Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO5 Esp Eucli Plantilla - 3 PDF
CAPITULO5 Esp Eucli Plantilla - 3 PDF
PROBLEMAS RESUELTOS.
BILIOGRAFÍA
159
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
INTRODUCCION
La estructura de espacio vectorial despliega una gran capacidad
operativa cuando incorpora los conceptos de distancia y ángulo entre sus
elementos. Para integrar estas dos cualidades métricas en un espacio
vectorial es preciso definir en él un producto escalar, el cual otorga a
dicho espacio el calificativo de euclídeo, de modo que a todo espacio
vectorial dotado de un producto escalar se le denominará espacio
vectorial euclídeo.
Si se dota al espacio vectorial de un producto escalar se va a poder
trasladar, al terreno de lo abstracto, las nociones de longitud y ángulo, en
especial el concepto de ortogonalidad, sin que éstas pierdan las
propiedades generales que les son inherentes.
Antes de comenzar con el estudio de los espacios vectoriales euclídeos es
preciso matizar que, en este curso, dicho estudio se limitará únicamente
al caso de productos escalares sobre espacios vectoriales reales.
Basándonos en la idea de ortogonalidad y proyección ortogonal,
estudiaremos el método de los mínimos cuadrados, para resolver de
forma aproximada sistemas de ecuaciones lineales incompatibles.
OBJETIVOS
• Reconocer en una forma bilineal un producto escalar y manejar
adecuadamente sus propiedades.
• Definir la norma asociada a cada producto escalar y demostrar sus
propiedades.
• Obtener para cada vector del espacio su norma, módulo, y para cada
par de vectores el ángulo que forman a partir del producto escalar.
160
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
• Reconocer diferentes expresiones para un producto escalar al
considerarlo en bases diferentes.
• Encontrar una base del espacio en la cual un producto escalar dado
adopte la expresión más simple (expresión canónica).
• Conocer y utilizar con soltura el método de ortonormalización de
Gram-Schmit.
• Determinar el complemento ortogonal de un subespacio.
• Entender y calcular la proyección ortogonal de un vector sobre un
subespacio.
• Comprender y manejar el método de los mínimos cuadrados.
161
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
INTRODUCCION TEORICA
1. Espacio vectorial euclídeo.
Un conjunto E es un espacio vectorial euclídeo n-dimensional si es un
espacio vectorial real de dimensión n en el que se ha definido una
operación:
f : E × E ———— \ , verificando las siguientes propiedades:
1. f ( x , y ) = f ( y , x ) , ∀x , y ∈ E
2. f ( λ x + µ y , z ) = λ f ( x , z ) + µ f ( y , z ) , ∀λ , µ ∈\ y ∀x , y , z ∈ E
3. f ( x , λ y + µ z ) = λ f ( x , y ) + µ f ( x , z ) , ∀λ , µ ∈\ y ∀x , y , z ∈ E
4. f ( x , x ) > 0, ∀x ≠ 0, x ∈ E
Esta operación recibe el nombre de producto escalar y la notación que
vamos a utilizar es : f ( x , y ) = x D y
1.1 Matriz Asociada al Producto Escalar
Si B = {e1 , e2 ,…, en } es una base del espacio vectorial euclídeo E ,
es decir:
162
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
⎛ e1 D e1 e2 D e1 " en D e1 ⎞
⎜ ⎟
e De e2 D e2 " en D e2 ⎟
A= A =⎜ 1 2
t
⎜ " " " " ⎟
⎜⎜ ⎟
⎝ e1 D en e2 D en " en D en ⎟⎠
2. Ortogonalidad
2.1 Vectores ortogonales.
Sea E un espacio vectorial euclídeo. Dos vectores u y v son
ortogonales si y sólo si u D v = 0 .
2.2 Proposición
El vector 0 es el único vector ortogonal a todos los vectores del espacio.
2.3 Vector ortogonal a un subespacio.
Un vector u es ortogonal a un subespacio S de E si y sólo si, ∀ x ∈ S ,
u D x = 0.
2.4 Proposición
Un vector u es ortogonal a un subespacio S de E si y sólo si es
ortogonal a todos los vectores de una base de S .
2.5 Subespacios ortogonales.
Dos subespacios V y W de E son ortogonales si
∀ x ∈ V , ∀y ∈ W ⇒ x D y = 0 .
2.6 Proposición
Para que dos subespacios V y W sean ortogonales es necesario y
suficiente que los vectores de una base de V sean ortogonales con los
vectores de una base de W .
2.7 Propiedades de la relación de ortogonalidad.
163
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
Las principales propiedades de la relación de ortogonalidad son las
siguientes:
1. Si S = {u1 , u2 ," , uk } es un sistema de vectores ortogonales dos a
6. Si V es un subespacio de E entonces V ⊕ V ⊥ = E.
u = + u Du
⋅ : E ------------ \ +
u ------------ u = + u D u
164
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
3.1 Propiedades de la norma.
1. u > 0, ∀u ≠ 0
2. u = 0 ⇐⇒ u = 0
3. λ u = λ u , ∀u ∈ E, ∀λ ∈ \ .
5. Desigualdad de Schwarz, ∀u , v ∈ E : − u v ≤ u D v ≤ u v
6. Desigualdades triangulares, ∀u , v ∈ E :
a. u +v ≤ u + v
b. u −v ≥ u − v
cos (α ) = u D v
u v
3.3 Proposición.
Sean u , v ∈ \ n ; u , v ≠ 0
165
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
son ortogonales dos a dos.
Una base ortonormal es una base ortogonal de vectores unitarios.
3.5 Método de ortogonalización de Gram-Schmidt.
Este método 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
c De
c2 = e2 − c1 D c2 c1
1 1
c1 D e3 c De
c3 = e3 − c1 D c1
c1 − c2 D c3 c2
2 2
""""""""""""""""""
c De c De c De
cn = en − c1 D cn c1 − c2 D cn c2 − .... − − c n−1D c n cn −1
1 1 2 2 n−1 n−1
u = uv DDvv v + w.
166
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
manera única de la forma u = s + w , siendo s ∈ S y w ortogonal a S .
El vector s es la proyección ortogonal de u sobre S .
4.3 Expresión matricial del vector proyección sobre un subespacio.
Sea u ∈ E . Sea S = L {a1 , a2 ," , ak } ( ai , linealmente independientes ) un
s = A( At A ) At u
−1
NOTAS:
( A A)
t −1
1. La existencia de la matriz queda garantizada por ser
subespacio S es la matriz:
167
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
PS = A( At A) −1 At .
7. ( PS ) 2 = PS , es decir, PS es idempotente.
8. ( PS )t = PS , es decir, PS es simétrica.
168
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
identidad. En esta propiedad simplifica en gran medida la expresión de
la matriz proyección.
Sea E un subespacio vectorial de dimensión n , S un subespacio y
B = {a1 , a2 ," , ak } una base ortonormal del mismo. Si A es la matriz
169
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
Ax − b = ( d1 , d 2 ,…, d m ) = + d12 + d 22 + …+ d m2 .
At Ax = ( At A )( At A ) At b = At b = At b ,
−1
170
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
en el sentido de mínimos cuadrados.
NOTA: Si A ∈ M m×n tiene columnas ortonormales, la solución del
yi = a + bxi , ∀i = 1, 2,…, m.
Salvo en el caso de que los datos estén sobre una recta del plano, se
obtiene un sistema sobredeterminado incompatible que se puede expresar
matricialmente:
⎛
⎜ y1 ⎞⎟ ⎛
⎜ 1 x1 ⎞⎟
⎜ ⎟ ⎜ ⎟
⎜
⎜ y ⎟
2 ⎟ 1 x2 ⎟⎟ ⎛ a ⎞
⎜
⎜
= ⇔ y = Ax ⇔ Ax = y
# # ⎟⎟ ⎜⎝ b ⎟⎠
⎜ ⎟ ⎜ ⎟
⎜
⎜
# ⎟
⎟
⎜
⎜
⎜ ⎟ ⎜ ⎟
⎜
⎝
ym⎠
⎟ 1 x4 ⎟⎠
⎜
⎝
171
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
La solución que minimiza el error en términos de mínimos cuadrados es
la solución del sistema At Ax = At y , que es: x * = ( At A) −1 At y
de forma abreviada y = As ≡ As = y .
172
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
En algunas ocasiones hay que recurrir a otras funciones, como las
polinómicas o las exponenciales, para que la curva y = f ( x) sea la que
173
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
PROBLEMAS
1. Dado el espacio vectorial V de los polinomios de grado menor o
igual que 1 y el producto escalar:
1
p1 ( x) • p2 ( x) = ∫ p1 ( x) p2 ( x)dx . Calcular la matriz asociada al
0
SOLUCIÓN:
Un producto escalar es un caso particular de forma bilineal simétrica, por
lo tanto existe una matriz simétrica A, asociada al producto escalar,
⎛u Du u Dv ⎞
por: ⎜ ⎟.
⎝u Dv v Dv ⎠
En este caso particular tenemos que: u = 1 y que v = x .
Tal y como se ha definido el producto escalar, lo que sabemos es que:
1 1
1 D 1 = ∫ 1.1dx = ∫ dx = 1
0 0
1 1
1 D x = ∫ 1. xdx = ∫ xdx = 1/ 2
0 0
1 1
x D x = ∫ x. xdx = ∫ x 2 dx = 1/ 3
0 0
⎛ 1 1/ 2 ⎞
⎜ ⎟
⎝1/ 2 1/ 3 ⎠
2. De un producto escalar definido en \ 2 respecto de la base
174
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
B = {u , v } , se sabe que:
i) u D u = 2
ii ) u D (3u + v ) = 5
iii ) v D v = 5(u D u )
a) Calcular la matriz asociada al producto escalar.
b) Calcular (2, 3) D (1, 4)
SOLUCIÓN:
a)
⎛u Du u Dv ⎞
A=⎜ ⎟
⎝u Dv v Dv ⎠
Tenemos que:
u Du = 2
u D (3u + v ) = 5 ⇒ 3(u D u ) + u D v = 5 ⇒ 6 + u D v = 5 ⇒ u D v = −1
v D v = 5(u D u ) = 10
⎛ 2 −1⎞
La matriz asociada al producto escalar es: A = ⎜ ⎟
⎝ −1 10 ⎠
b)
⎛1⎞ ⎛ 2 −1 ⎞ ⎛ 1 ⎞
(2, 3) D (1, 4) = ( 2, 3) A ⎜ ⎟ = ( 2, 3) ⎜ ⎟ ⎜ ⎟ = 113
⎝ 4⎠ ⎝ −1 10 ⎠ ⎝ 4 ⎠
3. Sea E un espacio vectorial euclídeo de dimensión n y U un
subespacio vectorial de E , U ⊥ , el subespacio complemento
ortogonal de U , calcular:
a) dim(U ∩ U ⊥ )
b) dim(U + U ⊥ )
SOLUCIÓN:
175
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
a) Sabemos que la suma de U y U ⊥ es directa, por tanto U ∩ U ⊥ = {0}
ortonormal de F.
SOLUCIÓN:
Primero hallaremos una base de F, si es ortogonal, bastaría con
normalizar y el problema estaría resuelto, sino aplicaremos el método de
Gram-Schmidt para transformarla en otra base de F que sea ortonormal.
F = {( x, y, z ) ∈ \ 3 / 2 x + y − z = 0} = {( x, y, z ) ∈ \ 3 / z = 2 x + y} =
⎛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
t
1
⎜1⎟
⎝ ⎠
Aplicamos el método de Gram-Schmidt
⎛1⎞
⎜ ⎟
v1 = u1 = ⎜ 0 ⎟
⎜ 2⎟
⎝ ⎠
176
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
⎛ 0 ⎞ ⎛ 1 ⎞ ⎛ − 52 ⎞
u ⋅v
t
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
v2 = u2 − 1 v1 = ⎜ 1 ⎟ − 52 ⎜ 0 ⎟ = ⎜ 1 ⎟
1
v ⋅v1
t
1
⎜1⎟ ⎜ 2⎟ ⎜ 1 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ 5 ⎠
⎛ 1 ⎞ ⎛ − 52 ⎞
⎜ ⎟ ⎜ ⎟
B2 = {⎜ 0 ⎟ , ⎜ 1 ⎟} es una base ortogonal de F y normalizando los
⎜ 2⎟ ⎜ 1 ⎟
⎝ ⎠ ⎝ 5 ⎠
⎛ −2 ⎞
⎛ 1 ⎞ ⎜ ⎟
⎜ 5⎟ ⎜ 30 ⎟
⎜ ⎟ ⎜ 5 ⎟}
vectores de B2 se obtiene B3 = {⎜ 0 ⎟,⎜ que es una base ortonormal
⎜ 30 ⎟
2 ⎟ ⎜ ⎟
⎜ ⎟
⎝ 5 ⎠ ⎜⎜ 1 ⎟
⎟
⎝ 30 ⎠
de F.
5. Sea F ⊂ \ n , B1 una base ortonormal de F , B2 una base
ortonormal de \ n .
SOLUCIÓN:
Sabemos que F ∩ F ⊥ = {0}, como el vector nulo no pertenece a ninguna
base, los vectores de B1 son linealmente independientes con los de B2 . Si
177
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
F ⊥.
En definitiva los vectores de B están normalizados y son todos
ortogonales entre si, forman una base ortonormal de \ n .
6. Dados los subespacios de \ 3
⎧ x − y − 3z = 0⎫
F1 = ⎨( x, y, z ) ∈ \ 3 / ⎬y
⎩ y − z = 0⎭
F2 = {( x, y, z ) ∈ \ 3 / x + y + z = 0}
F1⊥ = {x ∈ \ 3 / x t ·w1 = 0} = {( x, y, z ) ∈ \ 3 / 4 x + y + z = 0}
Sabemos que
178
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
dim( F ∩ F2 ) = dim( F1⊥ ) + dim( F2 ) − dim( F1⊥ + F2 )
1
⊥
= 2 + 2 − rango(u1 u2 v1 v2 ) =
⎛1 0 −1 −1⎞
⎜ ⎟
= 4 − rango ⎜ 0 1 1 0 ⎟=
⎜ −4 −1 0 1 ⎟⎠
⎝
⎛1 0 −1 −1 ⎞
⎜ ⎟
= 4 − rango ⎜ 0 1 1 0 ⎟ = 4−3 =1
⎜0 0 −3 −3 ⎟⎠
⎝
= 4−3 =1
⎛ 2 1 2⎞
⎜ ⎟
G = ⎜ 1 3 1 ⎟ , calcular la norma del vector v que en la base
⎜ 2 1 4⎟
⎝ ⎠
canónica tiene por coordenadas ( 4,1, −1)
SOLUCIÓN:
Lo primero que tenemos que hacer es expresar el vector v respecto a la
base B′ . Sabemos que la relación 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 canónica es:
⎛ ′⎞
⎛ 1 2 −1 ⎞ ⎛ 4 ⎞ ⎛ 1 2 −1⎞ ⎜ x ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟
P = ⎜ 0 1 0 ⎟ , por lo tanto, se cumple que: ⎜ 1 ⎟ = ⎜ 0 1 0 ⎟ ⎜⎜ y′ ⎟⎟
⎜1 0 1 ⎟ ⎜ −1⎟ ⎜ 1 0 1 ⎟ ⎜⎜⎜ z′ ⎟⎟⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎝ ⎠
Por lo tanto:
179
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
−1
⎛
⎜ x′ ⎞⎟ ⎛ 1 2 −1⎞ ⎛ 4 ⎞ ⎛ 12 −1 1
2 ⎞ ⎛ 4 ⎞ ⎛ 12 ⎞
⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜
⎜ y′ ⎟⎟ = ⎜ 0 1 0 ⎟ ⎜ 1 ⎟ = ⎜ 0 1 0⎟⎜ 1 ⎟ = ⎜ 1 ⎟
⎜ ⎟
⎜
⎜
⎝
z′ ⎟⎟⎠ ⎜⎝ 1 0 1 ⎟⎠ ⎜⎝ −1⎟⎠ ⎜− 1
⎝ 2 1 1 ⎟⎜ ⎟ ⎜− 3 ⎟
2 ⎠ ⎝ −1 ⎠ ⎝ 2⎠
Una vez que tenemos expresado el vector v respecto de la base B , su
norma será:
⎛ 2 1 2 ⎞ ⎛ 12 ⎞ ⎛ 12 ⎞
⎟⎜ ⎟
v = v D v = v t Gv = ( 12 ⎜
1 − 32 ) ⎜ 1 3 1 ⎟ ⎜ 1 ⎟ = ( −1 2 −4 ) ⎜⎜ 1 ⎟⎟ = 15
2
⎜ ⎟⎜ 3 ⎟ ⎜ 3⎟
⎝ 2 1 4⎠⎝ − 2 ⎠ ⎝− 2 ⎠
{
W = x ∈ V : Ax = 0 } es un subespacio vectorial de V . Justificar
180
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
Si tenemos la aplicación lineal: f : V → V definida por f ( x ) = Ax , por
definición de núcleo 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)
c) Verdadera
Sabemos que para cada w ∈ W , entonces: Aw = 0 , por lo tanto, al
multiplicar cada fila de la matriz A por w , el resultado es 0 . En realidad
esto es equivalente a decir que cada vector fila de la matriz A
multiplicado por el vector w , usando el producto escalar usual, nos da 0,
es decir que cada vector fila de la matriz A es ortogonal a todos los
vectores de W , por lo tanto cada vector fila de la matriz A pertenece a
W ⊥.
d) Falsa
El subespacio vectorial W se puede ver como el núcleo de la aplicación
f : V → V definida por f ( x ) = Ax . Por la fórmula de las dimensiones
sabemos que:
dim(V ) = dim( Ker ( f )) + dim( Im( f )) .
y también sabemos que
dim( Im( f )) = rango( A).
Luego, como dim(V ) = 5 y dim(W ) = dim( Ker ( f )) = 2 , entonces
dim( Im( f )) = 5 − 2 = 3 luego rango( A) = 3.
181
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
9. Sea V un espacio vectorial euclídeo 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 {}
SOLUCIÓN:
a) Falso
Veamos el siguiente contraejemplo.
Consideramos V = \3 , espacio vectorial euclídeo con el producto escalar
usual, ( x1, x2 , x3 ) ⋅ ( y1 , y2 , y3 ) = x1 y1 + x2 y2 + x3 y3 , y el subespacio
{}
U ∩ U ⊥ = 0 , o equivalentemente: dim ⎛⎜⎝U ∩ U ⊥ ⎞⎟⎠ = 0
c) Falsa
182
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
{}
Sabemos que U ∩ U ⊥ = 0 , por lo tanto la dimensión de esta
{}
nulo, (U ⊥ ) ⊥ ≠ 0 .
( A A)
−1
NOTA : Una condición necesaria para que exista la matriz t
es
w = A( At A ) At v
−1
−1
⎛0 1 ⎞⎡ ⎛ 0 1 ⎞⎤ ⎛1⎞
⎜ ⎟ ⎢⎛ 0 1 1 ⎞ ⎜ ⎟⎥ ⎛ 0 1 1 ⎞ ⎜ ⎟
= ⎜ 1 3 ⎟ ⎢⎜ ⎟ ⎜ 1 3 ⎟⎥ ⎜ ⎟⎜1⎟ =
⎜ 1 −1⎟ ⎢⎝ 1 3 −1⎠ ⎜ 1 −1⎟ ⎥ ⎝ 1 3 −1⎠ ⎜ 0 ⎟
⎝ ⎠⎣ ⎝ ⎠⎦ ⎝ ⎠
183
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
⎛ 0 1 ⎞ 11 ⎛1⎞
⎜ ⎟⎛ − 19 ⎞ ⎛ 0 1 1 ⎞ ⎜ ⎟
= ⎜ 1 3 ⎟ ⎜ 181 1 ⎟⎜ ⎟ 1 =
⎜ 1 −1⎟ ⎝ − 9 9 ⎠⎝1 3 −1⎠ ⎜⎜ ⎟⎟
⎝ ⎠ ⎝0⎠
⎛0 1 ⎞ 1 ⎛1⎞
⎜ ⎟⎛ − ⎞⎜ ⎟
5 13
= ⎜ 1 3 ⎟ ⎜ 19 18 18
⎟ 1 =
⎜ 1 −1⎟ ⎝ 9
2
9 − 92 ⎠ ⎜⎜ ⎟⎟
⎝ ⎠ ⎝0⎠
⎛ 1 ⎞
⎛0 1 ⎞ 1 ⎜ 3 ⎟
⎜ ⎟ ⎛ ⎞ ⎜ ⎟
= ⎜ 1 3 ⎟ ⎜ 16 ⎟ = ⎜ 7 ⎟
⎜ 1 −1⎟ ⎝ 3 ⎠ ⎜ 6 ⎟
⎝ ⎠ ⎜⎜ − 1 ⎟⎟
⎝ 6⎠
Otra forma de enfocar y resolver el problema es sabiendo que el vector
v = (1,1, 0 ) ∉ F , siendo F =< ( 0,1,1) , (1, 3, −1) >=< u1 , u2 > , quiere decir
que el sistema:
⎛0⎞ ⎛ 1 ⎞ ⎛1⎞ ⎛ 0 1 ⎞ ⎛ ⎞ ⎛1⎞
⎜α ⎟
α1 ⎜ 1 ⎟ + α 2 ⎜⎜ 3 ⎟⎟ = ⎜⎜ 1 ⎟⎟ ⇒ ⎜⎜ 1 3 ⎟⎟ ⎜⎜ 1 ⎟⎟ = ⎜⎜ 1 ⎟⎟
⎜ ⎟
⎜1⎟ ⎜ −1⎟ ⎜ 0 ⎟ ⎜ 1 −1⎟ ⎜⎝ α 2 ⎟⎠ ⎜ 0 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
es un sistema incompatible. Se plantea y resuelve el sistema
⎛
⎜ α1 ⎞⎟ ⎛ 16 ⎞
At Aα = At v , obteniéndose ⎜ ⎟ = ⎜ ⎟ que son las coordenadas de la
⎜⎜
⎝
α2 ⎟⎟⎠ ⎝ 13 ⎠
proyección ortogonal de v sobre F, el vector proyección de v sobre F
es por tanto
⎛0 1⎞ 1 ⎛ 13 ⎞
⎛
α1 ⎞⎟ ⎜ ⎟⎛ ⎞ ⎜ ⎟
Aα = ( u1 u2 )
⎜
⎜ ⎟ = 13 ⎟ ⎜ 16 ⎟ = ⎜ 76 ⎟ .
⎜⎜
⎝
α 2 ⎟⎟⎠ ⎜⎜ ⎟⎝ 3 ⎠ ⎜ − 1 ⎟
⎝ 1 −1⎠ ⎝ 6⎠
184
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
Si u = ( 4, 3, 0 ) ∈ \ , u ∉ W . Calcular el vector de W que mejor se
3
x = A( At A ) At u , siendo
−1
A la matriz cuyas columnas son las
⎛1 0⎞ −1 ⎛ 4⎞
⎜ ⎟ ⎛ 2 1 ⎞ ⎛ 1 0 1⎞ ⎜ ⎟
= ⎜0 1⎟ ⎜ ⎟ ⎜ ⎟⎜ 3⎟ =
⎜ 1 1 ⎟ ⎝ 1 2 ⎠ ⎝ 0 1 1⎠ ⎜ 0 ⎟
⎝ ⎠ ⎝ ⎠
⎛5⎞
⎛1 0⎞ 2 ⎛ 4⎞ ⎜ 3 ⎟
⎜ ⎟⎛ − 13 ⎞⎛ 1 0 1⎞ ⎜ ⎟ ⎜ 2 ⎟
= ⎜ 0 1 ⎟ ⎜ 31 2 ⎟⎜ ⎟ 3 = ⎜ ⎟
⎜1 1⎟⎝ − 3 3 ⎠⎝0 1 1⎠ ⎜⎜ ⎟⎟ ⎜ 3 ⎟
⎝ ⎠ ⎝0⎠ ⎜ 7 ⎟
⎜ ⎟
⎝3⎠
x+ y
= 0⎫
⎪
12. Dado el sistema: − x + y = 1 ⎬ , calcular la mejor solución por
2 x + 3 y = 1 ⎭⎪
mínimos cuadrados.
SOLUCIÓN:
185
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
Si llamamos A a la matriz de los coeficientes y b a la matriz de los
términos independientes del sistema anterior, como las columnas de A
son linealmente independientes, sabemos que la mejor solución por
mínimos cuadrados viene dada por:
−1
⎡ ⎛ 1 1 ⎞⎤ ⎛0⎞
⎢ ⎛ 1 −1 2 ⎞ ⎜ ⎟ ⎥ ⎛1 −1 2 ⎞ ⎜ ⎟
x = ( A A ) A b = ⎢⎜
−1 t
⎟ −1 1 ⎟ ⎥ ⎜ ⎟ 1 =
t
⎝ 1 1 3 ⎠ ⎜⎜ ⎟ ⎝ 1 1 3 ⎠ ⎜⎜ ⎟⎟
⎢⎣ ⎝ 2 3 ⎠ ⎥⎦ ⎝1⎠
−1 ⎛0⎞ ⎛0⎞ ⎛ − 13 ⎞
⎛ 6 6 ⎞ ⎛1 −1 2 ⎞ ⎜ ⎟ ⎛ 11 − 15 ⎞ ⎛1 −1 2 ⎞ ⎜ ⎟
=⎜ ⎟ ⎜ ⎟⎜1⎟ = ⎜ − 1
30
1 ⎟⎜ ⎟ 1 = ⎜ 30 ⎟
⎝ 6 11 ⎠ ⎝ 1 1 3 ⎠⎜ ⎟ ⎝ 5 5 ⎠ ⎝1 1 3 ⎠ ⎜⎜ ⎟⎟ ⎜ 3⎟
⎝1⎠ ⎝1⎠ ⎝ 5⎠
y= 3.
5
13. Utilizando el método de los mínimos cuadrados, calcular una
⎧2 x + y = 3
⎪
solución aproximada del sistema de ecuaciones ⎨ x − 2 y = 0
⎪
⎩ 3 x − y = −2
SOLUCIÓN:
⎛2 1 ⎞
⎜ ⎟
La matriz de los coeficientes del sistema es A = ⎜ 1 −2 ⎟ ,
⎜ 3 −1 ⎟
⎝ ⎠
rango( A) = 2.
⎛ 3⎞
La matriz de los términos independientes es b = ⎜⎜ 0 ⎟⎟ .
⎜ −2 ⎟
⎝ ⎠
186
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
El sistema no tiene solución ya que
⎛2 1 3⎞
⎜ ⎟
rango( A∗ ) = rango( A | b) = rango ⎜ 1 −2 0 ⎟ = 3 ≠ 2 = rango( A)
⎜ 3 −1 −2 ⎟
⎝ ⎠
⎛ x⎞
Tenemos el sistema: Ax = b , siendo x = ⎜ ⎟ .
⎝ y⎠
La solución óptima del sistema en el sentido de los mínimos cuadrados,
es la solución del sistema At Ax = At b como la matriz A es de rango
Es decir:
−1
⎛ ⎛2 1 ⎞⎞ ⎛ 3⎞
⎜⎛ 2 1 3 ⎞⎜ ⎟⎟ ⎛ 2 1 3 ⎞⎜ ⎟
x = ⎜⎜
*
⎟ ⎜ 1 −2 ⎟ ⎟ ⎜ ⎟⎜ 0 ⎟ =
⎜ ⎝ 1 − 2 −1 ⎠ ⎜ 3 −1 ⎟ ⎟ ⎝ 1 − 2 −1 ⎠ ⎜ −2 ⎟
⎝ ⎝ ⎠⎠ ⎝ ⎠
⎛ 3⎞ ⎛1⎞
⎛2 1 ⎞
⎜ 25 25 ⎟ ⎛ 2 1 3 ⎞⎜ ⎟ ⎜5⎟
14 ⎟ ⎜ 1 ⎟ 0 = ⎜ 14 ⎟
⎜1 −2 −1⎠ ⎜⎜ ⎟⎟
⎝ 25 75 ⎠ ⎝ ⎜ ⎟
⎝ −2 ⎠ ⎝ 15 ⎠
x1 + x2 = 0⎫
⎪
14. Dado el sistema −3 x1 + x2 = −1⎬ calcular la solución por
− x1 + x2 = 1 ⎪⎭
mínimos cuadrados.
SOLUCIÓN:
⎛ 1 1⎞
La matriz de coeficientes del sistema es A = ⎜⎜ −3 1⎟⎟ , rango( A) = 2.
⎜ −1 1 ⎟
⎝ ⎠
187
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
⎛1 1 0⎞
⎜ ⎟
La matriz ampliada es A = ⎜ −3 1 −1⎟ , rango( A∗ ) = 3,
∗
⎜ −1 1 1 ⎟
⎝ ⎠
por tanto el sistema es incompatible, luego no tiene solución exacta.
⎛ ⎞
⎛0⎞
y b = ⎜⎜ -1⎟⎟ ,
x
⎜ 1⎟
Se plantea el nuevo sistema A Ax = A b, siendo x =
t t
⎜
⎜⎜
⎟
⎟⎟
x
⎝ 2⎠ ⎜1⎟
⎝ ⎠
para encontrar solución aproximada al sistema por el método de mínimos
cuadrados, el nuevo sistema a resolver es:
⎛ 1 1⎞ ⎛ ⎞ ⎛0⎞
⎛1 −3 −1⎞ ⎜ ⎟ ⎜⎜ x1 ⎟⎟ ⎛1 −3 −1⎞ ⎜ ⎟
⎜ ⎟ ⎜ −3 1⎟ ⎜⎜ x ⎟⎟ = ⎜ ⎟ ⎜ −1 ⎟
⎝1 1 1 ⎠ ⎜ ⎟ ⎝ 2⎠ ⎝1 1 1 ⎠ ⎜ ⎟
⎝ −1 1⎠ ⎝1⎠
11x1 − 3 x2 = 2⎫ 1 1
⎬ cuya solución exacta es x1 = , x2 = .
−3 x1 + 3 x2 = 0⎭ 4 4
188
MATEMÁTICAS I
Espacios vestoriales euclídeos. Proyecciones ortogonales. Mínimos cuadrados.
⎛ −2 1 2⎞
⎜ ⎟
−1 1 0⎟
A =⎜
∗
, si hallamos una forma escalonada equivalente de A∗
⎜0 1 −1 ⎟
⎜⎜ 1 ⎟
1 4 ⎟⎠
⎝
⎛ −2 1 2 ⎞
⎜ ⎟
0 1 −1 ⎟
obtenemos ⎜ , directamente se observa que rango( A) = 2 y
⎜0 0 − 12 ⎟
⎜⎜ ⎟
⎝0 0 0 ⎟⎠
189
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
Bibliografía
[1] BURGOS, J. ”Álgebra Lineal y Geometría Cartesiana”. McGraw-
Hill. Madrid, 1999.
[2] DE LA VILLA, A. ”Problemas de Álgebra”. Clagsa. Madrid, 1994.
[3] GROSSMANN, S.I. ”Álgebra Lineal con aplicaciones”. McGraw-
Hill. México, 1996.
[4] GUERRA, N.; LÓPEZ, B. ”Problemas resueltos tipo test de Álgebra
Lineal (Con esquemas teóricos)”. El Libro Técnico. Las Palmas de G.C.,
1999.
[5] LAY DAVID C. ”Algebra lineal y sus aplicaciones”. Addison
Wesley Longman. México 1999.
[6] NOBLE, B.; DANIEL, J.W. ”Álgebra Lineal Aplicada”. Prentice-
Hall, Inc. México, 1989.
190
MATEMÁTICAS I