Principales ejemplos de producto interno (escalar)

1.- Producto escalar usual en

Para vectores de definimos:

2.- Otro producto escalar en

Para vectores de definimos:

3.- Producto escalar usual en

Siendo
1
4.- Producto escalar usual en

Para definimos:

5.- Producto escalar usual en

Para definimos:

Siendo la traza de una matriz cuadrada la suma de los elementos de su

diagonal principal.


2
OBSERVACIÓN.- Otra forma (más cómoda) de calcular el producto
escalar usual de dos matrices cuadradas del mismo orden

3
6.- Producto escalar usual en
es el espacio vectorial de las funciones continuas en [a , b], y por
tanto integrables en [a , b].

Algunas propiedades del producto escalar.-

1.-
El único vector de un espacio vectorial
2.- euclídeo V que cumple que su producto
escalar con todos los vectores de V es
3.- cero, es el vector nulo.
4
 NORMA Y DISTANCIA EUCLÍDEAS
Los conceptos geométricos de longitud, distancia y perpendicularidad,
que son bien conocidos para y , se definen en este capítulo
para y, en general, para cualquier espacio vectorial euclídeo V. Estos
conceptos nos van a proporcionar herramientas geométricas potentes
para resolver muchos problemas aplicados, incluidos los problemas de
mínimos cuadrados que hemos mencionado en la introducción. Los
tres conceptos se definen en términos del producto escalar, también
denominado producto interior, de dos vectores.

Sea un espacio vectorial euclídeo

 Norma o longitud de un vector.-

 Distancia entre dos vectores.-

-OBSERVACIÓN.-
5
Propiedades de la norma.-
1.-

2.-

3.-

4.-

Desigualdad de Schwarz*

5.-

6.-

Desigualdad de Minkowski o desigualdad triangular

6
 Desigualdad de Schwarz

Definición de ángulo entre dos vectores no nulos.-

Es el correspondiente al arco dado por:

7
 ORTOGONALIDAD
 Definición de vectores ortogonales.-

-EJEMPLOS.- En ( p.e.usual) comprobar que los

vectores son ortogonales.
¿Son ortogonales estos vectores con el producto escalar

 es el único vector de V ortogonal a todos los vectores

de V

IMPORTANTE
8
 SISTEMAS ORTOGONALES Y ORTONORMALES.
PROCESO DE ORTOGONALIZACIÓN DE GRAM-SCHMIDT
En este apartado describiremos un método muy importante, llamado proceso
de Gram-Schmidt*. El proceso de Gram-Schmidt es un algoritmo sencillo para
producir una base ortogonal u ortonormal para cualquier subespacio vectorial,
de un espacio vectorial euclídeo.

 es un sistema ortogonal de vectores si

 es un sistema ortonormal de vectores si

 Es decir, un sistema
 ortonormal es un sistema
ortogonal formado por
vectores unitarios
Vectores unitarios

En honor del matemático y actuario danés Jörgen Pedersen Gram (1850-1916) y Erhard
Schmidt, matemático alemán (1876-1959).
9
 -EJEMPLOS.-
1.- En ( p.e. usual)
 el sistema es ortogonal,
pues:
pero no es ortonormal pues:

 el sistema es
ortonormal, pues:



2.- En con el producto escalar

¿Son ortogonales los vectores ?

10
 IMPORTANTE
Propiedades de los sistemas ortogonales.-

a) s.ortogonal de vectores no nulos del e.v.

euclídeo V, entonces:

b) s.ortogonal, entonces:

-OBSERVACIÓN.- Para r = 2

En con el producto escalar usual:

Teorema de Pitágoras
11
 Proyección ortogonal de un vector.- La proyección ortogonal
de sobre es el vector:

-OBSERVACIÓN.-

-EJEMPLO.- En con el p.e. usual la proyección ortogonal del

vector sobre es:

12
Si es un s. libre Todo espacio vectorial euclídeo
de un espacio vectorial euclídeo
de dimensión finita n admite
V, entonces: s.ortogonal bases ortogonales y ortonormales
y
s.ortonormal ¿Cómo se hallan estas bases?
tales que:

Proceso de ortogonalización de Gram-Schmidt:





13
 ¿Cómo se construye una base ortogonal BO
(ortonormal BON) de un espacio vectorial euclídeo S?

1.- Hallar una base B de S:

2.- Proceso de ortogonalización de Gram-Schmidt:



3.- Normalizar los vectores del paso 2.-:

14
EJEMPLO1

Solución

15
16
17
 EJEMPLO2 .- Hallar la base ortonormal para el espacio:

Solución
Aplicamos el proceso de Gram-Schmidt a la base BS de S para
conseguir una base ortogonal BO de S:




18
Finalmente la base ortonormal es:

 
 1 1  1 2 1  
BON  u1  1,1, 0,1 , u2    , ,1,   
 3 5 3 3 3 
 3 

19