Aligeoi Tema08 2016 2017 - 443183

Captulo 8
Espacio vectorial con producto

escalar
Nuestro punto de partida es un espacio vectorial V definido sobre K = R o

K = C. Vamos a desarrollar simultneamente la nocin de producto escalar y
sus consecuencias sobre ambos cuerpos, e iremos observando las diferencias
en cada caso.
8.1. Productos escalares
Producto escalar
Un producto escalar sobre un espacio vectorial real o complejo es una

funcin | : V V K que aplica un par de vectores x, y en un escalar
real o complejo x|y , con las siguientes propiedades para todo x, y , z
V , y K:
1. x|x es real, con x|x 0, y x|x = 0 si y solamente si x = 0.
2. x|y = x|y para todos los escalares .
3. x|y + z = x|y + x|z .
4. x|y = y |x. Para espacios reales queda x|y = y |x.
Nota 8.1.1. Observemos que de la definicin anterior se tiene que

x|y = y |x = y |x
= y |x = x|y .
281
Depto. de lgebra
Por tanto, no es lineal respecto a la primera componente. No hay unicidad en

la literatura respecto a la segunda propiedad del producto escalar sobre un es-
pacio vectorial complejo. En muchos textos aparece la condicin de linealidad
respecto a la primera componente, es decir,
x|y = x|y ,
y entonces se deduce que x|y = x|y . Esto solamente afecta a los produc-
tos escalares definidos en espacios vectoriales sobre el cuerpo de los nmeros
complejos. En cualquier caso, el contenido fundamental de la teora no cambia,
aunque algunas definiciones deben ser retocadas.
Ejemplo 8.1.1.- Consideremos la aplicacin | : R2 R2 R dada por x|y =

2x1 y 1 + 3x2 y 2 , donde

x1 y1
x= ,y = .
x2 y2
Entonces
1. x|x = 2x12 + 3x22 es un nmero real no negativo, pues es la suma de n-

meros no negativos, y solamente vale cero cuando x = 0.
2. x|y = 2x1 (y 1 ) + 3x2 (y 2 ) = (2x1 y 1 + 3x2 y 2 ) = x|y .
3. x|y + z = 2x1 (y 1 + z 1 ) + 3x2 (y 2 + z 2 ) = x|y + x, z .
4. y |x = 2y 1 x1 + 3y 2 x2 = x|y .
Entonces | es un producto escalar sobre R2 .
282 lgebra Lineal y Geometra

Depto. de lgebra
Producto escalar estndar
La funcin |e : Rn Rn R, que definimos como

n
X
x|y e = xt y = x i y i = y t x.
i =1
es un producto escalar sobre R, que denominamos producto es-

calar estndar sobre Rn .
La funcin |e : Cn Cn C, que definimos como

n
X
x|y e = x y = xi y i = y t x
i =1
es un producto escalar sobre C, que denominamos producto es-

calar estndar sobre Cn .
P RUEBA : Vamos a probar el caso complejo, porque el caso real es idntico.
1. x|xe 0. Por la definicin,

n
X n
X
x|xe = xi xi = |x1 |2 0,
i =1 i =1
y solamente toma el valor cero cuando x = 0.
2. x|y e = x|y e .
x|y e = x (y ) = (x y ) = x|y e .
3. x|y + z e = x|y + x|z e .
x|y + z e = x (y + z ) = x y + x z
= x|y e + x|z e .
4. x|y e = y |xe .
x|y e = x y = (y x) = y x = y |xe .
lgebra Lineal y Geometra 283

Depto. de lgebra
Ejemplo 8.1.2.- Sea P una matriz no singular de orden n sobre C. La aplica-

cin P : Cn Cn C definida por P (v , w ) = v P P w es un producto esca-
lar sobre Cn . Para probarlo, basta considerar que P (v , w ) = v |w e , donde
v = P v , w = P w y se siguen fcilmente las propiedades. El carcter no singu-
lar de P interviene para asegurar que v 6= 0 si y solamente si v 6= 0.
Ejemplo 8.1.3.- Sea K uno de los cuerpos R o C y consideremos el espacio

vectorial V = M (n n, K) de las matrices de orden n con coeficientes en K. Se
define un producto escalar sobre V mediante la expresin
A|B = traza(A B).

Pn Pn
Si A = (ai j ) y B = (b i j ), entonces A|B = i =1 j =1 a i j b i j .
Ejemplo 8.1.4.- Sea V el conjunto de funciones continuas en el intervalo [a, b]

con valores reales. Entonces V es un R-espacio vectorial, sobre el que se puede
definir el producto escalar
Zb
f |g = f (x)g (x) d x.
a

Depto. de lgebra
Ejemplo 8.1.5.- Sea V el conjunto de sucesiones {ck } C que verifican n0 |cn |2 <
P
. Tiene estructura de C-espacio vectorial y podemos definir un producto es-

calar con X
{ck }|{d k } = ck dk .
n0
Como consecuencia de la definicin de un producto escalar, se verifica que
x + y |z = x|z + y |z . En efecto, pues
x + y |z = z |x + y
= z |x + z |y
= x|z + y |z .
x|0 = 0|x = 0. Tenemos que
0|x = 0 x|x = 0 x|x = 0,
y tambin x|0 = 0.
Fijado x V , si x|y = 0 para todo y V , entonces x = 0. Basta tomar

y = x.
Si x|y1 = x|y2 para todo x V , entonces y1 = y2 , pues x|y1 y2 = 0

para todo x V .
Espacios vectoriales eucldeos y unitarios
Los espacios vectoriales reales con un producto escalar se denominan

espacios eucldeos. Los espacios vectoriales complejos con un produc-
to escalar se denominan espacios unitarios.
De forma conjunta, hablaremos de espacios vectoriales con producto escalar o

producto interior y lo notaremos por el par (V, |).
Si L V es un subespacio vectorial de un espacio (V, |) con producto
escalar, entonces (L, ||L ) es un espacio con producto escalar, al considerar la
restriccin de la aplicacin |.

Depto. de lgebra
8.2. * Expresin matricial de un producto escalar

Sea (V, |) un espacio vectorial con producto escalar de dimensin finita y
B = {u1 , . . . , un } una base de V .
Matriz de Gram
La matriz de Gram del producto escalar | respecto de la base B es la

matriz cuadrada de orden n dada por

u1 |u1 u1 |u2 . . . u1 |un

u2 |u1 u2 |u2 . . . u2 |un

G = .. .. .. = ui |u j .
. . .
un |u1 un |u2 . . . un |un
Ejemplo 8.2.1.- En Rn , con respecto a la base estndar, la matriz de Gram del

producto escalar estndar |e es igual a
G = (ei |e j e ) = I n .
Lo mismo ocurre con el producto estndar de Cn con respecto a la base estn-

dar.
Ejemplo 8.2.2.- Consideremos en R2 el producto escalar dado por x|y =

2x1 y 1 + 3x2 y 2 , y tomemos la base

1 1
B = {u1 = , u2 = }.
1 2
Entonces

5 4
u1 |u1 = 5, u1 |u2 = 4, u2 |u2 = 14, y G = .
4 14

Depto. de lgebra
En el caso real, la matriz G es simtrica, mientras que en el caso complejo

es hermitiana. La matriz de Gram permite una escritura ms compacta de un
producto escalar.
Sean x, y V , y B = {u1 , . . . , un } una base de V . Si

x1 y1

x2

y2

[x]B = .. , [y ]B = .. ,
. .
xn yn
entonces
n
X n
X
x|y = x i ui y j uj
i =1 j =1
n X
X n
= xi ui |y j u j
i =1 j =1
X n X n
= xi y j ui |u j
i =1 j =1
= [x]B G [y ]B .
Expresin matricial del producto escalar
Sea [x]B , [y ]B los vectores coordenados de dos vectores x, y respecto

de una base B de un espacio vectorial (V, |) con producto escalar. Si
G es la matriz de Gram asociada a | respecto de la base B, entonces
x|y = [x]B G [y ]B .
Por supuesto, la matriz de Gram G depende de la base elegida, por lo que es

natural preguntarnos qu ocurre en un cambio de base. Sean G y G las matri-
ces de Gram respecto de bases B y B , respectivamente. Sea P = M(B , B) la
matriz del cambio de base de B a B. Entonces
[x]B = P [x]B , [y ]B = P [y ]B ,

Depto. de lgebra
x|y = [x]B G[y ]B

= [x]B P GP [y ]B .
Por tanto,
[x]B G [y ]B = [x]B P GP [y ]B para todo x, y V,
de donde G = P GP .
Producto escalar y cambio de base
Sea (V, |) un espacio vectorial con producto escalar, y B, B bases de

V . Si G y G son las matrices de Gram respectivas del producto escalar
|, y P = M(B , B) la matriz del cambio de base de B a B, entonces
G = P GP.
Decimos que las matrices son *-congruentes.
El estudio de la *-congruencia de matrices es un tema de profundas ramifi-

caciones cuando cambiamos el cuerpo base.
Ejemplo 8.2.3.- Sea V = R3 con el producto escalar estndar |e , y conside-

remos las bases

1 2 0
B = {e1 , e2 , e3 }, B = {u1 = 1 , u2 = 0 , u3 = 1 }.
1 1 1
La matriz de Gram respecto de la base B es

u1 |u1 e u1 |u2 e u1 |u3 e 3 1 0
G = u2 |u1 e u2 |u2 e u2 |u3 e = 1 5 1 .
u3 |u1 e u3 |u2 e u3 |u3 e 0 1 2
La matriz de Gram respecto de la base B es la matriz identidad, y la matriz del

cambio de base de B a B es

1 2 0
P = M(B , B) = 1 0 1 .
1 1 1

Depto. de lgebra
Entonces
3 1 0
P t I 3P = 1 5 1 = G ,
0 1 2
como sabamos.
La matriz de Gram de un producto escalar es hermitiana (simtrica en el

caso real). Sin embargo, no toda matriz hermitiana (simtrica) da lugar a un
producto escalar.
8.3. Norma
Norma de un vector
Sea (V, |) un espacio vectorial con producto escalar. Se denomina

norma del vector x al nmero
p
kxk = x|x.
La definicin tiene sentido por las propiedades del producto escalar. Aunque
no aparece en la notacin, la norma de un vector depende del producto escalar
usado.
Ejemplo 8.3.1.- En V = R4 , consideremos el producto escalar estndar |e .

Entonces el vector

1
1
p
v= tiene como normas kv k = 1 + 1 + 1 + 1 = 2.
1
1
En cambio, con respecto al producto escalar definido por x|y = x1 y 1 +2x2 y 2 +
3x3 y 3 + 4x4 y 4 se tiene que
p p
kv k = 1 + 2 + 3 + 4 = 10.

Depto. de lgebra
Ejemplo 8.3.2.- Si V = M (nn, C), con el producto escalar A|B = traza(A B),
se tiene que
!1/2
n X
X n
2
kAk = |ai j | .
i =1 j =1
Esta norma se conoce como norma de Frobenius de la matriz A, y se nota como

kAkF .
Nota 8.3.1. En Rn o Cn con el producto escalar estndar, la norma asociada se

P 1/2
denomina norma eucldea o 2-norma, y se suele notar como kxk2 = ni=1 |xi |2 .
Propiedades de la norma
Sea (V, |) un espacio vectorial con producto escalar. Para cualesquie-

ra x, y V y escalar K se verifica
1. kxk 0, y kxk = 0 si y solamente si x = 0.
2. kxk = || kxk.
3. kx y k = ky xk.
P RUEBA : Son inmediatas a partir de la definicin de norma.
Dado x V no nulo, es frecuente usar otro vector u V que tenga la misma

direccin y sentido que x, pero de norma igual a 1. Basta considerar
1
u= x.
kx k
Este proceso se denomina normalizacin.

Depto. de lgebra
Desigualdad CBS o de Cauchy-Schwarz
Sea (V, |) un espacio vectorial con producto escalar, y x, y V . En-

tonces
|x|y | kxk ky k .
La igualdad se da si y solamente si un vector es mltiplo del otro.
P RUEBA : Si x = 0 no hay nada que probar. Sea = x|y /x|x, y observemos

que
y |x
= , y x|x y = 0.
x|x
Entonces
0 kx y k2 = x y |x y = x|x y y |x y
= y |x y = y |x + y |y
x|y
= 2
y |x + ky k2
kx k
1
= (ky k2 kxk2 x|y y |x).
kx k2
Como y |x = x|y , se tiene que x|y y |x = |x|y |2 , de donde
ky k2 kxk2 |x|y |2
0 .
kxk2
Observemos que el valor 0 solamente se toma cuando ky k2 kxk2 |x|y |2 = 0.
Como kxk2 > 0, se deduce que ky k2 kxk2 |x|y |2 0, y tenemos la desigual-
dad.
Veamos ahora las condiciones de igualdad. Si y = x, entonces
|x|y | = || kxk2 = kxk ky k .
Recprocamente, si |x|y | = kxk ky k, entonces kx y k = 0, de donde y = x.
Esta desigualdad es una de las ms importantes en matemticas, y se suele usar

bajo el nombre de desigualdad CBS, con la B correspondiente a Victor Bunya-
kovskii, matemtico ruso que extendi el resultado de Cauchy sobre nmeros
reales a sumas de integrales.
Una de las consecuencias de la desigualdad CBS es la extensin al caso n-
dimensional del resultado clsico de la geometra del plano acerca de la rela-
cin entre las longitudes de los lados de un tringulo.

Depto. de lgebra
Desigualdad triangular
Sean x, y V . Entonces
kx + y k kx k + ky k .
La igualdad se da si y solamente si y o x es mltiplo no negativo del

otro.
P RUEBA : Se tiene que
kx + y k2 = x + y |x + y = x|x + x|y + y |x + y |y
= kxk2 + ky k2 + 2 Re(x|y )
kxk2 + ky k2 + 2|x|y |.
Por la desigualdad CBS, |x|y | kxk ky k, y entonces
kx + y k2 kxk2 + ky k2 + 2 kxk ky k = (kxk + ky k)2 .
Si kx + y k = kxk+ky k entonces todas las desigualdades son igualdades y x|y =

kxk ky k. Recprocamente, si x|y = kxk ky k, entonces x|y es un nmero real
y x|y = y |x y kx + y k2 = (kxk + ky k)2 . Por tanto, la igualdad se tiene si y
solamente si
x|y = kxk ky k. (8.3.1)
Si uno de los vectores x, y es mltiplo real no negativo del otro, se obtiene la

igualdad (8.3.1). Si se tiene la igualdad (8.3.1), entonces se sigue la igualdad en
la desigualdad CBS, lo que implica que uno de los vectores es mltiplo del otro.
Por ejemplo, si y = x,
x|y = x|x = kxk2 ,

kxk ky k = kxk kxk = || kxk2 ,
y al igualar nos queda que = ||, de donde R, y no negativo. Si los dos

vectores x, y son no nulos, entonces > 0.
Si x = 0, nos vale cualquier . Si x 6= 0, entonces y = x 6= 0, de donde > 0.
Un resultado interesante es que si una norma procede de un producto es-

calar, podemos recuperar la expresin de dicho producto a partir de la norma.

Depto. de lgebra
Producto escalar a partir de la norma
Sea (V, |) un espacio vectorial con producto escalar y kk la norma

asociada. Consideremos u, v V .
1. Si V es un R-espacio vectorial, entonces
1
u|v = ku + v k2 ku v k2 .
4
2. Si V es un C-espacio vectorial, entonces
1
u|v = ku + v k2 ku v k2
4
i
+ ku + i v k 2 ku i v k 2 .
4
P RUEBA : Es una sencilla comprobacin, a partir de
u|v + v |u = 2 Re(u|v ), u|v v |u = 2i Im(u|v ).
En un espacio vectorial eucldeo, la desigualdad CBS nos garantiza que si

x, y V no nulos, entonces
x|y
1 1.
kx k ky k
Entonces existe un nico valor [0, ] tal que
x|y
cos = .
kx k ky k
ngulo entre vectores
El nico valor [0, ] tal que
x|y
cos() = .
kx k ky k
se denomina ngulo entre los vectores x, y .

Depto. de lgebra
Ejemplo 8.3.3.- En R3 con el producto escalar estndar, consideremos los vec-

tores
0 0
x = 1 ,y = 0 .
1 1
Entonces p
1 2 3
cos() = p = , de donde = .
21 2 4
Damos ahora un resultado matricial, que parece no relacionado con pro-

ductos escalares, pero la demostracin ms sencilla se basa en el producto es-
calar estndar de Cn .
Relacin entre A, A A y A A
Sea A una matriz de orden m n. Entonces
1. null(A) = null(A A), null(A ) = null(A A ).
2. rango(A) = rango(A A) = rango(A A ) = rango(A ).
3. Col(A ) = Col(A A), Col(A) = Col(A A ).
P RUEBA :
1. Si A v = 0, entonces (A A)v = 0, por lo que null(A) null(A A). Recpro-

camente, si (A A)v = 0, entonces
kA v k2 = A v |A v e = v A A v = 0
de donde A v = 0, y tenemos la igualdad null(A) = null(A A). Si aplicamos

este resultado a A nos queda la segunda igualdad.
2. A partir de lo anterior,
rango(A) = dim(Col(A)) = n dim(null(A)) = n dim(null(A A))

= dim(Col(A A)) = rango(A A),
y si aplicamos este resultado a A , nos queda rango(A ) = rango(A A ).

Depto. de lgebra
3. Si b Col(A A), entonces b = A A u = A (A u), de donde b Col(A ). As,

Col(A A) Col(A ), y como son de la misma dimensin, tenemos que
Col(A A) = Col(A ). Entonces, si tomamos A en lugar de A, obtenemos
Col(A) = Col((A ) ) = Col((A ) A ) = Col(A A ).
8.4. * Normas vectoriales

En un espacio vectorial general V , aunque no tenga producto escalar, se
puede definir el concepto de norma de un vector.
Normas vectoriales
Una norma sobre un espacio vectorial V es una aplicacin kk : V R

que satisface las siguientes condiciones:
kxk 0, y kxk = 0 si y solamente si x = 0,
kxk = || kxk,
kx + y k kxk + ky k,
para todo x, y V y todo escalar K .
Por las propiedades que hemos visto, la norma inducida por un producto esca-
lar es una norma vectorial, que se denomina norma eucldea, y se representa
por kk2 . Sobre Cn existen otras normas, como por ejemplo
Pn
kxk1 = i =1 |x i |, que llamamos 1-norma,
kxk = max{|xi | | i = 1, . . . , n}, que es la norma infinito.
Es fcil probar las condiciones de la definicin. Una pregunta natural es si da-

da una norma vectorial kk existe un producto escalar del que proceda. La
respuesta para espacios reales y complejos procede de M. Frechet y J. von Neu-
mann.

Depto. de lgebra
Identidad del paralelogramo
Dada una norma kk en un espacio vectorial V , existe un producto es-

calar en V tal que kxk2 = (x, x) si y solamente si la identidad del
paralelogramo
kx + y k2 + kx y k2 = 2(kxk2 + ky k2 )
se verifica para todo x, y V .
P RUEBA : Veremos el caso real. Es inmediato que si existe un producto escalar

|, entonces se verifica la identidad del paralelogramo, pues
kx + y k2 + kx y k2 = x + y |x + y + x y |x y
= x|x + x|y + y |x + y |y
+x|x x|y y |x + y |y
= 2(kxk2 + ky k2 ).
La parte difcil es establecer el recproco. Supongamos que la norma kk verifica

la identidad del paralelogramo. Vamos a probar que la funcin
1
(x, y ) = (kx + y k2 kx y k2 )
4
define un producto escalar tal que (x, x) = kxk2 . Es inmediato que
(x, x) = kxk2 , por lo que es un nmero real no negativo, y solamente se

anula en x = 0.
(x, y ) = (y , x).
Tenemos que ver lo que ocurre con las dos restantes propiedades. Por la iden-
tidad del paralelogramo, podemos escribir
1
kx + y k2 + kx + z k2 = (kx + y + x + z k2 + ky z k2 ),
2
1
kx y k2 + kx z k2 = (kx y + x z k2 + kz y k2 ),
2
y al restar ambas igualdades nos queda
k2x + (y + z )k2 k2x (y + z )k2

kx + y k2 kx y k2 + kx + z k2 kx z k2 = .
2

Depto. de lgebra
Entonces
1
(x, y ) = k2 k k2 k k2 k
4 (kx + y x y + x + z x z )
k2
1 2 2
= 8 (k2 x + (y + z )k k2x (y + z )k )
2
(8.4.1)
x 1 (y + z )2 ) = 2(x, 1 (y + z )).
1
1

= 2 ( x + 2 (y + z ) 2 2
Si sustituimos z = 0 tenemos la igualdad

1
(x, y ) = 2(x, y ) para todo y V.
2
Si aqu cambiamos y por y + z , obtenemos (x, y + z ) = 2(x, 12 (y + z )), y la
ecuacin 8.4.1 nos proporciona
(x, y ) + (x, z ) = (x, y + z ).
Ahora probemos que (x, y ) = (x, y ) para todo nmero real . Por lo an-
terior, el resultado es vlido para los nmeros enteros. Si = / es racional,
entonces

2 (x, y ) = (x, y ) = (x, y ), de donde (x, y ) = (x, y ).

Como las funciones kx + y k y kx y k son funciones continuas en , la defi-

nicin de garantiza que (x, y ) es una funcin continua de . Por tanto, si
es irracional y {n } es una sucesin de racionales que tiende a , se verifica
que
(x, n y ) (x, y ), y (x, n y ) = n (x, y ) (x, y ),
de donde (x, y ) = (x, y ).

La identidad del paralelogramo se denomina as porque expresa que la suma

de los cuadrados de las diagonales de un paralelogramo es igual a dos veces la
suma de los cuadrados de los lados, en el caso real.
8.5. Ortogonalidad
Vectores ortogonales
Sea (V, |) un espacio vectorial con producto escalar y v , w V . Deci-

mos que v y w son ortogonales si v |w = 0. En tal caso, lo notaremos
como v w .

Depto. de lgebra
Ejemplo 8.5.1.- En V = C2 con el producto escalar estndar, los vectores

2 + 3i 1+i
v= ,w = son ortogonales.
1 + 5i i
Ejemplo 8.5.2.- Sea V = C ([1, 1]) el R-espacio vectorial de las funciones con-
tinuas en el intervalo [1, 1], donde tenemos el producto escalar
Z1
f |g = f (x)g (x) d x.
1
Para cada i 0, definimos las funciones p 0 : x 7 1, p 1 : x 7 x, y

2h + 1 h
p h+1 : x 7 xp h (x) p h1 (x), para h > 1.
h +1 h +1
Estas funciones polinmicas se llaman polinomios de Legendre. Es fcil verifi-
car que p k p h para k 6= h.
En el mismo espacio podemos definir otro producto escalar mediante
Z1
f (x)g (x)
f |g = p d x.
1 1 x2
Para i 0 definimos las funciones q i V como q 0 : x 7 1, q 1 : x 7 x y
q h+1 : x 7 2xq h (x) q h1 (x) si h > 1.
Estas funciones polinmicas se llaman polinomios de Chebyshev. De nuevo se

verifica que q k q h si k 6= h.
Ambos productos son casos especiales de una construccin ms general.
Sean 1 < r, s R. Se define en V un producto escalar mediante la expresin
Z1
f |g = f (x)g (x)(1 x)r (1 + x)s d x.
1

Depto. de lgebra
Podemos decir entonces que dos vectores son ortogonales cuando el ngu-
lo entre ellos es igual a /2. Los vectores ortogonales verifican una propiedad
clsica.
Teorema de Pitgoras
Sea (V, |) un espacio vectorial con producto escalar y consideremos

vectores v , w V . Si v w entonces kv + w k2 = kv k2 +kw k2 . El recpro-
co se tiene para R-espacios vectoriales.
P RUEBA : Se verifica que
kv + w k2 = v + w |v + w = v |v + v |w + w |v + w |w
= kv k2 + kw k2 + 2 Re(v |w ).
A partir de aqu tenemos el resultado.
Conjuntos ortonormales
Un conjunto S = {u1 , u2 , . . . , ur } es un conjunto ortogonal si ui u j

cuando i 6= j , y ui 6= 0 para todo i = 1, . . . , r .
Un conjunto T = {u1 , u2 , . . . , ur } es un conjunto ortonormal si ui u j
cuando i 6= j y kui k = 1 para todo i = 1, . . . , r .
Es fcil ver que un conjunto ortogonal es linealmente independiente. En

efecto, consideremos un conjunto ortogonal {u1 , . . . , ur }, y una combinacin
lineal
1 u1 + 2 u2 + . . . + r ur = 0.
Si realizamos el producto escalar a ambos lados de esta igualdad por ui , para
cada i = 1, . . . , r , nos queda
r
X r
X
0 = ui | j uj = j ui |u j .
j =1 j =1
Todos los sumandos de la derecha son nulos, salvo ui |ui , que es positivo.
Entonces i = 0, para todo i = 1, . . ., r .

Depto. de lgebra
Ejemplo 8.5.3.- Consideremos V = R3 con el producto escalar estndar. El

conjunto

1 1 1
B = {u1 = 1 , u2 = 1 , u3 = 1 }
0 1 2
p
es
p un conjunto
p ortogonal, pero no es ortonormal. Como ku1 k = 2, ku2 k =
3, ku3 k = 6, el conjunto B = { p1 u1 , p1 u2 , p1 u3 } es ortonormal.
2 3 6
Expansin de Fourier
Si B = {u1 , u2 , . . . , un } es una base ortogonal de un espacio vectorial con

producto escalar, entonces cada x V se puede expresar como
u1 |x u2 |x un |x
x= 2
u1 + 2
u2 + + un .
ku1 k ku2 k kun k2
Esta expresin se denomina expansin de Fourier del vector x. Los es-

u |x
calares xi = kui k2 son las coordenadas de x respecto de la base B, y se
i
denominan coeficientes de Fourier.
P RUEBA : Si x = 1 u1 + 2 u2 + + n un , entonces
n
X n
X 2
u j |x = u j | i ui = i u j |ui = j u j .
i =1 i =1
Ejemplo 8.5.4.- En R3 , consideremos la base ortogonal respecto al producto

escalar estndar dada por

1 1 0
B = {u1 = 1 , u2 = 1 , u3 = 0 },

0 0 1

Depto. de lgebra
Figura 8.1: Joseph Fourier (1768-1830)
Entonces el vector
2
x = 3
4
verifica
u1 |xe u2 |xe u3 |xe 5 1
x= 2
u1 + 2
u2 + 2
u3 = u1 u2 + 4 u3 ,
ku1 k ku2 k ku3 k 2 2
por lo que sus coordenadas respecto a B son

5/2
[x]B = 1/2 .
4
Proyeccin ortogonal de un vector
Sea W V un subespacio de dimensin finita de (V, |), con BW =

{w1 , . . . , wr } una base ortogonal de W . Para cada x V , el vector
r w |x
X i
proyW (x) = wi
i =1 kwi k2
es un vector de W que verifica w |x proyW (x) = 0 para todo w W .

Depto. de lgebra
P RUEBA : Como proyW (x) es combinacin lineal de la base de W , pertenece al

subespacio. Observemos en primer lugar que, para cada j = 1, . . . , r se tiene que
r w |x
X i
w j |x proyW (x) = w j |x w j | wi
i =1 kwi k2
r w |x
X i
= w j |x w j |wi = w j |x w j |x = 0.
i =1 kwi k2
Por tanto, x proyW (x) es un vector ortogonal a todos los elementos de la base
de W . Sea ahora w W , por lo que admite una expresin de la forma w =
Pr
j =1 j w j . Entonces
r
X r
X
w |x proyW (x) = j w j |x proyW (x) = j w j |x proyW (x) = 0.
j =1 j =1
Este vector proyW (x) se denomina proyeccin ortogonal de x sobre W . En

principio, su expresin depende de la base elegida, pero veremos ms adelante
que queda unvocamente determinado por x y W .
Ejemplo 8.5.5.- Si en el ejemplo anterior consideramos W = u1 , u2 , y el mis-

mo vector x, entonces
u1 |xe u2 |xe 5 1
proyW (x) = 2
u1 + 2
u2 = u1 u2 .
ku1 k ku2 k 2 2
Las bases ortogonales y ortonormales hacen que el clculo del producto

escalar sea sencillo

Depto. de lgebra
Expresin del producto escalar con respecto a una base ortogonal

/ortonormal
Sea B = {u1 , . . . , un } una base de un espacio vectorial (V, |) con pro-

ducto escalar y tomemos v , w V con expresiones
n
X n
X
v= v i ui , w = w j uj .
i =1 j =1
1. Si B es ortogonal, entonces
n
X
v |w = kui k2 v i w i .
i =1
2. Si B es ortonormal, entonces
n
X
v |w = v i w i = [v ]B [w ]B .
i =1
P RUEBA : Supongamos que B es una base ortogonal. Entonces ui |u j = 0

si i 6= j y u1 |ui = kui k2 . De aqu,
n
X n
X n X
X n
v |w = v i ui | w j uj = v i w j ui |u j
i =1 j =1 i =1 j =1
n
X
= v i w i kui k2 .
i =1
En el caso ortonormal, cada kui k es igual a 1.
8.6. Matrices unitarias
En esta seccin examinamos las matrices cuadradas cuyas columnas (o fi-

las) son ortonormales respecto al producto escalar estndar.

Depto. de lgebra
Matrices unitarias y ortogonales
Una matriz unitaria es una matriz compleja Unn cuyas colum-

nas (o filas) constituyen una base ortonormal de Cn .
Una matriz ortogonal es una matriz real Q nn cuyas columnas

(o filas) constituyen una base ortonormal de Rn .
Las matrices unitarias y ortogonales tienen unas propiedades interesantes, una

de las cuales es que son fciles de invertir.
Para ello, observemos que las colum-
nas de Unn = u1 u2 . . . un forman un conjunto ortonormal si y sola-
mente si

1 si i = j ,
[U U ]i j = ui u j = U U = I U 1 = U .
0 si i 6= j ,
Notemos que U U = I si y solamente si UU = I , es decir, las columnas de U
son ortonormales si y solamente si las filas de U son ortonormales.
Otra importante propiedad es que la multiplicacin por una matriz unita-
ria no cambia la longitud de un vector. En efecto, si U es una matriz unitaria,
entonces
kU xk22 = xU U x = x x = kxk22 , para todo x Cn . (8.6.1)
Las matrices unitarias tienen un papel destacado en los cambios de base de
espacios unitarios.
Cambio de base ortonormal
Sean B y B bases ortonormales de un espacio vectorial (V, |) con

producto escalar de dimensin finita. Entonces la matriz de cambio de
base P = M(B, B ) es unitaria.
P RUEBA : Sean B = {u1 , . . . , un } y B = {u1 , . . . , un } las bases ortonormales. En-

tonces
ui |u j = ui |uj = i j .
La matriz de paso entre las bases es de la forma

a11 a12 ... a1n
a21 a22 ... a2n
P = M(B, B ) =

[u1 ]B [u2 ]B . . . [un ]B = .. .. .. .. .
. . . .
an1 an2 . . . ann

Depto. de lgebra
Pn
Esto significa que ui = k=1
aki uk , de donde
n
X n
X
ui |u j = aki uk | al j ul
k=1 l =1
n X
X n
= aki al j uk |ul
k=1 l =1
Xn
= aki ak j , pues solamente aparecen los trminos con k = l .
k=1
Esta ltima expresin es el elemento (i , j ) de la matriz P P . Dado que I =

(ui |u j ), tenemos el resultado.
Nota 8.6.1. Hemos visto que la multiplicacin por una matriz unitaria no altera
la norma eucldea de un vector. Algo parecido ocurre con la norma de Frobe-
nius de una matriz. Sea A nn una matriz con coeficientes complejos y Unn
una matriz unitaria. Entonces
kAU k2F = traza((AU ) (AU )) = traza(U A AU ).
Recordemos que se tiene, en general, que traza(A 1 A 2 ) = traza(A 2 A 1 ). Entonces

traza((U A A)U ) = traza(U (U A A)) = traza(A A) = kAk2F . De forma anloga
se tiene que kU AkF = kAkF .
8.7. Mtodo de Gram-Schmidt

Los espacios Rn y Cn tienen unas bases ortonormales muy sencillas, como
son las bases estndar. Sin embargo, nos planteamos una pregunta: dado un
espacio de dimensin finita con un producto escalar, tiene una base ortonor-
mal? Pensemos en un subespacio vectorial, dado por un sistema de generado-
res, y del que queremos calcular una base ortonormal para, posteriormente,
realizar proyecciones. La respuesta a esta pregunta la encontramos con el pro-
cedimiento de Gram-Schmidt.
Partamos entonces de un espacio vectorial (V, |) con un producto esca-
lar. Sea S = {v1 , . . . , vs } un conjunto de vectores linealmente independientes.
Vamos a construir un conjunto ortonormal de vectores {q1 , . . . , qs } tal que para
cada k {1, . . . , s} se verifica que el subespacio vectorial generado por los vecto-
res {v1 , . . . , vk } es igual que el subespacio vectorial generado por {q1 , . . . , qk }.
El proceso es por induccin sobre s. Para s = 1, tomamos simplemente q1 =

Depto. de lgebra
Figura 8.2: Jorgen P. Gram (1850-1916), Erhard Schmidt (1876-1959)
v1 / kv1 k. En general, escribimos
q1 = v1 ,
q2 = v2 12 q1
..
.
qs = vs 1s q1 s1,s qs1

,
para ciertos escalares i j . Buscamos esta forma en los vectores qi para que ge-
neren el mismo subespacio vectorial que los vi . Queremos imponer la condi-
cin de ortogonalidad en el conjunto {q1 , . . . , qs }. Para ello tiene que ocurrir que
2
q1 |q2 = 0 = q1 |v2 12 q1 ,
de donde podemos calcular 12 y entonces tenemos el vector q2 . Es claro que

el subespacio generado por {q1 , q2 } es igual que el subespacio generado por
{v1 , v2 }. En general, si tenemos construidos q1 , . . . , qk1

, con la igualdad de los
espacios generados por los vectores
{v1 , . . . , vk1 } y {q1 , . . . , qk1

},
entonces para obtener qk imponemos las condiciones

2
0 = q1 |qk = q1 |vk 1k q1
2
0 = q2 |qk = q2 |vk 2k q2
.. ..
. .

2
0 = qk1 |qk = qk1 |vk k1,k qk1

Depto. de lgebra
y podemos calcular todos los j k . Se tiene adems que los subespacios genera-
dos por {v1 , . . . , vk } y {q1 , . . . , qk } son iguales. Si ahora normalizamos qi = q1 qi
i
conseguimos el conjunto ortonormal. Observemos que la normalizacin de ca-
da qi se puede realizar en cada paso.
La forma de los coeficientes i k es la asociada a la proyeccin ortogonal

de vk sobre el subespacio Wk1 = q1 , . . . , qk1

, si usamos su base ortogonal

{q1 , . . . , qk }. Podemos escribir entonces que
1
q1 = v1 ,
qk = vk proyWk1 (vk ), 2 k s.
Procedimiento de ortogonalizacin de Gram-Schmidt
Si S = {v1 , v2 , . . . , vs } es un conjunto de vectores linealmente indepen-

diente, entonces la sucesin de Gram-Schmidt definida por
k1
X qi |vk
q1 = v1 , qk = vk proyWk1 (vk ) = vk 2 qi , 2 k s,
i =1 q i
es una base ortogonal de S.
Si escribimos qi = q1 qi , i = 1, 2, . . ., s, entonces {q1 , q2 , . . . , qs } es una base

i
ortonormal de S.
Adems, para cada i = 1, 2, . . ., s, se verifica que el subespacio generado por

{v1 , v2 , . . . , vi } es igual al subespacio generado por {q1 , q2 , . . . , qi }, que coincide
con el subespacio generado por {q1 , q2 , . . . , qi }. Otra forma equivalente de ex-
presar lo anterior es que si (V, |) es un espacio vectorial con producto escalar
y de dimensin finita, entonces tiene una base ortonormal.

Depto. de lgebra
Mtodo de Gram-Schmidt
Entrada: conjunto S = {v1 , v2 , . . . , vs } linealmente independiente.

Salida: conjunto ortonormal {q1 , q2 , . . . , qs } que verifica
q1 , . . . , qk = v1 , . . . , vk para todo k = 1, . . . , s.
1. Definimos q1 = v1 .
2. Para k = 2, . . . , s calculamos
qk = vk proyWk1 (vk ),Wk1 = q1 , . . . , qk1

,

k1
X q j |vk
= vk j k q j , donde j k = 2 .
j =1
q j
3. Normalizamos el conjunto {q1 , . . . , qs } mediante
1
qk = qk , k = 1, 2, . . . , s.
qk
Ejemplo 8.7.1.- En V = R4 , con respecto al producto escalar estndar, sean

1 1 3
0 2 1

v1 = , v2 = , v3 = .
0 0 1
1 1 1
Vamos a calcular una base ortonormal del subespacio vectorial v1 , v2 , v3 .

Depto. de lgebra
El proceso es:
q1 = v1
q |v2 e
q2 = v2 12 q1 , 12 = 1 2 = 1,
q
1

0
2

q2 = v2 q1 =

,
0
0
q3 = v3 13 q1 23 q2 ,
q1 |v3 e
13 = 2 = 2,
q
1
q2 |v3 e 1
23 = 2 = ,
q 2
2

1
1
0

q3 = v3 2q1 q2 =

.
2 1
1
Entonces
1 0 1
1
0

1

1
0

q1 = p , q2 = , q3 = p .
2 0 0 3 1
1 0 1
Ejemplo 8.7.2.- Sea V = C ([1, 1]) con el producto escalar

Z1
f |g = f (x)g (x) d x.
1
Para cada i 0, sea f i la funcin polinmica f i : x 7 x i . Entonces, para cada

n > 0, el conjunto { f 0 , f 1 , . . . , f n } es linealmente independiente y forma una base
de un subespacio W . Si aplicamos el procedimiento de Gram-Schmidt a esta
base, obtenemos una nueva base {p 0 , p 1 , . . . , p n } que es ortonormal; los p j son
los polinomios de Legendre.

Depto. de lgebra
R 2
Ejemplo 8.7.3.- Sea V el espacio de la funciones f : R R tales que f (x) d x

es finita, con el producto escalar
Z
f |g = f (x)g (x) d x.

Sea h la funcin definida por
si 0 < x 21 ,

1
h(x) = 1 si 21 < x 1,

0 en otro caso.
Esta funcin se denomina wavelet de Haar. Para cada j , k N, se define la fun-

j j j
cin h k V mediante h k (x) = 2 j /2 h(2 j x k). Entonces el conjunto {h k | j , k N}
es ortonormal.
Nota 8.7.1. Qu ocurre si se aplica el procedimiento de Gram-Schmidt a un

conjunto {v1 , . . . , vs } que ya es ortogonal? Los vectores qk , 2 k s, que se cons-
truyen en cada paso son de la forma
k1
X q j |vk
qk = vk j k q j , donde j k = 2 .
j =1
q j
Observemos que q2 es igual a v2 y, por induccin, todos los coeficientes j k son

nulos. Por tanto, se llega a que qi = vi , i = 1, . . . , s. Si el conjunto de partida es
ortonormal, entonces qi = vi , i = 1, . . . , s.
El razonamiento anterior nos permite enunciar el siguiente resultado.
Ampliacin de un conjunto ortogonal a una base ortogonal
Sea (V, |) un K-espacio vectorial de dimensin finita n con producto

escalar y S = {v1 , . . . , vs } un conjunto ortogonal (ortonormal). Entonces
existe una base B ortogonal (ortonormal) de V tal que S B.

Depto. de lgebra
P RUEBA : Dado que el conjunto S es linealmente independiente, existen vec-

tores ws+1 , . . . , wn tales que B0 = {v1 , . . . , vs , ws+1 , . . . , wn } es una base de V . Si
aplicamos el procedimiento de Gram-Schmidt al conjunto B0 , entonces los
vectores qi son iguales a los vi , para i = 1, . . . , s, por lo que habremos construi-

do una base ortogonal B = {v1 , . . . , vs , qs+1 , . . . , qn }. Si el conjunto de partida es
ortonormal, obtendremos, tras normalizar, una base ortonormal que contiene
a S.
8.8. Factorizacin QR
8.8.1. Factorizacin QR reducida
El proceso de Gram-Schmidt se puede ver tambin en la forma de facto-
rizacin de matrices. Sea A ms = v1 v2 . . . vs una matriz con columnas
independientes. Cuando se aplica Gram-Schmidt a las columnas de A, estamos
calculando una base ortonormal {q1 , q2 , . . . , qs } de Col(A), donde
q1 = v1 ,
q2 = v2 12 q1 ,
..
.
qs = vs 1s q1 . . . s1,s qs1

.
Escribamos los vectores vi en funcin de los q j . Entonces
v1 = q1 = r 11 q1 ,
v2 = 12 q1 + q2 = r 12 q1 + r 22 q2 ,
..
.
vs = 1s q1 + + s1,s qs1

+ qs = r 1s q1 + . . . + r s1,s qs1 + r ss qs ,
que en forma matricial podemos expresarlo como

r 11 r 12 . . . r 1s
0 r 22 . . . r 2s
v1 v2 . . . vs q1 q2 . . . qs

= .. .
.
0 0 . . . r ss
Observemos que todos los r i i son positivos, pues son normas de vectores. Te-
nemos as que A ms = Q ms R ss , donde las columnas de Q forman una base
ortonormal de Col(A), y R es una matriz triangular superior con elementos no
nulos en la diagonal.

Depto. de lgebra
A esta descomposicin la llamaremos factorizacin QR reducida o rectan-

gular, porque la matriz Q es rectangular y R es cuadrada.
Ejemplo 8.8.1.- Partimos del ejemplo (8.7.1) (pg. 308), donde

1 1 3
0 2 1

v1 = , v2 = , v3 = ,
0 0 1
1 1 1
y habamos calculado

1 0 1
1
0

1

1
0

q1 = p , q2 = , q3 = p .
2 0 0 3 1
1 0 1
El cambio de base viene dado por los coeficientes i j del proceso, y podemos
despejar los vectores vi en funcin de los vectores q j .
p
v1 = q1
q1
= 2 q1 ,
p

v2 = 12 q1 q1 + q2 q2
= 2q +2q2

p 1 p
v3 = 13 q1 q1 +23 q2 q2 + q3 q3 = 2 2q1 +q2 + 3q3 .

La descomposicin QR reducida queda de la forma

p p p
2 2 2 2
A = v1 v2 v3 = q1 q2 q3 0 2 1 .
p
0 0 3
8.8.2. * Factorizacin QR completa

Se puede conseguir otra factorizacin con Q unitaria y R rectangular. Con-
siste en aadir a R filas de ceros hasta hacerla m s, y en aadir a Q m s
columnas ortogonales a las anteriores para formar una matriz unitaria. En este
caso se la llama factorizacin QR completa.

Depto. de lgebra
Ejemplo 8.8.2.- Para obtener la factorizacin QR completa del ejemplo ante-

rior, debemos ampliar el conjunto {q1 , q2 , q3 } a una base ortonormal. Como los
subespacios son iguales, ampliamos {v1 , v2 , v3 } a una base. Para ello, conside-
ramos una forma escalonada por filas de la matriz

v1 v2 v3 e1 e2 e3 e4 ,
donde ei , i = 1, 2, 3, 4 son los vectores de la base estndar. Nos queda

1 0 0 0 1/2 1/2 1
0 1 0 0 1/2 1/2 0

0 0 1 0 0 1 0
0 0 0 1 0 2 1
lo que indica que podemos tomar para ampliar e1. Sea v4 = e1 . Hay que calcular
q4 = v4 14 q1 24 q2 34 q3
que sea ortogonal a q1 , q2 , q3 . Efectuando los clculos llegamos a

1/6

0
p
14 = 1/2, 24 = 0, 34 = 1/3, q4 = , q4 = 6q4 .

1/3
1/6
Entonces
p p p
2 2 2 2
0
2 1

A= v1 v2 v3 = q1 q2 q3 q4 p .
0 0 3
0 0 0
Existe un procedimiento directo para el clculo de una factorizacin QR

completa basado en las matrices de Householder.

Depto. de lgebra
8.9. Descomposicin ortogonal
Complemento ortogonal
Sea M un subconjunto de un espacio vectorial (V, |) con producto

escalar. Definimos el complemento ortogonal M como
M = {x V | m|x = 0 para todo m M}.
En otras palabras, el conjunto M es el conjunto de vectores x que son ortogo-

nales a todos los elementos de M. Esto lo notaremos como xM. Vamos a pro-
bar en primer lugar que M es un subespacio vectorial de V . Sean v1 , v2 M .
Entonces
m|v1 + v2 = m|v1 + m|v2 = 0 para todo m M,
y
m|v1 = m|v1 = 0 para todo m M.
Esto es independiente de la estructura de M. Sin embargo, el caso que nos in-
teresa especialmente es cuando M es un subespacio vectorial W de dimensin
finita de V . En tal caso, existe una base finita de W formada por los vectores
w1 , . . . , wr . La definicin impone, en principio, un conjunto infinito de condi-
ciones para caracterizar a los elementos de W . Sin embargo, vamos a ver que
W = {x V | wi |x = 0 para todo i = 1, . . . , r }. (8.9.1)
Es claro que si x W , entonces est en el conjunto de la derecha. Si ahora

wi |x = 0 para todo i = 1, . . ., r , consideremos un vector w W . Entonces w se
puede expresar como combinacin lineal de w1 , . . . , wr , esto es,
r
X r
X r
X
w= i wi , y w |x = i wi |x = i wi |x = 0.
i =1 i =1 i =1
Tenemos as el resultado.
La caracterizacin del complemento ortogonal dado por las ecuaciones (8.9.1),
que hemos usado en el ejemplo anterior, nos permiten definir un mtodo para
calcular unas ecuaciones implcitas de W a partir de un conjunto de genera-
dores de W = w1 , . . . , wr . Estn dadas por las relaciones
wi |x = 0, i = 1, . . . , r

Depto. de lgebra
En el caso de Kn con el producto escalar estndar, lo anterior toma la forma

w1
..
M x = 0, donde M = . .
wr
Ejemplo 8.9.1.- Consideremos el subespacio W = w1 , w2 R3 , con el pro-

ducto escalar estndar, donde

1 2
w1 = 1 , w2 = 0 .

0 1
Entonces W viene dado por las soluciones del sistema lineal homogneo

1/2
x1 x2 = 0,
esto es W = h1 = 1/2 .
2x1 +x3 = 0,
1
Ejemplo 8.9.2.- Tambin es posible calcular el complemento ortogonal de un

subespacio W definido por unas ecuaciones implcitas respecto a una base.
Por ejemplo, en R4 , con respecto a la base estndar y |e , sea W el subespacio
dado por
x1 + x2 + x3 + x4 = 0,
W x + 2x2 + x3 = 0,
1
x1 x2 + x3 + 3x4 = 0.
Esto significa que los vectores x de W son los que verifican las relaciones

t 1 1 1
u1 x = 0,
1 2

1
u2t x = 0, donde u1 =

, u = , u = .
1 2 1 3 1

t
u3 x = 0,
1 0 3
Es decir, W es el subespacio ortogonal a u1, u2 , u3 , de donde W = u1 , u2 , u3 .

Depto. de lgebra
El uso de la palabra complemento para referirnos a W tiene su origen en

el siguiente resultado.
Complemento ortogonal y suma directa
Sea W un subespacio vectorial de dimensin finita de un espacio vec-

torial V con producto escalar. Entonces
V = W W .
En particular, si V es de dimensin finita, entonces dimW = dimV

dimW .
P RUEBA : Si v W W , entonces v es un vector ortogonal a s mismo,

es decir, v |v = 0, de donde v = 0. Sea BW = {w1 , . . . , wr } una base ortogonal
de W , que existe por el procedimiento de Gram-Schmidt. Si v V , tenemos el
vector asociado
Xr w |v
k
proyW (v ) = 2
wk W.
k=1 k w kk
Recordemos que v proyW (v ) W , por el teorema de la proyeccin ortogonal

(302). Dado que v = proyW (v ) + (v proyW (v )), tenemos el resultado.

El resultado anterior nos permite probar que el vector proyW (v ) solamente

depende del subespacio W y v . En efecto, la suma directa implica que existen
unos nicos w W, w W tales que v = w + w . La expresin v = proyW (v ) +
(v proyW (v )) prueba que el clculo de proyW (v ) se puede hacer con cualquier
base ortogonal de W .
Ejemplo 8.9.3.- En R4, con el producto escalar estndar, consideremos el subes-

pacio W = u1 , u2 y el vector v R4 dados por

1 0 1
2 1 1

u1 = , u2 = , v = .
1 0 1
2 1 1

Depto. de lgebra
Vamos a considerar diferentes alternativas para calcular proyW (v ), la proyec-

cin ortogonal de v sobre W .
El subespacio W est definido por las ecuaciones

x1 + 2x2 + x3 + 2x4 = 0,
W
x2 + x4 = 0,
que resolvemos

" # x1 = x3 ,
1 2 1 2 rref 1 0 1 0

x4 ,

x2 =
, ,
0 1 0 1 0 1 0 1 x = x3 ,
3

x4 = x4 ,

1 0
0

1
U = u3 = ,u = .
1 4 0
0 1
Sabemos que {u1 , u2 , u3 , u4 } es una base de R4 y podemos obtener una expre-

sin de la forma
v = 1 u1 + 2 u2 + 3 u3 + 4 u4
para ciertos escalares i R, i = 1, 2, 3, 4. Se tiene entonces que proyW (v ) =
1 u1 +2 u2 . En este caso, la solucin del sistema es 1 = 1, 2 = 1, 3 = 0, 4 =
0, por lo que
proyW (v ) = u1 u2 = v .
Esto es lgico, porque ya se tena que v W .
Otra forma de calcular la proyeccin ortogonal parte de una base ortogonal
de W . Si aplicamos el procedimiento de Gram-Schmidt al conjunto {u1 , u2 },
obtenemos que {q1 , q2 } es una base ortogonal de W , donde

2
1

q1 = u1 , q2 = .
2
1
Entonces

1
q1 |v q2 |v 3 1
1

q1 + q2 = q1 q2 =

proyW (v ) = .
q1 |q1 q2 |q2 5 5 1
1

Depto. de lgebra
Propiedades del complemento ortogonal
Si W1 y W2 son subespacios de un espacio vectorial (V, |) con pro-

ducto escalar de dimensin finita, entonces
(W1 ) = W1 .
Si W1 W2 , entonces W2 W1 .
(W1 + W2 ) = W1 W2 .
(W1 W2 ) = W1 + W2 .
P RUEBA :
Sea v (W1 ) . Como V = W1 W1 , entonces v = a + b, con a W1 y

b W1 . De aqu,
0 = v |b = a|b + b|b = b|b, de donde b = 0,
y tenemos que v W1 . Por tanto, (W1 ) W1 . Como
dim(W1 ) = dimV dimW1 = dimW1 ,
tenemos la igualdad entre los subespacios.
Si v W2 , entonces v es ortogonal a todos los vectores de W2 , entre los

que se encuentran los de W1 . Por tanto, v W1 .
Dado que W1 ,W2 W1 +W2 , el resultado anterior implica que (W1+W2 )

W1 W2 . Para la otra inclusin, sea v W1 W2 y tomemos un vector
cualquiera w W1 + W2 . Entonces existen w1 W1 , w2 W2 tales que
w = w1 + w2 . De aqu,
v |w = v |w1 + v |w2 = 0.
| {z } | {z }
w1 W1 w2 W2
Por tanto, v (W1 + W2 ) .

Depto. de lgebra
Aplicamos lo anterior para obtener

(W1 + W2 ) = (W1 ) (W2 ) = W1 W2 .
Ejemplo 8.9.4.- El espacio W debe ser de dimensin finita para que se cum-
plan las propiedades del complemento ortogonal. Consideremos V el R-espacio
vectorial de las sucesiones a = {an | an = 0 salvo un nmero finito de trminos },
P
con el producto escalar a|b = i 1 ai b i . Para cada h 1, sea vh la sucesin
que contiene la entrada h-sima igual a 1 y las restantes son iguales a cero. En-
tonces B = {vh | h 1} es una base ortonormal de V . Consideremos el subes-
pacio W generado por las combinaciones lineales finitas del conjunto de su-
cesiones {v1 v2 , v2 v3 , . . .}. Este subespacio es propio, pues v1 6 W y no es
P
de dimensin finita. Si 0V 6= y entonces podemos escribir y = ni=1 ai vi para
ciertos nmeros reales ai y an 6= 0. Si y W , entonces
a1 a2 = 0, a2 a3 = 0, . . . , an an+1 = 0,
y esto contradice el carcter no nulo de y . Por tanto, W = 0V , aunque W 6= V .
Adems, V 6= W W y (W ) = V 6= W .
El concepto de complemento ortogonal permite relacionar el espacios de

columnas y el espacio nulo de una matriz A mn con los de A .
Teorema de descomposicin ortogonal
Sea A mn una matriz compleja. Entonces
Col(A) = null(A ) y null(A) = col (A ).
Como consecuencia,
Cm = Col(A) Col(A) = Col(A) null(A )
y
Cn = null(A) null(A) = null(A) Col(A ).

Depto. de lgebra
P RUEBA : Sea v Col(A) Cm . Entonces v es ortogonal a las columnas de A,

es decir
A e j |v = 0, j = 1, . . ., n.
Entonces ej A v = 0 para todo j = 1, . . . , n, que implica A v = 0. Por tanto, v

null(A ). El recproco se obtiene fcilmente, pues todas las implicaciones son
equivalencias.
Si aplicamos el resultado a A , obtenemos Col(A ) = null(A), que es la se-
gunda igualdad. Las relaciones con la suma directa son consecuencia de la des-
composicin ortogonal.

Ahora vamos a aplicar el clculo del complemento ortogonal para ampliar un

conjunto ortogonal a una base.
Ampliacin de un conjunto ortogonal a una base ortogonal del

espacio
Entrada: conjunto ortogonal S 0 = {q1 , . . . , qs }.

Salida: base ortogonal B = {q1 , . . . , qs , qs+1

, . . . , qn }.
1. Calculamos el complemento ortogonal S 0 = us+1 , . . . , un .
2. Aplicamos el procedimiento de Gram-Schmidt a dicho conjunto.
Ejemplo 8.9.5.- Consideremos los vectores ortonormales

2 0
1
1

0

q1 = , q2 = .
3 0 1
2 0
El conjunto ortogonal a S 0 = {q1 , q2 } est definido por las soluciones del sistema
lineal homogneo

32 x1 + 1
x
3 2
+ 2
x
3 4
= 0,
x3 = 0.

Depto. de lgebra
Como " # " #

2/3 1/3 0 2/3 rref 1 1/2 0 1

,
0 0 1 0 0 0 1 0
una base del espacio de soluciones es

1/2 1

1
0

u3

= ,u = .
0 4 0

0 1
Ahora aplicamos el procedimiento de Gram-Schmidt al conjunto {u3 , u4 }.

1/2

1
q3 = u3 =

,
0

0
q4 = u4 q3 ,
q |u e 2
= 3 4 = ,
q3 |q3 e 5

1 1/2 4/5

0 2 1 2/5

q4

= = .
0 5 0 0

1 0 1
De esta forma ya tenemos un conjunto ortogonal {q1 , q2 , q3 , q4 } que contiene al

original. Para que sea ortonormal, basta normalizar los vectores qi , i = 3, 4:
p p 4
5/5 5 15
p p
1 2 5/5 1 2 5/15
q3 = , q4 = q4 =

q3 = .
q 0 q4 0
3
p
0 5/3

Depto. de lgebra
Una ltima aplicacin del complemento ortogonal es el clculo de unas

ecuaciones implcitas de un subespacio vectorial de Kn a partir de un conjunto
de generadores. Por simplicidad, suponemos fijada la base estndar del espa-
cio vectorial Kn , que es ortonormal respecto al producto escalar estndar, y sea
W el subespacio vectorial generado por un conjunto S.
De paramtricas a implcitas: ortogonal
1. Se considera la matriz A, de orden m n, cuyas columnas son las

componentes de los elementos de S.
2. Calculamos unas ecuaciones implcitas de W a partir de A .
3. Obtenemos una base h1 , . . . , hs de null(A ) mediante la forma es-

calonada de A .
4. Si consideramos la matriz

T= h1 . . . h s
entonces T es la matriz de coeficientes de un sistema lineal ho-

mogneo que define a W .
Ejemplo 8.9.6.- Sea W el subespacio vectorial de R4 generado por los vectores

1 0
2 1

u1 = , u2 = , y formemos la matriz A = u1 u2 .
1 0
2 1
Entonces el complemento ortogonal W est definido por las soluciones del

sistema lineal homogneo A t x = 0:

t 1 2 1 2 rref 1 0 1 0
A =
,
0 1 0 1 0 1 0 1
de donde

1 0

= 0, 0

x1 +x3 1
W , y W = h 1 = , h2 = .
x2 +x4 = 0 1 0
0 1

Depto. de lgebra
Entonces, unas ecuaciones implcitas de W son

x1 +x3 = 0,
W
x2 +x4 = 0.
Ejemplo 8.9.7.- Tambin tenemos un mtodo para el clculo de la intersec-

cin de dos subespacios vectoriales. Consideremos R4 con el producto escalar
estndar y los subespacios dados por

1 0 1 1
2 1 1 2

U = u1 = , u2 = ,V = v1 = , v2 = .
1 0 1 1
2 1 1 0
Calculamos en primer lugar U y V . El conjunto U es el espacio de solucio-

nes del sistema lineal homogneo

x1 + 2x2 + x3 + 2x4 = 0,
x2 + x4 = 0,
por lo que calculamos la forma escalonada reducida por filas de la matriz de

coeficientes:

" # x1 = x3 ,
1 0 1 0

1 2 1 2 x4 ,

rref x2 =
, ,
0 1 0 1 0 1 0 1 x = x3 ,
3

x4 = x4 ,

1 0
0

1
U = u3 = ,u = .
1 4 0
0 1

Depto. de lgebra
Anlogamente para V :

" # " # x1 = x3 2x4 ,
1 1 1 1 1 0 1 2

x4 ,

rref x2 =
, ,
1 2 1 0 0 1 0 1 x = x3 ,
3

x4 = x4 ,

1 2
0 1

V = v3 = , v4 = .
1 0
0 1
El subespacio U +V est generado por los vectores {u3 , u4 , v3 , v4 }. Ahora

tenemos en cuenta la relacin U V = (U + V ) , por lo que calculamos el
espacio ortogonal a este conjunto de vectores:

1 0 1 0 1 0 0 1

0 1 0 1 0 1 0 1
t rref

u3 u4 v3 v4 = .
1 0 1 0 0 0 1 1

2 1 0 1 0 0 0 0
Entonces
1
1

U V = (U + V ) = w1 =

.
1
1
8.10. Isometras
Recordemos que las matrices unitarias U verifican que U = U 1 , que es
equivalente a decir que sus columnas o filas forman una base ortonormal de
Cn . En el caso real, U t = U 1 , y las llamamos ortogonales.
Tambin presentamos un tipo especial de homomorfismo entre espacios
vectoriales con producto escalar.

Depto. de lgebra
Isometra
Sean (V, |V ), (W, |W ) espacios vectoriales de dimensin finita con

producto escalar. Una aplicacin lineal f : V W es una isometra si
v1 |v2 V = f (v1 )| f (v2 )W
para todo v1 , v2 V .
Ejemplo 8.10.1.- Sean V = R2 ,W = R3 con el producto escalar estndar. La

aplicacin lineal f : R2 R3 dada por

a1
a1
v= 7 f (v ) = a2

a2
0
es una isometra. Es claro que f no tiene inversa.
Nota 8.10.1. Si f : V W es una isometra y v V , entonces
f (v )2 = f (v )| f (v )W = v |v V = kv k2 ,

W V
es decir, conserva la
norma.
Recprocamente, supongamos que f es una aplica-
cin lineal tal que f (v )W = kv kV para todo v V . Como el producto escalar

se puede recuperar a partir de la norma (pg. 293), concluimos que f es una
isometra.

Depto. de lgebra
Condicin equivalente de isometra
Sean V y W espacios vectoriales con producto escalar y de la misma

dimensin finita n. Si f Hom(V,W ), las siguientes afirmaciones son
equivalentes:
1. f es una isometra.
2. f es isomorfismo e isometra.
3. Si {v1 , . . . , vn } es una base ortonormal de V entonces

{ f (v1 ), . . . , f (vn )} es una base ortonormal de W .
4. Existe {v1 , . . . , vn } base ortonormal de V tal que { f (v1 ), . . . , f (vn )}

es una base ortonormal de W .
P RUEBA : (1) (2). Supongamos que f es isometra. Si v 6= 0 es un vector de V

entonces 0 6= v |v = f (v )| f (v ), por lo que f (v ) 6= 0. Esto implica que ker f =
0; dado que dimV = dimW , tenemos que f es isomorfismo.
(2) (3). Sea ahora {v1 , . . . , vn } una base ortonormal de V . Como f es iso-
morfismo, { f (v1 ), . . . , f (vn )} es una base de W . Adems,
f (vi )| f (v j ) = vi |v j = i j ,
por lo que tambin es una base ortonormal.

(3) (4). Es inmediato.
(4) (1). Sea {v1 , . . . , vn } una base ortonormal de V y tomemos vectores
P P
u, v V . Entonces u = ni=1 ai vi , v = nj=1 b j v j y
n
X
u|v = a i bi .
i =1
Adems,
! !
n
X n
X
f (u)| f (v ) = f ai vi | f b j vj
i =1 j =1
n X
X n n
X
= ai b j f (vi )| f (v j ) = ai b i = u|v .
i =1 j =1 i =1
Las matrices unitarias complejas de orden n forman un grupo, que nota-

remos por U (n). Las matrices ortogonales reales tambin tienen estructura de

Depto. de lgebra
grupo, notado por O(n). Es claro que si A es una matriz ortogonal, entonces
1 = det(I ) = det(A A t ) = det(A)2 , de donde det(A) = 1. El conjunto de matrices
ortogonales de orden n con determinante igual a 1 forma un grupo respecto al
producto, que notaremos por SO(n), y se denomina grupo especial ortogonal.
Tambin es llamado el grupo de las rotaciones de Rn y representa los movi-
mientos directos.
Es interesante una reformulacin del teorema de condicin equivalente de
isometra (pg. 326) cuando el espacio vectorial de partida y llegada coinciden.
Isometra y matriz unitaria
Sea f : V V una aplicacin lineal, con (V, |) un K-espacio vectorial

de dimensin finita. Son equivalentes:
1. f es isometra.

2. Si v V , entonces kv k = f (v ).
3. Para toda base ortonormal B de V , la matriz de f respecto de la

base B es unitaria.
4. Existe una base ortonormal B de V tal que la matriz de f respecto

de la base B es unitaria.
P RUEBA : Si f es isometra,
2
kv k2 = v |v = f (v )| f (v ) = f (v ) ,

de donde kv k = f (v ), pues son nmeros no negativos. Como la norma de-
fine al producto escalar, la igualdad de las normas implica que f es isometra.
Tenemos as la equivalencia entre las dos primeras condiciones.
Sea entonces B = {v1 , . . . , vn } una base ortonormal de V y llamemos A =
MB ( f ). Por el teorema de equivalencia de isometras, el conjunto { f (v1 ), . . . , f (vn )}
es una base ortonormal de V , de donde
f (vi )| f (v j ) = i j , i , j = 1, . . . , n.
Por el teorema de expresin del producto escalar respecto de una base ortonor-
mal (pg. 303), se tiene que
f (vi )| f (v j ) = [ f (vi )]B [ f (v j )]B .
Si unimos ambas expresiones, nos queda que A A = I .

Depto. de lgebra
Supongamos ahora que existe una base ortonormal B tal que la matriz de
f respecto de la base B es unitaria. Si llamamos A es esta matriz, entonces
f (u)| f (v ) = [u]B A A[v ]B = [u]B [v ]B = u|v .
En particular, la ltima equivalencia nos dice que si un endomorfismo f

est definido por una matriz unitaria U respecto de una base ortonormal, en-
tonces f es una isometra.

Aligeoi Tema08 2016 2017 - 443183

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Aligeoi Tema08 2016 2017 - 443183

Uploaded by

Copyright:

Available Formats

Captulo 8

Espacio vectorial con producto

Nuestro punto de partida es un espacio vectorial V definido sobre K = R o

8.1. Productos escalares

Un producto escalar sobre un espacio vectorial real o complejo es una

1. x|x es real, con x|x 0, y x|x = 0 si y solamente si x = 0.

2. x|y = x|y para todos los escalares .

3. x|y + z = x|y + x|z .

4. x|y = y |x. Para espacios reales queda x|y = y |x.

Nota 8.1.1. Observemos que de la definicin anterior se tiene que

Por tanto, no es lineal respecto a la primera componente. No hay unicidad en

Ejemplo 8.1.1.- Consideremos la aplicacin | : R2 R2 R dada por x|y =

1. x|x = 2x12 + 3x22 es un nmero real no negativo, pues es la suma de n-

2. x|y = 2x1 (y 1 ) + 3x2 (y 2 ) = (2x1 y 1 + 3x2 y 2 ) = x|y .

3. x|y + z = 2x1 (y 1 + z 1 ) + 3x2 (y 2 + z 2 ) = x|y + x, z .

Entonces | es un producto escalar sobre R2 .

282 lgebra Lineal y Geometra

Producto escalar estndar

La funcin |e : Rn Rn R, que definimos como

es un producto escalar sobre R, que denominamos producto es-

La funcin |e : Cn Cn C, que definimos como

es un producto escalar sobre C, que denominamos producto es-

P RUEBA : Vamos a probar el caso complejo, porque el caso real es idntico.

1. x|xe 0. Por la definicin,

y solamente toma el valor cero cuando x = 0.

3. x|y + z e = x|y + x|z e .

lgebra Lineal y Geometra 283

Ejemplo 8.1.2.- Sea P una matriz no singular de orden n sobre C. La aplica-

Ejemplo 8.1.3.- Sea K uno de los cuerpos R o C y consideremos el espacio

A|B = traza(A B).

Ejemplo 8.1.4.- Sea V el conjunto de funciones continuas en el intervalo [a, b]

284 lgebra Lineal y Geometra

. Tiene estructura de C-espacio vectorial y podemos definir un producto es-

Como consecuencia de la definicin de un producto escalar, se verifica que

x + y |z = x|z + y |z . En efecto, pues

x|0 = 0|x = 0. Tenemos que

0|x = 0 x|x = 0 x|x = 0,

Fijado x V , si x|y = 0 para todo y V , entonces x = 0. Basta tomar

Si x|y1 = x|y2 para todo x V , entonces y1 = y2 , pues x|y1 y2 = 0

Espacios vectoriales eucldeos y unitarios

Los espacios vectoriales reales con un producto escalar se denominan

De forma conjunta, hablaremos de espacios vectoriales con producto escalar o

lgebra Lineal y Geometra 285

8.2. * Expresin matricial de un producto escalar

La matriz de Gram del producto escalar | respecto de la base B es la

Ejemplo 8.2.1.- En Rn , con respecto a la base estndar, la matriz de Gram del

Lo mismo ocurre con el producto estndar de Cn con respecto a la base estn-

Ejemplo 8.2.2.- Consideremos en R2 el producto escalar dado por x|y =

286 lgebra Lineal y Geometra

En el caso real, la matriz G es simtrica, mientras que en el caso complejo

Expresin matricial del producto escalar

Sea [x]B , [y ]B los vectores coordenados de dos vectores x, y respecto

Por supuesto, la matriz de Gram G depende de la base elegida, por lo que es

lgebra Lineal y Geometra 287

x|y = [x]B G[y ]B

[x]B G [y ]B = [x]B P GP [y ]B para todo x, y V,

Producto escalar y cambio de base

Sea (V, |) un espacio vectorial con producto escalar, y B, B bases de

Decimos que las matrices son *-congruentes.

El estudio de la *-congruencia de matrices es un tema de profundas ramifi-

Ejemplo 8.2.3.- Sea V = R3 con el producto escalar estndar |e , y conside-

La matriz de Gram respecto de la base B es

La matriz de Gram respecto de la base B es la matriz identidad, y la matriz del