Está en la página 1de 39

Matemticas II

Manuel Palacios

Profesor Titular de Universidad


Dep. de Matemtica Aplicada. Despacho 56b
EINA

Leccin 8. Espacios con producto escalar

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 1 / 39


Contenido de esta leccin

1 Leccin 8. Espacios con producto escalar


8.1.- Definiciones y ejemplos
8.2.- Bases ortonormales
8.3.- Cambio de bases ortonormadas; matrices ortogonales
8.4.- Factorizacin Q R
Resolucin de sistemas lineales
8.5.- Proyeccin ortogonal. Mejor aproximacin
Proyeccin ortogonal
Series de Fourier
Mnimos cuadrados

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 2 / 39


Contenido de esta leccin (2)

Prestar especial atencin a:

Producto escalar, cambio de bases ortonormadas, proyeccin


ortogonal, cosenos directores, mtodo de Gram-Schmidt,
factorizacin Q R, ...

Conceptos: norma, distancia, ngulo, ortogonalidad, matrices


ortogonales, transformaciones ortogonales, proyeccin ortogonal,
mejor aproximacin, mnimos cuadrados

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 3 / 39


Bibliografa

Merino, L. y Santos, E.: lgebra lineal con mtodos elementales.


Thomson. 2006.
Palacios, M.: Enunciados de ejercicios de Matemticas II, grado Ing.
Tecn. Industr. http://pcmap.unizar.es/mpala. 2010

Villa, A. de la: Problemas de lgebra. CLAGSA. 1988.

Arvesu, J.; Marcelln, F. y Snchez J.: Problemas resueltos de lgebra


lineal. Paso a paso. Thomson. 2005.

Daz, A.; Hernndez, E. y Tejero, L.: lgebra para ingenieros. UNED.


2010.

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 4 / 39


Bibliografa interesante

Rojo, J.: lgebra lineal. Vector Ediciones, Madrid. 1989.

Rojo, J. y Martn, I.: Ejercicios y problemas de lgebra lineal. Editorial


AC, Madrid. 1989

Burgos, J. de: lgebra lineal y geometra cartesiana. McGraw-Hill. 2000.

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 5 / 39


Leccin 8. Espacios con producto escalar 8.1.- Definiciones y ejemplos

8.1.- Definiciones y ejemplos

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 6 / 39


Leccin 8. Espacios con producto escalar 8.1.- Definiciones y ejemplos

Producto escalar
F : V V IR forma bilineal simtrica y definida positiva

Ejemplo de producto escalar

Si V = IRn [x], Z 1
F (p(x), q(x)) = w(x) p(x) q(x) dx, w(x) 0
1

Espacio (vectorial) eucldeo, (V, F)


Cualquier espacio vectorial V sobre IR de dimensin finita con un
producto escalar.

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 7 / 39


Leccin 8. Espacios con producto escalar 8.1.- Definiciones y ejemplos

Matriz coordenada en una base


es la matriz coordenada de la aplicacin F que lo define.

Ejemplo.- Las matrices coordenadas del producto escalar (2)


respecto de las bases cannica Bv y Bv = {1, x, 1 + 3 x2 } en el caso
w(x) = 1 son, respectivamente:

2 0 2/3 2 0 0
A = 0 2/3 0 , B = 0 2/3 0
2/3 0 2/5 0 0 8/45
que se corresponden con las expresiones coordenadas siguientes:
4 2 2
F (x, y) = X T A Y = 2 x1 y1 + x1 y3 + x2 y2 + x3 y3
3 3 5
T B Y = 2 x 2 8
F (x, y) = X y1 + x2 y2 + x
3 y3
3 45

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 8 / 39


Leccin 8. Espacios con producto escalar 8.1.- Definiciones y ejemplos

Norma (eucldea) (longitud o mdulo) en un espacio eucldeo,


||x||, a la aplicacin:
p
|| || : V IR+ , definida por || x || = + F (x, x)
Ejemplo
La norma del vector v = 1 + x + x2 en el ejemplo (2) es
Z 1
56
||v|| = ( (1 + x + x2 )2 dx)1/2 = ((111) A (111)T )1/2 = ( )1/2
1 15
Desigualdad de Schwarz (Poland, 1843)
|F (x, y)| ||x|| ||y||
Dem.: Basta tener en cuenta:

0 F (t x + y, t x + y) = t2 F (x, x) + 2 t F (x, y) + F (y, y) =

= t2 ||x||2 + 2 t F (x, y) + ||y||2

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 9 / 39


Leccin 8. Espacios con producto escalar 8.1.- Definiciones y ejemplos

Propiedades caractersticas
1) ||x|| 0, 2) ||x|| = 0 x = 0,

3) ||t x|| = |t| ||x||, 4) ||x + y|| ||x|| + ||y||(desig. triangular)

Las normas no eucdeas no estn asociadas a un producto escalar.


Ejemplos: la norma de Chebyshev (Russia, 1821) o la norma
uniforme.
Distancia del vector x al vector y es la norma del vector x y,
es decir,
d(x, y) = ||x y||
Propiedades
1) d(x, y) 0, 2) d(x, y) = 0 x = y,

3) d(x, y) = d(y, x), 4) d(x, y) d(x, z) + d(z, y)

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 10 / 39


Leccin 8. Espacios con producto escalar 8.1.- Definiciones y ejemplos

ngulo de dos vectores x, y


al nmero real ang(x, y) = [, ] tal que
F (x, y)
cos =
||x|| ||y||
El ngulo entre v = 1 + x + x2 y w = 1 + x ,
con el producto escalar F de IR2 [x], es
F (v, w) 10/3 75
cos = = =
||v|| ||w|| (56/15) (8/3) 224
Consecuencias
1) F (x, y) = ||x|| ||y|| cos
2) El vector proyeccin de y sobre x es:
x F (x, y) x
proy
~ x y = (||y|| cos ) =
||x|| ||x|| ||x||

3) ||x y||2 = ||x||2 + ||y||2 2 ||x|| ||y|| cos (Teor. del coseno)

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 11 / 39


Leccin 8. Espacios con producto escalar 8.2.- Bases ortonormales

8.2.- Bases ortonormales

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 12 / 39


Leccin 8. Espacios con producto escalar 8.2.- Bases ortonormales

Vectores ortogonales, x, y de (V, F), si

F (x, y) = 0

Familia ortogonal de vectores {x1 , ..., xp } si

F (xi , xk ) = 0, i 6= k

Ejemplos:
polin. ortog. de Legendre (Paris, 1752), Chebyshev, Laguerre
(Francia, 1834), Hermite (Francia, 1832).

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 13 / 39


Leccin 8. Espacios con producto escalar 8.2.- Bases ortonormales

Polinomios de Chebyshev
Polinomios Tn (x) ortogonales en el intervalo [-1,1] con
p
w(x) = 1/ 1 x2 ,

es decir,
Z 1
1
F (Tn (x), Tm (x)) = Tn (x) Tm (x) dx
1 1 x2

Frmula de Rodrigues (Bordeaux, 1795):


Tn (x) = 2 x Tn1 (x) Tn2 (x), n = 2, 3, ...

T0 (x) = 1, T1 (x) = x, T2 (x) = 2 x2 1, T3 (x) = 4 x3 3 x, ...

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 14 / 39


Leccin 8. Espacios con producto escalar 8.2.- Bases ortonormales

Propiedad
Toda familia ortogonal de vectores no nulos es libre.

Base {ei } ortogonal


Es una familia ortogonal con n vectores.
Base ortonormada, BON, si es ortogonal y sus vectores son
unitarios, es decir, si
F (ei , ek ) = i k (deltas de Krnecker, (Poland, 1823))

Ejemplo.-
Las familias de los n+1 primeros polinomios ortogonales son bases
ortogonales y, normalizadas, son bases ortonormadas.

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 15 / 39


Leccin 8. Espacios con producto escalar 8.2.- Bases ortonormales

Coordenadas eucldeas o cartesianas


Coordenadas de cualquier vector respecto de una base ortonormada
y el sistema coordenado cartesiano.

Observacin. Si la base fuese ortonormada resultara:

aik = F (ei , ek ) = i k , es decir, F (x, y) = X T Y = x y

Propiedad
La coordenada i-sima de un vector x respecto de una base
ortonormada {ei } est dada por xi = x ei .

Corolario
Si x es un vector unitario cualquiera, xi = cos(x, ei ).

Cosenos directores de un vector unitario


son sus coordenadas en una base ortonormada.
M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 16 / 39
Leccin 8. Espacios con producto escalar 8.2.- Bases ortonormales

Cmo encontrar una base ortonormada?.


Teorema
Dado un vector a V, a 6= 0, para cada x V , existen un solo t IR y
un solo vector v V tales que

x = ta + v y av =0

xa xa a
t= , v = x proy
~ ax = x
||a||2 ||a|| ||a||

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 17 / 39


Leccin 8. Espacios con producto escalar 8.2.- Bases ortonormales

Mtodo de ortogonalizacin de Gram-Schmidt (1850, 1876)


Una familia ortogonal {a1 , ..., ap }, p n = dim V , puede completarse
hasta formar una base ortogonal de V.

Dem.: Si p < n, existe un vector bp+1 tal que {a1 , ..., ap , bp+1 } es
libre.
Entonces, elegimos el vector ap+1 de la forma siguiente:

bp+1 a1 a1 bp+1 ap ap
ap+1 = bp+1 ...
||a1 || ||a1 || ||ap || ||ap ||

Se repite el proceso r veces hasta que p + r = n.


Normalizar para encontrar una base ortogonal.

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 18 / 39


Leccin 8. Espacios con producto escalar 8.2.- Bases ortonormales

Corolario
Una base ortonormada {v1 , , vr } de un subespacio S de V puede
completarse con vectores {vr+1 , , vn } hasta formar una base
ortonormada de V.

Definicin
Los vectores {vr+1 , , vn } componen una base ortonormada de un
subespacio S de V denominado complemento ortogonal de S.

Ejercicio
 
1 2
V = IR2 y A = la matriz asociada a cierta aplicacin bilineal
2 5
F. Se pide:
i) Probar que es un producto escalar;
ii) encontrar el producto escalar de los vectores x = (5,2), y = (1,2);
iii) encontrar una base en la que la matriz asociada a F sea la unidad.

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 19 / 39


Leccin 8. Espacios con producto escalar 8.3.- Cambio de bases ortonormadas; matrices ortogonales

8.3.- Cambio de bases ortonormadas; matrices ortogonales

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 20 / 39


Leccin 8. Espacios con producto escalar 8.3.- Cambio de bases ortonormadas; matrices ortogonales

Sean Bv y Bv bases ortonormadas de (V, F).


Entonces:
Sea P la matriz tal que X = P X.
T P T P X,
F (x, y) = x y = X T Y = X

luego P T P = I, es decir, P T = P 1 ()

Matriz ortogonal
Una matriz real que cumple (*)

Propiedad
1) P ortogonal sus columnas (y sus filas) forman una base
ortonormada
2) Si P es ortogonal = det P = 1

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 21 / 39


Leccin 8. Espacios con producto escalar 8.3.- Cambio de bases ortonormadas; matrices ortogonales

Transformacin ortogonal (o isometra)


Una aplicacin lineal definida por una matriz ortogonal

Teorema
Las transformaciones ortogonales conservan la norma de vectores, es
decir,
||h(x)|| = ||x||

Las isometras del plano eucldeo son las rotaciones y las simetras.

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 22 / 39


Leccin 8. Espacios con producto escalar 8.4.- Factorizacin Q R

8.4.- Factorizacin Q R

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 23 / 39


Leccin 8. Espacios con producto escalar 8.4.- Factorizacin Q R

Una familia libre {aj }p1 + Gram-Schmidt = {vj } ortogonal +


vj
normalizacin = {qj = } ortonormada.
||vj ||
v1 = a1 = ||v1 || q1 a1 = q1 R11 ,
a 2 v1
v2 = a2 v1 , a2 = q1 R12 + q2 R22 ,
v1 v 1
a 3 v1 a3 v2
v3 = a3 v1 v2 , a3 = q1 R13 + q2 R23 + q3 R33 ,
v1 v 1 v2 v2

R11 = ||v1 ||, R22 = ||v2 ||, R33 = ||v3 ||, ...
a2 v1 a3 v1 a3 v2
R12 = , R13 = , R23 = , ...
||v1 || ||v1 || ||v2 ||

R11 R12 . . . R1p
0 R22 . . . R2p
A = Q R
[a1 ... ap ] = [q1 ... qp ]
...
0 0 . . . Rpp

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 24 / 39


Leccin 8. Espacios con producto escalar 8.4.- Factorizacin Q R

Ejercicio Griffel, t.2, pg. 88 1 1 1



1 0 0
Obtener la factorizacin Q R de la matriz A =
1

1 1
1 2 0

Solucin: Por Gram-Schmidt


v1 1 1 1 1
v1 = a1 = (1, 1, 1, 1), ||v1 || = 2, q1 = =( , , , )
||v1 || 2 2 2 2
a2 v1 3 1 1 3 v2 3 1 1 3
v2 = a2 v1 = ( , , , ), q2 = = ( , , , )
v1 v1 2 2 2 2 ||v2 || 2 5 2 5 2 5 2 5
a3 v1 a3 v2 1 3 3 1 1 3 3 1
v3 = a3 v1 v2 = ( , , , ), q3 = ( , , , )
v1 v1 v2 v2 5 5 5 5 2 5 2 5 2 5 2 5
1 3 1
2


2 5 2 5
2 1 1

1 1 3

2 2 5
2 5
5 15

Q= , R= 0

1 1 3



2 2 5 2 5 0 0 2
5
1 3 1
2

2 5
2 5

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 25 / 39


Leccin 8. Espacios con producto escalar 8.4.- Factorizacin Q R

Resolucin de sistemas lineales

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 26 / 39


Leccin 8. Espacios con producto escalar 8.4.- Factorizacin Q R

Resolver el sistema A X = B mediante factorizacin Q R, siendo



1 1 0 3
A = 1 2 2 , b= 3
0 2 5 1
Solucin:
v1 1 1
v1 = a1 = (1, 1, 0), ||v1 || = 2, q1 = = ( , , 0)
||v1 || 2 2

a2 v1 1 1 v2 1 1 2 2
v2 = a2 v1 = ( , , 2), q2 = = ( , , )
v1 v1 2 2 ||v2 || 3 2 3 2 3
a3 v1 a3 v2 2 2 1 2 2 1
v3 = a3 v1 v2 = ( , , ), q3 = ( , , )
v1 v1 v2 v2 9 9 9 3 3 3
1 1 2
3

3 2
3 2 2
12 1
2
2
Q = 2 , R = 3 11 2

32 3 0 2 3

2 2 1 1
0 3 3 0 0 3

3 2 x 1
A X = B R X = QT B, QT b = 2 3 2 = y = 2 .
13 x 1
M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 27 / 39
Leccin 8. Espacios con producto escalar 8.4.- Factorizacin Q R

Otras opciones para la factorizacin Q R

Mtodo de Householder

Clculo de valores y vectores propios.

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 28 / 39


Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

8.5.- Proyeccin ortogonal. Mejor aproximacin

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 29 / 39


Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

Proyeccin ortogonal del vector v sobre un subespacio S


es el vector r
X v vi
x= proy
~ vi v, siendo proy
~ vi v = vi
||vi ||2
i=1

y {vi }r1 una base ortogonal de S

Mejor aproximacin en el subespacio S del vector v del espacio


eucldeo V
al vector x de S que hace mnima ||v x||

Teorema
Sea S V , e. v.eucldeo, v V y x S, entonces, son equivalentes:
i) v x S
ii) x es una mejor aproximacin a v sobre S.

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 30 / 39


Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

Proyeccin ortogonal

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 31 / 39


Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

Aproximar f (x) = sen x en [-1,1] por c1 x + c2 x3 + c3 x5

Solucin: Considerando el producto escalar


Z 1
f h= f (x) h(x) dx, S =< x, x3 , x5 >
1

Las ecuaciones normales:


c1 x x2j1 + c2 x3 x2j1 + c3 x5 x2j1 = f x2j1 , j = 1, 2, 3

Son un sistema lineal A c = b,



2/3 2/5 2/7 2 cos(1) + 2 sen(1)
A = 2/5 2/7 2/9 , b= 10 cos(1) 6 sen(1)
2/7 2/9 2/11 202cos(1) + 130sen(1)

Resolviendo el sistema: c = (0.999984, 0.166524, 0.00801811).

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 32 / 39


Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

Aproximar f (x) = sen x en [-1,1] por c1 x + c2 x3 + c3 x5

Solucin:

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 33 / 39


Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

Series de Fourier

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 34 / 39


Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

Aproximacin por series de Fourier (Francia, 1768).


Obtener la mejor aproximacin g(x) de la funcin

f (x) = {1, si x < 0; 1, si x > 0}

en el subespacio S =< 1, cos x, sen x, cos 2x, sen 2x >


Solucin: La base es ortogonal considerando el producto escalar
R
f h=
f (x) h(x) dx,
P5
g(x) = i=1 proy
~ vi f (x),
f (x) vi
siendo proy
~ vi f (x) = vi
||vi ||2
Z Z
a0 = f (x) dx = 0, aj = f (x) cos(j x) dx = 0,

Z Z
b1 = f (x) sen(x) dx = 4, b2 = f (x) sen(2 x) dx = 0 = b4 , b3 = 4/3, b5 = 4/5

4 sen x 4 sen(3 x) 4 sen(5 x)
g(x) = + +
3 5
M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 35 / 39
Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

Aproximacin por series de Fourier (Francia, 1768).


Obtener la mejor aproximacin g(x) de la funcin
f (x) = {1, si x < 0; 1, si x > 0}
en el subespacio S =< 1, cos x, sen x, cos 2x, sen 2x >

Solucin:

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 36 / 39


Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

Mnimos cuadrados

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 37 / 39


Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

Mnimos cuadrados.
Encontrar el polinomio cuadrtico que mejor se aproxima a la tabla
siguiente que presenta la relacin medida en el laboratorio entre la
temperatura y la solubilidad del NO3 K
t 40 60 80 100 120
s 27 39 50 60 69
Solucin:
El polinomio a encontrar: P (t) = a + b t + c t2
El sistema a resolver: a + b tj + c t2j = sj , j = 1, 2, 3, 4, 5
Por lo tanto:
1 40 1600 27
1 60 3600 39

A= 1 80 6400 , B = 50


1 100 10000 60
1 120 14400 69
Ecuaciones de Gauss:

5 400 36000 245
G = AT A = 400 36000 3520000 , AT b = 21700
36000 3520000 363840000 2097200
Nmero de condicin de G: cond(A) = 5.7533e+09 muy mal condicionado
a = 0, b = 0.725, c = 0.00125
M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 38 / 39
Leccin 8. Espacios con producto escalar 8.5.- Proyeccin ortogonal. Mejor aproximacin

Mnimos cuadrados.
Encontrar el polinomio cuadrtico que mejor se aproxima a la tabla
siguiente que presenta la relacin medida en el laboratorio entre la
temperatura y la solubilidad del NO3 K
t 40 60 80 100 120
s 27 39 50 60 69
Solucin:

M. Palacios (GME, Zaragoza) Matemticas II Enero 2014 39 / 39