P. 1
Algebra Lineal

Algebra Lineal

5.0

|Views: 20.025|Likes:
Publicado porhery3487260783

More info:

Published by: hery3487260783 on Feb 04, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/26/2015

pdf

text

original

Comparando el resultado del Teorema 27 con los procedimientos requeridos para calcular el vector de coor-
denadas de un vector en una base ordenada que no es ortogonal, resulta importante preguntarnos si todos los
subespacios vectoriales de Rn

tienen bases ortonormales, lo que respondemos afirmativamente al final de esta
sección, donde además, ilustramos cómo, a partir de una base del subespacio, podemos encontrar una base
ortonormal para el mismo subespacio. Para facilitar la comprensión de dicho procedimiento, generalicemos
el concepto de proyección ortogonal de un vector sobre otro, a la proyección ortogonal de un vector sobre un
subespacio de Rn

, para lo cual introducimos la siguiente definición.

Definición 15. [Ortogonalidad a un subespacio]. Diremos que un vector uRn

es ortogonal a un subespacio

S de Rn

, si y solo si, el vector u es ortogonal a todos y cada uno de los vectores del subespacio S; es decir,

u·v = 0 para todo vS.

Ejemplo 48. Sea S el subespacio definido por un hiperplano que pasa por el origen en Rn

. Por la definición

de hiperplano (Definición 23 del Capítulo 2), su vector normal es ortogonal a S.

Afortunadamente, no es necesario verificar los infinitos productos escalares que la anterior definición sugiere
para verificar la ortogonalidad de un vector a un subespacio; en realidad, es suficiente y necesario que el
vector sea ortogonal a un conjunto generador del subespacio, como lo plantea el siguiente teorema.

Teorema 28 [Caracterización de ortogonalidad de un vector a un subespacio].
Un vector uRn

es ortogonal al subespacio S = Gen{v1,v2,...,vk}, si y solo si, el vector u es ortogonal

a los vectores v1,v2,...,vk.

Demostración: Si el vector u es ortogonal a S, por la Definición 15, u es ortogonal a todos los vectores de S,
y en particular, u es ortogonal a vi para i = 1,2,...k. En el otro sentido, si u es ortogonal a v1,v2,...,vk,
entonces u·vi = 0 para i = 1,2...k. Sea vS, entonces existen escalares α1,α2...αk tales que

v = α1v1 +α2v2 +...+αkvk,

por lo tanto,

u·v = α1u·v1 +α2u·v2 +...+αku·vk = 0.

Es decir, u es ortogonal a todo vS, y por definición, u es ortogonal a S.

Ejemplo 49. Verifiquemos que u = (1,1,2)T

es ortogonal al plano

P ={(x,y,z)T

, x+y2z = 0, x,y,zR}.

Observemos que P =

2zy

y

z

, y,zR

=

y

1
1

0

+z

2

0

1

, y,zR

; por lo tanto, los

vectores v1 = (1,1,0)T

y v2 = (2,0,1)T

generan al plano P. Como el vector u es ortogonal a los vectores

4.9. PROYECCIÓN ORTOGONAL

149

v1 y v2 (u·v1 = 0 y u·v2 = 0), por el Teorema 28, u es ortogonal al plano P.9

De la misma forma como un vector de Rn

se puede descomponer como la suma de dos vectores ortogonales,
con uno de ellos en la dirección de otro vector dado, podemos utilizar el concepto de ortogonalidad de un
vector a un subespacio para expresar cualquier vector de Rn

como la suma de dos vectores ortogonales,
con uno de ellos perteneciente al subespacio. Además, este último vector define el punto del subespacio más
cercano al punto definido por el vector inicial. Precisemos estas ideas en el siguiente teorema.

Teorema 29 [Proyección ortogonal sobre un subespacio].
Sean S un subespacio de Rn

y u un vector arbitrario de Rn

. Entonces, existe un único vector vS tal que

1. uc = uv es ortogonal al subespacio S ó uc = 0.

2. ||uc||≤||uy|| para todo yS.

Al vector uc lo llamamos la componente de u ortogonal a S y al vector v = ProySu, la proyección ortogonal
de u en S.

S

O

u

uc

v

y

Demostración: Sean {v1,v2,...,vk} una base de S y A la matriz [v1 v2 ... vk].

1. Demostrar la existencia de v S tal que uc = uv es ortogonal a S es equivalente a demostrar la
existencia de un vector x = (α1,α2,...,αn)T

tal que uc = uv = uAx sea ortogonal a S, ya que
por definición de base, si vS, existen escalares α1,α2,...,αk tales que v = α1v1+α2v2+...+αkvk.
Ahora, uc = uAx es ortogonal a S, si y solo si, vi ·(uAx) = 0, para toda i = 1,2,...,n o lo
que es equivalente, AT

(uAx) = 0 o AT

Ax = AT

u. Pero, como AT

A es invertible (ver Ejercicio 11),

entonces AT

Ax = AT

u tiene solución única y por tanto, v = Ax es el único vector tal que uc = uv

es ortogonal a S.

2. Sea y un vector arbitrario de S. Como ProySuS, entonces ProySuyS. Así,

||uy||=||uProySu+ProySuy||=||uc +ProySuy||

Como uc es ortogonal a S, en particular, uc es ortogonal a ProySuy. Asi que, por el Teorema de
Pitágoras,

||uy||2

=||uc||2

+||ProySuy||2
.

De donde concluimos que

||uy||2

≥||uc||2

.

Observemos que si el vector u es ortogonal a S, entonces ProySu = 0 y uc = u; y si el vector uS,
entonces ProySu = u y uc = 0.

9

Usando los conceptos de la última sección del Capítulo 2, también podemos verificar que u es ortogonal al plano P,
observando que u es paralelo a n = (1,1,2)T

, un vector normal del plano P.

150

CAPÍTULO 4. ESPACIOS VECTORIALES

S

O=ProySu

uc u

u⊥S

S

O=uc

u

ProySu

u∈S

Ejemplo 50. Encontremos la proyección ortogonal de u = (1,1,0,2)T

en el hiperplano

H={(x,y,z,w)T

, xz +w = 0, x,y,z,wR}.

Observemos que H =

x

y

x+w

w

, x,y,wR

=

x

1

0

1

0

+y

0

1

0

0

+w

0

0

1

1

, x,y,wR

;

por lo tanto, los vectores v1 = (1,0,1,0)T

, v2 = (0,1,0,0)T

y v3 = (0,0,1,1)T

generan a H. Como

B={v1,v2,v3} es un conjunto l.i. ( ver Ejercicio 12), B es una base de H.
Por el Teorema 29, ProyHu = Ax, donde A = [v1v2v3] y x es la solución de AT

Ax = AT

u. Como

AT

A =

2 0 1

0 1 0

1 0 2

, AT

u =

1
1
2

y al aplicarle los algoritmos de Eliminación de Gauss y Sustitución hacia atrás a la matriz aumentada

2 0 1 1

0 1 01

1 0 2 2

obtenemos

1 0 0 0

0 1 01

0 0 1 1

; por lo tanto, la solución de AT

Ax = AT

u es x =

(0,1,1)T

y

ProyHu = Ax = (0,1,1,1)T

.

De los resultados presentados en el teorema anterior, debemos destacar dos aspectos importantes. Primero,
el teorema nos garantiza la existencia de un punto en cualquier subespacio de Rn

que minimiza la distancia

de un punto dado de Rn

a los puntos del subespacio y que dicha distancia mínima, la cual llamamos distancia
del punto al subespacio, es la magnitud de la componente del vector que define el punto dado, ortogonal al
subespacio, lo cual es muy importante en los procesos de aproximación por Mínimos Cuadrados Lineales10
.

Segundo, observemos que, aunque no es necesario, si en la demostración anterior, hubiésemos escogido una
base ortogonal del subespacio, por el Teorema 26, AT

A = D; o si hubiésemos escogido una base orto-

normal, por el mismo Teorema 26, AT

A = I, el cálculo de ProySu se hubiese simplificado. En efecto, si

{v1,v2,...,vk} es una base ortogonal de S,

ProySu = u·v1
v1·v1

v1 + u·v2
v2·v2

v2 +...+ u·vk
vk·vk

vk,

(4.11)

o si {v1,v2,...,vk} es una base ortonormal de S,

ProySu = (u·v1)v1 + (u·v2)v2 +...+ (u·vk)vk,

(4.12)

10

El problema de Mínimos Cuadrados Lineales consiste en hallar el vector x Rn

tal que minimice ||Ax b||, para una

matriz A de tamaño m×n y un vector b dados. En este mismo contexto, el sistema de ecuaciones lineales, AT

Ax = AT

u, el cual
proporciona la(s) solución(es) del problema de mínimos cuadrados lineales, se conoce con el nombre de Ecuaciones Normales.

4.9. PROYECCIÓN ORTOGONAL

151

(ver Ejercicio 24). Sin embargo, no lo hicimos así para no dar la falsa impresión que la proyección ortogonal
requiere de una base ortogonal y porque aún no hemos demostrado que todo subespacio de Rn

tiene una

base ortogonal.

Ejemplo 51. Calculemos la distancia del punto definido por el vector u al hiperplano H, para u y H dados
en el Ejemplo 50.

Por la observación anterior, la distancia de u a H es la norma de uc = uProyHu, la componente de u
ortogonal a H; es decir,

||uc||=||uProyHu||=||(1,0,1,1)T

||=

3.

Ejemplo 52. Encontremos la proyección ortogonal de w en V, para el vector w y el subespacio V dados en
el Ejemplo 47.

Teniendo en cuenta los datos y la notación del Ejemplo 47, como B es una base ortonormal de V, por la
Ecuación (4.12), tenemos que

ProyVw = (w·v1)v1 + (w·v2)v2

=

3
3

1
3

1

1
1

+

4
14

1
14

2

1

3

=

1
1
1

+ 1
7

4

2

6

= 1
7

3
5
13

.

Observemos también que como ProySu S y uc = uProySu, si {v1,v2,...,vk} es una base de S,
entonces

Gen{v1,v2,...,vk,u}= Gen{v1,v2,...,vk,uc}.

(4.13)

Con base en los resultados anteriores, veamos como obtener una base ortogonal y una base ortonormal para
cualquier subespacio de Rn

, a partir de una base del subespacio, y demostrar así la existencia de bases

ortogonales y ortonormales para todo subespacio de Rn
.

Teorema 30 [Proceso de ortogonalización de Gram-Schmidt].
Todo subespacio S de Rn

, S ={0}, tiene al menos una base ortonormal.

Demostración: Sea S un subespacio de Rn

diferente de {0}. Por el Teorema 6, existe al menos una base
de S. Sea B={v1,v2,...,vk} una base de S. Construyamos, a partir de esta base, a B ={u1,u2,...,uk},
una base ortogonal de S y luego la normalizamos para obtener una base ortonormal.

La idea de la demostración es definir a ui como la componente de vi ortogonal al subespacio generado por
los vectores u1,u2,...,ui1, previamente definidos, empezando con u1 = v1 y el subespacio Gen{u1}. Así,
u2 es la componente de v2 ortogonal al subespacio Gen{u1}, por lo tanto,

u2 = v2 v2·u1
u1·u1

u1

y por (4.13),

Gen{v1,v2}= Gen{u1,v2}= Gen{u1,u2}.

Supongamos que de esta forma, hemos construido el conjunto de vectores ortogonal {u1,u2,...,ui1} tal
que Gen{v1,v2,...vi1} = Gen{u1,u2,...,ui1}. Definamos ui como la componente de vi ortogonal al
subespacio Gen{u1,u2,...,ui1}. Por lo tanto,

ui = vi

vi·u1
u1·u1

u1 + vi·u2
u2·u2

u2 +...+ vi·ui1
ui1·ui1

ui1

152

CAPÍTULO 4. ESPACIOS VECTORIALES

y por (4.13),

Gen{v1,v2,...vi1,vi} = Gen{u1,u2,...,ui1,vi}

= Gen{u1,u2,...,ui1,ui},

lo cual podemos continuar hasta i = k, obteniendo asi un conjunto ortogonal de k vectores que genera a S
y por consiguiente, es una base ortogonal de S. Finalmente, es fácil verificar que

u1

||u1||, u2

||u2||,..., uk

||uk||

es una base ortonormal de S.

Ejemplo 53. Encontremos una base ortogonal y otra ortonormal del hiperplano H dado en el Ejemplo 50.

En el Ejemplo 50, demostramos que los vectores v1 = (1,0,1,0)T

, v2 = (0,1,0,0)T

y v3 = (0,0,1,1)T
forman una base de H. Siguiendo las ideas sugeridas en la demostración del Teorema 30 para construir una
base ortogonal, sean u1 = v1,

u2 = v2 v2·u1
u1·u1

u1 =

0

1

0

0

0
2

1

0

1

0

=

0

1

0

0

y

u3 = v3 v3·u1
u1·u1

u1 v3·u2
u2·u2

u1 =

0

0

1

1

1
2

1

0

1

0

0
1

0

1

0

0

= 1
2

1
0

1

2

.

Finalmente, si normalizamos los vectores de {u1,u2,u3}, la cual es una base ortogonal de H, obtenemos

1
2

1

0

1

0

,

0

1

0

0

, 1

6

1
0

1

2

,

que es una base ortonormal de H.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->