2

9. Demuestre las propiedades 𝑢 𝑣 = 𝑣 𝑢 y 𝑢 𝛼𝑣 = 𝛼ത 𝑢 𝑣 ; para el espacio

vectorial ℂ2 = 𝑥, 𝑦 ; 𝑥, 𝑦 ∈ ℂ , si el producto interno definido es: 𝑢 𝑣 = 𝑥1 𝑥2 + 𝑦1 𝑦2

para todo 𝑢 = 𝑥1 , 𝑦1 𝑦 𝑣 = 𝑥2 , 𝑦2 ∈ ℂ2 , donde 𝑦𝑖 denota al conjugado de 𝑦𝑖
Solución:
𝑢𝑣 = 𝑥1 , 𝑦1 𝑥2 , 𝑦2 = 𝑥1 𝑥2 + 𝑦1 𝑦2

𝑣𝑢 = 𝑥2 , 𝑦2 𝑥1 , 𝑦1 = 𝑥2 𝑥1 + 𝑦2 𝑦1 = 𝑥2 𝑥1 + 𝑦2 𝑦1 = 𝑥1 𝑥2 + 𝑦1 𝑦2

Por lo tanto, 𝑢𝑣 = 𝑣𝑢
 3

Definición 2:
Sea 𝑉 un 𝐾-espacio vectorial con producto interno , y sean 𝑢, 𝑣 ∈ 𝑉.
•Definimos la norma de 𝒗, denotada por 𝑣 , como

𝑣 = 𝑣, 𝑣 . Diremos que 𝒗 es unitario 𝑣 = 1

•Definimos la distancia entre 𝒖 y 𝒗, denotada por 𝑑(𝑢, 𝑣), como

𝑑 𝑢, 𝑣 = 𝑢 − 𝑣

•Decimos que 𝒖 y 𝒗 son ortogonales si 𝑢, 𝑣 = 0

➢ La norma de un vector 𝑣, depende del producto interno que se tenga definido en 𝑉

 4

Definición 3:
Sea 𝑉 un espacio vectorial real con producto interno , y sean
𝑢, 𝑣 𝑑𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑛𝑜 𝑛𝑢𝑙𝑜𝑠 𝑑𝑒 𝑉.
Si 𝑢 ≠ 𝑣, el ángulo 𝛉 entre 𝐮 y 𝒗 es el único número real 𝜃 que satisface:
𝑢𝑣
cos 𝜃 = , 0 ≤ 𝜃 ≤ 𝜋.
𝑢 𝑣
 5

Ejemplos:
1. En un 𝐾-espacio vectorial 𝑉, el vector nulo es ortogonal a todos los vectores de 𝑉.

Solución

𝑣 ∈ 𝑉: 0𝑉 𝑣 = 0 ; el vector nulo es ortogonal a todos los vectores de 𝑉

2. Considerando el producto interno estándar en 𝐶[−𝜋, 𝜋]

Solución
𝜋
𝑓(𝑥) 𝑔(𝑥) = න 𝑠𝑒𝑛 𝑥 cos 𝑥 𝑑𝑥 = 0
−𝜋
 6

3. Considerando el producto interno estándar en 𝑃𝑛 ℝ .

𝑝(𝑥) 𝑞(𝑥) = ෍ 𝑎𝑖 𝑏𝑖 = 𝑎0 𝑏0 + 𝑎1 𝑏1 + 𝑎2 𝑏2 = 1 −2 + 0 + 2.1 = 0

𝑖=0

Pero si consideramos el producto interno

𝑝(𝑥) 𝑞(𝑥) = ෍ 𝑝 𝑖 𝑞(𝑖) = 𝑝 0 𝑞 0 + 𝑝 1 𝑞 1 + 𝑝 2 𝑞(2)

𝑖=0
= 1 −2 + 3(−1) + 9.2 ≠ 0 no son ortogonales
 7

Definición 4:
Sea 𝑉 un 𝐾-espacio vectorial con producto interno , y 𝛽 = 𝑣1 , 𝑣2 , … , 𝑣𝑛 una base
de 𝑉 . Se define la matriz del producto interno o matriz de Gram en la base 𝛽 como la

matriz 𝐴 ∈ 𝑀𝑛𝑥𝑛 (𝐾) tal que 𝐴 𝑖𝑗 = 𝑣𝑖 , 𝑣𝑗 para cada 1 ≤ 𝑖, 𝑗 ≤ 𝑛

Ejemplo:
Si 𝑉 es el espacio vectorial ℂ2 , con las operaciones usuales y el producto interno
𝑥1 , 𝑦1 𝑥2 , 𝑦2 = 𝑥1 𝑥2 + 𝑦1 𝑦2 . Determina la matriz de Gram de ℋ = 1, 𝑖 , 𝑖, 1

Solución
2 0
𝐴=
0 2
 8

Teorema 2:
Sea 𝑉 un espacio vectorial real con producto interno , sean 𝑢, 𝑣 ∈ 𝑉 y 𝛼 ∈ ℝ,
entonces:
1. 𝑢 ≥ 0.
2. 𝑢 = 0 ⇔ 𝑢 = 0𝑉 .
3. 𝛼𝑢 = 𝛼 𝑢 .
2 2 2
4. 𝑢±𝑣 = 𝑢 ± 2 𝑢, 𝑣 + 𝑣
 9

Teorema 3:
Sea 𝑉 un espacio vectorial real con producto interno , sean 𝑢, 𝑣 ∈ 𝑉,
entonces:
1. 𝑢, 𝑣 ≤ 𝑢 𝑣 (Desigualdad de Cauchy -Schwarz).

2. 𝑢+𝑣 ≤ 𝑢 + 𝑣 . (Desigualdad triangular)

2 2 2
3. 𝑢 y 𝑣 son ortogonales si y solo si 𝑢 + 𝑣 = 𝑢 + 𝑣 .

Demostración:
 10

1 + 𝑢, 𝑣 ≥ 0

1 − 𝑢, 𝑣 ≥ 0

𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜,
11
 12
𝑝𝑜𝑟 𝑜𝑡𝑟𝑜 𝑙𝑎𝑑𝑜,

≥ −1

− 𝑢 . 𝑣 ≤ 𝑢, 𝑣 ≤ 𝑢 𝑣

𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜, 𝑢, 𝑣 ≤ 𝑢 𝑣
 13

Demostración de la desigualdad triangular

Por teorema 2
 14

Ortogonalidad

Definición 3:
Sea 𝑉 un 𝐾-espacio vectorial con producto interno y sea 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊆ 𝑉.
• Se dice que 𝐒 es un conjunto ortogonal si y sólo si

0 𝑠𝑖 𝑖 ≠ 𝑗
𝑣𝑖 𝑣𝑗 =ቊ 2
𝑣𝑖 𝑠𝑖 𝑖 = 𝑗

• Se dice que 𝐒 es un conjunto ortonormal si y sólo si

0 𝑠𝑖 𝑖 ≠ 𝑗
𝑣𝑖 𝑣𝑗 = ቊ
1 𝑠𝑖 𝑖 = 𝑗
 15

Ejemplo:
Sea 𝑉 = 𝑀2𝑥2 (ℝ), con el producto interno canónico. Consideremos las siguientes
matrices:

1 0 0 2 0 1
𝐴1 = ; 𝐴2 = ; 𝐴3 =
0 0 −2 0 1 3

¿Es 𝑆 = 𝐴1 , 𝐴2 , 𝐴3 un conjunto ortogonal?

¿Es 𝑆 ortonormal ?
Solución:
16
 17

Teorema 4:
Sea 𝑉 un 𝐾-espacio vectorial con producto interno y sea 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑘 } ⊆ 𝑉,
vectores no nulos. Si 𝑆 es ortogonal, entonces 𝑆 es linealmente independiente.

Demostración:

0 = 0𝑉 , 𝑣𝑗 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑘 𝑣𝑘 , 𝑣𝑗 = 𝛼1 𝑣1 , 𝑣𝑗 + 𝛼2 𝑣2 , 𝑣𝑗 + ⋯ + 𝛼𝑘 𝑣𝑘 , 𝑣𝑗
𝑘 𝑘
= ෍ 𝛼𝑖 𝑣𝑖 , 𝑣𝑗 = ෍ 𝛼𝑖 𝑣𝑖 , 𝑣𝑗
𝑖=1 𝑖=1
 18

independiente

Corolario 1:
Sea 𝑉 un 𝐾-espacio vectorial con producto interno. Todo conjunto ortonormal es
linealmente independiente.
 19

Definición 4:
Sea 𝑉 un 𝐾-espacio vectorial con producto interno de dimensión finita y sea 𝛽 =
𝑣1 , 𝑣2 , … , 𝑣𝑛 una base de 𝑉. Diremos que:
✓ 𝜷 es una base ortogonal si 𝛽 es un conjunto ortogonal de vectores en 𝑉.
✓ 𝜷 es una base ortonormal si 𝛽 es un conjunto ortonormal de vectores en 𝑉.

Ejemplos