Tema Iv - Espacio Vectorial Euclídeo

Producto escalar
Módulo de un vector, distancia y ángulo entre vectores

Bases ortogonales y ortonormales
Proceso de ortonormalización de Gram-Schmidt
TEMA IV:
ESPACIO VECTORIAL EUCLÍDEO
ÁLGEBRA LINEAL Y GEOMETRÍA

Grado en Arquitectura Naval e Ingeniería Marítima.
Escuela de Ingeniería Naval y Oceánica
Dr. Alejandro Pérez Peña

Departamento de Matemáticas
Curso 2016-2017
ÁLGEBRA LINEAL Y GEOMETRÍA. CURSO 16/17 TEMA IV: Espacio Vectorial Euclídeo 1
Producto escalar
Contenido
1 Producto escalar
2 Módulo de un vector, distancia y ángulo entre vectores
3 Bases ortogonales y ortonormales
4 Proceso de ortonormalización de Gram-Schmidt
Producto escalar
Expresión matricial de un producto escalar
Definición (Producto Escalar)

Sea el espacio vectorial (Rn , +, ·). Se llama producto escalar definido sobre
Rn a cualquier aplicación
Rn × Rn −→ R
tal que a cada par de vectores (~x, ~y) le hace corresponder un número real,
representado por una de las siguientes formas:
~x • ~y, < ~x, ~y >
y que satisface las siguientes condiciones:

1 ∀ ~x, ~y ∈ Rn , ~x • ~y = ~y • ~x
n
2 ∀ ~x, ~y, ~z ∈ R ~x • (~y + ~z) = (~x • ~y) + (~x • ~z)
3 ∀ ~x, y ∈ Rn , ∀ λ ∈ R (λ~x) • ~y = ~x • (λ~y) = λ(~x • ~y)
4 Si ~x 6= ~0 =⇒ ~x • ~x > 0
A la expresión ~x • ~y se le denomina producto escalar de ~x e ~y.
Producto escalar
Ejemplo
1 En el espacio Rn se define
~x • ~y = x1 y1 + x2 y2 + · · · + xn yn
siendo ~x = (x1 , x2 , . . . , xn ) ~y = (y1 , y2 , . . . , yn ). A este producto escalar

se le llama producto escalar usual.
2 En el espacio vectorial R3 se define
~x • ~y = αx1 y1 + αx2 y2 + x3 y3 + x1 y2 + x2 y1
Es sencillo probar que se cumplen las primeras condiciones de la defini-

ción de producto escalar, para probar que ~x • ~x > 0, ∀~x 6= ~0, podemos
poner
x2 2 α2 − 1 2
~x • ~x = αx21 + αx22 + x23 + 2x1 x2 = α(x1 + ) + x2 + x23
α α

α > 0
por tanto, debe ser: α2 −1 =⇒ α > 1
α
> 0
Producto escalar
Definición (Espacio Vectorial Euclídeo)

Al par formado por el espacio vectorial (Rn , +, ·) y un producto escalar definido
sobre Rn se le llama Espacio Vectorial Euclídeo. Se representa por
(Rn , •), (Rn , < >)
según la notación que utilicemos.
Producto escalar

Sea (Rn , •) un espacio vectorial euclídeo y sea B una base de Rn ,
B = {~u1 , ~u2 , . . . , ~un },
Cualesquiera que sean los vectores ~x e ~y de Rn se verifica que
~x = x1 ~u1 + x2 ~u2 + · · · + xn ~un , ~y = y1 ~u1 + y2 ~u2 + · · · + yn ~un
siendo (x1 , x2 , . . . , xn ) e (y1 , y2 , . . . , yn ) las coordenadas de los vectores ~x e

~y en la base B, respectivamente. Entonces el producto escalar ~x • ~y, vendrá
dado por
~x • ~y = (x1 ~u1 + x2 ~u2 + · · · + xn ~un ) • (y1 ~u1 + y2 ~u2 + · · · + yn ~un ) =
= x1 y1 (~u1 • ~u1 ) + x1 y2 (~u1 • ~u2 ) + · · · + xn yn (~un • ~un ) =

  y1 
~u1 • ~u1 ~u1 • ~u2 . . . ~u1 • ~un

 ~u2 • ~u1 ~u2 • ~u2 . . . ~u2 • ~un   y2 
= x1 x2 . . . xn   .  = Xt GY

 ... ... ... ...   .. 
~un • ~u1 ~un • ~u2 . . . ~un • ~un y n
Producto escalar
  y1 
~u1 • ~u1 ~u1 • ~u2 ... ~u1 • ~un

 ~u2 • ~u1  y2
~u2 • ~u2 ... ~u2 • ~un 

x1 x2 ... xn  .  = Xt GY
 
 ... ... ... ...   . . 
~un • ~u1 ~un • ~u2 ... ~un • ~un yn
siendo X la matriz columna formada por las coordenadas del vector ~x, Y la
matriz columna formada por las coordenadas del vector ~y y G la llamada
matriz métrica del producto escalar o matriz de Gram respecto a la base
B.
Se observa que dicha matriz sólo depende de la base de Rn utilizada y cuyos
elementos son los productos escalares de los vectores de la base
aij = ~ui • ~uj , i, j = 1, 2, . . . , n
Producto escalar
Observación
Por la definición de producto escalar es ~ui • ~uj = ~uj • ~ui ∀i, j = 1, 2, . . . , n.
Por tanto
aij = aji
que nos indica que la matriz del producto escalar es una matriz simétrica.
Además, por la definición de producto escalar se debe verificar que
aii = ~ui • ~ui > 0, i = 1, 2, . . . , n
Estas condiciones no son suficientes para que una matriz A sea la matriz de
un producto escalar.
Producto escalar
Ejemplo
Si en R3 definimos
  
1 3 0 y1
(~x • ~y) = x1 x2 x3  3 2 −1   y2 
0 −1 1 y3
observamos que es una mariz simétrica pero no es un roducto escalar, ya que

si, por ejemplo, ~x = (−3, 1, 1) 6= (0, 0, 0), se verifica que
~x • ~x = −8 < 0
que no es posible.
Producto escalar
Caracterización de la matriz de un producto escalar
Veamos que condición debe cumplir la matriz para que se verifique la condi-
ción:
~x 6= ~0 =⇒ ~x • ~x > 0
Producto escalar

Veamos que condición debe cumplir la matriz para que se verifique la condi-
ción:
~x 6= ~0 =⇒ ~x • ~x > 0
Definición (Menor Principal de orden r)

Sea A una matriz perteneciente a Mn×n (R),
...
 
a11 a12 a1n
 a21 a22 ... a2n 
A=
 ...

... ... ... 
an1 an 2 ... ann
llamamos menor principal de orden r, ∆r , al determinante de la submatriz

de A formada por las r primeras filas y las r primeras columnas.

a11 a12 ... a1r

a a12 a21 a22 ... a2r
∆2 = 11

∆1 = a11 , , . . . , ∆r =
a21 a22
... ... ... . . .
ar1 ar2 ... arr
Producto escalar
Teorema
Sea A ∈ Mn×n (R). La matriz A es la matriz de un producto escalar definido
en el espacio vectorial n-dimensional Rn respecto a una base B si y sólo si
A = At y además los menores principales de A son todos mayores que cero.
Producto escalar
Teorema
Sea A ∈ Mn×n (R). La matriz A es la matriz de un producto escalar definido
en el espacio vectorial n-dimensional Rn respecto a una base B si y sólo si
A = At y además los menores principales de A son todos mayores que cero.
Ejercicio 5.1: Calcular la matriz del producto escalar usual de R3 respecto

de la base B = {(1, 1, 2), (3, 1, 1), (−2, −1, 2)}
Producto escalar
Ángulo que forman dos vectores
Módulo de un vector
Definición (Módulo de un vector)

Si ~x es un vector no nulo del espacio vectorial euclídeo Rn , se llama longitud,
norma o módulo de ~x y se representa por k~xk, al número real positivo definido
por la raíz cuadrada no negativa del producto escalar de ~x por si mismo.
√
k~xk = ~x • ~x
Producto escalar

√
k~xk = ~x • ~x
Se verifica lo siguiente:
k~xk = 0 ⇐⇒ ~x = ~0
Si k~xk = 1, diremos que el vector ~x es unitario.
Producto escalar

√
k~xk = ~x • ~x
Se verifica lo siguiente:
k~xk = 0 ⇐⇒ ~x = ~0
Si k~xk = 1, diremos que el vector ~x es unitario.
Ejercicio 5.2: Calcular la norma del vector (2, −1) respecto al producto
escalar ususal y al producto escalar en R2 dado por la expresión
(x1 , x2 ) • (y1 , y2 ) = 4x1 y1 + 2x2 y2 − 2x1 y2 − 2x2 y1
Producto escalar
Propiedades
Sea el espacio vectorial euclídeo (Rn , •). Se verifican las siguientes propieda-
des:
1 ∀~x ∈ Rn , ∀λ ∈ R, kλ~xk = |λ| k~xk
2 Desigualdad de Cauchy-Schwarz:
El valor absoluto del producto escalar de dos vectores es menor o igual
que el producto de las normas de ambos vectores.
|~x • ~y| 6 k~xkk~yk, ∀~x, ~y ∈ Rn
3 Desigualdad triangular o de Minkowski
k~x + ~yk 6 k~xk + k~yk, ∀~x, ~y ∈ Rn
Esta última desigualdad recibe el nombre de triangular porque es una gene-

ralización del hecho de que la longitud de cualquier lado de un triángulo es
menor o igual que la suma de las longitudes de los otros dos lados.
Producto escalar
Definición (Ángulo entre dos vectores)

Sean ~x e ~y dos vectores no nulos del espacio vectorial euclídeo (Rn , •). El
ángulo que forman esos dos vectores, áng (~x, ~y), queda caracterizado por
su coseno
~x • ~y
cos(~x, ~y) =
k~xk k~yk
Podemos escribir
~x • ~y = k~xk k~yk cos(~x, ~y)
Producto escalar
Definición (Ángulo entre dos vectores)

Sean ~x e ~y dos vectores no nulos del espacio vectorial euclídeo (Rn , •). El
ángulo que forman esos dos vectores, áng (~x, ~y), queda caracterizado por
su coseno
~x • ~y
cos(~x, ~y) =
k~xk k~yk
Podemos escribir
~x • ~y = k~xk k~yk cos(~x, ~y)
Ejercicio 5.3: Consideremos en R2 el producto escalar dado por
~x • ~y = 3x1 y1 + x2 y2
Determina el ángulo entre los vectores (1, 1) y (1, 0)
Producto escalar
Matriz de un producto escalar en una base ortonormal
Definición (Vectores ortogonales)

Dos vectores ~x, ~y del espacio vectorial euclídeo Rn se dice que son ortogona-
les o perpendiculares, y se representa por ~x ⊥ ~y cuando su producto escalar
vale cero, es decir
~x ⊥ ~y ⇐⇒ ~x • ~y = 0
Producto escalar
Definición (Vectores ortogonales)

Dos vectores ~x, ~y del espacio vectorial euclídeo Rn se dice que son ortogona-
les o perpendiculares, y se representa por ~x ⊥ ~y cuando su producto escalar
vale cero, es decir
~x ⊥ ~y ⇐⇒ ~x • ~y = 0
Teorema (Teorema de Pitagoras)

En un espacio vectorial euclídeo (Rn , •), la condición necesaria y suficiente
para que dos vectores sean ortogonales es que el cuadrado de la norma de
su suma sea igual a la suma de los cuadrados de sus normas, es decir,
~x ⊥ ~y ⇐⇒ k~x + ~yk2 = k~xk2 + k~yk2
Producto escalar
Teorema (Teorema de Pitagoras)

En un espacio vectorial euclídeo (Rn , •), la condición necesaria y suficiente
para que dos vectores sean ortogonales es que el cuadrado de la norma de
su suma sea igual a la suma de los cuadrados de sus normas, es decir,
~x ⊥ ~y ⇐⇒ k~x + ~yk2 = k~xk2 + k~yk2
Demostración.
k~x + ~yk2 = (~x + ~y) • (~x + ~y) = ~x • ~x + 2(~x • ~y) + ~y • ~y = k~xk2 + 2(~x • ~y) + k~yk2
Si
~x ⊥ ~y =⇒ ~x • ~y = 0 =⇒ k~x + ~yk2 = k~xk2 + k~yk2
Si
|~x + ~yk2 = k~xk2 + k~yk2 =⇒ 2(~x • ~y) = 0 =⇒ ~x ⊥ ~y
Producto escalar
Definición (Base ortogonal)

Una base de un espacio vectorial euclídeo (Rn , •) se dice que es una base
ortogonal cuando los vectores que la forman son ortogonales dos a dos.
B = {~u1 , ~u2 , . . . , ~un } es ortogonal ⇐⇒ ~ui • ~uj = 0, i 6= j
Producto escalar
Definición (Base ortogonal)

ortogonal cuando los vectores que la forman son ortogonales dos a dos.
B = {~u1 , ~u2 , . . . , ~un } es ortogonal ⇐⇒ ~ui • ~uj = 0, i 6= j
Definición (Base ortonormal)

ortonormal cuando los vectores que la forman son unitarios y ortogonales.

~ui • ~uj = 0, i 6= j
B = {~u1 , ~u2 , . . . , ~un }es ortonormal ⇐⇒
k~ui k = 1 ∀i
Producto escalar
Ejercicio 5.4: En el espacio R3 se define

  
2 0 1 y1
x•y= x1 x2 x3  0 α 0   y2 
1 0 1 y3
siendo x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ).

1 Â¿Para qué valores de α es • un producto escalar?
2 Para α = 1, encuentra todos los vectores que son ortogonales al
x = (1, 2, 3)
Producto escalar
Teorema
Sea (Rn , •) un espacio vectorial euclídeo y sea B una base de Rn , B =
{~u1 , ~u2 , . . . , ~un }. Denotaremos por G a la matriz métrica del producto escalar
respecto de la base B. Entonces
La base B es ortogonal si y sólo si G es una matriz diagonal.
La base B es ortonormal si y sólo si la matriz G es la matriz identidad.
Producto escalar

Teorema
Sea (Rn , •) un espacio vectorial euclídeo y sea B una base de Rn , B =
{~u1 , ~u2 , . . . , ~un }. Denotaremos por G a la matriz métrica del producto escalar
respecto de la base B. Entonces
La base B es ortogonal si y sólo si G es una matriz diagonal.
La base B es ortonormal si y sólo si la matriz G es la matriz identidad.
Las bases ortonormales son particularmente cómodas a la hora de efectuar

cálculos puesto que al ser la matriz métrica la identidad, se obtiene la expre-
sión matricial del producto escalar
~x • ~y = Xt Y = x1 y1 + x2 y2 + · · · + xn yn
Asimismo, la norma de un vector ~x vendrá dada por

q
k~xk = x21 + x22 + · · · + x2n
Nuestra meta será siempre que tengamos un producto escalar, conseguir que
esté referido a una base ortonormal.
Producto escalar
Teorema (Gram-Schmidt)
Todo espacio vectorial euclídeo (Rn , •) admite una base ortonormal.
Producto escalar
Más aún, dada una base
B = {~u1 , ~u2 , ...., ~un }
existe una base ortonormal
B 0 = (~
w1 , w
~ 2 , ...., w
~ n)
obtenida a partir de ella cuyos vectores se calculan de la manera siguiente:

Calcularemos en primer lugar una base ortogonal
{~v1 , ~v2 , ...., ~vn }
y luego la haremos ortonormal dividiendo cada vector por su módulo para

hacerlos unitarios.
Producto escalar
Tomamos, en primer lugar

~v1 = ~u1
Para obtener el segundo vector, hacemos
~v2 = ~u2 + λ~v1
vamos a calcular cuanto tiene que valer λ para que ~v1 y v2 sean perpendicu-
lares, es decir que su producto escalar sea cero
0 = ~v1 • ~v2 = ~v1 • (~u2 + λ~v1 ) = ~v1 • ~u2 + ~v1 • (λ~v1 )
con lo que debe ser

~v1 • ~u2
λ=−
~v1 • ~v1
en definitiva,
~v1 • ~u2
~v2 = ~u2 − ~v1
~v1 • ~v1
Producto escalar

Para construir el tercer vector, formamos
~v3 = ~u3 + α~v1 + β~v2
vamos a calcular los valores de α y β para que ~v3 sea ortogonal a ~v1 y a ~v2
 
0 = ~v1 • ~v3  0 = ~v1 • (~u3 + α~v1 + β~v2 ) 
⇒ ⇒
 
0 = ~v2 • ~v3 0 = ~v2 • (~u3 + α~v1 + β~v2 )

0 = ~v1 • ~u3 + α~v1 • ~v1 + β~v1 • ~v2 

0 = ~v2 • ~u3 + α~v2 • ~v1 + β~v2 • ~v2
Como
~v1 • ~v2 = ~v2 • ~v1 = 0
nos queda 
 v •~
~ u
0 = ~v1 • ~u3 + α~v1 • ~v1  
α = − ~v1 •~v 3 
1 1
⇒
 
β = − ~v2 •~v 3 
v •~
~ u
0 = ~v2 • ~u3 + β~v2 • ~v2
2 2
Producto escalar
 v •~
~ u

0 = ~v1 • ~u3 + α~v1 • ~v1  
α = − ~v1 •~v 3 
1 1
⇒
 
β = − ~v2 •~v 3 
v •~
~ u
0 = ~v2 • ~u3 + β~v2 • ~v2
2 2
en definitiva,
~v1 • ~u3 ~v2 • ~u3
~v3 = ~u3 − ~v1 − ~v2
~v1 • ~v1 ~v2 • ~v2
Procederíamos igualmente para los próximos vectores, siendo en general
X
r
~vr+1 = ~ur+1 − λ1~v1 − λ2~v2 − · · · − λr~vr = ~ur+1 − λj~vj
j=1
siendo λi , i = 1, . . . , r, números reales tales que el vector ~vr+1 sea ortogonal

a los vectores (~v1 , ~v2 , . . . , ~vr ).
Producto escalar
Resumen del proceso de ortonormalización de Gram-Schmidt

En resumen, el método de ortonormalización de Gram-Schmidt, nos permite
dada una base cualquiera
B = {~u1 , ~u2 , . . . , ~un }
obtener, a partir de ella, una base ortogonal {~v1 , ~v2 , ...., ~vn }
~v1 = ~u1
~v1 • ~u2
~v2 = ~u2 − ~v1
~v1 • ~v1
~v1 • ~un ~v2 • ~un ~vn−1 • ~un

~vn = ~un − ~v1 − ~v2 − · · · − ~vn−1
~v1 • ~v1 ~v2 • ~v2 ~vn−1 • ~vn−1
y posteriormente, haciendo los vectores unitarios

~v1 ~v ~vn
B0 = , 2 ,...,
k~v1 k k~v2 k k~vn k
Producto escalar
Ejemplo
En el espacio vectorial R3 se define el producto escalar
  
1 1 0 y1
~x • ~y = x1 x2 x3  1 2 −1   y2 
0 −1 2 y3
siendo ~x = (x1 , x2 , x3 ), ~y = (y1 , y2 , y3 ).

Encuentra una base ortonormal para dicho producto escalar a partir de la
base canónica de R3
Producto escalar

Ejemplo
~v1 = (1, 0, 0)
(1, 0, 0) • (0, 1, 0) 1
~v2 = (0, 1, 0) − (1, 0, 0) = (0, 1, 0) − (1, 0, 0) = (−1, 1, 0)
(1, 0, 0) • (1, 0, 0) 1
(1, 0, 0) • (0, 0, 1) (−1, 1, 0) • (0, 0, 1)

~v3 = (0, 0, 1) − (1, 0, 0) − (−1, 1, 0) =
(1, 0, 0) • (1, 0, 0) (−1, 1, 0) • (−1, 1, 0)
0 −1
= (0, 0, 1) − (1, 0, 0) − (−1, 1, 0) = (−1, 1, 1)
1 1
para hacer estos 3 vectores unitarios calculamos su módulo y dividimos por
el
|~v1 | = (1, 0, 0) • (1, 0, 0) = 1, |~v2 | = (−1, 1, 0) • (−1, 1, 0) = 1
p p
√
|~v3 | =
p
(−1, 1, 1) • (−1, 1, 1) = 1=1
con lo que la base ortonormal para dicho producto escalar sería
~ 1 = (1, 0, 0), w
w ~ 2 = (−1, 1, 0), w
~ 3 = (−1, 1, 1)

Tema Iv - Espacio Vectorial Euclídeo

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Tema Iv - Espacio Vectorial Euclídeo

Încărcat de

Drepturi de autor:

Formate disponibile

Producto escalar

Módulo de un vector, distancia y ángulo entre vectores

ÁLGEBRA LINEAL Y GEOMETRÍA

Dr. Alejandro Pérez Peña

2 Módulo de un vector, distancia y ángulo entre vectores

3 Bases ortogonales y ortonormales

4 Proceso de ortonormalización de Gram-Schmidt

Definición (Producto Escalar)

~x • ~y, < ~x, ~y >

y que satisface las siguientes condiciones:

siendo ~x = (x1 , x2 , . . . , xn ) ~y = (y1 , y2 , . . . , yn ). A este producto escalar

Es sencillo probar que se cumplen las primeras condiciones de la defini-

Definición (Espacio Vectorial Euclídeo)

(Rn , •), (Rn , < >)

según la notación que utilicemos.

Expresión matricial de un producto escalar

B = {~u1 , ~u2 , . . . , ~un },

Cualesquiera que sean los vectores ~x e ~y de Rn se verifica que

~x = x1 ~u1 + x2 ~u2 + · · · + xn ~un , ~y = y1 ~u1 + y2 ~u2 + · · · + yn ~un

siendo (x1 , x2 , . . . , xn ) e (y1 , y2 , . . . , yn ) las coordenadas de los vectores ~x e

~x • ~y = (x1 ~u1 + x2 ~u2 + · · · + xn ~un ) • (y1 ~u1 + y2 ~u2 + · · · + yn ~un ) =

= x1 y1 (~u1 • ~u1 ) + x1 y2 (~u1 • ~u2 ) + · · · + xn yn (~un • ~un ) =

Expresión matricial de un producto escalar

aij = ~ui • ~uj , i, j = 1, 2, . . . , n

Expresión matricial de un producto escalar

aii = ~ui • ~ui > 0, i = 1, 2, . . . , n

Expresión matricial de un producto escalar

observamos que es una mariz simétrica pero no es un roducto escalar, ya que

Caracterización de la matriz de un producto escalar

Caracterización de la matriz de un producto escalar

Definición (Menor Principal de orden r)

llamamos menor principal de orden r, ∆r , al determinante de la submatriz

Caracterización de la matriz de un producto escalar

Caracterización de la matriz de un producto escalar

Ejercicio 5.1: Calcular la matriz del producto escalar usual de R3 respecto

Definición (Módulo de un vector)

Definición (Módulo de un vector)

Definición (Módulo de un vector)

|~x • ~y| 6 k~xkk~yk, ∀~x, ~y ∈ Rn

3 Desigualdad triangular o de Minkowski

k~x + ~yk 6 k~xk + k~yk, ∀~x, ~y ∈ Rn

Esta última desigualdad recibe el nombre de triangular porque es una gene-

Ángulo que forman dos vectores

Definición (Ángulo entre dos vectores)

Ángulo que forman dos vectores

Definición (Ángulo entre dos vectores)

Ejercicio 5.3: Consideremos en R2 el producto escalar dado por

Determina el ángulo entre los vectores (1, 1) y (1, 0)

Bases ortogonales y ortonormales

Definición (Vectores ortogonales)

Bases ortogonales y ortonormales

Definición (Vectores ortogonales)

Teorema (Teorema de Pitagoras)

~x ⊥ ~y ⇐⇒ k~x + ~yk2 = k~xk2 + k~yk2

Bases ortogonales y ortonormales

Teorema (Teorema de Pitagoras)

~x ⊥ ~y ⇐⇒ k~x + ~yk2 = k~xk2 + k~yk2

Bases ortogonales y ortonormales

Definición (Base ortogonal)

B = {~u1 , ~u2 , . . . , ~un } es ortogonal ⇐⇒ ~ui • ~uj = 0, i 6= j

Bases ortogonales y ortonormales

Definición (Base ortogonal)

B = {~u1 , ~u2 , . . . , ~un } es ortogonal ⇐⇒ ~ui • ~uj = 0, i 6= j