P. 1
Algebra_Lineal_y_sus_Aplicaciones.jb.decrypted.pdf

Algebra_Lineal_y_sus_Aplicaciones.jb.decrypted.pdf

|Views: 12.673|Likes:
Uploaded from Google Docs
Uploaded from Google Docs

More info:

Published by: Marcelo Alejandro Lopez Zambrano on Aug 29, 2011
Copyright:Attribution

Availability:

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

07/09/2014

pdf

text

Sections

Las proyecciones ortogonales de un punto en R2

sobre una línea que pasa por el origen

tienen un importante análogo en Rn

. Dado un vector y y un subespacio W en Rn

, existe
un vector ˆy en W tal que (1) ˆy es el único vector de W para el cual ˆyy es ortogonal a W,
y (2) ˆy es el vector único de W más cercano a y. Vea la fgura 1. Estas dos propiedades de
ˆy proporcionan la clave para encontrar soluciones a sistemas lineales mediante mínimos
cuadrados, y se mencionaron en el ejemplo introductorio de este capítulo. La historia
completa será conocida en la sección 6.5.
Como preparación para el primer teorema, se observa que siempre que un vector y
se escriba como una combinación de vectores u1, . . . , un en una base de Rn

, los térmi-
nos de la suma para y podrán agruparse en dos partes de manera que y pueda escribirse
como

y=z1 +z2

donde z1 es una combinación lineal de algunos de los ui y z2 es una combinación lineal
del resto de los ui. Esta idea resulta útil sobre todo cuando {u1, . . . , un} es una base or-
togonal. De la sección 6.1, recuerde que W⊥ denota el conjunto de todos los vectores
ortogonales a un subespacio W.

EJEMPLO 1 Sea {u1, . . . , u5} una base ortogonal para R5

y sea

y=c1u1 +···+c5u5

Considere el subespacio W = Gen{u1, u2}, y escriba y como la suma de un vector z1 en
W y un vector z2 en W⊥.

y

0

W

FIGURA 1

Dominio de bases
ortogonales 6 a 4
(Mastering: Orthogonal
Bases 6-4)

SG

06 Maq. Cap. 06(LAY).indd 394

10/13/06 1:17:00 AM

Solución Escriba

y=c1u1 +c2u2

z1

+c3u3 +c4u4 +c5u5

z2

donde

z1 =c1u1 +c2u2 está en Gen{u1,u2}

y

z2 =c3u3 +c4u4 +c5u5 está en Gen{u3,u4,u5}.

Para mostrar que z2 está en W⊥, basta con probar que z2 es ortogonal a los vectores de la
base {u1, u2} para W. (Vea la sección 6.1.) Utilice las propiedades del producto interior
para calcular

zu1 = (c3u3 +c4u4 +c5u5)·u1

= c3u u1 +c4u u1 +c5u u1
= 0
porque u1 es ortogonal a u3, u4 y u5. Un cálculo semejante muestra que z2 · u2 = 0. En-
tonces z2 está en W⊥.

❙❙❙❙❘❙❙❙❙❚

El teorema siguiente muestra que la descomposición y = z1 + z2 del ejemplo 1 pue-
de calcularse sin tener una base ortogonal para Rn

. Basta con tener una base ortogonal

sólo para W.

0

W

y

y = proyWy

ˆ

z = y

FIGURA 2 La proyección ortogonal de y
sobre W.

TEOREMA 8

El teorema de la descomposición ortogonal

Sea W un subespacio de Rn

. Entonces toda y en Rn

puede escribirse únicamente

en la forma

y= ˆy +z

(1)

donde ˆy está en W y z en W⊥. De hecho, si {u1, . . . , up} es cualquier base orto-
gonal de W, entonces

ˆy= y·u1

u u1u1 +···+ y·up
up· up

up

(2)

y z=y− ˆy.

El vector ˆy de (1) es la proyección ortogonal de y sobre W y a menudo se escribe
como proyW y. Vea la fgura 2. Cuando W es un subespacio unidimensional, la fórmula
para ˆy corresponde a la fórmula dada en la sección 6.2.

6.3 Proyecciones ortogonales 395

06 Maq. Cap. 06(LAY).indd 395

10/13/06 1:17:01 AM

396 Capítulo 6 Ortogonalidad y mínimos cuadrados

DEMOSTRACIÓN Sea {u1, . . . , up} una base ortogonal para W y defna ˆy mediante (2).1
Entonces ˆy está en W porque ˆy es una combinación lineal de la base u1, . . . , up. Sea
< z=y− ˆy. Como u1 es ortogonal a u2, . . . , up se deduce a partir de (2) que

z·u1 =(y− ˆy)·u1 = y·u

1 − y·u1

u u1 u u1 −0−···−0

= y·u

1 −y·u

1 =0

Entonces z es ortogonal a u1. De manera semejante, z es ortogonal a cada uj en la base
para W. Por lo tanto, z es ortogonal a todo vector de W. Es decir, z está en W⊥.
Para mostrar que la descomposición en (1) es única, suponga que y también puede
escribirse como y= ˆy1 +z1, con ˆy1 en W y z1 en W⊥. Entonces ˆy +z= ˆy1 +z1 (puesto
que ambos lados son iguales a y), y por ende

ˆy− ˆy1 =z1 −z
Esta igualdad muestra que el vector v= ˆy− ˆy1 está en W y en W⊥ (porque tanto z1 como
z están en W⊥ y W⊥ es un subespacio). Por lo tanto, v · v = 0, lo cual muestra que v = 0.
Esto demuestra que ˆy= ˆy1 y que z1 = z.

Q

La unicidad de la descomposición (1) muestra que la proyección ortogonal ˆy depen-
de sólo de W y no de la base específca utilizada en (2).

EJEMPLO 2 Sean

u1 =

⎡⎣

2
5
−1

⎤⎦, u2 =

⎡⎣

−2
1
1

⎤⎦,

y

y=

⎡⎣

1
2
3

⎤⎦.

Observe que {u1, u2} es

una base ortogonal para W = Gen{u1, u2}. Escriba y como la suma de un vector en W y
un vector ortogonal a W.

Solución La proyección ortogonal de y sobre W es

ˆy = y·u1

u u1u1 + y·u

2
u u2u2

= 9
30

⎡⎣

2
5
−1

⎤⎦+ 3
6

⎡⎣

−2
1
1

⎤⎦= 9
30

⎡⎣

2
5
−1

⎤⎦+ 15
30

⎡⎣

−2
1
1

⎤⎦=

⎡⎣

−2/5
2
1/5

⎤⎦

También

y− ˆy=

⎡⎣

1
2
3

⎤⎦−

⎡⎣

−2/5
2
1/5

⎤⎦=

⎡⎣

7/5
0
14/5

⎤⎦

El teorema 8 asegura que y− ˆy está en W⊥. Sin embargo, para comprobar los cálcu-
los, es buena idea verifcar que y− ˆy es ortogonal tanto a u1 como a u2 y, por lo tanto, a

1

Puede suponerse que W no es el subespacio cero, porque de otra manera W = Rn

y (1) es simplemente

y = 0 + y. En la siguiente sección se demostrará que cualquier subespacio de Rn

diferente de cero tiene una

base ortogonal.

06 Maq. Cap. 06(LAY).indd 396

10/13/06 1:17:02 AM

todo W. La descomposición deseada de y es

y=

⎡⎣

1
2
3

⎤⎦=

⎡⎣

−2/5
2
1/5

⎤⎦+

⎡⎣

7/5
0
14/5

⎤⎦

❙❙❙❙❘❙❙❙❙❚

Una interpretación geométrica de la proyección ortogonal

Cuando W es un subespacio unidimensional, la fórmula (2) para proyW y sólo contiene
un término. Entonces, cuando dim W > 1, cada término de (2) es él mismo una proyec-
ción ortogonal de y sobre un subespacio unidimensional generado por uno de los u de
la base para W. En la fgura 3 se ilustra esto cuando W es un subespacio de R3

generado
por u1 y u2. Aquí ˆy1 y ˆy2 denotan las proyecciones de y sobre las líneas generadas por u1
y u2, respectivamente. La proyección ortogonal ˆy de y sobre W es la suma de las proyec-
ciones de y sobre subespacios unidimensionales que son ortogonales entre sí. El vector
ˆy de la fgura 3 corresponde al vector y de la fgura 4 mostrado en la sección 6.2, porque
ahora es ˆy el que está en W.

Propiedades de las proyecciones ortogonales

Si {u1, . . . , up} es una base ortogonal para W, y si sucede que y está en W, entonces la
fórmula para proyW y es exactamente la misma que la proporcionada para la representa-
ción de y en el teorema 5 de la sección 6.2. En este caso, proyW y = y.

Si y está en W = Gen{u1, . . . , up}, entonces proyW y = y.

Este hecho también se deriva del teorema siguiente.

FIGURA 3 La proyección ortogonal de y es la suma de sus
proyecciones sobre subespacios unidimensionales que
son mutuamente ortogonales.

u

1

u

2

0

y

y
2ˆ

y
1ˆ

ˆy =

u

2 = y

1 + y
2

ˆ

ˆ

–––––

u

2 . u
2

y . u

2

–––––

u

1 . u
1

y . u

1

u

1 +

6.3 Proyecciones ortogonales 397

06 Maq. Cap. 06(LAY).indd 397

10/13/06 1:17:04 AM

398 Capítulo 6 Ortogonalidad y mínimos cuadrados

El vector ˆy del teorema 9 es la mejor aproximación a y de los elementos de W. En
secciones posteriores se examinarán problemas en los que un y específco debe reem-
plazarse por (o “aproximarse” a) un vector v de algún subespacio fjo W. La distancia de
y a v, dada por yv , puede considerarse como el “error” de usar v en lugar de y. El
teorema 9 establece que este error se minimiza cuando v = ˆy.
La ecuación (3) conduce a una nueva demostración de que ˆy no depende de la base
ortogonal específca usada para calcularla. De utilizarse una base ortogonal de W dife-
rente para estructurar una proyección ortogonal de y, entonces esta proyección también
sería el punto más cercano a y en W, a saber, ˆy.

DEMOSTRACIÓN Tome v en W diferente de ˆy. Vea la fgura 4. Entonces ˆyv está en
W. De acuerdo con el teorema de la descomposición ortogonal, y − ˆy es ortogonal a W.
En particular, y − ˆy es ortogonal a ˆyv (la cual está en W). Puesto que

yv=(y− ˆy)+(ˆyv)

al aplicar el teorema de Pitágoras se obtiene

yv 2

y− ˆy 2

+ ˆyv 2

(Vea el “triángulo rectángulo” sombreado que aparece en la fgura 4. Se marca la longi-
tud de cada lado.) Ahora ˆyv 2

> 0 porque ˆyv=0, y así la desigualdad de (3) se

deriva inmediatamente.

Q

TEOREMA 9

El teorema de la mejor aproximación

Sean W un subespacio de Rn

, y cualquier vector en Rn

, y ˆy la proyección ortogonal
de y sobre W. Entonces ˆy es el punto de W más cercano a y, en el sentido que

y− ˆy < yv

(3)

para todo v en W distinto de ˆy.

EJEMPLO 3 Si

u1 =

⎡⎣

2
5
−1

⎤⎦, u2 =

⎡⎣

−2
1
1

⎤⎦, y=

⎡⎣

1
2
3

⎤⎦, y W = Gen{u1, u2}, como en

el ejemplo 2, entonces el punto más cercano a y en W es

ˆy= y·u1

u u1u1 + y·u2

u u2u2 =

⎡⎣

−2/5
2
1/5

⎤⎦

❙❙❙❙❘❙❙❙❙❚

y

v

0

W

||y v||

||y v||

ˆ

||y y||

ˆ

FIGURA 4 La proyección ortogonal de y sobre
W es el punto más cercano a y en W.

06 Maq. Cap. 06(LAY).indd 398

10/13/06 1:17:04 AM

EJEMPLO 4 La distancia desde un punto y en Rn

hasta un subespacio W se defne
como la distancia desde y hasta el punto más cercano de W. Encuentre la distancia de y
a W = Gen{u1, u2}, donde

y=

⎡⎣

−1
−5
10

⎤⎦, u1 =

⎡⎣

5
−2
1

⎤⎦, u2 =

⎡⎣

1
2
−1

⎤⎦

Solución De acuerdo con el teorema de la mejor aproximación, la distancia desde y
hasta W es y− ˆy , donde ˆy=proyW y. Puesto que {u1, u2} es una base ortogonal para
W,

ˆy = 15

30u1 + −21

6 u2 = 1
2

⎡⎣

5
−2
1

⎤⎦− 7
2

⎡⎣

1
2
−1

⎤⎦=

⎡⎣

−1
−8
4

⎤⎦

y− ˆy =

⎡⎣

−1
−5
10

⎤⎦−

⎡⎣

−1
−8
4

⎤⎦=

⎡⎣

0
3
6

⎤⎦

y− ˆy 2

= 32

+62

=45
La distancia de y a W es √45=3√5.

❙❙❙❙❘❙❙❙❙❚

El teorema fnal de la sección muestra cómo la fórmula (2) para proyW y se simpli-
fca cuando la base para W es un conjunto ortonormal.

TEOREMA 10

Si {u1, . . . , up} es una base ortonormal para un subespacio W de Rn

, entonces

proyW y=(y·u1)u1 +(y·u2)u2 +···+(y·up)up

(4)

Si U = [u1 u2 · · · up], entonces

proyW y=UUT

y para toda y enRn

(5)

DEMOSTRACIÓN La fórmula (4) es consecuencia inmediata de (2). (4) muestra también
que proyW y es una combinación lineal de las columnas de U usando los pesos y · u1, y · u2,
. . . , y · up. Los pesos se pueden escribir como uT

1 y,uT

2 y,...,uT

py, mostrando que son

las entradas de UT

y y justifcando (5).

Q

Suponga que U es de n × p con columnas ortonormales, y sea W el espacio de co-

lumnas de U. Entonces

UT

Ux = Ipx=x para toda x enRp

Teorema 6

UUT

y = proyW y para toda y enRn

Teorema 10

Si U es una matriz (cuadrada) de n × n con columnas ortonormales, entonces es una ma-
triz ortogonal, el espacio columna W es todo Rn

, y UUT

y = Iy = y para toda y en Rn
.

Aunque la fórmula (4) es importante para propósitos teóricos, en la práctica re-
quiere usualmente de cálculos con raíces cuadradas de números (en las entradas de ui).
Se recomienda la fórmula (2) para efectuar cálculos a mano.

CD

La matriz de proyección
(The Projection Matrix)

6.3 Proyecciones ortogonales 399

06 Maq. Cap. 06(LAY).indd 399

10/13/06 1:17:06 AM

400 Capítulo 6 Ortogonalidad y mínimos cuadrados

PROBLEMA DE PRÁCTICA

Sean

u1 =

⎡⎣

−7
1
4

⎤⎦, u2 =

⎡⎣

−1
1
−2

⎤⎦, y=

⎡⎣

−9
1
6

⎤⎦,

y W = Gen{u1, u2}. Utilice el hecho de

que u1 y u2 son ortogonales para calcular proyW y.

En los ejercicios 1 y 2, puede suponerse que {u1, . . . , u4} es una
base ortogonal para R4
.

1. u1 =

⎡⎢⎢⎣

0
1
−4
−1

⎤⎥⎥⎦, u2 =

⎡⎢⎢⎣

3
5
1
1

⎤⎥⎥⎦, u3 =

⎡⎢⎢⎣

1
0
1
−4

⎤⎥⎥⎦, u4 =

⎡⎢⎢⎣

5
−3
−1
1

⎤⎥⎥⎦,

x=

⎡⎢⎢⎣

10
−8
2
0

⎤⎥⎥⎦. Escriba x como la suma de dos vectores, uno en

Gen{u1, u2, u3} y el otro en Gen{u4}.

2. u1 =

⎡⎢⎢⎣

1
2
1
1

⎤⎥⎥⎦, u2 =

⎡⎢⎢⎣

−2
1
−1
1

⎤⎥⎥⎦, u3 =

⎡⎢⎢⎣

1
1
−2
−1

⎤⎥⎥⎦, u4 =

⎡⎢⎢⎣

−1
1
1
−2

⎤⎥⎥⎦,

v=

⎡⎢⎢⎣

4
5
−3
3

⎤⎥⎥⎦.

Escriba v como la suma de dos vectores, uno

en Gen{u1} y el otro en Gen{u2, u3, u4}.

En los ejercicios 3 a 6, compruebe que {u1, u2} es un conjunto
ortogonal, y después encuentre la proyección ortogonal de y sobre
Gen{u1, u2}.

3. y=

⎡⎣

−1
4
3

⎤⎦, u1 =

⎡⎣

1
1
0

⎤⎦, u2 =

⎡⎣

−1
1
0

⎤⎦

4. y=

⎡⎣

6
3
−2

⎤⎦, u1 =

⎡⎣

3
4
0

⎤⎦, u2 =

⎡⎣

−4
3
0

⎤⎦

5. y=

⎡⎣

−1
2
6

⎤⎦, u1 =

⎡⎣

3
−1
2

⎤⎦, u2 =

⎡⎣

1
−1
−2

⎤⎦

6. y=

⎡⎣

6
4
1

⎤⎦, u1 =

⎡⎣

−4
−1
1

⎤⎦, u2 =

⎡⎣

0
1
1

⎤⎦

En los ejercicios 7 a 10, sea W el subespacio generado por los
u’s, y escriba a y como la suma de un vector en W y un vector
ortogonal a W.

7. y=

⎡⎣

1
3
5

⎤⎦, u1 =

⎡⎣

1
3
−2

⎤⎦, u2 =

⎡⎣

5
1
4

⎤⎦

8. y=

⎡⎣

−1
4
3

⎤⎦, u1 =

⎡⎣

1
1
1

⎤⎦, u2 =

⎡⎣

−1
3
−2

⎤⎦

9. y=

⎡⎢⎢⎣

4
3
3
−1

⎤⎥⎥⎦, u1 =

⎡⎢⎢⎣

1
1
0
1

⎤⎥⎥⎦, u2 =

⎡⎢⎢⎣

−1
3
1
−2

⎤⎥⎥⎦, u3 =

⎡⎢⎢⎣

−1
0
1
1

⎤⎥⎥⎦

10. y=

⎡⎢⎢⎣

3
4
5
6

⎤⎥⎥⎦, u1 =

⎡⎢⎢⎣

1
1
0
−1

⎤⎥⎥⎦, u2 =

⎡⎢⎢⎣

1
0
1
1

⎤⎥⎥⎦, u3 =

⎡⎢⎢⎣

0
−1
1
−1

⎤⎥⎥⎦

En los ejercicios 11 y 12, encuentre el punto más cercano a y en el
subespacio W generado por v1 y v2.

11. y=

⎡⎢⎢⎣

3
1
5
1

⎤⎥⎥⎦, v1 =

⎡⎢⎢⎣

3
1
−1
1

⎤⎥⎥⎦, v2 =

⎡⎢⎢⎣

1
−1
1
−1

⎤⎥⎥⎦

12. y=

⎡⎢⎢⎣

3
−1
1
13

⎤⎥⎥⎦, v1 =

⎡⎢⎢⎣

1
−2
−1
2

⎤⎥⎥⎦, v2 =

⎡⎢⎢⎣

−4
1
0
3

⎤⎥⎥⎦

En los ejercicios 13 y 14, encuentre la mejor aproximación a z
mediante vectores de la forma c1v1 + c2v2.

6.3 EJERCICIOS

06 Maq. Cap. 06(LAY).indd 400

10/13/06 1:17:07 AM

13. z=

⎡⎢⎢⎣

3
−7
2
3

⎤⎥⎥⎦, v1 =

⎡⎢⎢⎣

2
−1
−3
1

⎤⎥⎥⎦, v2 =

⎡⎢⎢⎣

1
1
0
−1

⎤⎥⎥⎦

14. z=

⎡⎢⎢⎣

2
4
0
−1

⎤⎥⎥⎦, v1 =

⎡⎢⎢⎣

2
0
−1
−3

⎤⎥⎥⎦, v2 =

⎡⎢⎢⎣

5
−2
4
2

⎤⎥⎥⎦

15. Sea y=

⎡⎣

5
−9
5

⎤⎦, u1 =

⎡⎣

−3
−5
1

⎤⎦, u2 =

⎡⎣

−3
2
1

⎤⎦. Encuentre la

distancia de y al plano en R3

generado por u1 y u2.

16. Sean y, v1 y v2 como en el ejercicio 12. Encuentre la distancia
de y al subespacio de R4

generado por v1 y v2.

17. Sean y=

⎡⎣

4
8
1

⎤⎦, u1 =

⎡⎣

2/3
1/3
2/3

⎤⎦, u2 =

⎡⎣

−2/3
2/3
1/3

⎤⎦, y

y W = Gen{u1, u2}.

a. Sea U = [u1 u2]. Calcule UT

U y UUT
.

b. Calcule proyW y y (UUT

)y.

18. Sean y= 7

9 , u1 = 1/

√10

−3/

√10 ,

y W = Gen{u1}.

a. Sea U la matriz de 2 × 1 cuya única columna es u1. Calcu-

le UT

U y UUT
.

b. Calcule proyW y y (UUT

)y.

19. Sean u1 =

⎡⎣

1
1
−2

⎤⎦, u2 =

⎡⎣

5
−1
2

⎤⎦, y u3 =

⎡⎣

0
0
1

⎤⎦.

Observe que

u1 y u2 son ortogonales pero que u3 no es ortogonal a u1 ni
a u2. Es posible demostrar que u3 no está en el subespacio
W generado por u1 y u2. Utilice este hecho para construir
un vector v diferente de cero en R3

que sea ortogonal a u1

y u2.

20. Sean u1 y u2 como en el ejercicio 19, y sea

u4 =

⎡⎣

0
1
0

⎤⎦. Es

posible demostrar que u4 no está en el subespacio W genera-
do por u1 y u2. Utilice este hecho para construir un vector v
diferente de cero en R3

que sea ortogonal a u1 y u2.

En los ejercicios 21 y 22, todos los vectores y los subespacios
están en Rn

. Señale cada enunciado como verdadero o falso. Jus-

tifque sus respuestas.

21. a. Si z es ortogonal a u1 y a u2 y si W = Gen{u1, u2}, enton-
ces z debe estar en W⊥.

b. Para cada y y cada subespacio W, el vector y − proyW y es
ortogonal a W.

c. La proyección ortogonal ˆy de y sobre un subespacio W
puede depender a veces de la base ortogonal para W usada
al calcular ˆy .

d. Si y está en un subespacio W, entonces la proyección orto-
gonal de y sobre W es y misma.

e. Si las columnas de una matriz U de n × p son ortonorma-
les, entonces UUT

y es la proyección ortogonal de y sobre

el espacio de columnas de U.

22. a. Si W es un subespacio de Rn

, y si v está en W y en W⊥,

entonces v debe ser el vector cero.

b. En el teorema de la descomposición ortogonal, cada tér-
mino de la fórmula (2) para ˆy es, él mismo, una proyec-
ción ortogonal de y sobre un subespacio de W.

c. Si y = z1 + z2, donde z1 está en un subespacio W y z2 está
en W⊥, entonces z1 debe ser la proyección ortogonal de y
sobre W.

d. La mejor aproximación a y con los elementos de un subes-
pacio W está dada por el vector y − proyW y.

e. Si una matriz U de n × p tiene columnas ortonormales,
entonces UUT

x = x para toda x en Rn
.

23. Sea A una matriz de m × n. Demuestre que todo vector x en

Rn

puede escribirse en la forma x = p + u, donde p está
en Fil A y u en Nul A. También, muestre que si la ecuación
Ax = b es consistente, entonces hay una p única en Fil A tal
que Ap = b.

24. Sea W un subespacio de Rn

con una base ortogonal {w1, . . . ,
wp}, y sea {v1, . . . , vq} una base ortogonal para W⊥.

a. Explique porqué {w1, . . . , wp, v1, . . . , vq} es un conjunto
ortogonal.

b. Explique por qué el conjunto de la parte (a) genera Rn
.

c. Demuestre que dim W + dim W⊥ = n.

25. [M] Sea U la matriz de 8 × 4 del ejercicio 36 presentado en
la sección 6.2. Encuentre el punto más cercano a y = (1, 1, 1,
1, 1, 1, 1, 1) en Col U. Escriba los comandos o pulsaciones de
tecla que utilice para resolver este problema.

26. [M] Sea U la matriz del ejercicio 25. Encuentre la distancia
de b = (1, 1, 1, 1, −1, −1, −1, −1) a Col U.

6.3 Proyecciones ortogonales 401

06 Maq. Cap. 06(LAY).indd 401

10/13/06 1:17:07 AM

402 Capítulo 6 Ortogonalidad y mínimos cuadrados

SOLUCIÓN AL PROBLEMA DE PRÁCTICA

Calcule

proyW y = y·u1

u u1u1 + y·u2

u u2u2 = 88

66u1 + −2

6 u2

= 4
3

⎡⎣

−7
1
4

⎤⎦− 1
3

⎡⎣

−1
1
−2

⎤⎦=

⎡⎣

−9
1
6

⎤⎦=y

En este caso, y resulta ser una combinación lineal de u1 y u2, así que y está en W. El
punto de W más cercano a y es y mismo.

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)//-->