3. Espacios vectoriales euclideos a es 3.1. Productos escalares Sea V un R-espacio vectorial, un producto escalar en V es una aplicacién eee verificando las siguientes propiedades: 1. =< uur; VuveV. 2. =+; Yuywe V. 3. =a; YaeR, YuveEV. 4. vue V, >0y=08u=0. A partir de la definicién es facil comprobar que se verifican ademis las siguientes propiedades: 5. WWE V, <0,u>==0. 6. < Dy aiuj, Dy bjuy >= Diz aiby < us, Yj > para cualesquiera a,...,ar,by,...,bs € B, Uy... Ur, Uy... Us E Vz Un espacio vectorial euclideo es un par (V,< , >) formado por un espacio vectorial real V y un producto escalar definido en él. Notemos que si en un mismo espacio vectorial se consideran distintos productos escalares se obtienen distintos espacios vectoriales euclideos. Ejemplo 40. Para cada n, en el espacio vectorial R” la regla < (My) Wy Yn) P= MM to nn define un producto escalar que recibe el nombre de producto escalar usual de R” Veamos que se verifican los axiomas de producto escalar: St Yn)s yan) > = MM t+ nxn = ant + XnYn =< Oyen ty Yn) > 103 © ITES-Paraninfo104 II. Espacios vectoriales < tytn) + Vay ds tyes Zn) > =< (MAI At Yn )s ZiyeeeySn) > (at Wiz + --- in + Ynlen = (xz to + Xnzn) + (Miz +--+ Ynzn)

+ HS Oe Yas (Zn) > = < (At... @n), (Ys Yn) > = anyt + @XnYn = alayyy +--+ + xnyn) SAK (R10 In)s Wis Yn) > < Byes tn)s (Meta) > = afte 420 <(a1..54n)s (My an) >= 0 @ +e + H=0 HM == =m =0 (x1,.-..3%) = (0,0,...,0) at Ejemplo 41. En el espacio vectorial Pn(R), de los polinomios de grado menor o igual que n con coeficientes en R,, se tiene el producto escalar dado por: ‘ < pex).ats) >= [ ponacate Por ejemplo, sien P2(R) se consideran los polinomios p(x) = x2 +1 yq(x) = 2x+3 su producto escalar es: 1 u 1 1 = preigtxiae = [ (2x3 43x? 42x43)dx = ptt aye 7 Ejemplo 42. En el espacio vectorial Mn(R) de las matrices cuadradas de orden n se define un producto escalar por: = (AB!) = > ayby im Ast por ejemplo, en M2(R) el producto escalar de las matrices a=(4 2) 79-(6 5) 2 Pe 1) = arab) = or(f 30) =24 © ITES-Paraninto1L.3_Espacios vectoriales euclideos 105 3.2. Matriz de Gram. Expresion matricial del Producto escalar Sea(V,< , >) un espacio vectorial euclideo de dimensién finita y sea B = {u1,..., un} una base de V; denotemos para cada iy cada j: ay =< uj, uj >. Se llama matriz de Gram (o matriz. métrica) respecto de la base Bala matriz: ay ain Ge aan Notese que por el axioma 1 de la definicién de producto escalar se tiene para cualesquiera i, j que: Gig =< Uj, Wy >=< Uy, Uy >= Asi pues una matriz de Gram es siempre simétrica. Veamos algunos ejemplos: Ejemplo 43. Consideremos el espacio vectorial euclideo R” con el producto escalar usual. Si denotamos por B = {¢,,...,en} a la base canénica deR" entonces < e;, e) >= 5y (el simbolo de Kronecker) y en consecuencia la matriz de Gram respecto de la base canénica es la matriz identidad de orden n. Ejemplo 44. Consideremos en ° con el producto escalar usual, la base B’ = {(1,0,0),(1, 1,0), (1,1, 1)}, entonces: =1 < Ug, >= 2 < Up, uy 1 = fj dr=xj=1 = 1 = fpxde= §], =} = fj sy : S12 fovde= §]=4 0 5 = Say o matricialmente: a... @n\ (vr s (a Xn) : : mann) \Yn Asi pues, denotando mn yn Xn Yn, se obtiene: = X'AY Esta formula recibe el nombre de expresién matricial del producto escalar respecto de la ba- se B. Nétese que esta expresién matricial permite, conociendo la matriz de Gram (esto es: el producto escalar de los vectores de la base), calcular el producto escalar de cualesquiera dos vectores. Veamos un ejemplo: Ejemplo 46. Consideremos en R* la base canénica B = {e, 2}. Side un producto escalar se conoce que =1 ( 2) Asi pues, para los vectores u = (2,3) yv = (1,2) se tiene: < u,v >=< (2,3),(1,2) >= (2 3) G 3) () =( 8) (3) =21 <2 >=2 entonces la matriz de Gram es: 3.3. Matriz de Gram y cambio de base Parece légico pensar que las matrices de Gram del mismo espacio vectorial euclideo respecto de distintas bases estén relacionadas de alguna forma. Veamos exactamente cémo: sean By B’ bases de V y sea P la matriz del cambio de base de B’ a B, entonces la ecuacién de cambio de © ITES-Paraninto1.3_Espacios vectoriales euclideos 107 base viene dada por X = PX’. Si llamamos A y C a las matrices de Gram respecto de By B’ respectivamente, entonces: =X'AY; =X"'cy' Con lo cual ' = (PX''A(PY') = X""(P'AP)Y’ yen consecuencia: C= P'AP De dos matrices Ay C tales que existe una matriz regular P de forma que C = P'AP se dice que son matrices congruentes. Asi pues hemos obtenido: PROPOSICION a Las matrices de Gram de un espacio vectorial euclideo respecto de distintas bases son Ejemplo 47. Consideremos el espacio vectorial euclideo R° con el producto escalar usual. De- notemos por Ba la base canénica de® y por B' a la base {(1,0,0), (1, 1,0); (1, 1, 1)}. La matriz del cambio de base de B a Bes: Tia =[01 ‘ 001 y la matriz de Gram respecto de B es la matriz identidad. Por tanto la matriz de Gram respecto de BY ha de ser: 10 0\ fl 11 111 vot 1 *) (3 i ‘)-(1 2 :) 11 1) \o 0 1 123 como ya habiamos visto en el ejemplo 44. 3.4. Norma de un vector Sea(V,< , >) un espacio vectorial euclideo, se iefine la norma (0 médulo) de un vector ueVp lull = Vea (considerando la determinacién positiva de la raiz cuadrada). Notese que puede tomarse tal rafz puesto que por la definicién de producto escalar < u,u> >0; Yue V. Es importante tener presente que la norma depende del producto escalar que se esté usando y si se cambia el producto escalar varia la norma de los vectores. Ejemplo 48. En 8” con el producto escalar usual se tiene: WG. samll = yee aR © ITES-Paraninto108 Ul, Espacios vectoriales Ejemplo 49. En Pn(R) con el producto escalar del ejemplo 41 la norma de un polinomio p(x) vendré dada por: ; iwent= yf rxPae Asi, por ejemplo, el polinomio p(x) = x + 1 tiene norma: i i i Well = [+ Par = ff c2+28+ par = Bea = 7 fo 0 3 o V3 Dela definici6n de producto escalar se obtienen de forma inmediata las siguientes propiedades para la norma: Propiedades de la norma | Sea(V,< , >) un espacio vectorial euclideo y sean u € V, a R, entonces: | (2) lull 2 0. 2)|\ull =0 2 u=0. 3) llaul| = jal {hull De un vector u se dice que es un vector unitario si tiene norma 1. A partir de un vector cual- quiera v < V podemos obtener uno unitario dividiendo por su norma, ya que por la propiedad 3 anterior se tiene: v 1 aol = lll =1 Won! = qeg vl Una propiedad menos inmediata y bastante importante es la que sigue: TEOREMA (Desiguaidad de Schwartz) Sea(V,< , >) un espacio vectorial euclideo. Para cada x, y € V se verifica: ( 20 En consecuencia: <4x>-2A 20 ee Ahora, tomando \ = $52= se tiene: 7 : ? , -2 Sey, Sey 5 ie Es decir: : a ai° - + 20 I~ TWP © ITES-Paraninfo113. Espacios vectoriales euclideos 109 Multipticando por [ly|?: Ix? < xy >42 0 de donde: ?s telly? y finalmente: I[s ile lyll oO Como consecuencia se obtiene: Desigualdad triangular (o de Minkowski) Sea(V,< , >) unespacio vectorial euclideo. Para cada x,y € V se verifica: lx + yi S Ul + lly DEMOSTRACION. Usando la desigualdad de Schwartz: x+y? ==42<4y>4+= = Wx? +2 < x,y > + yl? < dal? + 2a liv + lvl? = (lal + yl? Asi pues: flat yl? < (Ul + Uy? ysiendo ambos términos de la desigualdad positivos, se obtiene: let yll < lll + yl Ejemplo 50. Aplicadas al caso del espacio euclideo R" con el producto escalar usual, las desi- gualdades de Schwartz y Minkowski afirman que, para cualesquiera numeros reales x1,..., Xn, Vis +++ sYnr Se verifica: bay tet xnyal SVP +t AV OR +--+ YA) Ste +P S ee, Le © ITES-Paraninto110 lI. Espacios vectoriales 3.5. Angulo entre dos vectores. Vectores ortogonales En virtud de la desigualdad de Schwartz, para cada dos vectores x e y en un espacio vectorial euclideo se verifica: I| lexnyrl cy ist in < Y por tanto: -1< S892 ¢ Ta bt Llamaremos éngulo entre los vectores x e y al tinico mimero real a, 0 < a < x de forma que: 0s(a) = ~S ©) = Tee Esta definici6n algo artificial tiene su origen en la definici6n cldsica del producto escalar en R? yR*: <%y>= [lal} llyl|_ cos(a) Notemos que, al igual que en el caso de la norma, la definicién de angulo depende del producto escalar que se considere. Veamos algunos ejemplos: Ejemplo 51. En R® con el producto escalar usual, si x = (x1,x2) ey = (J1.J2), entonces el Angulo entre x ey es: ay +92 x = arecos { 211 + *Ve_ (35 +E 5) Asi por ejemplo, el dngulo entre los vectores x = (1,1) ey = (1,0) es: arccos( +) = v2 4 Ejemplo 52. Consideremos ahora en R° el producto escalar dado por: < (12), i J2) >= Bary + 32I2 Entonces el éngulo en este espacio euclideo entre los vectores x = (1,1) ey = (1,0) es: 3 v3 arceos( 2v3 m arccos( 3 Sea(V,< , >) unespacio vectorial euclideo. Se dice que los vectores x, y € V son ortogonales, yse denota por x y, si < x,y >= 0 (0 equivalentemente si el ngulo que forman es 5). Ejemplo 53. Consideremos Pp(R) con el producto escalar del ejemplo 41. Los polinomios P(x) = x1 yq(x) = 3x — 1 son ortogonales, puesto que: 1 1 < p(x), q(x) >= f pingeodr = [ (x —1)(3x ~ Idx = fee see naen 8-28 +a) 1-24 © ITES-Paraninfo1.3_ Espacios vectoriales euclideos ctu 3.6. Bases ortogonales y ortonormales En lo que sigue se considerarn tinicamente espacios vectoriales de dimensién finita, Dado un espacio vectorial euclideo (V,< , >), una base B = {¢y,..., en} de V se dice que es una base ortogonal silos vectores que la forman son ortogonales dos dos, esto es: < ¢;, ¢) >= 0, Vi # j. Se dice que B es una base ortonormal si es ortogonal y ademés todos los vectores que la forman tienen norma 1, esto es:||e;|| = 1, Vi=1,....m El siguiente resultado es consecuencia evidente de las definiciones anteriores: LEMA Sea(V,< , >) un espacio vectorial euclideo y sea B = {e),.... en} una base de V. Denotemos por A a la matriz de Gram respecto de la base B. Entonces: 1. Ia base B es ortogonal si, y solamente si, A es una matriz diagonal. 2, La base B es ortonormal si, y solamente si, A es la matriz identidad. Las bases ortonormales son particularmente cémodas a la hora de efectuar cdlculos, puesto que, al ser la matriz de Gram respecto de una base ortonormal la identidad, se obtiene la expre- sion matricial del producto escalar ) unespacio vectorial euclideo y sea B = {1,..., un} una base ortogonal de V. Entonces, dado un vector x € V se verifica: Xun > Se te tn {fea I? Tenl|? = (y+) np pata xy = Sa sme Esto es: DEMOSTRACION, Denotemos x = (x),...,Xn)g, esto es: cada ise tiene: = Xu +++ + xntin. Entonces, para MS Uy Up > bet XP < Uy E> he Fn < Un, > = AS Uj,U;> 2 = allyl (por ser la base ortogonal), y en consecuencia x; = sae: o Los coeficientes que aparecen en la anterior Proposicion, x; = Sate reciben el nombre de coeficientes de Fourier de x respecto dela base B = {u,..., un} Ejemplo 56. Si en R° consideramos la base ortogonal B! = {(1,1, 1), (1,-1,0),(3,3.-D} y el vector x = (1,2, 1) entonces sus coordenadas en la base B! serdn: < (21 0L > _ 4 Ha. DIF 3 < (1,2,1),(1,=1,0) > 1G, +1, 0)|/7 <0,2,0,G.3-D> _ NG. z.-DIP a Xe B= Es decir, x = (3,1, 4)p. 3.7. Construccion de bases ortonormales. Método de Gram-Schmidt LEMA. En un espacio vectorial euclideo (V,< , >) um conjunto de vectores no nulos {uy,..., ur} ortogonales dos a dos es linealmente independiente. DEMOSTRACION. Supongamos que au +--+ + @rur = 0, entonces para cada i = 1,...,7 se tiene: 0 =< 0, uj >=< aU +++ + Artin, Uj >= a < Wy, Uy > 00+ + Gr < Ur, U; >=; < Uy, Uy > © ITES-Paraninto11.3 Espacios vectoriales euclideos 113 Puesto que para cada i: < uj, uj >= |\ujl|? 4 0 ha de ser a; = 0 para todo i =1,..., 7.0 A partir de una base ortogonal es facil obtener una ortonormal: LEMA, Sea(V,< , >) unespacio vectorial euclideo. SiB = {u,..., tn} és una base ortogonal deV, entonces B’ = {4t7,..., 74g) es una base ortonormal de V. DeMosTRACION. Veamos primero que los vectores son ortogonales dos a dos, para i # j: yy 1 =0 Weal Weg Dealt eg : Por tanto, segtin el Lema anterior, tenemos una base ortogonal, y puesto que cada vector tiene norma | es ortonormal. 0) EI método de Gram-Schmidt es un proceso para obtener una base ortonormal a partir de una base cualquiera B = {,..., Un}. TEOREMA (Teorema de Gram-Schmidt) Sea(V,< , >) un espacio vectorial euclideo y sea B = {u,..., un} una base de V, entonces existe una base ortogonal (resp. ortonormal) {e1,...,en} dé V de forma que para cada k se verifica L(u,,..., uy) = L(@1,.--5ex)- DEMOSTRACION, Método de Gram-Schmidt Se calcula: 4 = mH = th Se g = bo 7 Tei? < Un; en—1 > a ae 2 m1 lle Esto es, para i = 1. : : lel? Probemos por induccién sobre k que {¢,,...,€,} es un conjunto de vectores ortogonales dos ados y tal que L(u,,..., uz) = L(e1,...,¢). Para k = 1 es evidente. Veamos que si es cier- to para k — 1 también lo es para k, Supongamos pues que los vectores e1,..., 1 Son Or- togonales dos a dos y L(w),..., zy) = L(e1,--., 1). Entonces por la construccién de e, & € L(e1,.--, €k—1) Ue) = L(ti,..-,Ue~1, Ue) por hipétesis de induccién y en consecuencia L(t ,..+4 Up) = L(€},-- +, €)- Por otra parte, para cada j = 1,...,k — 1se tiene: See > =< Ue Ager — A 1-1 > < Ups 6 > ie < 1,6 > Ae ean < Ce > K Ug, 8) > Dey < ee > < Up, & > =< upg >— <4, >=0 © ITES-Paraninfo114 I. Espacios vectoriales Asi pues {¢1,...., én} es una base ortogonal de V. Si se desea obtener una base ortonormal bas- tard dividir cada vector por su norma. 3 Ejemplo 57. Consideremos el espacio vectorial euclideo RS con el producto escalar usual yen él la base B = {(1,1,1),(1,—1,0),(1,0,—1)}. Para obtener una base ortogonal aplicamos el método de Gram-Schmidt: @ = (1,1,1) ae = (1,-1,0)— <> : )~ Feil? < U3, > < U3,@ > = 1,0, ~1) - —=— ca: use ities We ie dieie ier Como < uw, e, >=< (1,—1,0),(1,1,1) >= 0 queda @ = Wy = (1,-1,0) Puesto que este vector ya era ortogonal con el anterior. Ahora calculamos Sue >_< (LOL > 9 lle? 3 _ <(1,0,-1),(1,-1,0)> 1 Heel? ] 2 2 ynos queda ¢3 = (1,0,-1) — 0(1, 1,1) - 30,10) La base ortogonal obtenida es 11 B = (11,1); (1,-1.0), (5,55 -D) yuna base ortonormal puede calcularse a partir de ésta dividiendo cada vector por su norma: Osea, COROLARIO En un espacio vectorial euclideo de dimensién finita, todo conjunto de vectores no nulos {tu,-.., ur} ortogonales dos a dos puede ampliarse a una base ortogonal de V. © ITES-Paraninfo1L3_Espacios vectoriales euclideos 115 DEMOSTRACION. Puesto que los vectores son ortogonales dos a dos, son linealmente indepen- dientes, asi pues por el Teorema de ampliacién de la base existen vectores U-4,..., Un de forma que {u1,..., Ur, Uris... Yn} es tna base de V. Aplicando ahora el método de Gram-Schmidt, obtendremos una base ortogonal de V {e1,...€r, €r41s.--+€n} pero, puesto que los primeros r ‘vectores eran ya ortogonales dos a dos el proceso de Gram-Schmidt no los cambia y en conse- cuencia se obtiene una base ortogonal {11,... Ur, €r+1,--+,€n} de V que contiene a los vecto- res de partida. 0 3.8. Complemento ortogonal Dados ahora un vector x € V y un subespacio U de V se dice que x es ortogonal al subespacio Uy se denota x 1. U si es ortogonal a todos los vectores de U, esto es: xLuexly, weu El siguiente resultado prueba que para esto es suficiente que x sea ortogonal a un sistema de generadores de U. LEMA Sea(V,< , >) un espacio vectorial euclideo y sea U = L{w,,..., ur) un subespacio de V. Dado x € V se verifica: - . fal xLUe SS wk ur DEMOSTRACION. La implicaci6n a derecha es evidente. Para la otra implicaci6n hemos de pro- bar que, si x es ortogonal a los vectores del sistema de generadores, entonces es ortogonal a todo vector de U. Dado y € U arbitrario, podra escribirse como una combinacién lineal: Y= Jil +--+ + yrur para ciertos y;,..., yr € B, y entonces K KY DHS EU tb Yelle P= Yh < KY > HF < HL U >= 0 con locual x1 y.0 Ademés, el conjunto de todos los vectores ortogonales al subespacio U es un subespacio de V: PROPOSICION Sea(V,< , >) un espacio vectorial euclidea de dimensi6n finita y sea U un subespacio de V. Entonces el conjunto: ut = {xEVl x1 U} es unt subespacio vectorial de V. Ademias: V=ueu* En particular: dim(U*) = dim(V) — dim(U). DeMosTRACION. Para ver que U+ es subespacio vectorial de V, es suficiente probar que six 1 Uey 1 Uentonces (ax + by) 1 U para cualesquiera a,b € R. Ahora bien, dado u © U © ITES-Paraninfo116 Il, Espacios vectoriales arbitrario se tiene: < ax + by,u >= a < x,u > +b < y,u >= a0 + b0 = 0, con lo cual (ax + by) 1 w. Consideremos ahora una base ortogonal {1,..., ur} de U y ampliemos a una base ortogonal de V: B= {uy,..., Ur, ur41,--., un}. Entonces sera suficiente probar que {u,.1,..., un} es base de U+. Es claro que los vectores u,41,..., un son linealmente independientes y que estan en U* (son ortogonales a los vectores 1,..., ur que forman base de U), Veamos que forman un sistema de generadores de U*. Para ello sea x € U+ arbitrario y denotemos asus coordenadas Tespecto de B por x = (x1,...,.xn)g, entonces x = x, uy + +--+ Xntn y cada x; vale x; = aie (los coeficientes de Fourier respecto de B). Puesto que x € U~ se tiene que x; = --- = x, = 0, y en consecuencia x = xp; 1u;+1 ++-++ nun Se escribe como combinacién lineal de los vectores Upp tyes Un O El subespacio que se obtiene en el resultado anterior Ut = {xe VixLU} recibe el nombre de complemento ortogonal de U. Existen diversos métodos para calcular el complemento ortogonal de un subespacio, uno de ellos viene dado por la demostracién de la Proposicién anterior. Otro mas comodo en la practica seria el siguiente: Si dim(U) = ry tenemos una base {1,,..., ur} de U, entonces: xlm =0 xe Ute : e xLur =0 con lo que se obtienen unas ecuaciones cartesianas de U+ y, puesto que dim(U+) = n— r, estas cartesianas han de ser independientes. En el caso de R” con el producto escalar usual (0 equivalentemente, cualquier espacio vectorial euclideo con respecto de una base ortonormal), silas filas de una matriz A son base del subespacio U, entonces AX = 0 son unas ecuaciones cartesianas de U" y reciprocamente, los coeficientes de unas cartesianas de U componen los vectores de una base de U+ (ver el ejercicio resuelto 28). Veamos un ejemplo: Ejemplo 58. En R° con el producto escalar usual, consideremos el subespacio vectorial U = 1((1,0, 1)). Entonces: (x,y,z) € Ut & < (x,y,z), (1,0,1) >= 0 x+2=0 Luego U~ tiene ecuacién cartesiana x + z= 0. Ejemplo 59. En R° se considera el producto escalar cuya matriz de Gram respecto de base canénica es: li. 12 2 12 3 Consideremos de nuevo el subespacio U = L((1,0,1)), entonces: (x,y,z) € Ut & < (x,y,z), (1,0,1) >= 0 © ITES-Paraninto1.3 Espacios vectoriales euclideos 17 itn a 2 (xyz) [1 2 2) |0} =O (xyz)|3] =0¢2x+3y+4z2=0 12a/\ 4, Luego U~ tiene ecuaciones cartesianas 2x + 3y + 4z=0. 3.9. Proyeccién ortogonal Sea(V,< , >) unespacio vectorial euclideo y sea U un subespacio de V. Todo vector x € V podrd escribirse de forma tinica como x = u+ vcon uc U,v€ U*. Enesta situacién diremos que w es la proyeccién ortogonal de x sobre U y lo denotaremos por u = py(x). Puesto que (U+)+ = U, el vector v seré la proyeccién de x sobre U“. Pu+(x) Pu(x) u Notemos que, por la definicién, la proyeccién de x sobre U es el nico vector u verificando simulténeamente que u € U y que (x - u) LU. Ejemplo 60. Consideremos en R° con el producto escalar usual el subespacio U = L((1,0,1)) ysea x el vector x = (1,2,3). Uy U+ tienen respectivamente ecuaciones cartesianas: Llamemos py(x) = (a, b,¢), entonces: (1,2,3) = (a,b,c) + (1~- 4,2 - b.3—0) con (a,b,c) € U, (1 — a,2 ~ b,3 —c) € Ut. Asi pues: a-c { 5 (l-a)+(3-c)=0 = 0,c = 2, yen consecuencia py (x) = (2,0,2). Por tanto ha de ser a = 2, Otro método para el célculo de proyeccién ortogonal de un vector sobre un subespacio viene dado por el siguiente resultado: PROPOSICION Sean(V,< , >) unespacio vectorial euclideo, U un subespacio de Vy {u,..., ur} una base ortogonal de U. Entonces, dado un vector v € V se verifica: <*,m4 > SBMS py See > qa hurl? Puls) = © ITES-Paraninto118 |. Espacios vectoriales DEMOSTRACION. Consideremos la base dada {1),..., ur} del subespacio Uy ampliemos a una base ortogonal {uj,..., ur,... un} de V. Entonces {u;,1,... un} es una base de U, Por la Pro- posicion de la seccién 3.6 se tiene: MU te + Xr Ur + + XnUn con x; = ae (los coeficientes de Fourier). Asi pues x se descompone como: X= (Xu to + Retr) + Orr pL Mrg +o + nde) con (xy uy + +++ + Arr) © Uy (Xr41Ure1 +--+ + Xnin) € UY, y en consecuencia: Pu(x) = xu te + xruy a PROPOSICION (Teorema de Pitagoras) Sea(V,< , >) un espacio vectorial euclideo y sean x,y € V, entonces: xh y= liz+y? = lel? + ly? DeMosTRACION. |[x-+y|> =< xt y.x+y >= HD Kyo t< yy r= xl? + lye, puesto que < x,y >= 0.0 TEOREMA (Teorema de la mejor aproximacién) Sea(V,< , >) unespacio vectorial euclideo y sea U un subespacio de V. Dado x € V, py(x) es el Gnico vector u < U que hace minima la expresi6n \\x ~ ul). Esto es: Pulx) = ue Ww € U,u F use verifica Ix — ull < [jx — vl. DEMOSTRACION. Denotemos u = py(x), dado v € U se tiene queu—v € Uyx—ue Ut, luego (x — u) 1 (u— v). Aplicando la Proposicién anterior obtenemos: 2 2 I 2 2 Ux — vill = lle ~ we = vl = |x — ull? + flu — oll? > Ile — all puesto que ||u— vl? > 0. Ademas, se da la igualdad si, y sdlo si, || u— v|| = 0, o equivalentemente si, ys6lo si, u =v.) Este Teorema admite una interpretacién geométrica de la que toma su nombre. En efecto, si Mamamos distancia entre dos vectores x e ya d(x, y) = ||x— yl], entonces el Teorema afirma que el vector de U cuya distancia a x es menor (la mejor aproximaci6n) es precisamente py (x) 3.10. Producto vectorial en R? Consideremos el espacio vectorial euclideo R? con el producto escalar usual. Dados dos vecto- res x = (x1, %2,%3) € Y = (y1, Yo, y3) en R°, se define su producto vectorial como el vector: ) Ix x3 oe In. 2 In Ye x3 Al a vile AY = (X2Y3 ~ X32, %BY1 — KYB: *1)2 — Yi) = ( © ITES-Paraninfo13. Espacios vectoriales euclideos 119 Ejemplo 61. 2 oj jo aj ji 2) (1,2,0)(4,1,2)= (ff a th il) =@-a-p Una regla muy extendida para recordar ta formula del producto vectorial consiste en escribir- lo como un determinante en la que la primera fila esté formada por los vectores de la base candnica ey, € yes (0. como se nombran en Fisica i,j yk). En este ejemplo quedaria: er 2 3) (1,2,0) 4 (1, 1,2) = 2 0 4e, + @3 — 20; — 2e Ti 2 = 4e, -2e —e = (4,-2,-)Dp El componente un tanto arbitrario de esta definicién queda justificado por el siguiente resulta- do: TEOREMA (Detinicién atternativa del producto vectorial) “Dados x,y € B°, su producto vectorial x X y es el tinico vector de R® verificando las. siguientes propiedades: ( : L@ayix (ay ly 2. |) A yi = |llllyllsen(a), donde a es ef Angulo queloneide ey 3. Six ey son linealmente independiente, la base {x, y,x A y} tiene orien- _ tacién positiva, esto es: la matriz de cambio de base a la candnica dene determinante positivo, DEMOSTRACION. ih | x2 x3 Xy bse at 2 3) ? = @f+84+8)08 +4 +8) - (an + my +)? = (aay — aya)’ + (ayn — mys)? + (mie — a)? = [eayl? © ITES-Paraninfo120 1, Espacios vectoriales 3. La matriz. de cambio de base de {x, y,x A y} a la canénica es: x3 x LYE ID vs sx x 2 ln x 2 x oP In» cuyo determinante, desarrollando por la tercera columna es: x x ye zl yb \x3 x 2) 9 ls on ye m1 X2) an | : bn zl Para terminar, veamos que estas propiedades caracterizan al producto vectorial de xe y.Sixey son linealmente dependientes, entonces evidentemente x Ay = 0, lo que se obtiene también de (2), ya que el angulo que forman es 0 cuyo seno es 0. En caso contrario, el complemento orto- gonal de L(x, y) tiene dimensién 1 y por tanto la propiedad (1) determina la direccidn de x A y, a propiedad (2) determina su médulo y (3) su sentido. En consecuencia estas tres propiedades determinan univocamente el vector x Ay. Otras propiedades del producto vectorial Para cualesquiera x, y, z € BS se verifica: 1.x Ay = 04 xey son linealmente dependientes. 2.(ax) Ay ByAx==(VAy), 4(X+Y)AZ= (KAZ) +(yAz). XA (ay) = a(x Ay) para cadaa eR. DEMOSTRACION. 1 x2 x3 = x3 xAy=08 xy x1 x2 IY Ye =0¢ mm % : : org ( fe *) = 1 + xeyson linealmente dependientes. Wye Ws 2 (axyaye (fO ae), |a an) Jan wal) a (al% ].a[% a]af 2!) - ve» wllys yi 2 wl We MI In We = aj x] ps a) [a *|) =ateays ye Xl’ ls v © ITES-Paraninfo13 Espacios vectoriales euclideos 121 y de igual forma x A (ay) = a(x y). 3. yaa (v2 Js) |¥s sn] |n *|) <(-[2 33] aan} [an 2) =-~ean x2 33|"[x9 bx ye ysl” ys ml? I ve _ t+nnz= (eee oe eee a 2 zy 2 a A = =(2 3 ¥| xa ve) 22 23) oe = 2 = ()2 %3| |e om] fae 2 Gh (le she Sle a)+( )=tnasuna © ITES-Paraninfo