ESPACIOS VECTORIALES CON PRODUCTO INTERNO

Definiciones preliminares

1. Definición de un espacio vectorial con producto interno

Sea ( V , K ,+ ,⋅ ) un espacio vectorial sobre un campo K. Un producto interno sobre V es

una función

⟨ ∙|∙ ⟩ :V × V ⟼ K

Tal que:

1. Linealidad: ∀ v 1 , v 2 , v 3 ∈ V : ⟨ v1 + v 2|v 3 ⟩ =⟨ v 1|v 3 ⟩ + ⟨ v2|v 3 ⟩

2. Homogeneidad: ∀ α ∈ K , ∀ v 1 , v 2 ∈ V : ⟨ α v 1|v 2 ⟩ =α ⟨ v 1|v 2 ⟩

3. Simetría de Hermite: ∀ v 1 , v 2 ∈ V : ⟨ v 1|v 2 ⟩ =⟨ v 2´|v1 ⟩

( ⟨ v 2´|v 1 ⟩ se denota comoel número complejoconjugado de ⟨ v 2|v 1 ⟩ )

4. Positividad: ∀ v ≠ 0v , v ∈ V : ⟨ v|v ⟩ > 0

EJEMPLO 1

Sea el espacio vectorial R2sobre R donde se ha definido la siguiente función:

⟨ ∙|∙ ⟩ :R 2 × R 2 ⟼ R

dada por

a c =ac +bd
⟨( )|( )⟩
b d

Demuestre que ⟨ ∙|∙ ⟩ :R 2 × R 2 ⟼ R es un producto interno

Solución

Se debe verificar que ⟨ ∙|∙ ⟩ satisfaga 1, 2, 3 y 4 de la definición dada sobre producto

interno

1. Linealidad
 Sea (ba) , ( cd ) y (ef )∈ R
2

⟨( ab)+(dc )|( ef)⟩=⟨( a+b+dc )|( ef)⟩

(⟨ ab)+(dc )|( ef)⟩=( a+ c ) e +( b+ d ) f
(⟨ ab)+(dc )|( ef)⟩=ae +ce +bf +df
(⟨ ab)+(dc )|( ef)⟩=( ae+ bf )+(ce+ df )
(⟨ ab)+(dc )|( ef)⟩=⟨( ab )|(ef )⟩+⟨ (dc)|(ef )⟩
∴ Se cumple 1
2. Homogeneidad

Sea α ∈ R , (ab ) y (dc )∈ R 2

α a c = αa c
⟨ ( )|( )⟩ ⟨( )|( )⟩
b d αb d

α a c =( αa ) c + ( αb ) d
⟨ ( )|( )⟩
b d

α a c =α ( ac+ bd )
⟨ ( )|( )⟩
b d

α a c =α a c
⟨ ( )|( )⟩ ⟨( )|( )⟩
b d b d

∴ Se cumple 2
3. Simetría de Hermite

Sea (ba) y (dc ) ∈ R 2

a c =ac +bd
⟨( )|( )⟩
b d
 a c =ca+ db
⟨( )|( )⟩
b d

a c = c a
⟨( )|( )⟩ ⟨( )|( )⟩
b d d b

∴ Se cumple 3

4. Positividad

Sea (ba) ≠ (00 ) , (ba) ∈ R 2

⟨( ab)|(ab)⟩=aa+bb
a a =a2+ b2
⟨( )|( )⟩
b b

a a >0
⟨( )|( )⟩
b b
∴ Se cumple 4
Desde que se ha cumplido 1, 2, 3 y 4, entonces podemos concluir que ⟨ ∙|∙ ⟩ es un
producto interno sobre R2. Más aún, es bien conocido que ⟨ ∙|∙ ⟩ :R 2 × R 2 ⟼ R dada por

(⟨ ab)|(dc )⟩=ac +bd

es un producto interno en R2 conocido como: Producto Punto.

Catálogo de productos internos estándares

1. En el espacio vectorial ( Rn , R ,+, ∙ )

x1 y1

⟨( )|( )⟩
⟨ u|v ⟩= x2
⋮
xn
y2
⋮
yn
=x 1 y 1 + x 2 y 2 +…+ xn y n

donde u=( x 1 , x 2 , … , x n ) y v =( y 1 , y 2 , … , y n )
 2. En el espacio vectorial ( C n ,C ,+ ,∙ )

x1 y1
⟨ u|v ⟩= x2
⋮
xn⟨( )|( )⟩ y2
⋮
yn
=x 1 y 1 + x 2 y 2 +…+ xn y n

donde u=( x 1 , x 2 , … , x n ) y v =( y 1 , y 2 , … , y n )
3. En el espacio vectorial ( Pn , R ,+ ,∙ )
⟨ p|q ⟩= ⟨ a 0+ a1 x+ …+ an x n|b0 +b1 x+ …+b n x n ⟩
n
n k
donde p ( x ) =a0 +a 1 x +…+ an x =∑ ak x
k=0

n
q ( x )=b0 +b1 x+ …+bn x n=∑ b k x k
k=0

4. En el espacio vectorial ( M m × n , R ,+, ∙ )

a11 a12 ⋯ a1 n b11 b12 ⋯ b 1n

⋮
⟨[
⟨ A|B ⟩ = a 21 a22
⋮
am 1 am 2
⋱ ⋮ ⋮
]|[
⋯ a2 n b21 b 22
⋮
⋯ a mn b m1 bm 2
⋯ b 2n
⋱ ⋮
⋯ bmn
]⟩
⟨ A|B ⟩ =a11 b11 + a12 b 12+…+ a1 n b1 n+ a21 b21+ a22 b 22+…+ a2 n b2 n+ …+a ij bij +…+a mn b mn
En el caso particular ( M n ×n , R ,+, ∙ )
⟨ A|B ⟩ =tr ( A B T )
A , B ∈ M n× n
k
5. En el espacio vectorial ( C[ a ,b ] , C ,+, ∙ )
b
⟨ f |g ⟩=∫ f ( x ) g ( x ) dx
a

f , g ∈C k[ a , b]

Propiedades importantes de productos internos

Sea ( V , K ,+ ,⋅ ) un espacio vectorial donde se ha definido un producto interno, entonces se

debe cumplir siempre que:

1. ∀ v 1 , v 2 , v 3 ∈ V : ⟨ v1|v 2+ v 3 ⟩ =⟨ v 1|v 2 ⟩ + ⟨ v 1|v 3 ⟩

 2. ∀ α ∈ K , ∀ v 1 , v 2 ∈ V : ⟨ v 1|α v 2 ⟩ =α ⟨ v 1|v 2 ⟩
3. ∀ v ∈V : ⟨ 0v|v ⟩ =0
4. ∀ v ∈V : ⟨ v|w ⟩=0⇒ w=0v
5. ⟨ v|v ⟩=0⇒ v=0v

Definición de norma de un vector

Sea ( V , K ,+ ,⋅ ) un espacio vectorial donde se ha definido un producto interno, entonces se

define una función ‖∙‖:V ⟼ R tal que:

‖v‖= √ ⟨ v|v ⟩

Desigualdad de Cauchy – Schwarz

|⟨ u|v ⟩|= √ ⟨ u|u ⟩ √ ⟨ v|v ⟩

2
|⟨ u|v ⟩| = ⟨ u|u ⟩ ⟨ v|v ⟩

con u , v ∈V espacio vectorial y ⟨ ∙|∙ ⟩ un producto interno sobre V

Norma en un espacio vectorial

Sea ( V , K ,+ ,⋅ ) un espacio vectorial, una norma sobre el espacio vectorial V , es una función
‖∙‖:V ⟼ R y que satisface las siguientes condiciones:

1. Positividad
∀ v ≠ 0v , v ∈ V : ‖v‖>0
2. Homogeneidad
∀ α ∈ K , ∀ v ∈V :‖αv‖=|α|‖v‖
3. Desigualdad triangular
∀ u , v ∈ V : ‖u+ v‖≤‖u‖+‖v‖

Note que la desigualdad de Cauchy – Schwarz puede ser reformulada de la siguiente

manera:
|⟨ u|v ⟩|≤‖u‖‖v‖

donde se toma la norma inducida por el producto interno

‖v‖= √ ⟨ v|v ⟩ ⇔‖v‖2=⟨ v|v ⟩

y la distancia inducida por el producto interno que viene dada por:

d ( u , v )=‖u−v‖

Para vectores

ORTOGONALIDAD

Sea u , v ∈V – espacio vectorial

⟨ u|v ⟩=0 ⇒u y v son ortogonales

VECTOR UNITARIO

Diremos que v ∈V es un vector unitario si

‖v‖=1

CONSTRUCCIÓN DE VECTORES UNITARIOS

^v = v Para conjuntos
U
‖v‖

CONJUNTO ORTOGONAL

El conjunto S= { v 1 , v 2 ,… , v n } es ortogonal si

⟨ v i|v j ⟩ =0 con i ≠ j
CONJUNTO ORTONORMAL

Diremos que un conjunto S= { v 1 , v 2 ,… , v n } es ortonormal si

1. ⟨ v i|v j ⟩ =0 con i ≠ j
2. ‖v i‖=1
Proyecciones

Proyección escalar

⟨ u|v ⟩
Proy uv ≠ 0 =
v
‖v‖

Proyección vectorial

⟨ u|v ⟩ v v
⃗ u
Proy v ≠ 0 =
v
‖v‖ ‖v‖ ( )u
=Proy v ≠0
‖v‖ v ( )
Ángulo entre vectores

⟨ u|v ⟩
cos θ=
‖u‖‖v‖

Ejemplo 1: Definición de un producto interno

Problema. Sea V =M 3 × 3. Determine si la función: ⟨ ∙|∙ ⟩ :V × V ⟼ R tal que:

⟨ A|B ⟩ =det ( A ) det ( B )

es un producto interno sobre V

Solución:

Debo verificar que se satisface las condiciones impuestas sobre un producto interno

1. ∀ v ∈V : ⟨ v|v ⟩ ≥ 0
Sea v= A ∈ M 3 ×3
⟨ A|A ⟩ =det A det A
⟨ A|A ⟩ =[ det A ]2
[ det A ]2 ≥ 0⇒ ⟨ A| A ⟩ ≥ 0
2. ∀ v ∈V : ⟨ v|v ⟩=0 ⇔ v=0v
Sea v= A ∈ M 3 ×3
(⇒)
⟨ A|A ⟩ =0
det A det A=0
 2
[ det A ] =0 ⇒ det A=0
0 0 0
det A=0 ⇏ A= 0 0 0
0 0 0 [ ]
Por ejemplo,
0 0 1 0 0 0

[ ][ ]
A= 0 0 0 ≠ 0 0 0
0 0 0 0 0 0
det A=0
(⇐)
0 0 0

[ ]
A= 0 0 0 ∈ M 3 ×3
0 0 0

0 0 0 0 0 0

⟨[ ]|[ ]⟩
⟨ A|A ⟩ = 0 0 0 0 0 0
0 0 0 0 0 0

0 0 0 0 0 0

[ ][ ]
⟨ A|A ⟩ =det 0 0 0 det 0 0 0
0 0 0 0 0 0

⟨ A|A ⟩ =0 ∙ 0
⟨ A|A ⟩ =0
Por lo tanto, ⟨ ∙|∙ ⟩ falla (2), entonces concluir ⟨ ∙|∙ ⟩ no es un producto interno

OBSERVACIÓN

Si uno desea verificar que

⟨ ∙|∙ ⟩ :V × V ⟼ C

es un producto interno sobre V , entonces usted debe verificar que cumplan las siguientes
propiedades:

1. ∀ v ∈V : ⟨ v|v ⟩ ≥ 0
2. ∀ v ∈V : ⟨ v|v ⟩=0 ⇔ v=0v
3. ∀ v 1 , v 2 ∈ V : ⟨ v 1|v 2 ⟩ =⟨ v 2|v1 ⟩
 4. ∀ v 1 , v 2 ∈ V , ∀ α ∈ C : ⟨ α ⨀ v 1|v 2 ⟩ =α ⟨ v 1|v 2 ⟩
5. ∀ v 1 , v 2 , v 3 ∈ V : ⟨ v1 + v 2|v 3 ⟩ =⟨ v 1|v 3 ⟩ + ⟨ v2|v 3 ⟩

Por otro lado, suponga que le dan una función

⟨ ∙|∙ ⟩ :V × V ⟼ R

y se desea verificar ⟨ ∙|∙ ⟩ es un producto interno sobre V

1. ∀ v ∈V : ⟨ v|v ⟩ ≥ 0
2. ∀ v ∈V : ⟨ v|v ⟩=0 ⇔ v=0v
3. ∀ v 1 , v 2 ∈ V , ∀ α ∈ R: ⟨ α ⨀ v 1|v 2 ⟩ = ⟨ v1|α ⨀ v 2 ⟩ =α ⟨ v 1|v 2 ⟩
4. ∀ v 1 , v 2 ∈ V : ⟨ v 1|v 2 ⟩ =⟨ v 2|v1 ⟩
5. ∀ v 1 , v 2 , v 3 ∈ V : ⟨ v1 + v 2|v 3 ⟩ =⟨ v 1|v 3 ⟩ + ⟨ v2|v 3 ⟩

Ejemplo 2: Norma de un vector

k
Problema. Sea V =C [ 0,1 ] y sea e x ∈V

Calcule ‖e x‖

Solución

‖f ‖=√ ⟨ f |f ⟩ ⇔‖f ‖2 =⟨ f |f ⟩

Entonces,

1 1
2
‖e x‖ =∫ e x e x dx=¿∫ e 2 x dx ¿
0 0

Sea t=2 x y dt =2 dx

1 t
‖e x‖ =∫ e
2
dt
0 2
 1
‖e ‖ = 1 ∫ e t dt
x 2
20

‖e x‖ = 1 (e2 (1 )−e 0)
2

‖e x‖ = 1 ( e2−1)
2

e2 −1
x
‖e ‖=
2 √
Proceso de ortonormalización de Gram – Schmidt

Considere que se tiene un espacio vectorial V y contiene a H un subespacio vectorial de V y

considere que

BH ={ v 1 , v 2 , v 3 ,… , v n }

es una base para H. Entonces una base ortonormal por H viene dada por

BON
H = { u1 ,u2 , u3 , … ,u n }

donde

v1
u1=
‖v 1‖

v'2=v 2− ⟨ v 2|u 1 ⟩ u1

v '2
u2=
‖v '2‖
v'3 =v 3− ⟨ v 3|u1 ⟩ u1− ⟨ v 3|u2 ⟩ u2

v '3
u3=
‖v '3‖
v'k+1=v k+1− ⟨ v k+1|u1 ⟩ u 1−⟨ v k +1|u 2 ⟩ u2−…− ⟨ v k+1|uk ⟩ u k
 v'k+1
uk +1=
‖v'k+1‖
Ejemplo 3: Aplicación de Proceso de ortonormalización de Gram – Schmidt

Problema. Encuentre una base ortonormal para el conjunto de vectores en R3 que está
sobre el plano

{( )
H= y ∈ R 3 :2 x− y +3 z=0
z }
Solución

Paso 1: Encontramos una base para H

x
()
Sea y ∈ R
z
3

y=2 x +3 z

x x x 0 1 0
()( )( )( ) () ()
y
z
= 2 x+3 z
z
= 2x 3 z
0
+
z
=x 2
0
+ z 3
1

1 0

{( ) ( )}
BH = 2 , 3 = { v 1 , v 2 }
0 1

Paso 2: Aplicamos el proceso de ortonormalización de Gram – Schmidt

v1
u1=
‖v 1‖
( 1,2, 0 ) ( 1,2,0 ) (1,2,0 ) ( 1,2,0 )
u1= = = =
‖(1,2,0 )‖ √ ⟨ ( 1,2,0 )|( 1,2,0 ) ⟩ √1+ 4 √ 5
 1 1/ √ 5
u1 =
1
() ( )
2 = 2/ √ 5
√5 0 0

v'2=v 2− ⟨ v 2|u 1 ⟩ u1

1 1
⟨ |
v'2=( 0 , 3 ,1 )− ( 0,3,1 )
√5
( 1,2,0 )
⟩
√5
( 1,2,0 )

1 1
v'2=( 0,3,1 )− ⟨ ( 0,3,1 )|( 1,2,0 ) ⟩ ( 1,2,0 )
√5 √5
6
v'2=( 0,3,1 )− ( 1,2,0 )
5

−6/5
( )
v'2= 3/5
1

v '2
u2=
‖v '2‖
−6 3 −6 3 −6 3 −6 3
u=
( , ,1 )
5 5
=
( 5 5
, , 1)
=
( 5 5
, ,1 )
=
( 5 5 )
, ,1
2
−6 3 70
‖( 5 5 )‖ √ ⟨( 5 5 )|( 5 5 )⟩ √( 25 ) ( 25 ) √ 25
, ,1 −6
,
3
, 1
−6
,
3
, 1
36
+
9
+ ( 1 )

−6 3
u=
( 5 5 )
, ,1
2
√70
5

−6 / √70
5 −6 /5
u2=
( )( )
3/5 = 3 / √70
√ 70 1 1 / √ 70

Paso 3: Proponemos una base ortonormal para H

 1/ √ 5 −6/ √ 70
BON
H =
{( ) ( )}
2/ √ 5 , 3/ √ 70
0 1/ √ 70

CONCEPTOS MUY USADOS

Matriz ortogonal

1. Q ∈ M n ×n
2. Q es invertible
3. Q−1=Q T

Proyección ortogonal

Proy vH =⟨ v|u1 ⟩ u1+ ⟨ v|u2 ⟩ u 2+ …+ ⟨ v|un ⟩ un

BON
H = { u1 ,u2 , u3 , … ,u n }

Complemento ortogonal

H ⊥= {v ∈V : ⟨ v|h i ⟩ =0 , ∀ h i ∈ B H }

H ⊥= { v ∈V : ⟨ v|h ⟩ =0 , ∀ h∈ H }

Siempre es verdad que si dim V <∞ ( finita ) :

1. H ⊥ es un subespacio vectorial de V
⊥
2. H ∩ H ={ 0 v }
3. dim H +dim H ⊥=dimV

TEOREMA DE PROYECCIÓN ORTOGONAL

v=h+ p=Proy vH + Proy vH ⊥

donde H es un subespacio vectorial de V y v ∈V

TEOREMA
Si S es un conjunto ortogonal de vectores diferentes de cero, entonces el conjunto S es
linealmente independiente

TEOREMA

Si S es un conjunto ortonormal, entonces el conjunto S es linealmente independiente