Professional Documents
Culture Documents
III
Versi
on Corregida
Introducci
on
El primer
captulo esta orientado a dar al lector el material basico concerniente a espacios vectoriales con producto interno. La mayora de este captulo, as como
la primera parte del segundo, son materia conocida del curso de Algebra
Li neal y como tal debe ser abordado por el profesor de catedra a fin de conciliar
lo aprendido por el estudiante con los nuevos conceptos. En este sentido, el
presente texto de apuntes no es autocontenido y requiere del manejo preciso
que de el pueda hacer el catedratico a cargo del curso.
El concepto mas importante del primer captulo es el Teorema de re presentacion de Riesz (Teorema 10). Es muy necesario aqu, como en va rios resultados posteriores, remarcar que estos son validos en dimension no
2
la bibliografa. Por otra parte, las formas canonicas de los diferentes tipos
de transformaciones lineales son facilmente asimilables por medio de la comparacion con el cuerpo de los n
umeros complejos. As, si z C representa
una transformacion lineal y z, el conjugado de z, la transformacion adjunta,
entonces una transformacion lineal autoadjunta significa z = z y, luego, se
podra representar como los elementos del eje real del plano complejo.
Una funcion (o forma) cuadratica se puede tambien entender muy
facilmente viendo su representacion geometrica en R2 y R3 . As, por ejemplo,
la ecuacion :
(x, y) = 1
representa una elipse (o crculo) o hiperbola en el plano. De esta manera,
la signatura resulta ser un invariante geometrico y, el proceso de diagona lizacion, un metodo de llevar formas cuadraticas en formas estandar.
Finalmente, el captulo III cierra estos apuntes mostrando que cualquier
forma multilineal puede ser considerada como una transformacion lineal, mediante un isomorfismo apropiado. Para este fin, resulta fundamental el concepto de producto tensorial de espacios vectoriales, que en este texto solo se
aborda en su definicion y analisis de propiedades basicas.
Noviembre de 2000
Pr
ologo a la versi
on corregida
Esta version introduce varias modificaciones al texto que han sido su geridas al autor, por profesores de la catedra, en el transcurso de dos a
nos
de dictar la asignatura a traves de estos apuntes .
El cambio mas importante se refiere a la introduccion de una gran cantidad de ejercicios propuestos en los captulos 1, 2 y 3. La mayora de estos ejercicios corresponde a problemas planteados en pruebas y controles de catedra.
Tambien se agrega al final del tercer captulo una seccion correspondiente
a la nocion de producto exterior, a fin de completar las ideas involucradas
en los captulos precedentes y dar las herramientas necesarias para un curso
posterior donde se requiera utilizar formas diferenciales.
Mis agradecimientos a Veronica Poblete por sugerir varios de los cambios
realizados en el texto y aportar con una gran cantidad de ejercicios. Tambien
mis agradecimientos a Maricel Caceres que escribio estos apuntes en Latex
y les dio un formato mas agradable para su lectura.
Octubre de 2002
Indice General
1 Espacios con producto interno
1.1
El producto interno . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1
1.2
1.4
Espacios Duales . . . . . . . . . . . . . . . . . . . . . . 13
Bases Ortonormales . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.1
1.3
Transformaciones Ortogonales . . . . . . . . . . . . . . 19
Funcion Determinante . . . . . . . . . . . . . . . . . . . . . . 22
1.3.1
1.3.2
1.3.3
Angulos
en el plano orientado . . . . . . . . . . . . . . 29
1.3.4
El determinante de Gram . . . . . . . . . . . . . . . . 30
1.3.5
El volumen de un paraleleppedo . . . . . . . . . . . . 32
1.3.6
Producto cruz . . . . . . . . . . . . . . . . . . . . . . . 33
Ejercicios de recapitulacion . . . . . . . . . . . . . . . . . . . . 39
Captulo 1
Espacios con producto interno
1.1
El producto interno
Definici
on 1 Sean E y F espacios vectoriales. Una funcion : EF R
se dice bilineal si:
(x1 + x2 , y) = (x1 , y) + (x2 , y) ; x1 , x2 E ; y F
y
(x, y1 + y2 ) = (x, y1 ) + (x, y2 ) ; x E ; y1 , y2 F.
Definici
on 2 Un producto interno en un espacio vectorial E es una funcion
bilineal h, i que tiene las siguientes propiedades :
(i) Simetra : hx, yi = hy, xi.
(ii) Positiva definida : hx, xi 0 y hx, xi = 0 s
olo para x = 0.
Un espacio vectorial en el cual se define un producto interno (p.i.) se llama
un espacio producto interno (e.p.i.).
Un espacio producto interno de dimension finita se llama Espacio Euclidiano.
7
p
hx, xi.
1
hx, yi = (kx + yk2 kxk2 kyk2 ).
2
Esta ecuacion muestra que el producto interno puede ser expresado en terminos
de la norma. La restriccion de la funcion bilineal h, i a un subespacio E1 E
tiene otra vez las propiedades (i) y (ii) y, luego, cada subespacio de un e.p.i.
es en si mismo un e.p.i.
Ejemplo :Rn es un e.p.i. con hx, yi =
xi yi , donde x = (x1 , . . . , xn );
y = (y1 , . . . , yn ).
Definici
on 3 Dos vectores x E, y E; x 6= y se dicen ortogonales si
hx, yi = 0.
Observaci
on : Solo el vector cero es ortogonal a si mismo : En efecto,
hx, xi = 0 si y solo si x = 0.
Proposici
on 4 Un conjunto de n vectores xj 6= 0 en donde cualesquiera dos
vectores xi y xj (i 6= j) son ortogonales, es linealmente independiente.
Demostraci
on. Si
P
i
Luego j = 0 para j = 1, 2, . . . , n.
(1.1)
hx,yi
);
kyk2
esto es :
hx, yi
1
kxk kyk
hx, yi
.
kxk kyk
Definici
on 6 El n
umero se llama el angulo entre los vectores x e y.
10
Observaciones:
.
2
2) Supongamos que x e y son L.D. Entonces, y = x. Luego :
1) Si x e y son ortogonales, entonces cos = 0 luego =
1,
cos =
=
|| 1,
Por lo tanto,
0,
=
,
3) Ya que cos =
si > 0
si < 0
si > 0
si < 0
hx, yi
entonces, de la formula
kxk kyk
kx yk2 = kxk2 2hx, yi + kyk2
obtenemos :
kx yk2 = kxk2 + kyk2 2kxk kyk cos
ecuacion conocida como Teorema de los Cosenos.
4) Si x e y son ortogonales, entonces el teorema anterior se reduce a :
kx yk2 = kxk2 + kyk2
conocida como Teorema de Pitagoras.
11
Demostraci
on. Se sigue de la desigualdad de Schwarz que :
kx + yk2 = kxk2 + 2hx, yi + kyk2 kxk2 + 2kxk kyk + kyk2 = (kxk + kyk)2 .
La igualdad vale si y solo si x = y; 0. En efecto : Supongamos que
kx + yk = kxk + kyk entonces kxk2 + 2hx, yi + kyk2 = kxk2 + 2kxk kyk + kyk2
, de esta manera
hx, yi = kxk kyk
(1.2)
(1.3)
(1.4)
(1.5)
12
Demostraci
on. La desigualdad es claramente valida si uno de los tres vectores es cero. Luego, podemos asumir x 6= 0,y 6= 0, z 6= 0. Se definen vectores
x0 , y 0 , z 0 por:
x0 =
x
y
z
; y0 =
; z0 =
.
2
2
kxk
kyk
kzk2
Entonces
kx0 y 0 k2 = kx0 k2 2hx0 , y 0 i + ky 0 k2
1
2hx, yi
1
=
+
2
2
2
kxk
kxk kyk
kyk2
kxk2 2hx, yi + kyk2
=
kxk2 kyk2
kx yk2
,
=
kxk2 kyk2
esto es, kx0 y 0 k =
obtiene :
kx yk
. Aplicando (1.4) a los vectores x0 , y 0 , z 0 se
kxk kyk
kx0 y 0 k kx0 z 0 k + kz 0 y 0 k
o equivalentemente,
kx yk
kx zk
kz yk
+
.
kxk kyk
kxk kzk kzk kyk
Multiplicando esta u
ltima desigualdad por kxk kyk kzk se obtiene (1.5).
Ejercicio:
muestre que
hf, gi =
f (t)g(t)dt
0
es un producto interno en X.
1.1.1
13
Espacios Duales
xi xi ;
14
Demostraci
on. Se define
(x)(y) := hx, yi ; x E , y E.
(a) es lineal : Para cada y E
(x1 + x2 )(y) = hx1 + x2 , yi = hx1 , yi + hx2 , yi
= (x1 )(y) + (x2 )(y) = ( (x1 ) + (x2 ))(y).
Luego, (x1 + x2 ) = (x1 ) + (x2 ).
(b) es inyectiva : Sea x E tal que (x) = 0. Entonces (x)(y) = 0
para cada y E, esto es, hx, yi = 0 para cada y E. Ya que h, i es no
degenerada, lo anterior implica que x = 0.
(c) Veamos ahora que el hecho de poseer E dimension finita implica que
es sobreyectiva. Para esto vamos a probar que dim L(E) = dim E, lo cual
prueba la sobreyectividad (Ejercicio).
Sea {x1 , x2 , . . . , xn } base de E. Definimos en L(E) las funciones :
1, si i = j
f j (xi ) = ij =
; j = 1, 2, . . . , n
0, si i 6= j
Entonces {f 1 , f 2 , . . . , f n } es una base de L(E). En efecto : Supongamos que
1 f 1 + 2 f 2 + + n f n = 0
entonces 1 f 1 (x1 ) + + n f n (x1 ) = 0 implica, por definicion, 1 = 0.
Analogamente, 1 f 2 (x2 ) + + n f n (x2 ) = 0 implica 2 = 0. Deducimos
as que 3 = 0, . . . , n = 0. Esto prueba que el conjunto es L.I.
Sea ahora f L(E). Entonces
f (x) = f (1 x1 + + n xn ) = 1 f (x1 ) + + n f (xn ).
15
Notar que
f 1 (x) = f 1 (1 x1 + + n xn ) = 1
f 2 (x) = 2
..
.
f n (x) = n .
Luego :
f (x) = f 1 (x)f (x1 ) + + f n (x)f (xn )
X
=
i f i (x)
donde i = f (xi ).
16
Ejercicios
1. Sea : R2 R2 R definida por ((x1 , y1 ), (x2 , y2 )) = x1 x2 y1 x2
x1 y2 + 3y1 y2 . Demuestre que es bilineal y definida positiva.
2. Sea l2 := {(x1 , x2 , . . .) /
P
i
P
i
xi yi con-
xi yi
; x1 , y1 E1 , x2 , y2 E2 .
; f L(E), x E.
1.2
Bases Ortonormales
Definici
on 11 Sea E e.p.i. de dimension n. Sea {e1 , . . . , en } base de E. La
base {ei } es llamada ortonormal si los vectores ei (i = 1, . . . , n) son mutua-
17
i, j = 1, . . . , n.
Proposici
on 12 Sea E e.p.i. de dimension n y sea {e1 , . . . , en } base ortonormal de E. Entonces para cada x, y E :
P
hx, yi = i xi yi
donde x =
i xi ei , y =
P
i
(Igualdad de Parseval)
yi ei .
Demostraci
on.
X
X
XX
XX
X
hx, yi = h
xi e i ,
yj e j i =
xi yj hei , ej i =
xi yj ij =
xi y i .
i
Corolario 13 Si E es un e.p.i. de dimension finita y {ei } es base ortonormal de E entonces para cada x E
P
kxk2 = i x2i
(Igualdad de Bessel).
Demostraci
on. Tomar y = x en la proposicion anterior.
Corolario 14 Si E es un e.p.i. de dimension finita y {ei } es base ortonormal de E entonces, para cada x E
hx, ei i = xi ; i = 1, . . . , n
(Coeficientes de Fourier).
Demostraci
on. Tomar y = ej en la proposicion anterior.
Corolario 15 Si E es un e.p.i. de dimension finita y {ei } es base ortonormal de E entonces para cada x E, el angulo i entre x y ei es :
cos i =
xi
kxk
(i = 1, 2, . . . , n).
18
hx, ei i
Demostraci
on. Por Definicion 7 y Corolario 14 tenemos : cos i =
=
kxk kei k
xi
.
kxk
Observaci
on : En particular, si kxk = 1, entonces cos i = xi .
Teorema 16 (Proceso de Ortogonalizaci
on de Gram-Schmidt) Sea E
e.p.i. de dimension finita. Entonces E siempre posee una base ortonormal.
Demostraci
on. Sea {a1 , . . . , an } base de E. Vamos a construir una nueva
base {b1 , . . . , bn } cuyos vectores son mutuamente ortogonales. Sea b1 = a1 y
definamos b2 = a2 + b1 donde es un escalar que se determina de manera
tal que hb1 , b2 i = 0. Con esto se obtiene :
0 = ha1 , a2 + b1 i = ha1 , a2 i + ha1 , b1 i = ha1 , a2 i + ha1 , a1 i.
ha1 , a2 i
. Notar que b2 6= 0 (si no 2 =
ha1 , a1 i
y a2 son L.I. lo que es una contradiccion). Para obtener b3 , definimos
hb2 , b3 i = 0.
19
i 6= j.
En particular, {bi } son L.I. y luego forman una base para E. En consecuencia
los vectores
ei =
bi
kbi k
i = 1, . . . , n
1.2.1
Transformaciones Ortogonales
20
Demostraci
on. Ya que {xj } es base, para cada xi existen escalares ij , (j =
P
1, ..., n) tales que xi = j ij xj . Veamos que (ij ) es una matriz ortogonal.
En efecto : Como hxi , xj i = ij y hxi , xj i = ij entonces
X
X
ij = hxi , xj i = h
ip xp ,
jq xq i
=
XX
p
ip jq hxp , xq i
ip jp
lo cual muestra que (ij ) es ortogonal. Inversamente, si {xi } es base ortonormal de E y (ij ) es matriz ortogonal, entonces
X
X
ip xp ,
jq xq i
hxi , xj i = h
p
XX
p
ip jq hxp , xq i
ip jp
= ij
lo que indica que {xi } es base ortonormal.
Definici
on 19 Sea E e.p.i. y E1 un subespacio de E. El conjunto
E1 := {x E / hx, yi = 0 y E1 }
es llamado el complemento ortogonal de E1 .
Observaciones:
1) E1 es un subespacio de E.
2) E1 E1 = {0}.
3) Si E tiene dimension finita :
dim E1 + dim E1 = dim E
21
en particular,
E = E1 E1 .
(1.6)
m
n
X
X
x=
hx, yk iyk +
hx, yk iyk ,
k=1
k=m+1
se llama la proyecci
on ortogonal de x sobre E1 .
Observaciones :
1) La idea en la definicion anterior es la siguiente : Si x E entonces por
(1.6)
x = p + h;
p E1 , h E1 .
Como {yk }m
k=1 es base de E1 y p E1 :
p=
m
X
k yk .
k=1
Notar que :
hp, yj i =
m
X
k=1
k hyk , yj i =
m
X
k kj = j
k=1
y
hp, yj i = hx h, yj i = hx, yj i
(1.7)
22
luego
m
X
p=
hx, yk iyk .
k=1
Ejercicios
1. Dada la base {(1, 0, 1), (2, 1, 3), (1, 1, 0)}, construir una base ortonormal por el proceso de ortogonalizacion de Gram-Schmidt.
2. (dificil) Sea E = C[0, 1] con el producto interno
Z 1
hf, gi =
f (t)g(t)dt.
0
1.3
Funci
on Determinante
Definici
on 21 Sea E e.v. de dimension n. Una funcion determinante es
una funcion : E
E} R tal que
| {z
nveces
DETERMINANTE
1.3. FUNCION
23
(
=
1
1
Observaci
on : Ya que el intercambio de dos n
umeros (ij) es una permutacion impar, se obtiene de la propiedad (b) :
(x1 , . . . , xi , . . . , xj , . . . , xn ) = (x1 , . . . , xj , . . . , xi , . . . , xn ).
En particular, si xi = xj = x ;
(x1 , . . . , x, . . . , x, . . . , xn ) = 0
(1.8)
Esto es, una funcion determinante asume el valor cero siempre que dos de
sus argumentos coinciden. Mas generalmente :
Proposici
on 22 Si dos argumentos de una funcion determinante son L.D.
entonces (x1 , x2 , . . . , xn ) = 0.
Demostraci
on. Sin perdida de generalidad, supongamos que xn es L.D. con
respecto a x1 , . . . , xn1 . Entonces
xn =
n1
X
i=1
i xi .
24
n1
X
i (x1 , x2 , . . . , xi , . . . , xn1 , xi ) = 0.
i=1
Observaci
on : Observemos que el valor de una funcion determinante no
cambia si un m
ultiplo de un argumento xj se suma a otro argumento xi ,
(i 6= j). En efecto : Por (1.8) (si i < j)
(x1 , . . . , xi + xj , . . . , xj , . . . , xn ) = (x1 , . . . , xi , . . . , xj , . . . , xn )
+ (x1 , . . . , xj , . . . , xj , . . . , xn )
|
{z
}
=0
= (x1 , . . . , xn ).
Los ejemplos anteriores nos muestran existencia de funciones determinantes en un espacio E. Que hay con respecto a la unicidad ? En efecto,
note que en un espacio vectorial E se podran, eventualmente, definir mas de
una funcion determinante.
Proposici
on 23 Sean y 1 dos funciones determinantes en E, 1 6= 0.
Entonces existe R tal que = 1 .
Demostraci
on. Sea {ei }ni=1 base ortonormal de E. Entonces, dado (x1 , x2 , . . . , xn )
E E E =: E n se tiene que cada xi se escribe como
n
X
xi =
ij ej .
j=1
Luego:
(x1 , . . . , xn ) = (
1j1 ej1 ,
j1 =1
XX
j1 =1 j2 =1
X
j2 =1
...
2j2 ej2 , . . . ,
njn ejn )
jn
jn =1
= (e1 , . . . , en )
1(1) . . . n(n) .
DETERMINANTE
1.3. FUNCION
25
Analogamente,
1 (x1 , . . . , xn ) = 1 (e1 , . . . , en )
1(1) . . . n(n) .
Sea :=
(e1 , . . . , en )
entonces
1 (e1 , . . . , en )
(x1 , . . . , xn ) = 1 (x1 , . . . , xn )
Ejercicios
1. Sea E = R2 y : R2 R2 R definida por :
x1 x2
y1 y2
!
.
x1 x2 x3
1.3.1
Proposici
on 24 Sean E y E un par de espacios vectoriales duales con dimension n (i.e. existe una funcion bilineal no degenerada h, i definida en
26
hf1 , x1 i . . . hf1 , xn i
..
..
;
(f1 , . . . , fn )(x1 , . . . , xn ) = det
.
.
hfn , x1 i . . . hfn , xn i
(1.9)
donde fi E , xi E y R.
E} R definida por:
Demostraci
on. Sea : E
E} E
| {z
| {z
n
hf1 , x1 i . . . hf1 , xn i
..
..
.
(f1 , . . . , fn , x1 , . . . , xn ) = det
.
.
hfn , x1 i . . . hfn , xn i
Es claro que es lineal con respecto a cada argumento. Tambien es claro que
es antisimetrica con respecto a los vectores fi y con respecto a los vectores
xi (i = 1, . . . , n). Luego, es una funcion determinante y, por unicidad (con
respecto a los argumentos x1 , . . . , xn ; dejando f1 , . . . , fn fijos)
(f1 , . . . , fn , x1 , . . . , xn ) = (f1 , . . . , fn )(x1 , . . . , xn ).
()
Esta relacion muestra que (f1 , . . . , fn ) es lineal con respecto a cada argumento y antisimetrica. En efecto ; por ejemplo con respecto al primer
argumento tenemos
(f1 + g1 , . . . , fn , x1 , . . . , xn ) = (f1 + g1 , . . . , fn )(x1 , . . . , xn )
o equivalentemente
(f1 , . . . , fn , x1 , . . . , xn ) + (g1 , . . . , fn , x1 , . . . , xn )
= (f1 + g1 , . . . , fn )(x1 , . . . , xn )
DETERMINANTE
1.3. FUNCION
27
esto es,
(f1 , . . . , fn )(x1 , . . . , xn ) + (g1 , . . . , fn )(x1 , . . . , xn )
= (f1 + g1 , . . . , fn )(x1 , . . . , xn ).
como 6= 0 obtenemos
(f1 , . . . , fn ) + (g1 , . . . , fn ) = (f1 + g1 , . . . , fn )
lo que prueba que es lineal con respecto al primer argumento.
Veamos que es antisimetrica : De (*) obtenemos:
(f(1) , ..., f(n) , x1 , ..., xn ) = (f(1) , ..., f(n) )(x1 , ..., xn ).
Equivalentemente, puesto que es una funcion determinante:
(f1 , ..., fn , x1 , ..., xn ) = (f(1) , ..., f(n) )(x1 , ..., xn ).
Aplicando (*) otra vez al lado izquierdo obtenemos:
(f1 , ..., fn )(x1 , ..., xn ) = (f(1) , ..., f(n) )(x1 , ..., xn ).
Finalmente, dividiendo por se obtiene:
(f1 , ..., fn ) = (f(1) , ..., f(n) ).
Luego, otra vez por unicidad : existe R tal que
(f1 , . . . , fn ) = (f1 , . . . , fn ).
Combinando se obtiene :
(f1 , . . . , fn , x1 , . . . , xn ) = (f1 , . . . , fn )(x1 , . . . , xn ).
(1.10)
28
1 0 ... 0
0 1 ... 0
= det . .
=1
.
..
.. ..
0 0 ... 1
pues hfi , ej i = ij por definicion. Luego, 6= 0 . Sea ahora := 1
entonces, de (1.10) se obtiene la relacion (1.9) que queriamos probar.
Definici
on 25 La funciones determinantes y se llaman duales si el
factor en (1.9) es igual a 1, esto es :
(f1 , . . . , fn )(x1 , . . . , xn ) = det((hfi , xj i)ij ).
1.3.2
hx1 , y1 i . . . hx1 , yn i
..
..
;
0 (x1 , . . . , xn )0 (y1 , . . . , yn ) = det
.
.
hxn , y1 i . . . hxn , yn i
donde R.
Si hacemos xi = yi = ei , donde {ei } es base ortonormal de E, se obtiene :
0 (e1 , . . . , en )2 = .
DETERMINANTE
1.3. FUNCION
Luego, > 0. Se define
29
0
:=
(1.11)
Entonces
hx1 , y1 i . . . hx1 , yn i
..
..
.
(x1 , . . . , xn )(y1 , . . . , yn ) = det
.
.
hxn , y1 i . . . hxn , yn i
(1.12)
Definici
on 26 Una funcion determinante en un espacio con producto interno que satisface (1.12) se llama una funcion determinante normada.
Observaciones:
1) De (1.11) concluimos que existen exactamente dos funciones determinantes
normadas y en un e.v. E.
2) Si se define una orientaci
on en E, entonces una de las funciones y
representa la orientacion. En consecuencia, en un e.v. con p.i. orientado
existe una u
nica funcion determinante normada que representa la orientacion.
1.3.3
Angulos
en el plano orientado
(1.13)
30
hx, yi2
(x, y)2
+
=1
kxk2 kyk2 kxk2 kyk2
hx, yi
kxk kyk
(x, y)
kxk kyk
2
=1
hx, yi
,
kxk kyk
sin =
(x, y)
.
kxk kyk
(1.14)
1.3.4
El determinante de Gram
Definici
on 28 Dados p vectores x1 , . . . , xp en un espacio con producto interno E, el determinante de Gram G(x1 , . . . , xp ) se define por
hx1 , x1 i . . . hx1 , xp i
..
..
.
G(x1 , . . . , xp ) = det
.
.
hxp , x1 i . . . hxp , xp i
Proposici
on 29 G(x1 , . . . , xp ) 0 y la igualdad vale si y solo si los vectores
{x1 , . . . , xp } son linealmente dependientes.
DETERMINANTE
1.3. FUNCION
31
Demostraci
on.
Caso 1 : Los vectores {x1 , . . . , xp } son L.D. Entonces existen escalares 1 , ..., n
no todos cero tales que 1 x1 + ... + n xn = 0. Luego, para cada i = 1, ..., n
se tiene:
0 = hxi , 1 x1 + ... + n xn i = 1 hxi , x1 i + ... + n hxi , xn i.
Entonces las filas de la matriz
hx1 , x1 i . . . hx1 , xp i
..
..
.
.
hxp , x1 i . . . hxp , xp i
32
1.3.5
El volumen de un paraleleppedo
Definici
on 30 Sea {a1 , . . . , ap } un conjunto de p-vectores L.I. en un espacio
vectorial E. El conjunto
P =
( p
X
)
i ai / 0 i 1
i=1
Definici
on 31 El volumen V (a1 , . . . , ap ) del paraleleppedo se define como:
V (a1 , . . . , ap ) = |1 (a1 , . . . , ap )|
(1.15)
hx1 , x1 i . . . hx1 , xp i
..
..
2 (x1 , . . . , xp ) = det
.
.
hxp , x1 i . . . hxp , xp i
se tiene que el volumen de un paraleleppedo se puede tambien escribir como:
ha1 , a1 i . . . ha1 , ap i
..
..
(1.16)
V (a1 , . . . , ap )2 = det
.
.
hap , a1 i . . . hap , ap i
DETERMINANTE
1.3. FUNCION
33
2) Si p = 2, se obtiene de (1.16):
V (a1 , a2 )2 = ka1 k2 ka2 k2 ha1 , a2 i2 .
Ahora, si denota el angulo entre a1 y a2 entonces
cos =
ha1 , a2 i
ka1 k ka2 k
cos2 =
ha1 , a2 i2
ka1 k2 ka2 k2
luego
ha1 , a2 i2
luego:
ka1 k2 ka2 k2
ha1 , a2 i2
ka1 k2 ka2 k2 ha1 , a2 i2
=
ka1 k2 ka2 k2
ka1 k2 ka2 k2
1.3.6
Producto cruz
(1.17)
34
(1.18)
Definici
on 32 El vector u obtenido anteriormente se llama el producto cruz
de x e y y se denota xy := u. En vista de (1.17) y (1.18) se tiene la relaci
on
hx y, zi = (x, y, z)
(1.19)
Observaci
on: El producto cruz depende claramente de la orientacion de E.
Si la orientacion es cambiada (i.e. por ), entonces el producto cruz
cambia de signo.
En lo que sigue veremos algunas propiedades del producto cruz.
Proposici
on 33 El producto cruz es distributivo:
(i) (x1 + x2 ) y = x1 y + x2 y.
(ii) x (y1 + y2 ) = x y1 + x y2 .
Demostraci
on. Para cada z E se tiene:
h(x1 + x2 ) y, zi = (x1 + x2 , y, z)
= (x1 , y, z) + (x2 , y, z)
= hx1 y, zi + hx2 y, zi
= h(x1 y) + x2 y, zi
DETERMINANTE
1.3. FUNCION
35
36
= det
hx2 , y1 i hx2 , y2 i hx2 , y3 i
hx3 , y1 i hx3 , y2 i hx3 , y3 i
DETERMINANTE
1.3. FUNCION
37
hx1 , y1 i hx1 , y2 i
hx2 , y1 i hx2 , y2 i
Luego,
hx1 x2 , x3 ihy1 y2 , x1 x2 i = hx3 , x1 x2 i[hx1 , y1 ihx2 , y2 i hx2 , y1 ihx1 , y2 i].
(1.20)
Como x1 y x2 son L.I. se tiene que x1 x2 6= 0. Luego, se puede elegir x3 tal
que hx1 x2 , x3 i 6= 0. Simplificando este termino en ambos lados de (1.20)
se obtiene la proposicion.
Corolario 36 kx yk2 = kxk2 kyk2 hx, yi2 .
Demostraci
on. Tomar x1 = y1 = x y x2 = y2 = y en la proposicion anterior.
Observaci
on: Si es el angulo entre x e y se puede reescribir el corolario
anterior como
kx yk = kxk kyk sin .
Proposici
on 37 Sea {e1 , e2 , e3 } una base ortonormal positiva de E (i.e.
(e1 , e2 , e3 ) > 0). Entonces
e1 e2 = e3
e2 e3 = e1
e3 e1 = e2 .
Demostraci
on. Por (b) de la Proposicion 35:
he1 e2 , e1 i = 0 , he1 e2 , e2 i = 0
38
1 0 0
= det 0 1 0 = 1.
(e1 , e2 , e3 )2 = det
he
,
e
i
he
,
e
i
he
,
e
i
2
1
2
2
2
3
Corolario 38 Si x =
3
X
i ei , y =
i=1
3
X
i ei ; entonces
i=1
3 X
3
X
j=1
i j ei ej
i=1 j=1
= 1 1 e1 e1 + 1 2 e1 e2 + 1 3 e1 e3
+ 2 1 e2 e1 + 2 2 e2 e2 + 2 3 e2 e3
+ 3 1 e3 e1 + 3 2 e3 e2 + 3 3 e3 e3
= (1 2 2 1 )e1 e2 + (1 3 3 1 )e1 e3 + (2 3 3 2 )e2 e3
= (1 2 2 1 )e3 (1 3 3 1 )e2 + (2 3 3 2 )e1
1.4. EJERCICIOS DE RECAPITULACION
39
Observaci
on: La anterior se toma a veces como definicion del producto
cruz en R3 donde e1 = i, e2 = j, e3 = k.
Observaci
on : El resultado anterior tambien se escribe:
e1 e2 e3
x y = 1 2 3
1 2 3
como una manera nemotecnica de recordar la formula del Corolario 39.
1.4
Ejercicios de recapitulaci
on
1
y (y, x) son ortogonales si y solo si y = (3 13)x .
2
40
1
1
4
(b) Calcular el angulo entre
y
para A =
2
1
1
1
2
1.4. EJERCICIOS DE RECAPITULACION
41
42
13. Sea B una funcion bilineal con la propiedad que B(A) = 0 para todas
las matrices A M (2 2, R) que tienen filas iguales. Demuestre que
B es antisimetrica.
14. Sea T un operador lineal sobre Rn . Defina
DT (1 , . . . , n ) = det(T (1 ), . . . , T (n ))
(a) Demostrar que DT es una funcion determinante.
(b) Si c = det(T (e1 ), . . . , T (en )) demostrar que para n vectores
1 , . . . , n arbitrarios se tiene det(T (1 ), . . . , T (n )) = c det(1 , . . . , n ) .
15. Sean {xi } y {
xj } bases ortonormales de un espacio vectorial E, con
producto interno y de dimension n. Demuestre que existe una matriz
X
ortogonal A = (aij ) tal que xi =
aij xj .
j
1.4. EJERCICIOS DE RECAPITULACION
43
E1 = {0}
a1 b2 + b1 a2 b1 b2
+
,
2
3
44