Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Bilineal:
2. Simétrica:
Para todo ∈ se tiene que · = ·
3. Definida positiva:
Para todo vector ∈ no nulo se tiene que · 0
·0=0
En conclusión el único modo de que se anule · es para el vector nulo = 0. Pues si 6= 0 entonces
· 0
Ejemplos:
1. El producto escalar usual (canónico o euclídeo) en R . Dados (1 2 ) (1 2 ) ∈
R se define el producto escalar euclídeo en R del siguiente modo:
1
2. He aquí un ejemplo de un producto escalar (distinto del euclídeo) definido en R3 :
3. En P2 [R], el espacio vectorial de los polinomios de grado menor o igual que 2, y tomando [ ]
un intervalo cualquiera de la recta real, se define el producto escalar
Z
() · () = ()()
Hagamos para este caso el producto escalar del vector con el vector 2 + 2, trabajando con
el intervalo [0 1]:
Z1 Z1
2 2 4 1 1 5
· ( + 2) = · ( + 2) = (3 + 2) = [ + 2 ] = ( + 1) − 0 =
4 0 4 4
0 0
Entonces el vector
2 3
= ( √ − √ 0)
kk 13 13
2
es unitario, pues
° ° ° ° s
° ° ° 2 °
° ° = °( √ − √ 0)° = ( √2 )2 + (− √3 )2 + 02 =
3
° kk ° ° 13 13 ° 13 13
r r
4 9 13 √
= + +0= = 1=1
13 13 13
Ejemplo: Utilizando la norma asociada al producto escalar en R2 dado mediante la expresión
supone una interpretación física del producto escalar que resulta más fácil de visualizar, en el caso
del producto escalar usual.
[
Nota: Se suele denotar el ángulo así: ( )
Ejemplo: Con el producto escalar usual hallemos el ángulo que forman los vectores = (2 −2)
y = (0 3) de R2 .
Empleamos la fórmula
· (2 −2) · (0 3) −6 −6 1
cos = = =√ =√ = −√
kk kk k(2 −2)k k(0 3)k 8·3 8·3 2
3
De este modo deducimos que = 4
.
3. Ortogonalidad
Se dice que dos vectores y de un espacio vectorial euclídeo son ortogonales (o perpendic-
ulares) cuando
· = 0
Un sistema de vectores se dice que es un sistema ortogonal de vectores cuando los vectores son
ortogonales dos a dos. Si además todos los vectores son unitarios entonces se dirá que el sistema es
ortonormal.
Ejemplos:
3
1. 3 vectores 1 2 3 constituyen un sistema ortogonal si
1 · 2 = 0
1 · 3 = 0
2 · 3 = 0
1 · 2 = 0
k1 k = 1
k2 k = 1
4. Con el producto escalar usual en R4 algunos vectores ortogonales al vector (1 2 −3 0) serían
(0 0 0 1) (0 3 2 0) (2 −1 0 0) (3 0 1 0).
(2 1) · (1 3) = 4 · 2 · 1 + 2 · 1 · 3 − 2 · 2 · 3 − 2 · 1 · 1 = 8 + 6 − 12 − 2 = 0
(2 1) · (1 3) = 2 + 3 = 5
Una base de un espacio vectorial euclídeo que además es un sistema ortogonal (respectivamente
ortonormal) de vectores se llamará base ortogonal de (respectivamente base ortonormal de
).
Propiedades: En un espacio vectorial euclídeo se verifican las siguientes propiedades:
4
3. Un sistema ortogonal de vectores no nulos es un sistema LI de vectores. En consecuencia un
sistema ortonormal de vectores es un sistema LI de vectores.
4. La ortogonalidad es una propiedad que se conserva por CL, en particular por múltiplos. De
este modo, si es un vector ortogonal a entonces es ortogonal a todo múltiplo de (del
mismo modo se cumple que si no es ortogonal a entonces no es ortogonal a ningún múltiplo
de ). Como casos particularmente interesantes tenemos los siguientes:
a) Si tenemos una base ortogonal podemos multiplicar cada vector por un escalar no nulo
que el resultado sigue siendo una base ortogonal.
b) Si en una base ortogonal de un espacio vectorial euclídeo de dividimos cada vector por
su norma, entonces el sistema resultante de vectores es una base ortonormal de .
2 = 2 + 21 1
donde 21 es un escalar del cuerpo, el único para el que se cumple que 2 es ortogonal a 1 . Para
hallarlo se hace el producto escalar por el vector 1 en la igualdad anterior, y obtenemos la igualdad
2 · 1 = 0 = 2 · 1 + 21 1 · 1
5
de donde deducimos que
3 · 2
32 = −
2 · 2
(tengamos en cuenta que 2 y 1 son ortogonales, luego su producto escalar se anula).
Supongamos que tenemos definidos vectores ortogonales 1 2 −1 , para −1 . Entonces
buscaremos un nuevo vector de la forma
donde los 1 2 −1 se hallan imponiendo que es ortogonal a 1 2 −1 , respectiva-
mente, de una forma similar a la anterior (o sea, multiplicando escalarmente por 1 2 −1 ).
Así cada uno de los escalares puede calcularse mediante la expresión
·
= −
·
De este modo se obtiene una base ortogonal
{1 2 }
tomando
0 =
k k
para cada , es decir, dividiendo cada vector de la base ortogonal por su propia norma.
Observación: Si en algún momento nos sale un vector con fracciones en la base ortogonal que se
va obteniendo, puede reemplazarse éste por cualquier múltiplo suyo (como ya dijimos en la propiedad
4.a de la lista que apareció en último lugar), para así eliminar las fracciones. Incluso puede hacerse
sin esperar hasta tener todos los vectores. Por ejemplo. Para el caso de 3 vectores 1 2 3 cuando
tengamos 1 y 2 si éste último tiene fracciones se puede multiplicar por un escalar para quitarlas
antes de hallar 3 .
Ejemplo: Con el producto escalar usual hallar una base ortonormal de R3 a partir de la base
6
Finalmente necesitamos hallar un vector
obtenida de la anterior multiplicando el último vector por 6. De aquí obtendríamos la misma base
ortonormal.
Ejemplo: Con el producto escalar usual, hallar una base ortononormal de
= {( ) ∈ R2 : − 2 = 0}
Es sencillo hallar una base. A partir de la ecuación implícita de que se da, − 2 = 0, se obtienen
las ecuaciones paramétricas de dicho subespacio
(
= 2
=
y por tanto una base de es {(2 1)}. Al estar formada por un solo vector esta base de es ortogonal.
√
Y como k(2 1)k = 5 se tiene que una base ortonormal de es {( √25 √15 )}.
7
Ejemplo: Con el producto escalar usual, hallar una base ortogonal de
= {( ) ∈ R4 : + − + 3 = 0 + + 2 = 0}
Nos han dado mediante ecuaciones implícitas. Pasemos a paramétricas. Basta observar que el
sistema está escalonado con los pivotes e , luego los parámetros son y . Despejando tenemos
⎧
⎪
⎪ = 2 −
⎪
⎨ = − − 2
⎪
⎪ =
⎪
⎩
=
1 = (2 −1 1 0)
Ahora consideramos
2 = (−1 −2 0 1) + (2 −1 1 0)
donde
(−1 −2 0 1) · (2 −1 1 0) 0
=− =− =0
(2 −1 1 0) · (2 −1 1 0) 6
De este modo obtenemos que
Observemos que es la misma base que habíamos obtenido. Esto es casual y se debe a que los vectores
ya eran ortogonales entre sí. Por esta misma razón nos sale = 0.
Ejemplo: Utilizando el producto escalar en R2 dado mediante la expresión
Tomamos
1 = (2 0)
Ahora consideramos
2 = (−1 1) + (2 0)
donde
(−1 1) · (2 0) 4(−1) · 2 − 2 · 2 · 1 12 3
=− =− = =
(2 0) · (2 0) 4·2·2 16 4
8
De este modo obtenemos que
3 1
2 = (−1 1) + (2 0) = ( 1)
4 2
Así hemos obtenido una base ortogonal de R2 :
Multiplicamos el último vector por 2 y seguimos teniendo una base ortogonal, en este caso
Como lo que se pedía era una base ortonormal es suficiente con dividir cada uno de estos vectores
por su norma (la norma asociada a este producto escalar) y se tiene que
√
k(2 0)k = 4 · 2 · 2 = 4
√ √
k(1 2)k = 4 · 1 · 1 + 2 · 2 · 2 − 2 · 1 · 2 − 2 · 2 · 1 = 4 = 2
Finalmente obtenemos la base ortonormal {10 20 } de R2 (con el producto escalar con el que estamos
trabajando), con
1 1
10 = 14 (2 0) = ( 0) 20 = 12 (1 2) = ( 1)
2 2
⊥ = { ∈ | · = 0 ∀ ∈ } ≤
Luego
L
dim = dim ⊥ = dim + dim ⊥ con lo que dim ⊥ = dim − dim
En las condiciones anteriores, conocida una base (o más generalmente, un SG) de , se cumple
que un vector ∈ es ortogonal a todos los vectores de si y sólo si es ortogonal a todos los
vectores de dicha base (o SG). A partir de ahí se puede obtener ⊥ , el subespacio ortogonal
de . Veámoslo en el caso más sencillo en que = R .
Un vector (1 ) ∈ R pertenece a ⊥ si y sólo si es ortogonal a todos los vectores de la
base
= {(11 1 ) (1 )}
de , es decir, si y sólo si se cumplen las siguientes ecuaciones (que serán las ecuaciones implícitas
de ⊥ )
9
que dependerán del producto escalar con el que estemos. En el caso del producto escalar euclídeo
las ecuaciones implícitas de ⊥ quedarán así
Si denotamos por a la matriz cuyas filas son los vectores de entonces lo anterior significa que
⊥ = ker .
En el caso del producto escalar euclídeo, de modo simétrico puede obtenerse que si el subespa-
cio inicial está dado por ecuaciones implícitas entonces el subespacio ortogonal tiene como sistema
generador las filas de la matriz de coeficientes del sistema anterior.
Ejemplo:
Entonces, respecto al producto escalar euclídeo, tenemos que ⊥ tiene por ecuaciones implícitas
⎧
⎪
⎨ (1 −2 0 3) · ( ) = 0
(−3 0 2 0) · ( ) = 0
⎪
⎩
(5 0 −1 0) · ( ) = 0
es decir ⎧
⎪
⎨ − 2 + 3 = 0
−3 + 2 = 0
⎪
⎩
5 − = 0
Entonces, respecto al producto escalar euclídeo tenemos que ⊥ tiene por ecuaciones implícitas
(
−3 + 2 + = 0
2 − = 0
≡ − + 2 − = 0
⊥ = (−1 2 −1)
10
4. Supongamos que tenemos el subespacio de R3 siguiente
es decir, (
+ 6 − 8 = 0
− + 12 = 0
Supongamos ahora que con este mismo espacio vectorial euclídeo (R3 con este producto escalar)
tomamos el subespacio de R3 cuyas ecuaciones implícitas son
2 + − = 0
Entonces para obtener ⊥ debemos disponer de una base de . Es inmediato que unas ecua-
ciones paramétricas de son ⎧
⎪
⎨ =
= − 2
⎪
⎩
=
(tomando como pivote y las otras dos variables como parámetros). Así pues una base de
es
{(1 −2 0) (0 1 1)}
Esto nos da lugar a que unas ecuaciones implícitas de ⊥ son
(
( ) · (1 −2 0) = 0
( ) · (0 1 1) = 0
es decir, (
− 4 = 0
2 + 4 = 0
11
propiedad, es decir, si ∈ cumple que − ∈ ⊥ , entonces = 1 (la proyección ortogonal de
sobre ).
Se llama distancia de a
( ) = mı́n{k − k : ∈ }
( ) = k − 1 k = k2 k
precisamente la norma de 2 .
Veamos a continuación un método para hallar la proyección ortogonal de un vector sobre
un subespacio:
Sea ∈ y ≤ . Supongamos que tenemos una base
= {1 2 }
1 = 1 1 + 2 2 + +
· = 1 · + 2 · = 1 1 · + 2 2 · + + ·
lo cual representa una ecuación en las incógnitas 1 2 . Si esto lo hacemos para = 1 2
tendremos un sistema de ecuaciones con incógnitas que al resolver nos da el valor de las incógnitas
1 2 que nos servirán para hallar 1 .
Si la base escogida es una base ortogonal
= {1 2 }
de (siempre es posible hallarla a partir de una base cualquiera mediante el método de Gram-
Schmidt), entonces en la fórmula anterior obtenemos que
· = 1 · + 2 · = 1 1 · + 2 2 · + + · = ·
(puesto que · = 0 si 6= , ya que son vectores de una base ortogonal). De aquí despejamos el
valor del escalar
·
=
·
Entonces tenemos determinado 1 , la proyección ortogonal de sobre , sustituyendo el valor de
cada , es decir,
· 1 · 2 ·
1 = 1 1 + 2 2 + + = 1 + 2 + +
1 · 1 2 · 2 ·
12
Finalmente, si
= {10 20 0 }
es una base ortonormal entonces para cada se tiene que 0 · 0 = k0 k2 = 1 con lo que la fórmula
de los escalares queda más sencillamente así:
= · 0
y por tanto
1 = 1 10 + 2 20 + + 0 = ( · 10 )10 + ( · 20 )20 + + ( · 0 )0
Observación: Puede elegirse la base de la forma que cada cual considere oportuna a la hora
de obtener la proyección ortogonal. Si elegimos una base ortogonal u ortonormal, para el cálculo
previo de los escalares, probablemente sea necesario hallar esta base ortogonal u ortonormal, lo cual
requiere también operaciones. En general es mejor inicialmente coger una base cualquiera de (no
necesariamente ortogonal ni ortonormal) y realizar, como hemos hecho anteriormente, los productos
escalares de un modo similar al anterior y resolver el sistema de ecuaciones resultante. De esta manera
nos ahorraríamos aplicar el método de Gram-Schmidt a la hora de hallar la base ortogonal (que por
lo general es más costoso).
Ejemplo: Consideremos en el espacio vectorial euclídeo R3 con el producto escalar usual, el
subespacio
= (2 0 −1) (6 0 1)
y el vector
= (2 −1 3)
Vamos a hallar la proyección ortogonal de sobre .
Sabemos que = 1 + 2 , para ciertos 1 ∈ y 2 ∈ ⊥ . En esta situación 1 es la proyección
ortogonal de sobre . Tenemos que hallar una base de . En este caso es inmediato que los vectores
1 = (2 0 −1) y 2 = (6 0 1) nos sirven como base de . Entonces sabemos que 1 = 1 1 + 2 2 .
Pues bien, si multiplicamos escalarmente con cada uno de estos vectores obtenemos por un lado
que
· 1 = (1 + 2 ) · 1 = 1 · 1 + 2 · 1 = (1 1 + 2 2 ) · 1 + 0 = 1 1 · 1 + 2 2 · 1
deducimos que
1 = 51 + 112
y por otro lado que
· 2 = (1 + 2 ) · 2 = 1 · 2 + 2 · 2 = (1 1 + 2 2 ) · 2 + 0 = 1 1 · 2 + 2 2 · 2
13
de donde, hallando ahora los productos
deducimos que
15 = 111 + 372
Entonces resolviendo el sistema
1 = 51 + 112
15 = 111 + 372
obtenemos que
1 = −2 2 = 1
Así, la proyección ortogonal del vector sobre el subespacio es
· 1 = (1 + 2 ) · 1 = 1 · 1 + 2 · 1 = (1 1 + 2 2 ) · 1 + 0 = 1 1 · 1 + 2 2 · 1
· 1 = (0 1 3 0) · (1 0 0 1) = 0
1 · 1 = (1 0 0 1) · (1 0 0 1) = 2
2 · 1 = (1 −1 2 1) · (1 0 0 1) = 2
deducimos que
0 = 21 + 22
y por otro lado que
· 2 = (1 + 2 ) · 2 = 1 · 2 + 2 · 2 = (1 1 + 2 2 ) · 2 + 0 = 1 1 · 2 + 2 2 · 2
14
de donde, hallando ahora los productos
deducimos que
5 = 21 + 72
Entonces resolviendo el sistema
0 = 21 + 22
5 = 21 + 72
obtenemos que
1 = −1 2 = 1
Así, la proyección ortogonal del vector sobre el subespacio es
Otra forma de hacerlo sería a partir de una base ortogonal de . Utilizando el método de Gram-
Schmidt tomemos
1 = 1 = (1 0 0 1)
Busquemos ahora un vector de la forma
2 = 2 + 1
Entonces
2 = (1 −1 2 1) − (1 0 0 1) = (0 −1 2 0)
Entonces
1 = 2 1 + 3 2
y las ecuaciones que obtendríamos con la base ortogonal {1 2 } de serían
· 1 = 1 1 · 1 + 2 2 · 1 = 1 1 · 1
· 2 = 1 1 · 2 + 2 2 · 2 = 23 2 · 2
luego
· 1 (0 1 3 0) · (1 0 0 1) 0
1 = = = =0
1 · 1 (1 0 0 1) · (1 0 0 1) 2
· 2 (0 1 3 0) · (0 −1 2 0) 5
2 = = = =1
2 · 2 (0 −1 2 0) · (0 −1 2 0) 5
15
Entonces
1 = 0 · (1 0 0 1) + 1 · (0 −1 2 0) = (0 −1 2 0)
Ejemplo: Consideremos en el espacio vectorial euclídeo R4 con el producto escalar usual, el
subespacio
= (1 0 0 1) (1 −1 2 1)
y el vector
= (2 2 1 0)
Vamos a hallar la proyección ortogonal de sobre .
Sabemos que = 1 + 2 , para ciertos 1 ∈ y 2 ∈ ⊥ . En esta situación 1 es la proyección
ortogonal de sobre . Tenemos que hallar una base de . En este caso es inmediato que los vectores
1 = (1 0 0 1) y 2 = (1 −1 2 1) nos sirven como base de . Entonces sabemos que 1 = 1 1 +2 2 .
Pues bien, si multiplicamos escalarmente con cada uno de estos vectores obtenemos por un lado
que
· 1 = (1 + 2 ) · 1 = 1 · 1 + 2 · 1 = (1 1 + 2 2 ) · 1 + 0 = 1 1 · 1 + 2 2 · 1
· 1 = (2 2 1 0) · (1 0 0 1) = 2
1 · 1 = (1 0 0 1) · (1 0 0 1) = 2
2 · 1 = (1 −1 2 1) · (1 0 0 1) = 2
deducimos que
2 = 21 + 22
y por otro lado que
· 2 = (1 + 2 ) · 2 = 1 · 2 + 2 · 2 = (1 1 + 2 2 ) · 2 + 0 = 1 1 · 2 + 2 2 · 2
deducimos que
2 = 21 + 72
Entonces resolviendo el sistema
2 = 21 + 22
2 = 21 + 72
obtenemos que
1 = 1 2 = 0
16
Así, la proyección ortogonal del vector sobre el subespacio es
Otra forma de hacerlo sería a partir de una base ortogonal de . En el ejemplo anterior la tenemos
ya calculada y es
{1 2 } = {(1 0 0 1) (0 −1 2 0)}
Entonces 1 = 1 1 + 2 2 y las ecuaciones que obtendríamos con la base ortogonal serían
· 1 = 1 1 · 1 + 2 2 · 1 = 1 1 · 1
· 2 = 1 1 · 2 + 2 2 · 2 = 2 2 · 2
luego
· 1 (2 2 1 0) · (1 0 0 1) 2
1 = = = =1
1 · 1 (1 0 0 1) · (1 0 0 1) 2
· 2 (2 2 1 0) · (0 −1 2 0) 0
2 = = = =0
2 · 2 (0 −1 2 0) · (0 −1 2 0) 5
Entonces
1 = 1 · (1 0 0 1) + 0 · (0 −1 2 0) = (1 0 0 1)
Consideremos en el espacio vectorial euclídeo R3 con el producto escalar definido por
el subespacio
= {( ) : − − = 0}
Se pide:
= +
=
=
se tiene que una base de es {1 = (1 1 0) 2 = (1 0 1)}. Por el método de Gram-Schmidt hallamos
una base ortogonal {1 2 } de tomando
1 = 1 = (1 1 0)
(1 0 1) · (1 1 0) 2·1·1+0·1+3·1·0
2 = 2 + · 1 = (1 0 1) − · (1 1 0) =
(1 1 0) · (1 1 0) 2·1·1+1·1+3·0·0
2 1 2
= (1 0 1) − · (1 1 0) = ( − 1)
3 3 3
17
o si se quiere cambiando este último vector por su triple, obtenemos la siguiente base ortogonal de
(1 1 0) · ( ) = 0
(1 0 1) · ( ) = 0
es decir
2 + = 0
2 + 3 = 0
Por tanto una base de ⊥ (se obtiene sin más que resolver las ecuaciones implícitas anteriores) está
formado por el vector
{(3 −6 −2)}
2) Si = 1 + 2 , siendo 1 la proyección ortogonal de sobre, podemos afirmar que
4. Producto vectorial
Sean x = 1 + 2 + 3 e y = 1 + 2 + 3 dos vectores de R3 . El producto vectorial de
ambos vectores se define como
¯ ¯
¯ i j k ¯
¯ ¯
¯ ¯
x × y = ¯ 1 2 3 ¯ = (2 3 − 2 3 ) + (3 1 − 3 1 ) + (1 2 − 1 2 )
¯ ¯
¯ 1 2 3 ¯
18
4.2. Módulo
Si x y y no son paralelos, definen un paralelogramo. El módulo de x × y es el área de dicho
paralelogramo, es decir
kx × yk = kxk kyk
donde es el ángulo formado por x y y, con 0
Nota: Esta fórmula sería válida también para el caso en que los vectores sean paralelos, pues su
producto vectorial es nulo.
Ejemplo: Hallar el área del paralelogramo generado por los vectores v = (1 1 −2) y w =
−i + j + k.
4.3. Propiedades
1. x × y = 0 si y sólo si x y y son paralelos (se incluye el caso en que alguno de los dos vectores
sea nulo).
2. x × y = −y × x.
3. x × (y + z) = (x × y) + (x × z).
4. (x + y) ×z = x × z + y × z.
5. (x) ×y = (x × y) = x × αy.
6. i × j = k j × k = i y k × i = j.
19