Académique Documents
Professionnel Documents
Culture Documents
En el espacio euclidiano
UNPRG
Lambayeque-Perú
2009
c by racso
Capı́tulo 1
El Espacio Vectorial Euclidiano
| ×R×
R {z· · · × R} .
n−veces
x ⊕ y := (x1 + y1 , . . . , xn + yn ),
α x := (αx1 , . . . , αxn ).
Es sencillo comprobar que con estas operaciones Rn es un espacio vectorial y sus elementos
son llamados vectores. El elemento neutro está dado por 0 = (0, 0, . . . , 0) y el elemento inverso
de cada x = (x1 , . . . , xn ) ∈ Rn es −x = (−x1 , . . . , −xn ) ∈ Rn .
Haremos ahora una convención: la suma ⊕ será denotada por el sı́mbolo clásico (+) mientras
que el producto será denotado por (·), y de esta manera nos ahorraremos algunas complica-
ciones de notación. Además siempre usaremos en Rn estas operaciones de espacio vectorial.
Cuando esto no sea ası́, lo indicaremos en su momento.
1
2 1.1. Subespacios Vectoriales
E JEMPLO 1.1.
(a) En Rn hay dos subespacios que son llamados triviales: el espacio nulo {0} y el mismo Rn .
(b) En R los únicos subespacios son {0} y R. En R2 los subespacios no triviales son las rectas
que pasan por el origen. En R3 los subespacios no triviales son las rectas y planos que pasan
por el origen.
α1 v1 + · · · + α2 v2 = 0.
E JEMPLO 1.2. Todo conjunto X ⊂ Rn que contiene al vector nulo es linealmente dependiente,
pues dado cualquier x ∈ X no nulo, podemos considerar la combinación nula 1 · 0 + 0 · x = 0
en la que no todos los escalares son nulos.
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 3
c1 w1 + c2 w2 = α1 v1 + · · · + αk vk .
O. Santamaria S.
4 1.1. Subespacios Vectoriales
E JEMPLO 1.5. Sean u y v vectores en Rn que son linealmente independientes. Dado cualquier
número real α 6= 0, el conjunto {v, v+αu} es una base del subespacio generado por los vectores
v, v + u, v + 2u, . . . , v + nu, . . .
En efecto, en primer lugar probaremos que el conjunto {v, v +αu} es linealmente independien-
te. Considere entonces la combinación lineal βv + λ(v + αu) = 0. De aquı́ se tiene la igualdad
(β + λ) · v + λα · u = 0 lo cual implica, por ser u y v vectores L.I., β + λ = 0 = λα. Siendo
α 6= 0 se concluye que λ = β = 0.
En segundo lugar considere el conjunto X = {v, v + u, v + 2u, . . . , v + nu, . . .} y F = S(X),
subespacio generado por X. Dado un vector cualquiera w ∈ F existe números reales β1 , . . . ,
βk , y vectores v + n1 u, . . . , v + nk u en X tales que
w = β1 (v + n1 u) + · · · + βk (v + nk u),
donde suponemos 0 ≤ n1 ≤ · · · ≤ nk . Entonces
w = (β1 + · · · + βk ) · v + (β1 n1 + · · · + βk nk )u
(β1 n1 + · · · + βk nk ) (β1 n1 + · · · + βk nk )
= (β1 + · · · + βk ) · v + αu + v
α α
(β1 n1 + · · · + βk nk )
− v
α
β1 n1 + · · · + βk nk β1 n1 + · · · + βk nk
= β1 + · · · + βk − v+ (v + αu)
α α
Esto significa que el subespacio F es generado por el conjunto B = {v, v + αu} y como además
este conjunto es L.I. se concluye que es base de F . ❚
E JEMPLO 1.6. Considere los vectores v1 = (1, 2, . . . , n), v2 = (n + 1, n + 2, . . . , 2n), . . . ,
vn = (n2 − n + 1, n2 − n + 2, . . . , n2 ) en Rn . Por otro lado considere los vectores w1 = (1, n +
1, 2n+1, . . . , n2 −n+1), w2 = (2, n+2, 2n+2, . . . , n2 −n+2), . . . , wn = (n, 2n, 3n, . . . , n2 ).
Los conjuntos V = {v1 , . . . , vn } y W = {w1 , . . . , wn } generan en Rn el mismo subespacio F .
Demostración. En primer lugar observe que
v1 = (1, 2, . . . , n) = 0 · n(1, 1, . . . , 1) + v1 ,
v2 = (n + 1, n + 2, . . . , 2n) = 1 · n(1, 1, . . . , 1) + v1 ,
v3 = (2n + 1, 2n + 2, . . . , 3n) = 2n(1, 1, . . . , 1) + v1 ,
.. .. ..
. . .
2 2 2
vn = (n − n + 1, n − n + 2, . . . , n ) = (n − 1)n(1, 1, . . . , 1) + v1 .
Es decir, los elementos del conjunto V se escriben como combinación lineal de los vectores
u = (1, 1, . . . , 1) ∈ Rn y v1 = (1, 2, . . . , n), por lo tanto V puede ser escrito como
V = {v1 + αnu : 0 ≤ α ≤ n − 1}.
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 5
w1 = (1, n + 1, 2n + 1, . . . , n2 − n + 1) = n(0, 1, 2, . . . , n − 1) + u,
w2 = (2, n + 2, 2n + 2, . . . , n2 − n + 2) = n(0, 1, 2, . . . , n − 1) + 2u,
w3 = (3, n + 3, 2n + 3, . . . , n2 − n + 3) = n(0, 1, 2, . . . , n − 1) + 3u,
.. .. ..
. . .
2
wn = (n, n + n, 2n + n, . . . , n − n + n) = n(0, 1, 2, . . . , n − 1) + nu.
Estas igualdades muestran que los elementos de W se escriben como combinación lineal de los
vectores w = (0, 1, 2, . . . , n − 1) y u = (1, 1, . . . , 1), es decir, W se escribe como
W = {nw + αu : 1 ≤ α ≤ n}.
W = {nv1 − αu : 0 ≤ α ≤ n − 1}.
Considere entonces el conjunto B = {v1 , u}. Demostraremos que S(B) = S(V) = S(W).
Como para cualquier x ∈ S(V) se tiene que
por tanto, x ∈ S(B). Lo cual demuestra que S(V) ⊂ S(B). Análogamente se demuestra que
S(W) ⊂ S(B).
Se demuestra fácilmente que si B1 = {v1 , v1 + nu} entonces S(B) = S(B1 ) y como B1 ⊂ V
entonces S(B1 ) ⊂ S(V). Por tanto, S(B) ⊂ S(V). Análogamente al considerar el conjunto
B2 = {nv1 , nv1 − u} se tiene que S(B) = S(B2 ) y como B2 ⊂ W se concluye que S(B) ⊂
S(W). Esto demuestra las igualdades S(B) = S(V) = S(W). En conclusión, V y W generan
el mismo subespacio F del Rn .
Por otro lado, al tomar la combinación lineal αu + βv1 = 0 y debido a las coordenadas de u y
v1 se obtiene
α + β = 0 = α + 2β = · · · = α + nβ
de donde α = β = 0. Por tanto B es L.I. Esto quiere decir que B = {v1 , u} es base del
subespacio F . En particular dim F = 2. ❚
O. Santamaria S.
6 1.2. Transformaciones Lineales
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 7
nulidad(T ) + rango(T ) = m.
Demostración. Elija una base {v1 , . . . , vk } para ker T y extienda esta a una base {v1 , . . . , vm }
m m
PmR . En particular se tiene k = nulidad(T ). Cualquier vector x ∈ R es de la forma x =
de
i=1 λi vi , ası́ que
m
! m m
X X X
T (x) = T λi vi = λi T (vi ) = λi T (vi ),
i=1 i=1 i=k+1
donde la última igualdad es debido a que T (v1 ) = · · · = T (v Pkm) = 0. Luego los vectores
T (vk+1 ), . . . , T (vm ) generan la imagen de T . Por otro lado si i=k+1 λi T (vi ) = 0 entonces
Pm Pm
T i=k+1 λi vi = 0 y asi i=k+1 λi vi ∈ ker T y por tanto existen escalares αj tales que
m
X k
X
λi vi = αi vi .
i=k+1 i=1
se tendrá que λi = 0 para todo i, luego el conjunto {T (vk+1 ), . . . , T (vm )} es linealmente inde-
pendiente y, por tanto, una base de Imag T . Siendo ası́,
rango T = m − k = m − nulidad T,
O. Santamaria S.
8 1.2. Transformaciones Lineales
de donde
n
X
αkj ēj = 0.
j=1
Como {ē1 , . . . , ēn } es base de Rn entonces αk1 = · · · = αkn = 0 y siendo k arbitrario conclui-
mos que αij = 0 para todo i = 1, . . . , m y todo j = 1, . . . , n.
Por otro lado, para mostrar que B genera a L(Rm ; Rn ), considere una transformación lineal
arbitraria T : Rm → Rn . Considere los escalares αij = hT (ei ), ēj i y la aplicación
m X
X n
S= αij Tij .
i=1 j=1
Entonces
m X
X n n
X n
X
S(ek ) = αij Tij (ek ) = αkj ēj = hT (ek ), ēj i ēj = T (ek ).
i=1 j=1 j=1 j=1
Por otro lado el conjunto M(n × m), formado por matrices reales de orden n × m, es también
un espacio vectorial con las operaciones usuales de suma de matrices y multiplicación de una
matriz por un escalar. Tiene además la misma dimensión nm que L(Rm ; Rn ) y un resultado del
álgebra lineal (ver [3], pag. 141, corolario 4) nos permite concluir entonces que dichos espacios
son isomorfos.
Aún cuando ya sabemos que M(n × m) y L(Rm ; Rn ) son isomorfos, serı́a bueno mostrar
un isomorfismo entre estos espacios. Considere entonces las bases canónicas {e1 , . . . , em } y
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 9
Φ(cT + S) = [hēi , (cT + S)(ej )i] = c [hēi , T (ej )i] + [hēi , S(ej )i]
= cΦ(T ) + Φ(S).
O. Santamaria S.
10 1.2. Transformaciones Lineales
Pm
y por tanto (T − S)(ej ) = 0 para cada j = 1, . . . , m. Luego para todo x = j=1 xj ej ∈ Rm se
tiene m
X
(T − S)(x) = xj (T − S)(ej ) = 0
j=1
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 11
O. Santamaria S.
12 1.2. Transformaciones Lineales
P ROPOSICI ÓN 1.7. Sea ϕ : Rn × Rn → R una función bilineal. La matriz Ψ(ϕ) = [ϕ(ei , ej )]
es invertible si y solo si ϕ es no degenerada.
Demostración. En primer lugar observe que dados x, y ∈ Rn ,
n X
X n
ϕ(x, y) = xi yj ϕ(ei , ej ) = xΨ(ϕ)y T .
i=1 j=1
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 13
de donde
p
X
αrsk uk = 0.
k=1
y como esto es válido para cada r, s, concluimos que αijk = 0 para todo i, j, k.
Sólo resta ver que los ϕijk forman un conjunto generador de B(Rm × Rn ; Rp ). Para ello sea
T : Rm × Rn → Rp una aplicación bilineal arbitraria y considere los escalares
O. Santamaria S.
14 1.3. Productos Internos
es un producto interno en Rn .
Observe que si A es la matriz identidad entoncesP aii = 1 y aij = 0 para i 6= j. Luego la
función ϕ del ejemplo 1.10 se reduce a ϕ(x, y) = ni=1 xi yi . Es decir, obtenemos nuevamente
el producto interno canónico.
O BSERVACI ÓN 1.1. Sea ϕ un producto interno en Rn y v ∈ Rn . Si ϕ(x, v) = 0 para todo
x ∈ Rn entonces v = 0. Pues si fuera v 6= 0 entonces en particular para x = v se tendrı́a
ϕ(v, v) > 0.
Esta observación dice que todo producto interno es una forma bilineal no degenerada.
n ∗
E JEMPLO 1.11. Sea h , i el producto interno canónico. Para Pn cada f ∈ (R ) existe un único
n
vector v ∈ R tal que f (x) = hx, vi. En efecto, si x = i=1 xi ei entonces considerando el
vector v = (f (e1 ), . . . , f (en )) se tiene
n
! n
X X
f (x) = f xi ei = xi f (ei ) = hx, vi .
i=1 i=1
Para ver que v es único considere otro vector w ∈ Rn tal que hx, vi = hx, wi. Entonces para
todo x ∈ Rn se tiene que hx, v − wi = 0. Luego, por la observación 1.1, resulta v − w = 0.
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 15
O. Santamaria S.
16 1.3. Productos Internos
mientras que * +
n
X
hej , T ∗ēk i = ej , akj ej = akj .
j=1
∗
Pm m
Es
Pn decir hT ēj , ek i = hēj , T ek i. Por tanto, para todo x = j=1 xj ej ∈ R y todo y =
m
k=1 yk ēk ∈ R se cumple que
X X
hT x, yi = xj yk hT ej , ēk i = xj yk hej , T ∗ ēk i = hx, T ∗ yi .
j,k j,k
Esto muestra que dada una transformación lineal T : Rm → Rn , existe una transformación
lineal T ∗ : Rn → Rm , llamada adjunta de T , tal que hT x, yi = hx, T ∗ yi para todo x ∈ Rm
y todo y ∈ Rn . La transformación lineal T ∗ es única, pues si S es otra transformación tal que
hT x, yi = hx, Syi para todo x ∈ Rm y todo y ∈ Rn entonces en particular se tiene
Es decir (S − T ∗ )(ēj ) = 0. Como esto es válido para cada vector básico ēj se concluye fácil-
mente que S − T ∗ = 0. ❚
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 17
Por tanto
dim(img A∗ ) = dim(kerA∗ )⊥ = dim(img A). ❚
E JEMPLO 1.16. Una aplicación lineal T : Rn → Rn es simétrica si T = T ∗ . Sea S ≡
S(Rn ; Rn ) la colección de transformaciones lineales simétricas T : Rn → Rn . Observe que las
transformaciones identidad y nula son elementos de S. Además de esto si T, S ∈ S y α ∈ R
entonces
(αT + S)∗ = αT ∗ + S ∗ = αT + S,
es decir αT + S ∈ S, lo cual demuestra que S es un subespacio vectorial de L(Rn ; Rn ).
Podemos incluso exhibir una base para S. Para ello recordemos las transformaciones lineales
Tij dadas en las igualdades (1.1). Estas son definidas como Tij (x) = xi ej , de modo que
0, si k 6= i,
Tij (ek ) =
ej , si k = i.
O. Santamaria S.
18 1.3. Productos Internos
Observe que Tij∗ = Tji . Considere las aplicaciones Sij : Rn → Rn , con i ≤ j, dadas por
Sii = Tii y Sij = Tij + Tji para i < j. Observe que Sii∗ = Tii∗ = Tii = Sii y también para i < j,
Sij∗ = Tij∗ + Tji∗ = Tji + Tij = Sij . Esto muestra que cada Sij es una aplicación lineal simétrica.
Pero además de esto, la colección {Sij : i, j = 1, . . . , n, i ≤ j} es una base del espacio S. Es
claro que dicha colección es linealmente independiente. Para mostrar que genera a S considere
un elemento arbitrario T : Rn → Rn en S. Puesto que la colecciónP {Tij : i, j = 1, . . . , n}
n n ∗
es
P base de L(R ; R ) entonces existen escalares α ij tales que T = ij αij Tij . Luego T =
∗ ∗
ij αij Tij . Evaluando T y T en los vectores canónicos ek se tiene
X X
T (ek ) = αij Tij (ek ) = αkj ej ,
ij j
X X
∗
T (ek ) = αij Tij∗ (ek ) = αik ei .
ij i
Siendo T simétrica, la igualdad T (ek ) = T ∗ (ek ) nos muestra que αij = αji . Por tanto,
X X X X
αij Tij = αii Tii + αij Tij + αij Tij
ij i i<j i>j
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 19
y por ser ϕ(vj , vj ) > 0, pues vj 6= 0, entonces αj = 0. Como esto sucede para cada j concluimos
que α1 = · · · = αk = 0. ❚
Un conjunto no vacı́o X ⊂ Rn es ortonormal, respecto a un producto interno ϕ, si para todo
x, y ∈ X se tiene
1, si x = y,
ϕ(x, y) =
0, si x 6= y.
E JEMPLO 1.19. Todo conjunto ortonormal es parte de una base ortonormal.
En efecto, sea B = {v1 , . . . , vk } un conjunto ortonormal en Rn , con k ≤ n. Si k = n tendrı́amos
del ejemplo 1.18 que B es un conjunto linealmente independiente con n elementos y por tanto
de Rn . Si k < n entonces elegimos un vector no nulo w ∈ Rn y formamos el vector
una base P
v = w − ki=1 ϕ(w, vi )vi . Entonces
k
!
X
ϕ(v, vj ) = ϕ w − ϕ(w, vi )vi , vj = ϕ(w, vj ) − ϕ(w, vj ) = 0.
i=1
p
Es decir, v es ortogonal a todos los vectores v1 , . . . , vk . Considerando vk+1 = v/ ϕ(v, v)
construimos el conjunto {v1 , . . . , vk+1 }. Continuando de esta manera extendemos B a una base
ortonormal.
Por ejemplo, respecto al producto interno canónico, la base canónica es base ortonormal.
Por otro lado si {u1, . . . , un } es una base ortonormal y x ∈ Rn entonces existen escalares
Pn
α1 , . . . , αn ∈ R tales que x = αi ui . Debido a la ortonormalidad de los ui resulta
i=1
n
!
X
ϕ(x, uj ) = ϕ αi u i , u j = αj .
i=1
O. Santamaria S.
20 1.3. Productos Internos
n
P
Luego x = ϕ(x, ui )ui . ❚
i=1
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 21
P ROPOSICI ÓN 1.9. Considere Rn con producto interno ϕ. Dado un funcional f ∈ (Rn )∗ ,
existe un único vector w ∈ Rn tal que f (x) = ϕ(x, w) para todo x ∈ Rn .
n
P
Demostración. Sea {e1 , . . . , en } una base ortonormal de Rn y elija el vector w = f (ei )ei .
i=1
Por otro lado considere la aplicación fw : Rn → R definida por fw (x) = ϕ(x, w). Es sencillo
comprobar que fw ∈ (Rn )∗ y además fw (ei ) = f (ei ) para todo i = 1, . . . , n, lo cual implica
que fw = f . Finalmente, si existiera algún otro vector u tal que ϕ(x, w) = ϕ(x, u) para todo
x ∈ Rn entonces ϕ(x, w − u) = 0 de donde w = u. ❚
1. dim E ⊥ = n − dim E.
2. E ⊥⊥ = E.
3. E ∩ E ⊥ = {0}.
O. Santamaria S.
22 1.3. Productos Internos
Demostración. Para demostrar (1) elija una base {u1 , . . . , uk } de E y elija vectores v1 , . . . , vm
tales que {u1, . . . , uk , v1 , . . . , vm } es base de Rn (luego k + m = n). Considere la base dual
{f1 , . . . , fk , g1, . . . , gm } en (Rn )∗ . De acuerdo a la proposición 1.9, para cada gi podemos en-
contrar un wi tal que gi = ϕ(wi , ·). Afirmamos que {w1 , . . . , wm } es base de E ⊥ . Observe que
ϕ(wi , uj ) = gi (uj ) = 0 para todo j = 1, . . . , k, es decir, cada wi es ortogonal a todo elemen-
to de la base de E y por tanto ortogonal a todo E. Luego cada vector wi es elemento de E ⊥ .
Los vectores w1 , . . . , wm son linealmente independientes pues si consideramos la combinación
lineal
β1 w1 + β2 w2 + · · · + βm wm = 0
entonces !
k
X m
X
βi ϕ(wi , ·) = ϕ βi wi , · = ϕ(0, ·) = 0,
i=1 i=1
Pm
lo cual equivale a la igualdad i=1 βi gi = 0 y como los funcionales gi forman un conjunto
linealmente independiente entonces cada βi = 0. Pero además de esto, los vectores w1 , . . . , wm
generan a E ⊥ . Para sustentar esta afirmación considere un vector no nulo w ∈ E ⊥ . Entonces el
funcional g = ϕ(w, ·) puede escribirse en la forma
k
X m
X
g= αi fi + βj gj .
i=1 j=1
P
de donde w = m ⊥
j=1 βj wj . Podemos en particular concluir que el espacio E es de dimensión
m = n − k. Es decir dim E ⊥ = n − dim E.
Ahora procedemos a demostrar (2), es decir, la igualdad E ⊥⊥ = E. En primer lugar mostrare-
mos que E ⊥⊥ ⊂ E. Si fuera que E ⊥⊥ 6⊂ E entonces existe algún x ∈ E ⊥⊥ tal que x ∈ / E.
⊥⊥ ⊥
Siendo x elemento de E entonces ϕ(x, u) = 0 para todo u ∈ E . Esto significa que cada
elemento u ∈ E ⊥ es ortogonal a todo E y a x, es decir, al subespacio W = S(E ∪ {x}),
luego E ⊥ ⊂ W ⊥ . Pero como E ⊂ W entonces W ⊥ ⊂ E ⊥ , luego debe ser E ⊥ = W ⊥ . La
parte (1) implica la igualdad dim E = dim W y por tanto E = W ; en particular x ∈ E. Una
contradicción.
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 23
1.4. Normas
Una función N : Rn → R se llama norma en Rn si para todo x, y ∈ Rn y todo α ∈ R:
N1. N(x + y) ≤ N(x) + N(y),
de donde N(x) ≥ 0 para todo x ∈ Rn . De esto deducimos que (N3) equivale a mostrar que la
igualdad N(x) = 0 implica x = 0.
E JEMPLO 1.20. Considere la función N : Rn → R definida por
n
X
N(x) = an |xi |
i=1
Recı́procamente, si a1 > 0, . . . , an > 0 es un buen ejercicio comprobar que N cumple con los
axiomas requeridos para ser una norma.
O BSERVACI ÓN 1.2. En lo que sigue usaremos la notación tradicional k·k en vez de N y h , i
en vez de ϕ. Es decir N(x) ≡ kxk y ϕ(x, y) ≡ hx, yi.
Una norma k·k en Rn proviene de un producto interno h·, ·i en Rn si para todo x ∈ Rn se tiene
p
kxk = hx, xi.
Una desigualdad importante que involucra norma y producto interno será dada en breve. Antes
necesitamos del siguiente:
O. Santamaria S.
24 1.4. Normas
L EMA 1.1. Si a, b, c ∈ R son tales que a > 0 y aλ2 + 2bλ + c ≥ 0 para todo λ ∈ R entonces
b2 ≤ ac.
Demostración. Basta observar que
2 1 2 b2
0 ≤ aλ + 2bλ + c = (aλ + b) + c −
a a
y como esta desigualdad es verdadera para todo λ ∈ R, en particular es verdadera para λ = − ab .
2
Por tanto c − ba ≥ 0 de donde b2 ≤ ac. ❚
Veremos dentro de poco que no todas las normas en Rn provienen de un producto interno.
Mientras tanto daremos una desigualdad muy importante.
T EOREMA 1.1 (Desigualdad de Cauchy-Schwartz). Si k·k es una norma en Rn que proviene
de un producto interno h·, ·i entonces para todo x, y ∈ Rn ,
|hx, yi| ≤ kxk · kyk .
La igualdad ocurre si y solo si uno de ellos es múltiplo del otro.
Demostración. Si suponemos que x = 0 (ó y = 0) es claro que la desigualdad es verdadera.
Por otro lado, si x 6= 0 entonces para todo λ ∈ R se tiene se tiene
0 ≤ hλx + y, λx + yi = aλ2 + 2λb + c,
donde a = hx, xi, b = hx, yi = hy, xi y c = hy, yi. Del lema 1.1 se tiene entonces
hx, yi2 ≤ hx, xi hy, yi ,
lo cual muestra la desigualdad enunciada.
Ahora mostraremos que la igualdad ocurre si y solo si uno es múltiplo del otro. Si fuera y = αx
para algún real α entonces
kxk · kyk = |α| kxk2 = |α| hx, xi = |hx, αxi| = |hx, yi| .
Recı́procamente, suponga que |hx, yi| = kxk · kyk. Para vectores x e y tales que kxk = kyk = 1
se tiene |hx, yi| = 1, es decir, hx, yi = 1 o hx, yi = −1. Si hx, yi = 1 entonces
0 ≤ hx − y, x − yi = kxk2 + kyk2 − 2 hx, yi = 0.
Análogamente, si hx, yi = −1 entonces
0 ≤ hx + y, x + yi = kxk2 + kyk2 + 2 hx, yi = 0.
Es decir, en el caso de ser kxk = kyk = 1, si |hx, yi| = 1 = kxk · kyk entonces y = ±x.
Finalmente para vectores x e y arbitrarios no nulos (en el caso de que un vector sea nulo la
situación es trivial)
D consideramos
E los vectores x/ kxk e y/ kyk. De lo demostrado previamente
x y y x kyk
se tiene que si kxk , kyk = 1 entonces kyk = ± kxk , luego y = ± kxk x. Es decir, y es múltiplo
escalar de x. ❚
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 25
1. Suponga que c ∈ [a, b] entonces existe algún t ∈ [0, 1] tal que c = (1 − t)a + tb. Si k·k es
una norma arbitraria en Rn entonces
2. Recı́procamente, suponga que para una norma k·k, que proviene de un producto interno, se
tiene la igualdad
kb − ak = kb − ck + kc − ak .
Entonces al elevar al cuadrado y hacer las simplificaciones correspondientes se obtiene
hb − c, a − ci = kb − ck ka − ck
O. Santamaria S.
26 1.4. Normas
r n
P
1. kxk := x2i .
i=1
n
P
2. kxkS := |xi |.
i=1
La primera de ellas, k·k, es llamada norma euclidiana. Asimismo k·kS se denomina norma de
la suma o norma de Minkowski o `1 -norma y, k·kM recibe el nombre de norma del máximo o
norma uniforme. Observe que la norma de la suma, k·kS , aparece como caso particular de la
norma definida en el ejemplo 1.20, pues basta hacer a1 = · · · = an = 1.
Observe que si h , i es el producto internopcanónico en Rn , entonces la norma euclidiana de
un vector x puede escribirse como kxk = hx, xi. Es decir, la norma euclidiana proviene del
producto interno canónico.
No todas las normas provienen de un producto interno. Un criterio para determinar cuándo
sucede esto se da en el resultado que sigue.
P ROPOSICI ÓN 1.12 (Identidad del paralelogramo). Si una norma k·k proviene de un producto
interno entonces satisface la igualdad
Usando este resultado es sencillo comprobar que las normas de la suma y del máximo no provie-
nen de ningún producto interno. Por ejemplo si x = e1 , y = e2 entonces kx + yk2S +kx − yk2S =
22 + 22 mientras que 2(kxk2S + kyk2S ) = 2(1 + 1). Es decir, k·kS no satisface la identidad del
paralelogramo.
E JEMPLO 1.24. Fije números reales α y β con α < β. Para cada x = (x1 , . . . , xn ) en Rn , con
n ≥ 2, ponga
kxk = sup x1 + x2 t + · · · + xn tn−1 .
α≤t≤β
En primer lugar observe que esto define una norma en Rn : es sencillo comprobar que kx + yk ≤
kxk + kyk y kcxk = |c| kxk para todo x, y ∈ Rn y todo c ∈ R. Además, si x = (x1 , . . . , xn ) es
tal que kxk = 0 entonces
sup x1 + x2 t + · · · + xn tn−1 = 0
α≤t≤β
lo cual implica que |x1 + x2 t + · · · + xn tn−1 | = 0 para todo t ∈ [α, β] y si esto ocurre entonces
x1 + x2 t + · · · + xn tn−1 = 0 para todo t ∈ [α, β]. De aquı́ resulta x1 = · · · = xn = 0, es decir,
x = 0.
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 27
En segundo lugar, afirmamos que esta norma no proviene de ningún producto interno. Para
sustentar esta afirmación considere los vectores
Entonces
x + y = (−α − β, 2, 0, . . . , 0) y x − y = (β − α, 0, 0, . . . , 0).
n
!1/p
X
kxkp = |xi |p ,
i=1
1 1
donde p > 1 y q > 1 son números reales tales que + = 1. La desigualdad (1.2) es conocida
p q
como desigualdad de Hölder. Para demostrar esta relación considere la función f : R+ → R
up p v q −q
definida por f (t) = t + t , donde u, v ≥ 0 y p, q ≥ 1. Esta tiene como derivada a
p q
O. Santamaria S.
28 1.4. Normas
v 1/p
f 0 (t) = up tp−1 − v q t−q−1 y entonces f 0 (t) = 0 si y solo si t = 1/q (aquı́ usamos el hecho de
u
1 1
que + = 1 y, por lo tanto, p + q = pq). Por lo tanto f podrı́a tener un mı́nimo o un máximo
p q
en este valor de t. Para averiguarlo calculamos la segunda derivada de f . Esta es
y entonces
p−2 −q−2
00 v 1/p p v 1/p q v 1/p
f = (p − 1)v + (q + 1)v ≥ 0,
u1/q u1/q u1/q
p −q
v 1/p up v 1/p vq v 1/p
f = +
u1/q p u1/q q u1/q
p q
up v vq u vup− q uv q− p
= + = + = uv.
pup/q qv q/p p q
up p v q −q
Luego uv ≤ t + t para todo t > 0. En particular, si t = 1, resulta
p q
up v q
uv ≤ + .
p q
Usando
|xk | |yk |
u = Pm 1/p
y v = Pm 1/q
( i=1 |xi |p ) ( i=1 |yi |q )
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 29
1 1
Como p
+ q
= 1 entonces q(p − 1) = p. Luego la última desigualdad se convierte en
m m
!1/q m
!1/p m
!1/p
X X X X
(|ai | + |bi |)p ≤ (|ai | + |bi |)p |ai |p + |bi |p ,
i=1 i=1 i=1 i=1
de donde
m
! p1 m
!1/p m
!1/p
X X p
X p
(|ai | + |bi |)p ≤ |ai | + |bi | . (*)
i=1 i=1 i=1
(3) Nuestro tercer paso consiste es probar de lleno que la función k·kp es una norma: sean
x = (x1 , . . . , xn ), y = (y1, . . . , yn ) elementos arbitrarios en Rn y α ∈ R, entonces
n
!1/p n
!1/p
X X
kx + ykp = |xi + yi |p ≤ (|xi | + |yi |)p
i=1 i=1
m
!1/p m
!1/p
X X
≤ |xi |p + |yi |p = kxkp + kykp .
i=1 i=1
Pn 1/p
N2. kαxkp = ( i=1 |αxi |p ) = |α| kxkp .
N3. Si x 6= 0 entonces al menos una coordenada xi es no nula, luego |xi |p > 0. Se tiene
entonces en este caso que kxkp > 0.
O. Santamaria S.
30 1.4. Normas
Luego a = b.
Observe la importancia que tiene el hecho de que C sea convexo. En la figura 1.1 se ilustra el
caso no convexo, donde podrı́an existir infinitos a ∈ C tales que ϕ(a) = ı́nf{ϕ(x) : x ∈ C}.
Se ilustra también el caso convexo.
Figura 1.1:
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 31
2. kT x − T yk = kx − yk.
3. hT x, T yi = hx, yi.
5. T ∗ ◦ T = Im (aplicación identidad en Rm ).
kT x + T yk = kT (x + y) − T (0)k = kx + y − 0k = kx + yk .
Luego
1
hT x, T yi = kT x + T yk2 − kT x − T yk2
4
1
= kx + yk2 − kx − yk2
4
= hx, yi .
donde la última igualdad es debido a que X es ortonormal. Luego T (X) es ortonormal y por
tanto (3) implica (4).
O. Santamaria S.
32 1.4. Normas
n
!
X
T ∗ ◦ T (ej ) = T ∗ aij ēi = a1j T ∗ (ē1 ) + a2j T ∗ (ē2 ) + · · · + anj T ∗ (ēn )
i=1
m
! m
! m
!
X X X
= a1j a1j ej + a2j a2j ej + · · · + anj anj ej
j=1 j=1 j=1
n
! n
! n
!
X X X
= akj ak1 e1 + akj ak2 e2 + · · · + akj akm em
k=1 k=1 k=1
= hT ej , T e1 i e1 + hT ej , T e2 i e2 + · · · + hT ej , T em i em .
T ∗ ◦ T (ej ) = ej .
Como esto vale para cada j = 1, . . . , m, resulta finalmente T ∗ ◦ T = Im . Luego (4) implica (5).
Suponga la validez de (5). Si A = (aij )n×m es la matriz asociada a T entonces A∗ = (aji )m×n
es la matriz asociada a T ∗ . Luego T ∗ ◦ T tiene como matriz asociada al producto A∗ A, cuyos
elementos son
Xn
cij = aki akj = hT ei , T ej i .
k=1
∗ ∗
Pero como T ◦ T = Im entonces A A es la matriz identidad, luego cij = 1 para i = j y cij = 0
para i 6= j. Esto se traduce en las igualdades hT ei , T ej i = 1 para i = j y hT ei , T ej i = 0
para i 6= j. Pero como los vectores T (ej ) son precisamente las columnas de A, se obtiene lo
afirmado en (6).
Finalmente suponga la validez de (6), es decir, hT ei , T ej i = δij . Entonces
* m m
+
X X
kT xk2 = hT x, T xi = xi T ei , xj T ej
i=1 j=1
X m
X
= xi xj hT ei , T ej i = x2i = kxk2 ,
ij i=1
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 33
Una transformación lineal A : Rn → Rn se llama semejanza si existe un real α > 0 tal que para
todo x, y ∈ Rn ,
hAx, Ayi = α2 hx, yi .
P ROPOSICI ÓN 1.14. Sea A : Rn → Rn una transformación lineal. Las siguientes afirmaciones
son equivalentes:
1. A es una semejanza.
Demostración. Suponga que A es una semejanza. Existe un número real α > 0 tal que hAx, Ayi =
α2 hx, yi para todo x, y ∈ Rn . En particular, para x = y, hAx, Axi = α2 hx, xi. Luego (1) im-
plica (2).
Suponga que se cumple (2) y sea {e1 , . . . , en } una base ortonormal. Entonces
1
hAei , Aej i = kAei + Aej k2 − kAei − Aej k2
4
1
= kA(ei + ej )k2 − kA(ei − ej )k2
4
α2
= kei + ej k2 − kei − ej k2
4
α2
= (2 + 2 hei , ej i − 2 + 2 hei , ej i)
4
= α2 hei , ej i .
O. Santamaria S.
34 1.4. Normas
O. Santamaria S.
Cap. 1: El Espacio Vectorial Euclidiano 35
O. Santamaria S.
36 1.5. Distancias en Rn
1.5. Distancias en Rn
Una distancia en Rn es una función d : Rn × Rn → R que satisface, para todo x, y, z ∈ Rn , las
siguientes propiedades:
1. d(x, y) = 0 si y solo si x = y;
P ROPOSICI ÓN 1.16. Una función d : Rn × Rn → R es una métrica si y solo si para todo
x, y, z ∈ Rn ,
1.6. Ejercicios
1. Determine si las siguientes funciones k·k : Rn → R son normas en Rn :
donde x = (x1 , . . . , xn ).
O. Santamaria S.