http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.

tex

Problemas

Leccin 1.1. - Problemas

CAPTULO 1 ESPACIOS VECTORIALES

Leccin 1.2. El Producto Interno

En esta seccin introduciremos el concepto de producto interno entre vectores de R n que, junto con las propiedades de espacio vectorial, enriquecer notablemente su estructura. Adems extenderemos estos conceptos a espacios de dimensin infinita. Definicin (1.2.1): Sean X = ( x 1 , x 2 , ..., x n ), Y = ( y 1 , y 2 , ..., y n ) dos vectores arbitrarios de n R . Definimos el producto interno de X e Y as:

X, Y

= x i y i.
i=1

(1.2.1)

Las propiedades de (1.2.1) son: 1. 2. 3. X, Y X, Y = Y, X . = X, Y + Z, Y . = X, Y .

X + Z, Y

Las propiedades 2. y 3. nos dicen que el producto interno es lineal en la primera variable. Por la propiedad 1. concluimos que tambin lo es en la segunda variable. Existen en la literatura matemtica otras notaciones para el producto interno, por ejemplo: X.Y y se le conoce con el nombre de producto punto. Otra notacin, bastante aparatosa, es X|Y , que aparece frecuentemente en los libros de Fsica. Con esl uso del producto interno introducimos uno de los conceptos ms notables en matemticas: la norma de un vector. Definicin (1.2.2): Sea X = ( x 1 , x 2 , ..., x n ) R , definimos la norma de X as:
n

X, X

i=1

x2 . i

(1.2.2)

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.tex Page 2 of 8

Las propiedades de . son: 1. X > 0 si X 0 y es cero slo si X = 0. 2. X = X . 3. X + Y X + Y . La propiedad 3. es conocida como la desigualdad triangular. Las dos primeras propiedades son de fcil verificacin, la tercera es un poco ms dificil. Notemos que la definicin de norma de un vector X = ( x 1 , x 2 , ..., x n ) est inspirada en el Teorema de Pitgoras: Por ejemplo consideremos, en R 2 , el tringulo rectngulo cuyos vrtices son los vectores ( 0, 0 ), ( a, b ) ( a, 0 ), cmo se indica en la figura. El Teorema de Pitgoras nos dice que

( a, b )

a 2 + b2

Para ver una prueba grfica del Teorema de Pitgoras haga clik aqu. Otra propiedad importante que liga el concepto de producto interno y el de norma es la desigualdad de Cauchy-Schwarz que dice

X, Y

Y ,

(1.2.3)

para todo X, Y R . Con el uso de (1.2.3) el lector no tendr ninguna dificultad en probar la desigualdad triangular. El concepto de norma nos lleva al concepto de distancia. As:

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.tex Page 3 of 8 Definicin (1.2.3): La distancia o mtrica entre cualquier par de vectores X, Y de R se define as:
n

d( X, Y ) =

XY .

(1.2.4)

Las propiedades de (1.2.4) son: 1. d( X, Y ) = d( Y, X ). 2. d( X, Y ) > 0 y es igual a cero slo si X = Y. 3. d( X, Y ) d( X, Z ) + d( Z, Y ). Las propiedades anteriores son consecuencia inmediata de las propiedades de la norma. La propiedad 3. de (1.2.4) es conocida con el nombre, tambin, de desigualdad triangular. Este nombre proviene de la geometra elemental cuando caracterizbamos los tringulos. Recordemos la siguiente propiedad: En todo tringulo un lado es menor que la suma de los otros dos (pinsese en un tri ngulo con vrtices X, Y, Z) Tambin: En todo tringulo un lado es mayor que la diferencia de los otros dos. Esto lo podemos escribir as:

d( X, Y ) d( X, Z ) d( Z, Y )

(1.2.5)

El producto interno tambin nos sirve para definir el ngulo entre dos vectores. Por ejemplo, si tomamos el vector A =

1 2

1 2

de R , ste forma un ngulo de 45 grados con el eje

positivo de las x. Esto es, el ngulo entre los vectores unitarios A y e 1 = Esto es,

( 1, 0 ) es de 45 grados.

cos =

1 2

A, e 1 .

Lo anterior nos sugiere la siguiente Definicin (1.2.4) Dados dos vectores no nulos A y B de R definimos el ngulo entre ellos dos con la expresin
n

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.tex Page 4 of 8
A, B A B

cos =

0, .

(1.2.6)

De (1.2.6) deducimos que dos vectores A y B de R n son perpendiculares si De (1.2.6) deducimos que A = sup
B =1

A, B

= 0.

A, B

(1.2.7)

El espacio vectorial R n es el ejemplo clsico de espacio vectorial de dimensin finita. Existen espacios vectoriales, de gran utilidad en los cursos superiores de Anlisis matemtico, que son de dimensin infinita. Consideremos el conjunto

C a, b

{f:

a, b R, f es continua

Este conjunto lo dotamos de una estructura de spacio vectorial cuando definimos las siguientes dos operaciones: 1) 2)

f + g )( x ) = f ( x ) + g( x ), para todo f , g C a, b . = . f ( x ), para todo f C a, b y todo R.

( f )( x )

Definimos un producto interno en C a, b

de la siguiente forma: Para todo f , g C a, b

f ,g

b a

f ( x )g( x )dx.

Es fcil ver que f , g f C a, b es:

satisface las tres propiedades del producto interno. Por lo tanto la norma de

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.tex Page 5 of 8
1 2

b 2 f ( x )dx a

La desigualda triangular tomar, entonces, la siguiente forma:

a(
b

f ( x ) + g( x ) ) dx

) (
2

f 2 ( x )dx a

) (
2

g 2 ( x )dx a

1 2

Su prueba se deduce fcilmente de la desigualdad de Cauchy - Schwarz que en este caso tiene la siguiente forma:

b a

f ( x )g( x ) dx

f ( x )dx a

) (
2

g 2 ( x )dx a

1 2

para todo f , g C a, b Cundo decimos que el espacio vectorial C a, b es de dimensin infinita estamos significando con

ello que existe, en este caso, un conjunto infinito numerable B = f 1 , f 2 , ... f n , .... que es una base de aqul. Esto quiere decir que dicho conjunto es linealmente independiente y que genera a C a, b . Que sea linealmente independiente significa que cualquier subconjunto finito de B es linealmente independiente. Que B genere a C a, b significa que para todo f C a, b

f =

c
n=1

f n , c n R,

(1.2.8)

en donde la serie anterior hay que entenderla de la siguiente forma:

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.tex Page 6 of 8

lim

c
k=1

= 0

En el caso en que B =

f 1 , f 2 , ... f n , ....

} sea un conjunto ortonormal, sto es,

f i, f j = 0 si i j y f i = 1 para todo i, entonces los coeficientes c n de la serie (1.2.8) los calculamos de la siguiente forma:

cn =

f, f

b a

f ( x ) f n ( x )dx

Adems tenemos la siguiente igualdad, conocida como la identidad de Parseval

b a

f ( x )dx

1 2

c
n=1

2 n

(1.2.9)

La identidad (1.2.9) no es otra cosa que el Teorema de Pitgoras en dimensin infinita.Este resultado tiene importantes consecuencias en el Anlisis funcional lineal, por ejemplo: puesto que la serie (1.2.9) es una serie convergente, se sigue inmediatamente que

lim c n = 0

(1.2.10)

Por ejemplo, el conjunto C 0, 2

tiene como base ortonormal al conjunto

B=

1 2

sennx cos nx , ,

n = 1, 2, ...

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.tex Page 7 of 8 Es as cmo, entonces, que para todo f C 0, 2 se cumple que

lim 0 f ( x )sen( nx )dx = 0 lim 0 f ( x )cos ( nx )dx = 0

2

Los espacios en los que se introduce el concepto de distancia o mtrica, como lo hicimos en la definicin (1.2.3) con sus tres propiedades son conocidos como espacios mtricos. En particular los espacios vectoriales normados son ejemplos de espacios mtricos. Esta nocin de distancia o mtrica nos permite introducir el concepto de sucesin convergente, as: Definicin (1.2.5) Una sucesin x n E, espacio mtrico, se dice que converge a x E si para todo > 0 existe un N N ( el conjunto de los nmeros naturales) tal que si n N entonces d x, x n \TEXTsymbol<

{ }

En este caso diremos que lim x n = x y tambin escribiremos x n x. Podemos introducir el concepto de sucesin de Cauchy, as: Definicin (1.2.6) Decimos que

{x }
n

E es una sucesin de Cauchy si para todo > 0

existe un N N tal que para todo m, n N se tiene que d x n , x m

)<

Con el concepto de sucesin de Cauchy introducimos el concepto de espacio mtrico completo que constituye un concepto capital en el anlisis matemtico. Definicin (1.2.7) Decimos que E, espacio mtrico, es completo si toda sucesin de Cauchy es convergente. Por ejemplo, el espacio R es un espacio mtrico completo. El espacio C a, b definida por la norma f =
n

con la mtrica

b a

2 f ( x )dx

1 2

no es un espacio mtrico completo.

2

En los cursos de anlisis funcional nos encontramos con el espacio L a, b que es un espacio vectorial que se define de forma anloga a cmo lo hicimos con C a, b , con la grn diferencia que la integral que consideramos no es la de Riemann sino la de Lebesgue, haciendo de quel un espacio mtrico completo.

Problemas

Leccin 1.1. - Problemas

http://www.virtual.unal.edu.co/cursos/ciencias/2001008/lecciones/cap01/01_02_01.tex Page 8 of 8