147 – Fundamentos de Matemáticas : Álgebra Lineal

Capı́tulo 10

Espacios vectoriales con producto escalar

10.1 Producto escalar. Norma. Distancia
Definición 271.- Un producto escalar o producto interior en un espacio vectorial real V es una función
h, i que a cada par de vectores u, v ∈ V le asocia un número real, que denotaremos por hu, vi , de tal manera
que se cumplen las siguientes propiedades:
1.- hu, vi = hv, ui; ∀ u, v ∈ V .
2.- hu + v, wi = hu, wi + hv, wi ; ∀ u, v, w ∈ V .
3.- hku, vi = khu, vi ; ∀ u, v ∈ V y ∀ k ∈ R.

4.- hu, ui ≥ 0 ; ∀ u ∈ V y hu, ui = 0 ⇐⇒ u =  .

Otra propiedades que se deducen de las anteriores son:

1.- h, ui = 0 2.- hu, v + wi = hu, vi + hu, wi 3.- hu, kvi = khu, vi

Ejemplo Considerar en R2 [X] , la función hp(X), q(X)i = p(1)q(1) + p0 (1)q 0 (1) + p00 (1)q 00 (1) .
(1) hp(X), q(X)i = p(1)q(1) + p0 (1)q 0 (1) + p00 (1)q 00 (1)
= q(1)p(1) + q 0 (1)p0 (1) + q 00 (1)p00 (1) = hq(X), p(X)i
     
(2) hp(X) + r(X), q(X)i = p(1) + r(1) q(1) + p0 (1) + r0 (1) q 0 (1) + p00 (1) + r00 (1) q 00 (1)
   
= p(1)q(1)+p0 (1)q 0 (1)+p00 (1)q 00 (1) + r(1)q(1)+r0 (1)q 0 (1)+r00 (1)q 00 (1)
= hp(X), q(X)i + hr(X), q(X)i
(3) hkp(X), q(X)i = kp(1)q(1)
 + kp0 (1)q 0 (1) + kp00 (1)q 00 (1)

= k p(1)q(1) + p0 (1)q 0 (1) + p00 (1)q 00 (1) = khp(X), q(X)i
 2  2  2
(4) hp(X), p(X)i = p(1)p(1) + p0 (1)p0 (1) + p00 (1)p00 (1) = p(1) + p0 (1) + p00 (1) ≥ 0 .
Y, se da la igualdad si y sólo si, p(1) = p0 (1) = p00 (1) = 0 . Entonces, sea p(X) = a + bX + cX2 , de donde
p (X) = b + 2cX y p00 (X) = 2c; de las igualdades setiene:
0

a+b+c=0 
p(1) = p0 (1) = p00 (1) = 0 ⇐⇒ b + 2c = 0 ⇐⇒ a = b = c = 0 ⇐⇒ p(X) = 0 .
2c = 0

Luego tenemos un producto escalar definido en R2 [X] . 4
A partir de un producto escalar sobre un espacio V se definen los conceptos de norma, distancia y ángulo.
Definición 272.- Si V es un espacio vectorial con producto interior, entonces la norma (o longitud o
módulo) de un vector v ∈ V se denota mediante kvk y se define como
p
kvk = + hv, vi.

La distancia entre dos vectores u y v de V se denota mediante d(u, v) y se define como

p
d(u, v) = ku − vk = + hu − v, u − vi.

Desigualdad de Cauchy-Schwarz 273.- Para todo u, v ∈ V , espacio con producto escalar, se tiene
2 2
hu, vi2 ≤ kuk kvk o en la forma |hu, vi| ≤ kuk kvk . .

Prof: José Antonio Abia Vian Grado de Ing. en Diseño Industrial y Desarrollo de producto : Curso 2017–2018
148 – Fundamentos de Matemáticas : Álgebra Lineal 10.1 Producto escalar. Norma. Distancia

Propiedades básicas de la norma 274.- Propiedades básicas de la distancia 275.-

1.- kuk ≥ 0 ; ∀ u ∈ V 1.- d(u, v) ≥ 0 ; ∀ u, v ∈ V

2.- kuk = 0 ⇐⇒ u =  2.- d(u, v) = 0 ⇐⇒ u = v
3.- kkuk = |k| kuk; ∀ u ∈ V y ∀ k ∈ R 3.- d(u, v) = d(v, u) ; ∀ u, v ∈ V
4.- ku+vk ≤ kuk+kvk; ∀ u, v ∈ V 4.- d(u, v) ≤ d(u, w)+d(w, v) ; ∀ u, v, w ∈ V

La prueba de estas propiedades es análoga a la de Propiedades del módulo complejo 9.

10.1.1 Matriz del producto escalar

Observación: Sean V un espacio con producto interior y B = {u , . . . , un } una base de V . Tomemos dos
vectores v = a1 u + · · · + an un y w = b1 u + · · · + bn un , entonces

hv, wi = ha1 u + · · · + an un , wi = a1 hu , wi + · · · + an hun , wi

= a1 hu , b1 u + · · · + bn un i + · · · + an hun , b1 u + · · · + bn un i
= a1 hu , u ib1 + · · · + a1 hu , un ibn + · · · + an hun , u ib1 + · · · + an hun , un ibn
  
hu , u i · · · hu , un i b1
= a1 · · · an 

 .. .. ..   ..  t
. . .   .  = (v)B Q [w]B = [v]B Q [w]B
hun , u i · · · hun , un i bn

luego, fijada una base, un producto interior se puede obtener a partir de las coordenadas en la base.

Definición 276.- Sea B base de un espacio V con producto interior. Se llama matriz métrica (o de Gram)
del producto escalar asociada a la base B , a la matriz Q tal que hu, vi = [u]tB Q [v]B para cada u, v ∈ V

Observaciones Por cumplise las propiedades 2 a y 3 a del producto escalar se puede construir la matriz Q ;
por las propiedades 1 y 4 (1 a parte), la matriz Q debe de ser simétrica y tener los elementos de la diagonal
positivos.
Y por la propiedad 4 (2 a parte) debe cumplirse que hu, ui = [u]tB Q [u]B > 0 para todo u ∈ V − {} . Una
matriz simétrica compliendo esto último se dice matriz definida positiva (ver Tema 13 de Formas cuadráticas).

Criterio de Sylvester 277.- Una matriz simétrica S es definida positiva

 si y solo si son positivos los menores
  s
 11
 · · · s1k 

 s11 s12  . . .
|s11 | > 0  s21 s22  > 0 ···  .. . . ..  > 0 ··· |S| > 0
  
 
 sk1 · · · skk 

Nota: De lo anterior, para comprobar si una función dada h, i es un producto escalar, basta comprobar que
se cumplen las propiedades 2 y 3, construir la matriz Q referida a una base y comprobar si esta es simétrica, y
en ese caso ver si es también definida positiva con el Criterio de Sylvester 277 anterior.
Proposición 278.- Sea V un espacio con producto escalar. Si Q1 es la matriz métrica del producto escalar en
la base B1 , Q2 la matriz métrica en la base B2 y P la matriz de paso de B2 a B1 , entonces: Q2 = P t Q1 P
Demostración:
Sabemos que hx, yi = [x]tB1 Q1 [y]B1 y P [v]B2 = [v]B1 , con lo que sustituyendo la tercera igualdad en la
primera
hx, yi = [x]tB1 Q1 [y]B1 = (P [x]B2 )t Q1 (P [y]B2 ) = [x]tB2 P t Q1 P [y]B2 ∀ x, y
pero como también se cumple hx, yi = [x]tB2 Q2 [y]B2 , debe ser Q2 = P t Q1 P

Definición 279.- Dos matrices simétricas A y A0 son congruentes, si existe P inversible tal que A0 = P t AP

Prof: José Antonio Abia Vian Grado de Ing. en Diseño Industrial y Desarrollo de producto : Curso 2017–2018
149 – Fundamentos de Matemáticas : Álgebra Lineal 10.2 Ortogonalidad

10.1.2 El espacio euclı́deo n-dimensional Rn

Definición 280.- En el espacio vectorial Rn , la función que a cada x, y ∈ Rn le asocia

n
P
hx, yi = x · y = (x1 , . . . , xn ) · (y1 , . . . , yn ) = x1 y1 + · · · + xn yn = xi yi
i=1
es un producto interior que se conoce como producto escalar euclı́deo o producto euclı́deo (ya usado en R2
y R3 ). Que da lugar a la norma y distancia euclı́deas, ya conocidas:
√ p p
kxk = x · x = x21 + · · · + x2n y d(x, y) = kx − yk = (x1 − y1 )2 + · · · + (xn − yn )2
Y llamaremos espacio euclı́deo n -dimensional a Rn con el producto escalar euclı́deo.

Nota: También se suele denominar de manera genérica como Espacio euclı́deo a cualquier espacio vectorial
con un producto interior, pero como ya hemos dicho nosotros reservaremos esta denominación para Rn con el
producto euclı́deo. Intentamos evitar cualquier tipo de dualidad.
De la misma manera reservamos la notación x · y para el producto euclı́deo, remarcando ası́ con hx, yi que
vamos a usar un producto escalar que no es el euclı́deo.
Observación: En Rn con el producto euclı́deo, la matriz métrica en la base canónica es la identidad. Pero
también al revés, cuando la matriz métrica sea la identidad cualquier producto interior se reduce al producto
euclı́deo de las coordenadas; y esto ocurre precisamente para las bases ortonormales que se estudimos a contin-
uación

10.2 Ortogonalidad
10.2.1 Ángulos y ortogonalidad

Definición 281.- Si u y v son vectores distintos de cero de un espacio con producto interior, como consecuencia
hu,vi
de la desigualdad de Cauchy-Schwarz se tiene que −1 ≤ kukkvk ≤ 1 y, por tanto, existe un único ángulo, θ ,
tal que
hu, vi
cos θ = , con 0 ≤ θ ≤ π
kuk kvk

Definición 282.- En un espacio vectorial con producto interior, dos vectores u y v se dicen que son ortogo-
nales si hu, vi = 0 . Suele denotarse por u ⊥ v .
Si u es ortogonal a todos los vectores de un conjunto W , se dice que u es ortogonal a W .
Se dice que S = {v , v , . . . , vk } es un conjunto ortogonal si los vectores son ortogonales dos a dos, es
decir, si vi ⊥ vj para todo i 6= j .

Ejemplo Los vectores de la base canónica de R3 con el producto escalar euclı́deo son ortogonales entre si,
pero no lo son si el producto interior definido es: hv, wi = v1 w1 + v1 w2 + v2 w1 + 2v2 w2 + v3 w3 . (Pruébese
que es un producto interior). En efecto: he , e i = h(1, 0, 0), (0, 1, 0)i = 0 + 1 + 0 + 0 + 0 = 1 6= 0 . 4

Nota: Si dos vectores son ortogonales, el ángulo que forman es de π2 radianes (los famosos 90 grados). De hecho,
en Rn con el producto escalar euclı́deo, la ortogonalidad coincide con la perpendicularidad.
Una curiosidad:
Teorema general de Pitágoras 283.- Si u y v son dos vectores ortogonales de un espacio vectorial con pro-
ducto interior, entonces
2 2 2
ku + vk = kuk + kvk .
Este resultado, de fácil comprobación, se reduce en R2 con el producto escalar al Teorema de Pitágoras.
También es sencillo probar el resultado siguiente (ver ejercicio 10.258):
Proposición 284.- Si w ⊥ {v , v , . . . , vk } , entonces w ⊥ lin{v , v , . . . , vk } .

Mucho más interesante es el siguiente, que relaciona ortogonalidad e independencia:

Teorema 285.- Si S = {v , v , . . . , vk } un conjunto finito de vectores no nulos, ortogonales dos a dos, entonces
S es linealmente independiente. .

Prof: José Antonio Abia Vian Grado de Ing. en Diseño Industrial y Desarrollo de producto : Curso 2017–2018
150 – Fundamentos de Matemáticas : Álgebra Lineal 10.2 Ortogonalidad

10.2.2 Bases ortonormales. Proyección ortogonal

Definición 286.- Sean V un espacio vectorial de dimensión n con producto interior. Se dice que la base
B = {v , v , . . . , vn } es una base ortonormal de V , si B es un conjunto ortogonal y kvi k = 1 , ∀ i.
n   o
√1 , √1 , √ −1 √1
Ejemplo Las bases canónica y B1 = 2 2 2
, 2
son ortonormales en R2 con el producto escalar
√
euclı́deo. La base B2 = {(2, 0), (0, − 2)} es ortonormal para el producto interior hx, yi = x14y1 + x22y2 . 4

Teorema 287.- Si B = {v , v , . . . , vn }es una base ortonormal para  un espacio V con producto escalar,
entonces ∀ v ∈ V se tiene que (v)B = hv, v i, hv, v i, . . . , hv, vn i . Es decir,
v = hv, v iv + hv, v iv + · · · + hv, vn ivn ,
Demostración:
Si v = c1 v + · · · + ci vi + · · · + cn vn , para cada i, se tiene que

hv, vi i = hc1 v + · · · + ci vi + · · · + cn vn , vi i
2
= c1 hv , vi i + · · · + ci hvi , vi i + · · · + cn hvn , vi i = ci hvi , vi i = ci kvi k = ci

Es decir, en una base ortonormal, la obtención de cordenadas es más sencilla. Y no sólo eso:
Teorema 288.- Si P es la matriz de paso de una base ortonormal B1 a otra base ortonormal B2 , entonces
P es una matriz ortogonal (es decir, P −1 = P t ).
La prueba es puramente operativa, con la definición y el apartado b) del ejer. 10.261 (ver también ejer. 10.266).
Definición 289.- Sean V un espacio con producto escalar, W subespacio de V y B = {w , w , . . . , wk } base
ortonormal de W . Para cada v ∈ V , llamaremos proyección ortogonal de v sobre W al vector de W
ProyW (v) = hv, w iw + hv, w iw + · · · + hv, wk iwk .
Al vector v−ProyW (v) se le llama componente ortogonal de v sobre W .
La proyección ortogonal no depende la base ortonormal elegida, es decir, tomando otra se obtiene lo mismo. La
prueba puede encontrarse en el Anexo, pág. 150, tras la demostración del Lema 290 siguiente.
Lema 290.- Sean V un espacio vectorial con producto interior y W subespacio de V , entonces para cada
v ∈ V , el vector v− ProyW (v) es ortogonal a W . .

10.2.2.1 Teorema y ortonormalización de Gram-Schmidt

El siguiente teorema prueba la existencia de bases ortonormales para cualquier producto escalar, y no solo eso
sino que la prueba es un método de construcción de esa base ortonormal.
Proceso de ortonormalización de Gram-Schmidt 291.- Sean V un espacio vectorial con producto interior y
de dimensión n . Vamos a describir este proceso que construye a partir de una base B = {v , v , . . . , vn } una
base ortonormal B ∗ = {u , u , . . . , un } .
Demostración:

v
1 a etapa.- Como v 6=  por ser de B , el vector u = tiene norma 1 y lin{u } = lin{v }.
kv k
2 a etapa.- Sea W1 = lin{u }, por el Lema anterior, el vector v −ProyW1 (v ) es ortogonal a W1 , en particular
a u , y es distinto del vector  pues ProyW1 (v ) ∈ W1 y v ∈ / W1 = lin{v } , entonces tiene que

v − ProyW1 (v ) v − hv , u iu

v − ProyW (v ) = kv − hv , u iu k ∈ lin{v , v }
u =
1

es ortogonal a u y tiene norma 1. Además, lin{u , u } = lin{v , v } .

Prof: José Antonio Abia Vian Grado de Ing. en Diseño Industrial y Desarrollo de producto : Curso 2017–2018
151 – Fundamentos de Matemáticas : Álgebra Lineal 10.2 Ortogonalidad

3 a etapa.- Sea ahora W2 = lin{u , u }, como antes, el vector v −ProyW2 (v ) es ortogonal a W2 , en particular
a u y u , y es distinto del vector  , pues ProyW2 (v ) ∈ W2 y v ∈/ W2 = lin{v , v }, entonces se tiene que

v − ProyW2 (v ) v − hv , u iu − hv , u iu

v − ProyW (v ) = kv − hv , u iu − hv , u iu k ∈ lin{v , v , v }
u =
2

es ortogonal a u y u , y tiene norma 1. Además, lin{u , u , u } = lin{v , v , v }.

n a etapa.- Con la repetición del proceso se ha construido un conjunto ortonormal de n vectores no nulos,
B ∗ = {u , u , . . . , un }, tal que lin B ∗ = lin B = V . Luego B ∗ es una base ortonormal de V .

Ejemplo En R4 con el producto euclı́deo, hx, yi = x · y , transformar

n o
B = v = (1, 1, 1, 1), v = (−1, −1, 0, 2), v = (0, 1, −2, 1), v = (−1, 0, 1, 1)

en una base ortonormal

v
• u = kv k = ( 12 , 12 , 12 , 12 ) y W1 = lin{u }


v −ProyW (v ) v − hv ,u iu
• u = 1 =
= √1 (−1, −1.0, 2) y W2 = lin{u , u }
v −ProyW (v ) v − hv ,u iu 6

1

v −ProyW (v ) v − hv ,u iu +hv ,u iu
• u = 2 =
= √ 6 ( 1 , 7 , −2, 4 ) y W3 = lin{u , u , u }
v −ProyW (v )

v − hv ,u iu +hv ,u iu
210 6 6 6
2

v −ProyW (v ) v − hv ,u iu +hv ,u iu +hv ,u iu
• u = 3
= = √1 (−9, 7, 3, −1)
4


v −ProyW (v ) v − hv ,u iu +hv ,u iu +hv ,u iu 2 35

3

Observación El cálculo de la base ortonormal mediante el proceso de Gram-Schmidt es simple, es algorı́tmico

luego basta seguir los pasos indicados, pero muy laborioso.
Si buscamos sólo dos o a lo sumo tres vectores ortogonales a veces puede hacerse por simple inspección u
obligando a que cumplan las condiciones de ortogonalidad y resolviendo los sistemas resultantes; basta ahora
con normalizar los vectores para tener la base. Menos sistemático pero válido.

Hay otro proceso que también construye una base ortogonal a partir de otra dada, pero que usa las matrices
métricas. Consiste en obtener la matriz métrica identidad a partir de la matriz métrica de la base dada.

10.2.2.2 Base ortonormal mediante diagonalización congruente

Para un producto escalar dado, la matriz métrica referida a una base ortonormal es la identidad (referida a
una base ortogonal es diagonal). Este hecho y la Proposición 278 nos proporcionan la idea de buscar una base
ortonormal buscando una matriz de cambio de base de manera que P t QP = I .
El proceso de que hablamos, se basa de nuevo en hacer operaciones elementales sobre la matriz. La idea del
método es la siguiente: haciendo operaciones elementales en las filas de la matriz podemos conseguir una matriz
triangular inferior, pero como necesitamos que la matriz obtenida sea simétrica (debe ser congruente con la
anterior, seguir siendo una matriz métrica), después de cada operación que hagamos en las filas repetiremos la
misma operación sobre las columnas. Tras cada doble paso (operacion sobre las filas y misma operación sobre
las columnas) la matriz obtenida seguirá siendo simétrica y congruente con la inicial y, al final del proceso la
matriz obtenida será diagonal.
La justificación no es dificil de entender si usamos las matrices elementales que representan a cada operación ele-
mental (ver la subsección 8.2.1 sobre matrices elementales en la página 127), pues: si E es una matriz elemental
obtenida de realizar una aplicación elemental sobre I , al multiplicar EA se tiene la matriz resultante de realizar
la misma operación elemental de E sobre las filas de A (Th.209) y si multiplicamos a la traspuesta de A, EAt
realiza la operación sobre las columnas de A . Entonces: la matriz E(EA)t realiza la operación sobre las colum-
nas de la matriz en la que ya hemos realizado la operación de las filas; pero como E(EA)t = EAt E t = EAE t
(por ser A simétrica), esta matriz es simétrica y congruente con A (pues E es inversible). Luego repitiendo el
proceso hasta obtener una matriz diagonal y haciendo 1 los elementos de la diagonal:

I = Ek Ek−1 · · · E1 A E1t · · · Ek−1

t
Ekt = (Ek Ek−1 · · · E1 ) A (Ek Ek−1 · · · E1 )t = P t A(P t )t = P t AP

Prof: José Antonio Abia Vian Grado de Ing. en Diseño Industrial y Desarrollo de producto : Curso 2017–2018
 152 – Fundamentos de Matemáticas : Álgebra Lineal 10.3 Ejercicios

que será congruente con A pues P es inversible al ser producto de inversibles.

Diagonalización congruente mediante operaciones elementales 292.- Ampliamos la matriz A con la iden-
tidad, (A | I) y efectuamos en A y en I las operaciones elementales en las filas para escalonar A y repetimos
cada operación en las columnas de A, al cabo de un número finito de pasos obtendremos (D | P t )

Nota: Construimos ası́ una matriz congruente diagonal, que se corresponde con una base ortogonal. Basta
ahora con hacer 1 los elementos de la diagonal para obtener la base ortonormal.

Ejemplo 293 Sea hx, yi = 2x1 y1 + 2x1 y2 + 3x2 y2 + 2x2 y1 + x2 y3 + x3 y2 + 4x3 y3 un producto escalar sobre
R3 . Obtener una base ortonormal  
2 2 0
La matriz métrica en la base canónica es S =  2 3 1  , luego para obtener una matriz congruente con S
0 1 4
que sea la identidad, hacemos el proceso de (S|I) → (I|P t ) . Detallamos los pasos ha dar:
     
2 2 0 1 0 0 F2 −F1 2 0 0 1 0 0 F3 −F2 2 0 0 1 0 0
C2 −C1 C3 −C2
(S|I) =  2 3 1 0 1 0  −→  0 1 1 −1 1 0  −→  0 1 0 −1 1 0 
0 1 4 0 0 1 0 1 4 0 0 1 0 0 3 1 −1 1
√1 F √1 F
1
1 0 0 √12 0 0
3
1 0 0 √12 0 0
2
  3
 
√1 C √1 C
1 3
0  = (I|P t )
2 3
−→  0 1 0 −1 1 0  −→  0 1 0 −1 1
0 0 3 1 −1 1 1
0 0 1 √3 − √3 √13
1

√1−1 √13
 
2
Tenemos entonces la matriz identidad y la matriz, P =  0 1 − √13  , de paso de la base ortonormal
 
0 0 √13
n o
B∗ = ( √12 , 0, 0), (−1, 1, 0), ( √13 , − √13 , √13 ) a la canónica, que verifican que P t SP = I . 4

10.3 Ejercicios
10.255 Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) . Determinar si hu, vi = u1 v1 − u2 v2 + u3 v3 define un producto
interior en R3 .
10.256 a) Encontrar dos vectores de R2 con norma euclı́dea 1 y cuyo producto euclı́deo con (−2, 4) sea cero
b) Probar que hay infinitos x ∈ R3 con kxk = 1 y el producto euclı́deo x · (−1, 7, 2) = 0
−1
10.257 Sean a = ( √15 , √ 5
) y b = ( √230 , √330 ) . Demostrar que {a, b} es ortonormal si R2 tiene el producto interior
hu, vi = 3u1 v1 + 2u2 v2 donde u = (u1 , u2 ) y v = (v1 , v2 ) , y que no lo es si R2 tiene el producto euclı́deo

10.258 Sea V un espacio con producto interior. Probar que si un vector w es ortogonal a cada uno de los vectores
v , v , . . . , vk entonces es ortogonal a todo el conjunto lin{v , v , . . . , vk }

10.259 Considerar R3 con el producto interior euclideo. Utilizar tanto el proceso de Gram-Schmidt como la
diagonalización congruente para transformar, en cada caso, la base {u , u , u } en una base ortonormal.
a) u = (1, 1, 1) , u = (−1, 1, 0) , u = (1, 2, 1) .
b) u = (1, 0, 0) , u = (3, 7, −2) , u = (0, 4, 1) .

10.260 Sea R3 con el producto escalar hu, vi = u1 v1 + 2u2 v2 + 3u3 v3 . Utilizar tanto el proceso de Gram-Schmidt
como la diagonalización congruente para transformar la base formada por los vectores (1, 1, 1) , (1, 1, 0) y
(1, 0, 0) en una base ortonormal

10.261 Sea B = {v , v , v } una base ortonormal de un espacio V con producto interior. Comprobar que:
2
a) kwk = hw, v i2 + hw, v i2 + hw, v i2 ; ∀w ∈ V .
b) hu, wi = (u)B · (w)B = [u]tB [w]B ; ∀ u, w ∈ V .

Prof: José Antonio Abia Vian Grado de Ing. en Diseño Industrial y Desarrollo de producto : Curso 2017–2018
 153 – Fundamentos de Matemáticas : Álgebra Lineal 10.3 Ejercicios

10.262 Tomemos en R4 el producto interior euclideo. Expresar el vector w = (−1, 2, 6, 0) en la forma w =

w +w donde, w esté en el subespacio W generado por los vectores u = (−1, 0, 1, 2) y u = (0, 1, 0, 1) ,
y w sea ortogonal a W .
10.263 Suponer que R4 tiene el producto interior euclideo.
a) Hallar un vector ortogonal a u = (1, 0, 0, 0) y u = (0, 0, 0, 1) , y que forme ángulos iguales con los
vectores u = (0, 1, 0, 0) y u = (0, 0, 1, 0) .
b) Hallar un vector x de longitud 1, ortogonal a u y a u , tal que el coseno del ángulo entre x y u
sea el doble del coseno del ángulo entre x y u .

10.264 Hallar la distancia del vector u = (1, 1, 1, 1) de R4 al subespacio generado por los vectores v = (1, 1, 1, 0)
y v = (1, 1, 0, 0) .

10.265 Dados los vectores x = (x1 , x2 , x3 ) e y = (y1 , y2 , y3 ) de R3 , demostrar que la expresión hx, yi =
2x1 y1 + 2x2 y2 + x3 y3 + x1 y2 + x2 y1 define un producto interior.
Encontrar una base {u , u , u } ortonormal respecto al producto interior anterior tal que u y u tengan
igual dirección y sentido que los vectores (0, 1, 0) y (0, 0, 1) , respectivamente.

10.266 Probar que una matriz A de orden n es ortogonal si, y sólo si sus vectores fila forman un conjunto
ortonormal en Rn .

Prof: José Antonio Abia Vian Grado de Ing. en Diseño Industrial y Desarrollo de producto : Curso 2017–2018