci
Metodo de ortogonalizacion de Gram-Schmidt

Partiendo de una base cualquiera B = {~v1 , ~v2 , . . . , ~vn } de V , se puede
~ 2, . . . , w
~ n } que sea ortonormal y tal que
construir otra base B 0 = {~
w1 , w
~ 2, . . . , w
~ p i para p = 1, 2, . . . , n.
h~v1 , ~v2 , . . . , ~vp i = h~
w1 , w
Primero construimos vectores que sean ortogonales dos a dos tomando
~u1 = ~v1
~v2 ~u1
~u1
||~u1 ||2
~v3 ~u1
~v3 ~u2
~u3 = ~v3
~
~u2
u
1
||~u1 ||2
||~u2 ||2
...................................................
~u2 = ~v2
~un = ~vn
~vn ~u1
~vn ~u2
~vn ~un1
~
~
~un1
u
1
2
||~u1 ||2
||~u2 ||2
||~un1 ||2
Algebra
Lineal (Dpto. Matem
aticas)
30 / 42
Diagonalizaci
Con los vectores as construidos

{~u1 , ~u2 , . . . , ~un }
se tiene una base ortogonal de V .
A continuacion, se divide a cada vector por su norma y se obtiene la base:

~
~
~
u
u
u
1
2
n
~1 =
~2 =
~n =
B0 = w
, w
, ... , w
||~u1 ||
||~u2 ||
||~un ||
que es una base ortonormal de V .
Ejemplo 6.9
Partiendo de la base B = {(1, 1, 1), (1, 1, 1), (1, 1, 1)} , obtener una
base ortonormal del espacio eucldeo usual R3 .
Algebra
Lineal (Dpto. Matem
aticas)
31 / 42
Ortogonalidad
Definicion 6.15 ( Vector ortogonal a un subespacio)

Sea F un subespacio del espacio eucldeo V . Diremos que el vector
~u V es ortogonal al subespacio F si es ortogonal a todos los vectores
de F .
Teorema 6.6
Para que un vector ~u V sea ortogonal a un subespacio F V es
necesario y suficiente que lo sea a los vectores de una base cualquiera de
F.
Definicion 6.16 (Subespacios ortogonales)

Dos subespacios F V y F 0 V son ortogonales si cada vector de uno
de ellos es ortogonal a todos los vectores del otro.
F F 0 , si ~u ~v = 0 , ~u F , ~v F 0
Algebra
Lineal (Dpto. Matem
aticas)
32 / 42
Ortogonalidad
Teorema 6.7
Para que dos subespacios sean ortogonales es necesario y suficiente que lo
sean entre s los vectores de dos bases cualquiera de cada uno de ellos.
Teorema 6.8 (y definicion de Subespacio ortogonal)

Dado un subespacio F , del espacio eucldeo V , el conjunto
F = {~u V | ~u ~v = 0 , ~v F }
es el mayor de los subespacios de V que son ortogonales a F y se verifica
que F F = {~0} . Se dice que F es el subespacio ortogonal de F .
Teorema 6.9 (y definicion de Subespacio suplementario ortogonal)

Si dim V = n y F es un subespacio de V entonces: V = F F
y se dice que F es el subespacio suplementario ortogonal de F .
Ademas se verifica que (F ) = F .
Algebra
Lineal (Dpto. Matem
aticas)
33 / 42
Ortogonalidad
Ejemplo 6.10
En el espacio eucldeo R3 con el producto escalar ordinario, determinar el
subespacio suplementario ortogonal al subespacio
S = {(x, y , z) R3 | x 2y + z = 0 2x 3y = 0}
Ejemplo 6.11
En el espacio eucldeo R3 con el producto escalar ordinario, determinar el
subespacio suplementario ortogonal al subespacio
T =< (1, 1, 1) , (0, 2, 1) , (2, 0, 3) >
Observaci
on
En los ejemplos 6.10 y 6.11 se constata que el subespacio suplementario
ortogonal de un subespacio de dimension uno (recta) de R3 es un
subespacio de dimension dos (plano) de R3 .
Algebra
Lineal (Dpto. Matem
aticas)
34 / 42
Proyecci
on ortogonal
Definicion 6.17 (Proyeccion ortogonal de un vector sobre un

subespacio)
Sea V un espacio vectorial eucldeo, F un subespacio de V y sea ~u V .
Se dice que el vector ~uF es proyecci
on ortogonal de ~u sobre F si
~uF F
~u ~uF F .
La proyeccion ortogonal, si existe, es u

nica.
Notacion: proyF ~u = ~uF
La proyeccion ortogonal de ~u sobre F , ~uF , se suele llamar tambien la
mejor aproximacion de ~u mediante vectores de F . Ello es debido a que
||~u ~uF || es la menor de las normas ||~u ~v || para ~v recorriendo F . Esto
es, la mnima distancia de ~u a F es ||~u ~uF || .
Definicion 6.18
Si dim V = n y F es un subespacio de V entonces: V = F F y
~ con
cualquier vector ~u se escribe de forma u
nica como ~u = ~uF + w
~uF F , w
~ F , entonces, la proyeccion ortogonal de ~u sobre F es ~uF .
Algebra
Lineal (Dpto. Matem
aticas)
35 / 42
Proyecci
on ortogonal
Ejemplo 6.12
Calcular la proyeccion ortogonal de la funcion f (x) = sen x , definida en
[0, 1] , en el espacio eucldeo de los polinomios de grado menor o igual que
dos, R2 [x] .
Con el siguiente producto escalar:
Z 1
f g =
f (x) g (x) dx
f , g funciones continuas en [0, 1].
0
Observar que el conjunto de las funciones continuas en [0, 1] es un espacio

vectorial real, y que R2 [x] es un subespacio de este.
Teniendo en cuenta la definicion de proyeccion ortogonal, si
p(x) = a + bx + cx 2 , es la proyeccion ortogonal de f (x) en R2 [x] , se
cumple que f (x) p(x) es ortogonal a R2 [x] .
Puesto que un vector es ortogonal a un subespacio vectorial si es ortogonal
a una cualquiera de sus bases, considerando la base de R2 [x] ,
B = {1 , x , x 2 } , se debera cumplir que:
Algebra
Lineal (Dpto. Matem
aticas)
36 / 42
Proyecci
on ortogonal

f (x) p(x) 1 = 0

f (x) p(x) x = 0

f (x) p(x) x 2 = 0
o sea:
f (x) 1 = a 1 1 + b x 1 + c x 2 1
f (x) x = a 1 x + b x x + c x 2 x
f (x) x 2 = a 1 x 2 + b x x 2 + c x 2 x 2
(2)
Con el producto escalar definido, el sistema (2) queda como sigue:

R
R1
R1 2
R1
1
a
1dx
+
b
x
dx
+
c
x
dx
=
0
0
0
0 sen x dx
R
R1
R1
R1
1
a 0 x dx + b 0 x 2 dx + c 0 x 3 dx = 0 x sen x dx
a R 1 x 2 dx + b R 1 x 3 dx + c R 1 x 4 dx = R 1 x 2 sen x dx
0
Algebra
Lineal (Dpto. Matem
aticas)
37 / 42
Proyecci
on ortogonal
1
1
2
a
+
b
+
c
=
2
3
1
1
1
1
a+ b+ c =
o sea:
2
3
4
1 a+ 1 b+ 1 c = 4
3
4
5
3
. Cuya solucion es:
12 2 120
720 60 2
a=
' 0,0505
b = c =
' 4,1225
3
3
En consecuencia, el polinomio proyeccion ortogonal de la funcion sen x ,
es:
p(x) = 0,0505 + 4,1225 x 4,1225 x 2
Este polinomio es la mejor aproximacion de la funcion f (x) = sen x ,
mediante un polinomio de segundo grado, en el intervalo [0, 1] .
Este polinomio p(x) tambien se llama polinomio de ajuste mnimo
cuadr
atico de f .
Algebra
Lineal (Dpto. Matem
aticas)
38 / 42
Operadores sim
etricos
Operadores simetricos
A continuacion vamos a estudiar un tipo de endomorfismos de un espacio
eucldeo V :
Definicion 6.19
Un endomorfismo f : V V se dice que es un endomorfismo sim
etrico
u operador sim
etrico si verifica la condicion siguiente:
~u f (~v ) = f (~u ) ~v
~u , ~v V
Sea V un espacio eucldeo de dimension finita, elegida una base B de V ,

sea G la matriz del producto escalar en la base B y A la matriz de f en B,
si X e Y son las matrices de coordenadas en B de ~u y ~v , respectivamente,
escribiendo la condicion de forma matricial:
X t G (AY ) = (AX )t GY X t (GA)Y = X t At GY GA = At G = (GA)t
luego, el operador f es simetrico GA es una matriz simetrica.
Algebra
Lineal (Dpto. Matem
aticas)
39 / 42
Operadores sim
etricos
Teorema 6.10
Sea V un espacio vectorial eucldeo de dimension finita, dim V = n,
f : V V un endomorfismo, y sea A la matriz de f en una base
ortonormal de V , se verifica:
f es un operador simetrico A es una matriz simetrica.
En efecto, si la base es ortonormal, la matriz del producto escalar es la
matriz unidad, G = In , entonces
el operador es simetrico In A es una matriz simetrica, es decir, A es
una matriz simetrica.
Teorema 6.11
El polinomio caracterstico de un operador simetrico tiene n races, (iguales
o distintas), en el cuerpo R.
Algebra
Lineal (Dpto. Matem
aticas)
40 / 42
Operadores sim
etricos
Teorema 6.12
Si f : V V es un operador simetrico, si 6= son dos valores propios
de f , entonces S() S()
Sean ~u S() y ~v S(), entonces f (~u ) = ~u y f (~v ) = ~v , por lo que,
dado que ~u f (~v ) = f (~u ) ~v
~u ~v = ~u ~v
luego
( )~u ~v = 0
como 6= entonces ~u ~v = 0
Teorema 6.13
Todo operador simetrico es diagonalizable en una base ortonormal.
Algebra
Lineal (Dpto. Matem
aticas)
41 / 42
Operadores sim
etricos
Teorema 6.14 (Teorema espectral)

Toda matriz real y simetrica es diagonalizable en R
Teorema 6.15 (Diagonalizacion ortogonal)

Toda matriz real y simetrica es diagonalizable ortogonalmente en R, es
decir, existe una matriz ortogonal P y una matriz diagonal D tales que
D = P t AP = P 1 AP
Para diagonalizar ortogonalmente una matriz real y simetrica de orden n,
basta con tomar bases ortonormales en cada subespacio propio (y para
encontrar bases ortonormales en cada subespacio propio podemos utilizar
el metodo de Gram-Schmidt).
Uniendo dichas bases se obtiene una base formada por vectores propios
que ademas es una base ortonormal de Rn .
Con ella se construye la matriz ortogonal P.
Algebra
Lineal (Dpto. Matem
aticas)
42 / 42

T6 Esp Euclideo

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

T6 Esp Euclideo

Transféré par

Droits d'auteur :

Formats disponibles

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

Curso 2014-15. Grupo B

Matriz asociada al producto escalar

Diagonalizacion de un producto escalar

Tema 6: El espacio vectorial eucldeo

Definicion de producto escalar

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

Definicion de espacio vectorial eucldeo

Definicion 6.3 ( Cuadrado escalar)

la llamaremos cuadrado escalar, y la denotaremos por ~v 2 = ~v ~v

Tema 6: El espacio vectorial eucldeo

es un producto escalar y que, por tanto, (Rn , ) es un espacio eucldeo.

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

Matriz asociada al producto escalar

Expresion matricial del producto escalar

~u1 ~u1 ~u1 ~u2

~u2 ~u1 ~u2 ~u2

~un ~u1 ~un ~u2

Tema 6: El espacio vectorial eucldeo

Matriz asociada al producto escalar

As pues, el producto escalar se puede escribir como:

~u1 ~u1 ~u1 ~u2

G es la matriz del producto escalar respecto a la base B . A esta

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

Matriz asociada al producto escalar

Cambio de representacion matricial del producto escalar

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

Matriz asociada al producto escalar

Entonces, sustituyendo (i) e (ii) en (iii) :

Definicion 6.4 (Matrices congruentes)

p(x), q(x) R2 [x]

define un producto escalar en R2 [x].

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

Matriz asociada al producto escalar

Definicion 6.5 (Matriz definida positiva)

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

Matriz asociada al producto escalar

Dadas las matrices

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

Definicion 6.6 (Norma de un vector)

Definicion 6.7 (Vector unitario)

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

|~u ~v | ||~u || ||~v ||

||~u + ~v || ||~u || + ||~v ||

Definicion 6.8 (Distancia entre dos vectores)

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B

Sean ~u e ~v dos vectores no nulos de un espacio eucldeo V . En este caso

De esta doble desigualdad se deduce que existe un u

Definicion 6.9 (Angulo

Tema 6: El espacio vectorial eucldeo

Curso 2014-15. Grupo B