Tema 5.- Ortogonalidad y mejor aproximación.

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Tema 5.- Ortogonalidad y mejor aproximación."

Transcripción

1 Ingeniería Civil Matemáticas I - Departamento de Matemática Aplicada II Escuela Superior de Ingenieros Universidad de Sevilla Tema 5- Ortogonalidad y mejor aproximación 5- El producto escalar Norma, distancia, ángulos y ortogonalidad Desigualdades y teorema de Pitágoras 5- El complemento ortogonal de un subespacio 5- Bases ortogonales Bases ortogonales de un subespacio El método de Gram-Schmidt Matrices ortogonales 54- La proyección ortogonal Proyección ortogonal sobre un subespacio El teorema de la mejor aproximación 55- Problemas de mínimos cuadrados Ecuaciones normales de Gauss 56- Ejercicios Enunciados Soluciones En este tema estudiamos la estructura métrica de los espacios R n, es decir, las cuestiones relacionadas con distancias y ángulos con especial énfasis en la ortogonalidad entre vectores y entre subespacios vectoriales En el estudio de la resolución de sistemas de ecuaciones lineales, el álgebra de matrices, etc, podíamos considerar coeficientes reales o complejos de manera indistinta sin afectar ni a los conceptos ni a los resultados Aquí no sucede lo mismo El hecho de considerar vectores reales es esencial Para poder considerar conceptos métricos en los espacios C n, de vectores de coordenadas complejas, habría que considerar la definición apropiada (coherente) de producto escalar de vectores complejos, que se suele denominar producto hermítico y habría que modificar el enunciado de algunas propiedades Al aplicar dicha definición, de vectores complejos, a vectores reales nos daría la definición usual que vemos a continuación y que el alumno conoce en dimensiones dos y tres Además de considerar las definiciones y propiedades básicas estudiaremos algunos tipos de matrices directamente relacionadas con la estructura metrica de los espacios de coordenadas reales (matrices de proyección ortogonal sobre un subespacio, matrices ortogonales,) 5

2 6 Tema 5- Ortogonalidad y mejor aproximación 5- El producto escalar Norma, distancia, ángulos y ortogonalidad El Producto escalar de dos vectores reales x,y R n es el número real x y = x y +x y + +x n y n R 5- Norma, distancia, ángulos y ortogonalidad Definiciones Consideremos x,y R n Se denomina Norma de un vector x R n al número real no-negativo x = x + + x n = x x Se denomina Distancia entre dos vectores x,y R n al número real no-negativo Ortogonalidad d(x,y) = x y (a) Se dice que dos vectores x,y R n son ortogonales (x y) si x y = x T y = (b) Sedicequeunconjuntodevectores{v,,v m }der n esunconjunto ortogonal si cada uno de los vectores v k es ortogonal a todos los demás, v k v j =, j k (c) Se dice que un conjunto de vectores {v,,v m } de R n es un conjunto ortonormal si es un conjunto ortogonal y cada uno de los vectores v k tiene norma uno, v k v j =, j k; v = = v m = Las propiedades del producto escalar, la norma, la distancia y la ortogonalidad son conocidas por el alumno para vectores en R y en R En los espacios R n, las propiedades son esencialmente las mismas Notemos que si considerasemos dichos conceptos de forma independiente de un sistema de referencia, en cada uno de ellos aparecen involucrados uno o dos vectores Algunas de las propiedades del producto escalar pueden obtenerse directamente del hecho de que el producto escalar de dos vectores puede expresarse como un producto matricial, vector-fila por vector-columna, x y = x T y = y T x Es inmediato comprobar que se verifican las siguientes propiedades: Propiedades- () El producto escalar es simétrico: x y = y x () El producto escalar es lineal en cada variable, es decir, siendo x,x,y,y R n y α,β,λ,µ R, (αx+βx ) y = αx y +βx y, x (λy +µy ) = λx y +µx y () x = x = (4) αx = α x, α R,x R n Notemos que el producto escalar No es asociativo Es decir, puede suceder que (x y)z x(y z) De hecho es lo más probable Ejercicio Busca un ejemplo e interpreta geométricamente el resultado Matemáticas I Ingeniería Civil

3 5- El complemento ortogonal de un subespacio 7 5- Desigualdades y teorema de Pitágoras Teorema Sean x,y R n () Desigualdad de Cauchy-Schwartz: x y x y () Desigualdad triangular: x+y x + y ( x y x + y ) () Teorema de Pitágoras: x y x+y = x + y El ángulo (los ángulos) determinado por dos vectores no-nulos x,y R n puede caracterizarse (definirse) mediante la igualdad x y = x y cos(θ) Los resultados clásicos de la geometría métrica plana, como el Teorema del seno o el Teorema del coseno, son válidos cuando consideramos vectores n dimensionales 5- El complemento ortogonal de un subespacio Definición (El complemento ortogonal de un subespacio) Dado un subespacio vectorial S de R n se denomina complemento ortogonal de S al conjunto S = {v R n : v u u S} Es decir, S está formado por todos los vectores que son ortogonales { } a todos los vectores de S Por tanto, el complemento ortogonal del subespacio nulo es R n puesto que cualquier vector es ortogonal al vector nulo Por otra parte, el complemento ortogonal del espacio total R n es el subespacio nulo, puesto que el vector nulo (de R n ) es el único que es ortogonal a todos los vectores de R n Ejemplos Cuando se trabaja con el complemento ortogonal de un subespacio es conveniente tener presente cómo se puede caracterizar dicho complemento ortogonal cuando el subespacio viene dado en forma paramétrica o cuando viene dado en forma implícita En R, un subespacio vectorial de dimensión es una recta que pasa por el origen y su complemento ortogonal será (como es natural) la recta que pasa por el origen (es un subespacio vectorial) y es perpendicular a la recta dada En R, un subespacio vectorial de dimensión es una recta que pasa por el origen Su complemento ortogonal será el plano que pasa por el origen (es un subespacio vectorial) y es perpendicular a la recta dada Un subespacio vectorial de dimensión es un plano que pasa por el origen Su complemento ortogonal será la recta que pasa por el origen (es un subespacio vectorial) y es perpendicular al plano dado () Consideremos un subespacio de dimensión en R, dado en forma paramétrica, es decir, una recta que pasa por el origen de coordenadas, dada por un vector dirección v Por ejemplo, para v = [, T S = Gen {v } = {v = αv : α R} { x = α x = α, Matemáticas I -

4 8 Tema 5- Ortogonalidad y mejor aproximación su complemento ortogonal estará formado por los vectores v = [x,x T R que son ortogonales a todos los vectores de la forma αv,α R v S (αv ) v =, α R v v = x x = Es decir, el complemento ortogonal S está formado por los vectores v = [x,x T R cuyas coordenadas verifican la ecuación x x = Por tanto, S es un subespacio vectorial (de dimensión ) que viene dado en forma implícita y los coeficientes de la ecuación implícita son las coordenadas del vector dirección de S Si hubieramos considerado otro vector dirección de S (que será un múltiplo no-nulo de v ), habríamos obtenido una ecuación equivalente () Si consideramos un subespacio vectorial S de dimensión en R n, es decir una recta que pasa por el origen, generada por un vector no-nulo v R n a S = Gen v = a n su complemento ortogonal estará formado por los vectores v = [x,,x n T R n cuyas coordenadas verifican la ecuación v v = a x + +a n x n = con lo cual S es un subespacio vectorial (de dimensión n ) que viene dado mediante una ecuación implícita y los coeficientes de dicha ecuación son las coordenadas del vector dirección de S Teorema Sea S un subespacio vectorial de R n () S es un subespacio vectorial de R n () ( S ) = S () El vector nulo es el nico vector de R n que pertenece a la interseccin de S con S (4) Si S = Gen {v,,v p }, entonces v S v v,,v v p Ejemplo Antes hemos obtenido el complemento ortogonal de un subespacio de R n de dimensión, que era un subespacio vectorial de dimensión n (estos subespacios se suelen denominar hiperplanos) Las propiedades anteriores permiten obtener fácilmente el complemento ortogonal de un subespacio de dimensión n dado en forma implícita W a x + +a n x n = (para que esta ecuación defina un subespacio de dimensión alguno de los coeficientes a,,a n tiene que ser no nulo) Puesto que, como vimos antes, a W = S siendo S = Gen a n Matemáticas I Ingeniería Civil

5 5- Bases ortogonales 9 tenemos que W = ( S ) = S Es decir, de manera inmediata obtenemos W en forma paramétrica El hecho de expresar el complemento ortogonal de una u otra forma paramétrica/implícita dependiendo de como venga expresado el subespacio vectorial: S en forma paramétrica S en forma implícita S en forma implícita S en forma paramétrica queda reflejado con el siguiente Teorema Teorema (Los cuatro subespacios asociados a una matriz) Sea A una matriz real m n Se verifica: [Col(A) = Nul(A T ), [Nul(A) = Col(A T ) El espacio Col(A T ) se suele denominar espacio fila de la matriz A Notemos que en lo que se refiere a las dimensiones de los complementos ortogonales tenemos ( dim [Col(A) ) = dim ( Nul(A T ) ) = m pivotes de A T = m rang(a) = m dim (Col(A)) Puesto que cualquier subespacio vectorial se puede expresar como el espacio columna de una matriz tenemos que para cualquier subespacio vectorial S de R m se verifica dim ( S ) = m dim(s) 5- Bases ortogonales 5- Bases ortogonales de un subespacio Una base ortogonal de un subespacio vectorial S es una base de S formada por vectores que son ortogonales dos a dos Para calcular las coordenadas de un vector respecto de una base genérica de S hay que resolver un sistema de ecuaciones lineales cuya soluci on son las coordenadas del vector respecto de dicha base Como veremos en la sección 64, la principal ventaja, de tener una base ortogonal de un subespacio, es que el cálculo de las coordenadas de un vector respecto de dicha base es particularmente sencillo y se tiene una fórmula para dichas coordenadas (ver el desarrollo de Fourier) Una base ortonormal de un subespacio vectorial es una base formada por vectores que son ortogonales dos a dos y unitarios (con norma igual a ) Teorema Si {v,v,,v r } es un conjunto de vectores no-nulos ortogonales dos a dos, entonces son linealmente independientes Cuando se tiene un conjunto ortogonal de vectores no-nulos y se normalizan (se divide cada uno por su norma), obtenemos un conjunto ortonormal de vectores que formarán una base ortonormal del subespacio vectorial que generan Vamos a considerar ahora las propiedades de las matrices cuyas columnas son ortonormales Más adelante veremos el caso particular de las matrices cuadradas cuyas columnas son ortonormales Proposición Sea U = [u,,u n una matriz real m n Matemáticas I -

6 Tema 5- Ortogonalidad y mejor aproximación () U tiene columnas ortonormales U T U = I () Si U tiene columnas ortonormales, entonces conserva ángulos y distancias Es decir (Ux) (Uy) = x y, x,y R n En particular, (a) Ux = x, x R n (b) Ux Uy x y 5- El método de Gram-Schmidt En los temas anteriores hemos visto cómo obtener una base de un subespacio vectorial a partir de un conjunto de vectores que genere dicho subespacio vectorial El método de ortogonalización de Gram-Schmidt, que vamos a describir, permite construir, de manera progresiva, una base ortogonal de un subespacio vectorial a partir de una base de dicho subespacio e incluso de un conjunto de vectores que genere el subespacio, sin necesidad de que los vectores sean linealmente independientes Partiendo de una base {v,v,,v p } de un subespacio S, el método consiste en generar uno a uno vectores que son ortogonales a los construidos Denotamos por S,S, los subespacios vectoriales definidos por S = Gen {v },S = Gen {v,v },,S p = Gen {v,v,,v p } = S El método de Gram-Schmidt consiste en generar los vectores: u = v S, u = v proy S (v ) S, es decir, u es el único vector de la forma u = v +αu que es ortogonal a u, u = v proy S (v ) S, es decir, u es el único vector de la forma u = v +αu +βu que es ortogonal a u y a u, Notemos que, puesto que los vectores {v,v,,v p } son linealmente independientes, los subespacios S S S p = S son todos distintos (dim(s k ) = k,k =,,,p), los vectores u,u,,u p son todos nonulos y linealmente independientes y se verifica que S = Genv = Genu, S = Gen {v,v } = Gen {u,u }, S = Gen {v,v,v } = Gen {u,u,v } = Gen {u,u,u }, S p = Gen {v,,v p } = = Gen {u,,u p } Teorema (Método de ortogonalización de Gram-Schmidt) Consideremos una base {v,v,,v p } de un subespacio vectorial S de R n Entonces, los siguientes vectores están bien definidos Matemáticas I Ingeniería Civil

7 5- El método de Gram-Schmidt u = v u = v v u u u u = v v u u u v u u u u p = v p v p u u u vp u p u p u p y son no-nulos y ortogonales dos a dos Además, para cada k =,,p, {u,u,,u k } es una base ortogonal de S k = Gen {v,v,,v k } En particular {u,u,,u p } es una base ortogonal de S = Gen {v,v,,v p } Observaciones (a) Si el objetivo es obtener una base ortonormal de S, una vez que se ha obtenido una base ortogonal basta normalizar los vectores obtenidos (b) En cada paso del método de Gram-Schmidt que acabamos de describir podríamos multiplicar (o dividir) el vector obtenido por un coeficiente no-nulo y seguir los cálculos con dicho vector (c) Qué sucede al aplicar el método de Gram-Schmidt a un conjunto de vectores linealmente dependientes? 5- Matrices ortogonales Un caso particularmente importante de matrices reales con columnas ortonormales lo constituyen las matrices cuadradas con dicha propiedad Definición (Matriz ortogonal) Se denomina matriz ortogonal a toda matriz Q real cuadrada no-singular cuya inversa coincide con su traspuesta, Q = Q T Ejercicio Prueba las siguientes propiedades de las matrices ortogonales () Si Q es ortogonal = det(q) = ± () Q es ortogonal Q T es ortogonal () Si Q y Q son ortogonales, entonces Q Q es ortogonal Proposición Sea Q una matriz real cuadrada n n Son equivalentes: () Q es una matriz ortogonal () Las n columnas de Q son ortonormales (y por tanto forman una base ortonormal de R n ) () Las n filas de Q son ortonormales (y por tanto forman una base ortonormal de R n ) Matemáticas I -

8 Tema 5- Ortogonalidad y mejor aproximación Observación- Notemos que el que las columnas de una matriz (real) sean ortonormales es equivalente a que lo sean las filas sólo en el caso de una matriz cuadrada Una matriz real no cuadrada puede tener columnas (o filas) ortonormales sin serlo sus filas (o columnas) Por ejemplo, las matrices,, tienen sus columnas ortonormales pero no sus filas Las traspuestas tienen filas ortonormales pero no columnas 54- La proyección ortogonal 54- Proyección ortogonal sobre un subespacio Si consideramos el subespacio vectorial S, de dimensión uno (una recta), generado por un vector, u, no-nulo, S = Gen {u }, la proyección ortogonal de un vector v R n sobre S será el vector u = αu S que verifica que v u = v αu es ortogonal a S Es decir, tenemos que determinar α con la condición de que v αu sea ortogonal a u, (v αu ) u = v u α u = α = v u u = u = proy S (v) = v u u u, ( = u = ) v u u No hay que confundir el vector proyección ortogonal de v sobre (la recta que genera) otro, u, que es un vector v u u u, con la magnitud de dicha proyección ortogonal, v u u, que es un número real Para un subespacio de dimensión arbitraria puede darse una expresión de la proyección ortogonal de un vector sobre dicho subespacio cuando disponemos de una base ortogonal de dicho subespacio Considerando una base ortonormal puede darse una expresión cómoda de la matriz de la proyección ortogonal Teorema (de la descomposición ortogonal) Sea S un subespacio vectorial de R n Dado cualquier vector v R n existe un único vector u S (llamado proyección ortogonal de v sobres)talque v u S Dehecho, si {u,u,,u r } esuna baseortogonaldes, entonces la proyección ortogonal de v sobre S es y la proyección ortogonal de v sobre S es Notemos que: u := proy S (v) = v u u u + + v u r u r u r w = v u Matemáticas I Ingeniería Civil

9 54- La proyección ortogonal Si v S, entonces proy S (v) = v y proy S (v) = Notemos que proy S (v) = v u = v proy S (v), esto es proy S (v)+proy S (v) = v Cada sumando de la expresión v u u u + + v u r u r u r nos da la proyección ortogonal del vector v sobre el subespacio generado por el correspondiente vector u k El vector u = proy S (v) verifica que u v y expresando u en términos de la base ortogonal dada esta desigualdad es la desigualdad de Bessel considerada en la siguiente proposición Corolario Sea {u,u,,u r } una base ortogonal de un subespacio S de R n Entonces las coordenadas de un vector u S respecto de dicha base vienen dadas por u u k u k, es decir, se verifica que u = u u u u + + u u r u r u r La expresión anterior se suele denominar desarrollo de Fourier de v respecto a la base {u,u,,u r } Corolario (Matriz de una proyección ortogonal) Sea S un subespacio vectorial de R n (a) Si {u,u,,u r } es una base ortonormal de S, la proyeción ortogonal de un vector v R n sobre S es u := proy S (v) = (v u )u + +(v u r )u r (b) Siendo U una matriz cuyas columnas forman una base ortonormal de S, la matriz de la proyección ortogonal sobre S es P S = UU T, es decir proy S (v) = UU T v, v R n Aunque puedan considerarse distintas matrices U como en el enunciado, la matriz P S = UU T que representa a la proyección ortogonal, respecto a la base canónica, es única Las propiedades características de las matrices de proyección ortogonal son: P S = P S, ( UU T ) = U(U T U)U T = UIU T = UU T, y P S es simétrica, ( UU T ) T = (U T ) T U T = UU T Matemáticas I -

10 4 Tema 5- Ortogonalidad y mejor aproximación 54- El teorema de la mejor aproximación El teorema de la mejor aproximación resuelve el problema de la mínma distancia de un punto a un subespacio vectorial Dado un subespacio vectorial S de R n y un punto/vector x R n, se trata de minimizar la distancia de x a un punto/vector genérico w S, min{ x w : w S}, y de obtener el punto/vector donde se alcanza dicho mínimo Este problema se puede plantear como un problema de optimización en varias variables (cálculo diferencial de varias variables) sin más que expresar un vector genérico w S como combinación lineal arbitraria de los vectores de un base de S El teorema de la mejor aproximación nos dirá que es equivalente resolver el problema de mínima distancia (la mejor aproximación a x desde S) que el problema de la proyección ortogonal sobre S La mínima distancia de x a S se alcanza en proy S (x) (y en ningún otro punto) Teorema (de la mejor aproximación) Sea S un subespacio vectorial de R n y consideremos un vector x R n y un vector y S Son equivalentes: (a) y es la proyección ortogonal de x sobre S, es decir, y S, x y S (b) y es la mejor aproximación de x desde S, es decir, y S, x y x w para todo w S S x Sea y = proy S (x) y sea w S Puesto que S O w y x w = (x y)+(y w), x y S,y w S, aplicando el Teorema de Pitágoras tenemos x w = x y + y w x y 55- Problemas de mínimos cuadrados Ecuaciones normales de Gauss En términos generales, resolver un problema en el sentido de los mínimos cuadrados es sustituir un problema en el que hay que resolver un sistema de ecuaciones (que no tiene solución) por el problema de minimizar una suma de cuadrados Ejemplo El problema de la regresión lineal Si consideramos dos magnitudes, x e y, de las que suponemos que están relacionadas mediante una igualdad del tipo y = ax+b, donde tenemos que determinar a y b mediante la obtención de resultados experimentales, y dichos resultados son Matemáticas I Ingeniería Civil

11 55- Problemas de mínimos cuadrados Ecuaciones normales de Gauss 5 x x x x n y y y y n los valores a y b los obtendremos de la resolución del sistema de ecuaciones lineales ax +b = y x y ax +b = y x [ a y = b ax n +b = y n x n y n Lo habitual es que un sistema de ecuaciones como el anterior no tenga solución Resolver el sistema anterior en el sentido de los mínimos cuadrados consiste en determinar los valores a y b para los cuales la suma de cuadrados (ax +b y ) +(ax +b y ) + +(ax n +b y n ) es mínima (si hubiera solución dicho valor mínimo sería cero) Puesto que esta suma de cuadrados es el cuadrado de la norma del vector x y x y y los vectores de la forma x n x x x n [ a b [ a b y n a,b R forman el espacio columna S de la matriz considerada, resolver el sistema en mínimos cuadrados es determinar el vector de S más cercano al término independiente considerado y resolver el sistema (que será compatible) con ese nuevo término independiente Para un sistema genérico de ecuaciones lineales Ax = b, resolverlo en el sentido de los mínimos cuadrados es determinar el vector (o vectores) x R n para los cuales Ax b es mínima PuestoquelosvectoresAxrecorrenelespaciocolumnadeA(cuandoxrecorreR n ), Ax b será mínima para los vectores x R n tales que Ax es igual a la proyección ortogonal de b sobre el espacio Col(A) A R n Rm b O x O Ax proy S (b) Col(A) Matemáticas I -

12 6 Tema 5- Ortogonalidad y mejor aproximación Teorema Consideremos un sistema de ecuaciones Ax = b, A matriz real m n, b R m, S = Col(A) y sea ˆx R n Son equivalentes: (a) ˆx es solución en mínimos cuadrados del sistema Ax = b, es decir, (b) ˆx verifica Aˆx = proy S (b) Aˆx b Ax b, x R n (c) ˆx verifica las ecuaciones normales de Gauss A T Aˆx = A T b Observaciones (a) El sistema de ecuaciones Ax = proy S (b) (sistema m n) y el sistema A T Ax = A T b (sistema n n) son siempre compatibles y tienen el mismo conjunto de soluciones (b) ElsistemaAx = proy S (b)serácompatibledeterminado(esdecirelproblemaenmínimos cuadrados tendrá solución única) si y sólo si el sistema homogéneo asociado Ax = tiene solución única Por tanto, el sistema Ax = b tiene solución única en mínimos cuadrados las columnas de A son linealmente independientes (rango(a) = n) Matemáticas I Ingeniería Civil

13 56- Ejercicios Ejercicios 56- Enunciados Ejercicio Sea u = [,, T () Describegeométricamente elconjunto devectores v R que verifican, respectivamente, { } { } { } { } v u = v u = v u = 4 v u = (a), (b), (c), (d) v = v = v = v = / 4 () Calcula el radio y el centro de la circunferencia dada por las siguientes ecuaciones { } v u = v = Ejercicio Halla una base y unas ecuaciones implícitas de E y de F siendo E y F los subespacios E = Gen,, x+y +z t = y F x+y t = x+y +9z t = Ejercicio Expresa el vector (,,,4) T como suma de dos vectores u + v siendo u proporcional a (,,,) T y v u Ejercicio 4 Halla la proyección ortogonal de los siguientes vectores sobre los subespacios que se indican: () (4,,, ) T sobre el subespacio definido por x +x +x +x 4 = () (,,,) T sobre el subespacio de R 4 dado por: { x y +z t =, E y +z = () (, 4,5) T sobre el subespacio f(e) siendo f la aplicación lineal dada por la matriz A = y E el subespacio de R dado por x y z = Matemáticas I -

14 8 Tema 5- Ortogonalidad y mejor aproximación Ejercicio 5 Demuestra: () El producto de matrices ortogonales es ortogonal () La suma de matrices ortogonales puede no ser ortogonal Ejercicio 6 Dadas las bases ortonormales de R B = B = { ( u = /,/ T ( ),u = /,/ ) } T { ( w = /, T ( /),w = ) } T /,/ y halla la matriz correspondiente al cambio de una de esas bases a la otra Comprueba que la matriz de paso es ortogonal Ejercicio 7 Halla el vector perteneciente al subespacio de R 4 generado por los vectores que está más cerca del vector (,,,) T (,,,) T,(,,,) T y(,,, ) T Ejercicio 8 Halla la matriz de la proyección ortogonal sobre cada uno de los siguientes subespacios de R 4 : () el subespacio generado por (,,,) T y (,,,) T () el subespacio generado por (,,,) T y (,,,) T { x y +z +t = () Sobre E y sobre E, siendo E x 5y +z +t = ser, la suma de ambas matrices vale I Comprueba que, como debe Ejercicio 9 Dado el subespacio S R definido por x x +x =, se pide: (a) Halla la matriz de la proyección ortogonal sobre S Cuál es la matriz de la proyección ortogonal sobre S? (b) Determina una base de S (c) Demuestra que Col(A) = S, siendo A = (d) Halla el vector de S que dista menos de v = (,,) T Matemáticas I Ingeniería Civil

15 56- Ejercicios 9 Ejercicio Aplica el método de Gram-Schmidt a: (a) La base de R 4, { (,,,) T, (,,,) T, (,,,) T, (,,,) T} (b) Las columnas de las matrices A =, B = Ejercicio La proyección ortogonal del vector v = (5,,) T sobre la recta x = y,y = z es: (,, ) T (,,) T (,,) T Ejercicio Halla una base ortonormal de Col(A) y otra de Nul(A) siendo A = Ejercicio Consideremos el subespacio E definido mediante E = Gen { (a,,,) T,(a,a,b,) T,(a,b, a,) T}, a,b R (a) Hallar una base ortonormal del subespacio E según los valores de a y b (b) Hallar la matriz de la proyección ortogonal sobre E, cuando a = (c) Calcular los valores de los parámetros a y b tales que el subespacio dado por las ecuaciones x = 5x +x +x = x +x x +x 4 = sea ortogonal a E Ejercicio 4 Consideremos los vectores y el subespacio vectorial dados por α α v =, v = α, u = ; S x +x +αx = Determina α sabiendo que proy S (v ) = proy S (v ) = u (un dibujo puede ayudar) Matemáticas I -

16 4 Tema 5- Ortogonalidad y mejor aproximación Ejercicio 5 Sean S y S los subespacios vectoriales de R 4 definidos mediante S x +x +x +x 4 =, y S x +x x x 4 = Determina el vector v R 4 cuyas proyecciones ortogonales sobre S y S son, respectivamente, 7 u = proy S (v) = 5 5, u = proy S (v) = 7 Ejercicio 6 Sea A una matriz 4 tal que Nul(A) = Gen 5, Col(A) = Gen v =,v = (a) Calcula la proyección ortogonal del vector v = [ T R 4 sobre el subespacio Col(A) (b) Determina la matriz A sabiendo que es de la forma A = Ejercicio 7 Resolver en el sentido de los mínimos cuadrados los siguientes sistemas de ecuaciones () x =,x = 7,x =,x = () x = a, x = a,,x = a n, siendo a, a,, a n números reales Qué se obtiene cuando alguno de los valores a k aparece repetido? [ [ () Ax = b siendo A = y b = 4 Ejercicio 8 Resuelve en el sentido de los mínimos cuadrados los dos sistemas equivalentes siguientes (que tendrían las mismas soluciones exactas si fueran compatibles) { x +x = x +x = 4 } y { x +x = x +x = } Matemáticas I Ingeniería Civil

17 56- Ejercicios 4 { [,,, T,[,,, T,[,,, T} y la ma- Ejercicio 9 Dados el subespacio E = Gen triz (a) Calcular una base de E A = a b a a b b (b) Hallar la matriz de la proyección ortogonal sobre E (c) Calcular A sabiendo que Col(A)) está contenido en E (d) Resolver en el sentido delos mínimos cuadrados, el sistema Ax = b con b = (,,,) t Ejercicio Por el método de los mínimos cuadrados, ajustar una parábola, y = ax + bx+c, a los puntos (, ), (,), (,) y (, ) Ejercicio Resolviendo el sistema sobredeterminado que se obtiene de la ecuación general de la circunferencia x +y +ax+by+c =, calcular la circunferencia que mejor se ajuste, en el sentido de los mínimos cuadrados a los puntos (,), (,), (,) y (,), indicando las coordenadas del centro y el radio de la misma Ejercicio Consideremos el sistema ( ) x = y Sus [ ecuaciones [ normales [ de Gauss son: 6 x 4 = 4 y 8 [ 6 4 [ 6 4 [ x y [ x y = = [ 4 [ 4 8 Ejercicio Considera los vectores v,v,v y v 4 de R 4 y la matriz C dados por v =,v =,v =,v 4 = 8 ; C = v v (a) Calcular la matriz de la proyección ortogonal sobre S = Gen {v,v,v }, el vector de S más cercano a v 4 y la distancia de v 4 a S (b) Resolver, en el sentido de los mínimos cuadrados, el sistema Cx = v Matemáticas I -

18 4 Tema 5- Ortogonalidad y mejor aproximación 56- Soluciones Ejercicio { () v u = v = { v u = v = { v u = 4 v = Corte de la esfera de centro el origen y radio con el plano x+y +z = Circunferencia de centro el origen y radio Corte de la esfera de centro el origen y radio con el plano x+y +z = Circunferencia de centro C = (, 4, 6 ) y radio Corte de la esfera de centro el origen y radio con el plano x+y +z = 4 Nada 4 { v u = v = 4 5 () Radio r =, Centro C = (, 6, 9 ) Corte de la esfera de centro el origen y radio / 4 con el plano x+y +z = Un punto Ejercicio E Base,, Ecuaciones implícitas { x + x +x 4 =, x x +x 4 = F Base v =,v =, Ecuaciones implícitas { 6x+9y +z =, y +t = Ejercicio 4 = u+v, u =, v = 5 Ejercicio 4 () Para el vector v dado, tenemos 4 v = proy(v) = 5 7 Matemáticas I Ingeniería Civil

19 56- Ejercicios 4 () Para el vector dado tenemos, proy(v) = () En este caso la proyección viene dada por proy( 4 5 ) = 47 4 Ejercicio 5 () Si tomamos dos matrices ortgonales Q y Q de orden n, se verifica que Q = Q T y Q = Q T y, por tanto, la matriz producto Q = Q Q es ortogonal pues se verifica que QQ T = (Q Q )(Q Q ) T = (Q Q ) ( Q T QT ) = Q Q Q T QT = Q Q T = I () Las matrices Q = I y Q = I son ortogonales, pero su suma Q +Q = no lo es Ejercicio 6 Una de las matrices de cambio de base es P = [ + + B B + que es una matriz ortogonal porque los vectores columna forman una base ortonormal de R La otra matriz de cambio de base es la inversa (o traspuesta) de la matriz anterior ( P = B B ) ( P = B B P B B ) T = [ Ejercicio 7 Teniendo en cuenta el Teorema de la mejor aproximación, de los vectores deunsubespacio vectorial S,el queestá máscerca deunvector dadobesel vector proyección ortogonal de b sobre S, es decir, el vector pedido es proy S (b) = Matemáticas I -

20 44 Tema 5- Ortogonalidad y mejor aproximación Ejercicio 8 () La matriz de la proyección ortogonal sobre el subespacio es 5 5 P S = (Los elementos que faltan en la matriz anterior no son nulos, quiénes tienen que ser?) () La matriz de la proyección ortogonal sobre el subespacio generado 5 P = (Completa las posiciones donde aparece ( )) () La matriz de la proyección ortogonal sobre E, P E = 4 (Completa las posiciones donde aparece ( )) La matriz de la proyección ortogonal sobre E P E = 4 = I P E (Completar las posiciones donde aparece ( )) Ejercicio 9 (a) La matriz de la proyección ortogonal sobre S es P S = La matriz de la proyección ortogonal sobre S es P S = I P S = (b) Una base de S es Matemáticas I Ingeniería Civil

21 56- Ejercicios 45 (c) Tenemos Col(A) = S puesto que cada columna de A está en S y ambos subespacios tienen dimensión (d) El vector u de S más cercano a v es el vector proyección ortogonal de v sobre S, es decir, P S v = = La distancia de v a S es v P S v = P S v = 9 = Ejercicio (a) (b) A: Ortogonalizamos los vectores columna v y v de A, u = v =, u = v v u u u = B: Ortogonalizamos los vectores columna v y v de B, u = v =, u = v v u u u = Ejercicio La proyección ortogonal del vector v = (5,,) T sobre la recta x = y,y = z es: (,,) T Ejercicio Col(A) Una base ortonormal de Col(A) es q =,q =,q = Nul(A) Como el rango de A es el espacio nulo tiene dimensión cero, luego sólo puede ser Nul(A) = {} Ejercicio (a) Si a = los vectores son ortogonales dos a dos y tenemos los siguientes casos: Matemáticas I -

Tema 4.- El espacio vectorial R n.

Tema 4.- El espacio vectorial R n. Tema 4- El espacio vectorial R n Subespacios vectoriales de R n Bases de un subespacio Rango de una matriz 4 Bases de R n Cambios de base 5 Ejercicios En este tema estudiamos la estructura vectorial del

Más detalles

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones.

Sección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones. Tema 4 Producto escalar En bachiller habéis visto los conceptos de producto escalar, longitud, distancia y perpendicularidad en R y R 3 En este tema del curso se generalizan estos conceptos a R n, junto

Más detalles

Tema 2. Aplicaciones lineales y matrices.

Tema 2. Aplicaciones lineales y matrices. Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................

Más detalles

Espacios vectoriales con producto interno

Espacios vectoriales con producto interno Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.

Más detalles

Tema 3: Producto escalar

Tema 3: Producto escalar Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica

Más detalles

Segundo de Bachillerato Geometría en el espacio

Segundo de Bachillerato Geometría en el espacio Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto

Más detalles

Vectores en el espacio

Vectores en el espacio Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

Álgebra Lineal. Sesión de Prácticas 6: Ortogonalidad. Método de Gram-Schmidt. Complemento ortogonal y mejor aproximación

Álgebra Lineal. Sesión de Prácticas 6: Ortogonalidad. Método de Gram-Schmidt. Complemento ortogonal y mejor aproximación Álgebra Lineal Sesión de Prácticas 6: Ortogonalidad. Método de Gram-Schmidt. Complemento ortogonal y mejor aproximación Primero Grado Ingeniería Informática Departamento de Matemática Aplicada Facultad

Más detalles

Tema 3. Matrices, determinantes y sistemas de ecuaciones lineales.

Tema 3. Matrices, determinantes y sistemas de ecuaciones lineales. Ingeniería Civil Matemáticas I -3 Departamento de Matemática Aplicada II Escuela Superior de Ingenieros Universidad de Sevilla Tema 3 Matrices, determinantes y sistemas de ecuaciones lineales 3- Matrices

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere

Más detalles

Formas bilineales y cuadráticas.

Formas bilineales y cuadráticas. Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos

Más detalles

Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores

Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores FASÍCULO: ESPACIOS CON PRODUCTO INTERNO Teorema. Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : i) ii) iii) iv) Ejemplo: Sean el espacio vectorial con el producto interno definido

Más detalles

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO) Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto

Más detalles

EXAMEN DE MATEMÁTICAS 2º BACHILLERATO CCNN BLOQUE : GEOMETRÍA

EXAMEN DE MATEMÁTICAS 2º BACHILLERATO CCNN BLOQUE : GEOMETRÍA EXAMEN DE MATEMÁTICAS 2º BACHILLERATO CCNN BLOQUE : GEOMETRÍA OPCIÓN A EJERCICIO 1 Halle el punto P simétrico del punto P ( 3, 4, 0) respecto del plano Л que contiene a la recta s : x = y 2 = z 1 y al

Más detalles

Producto Interno y Ortogonalidad

Producto Interno y Ortogonalidad Producto Interno y Ortogonalidad Departamento de Matemáticas, CSI/ITESM 15 de octubre de 2009 Índice 8.1. Contexto................................................ 1 8.2. Introducción...............................................

Más detalles

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

Espacio afín. Transformaciones afines y movimientos

Espacio afín. Transformaciones afines y movimientos Capítulo Espacio afín. Transformaciones afines y movimientos. Espacio afín y espacio afín métrico Definición. El espacio afín (tridimensional) está constituido por los siguientes elementos. El espacio

Más detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR} Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar

Más detalles

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes. VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

Tema 6.- Autovalores y autovectores.

Tema 6.- Autovalores y autovectores. Ingeniería Civil. Matemáticas I. -3. Departamento de Matemática Aplicada II. Escuela Superior de Ingenieros. Universidad de Sevilla. Tema 6.- Autovalores autovectores. 6..- Autovalores autovectores. Definición

Más detalles

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental

Más detalles

Capítulo 9 Vectores en el espacio

Capítulo 9 Vectores en el espacio Capítulo 9 Vectores en el espacio Introducción El concepto de vector es muy amplio y su aplicación se evidencia en los diferentes campos de las ciencias. En matemáticas, un vector es un elemento de una

Más detalles

Cambio de representaciones para variedades lineales.

Cambio de representaciones para variedades lineales. Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia

Más detalles

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide:

vectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide: .- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax, así como los subespacios vectoriales N(f) e Im(f) a) f(x,y) = (x,-y) b) f(x,y)

Más detalles

Espacios vectoriales. Bases. Coordenadas

Espacios vectoriales. Bases. Coordenadas Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario) Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES

Más detalles

1. Producto escalar, métrica y norma asociada

1. Producto escalar, métrica y norma asociada 1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la

Más detalles

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES Espacios Vectoriales y Aplicaciones Lineales 4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA 1.- Espacios Vectoriales..- Propiedades de un Espacio Vectorial..-

Más detalles

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V.

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V. Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL x x x1 n θ y y ȳ1 n 1 n x1 n ȳ1 n Carlos Arce S. William Castillo E. Jorge González V. 2003 Algebra Lineal Carlos Arce S., William Castillo

Más detalles

Algebra Lineal y Geometría.

Algebra Lineal y Geometría. Algebra Lineal y Geometría. Unidad nº7: Transformaciones Lineales. Algebra Lineal y Geometría Esp. Liliana Eva Mata 1 Contenidos. Transformación lineal entre dos espacios vectoriales. Teorema fundamental

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

Espacios de Hilbert. 10.1. Producto Escalar y Norma. Tema 10

Espacios de Hilbert. 10.1. Producto Escalar y Norma. Tema 10 Tema 10 Espacios de Hilbert Vamos a desarrollar en lo que sigue los resultados básicos acerca de los espacios de Hilbert, un tipo muy particular de espacios de Banach con propiedades especiales que están

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios vectoriales y aplicaciones lineales Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un

Más detalles

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2. PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.

Más detalles

3.1 DEFINICIÓN. Figura Nº 1. Vector

3.1 DEFINICIÓN. Figura Nº 1. Vector 3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado

Más detalles

IES Fco Ayala de Granada ( Modelo 5) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada ( Modelo 5) Soluciones Germán-Jesús Rubio Luna PRUEBA DE ACCESO A LA UNIVERSIDAD MATEMÁTICAS II DE ANDALUCÍA CURSO 0-0 Opción A Ejercicio, Opción A, Modelo 5 de 0 ['5 puntos] Un alambre de longitud metros se divide en dos trozos Con el primero se forma

Más detalles

1. Cambios de base en R n.

1. Cambios de base en R n. er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..

Más detalles

Curso de Procesamiento Digital de Imágenes

Curso de Procesamiento Digital de Imágenes Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx

Más detalles

Espacios vectoriales y Aplicaciones lineales

Espacios vectoriales y Aplicaciones lineales Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

Tema 2: Espacios vectoriales

Tema 2: Espacios vectoriales Tema 2: Espacios vectoriales La estructura de espacio vectorial juega un papel fundamental en el álgebra lineal pues es la base de todos los conceptos que ahí se desarrollan. Vamos en la siguiente sección

Más detalles

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD

UNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD Opción A Ejercicio 1.- [2 5 puntos] Una ventana normanda consiste en un rectángulo coronado con un semicírculo. De entre todas las ventanas normandas de perímetro 10 m, halla las dimensiones del marco

Más detalles

Sistemas de vectores deslizantes

Sistemas de vectores deslizantes Capítulo 1 Sistemas de vectores deslizantes 1.1. Vectores. Álgebra vectorial. En Física, se denomina magnitud fsica (o simplemente, magnitud) a todo aquello que es susceptible de ser cuantificado o medido

Más detalles

Vectores y Valores Propios

Vectores y Valores Propios Capítulo 11 Vectores y Valores Propios Las ideas de vector y valor propio constituyen conceptos centrales del álgebra lineal y resultan una valiosa herramienta en la solución de numerosos problemas de

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO

APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO ÍNDICE VECTORES EN EL PLANO... 3 Vector Fijo... 3 VECTOR LIBRE... 3 Operaciones con Vectores... 3 Suma de vectores... 3 Producto de un número por

Más detalles

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008

Más detalles

Apuntes de Álgebra Lineal

Apuntes de Álgebra Lineal Apuntes de Álgebra Lineal Mariano Echeverría Introducción al Curso El álgebra lineal se caracteriza por estudiar estructuras matemáticas en las que es posible tomar sumas entre distintos elementos de cierto

Más detalles

Aplicaciones lineales

Aplicaciones lineales Capítulo 4 Aplicaciones lineales 4.1. Introduccción a las aplicaciones lineales En el capítulo anterior encontramos la aplicación de coordenadas x [x] B que asignaba, dada una base del espacio vectorial,

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

Problemas de Selectividad. Isaac Musat Hervás

Problemas de Selectividad. Isaac Musat Hervás Problemas de Selectividad Isaac Musat Hervás 3 de mayo de 007 Índice General 1 Problemas de Álgebra 5 1.1 Matrices en General....................... 5 1. Determinantes.......................... 6 1.3

Más detalles

MATEMÁTICAS II. 2º BACHILLERATO (Modalidad: Ciencias y Tecnología) Desarrollado en DECRETO 67/2008, de 19 de junio. B.O.C.M.: 27 de junio de 2008.

MATEMÁTICAS II. 2º BACHILLERATO (Modalidad: Ciencias y Tecnología) Desarrollado en DECRETO 67/2008, de 19 de junio. B.O.C.M.: 27 de junio de 2008. MATEMÁTICAS II 2º BACHILLERATO (Modalidad: Ciencias y Tecnología) Desarrollado en DECRETO 67/2008, de 19 de junio. B.O.C.M.: 27 de junio de 2008. PROGRAMACIÓN DIDÁCTICA I.E.S. JOSÉ HIERRO (GETAFE) CURSO:

Más detalles

CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES

CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES CAPÍTULO II. CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES SECCIONES 1. Dominios y curvas de nivel. 2. Cálculo de ites. 3. Continuidad. 55 1. DOMINIOS Y CURVAS DE NIVEL. Muchos problemas geométricos y físicos

Más detalles

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2

Más detalles

Ortogonalidad y Series de Fourier

Ortogonalidad y Series de Fourier Capítulo 4 Ortogonalidad y Series de Fourier El adjetivo ortogonal proviene del griego orthos (recto) y gonia (ángulo). Este denota entonces la perpendicularidad entre dos elementos: dos calles que se

Más detalles

GEOMETRÍA DEL ESPACIO EUCLÍDEO

GEOMETRÍA DEL ESPACIO EUCLÍDEO CAPÍTULO I. GEOMETRÍA DEL ESPACIO EUCLÍDEO SECCIONES 1. Vectores. Operaciones con vectores. 2. Rectas y planos en R 3. 3. Curvas y superficies en R 3. 4. Nociones de topología métrica. 1 1. VECTORES. OPERACIONES

Más detalles

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos.

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Prof. D. Miguel Ángel García Hoyo. Septiembre de 2011 Dependencia lineal

Más detalles

4.- Para los siguientes conjuntos de vectores, probar si son o no subespacios vectoriales de R 4 : 2d + 1 : b, d reales. d

4.- Para los siguientes conjuntos de vectores, probar si son o no subespacios vectoriales de R 4 : 2d + 1 : b, d reales. d GRADO EN I. TELEMÁTICA. HOJA : ESPACIOS VECTORIALES. ESPACIOS NULO Y COLUMNA.- Sea W el conjunto de todos los vectores de R de la forma subespacio de R. s + t s t s t t, con s, t R. Probar que W es un.-

Más detalles

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades: Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición

Más detalles

Álgebra lineal y matricial

Álgebra lineal y matricial Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen

Más detalles

1 Espacios y subespacios vectoriales.

1 Espacios y subespacios vectoriales. UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto

Más detalles

Estructuras algebraicas

Estructuras algebraicas Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota

Más detalles

Tema 3. Aplicaciones lineales. 3.1. Introducción

Tema 3. Aplicaciones lineales. 3.1. Introducción Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones

Más detalles

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial. Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =

Más detalles

Tema 7: ESPACIOS VECTORIALES AFINES

Tema 7: ESPACIOS VECTORIALES AFINES Tema 7: ESPACIOS VECTORIALES AFINES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura:

Más detalles

Análisis III. Joaquín M. Ortega Aramburu

Análisis III. Joaquín M. Ortega Aramburu Análisis III Joaquín M. Ortega Aramburu Septiembre de 1999 Actualizado en julio de 2001 2 Índice General 1 Continuidad en el espacio euclídeo 5 1.1 El espacio euclídeo R n...............................

Más detalles

Apuntes de Álgebra III

Apuntes de Álgebra III Apuntes de Álgebra III Versión Corregida Dr. Carlos Lizama Universidad de Santiago de Chile Facultad de Ciencias Departamento de Matemática y C.C. Introducción El presente texto de apuntes de Álgebra III

Más detalles

GEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008

GEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008 1. Sean los puntos A (1, 0,-1) y B (,-1, 3). Calcular la distancia del origen de coordenadas a la recta que pasa por A y B. Calculemos la recta que pasa por A y B. El vector AB es (1,-1,4) y por tanto

Más detalles

Tema 7. Geometría en plano. Vectores y rectas

Tema 7. Geometría en plano. Vectores y rectas Tema 7. Geometría en plano. Vectores y rectas. Vectores y puntos en el plano. Coordenadas.... Operaciones con vectores... 5.. Suma y resta de vectores... 5.. Producto de un número real por un vector....

Más detalles

Métodos estadísticos y algebraicos

Métodos estadísticos y algebraicos Métodos estadísticos y algebraicos Tratamiento Avanzado de Señal en Comunicaciones Curso 2009-2010 1: Multiplicaciones matriciales Si b = Ax, entonces b es una combinación lineal de las columnas de A.

Más detalles

SELECTIVIDAD MURCIA MATEMÁTICAS II. e πi +1 = 0 MATEMÁTICAS II MATEMÁTICAS II. Germán Ibáñez http://www.otrapagina.com/matematicas

SELECTIVIDAD MURCIA MATEMÁTICAS II. e πi +1 = 0 MATEMÁTICAS II MATEMÁTICAS II. Germán Ibáñez http://www.otrapagina.com/matematicas MATEMÁTICAS II MATEMÁTICAS II MATEMÁTICAS II SELECTIVIDAD MURCIA e πi + = icosaedro octaedro cubo tetraedro 3 de diciembre de 4 Germán Ibáñez http://www.otrapagina.com/matematicas dodecaedro . Índice general.

Más detalles

TEMA 6. EIGENVALORES Y EIGENVECTORES

TEMA 6. EIGENVALORES Y EIGENVECTORES TEMA 6. EIGENVALORES Y EIGENVECTORES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST TEMA 6. EIGENVALORES Y EIGENVECTORES

Más detalles

PRODUCTO ESCALAR DE DOS VECTORES

PRODUCTO ESCALAR DE DOS VECTORES PRODUCTO ESCALAR DE DOS VECTORES El producto escalar de dos vectores es un número real que resulta al multiplicar el producto de sus módulos por el coseno del ángulo que forman si los vectores son no nulos

Más detalles

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector

Más detalles

Matemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación.

Matemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación. UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD DE LOS MAYORES DE 25 AÑOS CONVOCATORIA 2014 CRITERIOS DE EVALUACIÓN Matemáticas GENERALES: El examen constará de dos opciones (dos

Más detalles

INTRODUCCION A LA FISICA NEWTONIANA Manuscrito de cátedra

INTRODUCCION A LA FISICA NEWTONIANA Manuscrito de cátedra INTRODUCCION A LA FISICA NEWTONIANA Manuscrito de cátedra ADVERTENCIA: manuscrito en estado de preparación muy preliminar, particularmente en lo que respecta a la secuencia temática, orden y terminación

Más detalles

MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios

MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios Sonia L. Rueda ETS Arquitectura. UPM Curso 2007-2008. 1 MATEMÁTICAS I TEMA 1: Espacios Vectoriales 1 Definición de espacio vectorial. Subespacios Dados dos conjuntos V y K se llama ley de composición externa

Más detalles

Apuntes de Álgebra. Ingeniería Industrial

Apuntes de Álgebra. Ingeniería Industrial Apuntes de Álgebra Ingeniería Industrial Encarnación Algaba Durán Fernando Mayoral Masa Alejandro J Rodríguez Luis Dpto Matemática Aplicada II ETS Ingenieros Universidad de Sevilla Introducción Con las

Más detalles

El espacio tridimensional. Tema 01: Álgebra lineal y geometría en R 3. Vectores. El producto punto o producto escalar. Teorema

El espacio tridimensional. Tema 01: Álgebra lineal y geometría en R 3. Vectores. El producto punto o producto escalar. Teorema El espacio tridimensional Tema 01: Álgebra lineal y geometría en R 3 Juan Ignacio Del Valle Gamboa Sede de Guanacaste Universidad de Costa Rica Ciclo I - 2014 Partimos de los conceptos de punto y vector.

Más detalles

Álgebra Lineal. Sesión de Prácticas 3: Subespacios vectoriales de K n. Operaciones con subespacios. Primero Grado Ingeniería Informática

Álgebra Lineal. Sesión de Prácticas 3: Subespacios vectoriales de K n. Operaciones con subespacios. Primero Grado Ingeniería Informática Álgebra Lineal Sesión de Prácticas 3: Subespacios vectoriales de K n. Operaciones con subespacios Primero Grado Ingeniería Informática Departamento de Matemática Aplicada Facultad de Informática 1 / 22

Más detalles

Opción A Ejercicio 1 opción A, modelo 4 Septiembre 2014

Opción A Ejercicio 1 opción A, modelo 4 Septiembre 2014 IES Fco Ayala de Granada Septiembre de 014 (Modelo 4) Soluciones Germán-Jesús Rubio Luna [ 5 puntos] Sabiendo que Sabiendo que 0 0 cos(3) - e + a sen() Opción A Ejercicio 1 opción A, modelo 4 Septiembre

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

Valores propios y vectores propios

Valores propios y vectores propios Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas

Más detalles

Tema 4: Aplicaciones lineales

Tema 4: Aplicaciones lineales Tema 4: Aplicaciones lineales Definición, primeras propiedades y ejemplos Definición. Sean V y W dos espacios vectoriales sobre un cuerpo K. Una función f : V W se dice que es una aplicación lineal si

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES 1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,

Más detalles

ANALISIS MATEMATICO II Grupo Ciencias 2015

ANALISIS MATEMATICO II Grupo Ciencias 2015 ANALISIS MATEMATICO II Grupo Ciencias 05 Práctica : Geometría Analítica: Vectores, Rectas y Planos A. Vectores Hasta el 9 de marzo. Sean v = (0,, ) y w = (,, 4) dos vectores de IR 3. (a) Obtener el coseno

Más detalles

IES Fco Ayala de Granada Sobrantes de 2011 ( Modelo 3) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2011 ( Modelo 3) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Granada Sobrantes de 11 ( Modelo 3) Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo 3 del 11 [ 5 puntos] Dada la función f : R R definida por f(x) ax 3 + bx +cx, determina

Más detalles

Ecuaciones Diferenciales Ordinarias de Primer Orden

Ecuaciones Diferenciales Ordinarias de Primer Orden Tema 2 Ecuaciones Diferenciales Ordinarias de Primer Orden Introducción Estudiaremos en este tema varios tipos de E.D.O. de primer orden que es posible resolver de forma exacta. 2.1 Ecuaciones en variables

Más detalles

Definición de vectores

Definición de vectores Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES Capítulo 7 SISTEMAS DE ECUACIONES LINEALES 7.1. Introducción Se denomina ecuación lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incógnitas no están elevadas a potencias,

Más detalles

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química

E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid Grado en Ingeniería en Tecnologías Industriales Grado en Ingeniería Química Apuntes de Álgebra ( Curso 2014/15) Departamento de Matemática

Más detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

4 APLICACIONES LINEALES. DIAGONALIZACIÓN 4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos

Más detalles

Problemas de 2 o Bachillerato (ciencias sociales) Isaac Musat Hervás

Problemas de 2 o Bachillerato (ciencias sociales) Isaac Musat Hervás Problemas de 2 o Bachillerato ciencias sociales) Isaac Musat Hervás 27 de mayo de 2007 2 Índice General 1 Problemas de Álgebra 5 1.1 Matrices, Exámenes de Ciencias Sociales............ 5 1.2 Sistemas de

Más detalles