ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

∑X Y
Capítulo 5 <α, β> =
i =1
i i .

ESPACIOS EUCLÍDEOS Esta operación es un producto interno ya que:

n n n
1. <α, α> = ∑X Xi =1
i i = ∑X
i =1
2
i ≥ 0 y <α, α> = ∑X
i =1
2
i = 0 si y sólo si

X1 = X2 = … = Xn = 0, es decir, si y sólo si α = θnx1.

5.1. INTRODUCCIÓN. n n
2. <α, β> = ∑X Y = ∑YX
i =1
i i
i =1
i i = <β, α>.
En este capítulo se da continuación al tema anterior con los Espacios
n n
Euclídeos, los cuales son Espacios Vectoriales en los cuales está definida una
particular operación llamada producto interno, la cual a su vez da lugar a 2 3. <c•α, β> = ∑ (cX )Y
i =1
i i = c ∑X Y
i =1
i i = c<α, β>.
importantes conceptos geométricos que tienen suma importancia en el
n n
desarrollo del análisis de datos multivariante como lo son el concepto de
Distancia y el concepto de Proyección Ortogonal. Se exponen todos los
4. <α + β, δ> = ∑ (X
i =1
i + Yi )Zi = ∑ (X Z + Y Z )
i =1
i i i i

conceptos asociados como lo son el proceso de ortonormalización de Gram- n n

Schmidt y por supuesto la Proyección Ortogonal. = ∑X Z + ∑Y Z
i =1
i i
i =1
i i = <α, δ> + <β, δ>
5.2. DEFINICIONES, PROPIEDADES Y EJEMPLOS.
Por lo tanto, V = ℜn es un espacio euclídeo.
Definición 5.1.
Observación:
Sea V un espacio vectorial sobre ℜ. Un producto interno (escalar) sobre V es
una función <,>: VxV→ℜ que asigna a cada par ordenado (α, β)∈VxV un El producto interno utilizado en el ejemplo anterior se denomina producto
único número real <α, β> y verifica las propiedades siguientes: interno estándar sobre ℜn. De ahora en adelante, cuando se mencione a ℜn
como espacio euclídeo será con el producto interno estándar, salvo que se
1. ∀ α∈V se cumple que <α, α> ≥ 0 y <α, α> = 0 si y sólo si α = θ. señale lo contrario.
2. ∀ α, β∈V se cumple que <α, β> = <β, α>.
3. ∀ α, β∈V, c∈ℜ se cumple que <c•α, β> = c<α, β>. Ejemplo 5.2.
4. ∀ α, β, δ∈V se cumple que <α + β, δ> = <α, δ> + <β, δ>.
Sea V = C[a, b] el espacio vectorial definido por el conjunto de funciones
Un espacio vectorial V sobre ℜ en el cual está definido un producto interno se continuas reales de variable real en el intervalo [a, b].
dice que es un espacio euclídeo.
Si α = f(x), β = g(x), δ = h(x)∈V entonces se define la operación:
Observación:
b

Un espacio euclídeo no siempre tiene un único producto interno, es decir, un <α, β> = ∫ f (x)g(x)dx .
a
espacio vectorial puede ser un espacio euclídeo con diferentes productos
internos. Esta operación es un producto interno sobre V ya que:

Ejemplo 5.1.
∫ (f (x)) dx ≥0 y <α,α> = ∫ (f (x)) dx = 0
b b b
∫
2 2
1. <α, α> = f ( x )f ( x )dx =
a a a
⎡ X1 ⎤ ⎡ Y1 ⎤ ⎡ Z1 ⎤ si y sólo si f(x) = 0, es decir, si y sólo si α = θ.
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
X Y Z b b
Sea V = ℜn. Si α = ⎢ 2 ⎥ , β = ⎢ 2 ⎥ , δ = ⎢ 2 ⎥ entonces se define la 2. <α, β> = ∫ f (x)g(x)dx = ∫ g(x)f (x)dx = <β, α>.
⎢ M ⎥ ⎢ M ⎥ ⎢M ⎥ a a
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
∫ (cf (x))g(x)dx
b b
⎢⎣X n ⎥⎦ ⎢⎣Yn ⎥⎦ ⎢⎣ Z n ⎥⎦ 3. <c•α, β> =
a ∫
= c f ( x )g ( x )dx = c<α, β>.
a
siguiente operación entre vectores de V = ℜn :
∫ (f (x) + g(x))h(x)dx = ∫ (f (x)h(x) + g(x)h(x))dx
b b
4. <α + β, δ> =
a a

175
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

b b Demostración
= ∫ f (x)h(x)dx + ∫ g(x)h(x)dx = <α, δ> + <β, δ>
a a

1. Por hipótesis ||α|| = < α, α > . Por la propiedad 1 de producto

Por lo tanto, V = C[a, b] es un espacio euclídeo.
interno se cumple que <α, α> ≥ 0. Luego, ||α|| ≥ 0.
Observación:
2. CN(⇒): Si ||α|| = 0 entonces α = θ.
Sean A∈Mmxn(ℜ) y A1, A2, …, An las columnas de A. En ese caso, Aj∈ℜn,
m Si ||α|| = 0 entonces < α, α > = 0. Esto implica que < α, α > = 0.
∀ j = 1, 2, …, n. Luego, <Ah, Aj> = ∑A
i =1
ih A ij = (Ah)tAj = (Aj)tAh.
Por la propiedad 1 de producto interno se cumple que α = θ.

CS(⇐): Si α = θ entonces ||α|| = 0.

Definición 5.2.

Sean V un espacio euclídeo y α∈V. Se define como Longitud o Norma de α y Si α = θ entonces por la propiedad 1 de producto interno se cumple
se denota por ||α|| a: que < α, α > = 0. Luego, < α, α > = 0 y por consiguiente
||α|| = 0.
||α|| = < α, α >
3. ||cα|| = < c • α, c • α > .
Ejemplo 5.3.
⇒ ||cα|| = c < α, c • α > (Por la propiedad 3 de producto interno)
En relación al ejemplo 5.1.:
⇒ ||cα|| = c < c • α, α > (Por la propiedad 2 de producto interno)

⎡ X1 ⎤ ⇒ ||cα|| = c.c < α, α > (Por la propiedad 3 de producto interno)

⎢ ⎥
X n
Sea α = ⎢ 2 ⎥ ∈ℜn. Entonces, ||α|| =
⎢ M ⎥
< α, α > = ∑X i =1
2
i . ⇒ ||cα|| = c 2 < α, α >
⎢ ⎥ ⇒ ||cα|| = c 2 < α, α >
⎣⎢X n ⎦⎥
⇒ ||cα|| = |c|.||α||.
Ejemplo 5.4.
4. Si α = θ entonces el resultado es inmediato, ya que
En relación al ejemplo 5.2.: |<θ, β>| = |<0•δ, β>| = |0.<δ, β>| = |0| = 0 = 0. ||β|| = ||α||.||β||.
< β, α >
Supongamos que α ≠ θ. Sea δ = β − α.
b || α ||2
Sea α = f(x)∈V. Entonces ||α|| = < α, α > = ∫f
2
( x )dx .
a
< β, α >
<δ, α> = < β − α , α>
|| α ||2
Observación:
< β, α >
Sean A∈Mmxn(ℜ) y A1, A2, …, An las columnas de A. En ese caso, Aj∈ℜn, = <β, α> – < α , α> (Por la propiedad 4 de
|| α ||2
m
∀ j = 1, 2, …, n. Luego, ||Aj|| = < A j, A j > = ∑ (A
i =1
ij )2 = (A j ) t A j . producto interno)
< β, α >
= <β, α> – .<α, α> (Por la propiedad 3 de producto
|| α ||2
Teorema 5.1.
interno)
Sea V un espacio euclídeo. Si α, β∈V y c∈K entonces: < β, α >
= <β, α> – . || α ||2
|| α ||2
1. ||α|| ≥ 0. = <β, α> – <β, α> = 0.
2. ||α|| = 0 si y sólo si α = θ.
3. ||cα|| = |c|.||α|| Ahora bien,
4. |<α, β>| ≤ ||α||.||β||. (Desigualdad de Cauchy-Schwartz)
5. ||α+β|| ≤ ||α|| + ||β||. (Desigualdad Triangular) <δ, δ> ≥ 0, es decir,

176 177
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

< β, α > = < α, α > + < α, β > + < α, β > + < β, β >
0 ≤ <δ, δ> = <δ, β − α>
|| α ||2
= < α, α > +2 < α, β > + < β, β >
< β, α >
= <β− α , δ>
|| α ||2 Luego,
< β, α >
= <β, δ> – < α , δ>
|| α ||2 ||α+β||2 = ( < α, α > +2 < α, β > + < β, β > )2
< β, α > = < α, α > +2 < α, β > + < β, β >
= <δ, β> – < α , δ>
|| α ||2 = ||α||2 + 2<α, β> + ||β||2
< β, α >
= <δ, β> – <α, δ> Por el apartado anterior |<α, β>| ≤ ||α||.||β||. Luego,
|| α ||2
< β, α > –||α||.||β|| ≤ <α, β> ≤ ||α||.||β||
= <δ, β> – <δ, α>
|| α ||2
⇒ 2<α, β> ≤ 2||α||.||β||
< β, α > ⇒ ||α||2 + ||β||2 + 2<α, β> ≤ ||α||2 + ||β||2 + 2||α||.||β||
= <δ, β> – .0
|| α ||2 ⇒ ||α+β||2 ≤ (||α|| + ||β||)2
= <δ, β> – 0 ⇒ ||α+β|| ≤ ||α||+||β||
= <δ, β>
< β, α > Definición 5.3.
= <β− α , β>
|| α ||2
Sean V un espacio euclídeo y α, β∈V. Se define como Distancia Euclídea
< β, α > entre α y β y se denota por d(α, β) a:
= <β, β> – < α , β>
|| α ||2
d(α, β) = ||α – β||
< β, α >
= <β, β> – .<α, β>
|| α ||2 Observaciones:
< α, β >
= <β, β> – .<α, β> 1. d(α, β) = d(α – β, θ).
|| α ||2
2. La distancia entre 2 vectores en un espacio euclídeo no es única en el
( < α, β > ) 2 sentido de que puede ser calculada a través de diferentes productos
= <β, β> –
|| α ||2 internos que estén definidos sobre dicho espacio euclídeo.

Teorema 5.2.
( < α, β > ) 2 < β, β >|| α ||2 −(< α, β >) 2
Luego, 0 ≤ <β, β> – ⇒0≤
|| α ||2 || α ||2 Sea V un espacio euclídeo. Si α, β∈V entonces:
⇒ 0 ≤ < β, β >|| α || −(< α, β >)
2 2
2 2
d 2 ( α , β) = α + β − 2 < α , β >
⇒ 0 ≤ || β ||2 || α ||2 −(< α, β >) 2
⇒ (< α, β >) 2 ≤ || β ||2 || α ||2 Demostración
⇒ |< α, β >| ≤ || α || . || β ||
Por definición:
5. ||α+β|| = < α + β, α + β) d(α, β) = ||α – β||

= < α, α + β)+ < β, α + β) Luego,

= < α + β, α > + < α + β, β > d2(α, β) = ||α – β||2

⇒ d (α, β) = <α – β, α – β>
2

= < α, α > + < β, α > + < α, β > + < β, β > ⇒ d2(α, β) = <α, α – β> + <–β, α – β>

178 179
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

⇒ d2(α, β) = <α, α – β> – <β, α – β> La base canónica B = {e1, e2, …, en} es un conjunto ortonormal ya que:
⇒ d2(α, β) = <α – β, α> – <α – β, β>
⇒ d (α, β) = <α, α> + <–β, α> – (<α, β> + <–β, β>)
2
||ei|| = 0 2 + 0 2 + ... + 12 + ... + 0 2 = 1 = 1 , ∀ i = 1, 2, …, n.
⇒ d2(α, β) = <α, α> – <β, α> – (<α, β> – <β, β>)
<ei, ej> = 0.0 + 0.0 + … + 1.0 + … + 0.1 + … + 0.0 = 0. ∀ i = 1, 2, …, n,
⇒ d2(α, β) = <α, α> – <β, α> – <α, β> + <β, β>
j = 1, 2, …, n.
⇒ d2(α, β) = <α, α> + <β, β> – <α, β> – <α, β>
⇒ d2(α, β) = ||α||2 + ||β||2 – 2<α, β> Por consiguiente B es una base ortonormal de ℜn.
Ejemplo 5.5. Teorema 5.3.
En relación al ejemplo 5.1.: Sea V un espacio euclídeo.

⎡ A1 ⎤ ⎡ B1 ⎤ 1. ∀ α∈V se cumple que <θ, α> = 0.

⎢ ⎥ ⎢ ⎥ 2. ∀ α, β, δ∈V se cumple que <α, β + δ> = <α, β> + <α, δ>.
A B
Sean α, β∈ℜ n
definidos por α = ⎢ 2⎥ y β = ⎢ 2⎥ . Luego, 3. Si α, αi∈V, ci∈ℜ, i = 1, 2, …, n, entonces :
⎢ M ⎥ ⎢ M ⎥
⎢ ⎥ ⎢ ⎥ n n
⎣⎢A n ⎦⎥ ⎣⎢Bn ⎦⎥ < α, ∑c • α
i =1
i i >= ∑c i =1
i < α, α i >
⎡ A1 − B1 ⎤
⎢ ⎥ 4. Si αi, βj∈V, ci, dj∈ℜ, 1 ≤ i ≤ n, 1 ≤ j ≤ m, entonces :
A − B2 ⎥
α −β = ⎢ 2
n m n m
. Por consiguiente:
⎢ M ⎥
⎢ ⎥
< ∑c • α ,∑d
i =1
i i
j=1
j •βj > = ∑∑ c d
i =1 j=1
i j < αi ,β j >

⎣⎢A n − Bn ⎦⎥ 5. Si S es un subconjunto de V ortogonal formado por vectores no

nulos entonces S es L.I.
n
d(α, β) = ||α – β|| = ∑ (A
i =1
i − Bi ) 2 Demostración

1. Sean α, β∈V. Luego, <θ, α> = <0•β, α> = 0.< β, α> = 0.

Como en V = ℜn se cumple que <α, β> = αtβ entonces otra forma de expresar 2. Sean α, β, δ∈V. Luego,
la distancia entre α y β es: <α, β> + <α, δ> = <β, α> + <δ, α>
= <β+δ, α>
d2(α, β) = ||α||2 + ||β||2 – 2αtβ = <α, β+δ>
n n
Definición 5.4. = < α, ∑c • α
i =1
i i >= ∑ < α, c • α
i =1
i i >

Sean V un espacio euclídeo y α∈V. Se dice que α es normalizado o unitario si n

||α|| = 1. = ∑< c • α ,α >

i =1
i i

n
Definición 5.5.
= ∑c
i =1
i < αi , α >
Sea V un espacio euclídeo. Se dice que un vector α∈V es ortogonal a un n
vector β∈V y se escribe α ⊥ β si <α, β> = 0. Un subconjunto S de V se dice
que es un conjunto ortogonal si ∀ α, β∈S con α ≠ β se cumple que α ⊥ β. Un
= ∑c
i =1
i < α, α i >

subconjunto S de V se dice que es un conjunto ortonormal si S es ortogonal y n m m n

cada vector de S es unitario. =< ∑c • α ,∑d
i =1
i i
j=1
j •βj > = ∑ d <∑ c • α , β
j=1
j
i =1
i i j >

Una base B de V se dice que es una base ortogonal (respectivamente m n

ortonormal) de V si B es un conjunto ortogonal (respectivamente ortonormal). = ∑d j=1
j < β j, ∑c • α
i =1
i i >

Ejemplo 5.6. m n
= ∑d ∑c
j=1
j
i =1
i < β j , αi >
Sea V = ℜn.

180 181
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

m n
⎧ n
= ∑∑ c d
j=1 i =1
i j < αi ,β j >
⎪
∑
⎪ A ri A rj = 1 si i = j
= ⎨ rn=1
∑
⎪ A A =0
n m
si i ≠ j
= ∑∑ c d
i =1 j=1
i j < αi ,β j > ⎪⎩ r =1 ri rj

3. Supongamos que S = {α1, α2, …, αp}. Sean escalares c1, c2, …, ⎧ n

P ⎪
∑
⎪ A ri A ri = 1 si i = j
cp∈K tales que ∑ c i • α i = θ. Luego, ∀ j = 1, 2, …, p se cumple = ⎨ rn=1
I =1
∑
⎪ A A =0
⎪⎩ r =1 ri rj
si i ≠ j
que:
⎧ n
P
∑ 2
⎪ (A ri ) = 1 si i = j
0 = <θ, αj> = < ∑c
I =1
i • α i , αj > ⎪
= ⎨ r =1 n
P
⎪
∑ A A =0
⎪⎩ r =1 ri rj
si i ≠ j
= <α j , ∑ c i • α i > (Por la propiedad 2 de producto interno)
I =1 ⎧⎪ || A i ||2 = 1 si i = j
p = ⎨
= ∑
i =1
ci < α j , α i > (Por el apartado 3) ⎪⎩< A i , A j >= 0 si i ≠ j
⎧⎪ || A || = 1
i
si i = j
j-1 p = ⎨
= ∑
i =1
c i < α j , α i > + cj<αj, αj> + ∑ ci < α j , α i >
i = j+1
⎪⎩< A i , A j >= 0 si i ≠ j

= 0 + cj||αj|| + 0 = cj||αj||2
2
Luego, las columnas de A forman un conjunto ortonormal. Como A es no
singular entonces por el teorema 4.10., sus columnas forman un conjunto L.I.
Como por hipótesis αj ≠ θ entonces ||αj||2 > 0. Por consiguiente, Luego, por el teorema 4.16., las columnas de A forman una base de ℜn. Por
cj = 0, ∀ j = 1, 2, …, p, es decir, S es L.I. consiguiente, las columnas de A forman una base ortonormal de ℜn.

Teorema 5.4. CS(⇐): Si las columnas de A forman una base ortonormal de ℜn entonces A es
ortogonal.
Sea A∈Mnxn(ℜ). A es ortogonal si y sólo si sus columnas forman una base
ortonormal de ℜn. Por hipótesis, las columnas de A forman una base ortonormal de ℜn. Por lo
tanto, las columnas de A forman un conjunto ortonormal. Luego,
Demostración
⎧⎪ || A i || = 1 si i = j
CN(⇒): Si A es ortogonal entonces sus columnas forman una base ortonormal ⎨
de ℜn. ⎪⎩< A i , A j >= 0 si i ≠ j
⎧⎪ || A i ||2 = 1 si i = j
Por hipótesis, A es ortogonal, es decir, AtA = AAt = In. En otras palabras A es ⇒ ⎨
no singular y A-1 = At. ⎪⎩< A i , A j >= 0 si i ≠ j
⎧ n
Luego, ∑
⎪ r =1
2
⎪ (A ri ) = 1 si i = j
⇒ ⎨ n
⎧ n
∑ t
⎪ (A ) ir A rj = 1 si i = j
⎪
∑
A A =0
⎪⎩ r =1 ri rj
si i ≠ j
t ⎪ r =1
(AA )ij = ⎨ n
⎧ n
∑
⎪ (A t ) A = 0
⎪⎩ r =1 ir rj si i ≠ j ∑
⎪ A ri A ri = 1
⎪
si i = j
⇒ ⎨ rn=1
⎪ A A =0
∑
⎪⎩ r =1 ri rj
si i ≠ j

182 183
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

⎧ n Demostración
⎪
∑
⎪ A ri A rj = 1 si i = j
⇒ ⎨ rn=1 1. Por hipótesis, S = {α1, α2, …, αn} es un subconjunto de V L.I.
∑
⎪ A A =0
⎪⎩ r =1 ri rj
si i ≠ j Veamos que existen vectores no nulos β1, β2, …, βn tales que
{β1, β2, …, βn} es ortogonal y βi ∈ [{α1, α2, …, αi}], 1 ≤ i ≤ n.
⎧ n
∑ t
⎪ (A ) ir A rj = 1
⎪ r =1
si i = j Utilicemos inducción matemática. Veamos que la afirmación se
cumple para n = 2.
⇒ ⎨ n
∑
⎪ (A t ) A = 0
⎪⎩ r =1 ir rj si i ≠ j
En efecto, S = {α1, α2} es L.I.
< α 2 , β1 >
⎧1 si i = j Definamos β1 = α1 y β2 = α2 – β1.
⇒ (AAt)ij = ⎨ || β1 ||2
⎩0 si i ≠ j
⇒ AAt = In. Luego, β2 ≠ θ y además β2 ⊥ β1, ya que:
⇒ A-1 = At.
⇒ A es ortogonal. < α 2 , β1 >
<β2 , β1> = <α2 – β1, β1>
|| β1 ||2
Teorema 5.5.
< α 2 , β1 >
= <α2, β1> –< β1, β1>
1 || β1 ||2
Sean V un espacio euclídeo y α, β∈V. Si α ≠ θ entonces β = α es un
|| α || < α 2 , β1 >
vector normalizado. = <α2, β1> – <β1, β1>
|| β1 ||2
Demostración < α 2 , β1 >
= <α2, β1> – ||β1||2
|| β1 ||2
Demostremos que ||β|| = 1.
= <α2, β1> – < α 2 , β1 > = 0.
En efecto,
Supongamos que la afirmación se cumple para n = p, es decir:
1 1
||β|| = < β, β > = < α, α>
|| α || || α || Sea S = {α1, α2, …, αp} un subconjunto de V L.I. Entonces existen
vectores no nulos β1, β2, …, βp tales que {β1, β2, …, βp} es
1 1 1 1
= < α, α> = . < α, α > ortogonal.
|| α || || α || || α || || α ||
1 1 Demostremos que la afirmación se cumple para n = p+1, es decir:
= < α, α > = || α ||2 = 1 =1
|| α ||2 || α ||2 Sea S = {α1, α2, …, αp, αp+1} un subconjunto de V L.I. Entonces
existen vectores no nulos β1, β2, …, βp, βp+1 tales que
5.3. PROCESO DE ORTONORMALIZACIÓN DE GRAM-SCHMIDT. {β1, β2, …, βp, βp+1} es ortogonal.

Teorema 5.6. Definamos:

Sea V un espacio euclídeo. Si S = {α1, α2, …, αn} es un subconjunto de V L.I. < α p +1 , β1 > < α p +1 , β 2 > < α p +1 , β p >
entonces existen vectores δ1, δ2, …, δn∈V que verifican las siguientes βp+1 = αp+1 – β1 – β2 – … –
|| β1 ||2 || β 2 ||2 || β n ||2
condiciones:
βp
1. {δ1, δ2, …, δn} es ortonormal.
2. ∀ i, 1 ≤ i ≤ n, se cumple que δi∈[{α1, α2, …, αi}] y por p
< α p +1 , β r >
consiguiente [{α1, α2, …, αi}] = [{δ1, δ2, …, δi}], 1 ≤ i ≤ n.
Es decir, β p +1 = α p +1 − ∑
r =1 || β r ||2
βr

Veamos que βp+1 ⊥ βi, 1 ≤ i ≤ p.

184 185
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

βi = c1 • α1 + c 2 • α 2 + ... + ci • α i
En efecto,
Por consiguiente,
p
< α p +1 , β r >
<βp+1, βi> = < α p +1 − ∑
r =1 || β r ||2
β r , βi>
1 1 1 1
βi = c1 • α1 + c 2 • α 2 + ... + ci • α i
p
< α p +1 , β r > || βi || || βi || || βi || || βi ||
= <αp+1, βi> – < ∑ || β r ||2
β r , βi>
1 1 1
r =1
δi = c1 • α1 + c 2 • α 2 + ... + ci • α i
p
< α p +1 , β r > || βi || || βi || || βi ||
= <αp+1, βi> – ∑ r =1 || β r ||2
< β r , βi >
Luego, δi∈[{α1, α2, …, αi}] y además [{α1, α2, …, αi}] =
i −1
< α p +1 , β r > < α p +1 , βi > [{δ1, δ2, …, δi}], 1 ≤ i ≤ n.
= <αp+1, βi> – ∑
r =1 || β r ||2
< β r , βi > –
|| βi ||2
< βi , β i > +
Teorema 5.7.
p
< α p +1 , β r >
– ∑
r =i +1 || β r || 2
< β r , βi >
Sea V un espacio euclídeo. Si V es finito dimensional entonces V tiene una
i −1 < α p +1 , β r > < α p +1 , βi > base ortonormal.
= <αp+1, βi> – ∑
r =1 || β r ||2
.0 –
|| βi ||2
< β i , βi > +
Demostración
p
< α p +1 , β r >
– ∑
r =i +1 || β r ||2
.0 (Por hipótesis de inducción) Sea Dim(V) = n y B = {α1, α2, …, αn} una base de V. Por el teorema anterior
se tiene que a partir de B se puede construir un conjunto {δ1, δ2, …, δn}
< α p +1 , βi > ortonormal y por consiguiente L.I. Luego, {δ1, δ2, …, δn} es una base
= <αp+1, βi> – || βi ||2
|| βi ||2 ortonormal de V.
= <αp+1, βi> – <αp+1, βi> = 0.
Ejemplo 5.7.
Luego, el conjunto S1 = {β1, β2, …, βn} es ortogonal y βi ≠ θ, 1 ≤ i
Construyamos una base ortonormal en ℜ3 comenzando con la base:
β
≤ n. Si definimos los vectores δ1, δ2, …, δn∈V tales que δi = i
|| βi || ⎧ ⎡1⎤ ⎡ 0⎤ ⎡1⎤ ⎫
entonces el conjunto {δ1, δ2, …, δn} es ortogonal y por el teorema ⎪ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎪
⎨α1 = ⎢1⎥, α 2 = ⎢1⎥, α 3 = ⎢0⎥ ⎬
5.4., el conjunto {δ1, δ2, …, δn} es ortonormal. ⎪ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦ ⎢⎣1⎥⎦ ⎪
⎩ ⎭
2. Por el apartado anterior se cumple que:
Aplicamos Gram-Schmidt:
β1 = α1
< α 2 , β1 > < α 2 , β1 > < α 2 , β1 > ⎡1⎤
β2 = α2 – β1 = α2 – α1 = – α1 + α2
|| β1 ||2 || β1 ||2 || β1 ||2 ⎢ ⎥
β1 = α1 = ⎢1⎥
< α 3 , β1 > < α3 ,β2 > ⎢⎣0⎥⎦
β3 = α3 – β1 – β2
|| β1 ||2 || β 2 ||2
< α 2 , β1 >
< α 3 , β1 > < α3 ,β2 > < α 2 , β1 > β2 = α2 – β1
β3 = α3 – α1 – (α2 – α1) || β1 ||2
|| β1 ||2 || β 2 ||2 || β1 ||2
⎡0 ⎤ ⎡1⎤ ⎡0⎤ ⎡1⎤ ⎡0⎤ ⎡ 1 2 ⎤ ⎡ − 1 2 ⎤
β3 = α3 –
< α 3 , β1 >
α1 –
< α3 ,β2 >
α2 +
< α 3 , β 2 > < α 2 , β1 >
α1 ⎢ ⎥ (0.1 + 1.1 + 1.0) ⎢ ⎥ ⎢ ⎥ 1 ⎢ ⎥ ⎢ ⎥ ⎢ 1 ⎥ ⎢ 1 ⎥
= ⎢1⎥ − 2 2 1 = 1 − 1 = 1 −⎢ ⎥ = ⎢ ⎥
|| β1 ||2 || β 2 ||2 || β 2 ||2 || β1 ||2 1 + 1 + 02 ⎢ ⎥ ⎢ ⎥ 2 ⎢ ⎥ ⎢ ⎥ ⎢ 2⎥ ⎢ 2⎥
⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦ 0 1
< α 3 , β 2 > < α 2 , β1 > < α 3 , β1 > < α 3 , β2 > ⎢⎣ ⎥⎦ ⎢⎣ ⎥⎦
β3 = ( – )α1 – α2 + α3
|| β 2 ||2 || β1 ||2 || β1 ||2 || β 2 ||2 < α 3 , β1 > < α3 ,β2 >
β3 = α3 – β1 – β2
En general, existen escalares c1, c2, …, cn∈K tales que: || β1 ||2 || β 2 ||2

186 187
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

⎡− 1 ⎤ En consecuencia, el conjunto {δ1 , δ 2 , δ3 } es una base ortonormal de ℜ3.

⎡1⎤ ⎡1⎤ 2⎥
⎢ ⎥ 1.1 + 0.1 + 1.0 ⎢ ⎥ − 1 +1 ⎢
= ⎢0 ⎥ − 2 2 1 − 2 ⎢ 1 ⎥
2 ⎢ ⎥ 1 2⎥
⎢⎣1⎥⎦
1 +1 + 0
⎢⎣0⎥⎦ ( − ) 2
+ ( 1 ) 2 + 12 ⎢ Ejemplo 5.8.
2 2 1⎥
⎣⎢ ⎦
Construyamos una base ortonormal en P2 en el intervalo [0, 1] con el producto
⎡1 ⎤ ⎡1 ⎤ ⎡− 1 ⎤ ⎡1 ⎤ ⎡ 1 2 ⎤ ⎡− 1 ⎤ 1
⎢ ⎥ 1⎢ ⎥
= ⎢ 0 ⎥ − ⎢1 ⎥ −
1
2
⎢
⎢
2⎥ ⎢ ⎥
1 ⎥ = ⎢0 ⎥ − ⎢ 1 ⎥ −
1 ⎢
2⎢
2⎥
1 ⎥
interno <α, β> = ∫ f (t)g(t )dt , con α = f(t) y β = g(t), comenzando con la
0
2 1 + 1 +1 ⎢ 2⎥ ⎢ ⎥ ⎢ 2⎥ 3 ⎢ 2⎥
⎢⎣1⎥⎦ ⎢⎣0⎥⎦ 4 4 ⎢⎣1⎥⎦ 2⎢ base:
⎢⎣ 1⎥ ⎢⎣ 0 ⎥⎦ 1⎥
⎦ ⎣ ⎦
{α1(t) = 1, α2(t) = t, α3(t) = t2}
⎡1⎤ ⎡ 1 2 ⎤ ⎡− 1 ⎤
2⎥ ⎡1⎤ ⎡ 1 2 ⎤ ⎡⎢− 1 ⎤
6⎥
⎢ ⎥ ⎢1 ⎥ 1 ⎢ ⎢ ⎥
1 ⎥ = ⎢0 ⎥ − ⎢ 1 ⎥ − ⎢ 1 ⎥
= ⎢0 ⎥ − ⎢ ⎥ − ⎢ ⎢ ⎥ Aplicamos Gram-Schmidt:
2 3⎢ 2⎥ 2 6⎥
⎢⎣1⎥⎦ ⎢ 0 ⎥ 1⎥ ⎢⎣1⎥⎦ ⎢ 0 ⎥ ⎢⎢ 1 ⎥
⎣⎢ ⎦⎥ ⎣⎢ ⎦ ⎢⎣ ⎦⎥ ⎣ 3⎦ β1(t) = α1(t) = 1.
⎡1 − 1 + 1 ⎤ ⎡ 2 ⎤ < α 2 ( t ), β1 ( t ) >
⎢ 2 6⎥ ⎢ 3⎥ β2(t) = α2(t) – β1 ( t )
||β1 ( t ) ||2
= ⎢0 − 1 − 1 ⎥ = ⎢ − 2 ⎥
⎢ 2 6 ⎥ ⎢ 3⎥ 1
⎢⎣ 1 − 0 − 1 3 ⎥⎦ ⎢⎣ 2 3 ⎥⎦ 1 t2 1
∫
< α 2 ( t ), β1 ( t ) >=< t,1 >= tdt =
0 2
=
2
0

Luego, 1
∫
2 1
||β1 ( t ) || =< 1,1 >= dt = t 0 = 1
0
2 2
β1 = 1 + 1 + 0 = 2 2 1 1 2t − 1
⇒ β2(t) = t – .1 = t – =
2 2 2
β2 = (− 1 2 ) + (1 2 ) + 1 =
2 2
2 3
2
= 6
2 β3(t) = α3(t) –
< α 3 ( t ), β1 ( t ) >
β1 ( t ) –
< α 3 ( t ), β 2 ( t ) >
β2 (t )
||β1 ( t ) ||2 ||β 2 ( t ) ||2
β3 = (2 3 ) + (− 2 3 ) + (2 3 )
2 2 2
= 12
9
= 4
3
= 2
3
=2 3
3 1 t3
1
1
< α 3 ( t ), β1 ( t ) >=< t 2 ,1 >= ∫ t dt =
2
=
0 3 0
3
Por consiguiente, 1
2t − 1 1 2t − 1 1 t2 t 4 t3 1 1 3− 2 1
⎡ 2 ⎤
< α 3 ( t ), β 2 ( t ) >=< t 2 ,
2 ∫
>= t 2 (
0 2 0 ∫
)dt = ( t 3 − )dt = −
2 4 6
= − =
4 6 12
=
12
0

⎡1⎤ ⎡1⎤ ⎢ 2 ⎥ 2t − 1 2t − 1 1 2t − 1 1 4t 2 − 4t + 1
1 1 ⎢ ⎥ 2⎢ ⎥ ⎢ 2 ⎥ ||β 2 ( t ) ||2 =< , >= ( ∫) 2 dt = ∫ dt
δ1 = β1 = ⎢1⎥ = 1 =⎢ ⎥ 2 2 2 4
2 ⎢ ⎥ ⎢ 2⎥
0 0
β1 2⎢ ⎥
0
⎣ ⎦ ⎢ 0 ⎥
⎣ ⎦ ⎢ 0 1
⎥ 1 1 t3 t2 t 1 1 1 4−6+3 1
∫ (t
2
⎣⎢ ⎥⎦ = − t + )dt = ( − + ) = − + = =
0 4 3 2 4 0 3 2 4 12 12
⎡− 6 ⎤
⎡− 1 ⎤ ⎡− 1 ⎤ ⎡− 1 ⎤ ⎢ 1
2⎥ 2⎥ 2⎥ ⎢ 6⎥
⎢ ⎢ ⎢ ⎥ 1 2t − 1 1 2t − 1
δ2 =
1
β2 =
1
⎢ 1 ⎥= 2 ⎢ 1 ⎥= 6 ⎢ 1 ⎥=⎢ 6 ⎥ β3(t) = t2 – .1 – 12 ( ) = t2 – – ( )
2⎥ 2⎥ 2⎥ ⎢ 6⎥ 3 1 2 3 2
β2 6 ⎢ 6⎢ 3 ⎢
2 ⎣⎢ 1⎥ ⎢⎣ 1⎥ ⎢⎣ 1⎥ ⎢ 6 ⎥ 12
⎦ ⎦ ⎦ 3 ⎥⎦
⎣⎢ 1 1 6t 2 − 2 − 6t + 3 6t 2 − 6t + 1
= t2 – −t+ = =
⎡ 3 ⎤ 3 2 6 6
⎡ 2 ⎤ ⎡ 2 ⎤ ⎡ 2 ⎤ ⎢ 3 ⎥
3 3 3
1 1 ⎢ 2 ⎥ 3 ⎢ 2 ⎥ 3⎢ 2 ⎥ ⎢ 3 ⎥
δ3 = β3 = ⎢− ⎥ = ⎢− ⎥ = ⎢− ⎥ = ⎢− ⎥ Hallamos ||β3 ( t ) ||2
β3 2 3 ⎢ 2 3⎥ 2 3 ⎢ 2 3⎥ 2 ⎢ 3⎥ ⎢
2
3 ⎥
3 ⎢⎣ 3 ⎥⎦ ⎢⎣ 3 ⎥⎦ ⎢⎣ 3 ⎥⎦ ⎢ 3 ⎥ 6t 2 − 6t + 1 6t 2 − 6t + 1 1 6t 2 − 6t + 1

⎣⎢ 3 ⎥⎦ ||β3 ( t ) ||2 = <

6
,
6
>= (
0 6 ∫) 2 dt

188 189
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

1 36t 4 − 72 t 3 + 48t 2 − 12t + 1 ⎡ 2 ⎤ ⎡ 6 ⎤

= ∫(
0 36
)dt ⎢ 2⎥
⎢ ⎥
⎢−
⎢
6⎥
⎥
β 2 2 2 6 6 6 6
1 ⇒ Pr oyW = (2. + 1. + 3.0)⎢ ⎥ + (2.(− ) + 1. + 3. )⎢ ⎥
t5 t4 t3 t2 t 2 2 ⎢ 2 ⎥ 6 6 3 ⎢ 6 ⎥
= (36 − 72 + 48 − 12 + )
180 144 108 72 36 0 ⎢ 0 ⎥ ⎢ 6 ⎥
⎢⎣ ⎥⎦ ⎢⎣ 3 ⎥⎦
36 72 48 12 1 1 1 4 1 1 36 − 90 + 80 − 30 + 5 1
= − + − + = − + − + = = ⎡ 3 ⎤
180 144 108 72 36 5 2 9 6 36 180 180 ⎢ 3 ⎥
3 3 3 ⎢ 3 ⎥
Luego, + (2. + 1.(− ) + 3. ) ⎢− ⎥
3 3 3 ⎢ 3 ⎥
⎢ 3 ⎥
β1 ( t ) 1 ⎢⎣ 3 ⎥⎦
δ1 ( t ) = = =1
|| β1 ( t ) || 1
⎡ 2 ⎤ ⎡ 6 ⎤ ⎡ 3 ⎤
2t − 1 ⎢ 2⎥ ⎢− 6⎥ ⎢ 3 ⎥
β2 (t) 12 (2 t − 1) 2 3 (2 t − 1) 3 2⎢ 2 ⎥ 5 6⎢ 6 ⎥ 4 3⎢ 3 ⎥
δ 2 (t) = = 2 = = = 3 (2 t − 1) = ⎢ ⎥+ ⎢ ⎥+ ⎢− ⎥
|| β 2 ( t ) || 1 2 2 2 ⎢ 2⎥ 6 ⎢ 6⎥ 3 ⎢ 3 ⎥
12 ⎢ 0 ⎥ ⎢ 6 ⎥ ⎢ 3 ⎥
⎢⎣ ⎥⎦ ⎢⎣ 3 ⎥⎦ ⎢⎣ 3 ⎥⎦
6t 2 − 6t + 1
δ3 (t ) = 3
β (t)
= 6 =
180
(6 t 2 − 6t + 1) = 5 (6 t 2 − 6t + 1) ⎡ 3 ⎤ ⎡ − 5 ⎤ ⎡ 4 ⎤ ⎡(9 − 5 + 8) ⎤ ⎡2⎤
|| β3 ( t ) || 6 ⎢ 2⎥ ⎢ 6 ⎥ ⎢ 3 ⎥ ⎢ 6⎥
⎢ ⎥
= ⎢ 3 ⎥ + ⎢ 5 ⎥ + ⎢− 4 ⎥ = ⎢⎢(9 + 5 − 8) ⎥⎥ = ⎢1⎥
1
180 ⎢ 2⎥ ⎢ 6⎥ ⎢ 3 ⎥ 6
0 5 4 ⎢ (5 + 4) ⎥ ⎢⎣3⎥⎦
⎣⎢ ⎦⎥ ⎢⎣ 3 ⎥⎦ ⎣⎢ 3 ⎦⎥ ⎣⎢ 3 ⎦⎥
Por consiguiente, el conjunto {δ1(t), δ2(t), δ3(t)} es una base ortonormal de P2.

5.4. PROYECCIÓN ORTOGONAL. Nótese que β = Pr oy Vβ . Esto será demostrado para cualquier vector β∈V en un
próximo teorema.
Definición 5.6.
Ejemplo 5.10.
Sean V un espacio euclídeo, W un subespacio de V finito dimensional,
S = {α1, α2, …, αp} una base ortonormal de W y β∈V. Se define como En relación al ejemplo 5.8., calculemos la proyección ortogonal del vector
proyección ortogonal de β sobre W y se denota por Pr oy Wβ al vector: β(t) = t+2 sobre V = W = P2.
3

p
Pr oyβW( t ) = ∑ < β(t ), δ (t ) > δ (t )
i i

∑
i =1
Pr oy Wβ = < β, α i > α i
1 1
i =1
∫ ∫
⇒ Pr oy βW( t ) = ( ( t + 2).1dt ).1 + ( ( t + 2). 3 (2 t − 1)dt ) 3 (2 t − 1)
0 0
Observación:
1

Pr oy Wβ ∈ W. ∫
+ ( ( t + 2). 5 (6 t 2 − 6t + 1)dt ) 5 (6 t 2 − 6 t + 1)
0

Ejemplo 5.9. Ahora bien,

⎡ 2⎤
⎢ ⎥ 1 1 1
En relación al ejemplo 5.7., calculemos Pr oy Wβ , siendo β = ⎢1 ⎥ y V=W=ℜ3. t2 12 02 5
⎢⎣3⎥⎦ ∫
0
∫
( t + 2).1dt = ( t + 2)dt = (
0
2
+ 2 t ) = ( + 2.1) − ( + 2.0) =
2 2 2
0

1 1 1
2 t 3 3t 2
Pr oy Wβ =
3

∑ < β, δ i > δi ∫ (t + 2).

0
∫
3 (2 t − 1)dt = 3 (2 t 2 + 3t − 2)dt = 3 (
0
3
+
2
− 2t )
0
i =1

190 191
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

1 1 1 1 1
2.13 3.12 2.0 3 3.0 2 2 3 3
= 3(
3
+
2
− 2.1) − 3 (
3
+
2
− 2.0) = 3 ( + − 2) =
3 2 6 ∫
0
∫
e t . 5 (6 t 2 − 6 t + 1)dt = 5 e t (6 t 2 − 6 t + 1)dt = 6 5 t 2 e t dt − 6 5 te t dt + 5 e t dt
0
∫
0
∫
0
∫
0
1
1 1
6t4
6t 3
11t 2 = 6 5 .(e − 2) − 6 5 .1 + 5 (e − 1) = 6 5 e − 12 5 − 6 5 + 5 e − 5 = (7e − 19) 5
∫ (t + 2).
0
∫
5 (6 t 2 − 6 t + 1)dt = 5 (6 t 3 + 6 t 2 − 11t + 2)dt = 5 (
0
4
+
3
−
2
+ 2t )
⇒ Pr oyβW(t) = (e − 1).1 + (3 − e) 3 . 3 (2t − 1) + (7e − 19) 5 . 5 (6t 2 − 6t + 1)
0

⇒ Pr oyβW(t) = (e − 1) + (3 − e)(6 t − 3) + (7e − 19)(30t 2 − 30t + 5)

6.14 6.13 11.12 6.0 4 6.0 3 11.0 2
= 5( + − + 2.1) − 5 ( + − + 2.0) ⇒ Pr oyβW(t) = (210e − 570) t 2 + (588 − 216e) t + (39e − 105)
4 3 2 4 3 2
3 11
= 5 ( + 2 − + 2) = 5 .0 = 0 Teorema 5.8.
2 2
Sean V un espacio euclídeo y B = {α1, α2, …, αn} una base ortonormal de V.
Luego,
Si β∈V entonces β = Pr oy Vβ .

5 3 5 1 1 5
⇒ Pr oy βW( t ) = .1 + . 3 (2t − 1) + 0. 5 (6 t 2 − 6 t + 1) = + (2 t − 1) = t − + = t + 2 Demostración
2 6 2 2 2 2
Como B es una base, por el teorema 4.12. β se puede escribir de manera única
Ejemplo 5.11. como combinación lineal de α1, α2, …, αn, es decir, existen escalares únicos c1,
c2, …, cn ∈ K tales que:
En relación al ejemplo 5.8., calculemos la proyección ortogonal del vector
β(t) = et (β(t)∈V=C[0, 1]) sobre W = P2[0, 1] (W = P2[0, 1] es un subespacio n
de V = C[0, 1] finito dimensional): β= ∑c i =1
i • αi
3
Pr oy βW(t) = ∑ < β(t ), δ (t ) > δ (t )
i =1
i i Luego,
1 1
n n
∫
0
∫
⇒ Pr oyβW(t) = ( e t .1dt ).1 + ( e t . 3 (2t − 1)dt ) 3 (2 t − 1)
0
<β, αj> = < ∑c i • α i , αj > = ∑c i < αi , α j >
i =1 i =1
1 j−1 n

∫
+ ( e t . 5 (6t 2 − 6 t + 1)dt ) 5 (6 t 2 − 6 t + 1) = ∑c
i =1
i < α i , α j > + cj<αj, αj> + ∑c
i = j+1
i < αi , α j >
0
j−1 n
Ahora bien, = ∑ c .0
i =1
i + cj<αj, αj> + ∑ c .0
i = j+1
i = cj<αj, αj> = cj.1 = cj

Se puede verificar fácilmente que:

n n
1 1 1 Por consiguiente, β = ∑c i • αi = ∑ < β, α i > α i = Pr oy Vβ .
∫ e dt = e − 1; ∫ te dt = 1 y ∫ t e dt = e − 2
t t 2 t i =1 i =1

0 0 0
Definición 5.7.
Luego,
1 Sean V un espacio euclídeo y S un subconjunto no vacío de V. Se define como
∫
0
e t .1dt = e − 1 Complemento Ortogonal de S y se denota por S⊥ al conjunto
S⊥ = {α∈V: α⊥β, ∀ β∈S}
1 1 1

∫e . ∫ ∫
t
3 (2 t − 1)dt = 2 3 te t dt − 3 e t dt = 2 3 .1 − 3 (e − 1) = (3 − e) 3 Observación:
0 0 0
S⊥ ≠ ∅ ya que θ∈S⊥; esto porque θ⊥θ.

192 193
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

Teorema 5.9. ⎧ ⎡1⎤ ⎡0 ⎤ ⎡1⎤ ⎫

⎪ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎪
Sean V un espacio euclídeo finito dimensional con Dim(V) = n y S un S = ⎨α1 = ⎢1⎥, α 2 = ⎢1⎥, α 3 = ⎢0⎥ ⎬
subconjunto no vacío de V. Si S es subespacio de V entonces: ⎪ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦ ⎢⎣1⎥⎦ ⎪
⎩ ⎭
1. S⊥ es un subespacio de V.
α∈S⊥ si y sólo si α⊥α1, α⊥α2 y α⊥α3, es decir, <α, α1>=<α, α2>=<α, α3>=0.
2. S∩S⊥ = {θ}.
3. Dim(S⊥) = n – Dim(S).
⎡ X1 ⎤
⎢ ⎥
Demostración Supongamos que α = ⎢X 2 ⎥ . Luego,
⎢⎣ X 3 ⎥⎦
1. Es claro que θ∈S⊥. Sean α, β∈S⊥, δ∈S y c∈K. Luego,

<c•α + β, δ> = <c•α, δ> + <β, δ> <α, α1> = 0 ⇒ 1.X1 + 1.X2 = X1 + X2 = 0.
= c<α, δ> + <β, δ> <α, α2> = 0 ⇒ 1.X2 + 1.X3 = X2 + X3 = 0.
= c.0 + 0 = 0. <α, α3> = 0 ⇒ 1.X1 + 1.X3 = X1 + X3 = 0.

Por consiguiente, <c•α + β, δ>∈S⊥ y S⊥ es un subespacio de V. Esto concluye en el siguiente SEL homogéneo:
2. Sea α ∈S∩S⊥. Luego, <α, α> = 0 ⇒ α = θ. Por consiguiente,
S∩S⊥ = {θ}. ⎧ X1 + X 2 = 0
3. Sea {α1, α2, …, αp} una base ortonormal de S. Por el teorema 4.17., ⎪
⎨X 2 + X 3 = 0
se puede expandir esta base a una base B para ℜn ⎪X + X = 0
B = {α1, α2, …, αp, βp+1, βp+2, …, βn}. Por el teorema 5.6., se puede ⎩ 1 3

convertir a B en una base ortonormal para ℜn. La base que ya es

ortonormal, es decir, {α1, α2, …, αp} no cambia en el proceso y se Lo resolvemos:
obtiene la base ortonormal B1 = {α1, α2, …, αp, αp+1, αp+2, …, αn}.
Sólo basta demostrar que {αp+1, αp+2, …, αn} es una base de S⊥. ⎡1 1 0 0⎤ ⎡1 1 0 0⎤ ⎡1 1 0 0⎤
⎢ ⎥ r3 → r3 − r1 ⎢ ⎥ r3 → r3 + r2 ⎢ ⎥
Como el conjunto de vectores formado por los vectores αi es L.I. se ⎢ 0 1 1 0 ⎥ ⎯⎯ ⎯ ⎯ → ⎢ 0 1 1 0 ⎥ ⎯⎯ ⎯ ⎯ → ⎢0 1 1 0 ⎥
debe demostrar que es un conjunto de generadores de S⊥. Sea δ∈S⊥. ⎢1 0 1 0⎥ ⎢0 − 1 1 0 ⎥ ⎢0 0 2 0 ⎥
Luego, por el teorema 5.8., se cumple que: ⎣ ⎦ ⎣ ⎦ ⎣ ⎦

n Luego,
δ= ∑ < δ, α i > αi
i =1 2X3 = 0 ⇒ X3 = 0.
X2 + X3 = 0 ⇒ X2 + 0 = 0 ⇒ X2 = 0
Pero <δ, αi> = 0, ∀ i = 1, 2, …, p, ya que δ∈S⊥ y αi∈S. Por X1 + X2 = 0 ⇒ X1 + 0 = 0 ⇒ X1 = 0
consiguiente,
Por consiguiente,
n
δ= ∑
i = p +1
< δ, α i > α i
⎡ X1 ⎤ ⎡0⎤
⎢ ⎥ ⎢ ⎥
α = ⎢ X 2 ⎥ = ⎢ 0 ⎥ = θ 3 x1
Luego, {αp+1, αp+2, …, αn} es un conjunto de generadores de S⊥ y ⎣⎢ X 3 ⎦⎥ ⎣⎢0⎦⎥
por ende es una base de S⊥, lo cual significa que
Dim(S⊥) = n – Dim(S).
En consecuencia, S⊥ = {θ3x1}
Ejemplo 5.12.
Nótese que esto ocurre ya que los vectores α1, α2, α3 son L.I.; Dim(S) = 3 y
En relación al ejemplo 5.7., determinemos el complemento ortogonal del Dim(S⊥) = 0.
subconjunto S de V = ℜ3:

194 195
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

Ejemplo 5.13. ⎡ 1⎤
⎢ ⎥
En relación al ejemplo 5.7., determinemos el complemento ortogonal del En consecuencia, S⊥ = {X ∈ ℜ3 : X = a ⎢ − 1⎥; a ∈ ℜ}
subconjunto S de V = ℜ3: ⎢⎣ 1⎥⎦

⎧ ⎡1⎤ ⎡0 ⎤ ⎡ 3⎤ ⎫ Nótese que S⊥ ≠ {θ3x1} ya que los vectores α1, α2, α3 son L.D., Dim(S) = 2 y
⎪ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎪ Dim(S⊥) = 1.
S = ⎨α1 = ⎢1⎥, α 2 = ⎢1⎥, α 3 = ⎢3⎥ ⎬
⎪ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎪
⎩ ⎭ Teorema 5.10. (Teorema de Pitágoras)

α∈S⊥ si y sólo si α⊥α1, α⊥α2 y α⊥α3, es decir, <α, α1> = <α, α2> = <α, α3> Sean V un espacio euclídeo y α, β∈V.
= 0.
1. α ⊥ β si y sólo si ||α – β||2 = ||α||2 + ||β||2.
⎡ X1 ⎤ 2. α ⊥ β si y sólo si ||α + β||2 = ||α||2 + ||β||2.
⎢ ⎥
Supongamos que α = ⎢X 2 ⎥ . Luego, Demostración
⎢⎣ X 3 ⎥⎦
1. CN(⇒): Si α ⊥ β entonces ||α – β||2 = ||α||2 + ||β||2.
<α, α1> = 0 ⇒ 1.X1 + 1.X2 = X1 + X2 = 0.
<α, α2> = 0 ⇒ 1.X2 + 1.X3 = X2 + X3 = 0. Por hipótesis, α ⊥ β, es decir, <α, β> = 0.
<α, α3> = 0 ⇒ 3.X1 + 3.X2 = 3X1 + 3X2 = 0.
Por el teorema 5.2., se cumple que
Esto concluye en el siguiente SEL homogéneo: 2 2 2
d 2 (α, β) = α − β = α + β − 2 < α, β > .
⎧ X1 + X 2 = 0
⎪ Luego, ||α – β||2 = ||α||2 + ||β||2 – 2.0 = ||α||2 + ||β||2.
⎨ X 2 + X3 = 0
⎪3X + 3X = 0
⎩ 1 2
CS(⇐): Si ||α – β||2 = ||α||2 + ||β||2 entonces α ⊥ β.

Lo resolvemos: Por hipótesis, ||α – β||2 = ||α||2 + ||β||2 y por el teorema 5.2, se cumple
que ||α – β||2 = ||α||2 + ||β||2 – 2<α, β>. Luego,
⎡1 1 0 0⎤ ⎡1 1 0 0⎤
⎢ ⎥ r3 → r3 −3r1 ⎢ ⎥ ||α||2 + ||β||2 = ||α||2 + ||β||2 – 2<α, β>
⎢ 0 1 1 0 ⎥ ⎯⎯ ⎯ ⎯ → ⎢0 1 1 0 ⎥
⎢ 3 3 0 0⎥ ⎢0 0 0 0 ⎥ ⇒ 2<α, β> = ||α||2 + ||β||2 – ||α||2 – ||β||2
⎣ ⎦ ⎣ ⎦ ⇒ 2<α, β> = 0
⇒ <α, β> = 0
Luego, ⇒α⊥β

X2 + X3 = 0 ⇒ X2 = -X3 2. CN(⇒): Si α ⊥ β entonces ||α + β||2 = ||α||2 + ||β||2.

X1 + X2 = 0 ⇒ X1 = -X2 = -(-X3) = X3
Por hipótesis, α ⊥ β, es decir, <α, β> = 0.
Por consiguiente,
Por el teorema 5.1., apartado 5 se cumple que:
⎡ X1 ⎤ ⎡ X 3 ⎤ ⎡ 1⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ 2 2 2
α + β = α + β + 2 < α, β > .
α = ⎢X 2 ⎥ = ⎢ − X 3 ⎥ = X 3 ⎢ − 1⎥
⎢⎣ X 3 ⎥⎦ ⎢⎣ X 3 ⎥⎦ ⎢⎣ 1⎥⎦
Luego, ||α + β||2 = ||α||2 + ||β||2 + 2.0 = ||α||2 + ||β||2.

CS(⇐): Si ||α + β||2 = ||α||2 + ||β||2 entonces α ⊥ β.

196 197
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

Por hipótesis, ||α + β||2 = ||α||2 + ||β||2 y por el teorema 5.1, apartado p −1 n

5 se cumple que ||α + β||2 = ||α||2 + ||β||2 + 2<α, β>. Luego, = <β,αp> – ∑ < β, α
i =1
i > .0 – < β, α p > .1 – ∑ < β, α
i = p +1
i > .0

||α||2 + ||β||2 = ||α||2 + ||β||2 + 2<α, β> = <β,αp> – 0– < β, α p > – 0 = 0.

⇒ 2<α, β> = ||α||2 + ||β||2 – ||α||2 – ||β||2
⇒ 2<α, β> = 0 Luego, δ∈ W⊥ y δ = β – β W , es decir, β = β W + δ. Nótese que
⇒ <α, β> = 0
⇒α⊥β β W = Pr oy Wβ y es un vector único en W. Si definimos β W ⊥ = δ se

Observación: cumple que β = β W + β W ⊥ . Nótese que β W ⊥ = Pr oy Wβ⊥ y es un

vector único en W⊥.
Del teorema anterior se desprende que:
2. Veamos que d(β, Pr oy Wβ ) ≤ d(β, δ) ∀ δ∈W:
1. α ⊥ β si y sólo si d2(α + β, θ) = d2(α, θ) + d2(β, θ).
2. α ⊥ β si y sólo si d2(α, β) = d2(α, θ) + d2(β, θ).
d(β, Pr oy Wβ ) ≤ d(β, δ) si y sólo si (d(β, Pr oy Wβ ))2 ≤ (d(β, δ))2, es
Teorema 5.11.
decir, d(β, Pr oy Wβ ) ≤ d(β, δ) si y sólo si ||β – β W ||2 ≤ ||β – δ||2.
Sea V un espacio euclídeo. Si W es un subespacio de V finito dimensional
entonces: Ahora bien,

1. ∀ β∈V se cumple que existen vectores únicos β W ∈W y β W ⊥ ∈W⊥ β – δ = (β – β W ) +( β W – δ)

tales que β = β W + β W ⊥ = Pr oy Wβ + Pr oy Wβ⊥ .

Luego,
2. Pr oy Wβ es la mejor aproximación a β por vectores de W, en el
||β – δ||2 = ||(β – β W ) +( β W – δ)||2. Pero (β – β W )∈ W⊥ y ( β W – δ)∈
sentido que la d(β, δ) ≥ d(β, Pr oy Wβ ) ∀ δ∈W, es decir, d(β, δ)
W, luego, (β – β W )⊥( β W – δ). Por consiguiente, por el teorema
es mínima cuando δ = Pr oy Wβ , ∀ δ∈W.
5.9., se cumple que:

Demostración ||β – δ||2 = ||β – β W ||2 +|| β W – δ||2 ≥ ||β – β W ||2.

1. Como W es finito dimensional entonces por el teorema 5.6. existe
una base ortonormal B = {α1, α2, …, αn} de W. Por lo tanto, d(β, δ) es mínima cuando δ = Pr oy Wβ , ∀ δ∈W.
n
Sea β∈V. Definamos a β W como β W = ∑ < β, α
i =1
i > α i y sea
Ejemplo 5.14.
⊥
δ = β – β W . Veamos que δ∈ W . En relación al ejemplo 5.11., por el teorema 5.11., apartado 2, el elemento de
W = P2[0, 1] más cercano a β(t) = et es Pr oy βW( t ) , es decir:
En efecto,

n Pr oyβW
(t)
= (210e − 570) t 2 + (588 − 216e) t + (39e − 105)
<δ, αp> = <β – β W , αp> = <β – ∑ < β, α
i =1
i > α i , αp >

n Igualmente, para calcular Pr oy βW( t⊥) nos valemos del teorema 5.10., apartado 1,
= <β,αp> – < ∑ i =1
< β, α i > α i , αp>
es decir, β(t) = Pr oy βW( t ) + Pr oy βW( t⊥) . Luego,
n
= <β,αp> – ∑ < β, α
i =1
i >< α i , α p >
Pr oy βW( t⊥) =β(t) – Pr oy βW( t )
p −1 n
=<β,αp>– ∑ < β, α
i =1
i >< α i , α p > – < β, α p >< α p , α p > – ∑ < β, α
i = p +1
i >< α i , α p > ⇒ Pr oy βW( t⊥) = et – ( (210e − 570) t 2 + (588 − 216e) t + (39e − 105) )

198 199
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

Definición 5.7. p

∑ < β, α i >< β, α j >< α i , α j >

Sean V un espacio euclídeo, W un subespacio de V finito dimensional y β∈V. j=1

Se define como distancia de β a W y se denota por d(β, W) a la mínima i

distancia de β a W, es decir:
= ∑< β,α ><β,α ><α , α >+ < β,α ><β, α ><α , α >
j=1
i j i j i i i i

p
d (β, W ) = min{| d(β, δ); δ ∈ W} + ∑< β,α ><β, α ><α , α >
i j i j
δ
j=i+1

i p
Observación: = ∑< β, α
j=1
i >< β, α j > .0 + (< β, αi >) 2 .1 + ∑< β, α >< β, α
j=i +1
i j > .0

Por el teorema anterior se cumple que d(β, W) = d(β, Pr oy Wβ ). = (< β, αi >)2

Teorema 5.12. En consecuencia,

p
Sean V un espacio euclídeo, W un subespacio de V finito dimensional, < Pr oy Wβ , Pr oy Wβ > = ∑ (< β, α i >) 2
S = {α1, α2, …, αp} una base ortonormal de W y β∈V. Entonces se cumple i =1

que: p
2. < β, Pr oy Wβ > = < β, ∑ < β, α
i =1
i > αi >
p
d2(β, W) = < β, β > − ∑ (< β, α i >) 2
i =1 Por el teorema 5.3., apartado 3 se tiene que :

Demostración p
< β, Pr oy Wβ > = ∑ < β, α
i =1
i > < β, α i >
d2(β, W) = d2(β, Pr oy Wβ ) p
= ∑ (< β, α i >) 2
Por el teorema 5.2., se cumple que: i =1

2 2 Luego,
d2(β, W) = β + Pr oy Wβ − 2 < β, Proy Wβ >
p p
⇒ d2(β, W) = < β, β > + < Pr oy Wβ , Pr oy Wβ > −2 < β, Proy Wβ > d2(β, W) = < β, β > + ∑ (< β, α
i =1
i >) 2 – 2 ∑ (< β, α
i =1
i >) 2

Ahora bien, p
⇒ d2(β, W) = < β, β > – ∑ (< β, α
i =1
i >) 2
p p
1. < Pr oy Wβ , Pr oy Wβ > = < ∑ < β, α
i =1
i > αi , ∑ < β, α
i =1
i > αi >

p p
= < ∑ < β, α
i =1
i > αi , ∑ < β, α
j=1
j > αj >

Por el teorema 5.3., apartado 4 se tiene que:

p p
< Pr oy Wβ , Pr oy Wβ > = ∑∑ < β, α
i =1 j=1
i >< β, α j >< α i , α j >

Como {α1, α2, …, αp} es una base ortonormal de W se tiene que:

200 201
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

EJERCICIOS PROPUESTOS. 6. Utilizando el proceso de ortonormalización de Gram-Schmidt,

determine una base ortonormal de ℜ4 a partir de la base formada por los
1. Determine cuáles de las siguientes expresiones son productos internos ⎡0 ⎤ ⎡ 1⎤ ⎡ 1⎤ ⎡1⎤
en ℜ3, siendo X, Y∈ℜ3. Justifique su respuesta. ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
2 − 1 2 0
vectores α1 = ⎢ ⎥ , α 2 = ⎢ ⎥ , α 3 = ⎢ ⎥ y α 4 = ⎢ ⎥ .
1.1. <X, Y> = X1Y1 + X3Y3. ⎢1 ⎥ ⎢ 0⎥ ⎢ 0⎥ ⎢0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
1.2. <X, Y> = (X1Y1)2 + (X2Y2)2 + (X3Y3)2. ⎣⎢0⎦⎥ ⎣⎢ 0⎦⎥ ⎣⎢ − 1 ⎦⎥ ⎣⎢1⎦⎥
1.3. <X, Y> = 2X1Y1 + X2Y2 + 4X3Y3.
1.4. <X, Y> = X1Y1 – X2Y2 + X3Y3.
7. Sea α∈ℜ3. Exprese α de la forma α = β + δ, donde β pertenece al
1.5. <X, Y> = X1Y1 – X2Y1 – X1Y2 + 2X2Y2.
subespacio generado por α1 y α2 y δ es ortogonal a este subespacio en
1.6. <X, Y> = X1Y1 + X2Y1 + X1Y2 – X2Y2.
los siguientes casos:
1.7. <X, Y> = X1Y1 – X2Y1 + X1Y2 + 2X2Y2.

2. Sea <α, β> = αtAβ, ∀ α, β∈ℜ2. Determine si la función <,> así ⎡ 4 ⎤ ⎡0 ⎤

definida es un producto interno para cada una de las siguientes ⎢ 5⎥ ⎢ ⎥
7.1. α1 = ⎢ 0 ⎥ y α 2 = ⎢1⎥ .
matrices: ⎢− 3 ⎥ ⎢⎣0⎥⎦
⎣⎢ 5 ⎦⎥
⎡1 5⎤ ⎡1⎤ ⎡ 2⎤
2.1. A=⎢ ⎥
⎣5 1⎦ ⎢⎥ ⎢ ⎥
7.2. α1 = ⎢1⎥ y α 2 = ⎢ 0⎥ .
⎡ 2 −2 ⎤ ⎢⎣1⎥⎦ ⎢⎣ − 1⎥⎦
2.2. A=⎢ ⎥
⎣− 2 3⎦
⎡0 3 ⎤ 8. Sea Dn el conjunto de matrices diagonales D∈Mnxn(ℜ) con las
2.3. A=⎢ ⎥ n
⎣1 2 ⎦ operaciones matriciales usuales y <A, B> = ∑A B
i =1
ii ii .

⎡c ⎤ ⎡c ⎤ 8.1. Demuestre que la función <,> así definida es un producto

⎢ ⎥ ⎢ ⎥ interno en Dn.
3. Sean α = ⎢c⎥ y β = ⎢5 ⎥ 8.2. Determine una base ortonormal para D4.
⎢⎣1⎥⎦ ⎢⎣6⎥⎦
9. Sea
3.1. Determine el valor de c para que α y β sean ortogonales.
3.2. Utilizando los vectores así obtenidos, determine una base ⎡ 2 5⎤
ortonormal de ℜ3. ⎢ 3a 0 − ⎥
⎢ 5 ⎥
A=⎢ 0 2c 0 ⎥
4. Sea V un espacio euclídeo. Demuestre que si α, β∈V entonces: ⎢2 5 5 ⎥
⎢ 0 ⎥
||α – β|| ≥ ||α|| – ||β|| ⎣ 5 5 ⎦

5. Sea X∈Mnxp(ℜ) una matriz de datos. Demuestre que: Determine los valores de a y c para que A sea ortogonal.

10. Sea A∈Mnxn(ℜ) tal que A es ortogonal y α, β∈ℜn. Demuestre que:

d 2 ((X̂ E ) j , (X̂ E ) h )
= 2(1 − rjh )
n 10.1. <α, β> = <Aα, Aβ>.
10.2. ||β|| = ||Aβ||.
Siendo rjh el coeficiente de correlación lineal de Pearson entre las
variables j-ésima y h-ésima. Interprete el resultado obtenido. 11. Sea V = ℜ3 con el producto interno usual.

⎡0 ⎤ ⎡ 3⎤
⎢ ⎥ ⎢ ⎥
11.1. Determine un vector normalizado ortogonal a ⎢2⎥ y ⎢1 ⎥ .
⎢⎣1 ⎥⎦ ⎢⎣2⎥⎦

202 203
 CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

⎡ 2 ⎤ ⎡1 ⎤ ⎡ 4 ⎤ x
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ Determine el elemento de V más cercano a δ = f(x) =Sen( π ), así
11.2. A partir de la base { ⎢1 ⎥ , ⎢2⎥ , ⎢1 ⎥ } construir una base 2
⎢⎣1 ⎥⎦ ⎢⎣4⎥⎦ ⎢⎣2⎥⎦ como también la distancia de f(x) a V.

ortonormal. 17. Consideremos el espacio vectorial de las funciones polinómicas de

1

⎡ 1⎤ ⎡ 0⎤
grado a lo sumo 3 con el producto interno <α, β> = ∫ f (t )g(t )dt , con
0
⎢ ⎥ ⎢ ⎥ α = f(t) y β = g(t). Determine una base del complemento ortogonal del
⎢ − 1⎥ 1
12. Sea W el subespacio generado por y ⎢ ⎥. subespacio generado por p1, p2, siendo p1(x) = 1 y p2(x) = x2.
⎢ 0⎥ ⎢ 2⎥
⎢ ⎥ ⎢ ⎥
⎣⎢ 2⎦⎥ ⎣⎢ −1 ⎦⎥ 18. Sea V = M2x2(ℜ) con el producto interno <A, B> = Traza(ABt).
Consideremos W = {M∈V: Traza(MAt) = Traza(MBt)}, siendo:
12.1. Hallar una base de W⊥.
⎡1 0⎤ ⎡1 1⎤
⎡ 3⎤ A=⎢ ⎥ y B=⎢ ⎥
⎢ ⎥ ⎣0 − 1⎦ ⎣0 1⎦
2
12.2. Expresar ⎢ ⎥ como la suma de un vector de W y de un
⎢ − 1⎥ 18.1. Determine el complemento ortogonal de W.
⎢ ⎥
⎣⎢ 0⎦⎥ ⎡1 1⎤
18.2. Sea C = ⎢ ⎥ . Determine el elemento M∈W tal que d(C,
vector de W⊥. ⎣0 0 ⎦
M) sea mínima.
13. Sean V un espacio euclídeo y α, β∈V tales que ||α|| = ||β||. Demuestre
que α – β es ortogonal a α + β. 19. Sea V = M3x3(ℜ) con el producto interno <A, B> = Traza(ABt) y el
subespacio vectorial H de todas las matrices simétricas. Determine H⊥ y
14. Sean H = {X∈ℜ4: X1 + X2 – 2X3 + 2X4 = 0, X1 + 2X2 – X3 = 0} e su dimensión.
⎡ 2⎤
⎢ ⎥ 20. Sean V el conjunto de funciones polinómicas de grado a lo sumo 3 con
−1
Y= ⎢ ⎥ .
1
⎢ 0⎥ el producto interno <α, β> = ∫
−1
(1 − t 2 )f ( t )g ( t )dt , con α = f(t) y β =g(t)
⎢ ⎥ 2 3
⎣⎢ 1 ⎦⎥ y W = {p∈V: p(x) = ax + bx ; a, b∈ℜ}. Determine el complemento
⊥ ortogonal de W y su dimensión.
14.1. Determine H .
14.2. Determine Pr oy YH . 21. Sea V = M2x2(ℜ).
14.3. Determine Pr oy YH ⊥ . 21.1. Demuestre que <A, B> = Traza(AtB) es un producto interno
Y en V.
14.4. Determine d (Y, Pr oy ) .H
⎡ 1 0⎤ ⎡ −1 0⎤
14.5. Determine d(Y, Pr oy YH ⊥ ) . 21.2. Sean A=⎢ ⎥, B=⎢ ⎥ y
⎣ − 1 0⎦ ⎣ 0 1⎦
15. Sea H = {X∈ℜ4: X1 + X2 – 2X3 + X4 = 0} H = {M∈V: <M, A> = <M, B>}. Demuestre que H es un
subespacio de V.
15.1. Determine una base ortonormal de H. ⎡1 2⎤
15.2. Determine el vector del complemento ortogonal de H más 21.3. Sea C = ⎢ ⎥ . Determine el elemento de H más cercano a
⎣0 1 ⎦
⎡ 2⎤
⎢ ⎥ C y d(C, H).
−1
cercano a β = ⎢ ⎥ . Sea V un espacio euclídeo y H un subespacio vectorial de V.
⎢ 0⎥ 22.
⎢ ⎥ Demuestre que α∈H⊥ si y sólo si d(α, H) = ||α||.
⎢⎣ 3⎥⎦
23. Sea V un espacio euclídeo de dimensión n y E = {α1, α2,…, αp}, con p
16. Sea V el conjunto de funciones polinómicas de grado a lo sumo 2 con < n un conjunto ortonormal de V. Demuestre que ∀β∈V se cumple que
1
∫ f (t )g(t )dt , siendo α = f(t) y β = g(t).
p
el producto interno <α, β> =
0 ∑ < β, α
i =1
i > 2 ≤ || β ||2 .

204 205