MATEMÁTICAS II

Curso 2019/20
Tema 6
Espacios Euclídeos

Tema anterior
I Hemos generalizado la estructura de R2 → Esp. Vectoriales Reales
I No se han tenido en cuenta medidas (longitud, distancia, ángulo)

Tema actual
I Abordaremos la noción de producto escalar de R2

I Generalizaremos este concepto a un espacio vectorial cualquiera V

I Podremos trasladar las nociones de longitud y ángulo entre vectores al

terreno abstracto
I Definiremos un espacio euclídeo como un espacio vectorial real dotado
de un producto escalar
Producto escalar usual en Rn
Producto escalar usual en R2
( · ) : R2 × R2 −→ R
(
0 si x = 0 o y = 0
x, y 7→ x·y =
kxk kyk cos α en otro caso, α ángulo entre x, y

En coordenadas cartesianas: x · y = (x1 , x2 ) · (y1 , y2 ) = x1 y1 + x2 y2 ∈ R.

Producto escalar usual en Rn
x, y ∈ Rn , x · y = (x1 , . . . , xn ) · (y1 , . . . , yn ) = x1 y1 + . . . + xn yn ∈ R.
y1
 

 . 
Matricialmente xt y = x1 ···  ..  = x1 y1 + . . . + xn yn ∈ R
xn  

yn
Propiedades (pág. 174):
1. x · y = y · x, ∀x, y ∈ Rn .
2. (λx + µy) · z = λ (x · z) + µ (y · z), ∀x, y, z ∈ Rn , ∀λ, µ ∈ R.
3. x · x = kxk2 ≥ 0, ∀x ∈ Rn . Además, x · x = 0 ⇐⇒ x = 0.
Rn −→ Espacio Euclídeo
Producto escalar en un espacio vectorial real V

Aplicación h·, ·i : V × V → R verificando:

1. Simétrica: hu, vi = hv, ui, ∀u, v ∈ V .
2. Lineal (primera componente):
I hu + v, wi = hu, wi + hv, wi, ∀u, v, w ∈ V .
I hλu, vi = λhu, vi, ∀u, v ∈ V, ∀λ ∈ R.
3. Definida positiva:
I hu, ui ≥ 0, ∀u ∈ V .
I hu, ui = 0 ⇐⇒ u = 0.
(V, h·, ·i) Espacio vectorial euclídeo
Observar:
I El producto escalar es bilineal
I h0, vi = 0, hv, 0i = 0, ∀v ∈ V
Ejemplos de espacios euclídeos:
I Rn con el producto escalar usual
I V = Matn (R), con el producto escalar hA, Bi = tr(AB t )
Normas, Distancias y Ángulos

El producto escalar es la herramienta que permite medir en V

I Norma (o longitud) de un vector u ∈ V

k·k: V −→ R+
p
u 7→ kuk = + hu, ui
I u ∈ V se dice unitario si kuk = 1.
u
I Dado u 6= 0. Vector normalizado v = , kvk = 1.
kuk
Propiedades (pág. 177):

1. kuk ≥ 0, ∀u ∈ V . Más aún, kuk = 0 ⇐⇒ u = 0.

2. kλuk = |λ| kuk, ∀λ ∈ R, ∀u ∈ V .

3. Desigualdad triangular: ku + vk ≤ kuk + kvk, ∀u, v ∈ V .

Normas, Distancias y Ángulos
El producto escalar es la herramienta que permite medir en V
I Ángulo α ∈ [−π, π] que forman u y v
hu, vi
cos α = ,
kuk kvk

I Distancia entre u, v ∈ V .
d: V ×V −→ R+
u, v 7→ d(u, v) = ku − vk.

Propiedades (pág. 178): Para todo u, v, w ∈ V se tiene:

1. d(u, v) ≥ 0. Además, d(u, v) = 0 ⇐⇒ u = v.
2. d(u, v) = d(v, u).
3. Desigualdad triangular: d(u, v) ≤ d(u, w) + d(w, v).
Ejemplo en Rn :
q q
I kxk = hx, xi = (x1 , . . . , xn ), (x1 , . . . , xn ) = x21 + . . . + x2n ,
p

I d(x, y) = kx − yk = (x1 − y1 )2 + . . . + (xn − yn )2 .

p
Ortogonalidad de vectores

I Ortogonalidad en R2 (o perpendicularidad). x ⊥ y, cos α = 0 ⇒ hx, yi = 0

I Ortogonalidad en (V, h·, ·i).
I Dos vectores u y v son ortogonales si hu, vi = 0.
I La familia {u1 , . . . , ur } es ortogonal si hui , uj i = 0, ∀i 6= j.
I La familia {u1 , . . . , ur } es ortonormal si es ortogonal y los ui ’s son unitarios.
Observaciones
I 0V ortogonal a todo vector u ∈ V .
I 0V no puede pertenecer a ninguna familia ortonormal pero sí a una ortogonal.
I En Rn , la base canónica {e1 , . . . , en }, es ortonormal con el producto escalar usual.

Proposición (pág. 179): Toda familia ortogonal de vectores no nulos

(ortonormal) es linealmente independiente.
Ortogonalidad de subespacios

Definición (pág. 179)

(V, h·, ·i). S1 , S2 subespacios de V son ortogonales entre sí:
hu, vi = 0, ∀u ∈ S1 , ∀v ∈ S2 .
Proposición (pág. 179)
(V, h·, ·i). S1 = hu1 , . . . , ur i, S2 = hv1 , . . . , vs i subespacios de V .
S1 , S2 ortogonales ⇔ hui , vj i = 0, ∀i = 1, . . . , r, ∀j = 1, . . . , s.
Ejemplo
Demostrar que son ortogonales los subespacios de R3
S1 = h(1, −2, 3), (−1, 1, 1)i S2 = h(5, 4, 1)i

Basta comprobar que cada vector del generador de S1 es ortogonal al vector que genera S2
h(1, −2, 3), (5, 4, 1)i = 5 − 8 + 3 = 0

h(−1, 1, 1), (5, 4, 1)i = −5 + 4 + 1 = 0

S1 ⊥ S2
Subespacio ortogonal

Definición (pág. 180)

(V, h·, ·i) e. v. euclídeo, S subespacio de V . El subespacio ortogonal a S es:
S ⊥ = {v ∈ V | hu, vi = 0, ∀u ∈ S}.
Proposición (pág. 180)
(V, h·, ·i), S subespacio de V ⇒ V = S ⊕ S ⊥ ⇒ dim V = dim S + dim S ⊥
Ejemplo: Sea S = h(1, 2, 3)i subespacio de R3 . Calcular una base y la dimensión de S ⊥ .
dim R3 = dim S + dim S ⊥ ; → dim S ⊥ = 3 − 1 = 2
S ⊥ = {(x, y, z) ∈ R3 | h(x, y, z), (1, 2, 3)i = 0} = {(x, y, z) ∈ R3 | x + 2y + 3z = 0}

S ⊥ = {(x, y, z) ∈ R3 | x = −2y−3z} = {(−2y−3z, y, z) | y, z ∈ R} = h(−2, 1, 0), (−3, 0, 1)i.

BS ⊥ = {(−2, 1, 0), (−3, 0, 1)}, dim S ⊥ = 2

Comprobación
I h(−2, 1, 0), (1, 2, 3)i = (−2) · 1 + 1 · 2 + 0 · 3 = 0,
I h(−3, 0, 1), (1, 2, 3)i = (−3) · 1 + 0 · 2 + 1 · 3 = 0.
Proyección ortogonal

Sea (V, h·, ·i), S subespacio de V . V = S ⊕ S ⊥ ⇒ todo vector de V se

puede poner de MODO ÚNICO como suma de uno de S y otro de S ⊥ .
Es decir:
v = a + b siendo a y b únicos
∈V ∈S ∈S ⊥

Definición
Dado un vector v ∈ V el vector a ∈ S anterior se denomina proyección
ortogonal de v sobre S
a = proyS (v)
Este vector verifica que es el vector de S más cercano al vector v.

Definición
La distancia de un vector v ∈ V a un subespacio S es

d(v, S) = kv − proyS (v)k

Ejemplo (Ejercicio 16 libro)

Se considera el subespacio de R3
S = h(1, −2, 3), (−1, 1, 1)i.
Calcular el subespacio ortogonal de S.
S ⊥ = {(x, y, z) ∈ R3 |h(x, y, z), (1, −2, 3)i = 0, h(x, y, z), (−1, 1, 1)i = 0}
S ⊥ = {(x, y, z) ∈ R3 |x − 2y + 3z = 0, −x + y + z = 0}
S ⊥ = {(5z, 4z, z)|z ∈ R} = h(5, 4, 1)i; dim S ⊥ = 1
Escribir el vector (1, 5, 7) como suma de uno de S y otro de S ⊥ .
Sabemos que R3 = S ⊕ S ⊥ , por tanto:
(1, 5, 7) = α(1, −2, 3) + β(−1, 1, 1) + λ(5, 4, 1)
v a∈S b∈S ⊥

1 = α − β + 5λ

5 = −2α + β + 4λ ⇒ α = 6/7; β = 11/3; λ = 16/21

7 = 3α + β + λ

59 41 131 80 64 16
a = (− 21 , 21 , 21 ); b = ( 21 , 21 , 21 )
Bases ortonormales

Sea (V, h·, ·i) e. vec. euclídeo, S un subespacio de V

S = ha1 , . . . , ar i

Objetivo: Encontrar base ortonormal de S.

PASO 1 PASO 2 PASO 3

{a1 , . . . , ar } −−−−→ {v1 , . . . , vr } −−−−→ {v1 , . . . , vs } −−−−→ {q1 , . . . , qs }
s. generador f. ortogonal base ortogonal base ortonormal

I PASO 1, método de Gram-Schmidt

I PASO 2, eliminar vectores nulos (ortogonales no nulos son base)

I PASO 3, normalizar la base

Método de Gram-Schmidt (Paso 1)

I Se parte de la familia generadora de S, {a1 , . . . , ar }

I Se construyen los vj recursivamente:

v1 = a1 ,
v2 = a2 − α12 v1 ,
v3 = a3 − α13 v1 − α23 v2 ,
..
.
j−1
X
vj = aj − α1j v1 − α2j v2 − . . . − αj−1,j vj−1 = aj − αij vi ,
i=1

hvi , aj i hvi , aj i
 αij = = si vi 6= 0,


kvi k2 hvi , vi i


 α =0
ij si vi = 0.
Obtención de la base ortonormal (Pasos 2 y 3)

Paso 1
Gram-Schmidt −→ FAMILIA de vect. ortogonales → {v1 , . . . , vr } (generan S)

Paso 2
Eliminando nulos de {v1 , . . . , vr } −→ {v1 , . . . , vs } BASE ortogonal de S
[(Prop. 6.11 Toda familia ortogonal de vectores no nulos es libre) + s.gen. de S ⇒ BASE de S]

Paso 3
Normalizando {v1 , . . . , vs } → BASE ortonormal {q1 , . . . , qs }
vj
qj = kvj k , j = 1, . . . , s
Proposición
I En un espacio euclídeo, todo subespacio finitamente generado tiene una base ortonormal.
I En un espacio euclídeo de dimensión finita, toda familia ortonormal
se puede completar hasta una base ortonormal.
Ejemplo

Construir una base ortonormal del subespacio de R3 :

S = h(1, 1, 1), (0, 1, 1), (0, 0, 1), (1, 2, 3)i.

| {z } | {z } | {z } | {z }
a1 a2 a3 a4

Paso 1 Gram-Schmidt
I v1 = a1 = (1, 1, 1).
I v2 = a2 − α12 v1 ,

hv1 , a2 i h(1, 1, 1), (0, 1, 1)i 0+1+1 2

α12 = = = = .
hv1 , v1 i h(1, 1, 1), (1, 1, 1)i 1+1+1 3
2 2  2 1 1
v2 = a2 − v1 = (0, 1, 1) − (1, 1, 1) = − , , .
3 3 3 3 3
Ejemplo

Paso 1 Gram-Schmidt
I v3 = a3 − α13 v1 − α23 v2 ,

hv1 , a3 i h(1, 1, 1), (0, 0, 1)i 0+0+1 1

α13 = = = = .
hv1 , v1 i h(1, 1, 1), (1, 1, 1)i 1+1+1 3

hv2 , a3 i h(− 23 , 13 , 31 ), (0, 0, 1)i 0 + 0 + 13 1/3 1

α23 = = 2 1 1 2 1 1 = 4 1 1 =6 = .
hv2 , v2 i h(− 3 , 3 , 3 ), (− 3 , 3 , 3 )i 9 + 9 + 9
/9 2

1 1 2 1 1   1 1
v3 = (0, 0, 1) − (1, 1, 1) − − , , = 0, − , .
3 2 3 3 3 2 2
Ejemplo

Paso 1 Gram-Schmidt
hvi , a4 i
I v4 = a4 − α14 v1 − α24 v2 − α34 v3 , donde αi4 = , i = 1, 2, 3.
hvi , vi i
hv1 , a4 i h(1, 1, 1), (1, 2, 3)i 1+2+3
α14 = = = = 2.
hv1 , v1 i h(1, 1, 1), (1, 1, 1)i 1+1+1

hv2 , a4 i h(− 23 , 13 , 13 ), (1, 2, 3)i −2 + 2 + 1 1 3

α24 = = 2 1 1 2 1 1 = 43 13 1 = 2 = .
hv2 , v2 i h(− 3 , 3 , 3 ), (− 3 , 3 , 3 )i 9 + 9 + 9
/3 2

hv3 , a4 i h(0, − 12 , 12 ), (1, 2, 3)i 0 − 1 + 32 1/2

α34 = = 1 1 1 1 = 1 1 = 1 = 1.
hv3 , v3 i h(0, − 2 , 2 ), (0, − 2 , 2 )i 0+ 4 + 4 /2

3 2 1 1   1 1
− , ,
v4 = (1, 2, 3) − 2(1, 1, 1) − − 1 0, − , = (0, 0, 0).
2 3 3 3 2 2
Esto indica que a4 es combinación lineal de
{a1 , a2 , a3 }.
Ejemplo

Paso 1 Gram-Schmidt
 
n  2 1 1 1 1 o
Familia ortogonal −→ (1, 1, 1), − , , , 0, − , , (0, 0, 0) .
| {z } | 3 {z3 3 } 2 2 | {z }
v1 | {z } v4
v2 v3

Paso 2 Eliminar nulos

Base de vectores ortogonales −→ {v1 , v2 , v3 }.

√ q
2
q
1
Paso 3 Normalizar vectores sabiendo kv1 k = 3, kv2 k = 3
, kv3 k = 2
,

     
1 1 1 2 1 1 1 1
Base ortonormal de S −→ √ , √ , √ , − √ , √ , √ , 0, − √ , √
3 3 3 6 6 6 2 2
q1 q2 q3
Obtención de la proyección ortogonal

Sean:
I (V, h·, ·i) espacio vectorial euclídeo y v ∈ V
I v ∈ V un vector
I S subespacio de V
I {q1 , . . . , qr } una base ortonormal de S de V

La proyección ortogonal del vector v sobre el subespacio S se puede

calcular como:

proyS (v) = hv, q1 i q1 + . . . + hv, qr i qr ∈ S

Ejemplo

Dado el subespacio S = h(−1, 0, 1), (1, 1, 1)i de R3

I Hallar base ortonormal de S
Considerando a1 = (−1, 0, 1) y a2 = (1, 1, 1) → ha1 , a2 i = 0, por tanto, son ortogonales.
Para obtener la base ortonormal solo hay que normalizar los vectores.
√ √
v1 = a1 = (−1, 0, 1), kv1 k = 2, v2 = a2 = (1, 1, 1), kv2 k = 3
   
−1
Base ortonormal: q1 = √ , 0, √1 , q2 = √1 , √1 , √1
2 2 3 3 3

I Sea v = (1, 2, 3). Calcular la proyS (v)

2
(
hv, q1 i = √
proyS (v) = hv, q1 iq1 + hv, q2 iq2 , 2
6
hv, q2 i = √
3
   
2 −1 1 6 1 1 1
proyS (v) = √ √ , 0, √ +√ √ ,√ ,√ = (1, 2, 3) = v ????
2 2 2 3 3 3 3

I Hallar la distancia del vector v al subespacio S.

d(v, S) = kv − proyS (v)k = k(1, 2, 3) − (1, 2, 3)k = k(0, 0, 0)k
No sería necesario calcularla!!!
Ejemplo (Ejercicio 16 libro)

Escribir el vector v = (1, 5, 7) como suma de uno de S y otro de S ⊥

S = h(1, −2, 3), (−1, 1, 1)i
a1 a2
v = a + b −→ a = proyS (v) = hv, q1 iq1 + hv, q2 iq2 , {q1 , q2 } base orton.
∈V ∈S ∈S ⊥
{a1 , a2 } ya es base ortogonal, luego solo hay que normalizarla
√ √
v1 = a1 = (1, −2, 3), kv1 k = 14, v2 = a2 = (−1, 1, 1), kv2 k = 3
   
1 −2 3 −1 1 1
q1 = √ ,√ ,√ q2 = √ ,√ ,√
14 14 14 3 3 3
12 11
hv, q1 i = √ , hv, q2 i = √
14 3
     
12 1 −2 3 11 −1 1 1 −59 41 131
a= √ √ ,√ ,√ +√ √ ,√ ,√ = , ,
14 14 14 14 3 3 3 3 21 21 21
 
80 64 16
b=v−a= , ,
21 21 21
Matrices ortogonales

Definición (pág. 186)

Una matriz cuadrada P ∈ Matn (R) se dice ortogonal si:

P P t = P t P = In , (P −1 = P t )

Notas (pág. 186) Las matrices ortogonales verifican:

I Sus filas y columnas constituyen bases ortonormales de Rn .
I Su determinante vale 1 o −1.
Proposición (pág. 187)
(V, h·, ·i) espacio vectorial euclídeo.
B1 = {u1 , . . . , un }, B2 = {v1 , . . . , vn } bases ortonormales de V .
P matriz de cambio de coordenadas asociada a dichas bases
↓
matriz ortogonal.