Tema 3: Producto escalar
|
|
- Santiago Ruiz Poblete
- hace 7 años
- Vistas:
Transcripción
1 Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una aplicación f : V V R que verifica las siguientes propiedades: 1. Bilineal: (i) f(u + u 0,v) = f(u, v)+f(u 0,v) para todo u, u 0,v V (i 0 ) f(u, v + v 0 ) = f(u, v)+f(u, v 0 ) para todo u, v, v 0 V (ii) f(αu, v) = f(u, αv) =αf(u, v) para todo α R ytodou, v V 2. Simétrica: Para todo u, v V se tiene que f(u, v) =f(v, u). 3. Definida positiva: Para todo vector u V no nulo se tiene que f(u, u) > 0. La expresión f(u, v) es un escalar al que se le denomina producto escalar de u y v. La notación habitual que emplearemos para esto será u v (hay autores que utilizan para esto la notación < u,v >). Con esta notación la definición de producto escalar quedaría reescrita del siguiente modo: 1. Bilineal: (i) (u + u 0 ) v = u v + u 0 v para todo u, u 0,v V (i 0 ) u (v + v 0 ) = u v + u v 0 para todo u, v, v 0 V (ii) αu v = u αv = α(u v) para todo α R ytodou, v V 2. Simétrica: Para todo u, v V se tiene que u v = v u. 3. Definida positiva: Para todo vector u V no nulo se tiene que u u>0. Al par (V, ), formado por un R-espacio vectorial junto con un producto escalar se le denomina espacio vectorial euclídeo. Incluso suele hablarse del espacio vectorial euclídeo V sin mencionar el producto escalar, que se supone sobreentendido. Propiedad: En un espacio vectorial euclídeo (V, ) se cumple que: Para cualquier vector v V se tiene que v 0=0 En conclusión el único modo de que se anule v v es para el vector nulo v =0.Puessiv 6= 0entonces v v>0 1
2 Ejemplo El producto escalar usual (canónico o euclídeo) enr n. Dados (x 1,x 2,...,x n ), (y 1,y 2,..., y n ) R n se define el producto escalar euclídeo en R n del siguiente modo: (x 1,x 2,..., x n ) (y 1,y 2,..., y n )=x 1 y 1 + x 2 y x n y n 2. He aquí un ejemplo de un producto escalar (distinto del euclídeo) definido en R 3 : (x 1,x 2,x 3 ) (y 1,y 2,y 3 )=x 1 y 1 +5x 2 y 2 +2x 3 y 3 3. En R 3 con el producto escalar euclídeo obtenemos (2, 1, 3) (5, 2, 4) = ( 3) 4= = 0 y con el producto escalar visto en el ejemplo 2) obtenemos (2, 1, 3) (5, 2, 4) = ( 3) 4= = 4 Una forma de caracterizar a un producto escalar (suponiendo que se cumple la bilinealidad) es la siguiente: Propiedad: Sea : V V R una aplicación bilineal, con V un espacio vectorial real, y sea B = {v 1,v 2..., v n } una base de V.Entonces es un producto escalar si y sólo si la matriz v 1 v 1 v 1 v 2... v 1 v n v 2 v 1 v 2 v 2... v 2 v n v n v 1 v n v 2... v n v n es simétrica y definida positiva (esto último significa que los menores principales de la matriz [losqueseformanparacadak =1, 2,...,n tomando las k primeras filas y las k primeras columnas] son todos positivos). Ejemplo 1.2 Determinar si las siguientes aplicaciones bilineales son o no productos escalares: 1. En R 2 (x, y) (x 0,y 0 )=2xx 0 +2xy 0 +2yy 0 Como la matriz que se obtiene tomando la base canónica de R 2 es (1, 0) (1, 0) (1, 0) (0, 1) = (0, 1) (1, 0) (0, 1) (0, 1) = Ã! 2 2 = 0 2 yéstanoessimétrica,setienequenoesunproductoescalar. 2 =
3 2. En R 2 (x, y) (x 0,y 0 )=xx 0 + xy 0 + yx 0 + yy 0 La matriz que se obtiene tomando la base de R 2 es = {(2, 0), (1, 1)} (2, 0) (2, 0) (2, 0) (1, 1) (1, 1) (2, 0) (1, 1) (1, 1) = ( 1) ( 1) ( 1) 2+( 1) ( 1) + ( 1) 1+( 1) ( 1) Ã! 4 0 = 0 0 por lo que ésta es simétrica. Los determinantes principales valen y 0 0 =0 luego no es definida positiva. Así no es un producto escalar. 3. En R 3 (x, y, z) (x 0,y 0,z 0 )=xx 0 +2xy 0 +2yx 0 yz 0 zy 0 +5yy 0 Tomando base canónica de R 3 obtenemos la matriz y ésta es simétrica. Los determinantes principales valen > 0, 2 5 =1> 0 y = 1 < luego no es definida positiva. Así no es un producto escalar. 4. En R 2 (x, y) (x 0,y 0 )=4xx 0 +2yy 0 2xy 0 2yx 0 A partir de la base canónica de R 2 se obtiene la matriz Ã!
4 que es simétrica. Los determinantes principales valen > 0 y 2 2 =4> 0 luego es definida positiva. Así la aplicación bilineal es un producto escalar. 5. En R 3 (x, y, z) (x 0,y 0,z 0 )=2xx 0 2xy 0 2yx 0 + xz 0 + zx 0 +3yy 0 +6zz 0 Tomando base canónica de R 3 obtenemos la matriz y ésta es simétrica. Los determinantes principales valen > 0, 2 3 =2> 0 y =9> luego es definida positiva. Así es un producto escalar. 6. En R 2 [x], el espacio vectorial de los polinomios de grado menor o igual que 2, ytomando[a, b] un intervalo cualquiera de la recta real,se define el producto escalar Z b p(x) q(x) = p(x)q(x)dx En el apéndice del tema está comprobado que es un producto escalar. Mediante dicho producto realicemos el siguiente ejemplo, suponiendo que estamos trabajando con el intervalo [0, 1]: a Z 1 x (x 2 +2)= 0 Z 1 x (x 2 +2)dx = 0 (x 3 +2x)dx =[ x4 4 + x2 ] 1 0 =(1 4 +1) 0=5 4 2 Norma asociada a un producto escalar Sea (V, ) un espacio vectorial euclídeo y v V.Sellamanorma (módulo o longitud) del vector v (asociada al producto escalar anterior) al número real no negativo A este valor lo llamaremos norma del vector v. kvk =+ v v Observación 2.1 La norma asociada al producto escalar euclídeo de R n está dada para un vector (x 1,x 2,..., x n ) R n por q k(x 1,x 2,...,x n )k = x x x 2 n (la llamaremos norma euclídea). 4
5 Se dice que un vector es unitario cuando tiene norma 1. A partir de cualquier vector no nulo siempre puede construirse un vector unitario dividiendo por la norma. Ejemplo 2.2 Con el producto escalar usual en R 3 la norma del vector u =(2, 3, 0) vale Entonces el vector es unitario, pues kuk = k(2, 3, 0)k = p 2 2 +( 3) = 4+9+0= 13. u kuk =( 2 13, 3 13, 0) u kuk = ( 2, 3 s, 0) = = r r = 13 = 1=1 ( 2 13 ) 2 +( 3 13 ) = Ejemplo 2.3 Utilizando la norma asociada al producto escalar en R 2 dado mediante la expresión (x, y) (x 0,y 0 )=4xx 0 +2yy 0 2xy 0 2yx 0 la norma del vector (2, 1) es k(2, 1)k = p (2, 1) (2, 1) = = = 10 mientras que la norma euclídea del mismo vector es k(2, 1)k = p (2, 1) (2, 1) = = 5. 3 Ortogonalidad Se dice que dos vectores u y v de un espacio vectorial euclídeo son ortogonales (o perpendiculares) cuando u v =0. Un sistema de vectores se dice que es un sistema ortogonal de vectores cuando los vectores son ortogonales dos a dos. Si además todos los vectores son unitarios entonces se dirá que el sistema es ortonormal. Ejemplo vectores u 1,u 2,u 3 constituyen un sistema ortogonal si u 1 u 2 = 0 u 1 u 3 = 0 u 2 u 3 = 0 5
6 2. 2 vectores v 1,v 2 forman un sistema ortonormal si v 1 v 2 = 0 kv 1 k = 1 kv 2 k = 1 3. Con el producto escalar usual en R 4 los vectores constituyen un sistema ortogonal. (1, 2, 3, 0), (0, 0, 0, 1), (0, 3, 2, 0) 4. Con el producto escalar usual en R 3 los vectores ( 1 2, 1 2, 0), (0, 0, 1) 5. Utilizando la norma asociada al producto escalar en R 2 dado mediante la expresión los vectores (2, 1) y (1, 3) son ortogonales pues (x, y) (x 0,y 0 )=4xx 0 +2yy 0 2xy 0 2yx 0 (2, 1) (1, 3) = = =0 mientras que con el producto escalar euclídeo no lo son, pues (2, 1) (1, 3)=2+3=5 Una base de un espacio vectorial euclídeo V que además es un sistema ortogonal (respectivamente ortonormal) de vectores se llamará base ortogonal de V (respectivamente base ortonormal de V ). Propiedades: En un espacio vectorial euclídeo se verifican las siguientes propiedades: 1. Un sistema formado por un solo vector es un sistema ortogonal. 2. La base canónica de R n es una base ortonormal de este espacio vectorial, si estamos considerando el producto escalar euclídeo en R n. 3. Un sistema ortogonal de vectores no nulos es un sistema LI de vectores. En consecuencia un sistema ortonormal de vectores es un sistema LI de vectores. 4. La ortogonalidad es una propiedad que se conserva por CL, en particular por múltiplos. De este modo, si u es un vector ortogonal v entonces es ortogonal a todo múltiplo de v (del mismo modo se cumple que si u no es ortogonal a v entonces no es ortogonal a ningún múltiplo de v). Como casos particularmente interesantes tenemos los siguientes: (a) Si tenemos una base ortogonal podemos multiplicar cada vector por un escalar no nulo que el resultado sigue siendo una base ortogonal. (b) Si en una base ortogonal de un espacio vectorial euclídeo de V dividimos cada vector por su norma, entonces el sistema resultante de vectores es una base ortonormal de V. 6
7 3.1 Método de ortogonalización de Gram-Schmidt Sea {u 1,u 2,..., u n } una base de un espacio vectorial euclídeo V. Vamos a construir una base ortogonal de V a partir de la base dada. Empezamos cogiendo w 1 = u 1 Después buscamos un vector de la forma w 2 = u 2 + α 21 w 1 donde α 21 es un escalar del cuerpo, el único para el que se cumple que w 2 es ortogonal a w 1. Para hallarlo se hace el producto escalar por el vector w 1 en la igualdad anterior, y obtenemos la igualdad w 2 w 1 =0=u 2 w 1 + α 21 w 1 w 1 de donde deducimos que El tercer vector será de la forma α 21 = u 2 w 1 w 1 w 1 w 3 = u 3 + α 31 w 1 + α 32 w 2 donde α 31 y α 32 son escalares del cuerpo, los únicos para los que se cumple que w 3 es ortogonal a w 1 yaw 2. Para hallarlos se hace el producto escalar en la igualdad anterior, por un lado por el vector w 1,yobtenemos w 3 w 1 =0=u 3 w 1 + α 31 w 1 w 1 + α 32 w 2 w 1 de donde deducimos que α 31 = u 3 w 1 w 1 w 1 (tengamos en cuenta que w 2 y w 1 son ortogonales, luego su producto escalar se anula). Y por otro lado, ahora toca cambiar los papeles de w 1 y w 2 y multiplicar escalarmente por este último. Entonces obtenemos w 3 w 2 =0=u 3 w 2 + α 31 w 1 w 2 + α 32 w 2 w 2 de donde deducimos que α 32 = u 3 w 2 w 2 w 2 (tengamos en cuenta que w 2 y w 1 son ortogonales, luego su producto escalar se anula). Supongamos que tenemos definidos vectores ortogonales w 1,w 2,..., w k 1,parak 1 <n.entonces buscaremos un nuevo vector de la forma w k = u k + α k1 w α kk 1 w k 1 donde los α k1, α k2,..., α kk 1 se hallan imponiendo que w k es ortogonal a w 1,w 2,..., w k 1, respectivamente, de una forma similar a la anterior (o sea, multiplicando escalarmente w k por w 1,w 2,..., w k 1 ). Así cada uno de los escalares puede calcularse mediante la expresión α ki = u k w i w i w i 7
8 De este modo se obtiene una base ortogonal {w 1,w 2,...,w n } de V. Además, a partir de esta base ortogonal puede obtenerse una ortonormal {w 0 1,w 0 2,...,w 0 n} tomando wi 0 = w i kw i k para cada i, es decir, dividiendo cada vector de la base ortogonal por su propia norma. Observación 3.2 Si en algún momento nos sale un vector con fracciones en la base ortogonal que se va obteniendo, puede reemplazarse éste (en ese momento) por cualquier múltiplo suyo (como ya dijimos en la última propiedad), para así eliminar las fracciones. Ejemplo 3.3 Con el producto escalar usual hallar una base ortonormal de R 3 a partir de la base {u 1 =(1, 1, 1),u 2 =(2, 1, 0),u 3 =(1, 0, 0)} En primer lugar pongamos Ahora ponemos w 1 = u 1 =(1, 1, 1). w 2 = u 2 + αw 1 (pongo α 21 = α) donde α = u 2 w 1 (2, 1, 0) (1, 1, 1) = w 1 w 1 (1, 1, 1) (1, 1, 1) = 3 3 = 1 De este modo obtenemos que w 2 =(2, 1, 0) (1, 1, 1) = (1, 0, 1). Finalmente necesitamos hallar un vector w 3 = u 3 + βw 1 + γw 2 (pongo α 31 = β y α 32 = γ) donde sabemos que y Entonces β = u 3 w 1 (1, 0, 0) (1, 1, 1) = w 1 w 1 (1, 1, 1) (1, 1, 1) = 1 3 γ = u 3 w 2 (1, 0, 0) (1, 0, 1) = w 2 w 2 (1, 0, 1) (1, 0, 1) = 1 2 w 3 =(1, 0, 0) 1 3 (1, 1, 1) 1 (1, 0, 1) = 2 =(1, 0, 0) + ( 1 3, 1 3, 1 3 )+( 1 2, 0, 1 2 ) =( , 1 3, )=(1 6, 1 3, 1 6 ) 8
9 Así hemos obtenido una base ortogonal de R 3 : {(1, 1, 1), (1, 0, 1), ( 1 6, 1 3, 1 6 )} Como lo que se pedía era una base ortonormal es suficiente con dividir cada uno de estos vectores por su norma. Como obtenemos la base {w 0 1,w 0 2,w 0 3} de R 3, kw 1 k = 3 kw 2 k = 2 kw 3 k = 1 6 w 0 1 = 1 3 (1, 1, 1) = ( 1 3, 1 3, w 0 3 = 6( 1 6, 1 3, 1 6 )=( 6 6, Nota: Podríamos haber tomado la base ortogonal 1 ),w2 0 = 1 (1, 0, 1) = ( 1, 0, 1 ) , 6 )=( 1, 2 1, ) {(1, 1, 1), (1, 0, 1), (1, 2, 1)} obtenida de la anterior multiplicando el último vector por 6. De aquí habríamos obtenido al final la misma base ortonormal. Ejemplo 3.4 Utilizando el producto escalar en R 2 dado mediante la expresión hallemos una base ortonormal a partir de la base (x, y) (x 0,y 0 )=4xx 0 +2yy 0 2xy 0 2yx 0 {(1, 0), (0, 1)} Tomamos Ahora consideramos donde De este modo obtenemos que w 1 =(1, 0) w 2 =(0, 1) + α(1, 0), (0, 1) (1, 0) α = (1, 0) (1, 0) = = 1 2 w 2 =(0, 1) (1, 0) = (1 2, 1) Así hemos obtenido una base ortogonal de R 2 : {(1, 0), ( 1 2, 1)} Multiplicamos el último vector por 2 y seguimos teniendo una base ortogonal, en este caso {(1, 0), (1, 2)} 9
10 Como lo que se pedía era una base ortonormal es suficiente con dividir cada uno de estos vectores por su norma (la norma asociada a este producto escalar) y se tiene que k(1, 0)k = 4 1 1=2 k(1, 2)k = = 4=2 Finalmente obtenemos la base ortonormal {w1,w 0 2} 0 de R 2 (con el producto escalar con el que estamos trabajando), con w1 0 = 1(1, 0) = (1 2 2, 0) w0 2 = 1(1, 2) = (1 2 2, 1) Ejemplo 3.5 Con el producto escalar usual, hallar una base ortononormal de U = {(x, y) R 2 : x 2y =0} Es sencillo hallar una base. A partir de la ecuación implícita de U queseda,x 2y =0, se obtienen las ecuaciones paramétricas de dicho subespacio ( x =2y y = y yportantounabasedeu es {(2, 1)}. Al estar formada por un solo vector esta base de U es ortogonal. Ycomok(2, 1)k = 5 se tiene que una base ortonormal de U es {( 2 5, 1 5 )}. Ejemplo 3.6 Con el producto escalar usual, hallar una base ortogonal de W = {(x, y, z, t) R 4 : x + y z +3t =0,y+ z +2t =0} Nos han dado W mediante ecuaciones implícitas. Pasemos a paramétricas. Basta observar que el sistema está escalonado con los pivotes x e y, luego los parámetros son z y t. Despejando tenemos x =2z t y = z 2t z = z t = t y por tanto una base de W es {(2, 1, 1, 0), ( 1, 2, 0, 1)} Emplearemos ahora el método de Gram-Schmidt para ortogonalizarla. Empezamos considerando w 1 =(2, 1, 1, 0) Ahora consideramos donde w 2 =( 1, 2, 0, 1) + α(2, 1, 1, 0) ( 1, 2, 0, 1) (2, 1, 1, 0) α = (2, 1, 1, 0) (2, 1, 1, 0) = 0 6 =0 10
11 De este modo obtenemos que Así hemos obtenido una base ortogonal de W : w 2 =( 1, 2, 0, 1) + 0(2, 1, 1, 0) = ( 1, 2, 0, 1) {(2, 1, 1, 0), ( 1, 2, 0, 1)} Observemos que es la misma base que habíamos obtenido. Esto es casual y se debe a que los vectores ya eran ortogonales entre sí. Por esta misma razón nos sale α = Subespacio ortogonal Propiedad: Sea V un espacio vectorial euclídeo y W un subespacio suyo. Entonces el conjunto de los vectores de V que son ortogonales a todos los de W es un subespacio vectorial de V, llamado el subespacio ortogonal de W, y será denotado por W.Esdecir,tenemosque W = {v V v w =0 w W } Observación 3.7 Además se tiene que V = W + W y que esta suma es directa, es decir, V = W L W Luego dim V =dimw L W =dimw +dimw En las condiciones anteriores, conocida una base (o más generalmente, un SG) de W, se cumple que un vector v V es ortogonal a todos los vectores de W si y sólo si es ortogonal a todos los vectores de dicha base (o SG). A partir de ahí se puede obtener W, el subespacio ortogonal de W. Veámoslo en el caso más sencillo en que V = R n. Un vector (x 1,..., x n ) R n pertenece a W si y sólo si es ortogonal a todos los vectores de la base B = {(a 11,..., a 1n ),..., (a k1,..., a kn )} de W, es decir, si y sólo si se cumplen las siguientes ecuaciones (que serán las ecuaciones implícitas de W ) (a 11,..., a 1n ) (x 1,..., x n ) = 0... (a k1,...,a kn ) (x 1,..., x n ) = 0 que dependerán del producto escalar con el que estemos. euclídeo las ecuaciones implícitas de W quedarán así En el caso del producto escalar a 11 x a 1n x n = 0... a k1 x a kn x n = 0 En el caso del producto escalar euclídeo, de modo simétrico puede obtenerse que si el subespacio inicial está dado por ecuaciones implí citas entonces el subespacio ortogonal tiene como sistema generador las filas de la matriz de coeficientes del sistema anterior. 11
12 Ejemplo Supongamos que tenemos el subespacio de R 4 siguiente W =< (1, 2, 0, 3), ( 3, 0, 2, 0), (5, 0, 1, 0) > Entonces, respecto al producto escalar euclídeo, tenemos que W tiene por ecuaciones implícitas (1, 2, 0, 3) (x, y, z, t) =0 ( 3, 0, 2, 0) (x, y, z, t) =0 (5, 0, 1, 0) (x, y, z, t) =0 es decir x 2y +3t =0 3x +2z =0 5x z =0 2. Supongamos que tenemos el subespacio de R 3 siguiente U =< ( 3, 2, 1), (2, 0, 1) > Entonces, respecto al producto escalar euclídeo tenemos que U tiene por ecuaciones implícitas ( 3x +2y + z =0 2x z =0 3. Supongamos que tenemos el subespacio de R 3 siguiente T x +2y z =0 Entonces, respecto al producto escalar euclídeo tenemos que T =< ( 1, 2, 1) > 4. Supongamos que tenemos el subespacio de R 3 siguiente S =< (1, 3, 2), ( 1, 0, 3) > Entonces, respecto al producto escalar siguiente (x, y, z) (x 0,y 0,z 0 )=xx 0 +2yy 0 +4zz 0 tenemos que S tiene por ecuaciones implícitas ( (x, y, z) (1, 3, 2) = 0 (x, y, z) ( 1, 0, 3) = 0 es decir, ( x +6y 8z =0 x +12z =0 12
13 Supongamos ahora que con este mismo espacio vectorial euclídeo (R 3 con este producto escalar) tomamos el subespacio H de R 3 cuyas ecuaciones implícitas son 2x + y z =0 Entonces para obtener H debemos disponer de una base de H. Es inmediato que unas ecuaciones paramétricas de H son x = x y = z 2x z = z (tomando y como pivote y las otras dos variables como parámetros). Así pues una base de H es {(1, 2, 0), (0, 1, 1)} Esto nos da lugar a que unas ecuaciones implícitas de H son ( (x, y, z) (1, 2, 0) = 0 (x, y, z) (0, 1, 1) = 0 es decir, ( 3.3 Proyección ortogonal< x 4y =0 2y +4z =0 Sea W un subespacio de un espacio vectorial euclídeo V. DebidoaqueV = W L W,todovector del espacio puede ponerse de modo único como suma de un vector de W yotrodew.seav V y supongamos que tenemos v = v 1 + v 2 con v 1 W y v 2 W. Entonces a v 1 lo llamaremos proyección ortogonal de v sobre W. Además, este vector cumple que v v 1 W y es el único de todos los vectores de W que cumple esta propiedad, es decir, si w W cumple que v w W,entoncesw = v 1 (la proyección ortogonal de v sobre W ). Veamos a continuación un método para hallar la proyección ortogonal de un vector sobre un subespacio: Sea v V y W V. Supongamos que tenemos una base ortogonal B = {w 1,w 2,..., w k } de W (siempre es posible hallarla a partir de una base cualquiera mediante el método de Gram- Schmidt). Entonces puede escribirse v = v 1 + v 2, donde v 1 es la proyección ortogonal de v sobre W y v 2 W.Entoncesv 1 se pone como CL de los vectores de B en la forma v 1 = α 1 w 1 + α 2 w α k w k Si multiplicamos escalarmente v por cada w i, a partir de la igualdad v = v 1 + v 2, obtenemos que v w i = v 1 w i + v 2 w i = α 1 w 1 w i + α 2 w 2 w i α k w k w i = α i w i w i 13
14 (observemos que v 2 w i =0,yaquev 2 W y w i W ; igualmente w j w i =0si j 6= i, yaqueson vectores de una base ortogonal). De aquí despejamos el valor del escalar α i = v w i w i w i Entonces tenemos determinado v 1, la proyección ortogonal de v sobre W, sustituyendo el valor de cada α i,esdecir, v 1 = α 1 w 1 + α 2 w α k w k = v w 1 w 1 w 1 w 1 + v w 2 w 2 w 2 w v w k w k w k w k Si B es una base ortonormal entonces para cada i se tiene que w i w i = kw i k 2 =1con lo que la fórmula de los escalares queda más sencillamente así: yportanto α i = v w i v 1 = α 1 w 1 + α 2 w α k w k =(v w 1 )w 1 +(v w 2 )w (v w k )w k Observación 3.9 Hemos elegido una base ortogonal u ortonormal para que el cálculo necesario para hallar los escalares α i sea lo más sencillo posible. Pero previo a esto probablemente sea necesario hallar esta base ortogonal u ortonormal, lo cual requiere también operaciones. Es posible inicialmente coger una base cualquiera de W (no necesariamente ortogonal ni ortonormal) y realizar, como hemos hecho anteriormente, los productos escalares de un modo similar al anterior. La diferencia está en que ahora no podemos despejar directamente los valores de los α i que ahora aparecerían, pues su valor se hallará resolviendo el sistema de ecuaciones que aparece, ya que éstos serán las incógnitas de este sistema. También es cierto que de esta manera nos ahorraríamos aplicar el método de Gram- Schmidt a la hora de hallar la base ortogonal. Así que puede elegirse la base de la forma que cada cual considere oportuna. Ejemplo 3.10 Consideremos en el espacio vectorial euclídeo R 3 con el producto escalar usual, el subespacio W =< (2, 0, 1), (6, 0, 1) > yelvector v =(2, 1, 3) Vamos a hallar la proyección ortogonal de v sobre W. Sabemos que v = v 1 + v 2, para ciertos v 1 W y v 2 W.Enestasituaciónv 1 es la proyección ortogonal de v sobre W. Tenemos que hallar una base de W. Enestecasoesinmediatoquelos vectores u 1 =(2, 0, 1) y u 2 =(6, 0, 1) nos sirven como base de W. Entonces sabemos que v 1 = α 1 u 1 + α 2 u 2. Pues bien, si multiplicamos escalarmente v con cada uno de estos vectores obtenemos por un lado que v u 1 =(v 1 + v 2 ) u 1 = v 1 u 1 + v 2 u 1 =(α 1 u 1 + α 2 u 2 ) u 1 +0=α 1 u 1 u 1 + α 2 u 2 u 1 14
15 de donde, calculando los productos escalares v u 1 =(2, 1, 3) (2, 0, 1) = 1 u 1 u 1 =(2, 0, 1) (2, 0, 1) = 5 u 2 u 1 =(6, 0, 1) (2, 0, 1) = 11 deducimos que 1=5α 1 +11α 2 y por otro lado que v u 2 =(v 1 + v 2 ) u 2 = v 1 u 2 + v 2 u 2 =(α 1 u 1 + α 2 u 2 ) u 2 +0=α 1 u 1 u 2 + α 2 u 2 u 2 de donde, hallando ahora los productos v u 2 =(2, 1, 3) (6, 0, 1) = 15 u 1 u 2 =(2, 0, 1) (6, 0, 1) = 11 u 2 u 2 =(6, 0, 1) (6, 0, 1) = 37 deducimos que 15 = 11α 1 +37α 2 Entonces resolviendo el sistema 1 = 5α 1 +11α 2 15 = 11α 1 +37α 2 obtenemos que α 1 = 2 α 2 =1 Así, la proyección ortogonal del vector v sobre el subespacio W es v 1 = 2 (2, 0, 1) + 1 (6, 0, 1) = (2, 0, 3) Ejemplo 3.11 Consideremos en el espacio vectorial euclídeo R 4 con el producto escalar usual, el subespacio S =< (1, 0, 0, 1), (1, 1, 2, 1) > yelvector v =(0, 1, 3, 0) Vamos a hallar la proyección ortogonal de v sobre S. Sabemos que v = v 1 + v 2,paraciertosv 1 S y v 2 S. En esta situación v 1 es la proyección ortogonal de v sobre S. Tenemos que hallar una base de S. Enestecasoesinmediatoquelos vectores u 1 =(1, 0, 0, 1) y u 2 =(1, 1, 2, 1) nos sirven como base de S. Entonces sabemos que v 1 = α 1 u 1 + α 2 u 2. Pues bien, si multiplicamos escalarmente v con cada uno de estos vectores obtenemos por un lado que v u 1 =(v 1 + v 2 ) u 1 = v 1 u 1 + v 2 u 1 =(α 1 u 1 + α 2 u 2 ) u 1 +0=α 1 u 1 u 1 + α 2 u 2 u 1 15
16 de donde, calculando los productos escalares v u 1 =(0, 1, 3, 0) (1, 0, 0, 1) = 0 u 1 u 1 =(1, 0, 0, 1) (1, 0, 0, 1) = 2 u 2 u 1 =(1, 1, 2, 1) (1, 0, 0, 1) = 2 deducimos que 0=2α 1 +2α 2 y por otro lado que v u 2 =(v 1 + v 2 ) u 2 = v 1 u 2 + v 2 u 2 =(α 1 u 1 + α 2 u 2 ) u 2 +0=α 1 u 1 u 2 + α 2 u 2 u 2 de donde, hallando ahora los productos v u 2 =(0, 1, 3, 0) (1, 1, 2, 1) = 5 u 1 u 2 =(1, 0, 0, 1) (1, 1, 2, 1) = 2 u 2 u 2 =(1, 1, 2, 1) (1, 1, 2, 1) = 7 deducimos que 5=2α 1 +7α 2 Entonces resolviendo el sistema 0 = 2α 1 +2α 2 5 = 2α 1 +7α 2 obtenemos que α 1 = 1 α 2 =1 Así, la proyección ortogonal del vector v sobre el subespacio S es v 1 = 1 (1, 0, 0, 1) + 1 (1, 1, 2, 1) = (0, 1, 2, 0) Otra forma de hacerlo sería a partir de una base ortogonal de S. UtilizandoelmétododeGram- Schmidt tomemos w 1 = u 1 =(1, 0, 0, 1) Busquemos ahora un vector de la forma de donde sabemos que debe ser w 2 = u 2 + αw 1 α = w 1 u 2 (1, 0, 0, 1) (1, 1, 2, 1) = w 1 w 1 (1, 0, 0, 1) (1, 0, 0, 1) = 2 2 = 1 Entonces w 2 =(1, 1, 2, 1) (1, 0, 0, 1) = (0, 1, 2, 0) Entonces v 1 = β 1 w 1 + β 2 w 2 16
17 y las ecuaciones que obtendríamos con la base ortogonal {w 1,w 2 } de S serían luego v w 1 = β 1 w 1 w 1 + β 2 w 2 w 1 = β 1 w 1 w 1 v w 2 = β 1 w 1 w 2 + β 2 w 2 w 2 = β 2 w 2 w 2 β 1 = v w 1 (0, 1, 3, 0) (1, 0, 0, 1) = w 1 w 1 (1, 0, 0, 1) (1, 0, 0, 1) = 0 2 =0 β 2 = v w 2 w 2 w 2 = (0, 1, 3, 0) (0, 1, 2, 0) (0, 1, 2, 0) (0, 1, 2, 0) = 5 5 =1 Entonces v 1 =0 (1, 0, 0, 1) + 1 (0, 1, 2, 0) = (0, 1, 2, 0) Ejemplo 3.12 Consideremos en el espacio vectorial euclídeo R 4 con el producto escalar usual, el subespacio T =< (1, 0, 0, 1), (1, 1, 2, 1) > yelvector v =(2, 2, 1, 0) Vamos a hallar la proyección ortogonal de v sobre T. Sabemos que v = v 1 + v 2, para ciertos v 1 T y v 2 T. En esta situación v 1 es la proyección ortogonal de v sobre T. Tenemos que hallar una base de T. En este caso es inmediato que los vectores u 1 =(1, 0, 0, 1) y u 2 =(1, 1, 2, 1) nos sirven como base de T. Entonces sabemos que v 1 = α 1 u 1 + α 2 u 2. Pues bien, si multiplicamos escalarmente v con cada uno de estos vectores obtenemos por un lado que v u 1 =(v 1 + v 2 ) u 1 = v 1 u 1 + v 2 u 1 =(α 1 u 1 + α 2 u 2 ) u 1 +0=α 1 u 1 u 1 + α 2 u 2 u 1 de donde, calculando los productos escalares v u 1 = (2, 2, 1, 0) (1, 0, 0, 1) = 2 u 1 u 1 = (1, 0, 0, 1) (1, 0, 0, 1) = 2 u 2 u 1 = (1, 1, 2, 1) (1, 0, 0, 1) = 2 deducimos que 2=2α 1 +2α 2 y por otro lado que v u 2 =(v 1 + v 2 ) u 2 = v 1 u 2 + v 2 u 2 =(α 1 u 1 + α 2 u 2 ) u 2 +0=α 1 u 1 u 2 + α 2 u 2 u 2 de donde, hallando ahora los productos v u 2 =(2, 2, 1, 0) (1, 1, 2, 1) = 2 u 1 u 2 =(1, 0, 0, 1) (1, 1, 2, 1) = 2 u 2 u 2 =(1, 1, 2, 1) (1, 1, 2, 1) = 7 17
18 deducimos que 2=2α 1 +7α 2 Entonces resolviendo el sistema 2 = 2α 1 +2α 2 2 = 2α 1 +7α 2 obtenemos que α 1 =1 α 2 =0 Así, la proyección ortogonal del vector v sobre el subespacio T es v 1 =1 (1, 0, 0, 1) + 0 (1, 1, 2, 1) = (1, 0, 0, 1) Otra forma de hacerlo sería a partir de una base ortogonal de T. tenemos ya calculada y es {w 1,w 2 } = {(1, 0, 0, 1), (0, 1, 2, 0)} En el ejemplo anterior la Entonces v 1 = β 1 w 1 + β 2 w 2 y las ecuaciones que obtendríamos con la base ortogonal serían luego v w 1 = β 1 w 1 w 1 + β 2 w 2 w 1 = β 1 w 1 w 1 v w 2 = β 1 w 1 w 2 + β 2 w 2 w 2 = β 2 w 2 w 2 β 1 = v w 1 (2, 2, 1, 0) (1, 0, 0, 1) = w 1 w 1 (1, 0, 0, 1) (1, 0, 0, 1) = 2 2 =1 β 2 = v w 2 w 2 w 2 = (2, 2, 1, 0) (0, 1, 2, 0) (0, 1, 2, 0) (0, 1, 2, 0) = 0 5 =0 Entonces v 1 =1 (1, 0, 0, 1) + 0 (0, 1, 2, 0) = (1, 0, 0, 1) Ejemplo 3.13 Consideremos en el espacio vectorial euclídeo R 3 con el producto escalar definido por (x, y, z) (x 0,y 0,z 0 )=2xx 0 + yy 0 +3zz 0 el subespacio U = {(x, y, z) :x y z =0} Se pide: 1. Hallar una base ortogonal de U. 2. Determinar U. 3. Obtener la proyección ortogonal sobre U del vector v =(6, 6, 10) 18
Tema 6: Espacio vectorial euclídeo
Tema 6: Espacio vectorial euclídeo 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
Más detallesTema 4: Espacio vectorial euclídeo
Tema 4: Espacio vectorial euclídeo 1. Definición de producto escalar Un producto escalar en un R-espacio vectorial es una operación en la que se operan vectores y el resultado es un número real, y que
Más detallesTema 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 detallesProducto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31
Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular
Más detalles4.2 Producto escalar.
Producto escalar. 147 Este resultado tiene su recíproco, es decir, cualquier matriz cuadrada A define la forma bilineal b(x, y) =x T Ay Si b es simétrica, la matriz A es simétrica. Si b es definida positiva,
Más detallesTema 3: Espacios eucĺıdeos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 25 de noviembre de 2009 email: mlserrano@uniovi.es Índice 1 2 3.1 V, R espacio vectorial, la aplicación : V V R ( v, u) v u a) v 1, v 2, u V α, β
Más detallesA d) Estudiar la diagonalización del endomorfismo T. Es posible encontrar una base de vectores propios de R 2 [x]? Razonar la respuesta.
Universidad de Oviedo Ejercicio.5 puntos Se consideran las aplicaciones lineales T : R [x] R y T : R R [x] de las que se conoce la matriz A asociada a T en las bases canónicas de R [x] y R y la matriz
Más detallesEjercicios resueltos de Álgebra, hoja 3. Beatriz Graña Otero
Ejercicios resueltos de Álgebra, hoja. Beatriz Graña Otero 5 de Diciembre de 8 B.G.O. 47.- Sobre el R-espacio vectorial E de dimensión 4, sea la métrica cuya matriz asociada a la base B = {e, e, e, e 4
Más detallesEspacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados
Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones
Más detallesEspacios vectoriales con producto escalar
147 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 10 Espacios vectoriales con producto escalar 10.1 Producto escalar. Norma. Distancia Definición 71.- Un producto escalar o producto interior en
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detallesSolución de problemas I 1
Universidad Autónoma de Madrid Álgebra II. Físicas. Curso 5 6 Solución de problemas I Álgebra II Curso 5-6. Proyecciones en el producto escalar estándar Ejercicio 7.7. (a) Dada la ecuación x + y z, dar
Más detallesTema 6: Diagonalización de matrices
Tema 6: Diagonalización de matrices La intención en este tema es, dada una matriz cuadrada, ver si existe otra matriz semejante a ella que sea diagonal. Recordemos del Tema 4 que dos matrices cuadradas
Más detallesTema 5: Diagonalización de matrices
Tema : Diagonalización de matrices La intención en este tema es, dada una matriz cuadrada, ver si existe otra matriz semejante a ella que sea diagonal. Recordemos del Tema 4 que dos matrices cuadradas
Más detallesEspacios eucĺıdeos. Tema Ejemplo introductorio.
Tema 3 Espacios eucĺıdeos El objetivo de este tema es la resolución de ciertos problemas de aproximación en espacios vectoriales. Para ello necesitaremos utilizar la idea de ortogonalidad entre vectores.
Más detalles2.9 Ejercicios resueltos
86 Sistemas de ecuaciones lineales. Espacios vectoriales. 2.9 Ejercicios resueltos Ejercicio 2. Sea A = ( ) 2. Se pide: 3 m a) Encontrar m para que existan matrices cuadradas B ynonulastalesque A B =0.
Más detallesÁlgebra lineal y Geometría II. Métricas y formas cuadráticas. 1. La matriz de la métrica T 2 ((x, y, z), (x, y, z )) = xx + yy + 3zz 2xz 2zx es:
Álgebra lineal y Geometría II Gloria Serrano Sotelo Departamento de MATEMÁTICAS ÁLGEBRA LINEAL Y GEOMETRÍA. 0 FÍSICAS Métricas y formas cuadráticas.. La matriz de la métrica T ((x, y, z), (x, y, z )) =
Más detallesEjercicios Resueltos Tema 5
Ejercicios Resueltos Tema 5 Ejercicio 1 Estudiar si la forma bilineal f : R n R n R definida por k f ((x 1,..., x n ), (y 1,..., y n )) = x i y i, siendo 1 k < n, es un producto escalar de R n i=1 Solución.
Más detallesResumen 2: Espacios vectoriales
Resumen 2: Espacios vectoriales 1 Definición y ejemplos Un espacio vectorial V sobre K, un cuerpo, está formado por elementos denominados vectores, los cuales pueden sumarse internamente y también multiplicarse
Más detallesen el espacio queda caracterizado por un par de puntos A y B, o bien por su módulo, dirección y sentido junto con el origen, siendo:
TEMA 10: VECTORES EN EL ESPACIO. 10.1 Vectores fijos y libres en el espacio vectorial. 10. Operaciones con vectores libres. Bases del espacio vectorial. 10.3 Producto escalar. Módulo y ángulo de vectores.
Más detalles1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO
. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO. En el espacio euclídeo usual R 4 se consideran los subespacios vectoriales y W = {(x, y, z, t) R 4 : x y =, z + t = } Hallar: W = L{(,,, ), (,,, )} a) Las ecuaciones
Más detallesTema 3: Espacios eucĺıdeos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 22 de diciembre de 2009 email: mlserrano@uniovi.es Índice 1 Índice 1 2 Método de los mínimos cuadrados Distintos ajustes por mínimos cuadrados Contenidos
Más detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesRelación 1. Espacios vectoriales
MATEMÁTICAS PARA LA EMPRESA Curso 2007/08 Relación 1. Espacios vectoriales 1. (a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy) Demuestra que IR
Más detalles6.14 Descomposición ortogonal y proyección ortogonal
CAPÍTULO. ESPACIO EUCLÍDEO CANÓNICO IR N 282.14 Descomposición ortogonal y proyección ortogonal El resultado W W = IR n, significa que cada y IR n se puede escribir de forma única como suma de un vector
Más detallesTema 7. El espacio vectorial R n Conceptos generales
Tema 7 El espacio vectorial R n. 7.1. Conceptos generales Un vector es un segmento orientado que queda determinado por su longitud, dirección y sentido. Sin embargo, desde el punto de vista del Álgebra,
Más detallesFACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas
EXÁMENES DE MATEMÁTICAS Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha 5 de julio de 99. Dada la aplicación lineal: T
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesBase y Dimensión de un Espacio Vectorial
Base y Dimensión de un Espacio Vectorial 2017Asturias: Red de 1 Universidades Virtuales Iberoamericanas Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un
Más detallesSistemas no lineales
Tema 4 Sistemas no lineales Dpto. Matemática Aplicada I E.T.S. de Arquitectura Universidad de Sevilla Curso 2005 2006 Tema 4. Sistemas no lineales 1. Sistemas no lineales de ecuaciones diferenciales. Integrales
Más detallesEspacios vectoriales reales.
Capítulo 4 Espacios vectoriales reales. 4.1 Espacios vectoriales. Definición 86.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesPROBLEMAS RESUELTOS del espacio vectorial curso
PROBLEMAS RESUELTOS del espacio vectorial curso - - Consideremos el conjunto R formado por todas las parejas () de números reales Se define en R la operación interna ()( )( ) una de las operaciones eternas
Más detallesClase de Álgebra Lineal
Clase de Álgebra Lineal M.Sc. Carlos Mario De Oro Facultad de Ciencias Básicas Departamento de matemáticas 04.2017 Page 1 Espacios vectoriales Definicion. Espacio Vectorial (E.V.) Un V espacio vectorial
Más detallesÁlgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Ejercicios de evaluación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Problema
Más detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesBase y Dimensión de un Espacio Vectorial
Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un
Más detallesTema 13: Espacio vectorial
Tema 1: Espacio vectorial 1. Vectores en el espacio Un vector fijo del espacio es un segmento AB ordenado donde A y B son puntos del espacio. Lo representaremos por AB, siendo A el origen y B el extremo.
Más detallesSea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).
Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que
Más detalles1. ESPACIO EUCLÍDEO. ISOMETRÍAS
. ESPACIO EUCLÍDEO. ISOMETRÍAS. En el espacio euclídeo usual R 4 se consideran los subespacios vectoriales y W = {(x, y, z, t R 4 : x y =, z + t = } Hallar: W 2 = L{(,, 2, 2, (,,, } a Las ecuaciones de
Más detallesMatemáticas para la Empresa
Matemáticas para la Empresa 1 o L. A. D. E. Curso 2008/09 Relación 1. Espacios Vectoriales 1. a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy)
Más detallesEspacios vectoriales.
Unidad docente de Matemáticas Matemáticas (CC. Químicas) Espacios vectoriales. Si detectas cualquier error o errata por favor, comunicaselo al profesor de la asignatura. El subíndice can significa canónica/o..
Más detallesa n1 a n2 a nn Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables.
Capítulo 7 Formas cuadráticas. Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado de la norma de un vector
Más detallesProblemas de exámenes de Formas Bilineales y Determinantes
1 Problemas de exámenes de Formas Bilineales y Determinantes 1. Sea R 3 con el producto escalar ordinario. Sea f un endomorfismo de R 3 definido por las condiciones: a) La matriz de f respecto de la base
Más detallesa ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2
68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado
Más detallesUn vector es un segmento orientado que consta de los siguientes elementos:
El conjunto R 3 : Conjunto formado por todas las ternas de números reales. Un vector es un segmento orientado que consta de los siguientes elementos: - Módulo: Es la longitud del vector. - Dirección: es
Más detallesAPROXIMACIÓN LINEAL EN ESPACIOS VECTORIALES EUCLÍDEOS. MATRICES CUADRADAS DIAGONALIZABLES CAPÍTULO 4
CAPÍTULO 4 ORTOGONALIDAD EN ESPACIOS VECTORIALES EUCLÍDEOS. APROXIMACIÓN LINEAL EN ESPACIOS VECTORIALES EUCLÍDEOS. MATRICES CUADRADAS DIAGONALIZABLES. 1.- PRODUCTO ESCALAR Y NORMA DE UN VECTOR 2.- BASES
Más detallesProblemas resueltos del Boletín 4
Boletines de problemas de Matemáticas II Problemas resueltos del Boletín 4 Problema 1. Resolver el siguiente sistema de ecuaciones diferenciales: { y = 1 z, z = 1 } y Solución: Lo transformamos como sigue:
Más detallesÁgueda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1. Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 6 Espacios euclídeos 6.1 Producto escalar. Espacio euclídeo Se llama producto escalar sobre un espacio vectorial real V a cualquier aplicación
Más detallesEspacios vectoriales reales
144 Matemáticas 1 : Álgebra Lineal Capítulo 9 Espacios vectoriales reales 9.1 Espacios vectoriales Los conjuntos de vectores del plano, R, y del espacio, R 3, son conocidos y estamos acostumbrados a movernos
Más detallesa n1 a n2 a nn x n a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x j x i = s ij x i x j + s ji x j x i 2 x i x j + a ij + a ji
16 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 1 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado,
Más detallesResumen 3: Espacios vectoriales
Resumen 3: Espacios vectoriales 1. Definición y ejemplos Un espacio vectorial sobre un cuerpo, está formado por elementos denominados vectores, los cuales pueden sumarse internamente y también multiplicarse
Más detallesEspacios Euclídeos. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza
Espacios Euclídeos Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza A lo largo de todo el capítulo consideraremos que V un espacio vectorial real de dimensión finita. 1 Producto escalar Definición.
Más detallesProducto escalar. Bases ortonormales. Producto vectorial y producto mixto.
Capítulo Producto escalar. Bases ortonormales. Producto vectorial y producto mixto. DEFINICIÓN DE PRODUCTO ESCALAR Dados dos vectores x = (x 1 x 2...x n ) e y = (y 1 y 2...y n ) de R n definimos su producto
Más detallesa) Como mucho puede haber 3 vectores linealmente independientes. 1 2 = 3 x = 1, y = 2 3 No tiene solución, luego no se puede.
Ejercicios y problemas propuestos Página Para practicar Dependencia e independencia lineal. Base y coordenadas Dados estos vectores: u(,, ), v (,, ), w (,, ), z (,, ) a) Cuántos de ellos son linealmente
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Químicas FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina si cada
Más detallesÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 5 de Julio de T (e 1 ) = e 1 e 2 + 2e 3 T (e 2 ) = e 1 + 2e 2 3e 3. [T (e 1 ) T (e 2 )] =
ÁLGEBRA LINEAL EXAMEN EXTRAORDINARIO 5 de Julio de Apellidos y Nombre: Ejercicio. Sea T : R R 3 una transformación lineal definida como: T (e ) = e e + e 3 T (e ) = e + e 3e 3 donde {e, e }, {e, e, e 3}
Más detallesGeometría Analítica Espacios Vectoriales VECTORES EN EL PLANO
VECTORES EN EL PLANO 1 ESPACIO VECTORIAL Un vector fijo es una pareja ordenada de puntos en el plano (origen y extremo) Si A y B son dichos puntos, representaremos el vector por AB Gráficamente, lo representamos
Más detalles1. ESPACIO EUCLÍDEO. ISOMETRÍAS
1 1. ESPACIO EUCLÍDEO. ISOMETRÍAS Muchos de los fenómenos que se investigan en la geometría utilizan nociones como las de longitud de un vector y ángulo entre vectores. Para introducir estos dos conceptos
Más detallesSOLUCIONES A LA AUTOEVALUACIÓN - Espacios Vectoriales.
SOLUCIONES A LA AUTOEVALUACIÓN - Espacios Vectoriales. A) Soluciones a las Cuestiones C-1) a) Sí, por ejemplo el eje X, formado por los vectores de la forma (λ, 0), que se identificarían con el número
Más detallesÁlgebra. Ingeniería Industrial. Curso 2006/2007 Examen de Septiembre
Álgebra. Ingeniería Industrial. Curso / Examen de Septiembre OBSERVACIONES: Cada hoja entregada debe contener el nombre, apellidos y número de identificación escrito de forma clara. No mezclar ejercicios
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesAplicaciones Lineales
Aplicaciones Lineales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Aplicaciones Lineales 1 / 47 Objetivos Al finalizar este tema tendrás que: Saber si una aplicación es
Más detallesTema 5: Diagonalización de matrices: Apéndice
Tema : Diagonalización de matrices: Apéndice Más aplicaciones de la diagonalización. Diagonalización de matrices simétricas reales Tiene especial interés la diagonalización de matrices simétricas. Supongamos
Más detallesGrado en Ciencias Ambientales. Matemáticas. Curso 11/12
Grado en Ciencias Ambientales. Matemáticas. Curso 11/12 Problemas Tema 1. Espacios Vectoriales. 1 Repaso de Estructuras Algebraicas 1.1. Construye explícitamente el conjunto A B, siendo A = {1, 2, 3},
Más detallesTÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA
ESCUELA ESTUDIOS DE TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA DEPARTAMENTO DE INGENIERÍA INFORMÁTICA MATEMÁTICA APLICADA I ÁLGERA LINEAL OLETINES DE PROLEMAS Curso 8-9 Sistemas de ecuaciones lineales.
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
real de con Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura real de con Índice real de con real de con.
Más detallesTema 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 detallesApellidos: Nombre: Curso: 2º Grupo: A Día: 28 - IV 14 CURSO Opción A 1.- Sean las matrices A = , B =
S Instrucciones: EXAMEN DE MATEMATICAS II 3ª EVALUACIÓN Apellidos: Nombre: Curso: º Grupo: A Día: 8 - IV 4 CURSO 03-4 a) Duración: HORA y 30 MINUTOS. b) Debes elegir entre realizar únicamente los cuatro
Más detallesÁLGEBRA LINEAL II Práctica
ÁLGEBRA LINEAL II Práctica 2.1-2.2 Espacios Euclídeos. Ortogonalidad (Curso 2011 2012) 1. Se considera un espacio euclídeo de dimensión 3, y en él una base {ē 1, ē 2, ē 3 } tal que el módulo de ē 1 y el
Más detallesÁlgebra Lineal. Tema 12. Geometría de las transformaciones lineales en R
Álgebra Lineal Tema 12. Geometría de las transformaciones lineales en R Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE
Más detallesEspacios vectoriales reales
140 Fundamentos de Matemáticas : Álgebra Lineal 9.1 Espacios vectoriales Capítulo 9 Espacios vectoriales reales Los conjuntos de vectores del plano, R 2, y del espacio, R 3, son conocidos y estamos acostumbrados
Más detallesProducto escalar. x y. x = x x y cos α =
resumen06 1 Producto escalar Vectores ortogonales y proyecciones La definición matemática de producto escalar es bastante amplia porque recoge toda expresión bilineal que sirva razonablemente para medir
Más detalles1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3.
. Producto escalar. Propiedades... Norma de un vector. Espacio normado...ortogonalidad. Ángulos..3.Producto escalar en V..4.Producto escalar en V 3.. Producto vectorial de dos vectores de V 3...Expresión
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
Más detallesSegundo examen parcial. Soluciones. Ejercicio 1 (1 hora y 40 minutos.) 12 de junio de 2008
ÁLGEBRA Segundo examen parcial Soluciones Ejercicio 1 (1 hora y 40 minutos 1 de junio de 008 1 En el espacio de matrices M n n (IR consideramos las formas bilineales: f : M n n (IR M n n (IR IR, f(a, B
Más detallesBa s e, d i M e n s i ó n y Mat r i z
Unidad 4 Ba s e, d i M e n s i ó n y Mat r i z de transición Objetivos: Al inalizar la unidad, el alumno: Conocerá la deinición de base de un espacio vectorial Identiicará bases canónicas para algunos
Más detallesTema 16: Ecuaciones diferenciales II: Ecuaciones lineales de orden superior
Tema 16: Ecuaciones diferenciales II: Ecuaciones lineales de orden superior 1. Ecuaciones diferenciales lineales de orden mayor que 1 Una ecuación diferencial lineal (en adelante ecuación lineal) de orden
Más detallesSubspacios Vectoriales
Subspacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Subspacios Vectoriales 1 / 25 Objetivos Al finalizar este tema tendrás que: Saber si un subconjunto es
Más detallesUNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística Álgebra Lineal Ejercicios resueltos- Mayo de 2018
UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística Álgebra Lineal Ejercicios resueltos- Mayo de 2018 I. Sistemas homogéneos, subespacios, dependencia e independencia lineal 1. En cada caso
Más detallesÁLGEBRA Algunas soluciones a la Práctica 8
ÁLGEBRA Algunas soluciones a la Práctica 8 Aplicaciones bilineales y formas cuadráticas (Curso 2008 2009 6. Sean a y b dos números reales. En el espacio P 1 de los polinomios de grado menor o igual que
Más detallesPodemos pues formular los dos problemas anteriores en términos de matrices.
Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión
Más detalles1.5.3 Sistemas, Matrices y Determinantes
1.5.3 Sistemas, Matrices y Determinantes 24. Sean las matrices 3 0 4 1 A= 1 2 B = 0 2 1 1 C = 1 4 2 3 1 5 1 5 2 D = 1 0 1 E = 3 2 4 6 1 3 1 1 2 4 1 3 a Calcular cuando se pueda: 3C D, ABC, ABC, ED, DE,
Más detallesUnidad 4 Espacios vectoriales. Aplicaciones lineales
Unidad 4 Espacios vectoriales. Aplicaciones lineales PÁGINA 8 SOLUCIONES. La solución queda: Operando los vectores e igualando los vectores resultantes, obtenemos:. La solución queda: Sean los polinomios
Más detallesÁlgebra y Álgebra II - Segundo Cuatrimestre 2017 Práctico 4 - Espacios Vectoriales
Álgebra y Álgebra II - Segundo Cuatrimestre 2017 Práctico 4 - Espacios Vectoriales (1) Sea n N. Mostrar que el conjunto de polinomios sobre R de grado menor que n es un subespacio vectorial de R[x]. Este
Más detallesLas matrices se denotarán usualmente por letras mayúsculas, A, B,..., y los elementos de las mismas por minúsculas, a, b,...
INTRO. MATRICES Y DETERMINANTES Prof. Gustavo Sosa Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas
Más detallesProblemas de la prueba de acceso a la Universidad. Matemáticas II. Álgebra y Geometría. I. Sistemas de ecuaciones.
Problemas de la prueba de acceso a la Universidad. Matemáticas II. Álgebra y Geometría. Instrucciones: Todas las pruebas de acceso a la universidad contienen las siguientes instrucciones, que serán consideradas
Más detallesResuelve. Unidad 4. Vectores en el espacio. BACHILLERATO Matemáticas II. Diagonal de un ortoedro y volumen de un paralelepípedo.
Resuelve Página Diagonal de un ortoedro y volumen de un paralelepípedo. Expresa la diagonal de un ortoedro en función de sus dimensiones, a, b y c. c b a c c b b a Diagonal = a + b + c. Calcula el volumen
Más detallesTema 3.1. Espacio eucĺıdeo. Diagonalización ortogonal
Tema 3.1. Espacio eucĺıdeo. Diagonalización ortogonal Definición 1. Sea V un espacio vectorial sobre un cuerpo K. Llamamos forma bilineal a toda aplicación f : V V K ( x, y) f( x, y) que verifica: 1. f(
Más detallesEL ESPACIO VECTORIAL EUCLIDEO
EL ESPACIO VECTORIAL EUCLIDEO PRODUCTO ESCALAR Sean dos vectores del espacio V 3. Llamamos producto escalar de dichos vectores, y se denota, al número real que se obtiene al multiplicar sus módulos por
Más detallesAplicaciones lineales
Aplicaciones lineales María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Aplicaciones lineales Matemáticas I 1 / 32 Contenidos 1 Definición y propiedades Definición de aplicación
Más detalles