Tema 3.1. Espacio euclı́deo.

Diagonalización ortogonal
Definición 1. Sea V un espacio vectorial sobre un cuerpo K.
Llamamos forma bilineal a toda aplicación

f: V ×V −→ K
(~
x, y
~) 7−→ f (~
x, y
~)

que verifica:
1. f (~
x, λ~
y + µ~
z ) = λf (~
x, y
~ ) + µf (~
x, ~
z)
∀~x, y z∈V
~, ~ y λ, µ ∈ K.

2. f (λ~
x + µ~y, ~
z ) = λf (~
x, ~
z ) + µf (~
y, ~
z)
∀~x, y z∈V
~, ~ y λ, µ ∈ K.
Definición 2. Se dice que una forma bilineal f : V × V → K
es simétrica si verifica que

f (~
x, y
~ ) = f (~
y, ~
x) ∀~ ~∈V
x, y

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.1
Definición 3. Sea V un espacio vectorial sobre un cuerpo K
y f : V × V → K una forma bilineal. Decimos que f es una
forma bilineal definida positiva si verifica:

f (~
x, ~
x) > 0 ∀~ x 6= ~0
x∈V , ~

Definición 4. Sea V un espacio vectorial definido sobre el

cuerpo de los números reales. Llamamos producto escalar
a toda forma bilineal f : V × V → R simétrica y definida
positiva.

Definición 5. Llamamos espacio vectorial euclı́deo a un espacio

vectorial real en el que se ha definido un producto escalar.

Dados dos vectores ~ ~ ∈ V , su producto escalar f (~

x, y x, y
~ ), suele
denotarse de distintas formas:

f (~ ~ ) = h~
x, y ~ i = (~
x, y x|~ x·y
y) = ~ ~

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.2
 Ejemplos
1. Sea V = Rn. Sean ~ x e y ~ dos vectores con coordenadas en
la base canónica {x1, . . . , xn} y {y1, . . . , yn} respectivamente.
Se define un producto escalar como

<~ ~ >= x1y1 + x2y2 + · · · + xnyn

x, y

2. Sea V el e.v. sobre R de las funciones reales que son continuas

en el intervalo [a, b]. Se puede definir el producto escalar de
dos funciones f, g ∈ V como
Z b
< f, g >= f (t)g(t)dt
a
3. Sea V = Pn(R). Un producto escalar entre dos polinomios
p(x) = a0 +a1x+· · ·+anxn q(x) = b0 +b1x+· · ·+bnxn

se define como: < p(x), q(x) >= a0b0 + a1b1 + · · · + anbn

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.3
Determinación de un producto escalar
Teorema 1. Sea V un e.v. euclı́deo y B = {~ vn} una
v1 , . . . , ~
base de V . Entonces el producto escalar de dos vectores
cualesquiera, ~ ~ ∈ V queda determinado conociendo los
x, y
productos escalares h~ vj i de los vectores de B.
vi , ~
X n Xn
h~ ~i =
x, y xiyj h~ vj i
vi , ~
i=1 j =1
Expresando matricialmente este resultado:

h~ ~i = X t G Y =
x, y
  
h~
v1 , ~v1i · · · h~
v1 , ~ vni y1
(x1, . . . , xn)  .. ... ..   .. 
h~
vn , ~v1i · · · h~
vn , ~ vni yn
donde G es la matriz asociada al producto escalar dado en la base
B: matriz de Gram.

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.4
Ejemplo 1. Sea V = P3(R) con producto escalar
Z 1
< p(t), q(t) >= p(t)q(t)dt
0

Hallar la matriz G asociada a dicho producto escalar en la

base B = {1, t, t2, t3}

Definición 6. Sea V un e.v. euclı́deo. Llamamos norma,

x ∈ V al número real:
módulo o longitud de un vector ~
p
||~
x|| = h~ xi
x, ~

Definición 7. Se dice que un vector ~

x es unitario o normalizado
~
x
si ||~
x|| = 1. Dado un vector ~x 6= 0 el vector es unitario.
||~
x||
Este proceso se llama normalización de ~ x.

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.5
Proposición 1. Propiedades de la norma. Sea V un e.v.
euclı́deo, y sean ~ ~ ∈ V , λ ∈ R. Entonces:
x, y
1. ||~ x = ~0
x|| = 0 si y sólo si ~
2. ||λ~
x|| = |λ| ||~
x||
3. |h~ ~ i| ≤ ||~
x, y x|| ||~
y || (Desigualdad de Schwarz)
4. ||~ ~ || ≤ ||~
x+y x|| + ||~
y || (Desigualdad triangular)
Definición 8. Sean ~x, y
~ dos vectores no nulos de un espacio
vectorial euclı́deo V . El ángulo que forman ~
xey~ se define:

h~ ~i
x, y
áng(~
x, y
~ ) = θ = arccos
x|| ||~
~ y ||

Utilizando la definición de ángulo podemos expresar el producto

escalar de dos vectores de la forma:

h~ ~ i = ||~
x, y x|| ||~
y || cos θ

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.6
 Conjunto ortogonal y ortonormal
Definición 9. En un e.v. euclı́deo V se dice que ~ ~ ∈ V son
x, y
vectores ortogonales si h~ ~i = 0
x, y

Observar que dos vectores no nulos ~ x, y

~ son ortogonales si y sólo
si son perpendiculares, pues en este caso cos(~ x, y
~ ) = 0. Por ello
si ~
x, y x⊥y
~ son ortogonales suele denotarse ~ ~.

Definición 10. Un conjunto de vectores no nulos {~ vn}

v1 , . . . ~
de un espacio vectorial euclı́deo V se dice que es un conjunto
ortogonal si cada vector del conjunto es ortogonal a todos los
demás, es decir h~ vj i = 0, ∀i 6= j.
vi , ~

Diremos que dicho conjunto es ortonormal si además se

verifica que los vectores que lo forman son unitarios.

Teorema 2. Sea V un espacio vectorial euclı́deo. Si S =

{~ vn} es un conjunto ortogonal de vectores no nulos
v1 , . . . ~
de V , entonces dicho conjunto es linealmente independiente.

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.7
 Método de ortogonalización de
Gram-Schmidt
Teorema 3. En todo espacio vectorial euclı́deo V de
dimensión finita existe al menos una base ortonormal.

Utilizamos un método constructivo, que partiendo de una base

cualquiera B = {~ vn} de V permite obtener una base
v1 , . . . , ~
ortogonal Bog = {~ en} de V .
e1 , . . . , ~
Se definen los vectores desconocidos de Bog como combinación
lineal de los de B

~
e1 = ~
v1
~
e2 = ~
v2 + a21~
e1
~
e3 = ~
v3 + a31~
e1 + a32~
e2
..
~
en = ~
vn + an1~ e2 + · · · + an,n−1~
e1 + an2~ en−1

Los vectores ~
ei , ~
ej tienen que ser ortogonales (< ~
ei, ~
ej >= 0).

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.8
Por lo tanto:

0 = h~ e1i = h~
e2 , ~ v2 + a21~ e1i
e1 , ~
= h~ e1i + a21h~
v2 , ~ e1i
e1 , ~

−h~ e1i
v2 , ~
a21 =
h~ e1i
e1 , ~

0 = h~ e1i
e3 , ~
= h~
v3 + a31~ e1 + a32~ e1i
e2 , ~
= h~ e1i + a31h~
v3 , ~ e1i + a32h~
e1 , ~ e1i
e2 , ~
−h~ e1i
v3 , ~
a31 =
h~ e1i
e1 , ~

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.9
Calculando ası́ cada uno de los coeficientes aij tenemos que:

~
e1 = ~
v1
h~ e1i
v2 , ~
~
e2 v2 −
= ~ ~
e1
h~ e1i
e1 , ~
h~ e1i
v3 , ~ h~ e2i
v3 , ~
~
e3 v3 −
= ~ e1 −
~ ~
e2
h~ e1i
e1 , ~ h~ e2i
e2 , ~
..
h~ e1i
vn , ~ h~ e2i
vn , ~
~ vn −
en = ~ e1 −
~ e2 − . . .
~
h~ e1i
e1 , ~ h~ e2i
e2 , ~
h~ en−1i
vn , ~
··· − ~
en−1
h~
en−1, ~ en−1i

Ejemplo 2. Sea V = R3 con el producto escalar usual.

Aplicar el método de Gram-Schmidt a la base B =
{(1, 1, 0), (1, 0, 1), (0, 1, 1)}.

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.10
 Diagonalización Ortogonal
Definición 11. Dada P ∈ Mn(R), es una matriz ortogonal si
P −1 = P t.
Teorema 4. La matriz P ∈ Mn(R) es ortogonal si y sólo si
las columnas (y filas) de P forman un conjunto ortonormal.
Definición 12. La matriz A ∈ Mn(R) es diagonalizable
ortogonalmente si existe una matriz ortogonal P , tal que:

D = P tAP

donde D es la matriz diagonal formada por los autovalores

λ1, λ2, . . . , λn de A y P es la matriz formada por una base de
vectores propios que es ortonormal.
 
1 2 1
Ejemplo 3. Estudiar si la matriz A =  0 1 0 
0 4 3
es diagonalizable y en caso afirmativo diagonalizarla
ortogonalmente.

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.11
Teorema 5. Sea A ∈ Mn(R) una matriz simétrica. Entonces
los autovalores de A son siempre reales.
Teorema 6. Si A ∈ Mn(R) es una matriz simétrica, entonces
los autovectores que corresponden a autovalores distintos de
A son ortogonales.
Teorema 7. [espectral] Sea V un e.v. euclı́deo de dimensión
finita n. Si f : V → V es un endomorfismo simétrico,
entonces existe una base ortonormal de V formada por
vectores propios de f .
Corolario 1. Si A ∈ Mn(R) es una matriz simétrica, entonces
A es diagonalizable ortogonalmente en R.
Ejemplo 4. Diagonalizar ortogonalmente la siguiente matriz
 
0 2 2
A= 2 0 2 
2 2 0

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.12
 Formas cuadráticas
Definición 13. Dado un e.v. V sobre un cuerpo K y una f.b.
f sobre V , a la función q : V → K, definida por q(~ x) = f (~
x, ~
x)
para todo ~ x ∈ V , se le llama forma cuadrática (f.c.) asociada
a f.

Observación: Distintas f. bilineales pueden dar lugar a una misma f. cuadrática.

La forma cuadrática puede expresarse matricialmente como:

 
x1
q((x1, . . . , xn)B ) = (x1, . . . , xn)B A  .. 
xn B

donde A es la matriz asociada a la forma bilineal f respecto de

una base B de V . Se puede hallar una A que sea simétrica, a la
que se llama matriz asociada a q.

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.13
Ejemplo 5. Determinar qué funciones q : Rn → R de las
siguientes son formas cuadráticas en R

1. n = 2, q(x, y) = x2 + 2xy + y 2
2. n = 2, q(x, y) = x2 + 2xy + y 2 + 1
3. n = 3, q(x, y, z) = x2 + y 2 + z 2
4. n = 3, q(x, y, z) = x2 + y 2 + z 2 + 4xz

Definición 14. Dada una forma cuadrática q : V → K, la

forma simétrica f : V × V → K definida como

1 1
f (x, y) = q(x + y) − q(x − y)
4 4

para todo (x, y) ∈ V × V , se denomina forma polar de la

forma cuadrática q.

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.14
 Diagonalización de F. C.
Definición 15. Dada una f.c. q : V → K, se dice que es
diagonalizable si existe una base B tal que
x) = q((x1, . . . , xn)B ) = λ1x21 + · · · + λnx2n
q(~

donde (x1, . . . , xn)B son las coordenadas de ~

x con respecto a
la base B.
Teorema 8. [Teorema del eje principal] Toda f.c. q : V → K se
puede diagonalizar mediante una sustitución X = P Y (cambio
de base a. l.), donde P es una matriz ortogonal.
De esta forma se tiene:
x) = X tAX = X tP DP tX = Y tDY
q(~

donde A es la matriz simétrica asociada a q respecto de una

base B, X son las coordenadas de ~ x en B y por tanto, Y
son las coordenadas de ~
x en la base de autovectores ortonormal
considerada.
Ejemplo 6. Diagonalizar las f.c. del ejemplo anterior.

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.15
Diagonalización ortogonal de una F.C.
Paso 1. Hallar la matriz de coeficientes simétrica A de la forma
cuadrática q : V → K.
Paso 2. Hallar los valores propios λ1, . . . , λn de A.
Paso 3. Hallar una base ortonormal de V formada por vectores
propios normalizados de A.
Paso 4. Formar la matriz P cuyas columnas sean los vectores de
la base hallados en el paso 3 en el orden correspondiente al
listado de los valores propios en el paso 2.
Paso 5. La sustitución X = P Y transforma q(~
x) en la diagonal
λ1y12 + · · · + λnyn
2
.
Aplicaciones
I Geometrı́a. Cónicas y cuádricas. Diseño y control de imágenes, arquitectura,
...
I Cálculo. Localización de extremos. Maximizar ganancias, minimizar costos,
maximizar rapidez, minimizar tiempo, . . .

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.16
 Ejemplos

Ejemplo 7. Dadas las siguientes f.c. q : Rn → R, hallar una

sustitución ortogonal que la diagonalice y hallar la forma
diagonalizada, para cada una.

1. q(x, y) = 2xy

2. q(x, y) = −6xy + 8y 2

3. q(x, y, z) = y 2 + 2xz

4. q(x, y, z) = x2 + y 2 + z 2 − 2xy − 2xz − 2yz

5. q(x, y, z, t) = x2 + 2y 2 − 6xz + z 2 − 4t2

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.17
 Formas cuadráticas reales
Dado un espacio vectorial V de dimensión n y q : V → R una f.c.
I q es definida positiva si q(~ v∈V
v ) > 0, para todo ~
I q es definida negativa si q(~ v∈V
v ) < 0, para todo ~
Nota: Toda forma cuadrática definida es no degenerada
v ) ≥ 0, para todo ~
I q es semidefinida positiva si q(~ v∈V
v ) ≤ 0, para todo ~
I q es semidefinida negativa si q(~ v∈V
I q es indefinida en cualquier otro caso, es decir, cuando toma
valores negativos y positivos
Teorema 9. [Ley de inercia de Sylvester] Todas las matrices
diagonales asociadas a una misma forma cuadrática real
tienen el mismo número de elementos positivos, negativos
y nulos.
Definición 16. Se llama signatura de una forma cuadrática a
la diferencia de términos positivos y negativos de cualquier
matriz diagonal asociada a la forma.

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.18
 Métodos de determinación del
carácter de una F.C.
Diagonalizando la forma cuadrática
v ) = d1x21 + d2x22 + · · · + dnx2n
Dada la forma cuadrática q(~

1. Si di > 0, para todo i ∈ {1, . . . , n}, la forma cuadrática es

definida positiva.
Si di < 0, para todo i ∈ {1, . . . , n}, la forma cuadrática es
definida negativa.
2. Si di ≥ 0, para todo i ∈ {1, . . . , n}, con algún di = 0, la
forma cuadrática es semidefinida positiva.
Si di ≤ 0, para todo i ∈ {1, . . . , n}, con algún di = 0, la
forma cuadrática es semidefinida negativa.
3. Si hay coeficientes di positivos y negativos la forma cuadrática
es indefinida

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.19
Estudiando el signo de los menores principales Pr de cualquier
matriz de q

Dada una matriz A, llamamos Pr al menor principal de orden r

formado por las r filas y columnas de la matriz A.

1. Si Pi > 0, para todo i ∈ {1, . . . , n}, entonces la forma

cuadrática es definida positiva.
2. Si P1 < 0, P2 > 0, P3 < 0 y ası́ sucesivamente, es decir, si
los menores de orden impar son negativos y los de orden par
positivos, entonces la forma cuadrática es definida negativa.

Emilio Muñoz Velasco. Dpto. Matemática Aplicada. UMA Tema 3.1. pg.20