Espacios eucĺıdeos. Tema Ejemplo introductorio.
|
|
- Francisca Ortega Vera
- hace 5 años
- Vistas:
Transcripción
1 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. 3.. Ejemplo introductorio. Volvemos al espacio vectorial R 2. Aquí, se puede decir que dos vectores son perpendiculares u ortogonales si forman ángulo recto. Podemos traducir esta condición en términos de coordenadas para una mejor manipulación en la práctica. Sean u = (u, u 2 T, v = (v, v 2 T dos vectores en R 2 ortogonales. Esto significa que si, por ejemplo, giramos v un ángulo de noventa grados, el resultado es un vector que debe estar en la misma recta que u, es decir, que debe ser proporcional a u. Recordemos del tema anterior que un giro de noventa grados transforma v = (v, v 2 T en el vector ( ( ( v v2 =. v 2 v Si este vector es proporcional a u = (u, u 2 T, entonces es de la forma ( v2 v para cierta constante λ R. Si u, u 2, esto significa que Entonces ( u = λ, (3. u 2 v 2 u = v u 2 = λ. u v + u 2 v 2 =. Si u =, entonces de (3. también es v 2 = y se verifica u v + u 2 v 2 =. Análogamente, si es u 2 =, entonces de (3. también es v = y también se verifica u v + u 2 v 2 =. Luego la condición de ortogonalidad entre los vectores en términos de coordenadas es ( u T v v = (u, u 2 = u v v + u 2 v 2 =. 2
2 La operación ( u, v = u T v v = (u, u 2 = u v v + u 2 v 2, 2 se llama producto escalar euclídeo en R 2. La importancia de la ortogonalidad entre vectores del plano aparece en muchos problemas, sobre todo geométricos. Algunos de ellos están relacionados con la proyección ortogonal de un vector sobre un subespacio. Por ejemplo, en la figura v v P v P v se muestra el vector P v que es proyección ortogonal de un vector v sobre una recta que pasa por el origen. Tal proyección se determina obligando a que la diferencia entre los dos vectores v P v sea perpendicular a la recta. Esta construcción proporciona además la distancia entre el punto v = (x, y del plano y la recta, como el módulo del vector diferencia entre v y su proyección ortogonal. Fijémonos en que esta distancia es la mínima posible entre (x, y y los puntos de la recta, y se determina a través de la proyección ortogonal. No parece difícil extender esta idea al espacio tridimensional, donde la ortogonalidad es también visualizable. El problema ahora es buscar la manera de hablar de ortogonalidad y proyección ortogonal en un espacio vectorial cualquiera. Necesitamos en principio definir algo que generalice el producto escalar euclídeo de R Producto escalar Sea V un espacio vectorial sobre K = R ó C. Un producto interno o producto escalar en V es toda aplicación que debe verificar las siguientes propiedades: ( u + u 2, v = u, v + u 2, v. (2 λ u, v = λ u, v. (3 u, v = v, u., : V V K, (4 u, u y si u, u = necesariamente u =. Combinando estas propiedades se tienen otras dos u, v + v 2 = u, v + u, v 2.
3 u, λ v = λ u, v. Un espacio vectorial euclídeo no es más que un espacio vectorial dotado de un producto interno. Asociado a un producto interno se encuentra la norma o longitud de un vector v V que se define como v = v, v. Se verifica siempre que λ v = λ v, λ K, v V. Ejemplos. [] V = R n, n =, 2, 3,.... Como hemos mencionado, el producto interno más célebre es el euclídeo: si v = (v,..., v n T, u = (u,..., u n T se define u, v = u v + + u n v n. La norma asociada es la llamada norma eucídea: v = v v2 n, que determina geométricamente la longitud de un vector de R n. [2] V = C n, n =, 2, 3,.... En este caso se puede definir el producto interno u, v = u v + + u n v n, y la norma es la del ejemplo anterior, v = v v2 n. [3] V = {f : [, 2π] R, f continua}. Se puede definir, f, g = f(xg(xdx, que es un producto interno sobre V (esto es, verifica las propiedades (-(4 de la definición. La correspondiente norma es f 2 = ( f(x 2 dx /2. En principio, en un mismo espacio vectorial pueden definirse productos internos diferentes. Por otro lado, hay varias desigualdades importantes asociadas a un producto interno. Teorema. Sea (V,, un espacio vectorial euclídeo. Entonces, se verifican La desigualdad de Cauchy-Schwarz: si u, v V u, v u v. La igualdad se produce si y sólo si u y v son linealmente dependientes.
4 La desigualdad de Minkowsky: si u, v V u + v u + v. La igualdad se cumple si y sólo si los vectores u y v son proporcionales con coeficiente de proporcionalidad positivo. Ya hemos visto en R 2 que la importancia desde un punto de vista geométrico de un producto interno viene dada por su relación con el ángulo formado por dos vectores. Esto puede generalizarse a cualquier producto interno en cualquier espacio vectorial. Vamos a buscar una fórmula que relacione el producto escalar con el ángulo entre vectores. Pensemos por ejemplo en el plano V = R 2 y el producto euclídeo u, v = u v + u 2 v 2. v u Los elementos u, v V pueden representarse como vectores en el plano que parten del origen. Sean α y β respectivamente los ángulos formados por los vectores u y v con el eje horizontal. Se tiene, sin α = u 2 / u, sin β = v 2 / v, cos α = u / u, cos β = v / v. Ahora, el ángulo θ formado por los vectores u y v es θ = α β, de modo que cos θ = cos(α β = cos α cos β + sin α sin β = u v + u 2 v 2 u v = u, v u v, y se tiene la fórmula para determinar el ángulo entre los dos vectores en función del producto interno y la norma: u, v = u v cos θ. (3.2 Esta fórmula es general: si (V,, es un espacio vectorial euclídeo, u, v V, entonces el ángulo θ entre u y v viene dado por Re( u, v = u v cos θ. (En el lado izquierdo se toma la parte real pues la fórmula es válida para cualquier producto interno, sea real o complejo Sistemas y bases ortogonales y ortonormales Esta idea de ortogonalidad es entonces la generalización a un espacio euclídeo del concepto geométrico de vectores perpendiculares. Volviendo al ejemplo anterior de R 2, los vectores u y v serán perpendiculares
5 si forman un ángulo recto. Según (3.2, esto significa que u, v = (recuérdese la introducción. Ello motiva la siguiente Definición. Sea (V,, un espacio vectorial euclídeo. Se dice que dos vectores u y v son ortogonales cuando u, v =. Ejemplo. En R n con el producto euclídeo, la ortogonalidad significa que o, en términos matriciales, u v + + u n v n =, u T v =. por ejemplo, u = (,,, T y v = (,,, T son ortogonales para este producto interno. Ejemplo 2. Sea V = {f : [, 2π] C, f continua}. Se puede definir, f, g = f(xg(xdx, que es un producto interno sobre V. Las funciones f(x = e 3ix, g(x = e ix verifican f, g = e 3ix e ix dx = e 2ix dx = e2ix 2i Luego las funciones f y g son ortogonales para este producto interno. Se dice que un sistema de vectores no nulos { e, e 2,..., e n } en V es Ortogonal si e k, e l = para k l. 2π =. Ortonormal si es ortogonal y además todos los vectores tienen norma uno, es decir e k, e l =, k l, e k, e k =, k =,..., n. Así, por ejemplo, los vectores e = (, T, e 2 = (, T forman un sistema ortogonal para el producto interno euclídeo en R 2 y los vectores e = (, T, e 2 = (, T forman un sistema ortonormal. La diferencia está en que los vectores ortonormales, además de ser ortogonales, han de tener norma uno. Así, un sistema ortonormal es siempre ortogonal. Por otro lado, si uno tiene un sistema { e, e 2,..., e n } ortogonal de vectores no nulos, basta considerar el conjunto de vectores { e e, e 2 e 2,..., e n e n } para obtener un sistema ortonormal. Por ejemplo, el sistema ortogonal anterior { e = (, T, e 2 = (, T } genera el sistema ortonormal { e e = ( 2, 2 T e, 2 e 2 = ( 2, 2 T }. Por último, un sistema ortogonal de vectores no nulos es siempre un conjunto linealmente independiente de vectores. En efecto, consideremos un sistema ortogonal { e, e 2,..., e n } y una combinación nula cualquiera α e + α 2 e α n e n =. Para comprobar que los vectores son independientes tenemos que llegar a que los coeficientes de la combinación son todos nulos. Si hacemos el producto interno de la combinación lineal con e, tenemos =, e = α e + α 2 e α n e n, e = α e, e + α 2 e 2, e + + α n e n, e = α e, e = α e 2,
6 donde hemos utilizado la ortogonalidad de los vectores e, e 2,..., e n. De aquí, necesariamente α =. Este razonamiento puede repetirse con los vectores e 2, e 3 hasta e n, concluyendo que α 2 = α 3 = = α n = y, por tanto, los vectores son independientes. Las bases que son ortogonales u ortonormales son muy útiles, entre otras cosas porque permiten obtener de forma sencilla las coordenadas de un vector en ellas. Esto es lo que afirma el siguiente resultado. Teorema 2. Sea (V,, un espacio vectorial euclídeo y { e, e 2,..., e m } un sistema ortogonal con espacio generado W. Si u W, entonces u = u, e e 2 e + u, e 2 e 2 2 e u, e m e m 2 e m. En particular, si { e, e 2,..., e m } es ortonormal, entonces u = u, e e + u, e 2 e u, e m e m. Por ejemplo, el sistema B = { e, e 2, e 3 } con e = (,, T, e 2 = (,, T, e 3 = (,, 2 T, es un sistema ortogonal, y por tanto forma una base ortogonal, de R 3 para el producto escalar euclídeo. Si u = (3, 2, 4 T, podemos calcular las coordenadas de u con respecto a la base B de dos maneras: la primera, utilizando las fórmulas de cambio de base analizadas en el tema 2, es decir, si u = α e + α 2 e 2 + α 3 e 3, entonces las coordenadas α, α 2, α 3 resuelven el sistema lineal 2 α α 2 α 3 = de donde α =, α 2 = 5/2, α 3 = 3/2. La segunda forma utiliza el teorema 2. Como la base es ortogonal, entonces 3 2 4, u = α e + α 2 e 2 + α 3 e 3 = u, e e 2 e + u, e 2 e 2 2 e 2 + u, e 3 e 3 2 e 3. Calculando los productos internos, se tiene u, e e 2 =, u, e 2 e 2 2 = 5 2, u, e 3 e 3 2 = 9 6, obteniéndose las mismas coordenadas que con la primera forma. La obtención de bases ortogonales y ortonormales será importante al tratar los problemas de aproximación en este tema. Por eso presentamos ahora un procedimiento para que, a partir de una base cualquiera, se pueda obtener una base ortogonal Método de ortogonalización de Gram-Schmidt Teorema 3 (Método de ortogonalización de Gram-Schmidt. Sea { v, v 2,..., v m } un sistema libre de vectores en un espacio vectorial euclídeo (V,,. Entonces, (a Existe un nuevo sistema ortogonal y libre { e, e 2,..., e m } tal que e = v y para k = 2,..., m el vector e k está determinado de forma única por la relación y las relaciones de ortogonalidad, e k = v k α k e α k,k e k, e k, e l =, l =,..., k.
7 (b El nuevo sistema genera el mismo espacio que el de partida. En particular, toda base de V se puede ortogonalizar. El procedimiento enunciado en el teorema es como sigue. Dados { v, v 2,..., v m } linealmente independientes, el primer vector no cambia: e = v. para obtener e 2, escribimos e 2 = v 2 α 2 e e imponemos la ortogonalidad entre e y e 2, Queda así determinado e 2, e = v 2, e α 2 e, e = α 2 = v 2, e e 2. e 2 = v 2 v 2, e e 2 e, que, por construcción, es ortogonal a e. Ahora, para obtener e 3, se escribe e 3 = v 3 α 3 e α 23 e 2 y se impone la ortogonalidad con e y e 2, De este modo, e 3, e = v 3, e α 3 e, e = α 3 = v 3, e e 2, e 3, e 2 = v 3, e 2 α 23 e 2, e 2 = α 23 = v 3, e 2 e 2 2. e 3 = v 3 v 3, e e 2 e v 3, e 2 e 2 2 e. El procedimiento permite un paso general. Supongamos que hemos obtenido e,..., e k ortogonales y queremos obtener e k. Entonces escribimos e k = v k α k e α 2k e 2 α k,k e k e imponemos las condiciones de ortogonalidad e k, e = α k = v k, e e 2, e k, e k = α k,k = v k, e k e k 2, con lo que e k queda determinado. Continuamos el proceso hasta obtener tantos vectores como al principio. Ejemplo. Supongamos que los vectores dados son v =, v 2 = Entonces e = v. El vector e 2 se obtiene de las condiciones, v 3 = e 2 = v 2 α,2 e e 2, e =,. de donde e 2 = v 2 v 2, e e, e e = v 2 2 e,
8 y, operando, es e 2 = (/2, /2, T. El tercer vector viene de las condiciones por lo que y por tanto e 3 = ( 2/3, 2/3, 2/3 T. e 3 = v 3 α,3 e α 2,3 e 2 e 3, e = e 3, e 2 =, e 3 = v 3 v 3, e e, e e v 3, e 2 e 2, e 2 e 2 = v 3 2 e 3 e 2, Para obtener una base ortonormal, podemos primero calcular una base ortogonal { e, e 2,..., e m } a partir del método de Gram-Schmidt y luego dividir cada vector por su norma { e e, e 2 e 2,..., e n e n }. Así, en el ejemplo anterior, los vectores ortonormales finales son entonces q = e e = 2, q 2 = e 2 e 2 = 2 3 /2 /2, q 3 = e 3 e 3 = 3 4 2/3 2/3 2/3. Pueden darse otras alternativas para calcular una base ortonormal, basadas en modificaciones del método de Gram-Schmidt Subespacio ortogonal a uno dado y proyección ortogonal sobre un susbespacio Al principio del tema mencionamos la proyección ortogonal de un vector sobre un subespacio al hablar de la distancia de un punto del plano a una recta. Puesto que hemos extendido la ortogonalidad a un espacio vectorial cualquiera a través del producto interno, intentamos ahora hacer lo mismo con la proyección ortogonal. Del ejemplo en R 2 debemos retener lo siguiente: la proyección ortogonal de un vector sobre un subespacio es un vector del mismo subespacio cuya diferencia con el original genera un vector que es ortogonal a todos los del subespacio sobre el que proyectamos. Además, la proyección ortogonal es la mejor aproximación del vector por elementos del subespacio, en el sentido de proporcionar la mínima distancia del vector al subespacio. Dado un subconjunto U de un espacio vectorial euclídeo (V,, se define su ortogonal como U = { v V/ u, v =, u U}. Es decir, U está formado por aquellos vectores que son ortogonales a todos los vectores de U. Hay que destacar que aunque U no sea un subespacio vectorial, el ortogonal U siempre lo es. Si, en particular, U es un subespacio vectorial, entonces U U = { }. El siguiente resultado proporciona la forma de manipular ortogonales en la práctica. Teorema 4. Sea (V,, un espacio vectorial euclídeo y W un subespacio de dimensión finita. Entonces, (i Un vector v está en W si y sólo si v es ortogonal a un sistema de generadores (en particular a una base cualquiera de W. (ii El subespacio ortogonal W es suplementario de W, es decir, V = W W. (iii Cada vector v V se escribe de forma única como una suma de dos vectores v = w + u, con w W, u W.
9 (iv Si V tiene dimensión finita, entonces dimw = dimv dimw. Vamos a ilustrar estos resultados. Ejemplo. En R 3 con el producto usual, x, y = x y + x 2 y 2 + x 3 y 3, consideramos el subespacio W generado por el vector e = (,, T. Según el apartado (i del teorema 4, un vector v = (x, y, z T está en W si es ortogonal a un sistema generador cualquiera de W ; como W está generado sólo por e = (,, T entonces v W v, e = (x, y, z Esto nos proporciona las ecuaciones del ortogonal de W, = x =. W = { v = (x, y, z T R 3 /x = }. Una base de W T es, por ejemplo { e 2 = (,, T, e 3 = (,, T }. Entonces, tenemos que { e, e 2, e 3 } es una base de R 3. Esto es lo que significa el apartado (ii del teorema 4; en este caso R 3 = W W. Por otro lado, todo vector v = (x, y, z T R 3 se escribe como v = x e + y e 2 + z e 3 = w + u, donde w = x e = (x,, T W y u = y e 2 + z e 3 = (, y, z T W. Esta es la descomposición deducida en (iii para este caso. Por último, como dimw =, entonces dimw = dimr 3 dimw = 2, como ya habíamos obtenido al deducir las ecuaciones del subespacio W. Ejemplo 2. Sea A M m,n (K. Entonces (Ker(A = fil(a (Ker(A T = col(a En efecto, vamos a comprobar la primera igualdad. La segunda queda como ejercicio y es trivial a partir de la primera. Fijémonos en que si x es tal que A x =, este sistema de ecuaciones afirma que cada fila de A es ortogonal a cualquier vector x Ker(A. Luego fil(a (Ker(A. Como, por otra parte, ambos subespacios tienen la misma dimensión, ha de ser (Ker(A = fil(a. Volvamos a la situación del teorema 4. El sumando w W de la descomposición v = w + u se llama proyección ortogonal de v sobre W y se denota por P W ( v. Teorema 5. En las condiciones del teorema 4, se tiene: ( La proyección ortogonal P W ( v W de v sobre W queda caracterizada por la condición v P W ( v es ortogonal a todo vector de W. (2 La proyección ortogonal P W ( v de v sobre W es la mejor aproximación de v por elementos de W, en el sentido de que es el más próximo a v de entre todos los vectores de W, es decir: v P W ( v = mín{ v w : w W }. La relación del apartado ( del teorema da un medio práctico para calcular P W ( v. Tomemos una base cualquiera { w, w 2,..., w m } de W. Encontrar P W ( v es encontrar escalares λ,..., λ m tales que P W ( v = λ w + + λ m w m, puesto que la proyección ha de estar en W. Por otro lado, para que se
10 verifique la condición de ( se necesita y basta que v P W ( v sea ortogonal a cada w i. Por tanto, los λ i quedan caracterizados por las m condiciones es decir, v (λ w + + λ m w m, w = v (λ w + + λ m w m, w 2 =. =.. v (λ w + + λ m w m, w m =, λ w, w + + λ m w m, w = v, w λ w, w λ m w m, w 2 = v, w 2 (3.3.. =.. λ w, w m + + λ m w m, w m = v, w m Las ecuaciones (3.3 se llaman ecuaciones normales del problema. Un caso particularmente sencillo es aquél en el que la base { w, w 2,..., w m } es ortogonal. Entonces, el sistema (3.3 tiene la forma con lo que se obtiene la fórmula cerrada λ w 2 = v, w. =.. λ m w m 2 = v, w m P W ( v = v, w w 2 w + + v, w m w m 2 w m. Hay que insistir en que esta fórmula sólo es válida cuando la base elegida en W, { w, w 2,..., w m } es ortogonal. En caso contrario, hay que utilizar las ecuaciones normales para determinar la proyección ortogonal. Ejemplos. ( Sea W = {(x, y, z, t T /x + y z =, x t = }. Buscamos la proyección ortogonal de v = (,,, T sobre W. Primero obtenemos una base de W, que puede ser, por ejemplo, w = (,,, T, w 2 = (,,, T. Ahora, la proyección ha de ser de la forma P W ( v = λ w + λ 2 w 2. Para determinar las coordenadas λ, λ 2, debemos obligar a que el vector diferencia v P W ( v sea ortogonal al sistema generador de W. El planteamiento de las condiciones de ortogonalidad da lugar al sistema de ecuaciones normales de donde λ = 2/5, λ 2 = 4/5. Entonces 3λ + λ 2 = 2 λ + 2λ 2 = 2, P W ( v = 2 5 w w 2 = (2/5, 4/5, 6/5, 2/5 T. (2 Consideremos ahora el espacio V de funciones reales y acotadas, definidas en el intervalo [, ] y dotado con el producto interno La función f : [, ] R dada por f, g V, f, g = f(x = f(xg(xdx. { si x [, ] si x (, ]
11 está en V, así como los polinomios, x, x 2. Vamos a buscar la proyección ortogonal de f sobre el subespacio de polinomios de grado menor o igual que dos y coeficientes reales W, generado por tanto por los polinomios, x, x 2. Al tener que ser un elemento de W, la proyección tendrá la forma P W (f(x = α + α x + α 2 x 2. Para determinar los coeficientes de este polinomio, debemos obligar a que la función diferencia f P W (f sea ortogonal al sistema generador de W. Esto nos lleva al sistema de ecuaciones normales f P W (f α, + α x, + α 2 x 2, = f, f P W (f x α, x + α x, x + α 2 x 2, x = f, x f P W (f x 2 α, x 2 + α x, x 2 + α 2 x 2, x 2 = f, x 2, que, utilizando la definición del producto interno, tiene la forma ( ( ( α dx + α xdx + α 2 x 2 dx = ( ( ( α xdx + α x 2 dx + α 2 x 3 dx = ( ( ( α x 2 dx + α x 3 dx + α 2 x 4 dx = Calculando las integrales, tenemos el sistema 2α α 2 =, 2 3 α =, 2 3 α α 2 =, ( f(xdx, ( xf(xdx, ( x 2 f(xdx. de donde α = α 2 =, α = 3 2 y, por tanto, la proyección ortogonal buscada es el polinomio P W (f(x = 3 2 x. (3 Sea V = {f : [, 2π] R, f continua} con el producto interno f, g = f(xg(xdx. Vamos a buscar la proyección ortogonal de f(x = x sobre el subespacio W generado por las funciones, sin x, cos x. La proyección tendrá la forma P W (f = λ + λ 2 sin x + λ 3 cos x. Fijémonos en que, sin x =, cos x = sin x, cos x = sin xdx = cos x 2π =, cos xdx = sin x 2π =, sin x cos xdx = 4 cos 2x 2π =. Esto significa que la base elegida en W es ortogonal. Entonces, la proyección ortogonal puede calcularse como f, f, sin x f, cos x P W (f = + sin x + =, xdx dx + sin x, sin x x sin xdx sin 2 xdx sin x + cos x, cos x cos x x cos xdx cos x. cos 2 xdx Calculando las integrales, tenemos que P W (f(x = π 2 sin x. En este caso podemos usar la fórmula cerrada para hallar la proyección, pues la base del subespacio sobre el que se proyecta es ortogonal. Esto no podía hacerse en los anteriores ejemplos.
12 3.6. Problemas de ajuste Hay muchos problemas (en Física, Economía, Comunicación, etc cuyo planteamiento matemático de fondo consiste en aproximar un cierto elemento de un espacio vectorial por elementos de un subespacio de la mejor manera posible, en el sentido de que la distancia del elemento aproximado a la aproximación sea mínima. De este modo, tales problemas involucran el cálculo de una proyección ortogonal. En esta sección intentaremos presentar varios ejemplos clásicos Ejemplo. Sistemas sobredeterminados Muchos problemas de aproximación o de ajuste desembocan en la resolución de un sistema lineal A x = b, A M m,n (R, b R m, x R n, sobredeterminado (m > n, muchas más ecuaciones que incógnitas, con las columnas de A independientes (rango (A = n e incompatible, es decir, b / W = col(a. Por ejemplo, 5 2 ( 3 x 5 = 4 x , ( es de este tipo. Si el sistema A x = b no tiene solución, entonces b no puede ser combinación de las columnas de A, es decir, b / W = col(a. Han de buscarse entonces valores de x de modo que, puesto que A x no puede ser b, esté lo más cerca posible de b, en el sentido de que la norma euclídea A x b sea la menor posible. Tales x juegan el papel de soluciones en un sentido generalizado. Su determinación comprende dos etapas: (i Hallar la mejor aproximación b a b por elementos de W (proyección ortogonal. (ii Resolver el sistema A x = b en sentido convencional. La solución x LS de este sistema se llama solución en el sentido mínimos cuadrados, pues por la caracterización de la proyección ortogonal, hace mínima las distancias A x b cuando x recorre R n. En la práctica, estas dos etapas se suelen reunir de la siguiente forma. Denotemos por A i la i ésima columna de A. Puesto que b es la proyección ortogonal de b sobre W = col(a y b = A x LS, entonces la condición de proyección ortogonal nos lleva a que b b = b A x LS debe ser ortogonal a cada columna de A: o, equivalentemente b A x LS, A j =, j =, 2,..., n, A x LS, A j = A j, b, de modo que las ecuaciones normales en este caso nos llevan a A T A x LS = A T b. (3.5 Si las columnas de A son linealmente independientes, el sistema de ecuaciones normales (3.5 tiene solución única, y como hemos visto, es la solución de A x = b en el sentido mínimos cuadrados. De manera que para calcular la solución mínimos cuadrados de un sistema A x = b, en la práctica no se siguen las etapas (i y (ii, sino que se plantea y resuelve directamente el sistema (3.5. Por ejemplo, para el sistema (3.4 tenemos A T A = ( , A T b = ( y la solución del sistema (3.5 en este caso es x LS = ( 2,9, 8,7 T.,
13 Ejemplo 2. Aproximación funcional Otra situación en la que aparece la proyección ortogonal tiene que ver con la aproximación entre funciones. Puede ilustrarse con el siguiente ejemplo. Vamos a tomar la función f : [, ] R dada por { si x [, ] f(x = si x [, ] (Dibuja f. Una de las propiedades que tiene esta función es su discontinuidad. Quizá, en el contexto del problema que estemos tratando de resolver, necesitemos que lo que representa la función f(x quede mejor descrito por otra. Los criterios para construir esta nueva función deberían incluir aspectos como el siguiente: si bien la nueva función sólo puede aproximar a f, sí puede proporcionar más información y tener propiedades matemáticas más beneficiosas, como por ejemplo la derivabilidad, de modo que fuera una función sencilla de manejar. Esto llevaría a tratar de aproximar f mediante funciones elementales. Dos formas habituales de representación vienen dadas por los polinomios y por las funciones trigonométricas. Vamos a analizar cada una de ellas. Para introducir la idea de aproximación, definimos el producto interno g, g 2 = g (xg 2 (xdx, dentro de un espacio vectorial de funciones en el que se encuentre f. Por ejemplo, el espacio V de funciones reales y acotadas, definidas en el intervalo [, ]. Una primera aproximación a f puede venir dada de la siguiente forma: vamos a considerar el subespacio W de V generado por las funciones p (x = p 2 (x = { 4x(x + si x [, ] si x [, ] { si x [, ] 4x(x si x [, ] (Dibuja p y p 2. Vamos a buscar la mejor aproximación a f por elementos de W para el producto interno antes definido. Esto equivale a buscar la proyección ortogonal de f sobre el subespacio W. Entonces Las ecuaciones normales en este caso son P W (f(x = λ p (x + λ 2 p 2 (x. λ p 2 (xdx + λ 2 p (xp 2 (xdx = λ p (xp 2 (xdx + λ 2 p 2 2(xdx = Primero hay que observar que, de la forma de p y p 2, se tiene f(xp (xdx, f(xp 2 (xdx. p (xp 2 (xdx =, es decir, que p (x y p 2 (x forman una base ortogonal de W y los coeficientes de la proyección, a partir de las ecuaciones normales, pueden escribirse λ = f, p p, p = f(xp (xdx p2 (xdx = 2/3 8/5 = 5 4, λ 2 = f, p 2 p 2, p 2 = f(xp 2(xdx p2 2 (xdx = 2/3 8/5 = 5 4.
14 Luego P W (f(x = 5 4 p (x 5 4 p 2(x. (Dibuja P W (f(x y f juntas. Las funciones p (x y p 2 (x no son polinomios en el sentido visto hasta ahora; se suelen llamar polinomios a trozos (por razones obvias. Son funciones continuas, pero no derivables. Si queremos incluir derivabilidad en la aproximación, podemos buscar ésta, por ejemplo, entre las funciones trigonométricas. Así, una segunda forma de aproximación puede obtenerse de la siguiente forma: vamos ahora a considerar el subespacio W generado por las funciones f (x =, f 2 (x = sin(πx, f 3 (x = cos(πx. En este caso, la proyección ortogonal de f sobre el subespacio W es la mejor aproximación a f por elementos de W, para el producto interno del principio. Observemos que f, f 2 = f, f 3 = f 2, f 3 = sin πxdx = π cos πx =, cos πxdx = π sin πx =, sin πx cos πxdx = 4 cos 2πx =. De manera que f, f 2 y f 3 constituyen una base ortogonal de W. La proyección puede escribirse con Entonces (Dibuja P W (f(x y f juntas. P W (f(x = λ + λ 2 sin(πx + λ 3 cos(πx, λ = f, f f, f = f(xdx dx =, λ 2 = f, f 2 f 2, f 2 = f(x sin(πxdx = 4 sin2 (πxdx π λ 3 = f, f 3 f 3, f 3 = f(x cos(πxdx =. cos2 (πxdx P W (f(x = 4 π sin(πx. EJERCICIOS DEL TEMA 3 Ejercicio. (a Qué pares de vectores son ortogonales? v = (, 2, 2, T, v 2 = (4,, 4, T, v 3 = (,,, T. (b Halla en R 3 todos los vectores ortogonales a la vez a v = (,, T y v 2 = (,, T. Ejercicio 2. Encuentra una base ortogonal de R 3 partiendo del vector (,, T. Ejercicio 3. Dada la base B = {(,, T, (,, T, (,, T }
15 (a Construye una base ortonormal de R 3 a partir de B. (b Escribe el vector (2,, 3 T en términos de la base ortonormal antes obtenida. Ejercicio 4. Calcula una base ortonormal de R 4 que incluya a los vectores (,,, T, ( 2 2 2, 2, 2, 2 T. Ejercicio 5. Halla una base ortonormal de los subespacios generados por los vectores siguientes: a [,,, ] T, [,,, ] T y [3,,, ] T, b [,,, ] T, [,, 2, 4] T y [, 2,, 2] T. Ejercicio 6. Se considera la matriz A =. (i calcula una base ortonormal del subespacio columna col(a utilizando el método de Gram-Schmidt. (ii Llama Q a la matriz que tiene por columnas la base ortonormal obtenida en (i. Determina la relación entre las columnas de A y las de Q. (iii Determina una matriz R de tres filas y tres columnas tal que A = QR. Esto es lo que se llama factorización QR de la matriz A. (iv Repite el procedimiento con la matriz A = 2 2. Ejercicio 7. Se consideran los subespacios U, V y W de R 4 dados por: U = {[x, y, z, t] T /x+y z =, x t = }, V = span([,,, ] T, [2,,, ] T, W = {[x, y, z, t] T /x+y = }. a Da las ecuaciones que definen U, V, W. b Halla bases ortonormales de U, U, V, V, W y W. Ejercicio 8. Dado el subespacio S = {(x, y, z T R 3 : 2x y + 3z = } (a Halla una base ortonormal de S. (b Calcula la proyección ortogonal del vector v = (3, 2, 4 T sobre S. (c Escribe v como suma de dos vectores, uno que esté en S y otro que sea ortogonal a todos los vectores de S. Ejercicio 9. Repite el ejercicio anterior para los siguientes subespacios y vectores: (a S = {(x, x 2, x 3, x 4 T R 3 : 2x x 2 + 3x 3 x 4 = }, v = (,, 2, 3 T. (b S = {(x, x 2, x 3, x 4 T R 3 : x = x 2, 3x 2 = x 4 }, v = (, 2, 3, T. Ejercicio. Calcula la descomposición del vector v en suma de dos vectores, uno en el subespacio generado por los vectores w i que se indican y el otro ortogonal a dicho subespacio: (a v = (5, 2, 2, T, w = (2,,, T, w 2 = (,, 3, T.
16 (b v = (,, 2, T, w = (,,, T. Ejercicio. Halla la solución en el sentido mínimos cuadrados de los sistemas ( x 3 = y 2, 2 x 3 2 y = z 4 5. Ejercicio 2. Sea P 3 [X] el espacio de los polinomios reales de grado menor o igual a tres. Sea T : P 3 [X] R 2 la aplicación lineal que a cada polinomio p lo envía al vector (p(, p( T. a Calcula una base de Ker(T. b En el conjunto de las funciones reales definidas en (,, se considera el producto interno f, g = f(xg(xdx. Aproxima en el sentido mínimos cuadrados la función f dada por si x < f(x = si x /2 si /2 < x por elementos de Ker(T. Ejercicio 3. Qué recta ajusta mejor los siguientes datos: y = en x =, y = en x =, y = 2 en x = 3?. Ejercicio 4. Se considera la matriz A = (i Calcula la dimensión, una base y las ecuaciones del subespacio W generado por las filas de A. (ii Con el producto interno euclídeo de R 4, determina la proyección ortogonal del vector v = (,,, T sobre W. (iii De un vector u se conoce que su proyección ortogonal sobre W es (,,, 2 T ortogonal sobre W es (,,, T. Determina el vector u, razonando la respuesta. y su proyección Ejercicio 5. Se considera el espacio P 2 [X] de polinomios de grado menor o igual que dos y coeficientes reales, con el producto interno p, q = p(q( + p(q( + p(2q(2, p(x, q(x P 2 [X]. (3.6 (i Determina una base ortogonal de P 2 [X] para el producto (3.6, a partir de la base canónica de P 2 [X]. (ii Sea P [X] el subespacio de P 2 [X] de polinomios de grado menor o igual que uno y coeficientes reales. Calcula la mejor aproximación al polinomio p(x = x 2 por elementos de P [X], usando el producto interno (3.6.
Espacios 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 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 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 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 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 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 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 detalles2 Espacios vectoriales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 2 Espacios vectoriales 2.1 Espacio vectorial Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V sobre el que hay
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 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 detallesTEMA VI: ESPACIOS DE HILBERT
TEMA VI: ESPACIOS DE HILBERT. Espacios con producto escalar Definición: Sea L un espacio vectorial sobre el cuerpo K (R ó C). Por un producto escalar (o interno) sobre L entedemos una aplicación :
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 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 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 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 detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesCoordinación de Matemática II (MAT022)
Coordinación de Matemática II (MAT022) Guía de ejercicios N 6 parte Complementos Espacios Vectoriales En los ejercicios que siguen utilizamos la siguientes notaciones: R n [x es el espacio vectorial sobre
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 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 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 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 detallesOrtogonalización de Gram Schmidt
Ortogonalización de Gram Schmidt Objetivos. Estudiar el proceso de ortogonalización de Gram Schmidt que permite construir de una lista arbitraria de vectores a,..., a m una lista ortogonal b,..., b m que
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 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 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 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 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 detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 01 Taller 4
Universidad Nacional de Colombia Departamento de Matemáticas - Álgebra Lineal - Grupo Taller () Es el conjunto de los números reales con las operaciones de suma y multiplicación un R-espacio vectorial?
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 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 detallesTema 2: Espacios Vectoriales
Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.
Más detallesÁlgebra Lineal. Tema 13. Mínimos cuadrados. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 3. Mínimos cuadrados 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 Índice
Más detallesUNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MATERIA: MATEMÁTICAS II
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES Y VALORACIÓN El alumno contestará a
Más detallesEspacios vectoriales
CAPíTULO 2 Espacios vectoriales 1. Definición de espacio vectorial Es frecuente representar ciertas magnitudes físicas (velocidad, fuerza,...) mediante segmentos orientados o vectores. Dados dos de tales
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 08-2 SEMANA 7: ESPACIOS VECTORIALES 3.5. Generadores de un espacio vectorial Sea V un espacio vectorial
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 detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
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 detallesEspacios con producto interno
Espacios con producto interno. En el espacio vectorial R con el producto interno euclideano, calcule: a) < (,, ), (,, )> b) (7,, ) (7,, ) c) d) î ĵ e) (v, v, v ) (w, w, w ) f) ( î ĵ)
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 detallesLas variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.
Capítulo 9 Variedades lineales Al considerar los subespacios de R 2, vimos que éstos son el conjunto {(0, 0)}, el espacio R 2 y las rectas que pasan por el origen. Ahora, en algunos contextos, por ejemplo
Más detallesESPACIO VECTORIAL EUCLÍDEO
ESPACIO VECTORIAL EUCLÍDEO PRODUCTO ESCALAR Sea V un espacio vectorial sobre C. Una aplicación que asocia un número complejo < u, v > a cada pareja de vectores u y v en V, se dice que es un producto escalar
Más detallesGeometría afín y proyectiva, 2016 SEMANA 2
Geometría afín y proyectiva, 2016 SEMANA 2 Sonia L. Rueda ETS Arquitectura. UPM September 20, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra
Más detallesTema 5: ESPACIOS VECTORIALES
Tema 5: ESPACIOS VECTORIALES EUCLÍDEOS 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 detallesÁlgebra II (61.08, 81.02) Primer cuatrimestre 2018 Práctica 3. Producto interno
Álgebra II (61.08, 81.02) Primer cuatrimestre 2018 Práctica 3. Producto interno Nota: en todos los casos en que no se indique lo contrario, considere el producto interno canónico en K n (K = R o C). 1.
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 detallesSi u y v son vectores cualquiera en W, entonces u + v esta en W. Si c es cualquier numero real y u es cualquier vector en W, entonces cu esta en W.
Unidad 4 Espacios vectoriales reales 4.1 Subespacios Si V es un espacio vectorial y W un subconjunto no vacío de V. Entonces W es un subespacio de V si se cumplen las siguientes condiciones Si u y v son
Más detallesUNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL
1. Definiciones básicas. UNIVERSIDAD DEL NORTE Departamento de Matemáticas y Estadística. Álgebra Lineal. RESUMEN DE TEMAS DEL EXAMEN FINAL I. Sistemas homogéneos y subespacios de R n. (a) Para el sistema
Más detallesÁlgebra Lineal y Geometría I. Prueba 3. Grupo A. 12 de marzo de (
Álgebra Lineal y Geometría I. Prueba 3. Grupo A. 2 de marzo de 208. Apellidos: Nombre: DNI: Ejercicio.-(4 puntos) Se considera la matriz siguiente: A = 2 0 3 0 2. Calcule W = null(a 2I), W 2 = null(a 4I)
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 detalles102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D.
102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D. Tema 1. Espacios Vectoriales. 1. Dar la definición de cuerpo. Dar tres ejemplos de cuerpos. Dar un ejemplo de un cuerpo finito 2. Defina
Más detallesPAIEP. Complemento Ortogonal
Programa de Acceso Inclusivo, Equidad y Permanencia PAIEP Universidad de Santiago de Chile Complemento Ortogonal Veamos ahora una aplicación de los vectores ortogonales a la caracterización de subespacios
Más detallesGuía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno.
Guía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno. Teoremas con demostraciones que se pueden incluir en el examen: 1. Fórmula para f(j m (λ)), donde J m (λ) es el bloque
Más detallesEspacios vectoriales con producto interno
Espacios vectoriales con producto interno Problemas teóricos En todos los problemas relacionados con el caso complejo se supone que el producto interno es lineal con respecto al segundo argumento. Definición
Más detallesÁlgebra Lineal. Departamento de Matemáticas Universidad de Los Andes. Primer Semestre de 2007
Álgebra Lineal Departamento de Matemáticas Universidad de Los Andes Primer Semestre de 2007 Universidad de Los Andes () Álgebra Lineal Primer Semestre de 2007 1 / 50 Texto guía: Universidad de Los Andes
Más detallesOrtogonalización. 1. Método de Gram-Schmidt. Semana 3 - Clase 9 21/04/09 Tema 2: Espacios Vectoriales
Semana - Clase 9 /4/9 Tema : Espacios Vectoriales Ortogonalización Método de Gram-Schmidt Hemos visto que un conjunto de vectores ortogonales forman base para un espacio vectorial Ahora bien, siempre es
Más detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n A = a 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
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 detallesEspacios vectoriales (Curso )
ÁLGEBRA Práctica 5 Espacios vectoriales (Curso 2008 2009) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2 x = 3y}.
Más detallesEspacios vectoriales (Curso )
ÁLGEBRA Práctica 5 Espacios vectoriales (Curso 2009 2010) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x, y) IR 2 x 2 + y 2 = 1}. (b) B = {(x, y) IR 2 x = 3y}.
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 detallesOpción de examen n o 1
Septiembre-206 PAU Cantabria-Matemáticas II Opción de examen n o. a) Según el enunciado, se tiene: A B = C Ö è Ö è a b 2 c b c a = Ö è 0 Al igualar las matrices obtenidas se llega a: 2 + a + b = 2c + +
Más detallesMínimos cuadrados. Mayo de Ejemplos de introducción. Observación preliminar
Mínimos cuadrados Mayo de 2015. Ejemplos de introducción Observación preliminar Sean dos matrices A y B, por ejemplo a b A =, B = c d x z y t Las columnas de A representan los vectores u = (a; c) y v =
Más detallesÁlgebra Lineal UCR. Sétimo tema, 2013
Álgebra Lineal UCR Sétimo tema, 2013 Presentaciones basadas principalmente en Arce,C, Castillo,W y González, J. (2004) Álgebra lineal. Tercera edición. UCR. San Pedro. Otras fuentes serán mencionadas cuando
Más detallesÁLGEBRA LINEAL I Práctica 5
ÁLGEBRA LINEAL I Práctica 5 Espacios vectoriales (Curso 2014 2015) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2
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 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 detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina
Más detallesMATEMÁTICAS I 2º EXAMEN PARCIAL 12 junio de 2009
Sólo una respuesta a cada cuestión es correcta. Respuesta correcta: 0.2 puntos. Respuesta incorrecta: -0.1 puntos Respuesta en blanco: 0 puntos 1.- Un sistema generador G de R 3 : a) Está constituido por
Más detallesAplicaciones Lineales. Diagonalización de matrices.
Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición
Más detallesTEMA 11.- VECTORES EN EL ESPACIO
TEMA 11.- VECTORES EN EL ESPACIO 1.- INTRODUCCIÓN Un vector fijo AB del espacio (también lo era en el plano) es un segmento orientado que tiene su origen en un punto A y su extremo en otro punto B. Estos
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 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 detallesMATERIA: MATEMÁTICAS II
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES Y VALORACIÓN El alumno contestará a
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesJosé Humberto Serrano Devia Página 1
Similitudes entre el espacio y las series de Fourier Funciones Ortogonales En esta sección se muestra la forma en que los conceptos vectoriales de producto interno, o producto escalar, y el de ortogonalidad
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 detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
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 detallesPRUEBA DE ACCESO A LA UNIVERSIDAD
Opción A Ejercicio 1.- Sea f : (0,+ ) R la función definida por f(x) = 3x + 1 x. (a) [1 5 puntos] Determina los intervalos de crecimiento y de decrecimiento y los extremos relativos de f (puntos donde
Más detallesUNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MATERIA: MATEMÁTICAS II
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES Y VALORACIÓN El alumno contestará a
Más detallesCapítulo VI. Diferenciabilidad de funciones de varias variables
Capítulo VI Diferenciabilidad de funciones de varias variables La definición de diferenciabilidad para funciones el cociente no tiene sentido, puesto que no está definido, porque el cociente entre el vector
Más detallesCálculo Numérico III Curso 2010/11
Cálculo Numérico III Curso 2010/11 Problemas del Tema 1 1. Sean {x 0, x 1,..., x n } IR con x i x j si i j. Hoja de problemas - Parte I a) Hallar el polinomio de grado n que interpola a la función en los
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN OPCIÓN A
INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: Escoja entre una de las dos opciones A o B. Lea con atención y detenimiento los enunciados de las cuestiones y responda de manera razonada a los puntos
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 detallesProblemas de Álgebra Ingeniería Técnica en Informática de Sistemas. Curso 2009/10
Problemas de Álgebra Ingeniería Técnica en Informática de Sistemas Curso 2009/10 Hoja 1 Preliminares 1 Resuelve los siguientes sistemas de ecuaciones de números complejos: { z 1 + iz 2 = 1 i 3z 1 + (1
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 detallesPráctica 2. Producto interno
Práctica 2. Producto interno 1. (a) Encontrar las condiciones que deben cumplir los coeficientes a 11, a 12, a 21 y a 22 para que la expresión defina un producto interno en R 2. (u, v) = a 11 u 1 v 1 +
Más detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n a A = 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detalles1. Espacio vectorial. Subespacios vectoriales
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Sea k un cuerpo. 1. Espacio vectorial. Subespacios vectoriales Definición 1.1. Un k-espacio vectorial o espacio vectorial
Más detalles