Professional Documents
Culture Documents
Un conjunto E es un espacio vectorial eucldeo n-dimensional si es un espacio vectorial real de dimensin n en el que se ha definido una operacin:
f : E E
1. f ( x , y ) = f ( y , x ) ,
x , y E
,
2. f ( x + y , z ) = f ( x , z ) + f ( y , z ) , 3. f ( x , y + z ) = f ( x , y ) + f ( x , z ) ,
y x , y , z E y x , y , z E
4. f ( x , x ) > 0, x 0, x E
vamos a utilizar es : f ( x , y ) = x y
como
el
producto
ww
escalar
at
em
at
es
ic a1
conmutativo,
sucede
que
ei e j = e j ei , i, j es decir:
e1 e1 e e A = At = 1 2 e e 1 n
e2 e1 e2 e2 e2 en
en e1 en e2 en en
2. Ortogonalidad
2.1 Vectores ortogonales.
Dos vectores u
y v son
El vector 0 es el nico vector ortogonal a todos los vectores del espacio. Un vector u es ortogonal a un subespacio S de E si y slo si, x S ,
ww
w.
at
2.4 Proposicin
suficiente que los vectores de una base de V sean ortogonales con los vectores de una base de W .
2.7 Propiedades de la relacin de ortogonalidad.
em
y W sean ortogonales es necesario y
u x = 0.
at
ic
a1
.c o
dos, ui 0 , i = 1, 2,, k , entonces S es un sistema libre. 2. Si V1 , V2 son dos subespacios de E ,tal que V1 V2 , V1 V2 entonces existe un vector no nulo de V2 ortogonal a todo el subespacio V1 . 3. Si V es un subespacio vectorial de E de dimensin k < n , todo sistema libre formado con vectores de V tiene como mximo k vectores ortogonales dos a dos. 4. Si V es un subespacio de E , de dimensin k < n , el conjunto de
u =+ u u
: E -----------+
ww
w.
6. Si V es un subespacio de E entonces V V = E.
u ------------ u = + u u
at
em
at
ic
a1
.c o
1. 2. 3.
u > 0, u 0 u = 0 u = 0
u = u , u E, .
u v u v
expresin:
cos ( ) = u v u v
3.3 Proposicin.
Sean u , v
; u,v 0
ww
w.
i =1
at
u v = u t v = ui vi
em
at
Sean
u,v
,u v
el
producto
ic
a1
escalar
usual,
es
decir,
son ortogonales dos a dos. Una base ortonormal es una base ortogonal de vectores unitarios.
3.5 Mtodo de ortogonalizacin de Gram-Schmidt.
Este mtodo nos permite construir una base ortonormal a partir de una base cualquiera del espacio. Si B = {e1 , e2 ,, en } es una base de E , los vectores que se obtienen de la forma: c1 = e1 c2 = e2 c1 c3 = e3 c1
c e2 1 c1
c1 c1 c2
c e3 2 c2
c e3 1 c1
c2
.c o m
em
at
cn = en c1
c en 1 c1
c1 c2
c en 2 c2
a1
c2 .... c n1 c n cn 1
ic
n1
n1
base ortonormal.
ww
w.
c c1 c2 , , n , c1 c2 cn
} es una
at
v + w.
de E se descompone de
, ak } ( ai , linealmente independientes ) un
subespacio de E , y sea A la matriz cuyas columnas son las coordenadas de los vectores ai en una base B de E . El vector proyeccin, s , del vector u sobre S viene dado por: s = A( At A ) At u
1
NOTAS:
1. La existencia de la matriz
( A A)
t
em
at
ic
a1
de u
sobre
sera:
s=u v
v v
v = v (v t v ) 1 (v t u )
at
u v = At u .
subespacio. Sea A la matriz cuyas columnas son las coordenadas de los vectores ai en una cierta base de E . La matriz proyeccin para el subespacio S es la matriz:
mismo. Sea B una base de E y A la matriz n k , cuyas columnas son las coordenadas de los vectores ai respecto a la base B . La matriz proyeccin: PS = A( At A) 1 At es la nica matriz con la propiedad de que para todo vector u E , el
La condicin necesaria y suficiente para que una matriz n n sea una matriz proyeccin es que sea idempotente y simtrica. En este caso, la matriz es la matriz proyeccin para el subespacio generado por sus columnas.
4.9 Matriz proyeccin utilizando bases ortonormales.
ww
w.
at
em
at
ic
a1
.c o
identidad. En esta propiedad simplifica en gran medida la expresin de la matriz proyeccin. Sea E un subespacio vectorial de dimensin n , S un subespacio y
B = {a1 , a2 , , ak } una base ortonormal del mismo. Si A es la matriz
cuyas columnas son los vectores ai , entonces la matriz proyeccin para el subespacio S , al ser At A = I , es PS = AAt .
Sea el sistema Ax = b , siendo A una matriz m n , con m > n , cuyas columnas son linealmente independientes, es decir, rang ( A) = n . Si b no es combinacin lineal de las columnas de A , el sistema lineal anterior Ax = b es incompatible. Se trata entonces de encontrar un vector x * que minimice el vector error Ax b que para nosotros significar minimizar su norma eucldea:
ww
at
em
at
ic
a1
.c o
2 2 Ax b = ( d1 , d 2 ,, d m ) = + d12 + d 2 + + d m .
Esta es la razn del nombre del mtodo de los mnimos cuadrados. Para todo vector x , el vector Ax pertenece al subespacio S generado por las columnas de A ; adems, el error Ax b es la distancia de b a
Ax . Entonces, buscar la mejor solucin x * del sistema con el mtodo
(Nota: El sistema anterior es compatible y determinado ya que la matriz At A es una matriz cuadrada de orden n, regular). La solucin del sistema anterior, al ser A de rango mximo, es x * = ( At A ) At b , que nos da la solucin ptima del sistema Ax = b ,
1
ww
w.
Ax = A( At A) 1 At b .
at
lo obtendremos de resolver:
em
at
ic
a1
( xi , yi ) ,
i = 1, 2,, m , que nos proporcionan un conjunto de puntos en el plano. El objetivo es hallar una funcin lineal y = f ( x) , que represente lo mejor funcin y = f ( x) debe aproximarse lo ms posible a la coleccin de
a nuestros datos. Sustituyendo ( xi , yi ) en la anterior igualdad se obtiene: yi = a + bxi , i = 1, 2,, m. Salvo en el caso de que los datos estn sobre una recta del plano, se obtiene un sistema sobredeterminado incompatible que se puede expresar matricialmente:
1 x1 1 x2 a y = y = Ax Ax = y b y 1 x4
2 m
y1
ww
w.
at
em
puntos.
at
ic
a1
.c o
La solucin que minimiza el error en trminos de mnimos cuadrados es la solucin del sistema At Ax = At y , que es: x * = ( At A) 1 At y
NOTA: ( At A) es invertible siempre que las columnas de A sean
linealmente independientes, que, en este caso, equivale a decir que los valores xi no sean todos iguales, es decir, que los puntos ( xi , yi ) no estn todos en una recta vertical.
6.2 Ajuste de datos en
n +1
Cuando los datos tienen ms de dos componentes, se obtienen sistemas con ms de dos incgnitas por lo general sobredeterminados. Supongamos que tenemos los datos:
.c o
( xk1 , xk 2 ,, xkn ; yk ) ,
y1 y y
2 m
1 1 1
x1n s0 x2 n s1 x
mn n
de forma abreviada y = As As = y . Si rang ( A) = n + 1 , estamos ante un problema que se puede resolver con el mtodo de los mnimos cuadrados, siendo la solucin ptima la solucin del sistema At As = At y , que es s * = ( At A ) At y .
1
ww
w.
at
yk = s0 + s1 xk1 +
+ sn xkn , k = 1, 2,, m.
em
at
ic
a1
k = 1, 2,, m,
m > n +1
+ sn xn .
En algunas ocasiones hay que recurrir a otras funciones, como las polinmicas o las exponenciales, para que la curva y = f ( x) sea la que mejor se adapte a un conjunto de datos ( xi , yi ) . As, por ejemplo, si el ajuste se realiza por una funcin polinmica y = f ( x) = c0 + c1 x + c2 x 2 +
+ cn x n ,
+ cn xin ,
k = 1, 2,, m.
y1 y2 y
m
xm
2 xm
ww
w.
at
em
at
ic
a1
1 1
x1 x2
x12
2 x2
x1n c0 n x2 c1
n m n
y = Ac Ac = y
.c o m
PROBLEMAS
1. Dado el espacio vectorial V de los polinomios de grado menor o igual que 1 y el producto escalar:
p1 ( x) p2 ( x) = p1 ( x) p2 ( x)dx .
0
Calcular
la
matriz
asociada
al
Un producto escalar es un caso particular de forma bilineal simtrica, por lo tanto existe una matriz simtrica A, asociada al producto escalar, respecto de cualquier base B = {u , v } de V . Dicha matriz vendr dada u u por: u v u v . v v
1 x = 1. xdx = xdx = 1/ 2
0 0
x x = x. xdx = x 2 dx = 1/ 3
0 0
ww
1 1 = 1.1dx = dx = 1
w.
at
em
at
ic
a1
respecto de la base
.c o
B = {u , v } , se sabe que:
i) u u = 2
ii ) u (3u + v ) = 5 iii ) v v = 5(u u )
a) Calcular la matriz asociada al producto escalar. b) Calcular (2, 3) (1, 4) SOLUCIN:
a) u u A= u v
u u =2
u v v v
.c o m
Tenemos que:
ww
at
em
U , el subespacio complemento
v v = 5(u u ) = 10
at
u (3u + v ) = 5 3(u u ) + u v = 5 6 + u v = 5 u v = 1
ic
a1
a) Sabemos que la suma de U y U es directa, por tanto U U = {0} con lo cual dim(U U ) = 0. b) Adems de ser suma directa se tiene que, U U = V , directamente se obtiene que dim(U + U ) = dim(V ) = n.
4. Sea
F = {( x, y, z )
/ 2 x + y z = 0} , calcular
una
base
ortonormal de F. SOLUCIN:
Primero hallaremos una base de F, si es ortogonal, bastara con normalizar y el problema estara resuelto, sino aplicaremos el mtodo de Gram-Schmidt para transformarla en otra base de F que sea ortonormal.
1 0 Una base para F es B1 = { 0 , 1 } = {u1 , u2 } que sus vectores no son 2 1 0 ortogonales ya que u u2 = (1, 0, 2) 1 = 2 0 1
t 1
ww
w.
at
em
at
= {( x, y, 2 x + y )
/ x, y
ic
a1
F = {( x, y, z )
.c o
/ 2 x + y z = 0} = {( x, y, z )
/ z = 2 x + y} =
2 0 1 5 u v 2 v2 = u2 1 v1 = 1 5 0 = 1 v v1 1 2 1 5
t 1 t 1
vectores de B2 se obtiene B3
= {
1 5 0 , 2 5
2 30 5 } 30 1 30
de F.
base, los vectores de B1 son linealmente independientes con los de B2 . Si la dim(V ) = k entonces dim(V ) = n k , luego una base de F unida con una base de F son k + (n k ) = n vectores linealmente independientes de
n
ww
at
SOLUCIN:
em
ortonormal de
at
n
ic
ortonormal de
F ,
a1
.
demostrar que
Por otra parte los vectores de B1 son ortonormales, es decir, todos tienen norma igual a 1 y son ortogonales entre si, lo mismo ocurre con los vectores de B2 y los vectores de B1 respecto de los de B2 tambin son ortogonales ya que los de B1 son vectores de F y los de B2 lo son de
.c o
5. Sea F
F .
En definitiva los vectores de B estn normalizados y son todos ortogonales entre si, forman una base ortonormal de
6. Dados los subespacios de
3
F1 = ( x, y, z ) F2 = {( x, y, z )
x y 3z = 0 y y z = 0
/ x + y + z = 0}
F1 = {x
1
ww
/ x t w1 = 0} = {( x, y, z )
w.
at
em
3
at
/ 4 x + y + z = 0}
ic
dim( F2 ) = 3 rango (1 1 1) = 3 1 = 2;
a1
.c o
1 1 3 dim( F1 ) = 3 rango = 3 2 = 1; 0 1 1
1 1 1 1 0 = 1 0 1 0 1 1 1 1 0 = 4 3 =1 0 3 3 0
3
en
con por
.c o m
respecto matriz
la
base
tiene
asociada
base B . Sabemos que la relacin entre las coordenadas de un vector respecto de ambas bases es x = Px Sabemos que la matriz P cambio de base de B ' a la base cannica es:
4 1 2 1 x 1 2 1 P = 0 1 0 , por lo tanto, se cumple que: 1 = 0 1 0 y 1 1 0 1 z 1 0 1
ww
w.
SOLUCIN:
at
em
at
ic
( 4,1, 1)
a1
x 1 2 1 4 y = 0 1 0 1 = z 1 0 1 1
1 2 0 1 2
1 1 1
4 1 2 0 1 = 1 3 1 2 2 1
1 2
Una vez que tenemos expresado el vector v respecto de la base B , su norma ser:
v = v v = v t Gv =
(1 2
2 1 2 1 2 3 1 2 ) 1 3 1 1 = 2 1 4 3 2
1 2 ( 1 2 4 ) 1 = 3 2 n=5
15 2
8. Si V
W = x V : Ax = 0
a1
.c o
w.
at
em
f ( x ) = Ax .
at
ic
a) W
f : V V definida por
Sabemos que:
ww
Si tenemos la aplicacin lineal: f : V V definida por f ( x ) = Ax , por definicin de ncleo se tiene que:
Ker ( f ) = x V / f ( x ) = 0 = x V / Ax = 0 = W .
b) Verdadera Tenemos que:
dim(W ) + dim(W ) = dim(V ) dim(W ) + dim(W ) = n dim(W ) = n dim(W ) = n (n rango( A)) = rango( A)
} {
d) Falsa
ww
W .
at
em
at
ic
a1
.c o
9. Sea V un espacio vectorial eucldeo y U un subespacio vectorial de V , U el subespacio complemento ortogonal de U . Justificar cuales de las siguientes afirmaciones son verdaderas y cuales falsas: a) dim(U ) = dim(U ) b) dim(U U ) = 0 c) dim(U U ) = dim(V ) d) (U ) = 0 SOLUCIN:
{}
= {( x, y, z )
: x + y = 0} = {( x, y, z )
ww
w.
U = {( x, y, z )
at
em
at
ic
( x1, x2 , x3 ) ( y1 , y2 , y3 ) = x1 y1 + x2 y2 + x3 y3 ,
a1
.c o
: x = y} = (1, 1, 0 ) , ( 0, 0,1)
dim(U ) = 1 y sin embargo dim(U ) = 2 1 b) Verdadera Una de las propiedades del subespacio complemento ortogonal nos dice que:
U U = V
de
donde
se
deduce
inmediatamente
que
{}
Sabemos que U U = 0 , por lo tanto la dimensin de esta interseccin nunca puede ser igual a la dimensin de V porque se parte de la hiptesis de que el espacio vectorial V es no nulo. d) Falsa. (U ) = U , por lo tanto, siempre que U sea distinto del subespacio nulo, (U ) 0 .
10. El vector v = (1,1, 0 ) F , siendo F = ( 0,1,1) , (1, 3, 1) . Calcular el vector de F que mejor se aproxima a v en el sentido de mnimos cuadrados. SOLUCIN:
.c o m
{}
{}
w.
at
em
at
ic
a1
( A A)
t
ww
es
que los vectores que definen las columnas de la matriz A sean linealmente independientes, es decir, no basta con que generen a F , es necesario que sean base de F . w = A( At A ) At v
1
0 1 0 1 1 0 1 1 0 1 1 = 1 3 1 3 1 = 1 3 1 1 1 1 3 1 0 1 1
0 1 11 = 1 3 181 1 1 9 0 1 1 = 1 3 19 1 1 9
1 1 9 0 1 1 1 = 1 3 1 9 1 0
5 18 2 9
1 1 = 2 9 0
13 18
1 3 0 1 1 6 7 = 1 3 1 = 1 1 3 6 1 6
ww
0 1 1 0 1 1 1 1 + 2 3 = 1 1 3 1 = 1 1 1 0 1 1 2 0
w.
1 = 1 2
1 1 1 3 6 7 3 1 = 6 . 3 1 1 1 6
0
3
at
em
at
que el sistema:
ic
a1
Si u = ( 4, 3, 0 )
El vector de W que mejor se aproxima a u en el sentido de mnimos cuadrados es su proyeccin ortogonal sobre W . Dicha proyeccin ortogonal viene dada por la siguiente expresin: x = A( At A ) At u , siendo
1
at
1 0 2 = 0 1 31 1 1 3
x+ y
ww
em
at
5 4 3 1 1 0 1 2 3 3 = 2 1 1 3 3 0 0 7 3
ic
a1
.c o
Si llamamos A a la matriz de los coeficientes y b a la matriz de los trminos independientes del sistema anterior, como las columnas de A son linealmente independientes, sabemos que la mejor solucin por mnimos cuadrados viene dada por: 1 1 0 1 t 1 1 2 1 1 2 t x = ( A A ) A b = 1 1 1 = 1 1 3 2 3 1 1 3 1
0 1 6 6 1 1 2 11 30 = 1 = 1 6 11 1 1 3 5 1 0 1 1 1 2 5 1 = 1 1 1 3 1 5
m
1
13 30 3 5
Luego, la mejor
y= 3. 5
SOLUCIN:
ww
w.
at
em
at
ic
a1
.c o
x = 13 30
2 1 A = 1 2 , 3 1
x Tenemos el sistema: Ax = b , siendo x = . y La solucin ptima del sistema en el sentido de los mnimos cuadrados, es la solucin del sistema At Ax = At b como la matriz A es de rango mximo, viene dada por: x * = ( At A ) At b
1
Es decir: 2 1 3 2 1 3 2 1 3 * x = 1 2 0 = 1 2 1 3 1 1 2 1 2
1
em
ww
2 25 1 25
1 25 2 14 1 75
3 1 3 0 = 2 1 2
w.
at
x1 + x2
at
=
ic
1 5 14 15
0 = 1 calcular la solucin por = 1
a1
.c o
por tanto el sistema es incompatible, luego no tiene solucin exacta. Se plantea el nuevo sistema A Ax = A b, siendo x =
t t
1 2
0 y b = -1 , 1
para encontrar solucin aproximada al sistema por el mtodo de mnimos cuadrados, el nuevo sistema a resolver es:
1 1 0 1 3 1 x1 1 3 1 3 1 x = 1 1 1 1 1 1 1 2 1 1 1
Buscamos la recta, y = mx + n, que mejor se ajuste al conjunto de puntos, primero se intentar encontrar una recta que contenga a los cuatro puntos, si no existe, se buscar la que menor error cuadrtico cometa. (2, 2) 2 (1, 0) 0 (0, 1) 1 (1, 4) 4 = 2m + n 2m + n = 1m + n m + n = 0m + n n = 1m + n m+n = 2 = 0 ; = 1 = 4
w.
cuadrados
al
conjunto
at
15. Calcular la recta que mejor se ajusta en el sentido de mnimos de puntos siguiente
em
at
11x1 3 x2 3 x1 + 3 x2
ic
a1
.c o
2 1 A = 0 1
2 0 obtenemos 0 0
rango( A ) = 3 Sistema incompatible, no hay una recta que pase por los cuatro puntos. Se plantea el nuevo sistema At Ax = At b. 2 1 Siendo A = 0 1 1 2 1 0 m , x = y b = y nos queda: 1 1 n 4 1
ww
at
em
at
ic
a1
.c o