Héctor Palma Valenzuela. Dpto. de Matemática UdeC.

1 Espacios Euclidianos
Un espacio euclidiano es un espacio vectorial sobre el cuerpo de los reales sobre el
cual se tiene definido un producto interior.
Recordemos que un producto interior (p.i) sobre el espacio vectorial real V es
una aplicación h , i : V × V → R, que verifica:

1. ∀x, y ∈ V : hx, yi = hy, xi .

2. ∀α ∈ R, ∀x, y ∈ V : hαx, yi = α hx, yi .

3. ∀x1 , x2 , y ∈ V : hx1 + x2 , yi = hx1 , yi + hx2 , yi .

4. ∀x ∈ V : hx, xi ≥ 0 y hx, xi = 0 ⇔ x = θ.

La notación más usada para el producto interior entre los vectores x e y es x · y.

La propiedad 1 se indica diciendo que el producto interior es simétrico, la 2 y 3
determinan que el p.i. es lineal en la primera componente. Es claro que la simetría
determina que el p.i. también es lineal en la segunda componente, luego es una
aplicación bilineal.
La propiedad 4 se expresa diciendo que el p.i es definido positivamente.
Los ejemplos más importantes para el desarrollo de nuestro curso son los tres
siguientes:

Ejemplo 1 En el espacio vectorial Rn , para x = (x1 , x2 , ..., xn ) , y = (y1 , y2 , ..., yn ) :

X
n
x · y = x1 y1 + x2 y2 + ... + xn yn = xk yk
k=1

define un producto interior.

No olvide que cualquier espacio vectorial de dimensión (finita) n ∈ N es iso-
morfo a Rn .

Ejemplo 2 En el espacio vectorial C [a, b] = {f / f : [a, b] → R es continua}, para

f, g:
Z b
f ·g= f (x) g (x) dx
a

define un producto interior.

Héctor Palma Valenzuela. Dpto. de Matemática UdeC. 2

Ejemplo 3 Considerando una función r no negativa en C [a, b] , que se anula a lo

más en un número finito de puntos de [a, b] :
Z b
f ·g = f (x) g (x) r (x) dx
a

también define un p.i. en C [a, b]. La función r se llama la función peso para este
p.i.

En un espacio con p.i. la longitud o norma de un vector x se define por

√
kxk = x · x
Para los dos primeros ejemplos, tenemos p las normas:
n
En R , x = (x1 , x2 , ..., xn ) : kxk = x21 + x22 + ...x2n .
³R ´1/2
b
En C [a, b], f : [a, b] → R : kf k = a f (x)2 dx .
Se recuerda también la desigualdad de Schwarz válida en un espacio euclidiano

Teorema 4 Si x e y son dos vectores en un espacio euclidiano, entonces

(x · y)2 ≤ (x · x) (y · y)
o bien |x · y| ≤ kxk kyk

Ejercicio 1 Escriba la desigualdad de Schwarz en Rn y en C [a, b], según los p.i.

definidos anteriormente.

La desigualdad anterior justifica el hecho que, cualquiera sean los vectores x e y

en un esp. euclidiano
x·y
−1 ≤ ≤1
kxk kyk
y por lo tanto podemos definir el coseno del ángulo entre x e y por
x·y
cos θ =
kxk kyk
En el caso particular de R2 o R3 , se puede aplicar el teorema de los cosenos al
triángulo siguiente y obtener la fórmula anterior

y x-y

x
Héctor Palma Valenzuela. Dpto. de Matemática UdeC. 3

En el caso que los vectores sean no nulos (sus normas positivas), esta fórmula
establece que x · y = 0 ⇔ cos θ = 0 ⇔ θ = π/2 ⇔ x ⊥ y
En general, en un espacio euclidiano, por definición: x e y son vectores ortogo-
nales ⇔ x · y = 0.
Una consecuencia importante de la desigualdad de Schwarz es:
Si x e y son vectores en un esp. euclidiano, entonces

kx + yk ≤ kxk + kyk

Además, se puede probar que

Teorema 5 (de Pitágoras) Dos vectores x e y son ortogonales si, y sólo si

kx + yk2 = kxk2 + kyk2

También las propiedades obtenidas permiten definir el concepto de distancia

entre los vectores x e y por

d (x, y) = kx − yk

Esta definición satisface las condiciones básicas que debe satisfacer “una distan-
cia”, ∀x, y, z :

d (x, y) ≥ 0
d (x, y) = 0⇔x=y
d (x, y) = d (y, x)
d (x, z) ≤ d (x, y) + d (y, z)

Con respecto al concepto de ortogonalidad, la definición más general es el que

considera un conjunto de vectores

Definición 6 Se dice que el conjunto de vectores {x1 , x2 , ..., xn , ...} en un espacio

euclidiano, es un conjunto ortogonal si:
∀i : xi 6= θ.
∀i, j con i 6= j : xi ·xj = 0
Si además, xi ·xi = 1 para cada i, se dice que el conjunto es ortonormal.

La definición de conjunto ortonormal se puede dar por la condición

∀i, j : xi ·xj = δ ij
½
0 si i 6= j
donde δ ij = es el delta de Kronecker.
1 si i = j
Héctor Palma Valenzuela. Dpto. de Matemática UdeC. 4

Ejemplo 7 En R3 , es claro que el conjunto {(3, 0, 0) , (0, −2, 0) , (0, 0, 5)} es ortog-
onal y que la base canónica es un conjunto ortonormal.
Ejemplo 8 Se llama polinomio trigonométrico de grado 2n + 1 a toda expresión de
la forma
a0
f (x) = + a1 cos x + a2 cos 2x + ... + an cos nx + b1 sin x + b2 sin 2x + ...bn sin nx
2

donde a0 , a1 , ...an , b1 , b2 , ...bn son números reales (escalares) con an 6= 0 ∨ bn 6= 0. Un

polinomio trigonométrico define una función continua en cualquier intervalo [a, b]
El conjunto In de todos los polinomios trigonométricos de grado ≤ 2n + 1 junto
con el polinomio nulo, considerados como funciones continuas en [−π, π] , es un
espacio euclidiano, subespacio de C [−π, π] .
El conjunto {1, cos x, sin x, ..., cos nx, sin nx} (de 2n + 1 vectores) es ortogonal ya
que, para enteros k y m no negativos
Z π
sin kx sin mx dx = 0 , si k 6= m
−π
Z π
sin kx cos mx dx = 0
−π
Z π
cos kx cos mx dx = 0 , si k 6= m
−π

(considerar que, para m = 0 : cos mx = 1).

Si además consideramos que
Z π
k1k = 1 dx = 2π
−π
Z π
ksin kxk = sin2 kx dx = π , para k > 0
Z−ππ
kcos kxk = cos2 kx dx = π , para k > 0
−π

el conjunto formado por los vectores

1 cos x cos nx sin x sin nx
√ , √ , ..., √ , √ , ..., √
2π π π π π
es ortonormal.en In .
Ejemplo 9 En el espacio euclidiano C [−π, π], el conjunto (infinito)
1, cos x, sin x, ..., cos nx, sin nx, ...
es ortogonal.
Héctor Palma Valenzuela. Dpto. de Matemática UdeC. 5

Una propiedad importante de los conjuntos ortogonales se da en el siguiente

teorema.
Teorema 10 Todo conjunto ortogonal en un espacio euclidiano V es linealmente
independiente (l.i.).
Corolario 11 En un espacio euclidiano de dimensión finita n, un conjunto ortog-
onal es base si, y sólo si, contiene n vectores.
La ortogonalidad del conjunto
1, cos x, sin x, ..., cos nx, sin nx, ...
en C [−π, π] determina que este espacio es de dimensión infinita.
En relación al teorema anterior recordemos que un conjunto puede ser l.i. sin ser
ortogonal. Sin embargo, dado un conjunto l.i. A es posible construir un conjunto
ortogonal B que genere el mismo subespacio generado por A. Este proceso se conoce
como proceso de ortogonalización de Gram-Schmidt.
La idea puede entenderse mirando el proceso de ortogonalización de dos vectores
l.i.:
Dados x1 y x2 l.i., se construyen e1 y e2 ortogonales tales que los subespacios
generados por {x1 , x2 } y {e1 , e2 } coincidan. Es fácil entender la idea geométrica en
R2 :

Se hace e1= x1 y se busca

x2 e2 ortogonal a e1,
e2 en el plano generado por x1
y x2

x1

En la figura, existe α ∈ R tal que αx1 + e2 = x2 y luego e2 = x2 − αx1 . Ahora,

hacemos e1 = x1 y
e2 ⊥ e1 ⇔ (x2 − αe1 ) · e1 = 0
⇔ x2 · e1 − α (e1 · e1 ) = 0
x2 · e1
⇔ α=
e1 · e1
El conjunto ortogonal obtenido es
e1 = x1
µ ¶
x2 · e1
e2 = x2 − e1
e1 · e1
Héctor Palma Valenzuela. Dpto. de Matemática UdeC. 6

En su forma general el proceso es

Teorema 12 Sea {x1 , x2 , ..., xn , ...} un conjunto (finito o infinito) de vectores l.i.
en un espacio euclidiano V. Entonces existe un conjunto ortogonal {e1 , e2 , ...en , ...}
en V , tal que para todo entero n los subespacios generados por {x1 , x2 , ..., xn } y por
{e1 , e2 , ...en } coinciden. Más aún, los en se construyen como sigue:
e1 = x1
µ ¶
x2 · e1
e2 = x2 − e1
e1 · e1
.........
en = xn − α1 e1 − ... − αn−1 en−1
.........
donde
xn+1 · e1 xn+1 · e2 xn · en−1
α1 = , α2 = , ......, αn−1 = , ...
e1 · e1 e2 · e2 en−1 · en−1
Corolario 13 Todo espacio euclidiano de dimensión finita tiene una base ortonor-
mal.
Un ejercicio importante sobre este proceso de ortogonalización se tiene al con-
siderar el conjunto infinito l.i.
1, x, x2 , x3 , ....
en el espacio euclidiano de polinomios en el intervalo [−1, 1] , con el p.i
Z 1
p·q= p (x) q (x) dx
−1
El proceso conduce a los polinomios de Legendre. ¡Obtenga al menos los cinco
primeros vectores ortogonales!
La siguiente discusión trata el tema de las proyecciones ortogonales de un vector
x sobre un subespacio W , al cual no pertenece, y a partir de ahí la distancia de
este vector al subespacio.
Una situación simple ocurre con un plano W en R3 y un vector x ∈ / W , como se
ve en la figura siguiente
x

d = x-y

y
O
Héctor Palma Valenzuela. Dpto. de Matemática UdeC. 7

Siendo W de dimensión 2, él posee una base ortonormal {e1 , e2 } y así cualquier

vector y ∈ W se escribe
y = α1 e1 + α2 e2
Ahora, si queremos que d = x − y sea ortogonal a W , el vector debe ser ortogonal
a cada vector de la base. Así
x− (α1 e1 + α2 e2 ) · e1 = 0
x− (α1 e1 + α2 e2 ) · e2 = 0
y
α1 = x · e1
α2 = x · e2
Por lo tanto, la proyección de x sobre W está dada por y = (x · e1 ) e1 + (x · e2 ) e2
y la componente de x perpendicular a W es d = x − y = x− (x · e1 ) e1 + (x · e2 ) e2 .
La distancia de x a W está dada por
kdk = kx− (x · e1 ) e1 + (x · e2 ) e2 k
En general se tiene,
Teorema 14 Sea W un subespacio de dimensión finita de un espacio euclidiano V
y sea x un vector arbitrario de W. Entonces x puede descomponerse en forma única
como
x=y+d
donde y ∈ W y d es ortogonal a W.
Con respecto al vector x, y es la componente en W y d es la componente ortog-
onal a W.
Escogiendo una base ortonormal {e1 , e2 , ..., en } de W , en la demostración se
obtiene y = (x · e1 ) e1 + (x · e2 ) e2 + ... + (x · en ) en .
Observe que d es un vector de V tal que (x − d) ∈ W (con x = (x − d) +d).
Ahora, si z es otro vector en V tal que (x − z) ∈ W , entonces z − d = (x − d) −
(x − z) ∈ W y (z − d) ⊥ d, luego
kzk2 = kdk2 + kz − dk2
y kdk < kzk2
o sea d es el vector de menor norma con esta característica.
Esto explica el hecho que la norma de d representa la distancia del vector x al
subespacio W.
Héctor Palma Valenzuela. Dpto. de Matemática UdeC. 8

Ejemplo 15 Sea C [−π, π] el espacio de las funciones continuas en [−π, π] con

el p.i. ya indicado y sea In el subespacio de dimensión 2n + 1 formado por los
polinomios trigonométricos de grado ≤ 2n + 1 Para una función f ∈ C [−π, π]
calculamos la proyección ortogonal de f en In .
Esta proyección es de la forma
a0
T (x) = + a1 cos x + a2 cos 2x + ... + an cos nx + b1 sin x + b2 sin 2x + ...bn sin nx
2

donde los coeficientes deben ser tales que

d (x) = f (x) − T (x)
sea ortogonal a todas las funciones de la base ortogonal de In .
Luego se debe tener
Z π Z
a0 π
f (x) dx − dx = 0
−π 2 −π
Z π Z π
f (x) cos x dx − a1 cos2 x dx = 0
−π −π
Z π Z π
f (x) sin x dx − b1 sin2 x dx = 0
−π −π
Z π Z π
f (x) cos nx dx − an cos2 nx dx = 0
Z−ππ Z−π
π
f (x) sin nx dx − bn cos2 nx dx = 0
−π −π

y considerando que
Z π
dx = π
−π
Z π Z π
2
sin kx dx = cos2 kx dx = π, para k > 0
−π −π

resulta
Z
1 π
a0 = f (x) dx
π −π
Z Z
1 π 1 π
a1 = f (x) cos x dx , b1 = f (x) sin x dx
π −π π −π
..............................
Z Z
1 π 1 π
an = f (x) cos nx dx , bn = f (x) sin nx dx
π −π π −π
Estos coeficientes se denominan coeficientes de Fourier de la función f.
Héctor Palma Valenzuela. Dpto. de Matemática UdeC. 9

El polinomio trigonométrico T cuyos coeficientes son los coeficientes de Fourier

de f es la mejor aproximación en In a la función f , en el sentido que: de todas
la funciones P en In , T es la que reduce al mínimo la integral
Z π
[f (x) − P (x)]2 dx
−π

Esta integral se denomina la desviación media de P desde f.

2 Convergencia en espacios euclidianos

Definición 16 Una sucesión (xk )n∈2115 de vectores en un espacio euclidiano V con-
verge al vector x en V si y sólo si
lim kxk −xk = 0
n→∞

Se escribe en este caso, lim xk = x.

k→∞

Recuerde que la condición anterior significa: dado ε > 0 existe K ∈ N tal que:
∀k : k ≥ K ⇒ kxk −xk < ε.
En el espacio vectorial N, esta definición corresponde a la vista en Cálculo I.
Ejemplo 17 Sea e1 , e2 , ..., en una base ortonormal en Rn y sea (xk ) una sucesión
de vectores en Rn . Entonces, si x =α1 e1 + α2 e2 + ... + αn en es un vector arbitrario
en Rn y si para cada k
xk = α1k e1 + α2k e2 + ... + αnk en
se tiene
kxk −xk = (α1k − α1 )2 + ... + (αnk − αn )2
Luego, lim kxk −xk = 0 si, y sólo si las sucesiones (α1k ) , ..., (αnk ) convergen a
k→∞
α1 , ..., αn respectivamente.
Esto muestra que la convergencia en espacios euclidianos de dimensión finita es
esencialmente la misma que la cv. de sucesiones de números reales.
Sin embargo en espacios de dimensión infinita, tales como C [a, b] , la situación
es más interesante.
Considerando la norma ya definida y una sucesión (f/n ) en C [a, b] se tiene que:
lim fn = f si, y sólo si
n→∞
µZ b ¶1/2
2
lim kfn − f k = lim [fn (x) − f (x)] dx =0
n→∞ n→∞ a
Héctor Palma Valenzuela. Dpto. de Matemática UdeC. 10

Esto no es lo mismo que pedir: lim fn (x) = f (x) , ∀x ∈ [a, b] .

n→∞
Más generalmente, podemos considera un espacio de funciones: Con D ⊂ R

F = F (D, R) = {f / f : D → R es función}

y para sucesiones (fn ) en F, definir los siguientes tipos de convergencia:

Definición 18 (Convergencia puntual) Sea (fn ) una sucesión de funciones definidas

en D y sea S ⊂ D. Se dice que (fn ) converge puntualmente en S a la función
f : D → R si para cada x ∈ S : f (x) = lim fn (x) .
n→∞
En este caso se escribe f = lim fn [puntual] en S o fn → f [puntual] en S.

De acuerdo a esta definición, fn → f [puntual] en S ⇔

dados x ∈ S y ε > 0, existe N0 ∈ N (N0 (x, ε) ) tal que

∀n : n ≥ N0 ⇒ |fn (x) − f (x)| < ε

Ejemplo 19 Con S = [0, 1], se define

 1
 2nx
¡ ¢ si 0 ≤ x ≤ 2n
fn (x) = −2n x − n1 si 2n
1
≤ x ≤ n1

0 si n1 ≤ x ≤ 1

Analice la convergencia puntual de (fn ) .

Ejemplo 20 Con S = [0, 1], se define fn = xn .

Analice la convergencia puntual de (fn ) .

Definición 21 (Convergencia uniforme) Sea (fn ) una sucesión de funciones definidas

en D y sea S ⊂ D. Se dice que (fn ) converge uniformemente en S a la función
f : D → R si: dado.ε > 0 existe N (ε) tal que

∀n : n ≥ N ⇒ |fn (x) − f (x)| < ε, ∀x ∈ S

En este caso se escribe f = lim fn [unif] en S o fn → f [unif] en S.

(Idea geométrica)

Observación 22 Es inmediato de la definición que fn → f [unif] en S ⇒ fn →

f [puntual] en S

En los siguiente dos casos, analice la convergencia puntual y la convergencia

uniforme.
Héctor Palma Valenzuela. Dpto. de Matemática UdeC. 11

Ejemplo 23 fn : [0, 1] → R,
½
n si 0 < x < n1
fn (x) = 1
0 si x = 0 ∨ x ≥ n

Ejemplo 24 fn : R → R,
½ 1
n
si |x| ≤ n
fn (x) =
0 si |x| > n