Práctica No.

6
Bases, linealidad y espacios vectoriales.

Ángel de Jesús Eslava Castro *, Mario Alberto Ambrosio González **e Israel Bautista Bautista ***
Universidad Autónoma Metropolitana, Unidad Azcapotzalco. Ciudad de México.

20 de noviembre de 2017

Resumen
Abordaremos las operaciones con matrices, trasformaciones lineales por medio de la Matriz Haar y algunos
ejercicios sobre el cálculo los coeficientes de la Base Haar.

1. Objetivos
1. Dada una matriz H verificar que sea una base.

2. Verificar que HH H = H H H = I,es una matriz diagonal y que sus vectores son ortogonales.

3. Dado los vectores x, y obtener los coeficientes de la Base Haar.

2. Introducción
Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos operaciones binarias
llamadas suma y multiplicación por un escalar y que satisfacen los diez axiomas.
Mientras que puede ser útil pensar en R2 o R3 al manejar un espacio vectorial, con frecuencia ocurre que el
espacio vectorial parece ser muy diferente a estos cómodos espacios. En segunda instancia, la definición anterior
ofrece una definición de un espacio vectorial real", que significa que los escalares que se usan son números reales,
de acuerdo a [1] axiomas de un espacio vectorial son:
1- Si X pertenece a V y Y pertenece a V , entonces X +Y pertenece a V .
2- Para todo X, Y y Z en V, (x + y) + z = x(y + z).
3- Existe un vector |0 pertenece V tal que para todo X pertenece a V, X + 0 = 0 + X = X.
4- Si x pertenece a V , existe un vector ˘x en V tal que x + (−x) = 0.
5- Si X y Y están en V , entonces x + y = y + x.
6- Si x pertenece a V y a es un escalar, entonces a x pertenece a V .
7- Si X y Y están en V y a es un ecalar, entonces a(x + y) = ax + ay
8- Si X pertenece a V y a y b son escalares, entonces (a + b)x = ax + by.
9- Si X pertenece a V y a y b son escalares, entonces a(bx) = (ab)x.
10- Para cada vector X pertenece a V , 1x = x. Una combinación lineal es una expresión matemática que consiste
en la suma entre pares de elementos, de determinados conjuntos, multiplicados entre sí.
* a.eslava.castro@gmail.com
** mmaambrosio@gmail.com
*** israel.bta94@gmail.com

1
 En particular, la combinación lineal de un sistema de vectores se trata de un vector de la forma
n
v = k1 v1 + k2 v2 + ... + kn vn = ∑ ki vi
i=1
Dados dos conjuntos cualesquiera A y B.
Se define como combinacion lineal a toda expresión de la forma, (EC. 1)
∑ αb.
α∈A
b∈B
En términos no tan formales, diremos que v es combinación lineal de vectores de A si podemos expresarlo como
una suma de productos por escalar de una cantidad finita de elementos de A. En este caso, también se dice que v
depende linealmente de los vectores de A según [2]
Ademas como lo menciona en [3]:
Vectores linealmente dependientes: Un conjunto de vectores será linealmente dependiente si alguno de ellos
se puede expresar como combinación lineal del resto. Otra definición equivalente será que el vector cero se podrá
expresar como combinación lineal de este conjunto de vectores en el que al menos algún coeficiente será distinto
de cero.
Vectores linealmente independientes: Un conjunto de vectores será linealmente independiente si ninguno de
ellos se puede expresar como combinación lineal del resto de los vectores. Otra forma de definirlo será si el vector
cero sólo se puede expresar como combinación lineal de estos vectores cuando los coeficientes que multiplican a
cada vector son nulos.
Una base es un conjunto de vectores linealmente independientes y que son capaces de generar cualquier vector
de dicho espacio. En nuestro estudio del plano, una base estará formada por dos vectores linealmente independien-
tes.

3. Desarrollo

1 −1 0 0
 
0 0 0 0
0 0 1 −1 0 0 0 0
 
0 0 0 0
 1 −1 0 0
0 0 0 0 0 0 1 −1 
H =
1 −1 0 0

 0 0 0 0
0 −1 0 0 0 0 0 0
 
1 1 1 1 −1 −1 −1 −1
1 1 1 1 1 1 1 1

3.1. Ejercicio 1
¿Es fácil probar que os renglones de H son o forman una base?
< X,Y >= ||X|| ∗ ||Y || ∗ cos(φ ) Esta ecuación nos dice que, si los vectores X y Y no son cero, y si el producto punto
o producto escalar son cero, necesariamente cos(φ ) = 0, φ = + − π/2, entonces son ortogonales y linealmente
independientes. Probaremos en Matlab para cada conjunto de vectores de H que son linealmente independientes,
obteniendo el producto punto de cada una de las 28 combinaciones con el siguiente codigo:
1 close all
2 clc
3 clear all
4 %Definimos la matriz H
5 H =[ 1 -1 0 0 0 0 0 0;
6 0 0 1 -1 0 0 0 0;
7 0 0 0 0 1 -1 0 0;

2
 8 0 0 0 0 0 0 1 -1;
9 1 1 -1 -1 0 0 0 0;
10 0 0 0 0 1 1 -1 -1;
11 1 1 1 1 -1 -1 -1 -1;
12 1 1 1 1 1 1 1 1;];
13 %Calculamos el producto punto entre las filas que pertenecen a H ,
14 %asegurandonos de no repetir ninguna de las 28 combinaciones
15 for i =1:7
16 for k = i :7
17 H (k ,:) * transpose ( H ( k +1 ,:) )
18 end
19 end

1 ans = 0
2 ans = 0
3 ans = 0
4 ans = 0
5 ans = 0
6 ans = 0
7 ans = 0
8 ans = 0
9 ans = 0
10 ans = 0
11 ans = 0
12 ans = 0
13 ans = 0
14 ans = 0
15 ans = 0
16 ans = 0
17 ans = 0
18 ans = 0
19 ans = 0
20 ans = 0
21 ans = 0
22 ans = 0
23 ans = 0
24 ans = 0
25 ans = 0
26 ans = 0
27 ans = 0
28 ans = 0
29 >>

Los resultados anteriormente mostrados pertenecen a la ventana de comandos del ejercicio 1, como el resultado es
cero se puede asegurar que todos los vectores son ortogonales.

3.2. Ejercicio 2
Verificar que HH H = H H H = I, i.e. es una matriz diagonal, i.e. que sus vectores son ortogonales.
1 close all
2 clc
3 clear all
4 %Declaramos la matriz H , en seguida almacenamos su inversa en la variable
J
5 %para despues multiplicarla por la matriz H y comprobar que se obtiene la
6 %matriz identidad

3
 7 H =[ 1 -1 0 0 0 0 0 0;
8 0 0 1 -1 0 0 0 0;
9 0 0 0 0 1 -1 0 0;
10 0 0 0 0 0 0 1 -1;
11 1 1 -1 -1 0 0 0 0;
12 0 0 0 0 1 1 -1 -1;
13 1 1 1 1 -1 -1 -1 -1;
14 1 1 1 1 1 1 1 1;
15 ];
16
17 J = inv ( H )
18 x=J*H
19 y=H*J

1 H=
2 1 −1 0 0 0 0 0 0
3 0 0 1 −1 0 0 0 0
4 0 0 0 0 1 −1 0 0
5 0 0 0 0 0 0 1 −1
6 1 1 −1 −1 0 0 0 0
7 0 0 0 0 1 1 −1 −1
8 1 1 1 1 −1 −1 −1 −1
9 1 1 1 1 1 1 1 1
10
11 J=
12 0.5000 0 0 0 0.2500 0 0.1250 0.1250
13 −0.5000 0 0 0 0.2500 0 0.1250 0.1250
14 0 0.5000 0 0 −0.2500 0 0.1250 0.1250
15 0 −0.5000 0 0 −0.2500 0 0.1250 0.1250
16 0 0 0.5000 0 0 0.2500 −0.1250 0.1250
17 0 0 −0.5000 0 0 0.2500 −0.1250 0.1250
18 0 0 0 0.5000 0 −0.2500 −0.1250 0.1250
19 0 0 0 −0.5000 0 −0.2500 −0.1250 0.1250
20
21 x=
22 1 0 0 0 0 0 0 0
23 0 1 0 0 0 0 0 0
24 0 0 1 0 0 0 0 0
25 0 0 0 1 0 0 0 0
26 0 0 0 0 1 0 0 0
27 0 0 0 0 0 1 0 0
28 0 0 0 0 0 0 1 0
29 0 0 0 0 0 0 0 1
30 y=
31 1 0 0 0 0 0 0 0
32 0 1 0 0 0 0 0 0
33 0 0 1 0 0 0 0 0
34 0 0 0 1 0 0 0 0
35 0 0 0 0 1 0 0 0
36 0 0 0 0 0 1 0 0
37 0 0 0 0 0 0 1 0
38 0 0 0 0 0 0 0 1

Las matrices anteriormente mostradas pertenecen a la salida del código en la ventana de comandos del ejercicio 2.

4
 3.3. Ejercicio 3 y 4
Considere los vectores constantes x = [1, 1, . . . , 1] y y = [+1, −1, . . . , +1, −1] , y calcule los coeficientes de la
base Haar correspondientes.
1 close all
2 clc
3 clear all
4 %Definimos el vector constante 1 y 2
5 xe3 =[1 1 1 1 1 1 1 1]
6 xe4 =[1 -1 1 -1 1 -1 1 -1]
7 %Definimos la matriz
8 H =[ 1 -1 0 0 0 0 0 0;
9 0 0 1 -1 0 0 0 0;
10 0 0 0 0 1 -1 0 0;
11 0 0 0 0 0 0 1 -1;
12 1 1 -1 -1 0 0 0 0;
13 0 0 0 0 1 1 -1 -1;
14 1 1 1 1 -1 -1 -1 -1;
15 1 1 1 1 1 1 1 1;];
16 %Calculamos los coeficientes para el ejercicio 3 usando el vector
17 %constante xe3 , todo esto por la solucion de un sistema de ecuaciones .
18 W = linsolve (H ,( xe3 ') )
19 %Calculamos los coeficientes de para el ejercicio 4 usando el vector
20 %constante xe4 , todo esto por la solucion de un sistema de ecuaciones .
21 Z = linsolve (H ,( xe4 ') )

1 xe3 =
2 1 1 1 1 1 1 1 1
3
4 xe4 =
5 1 −1 1 −1 1 −1 1 −1
6
7 W =
8 1.0000
9 0
10 0.5000
11 −0.5000
12 0.7500
13 −0.2500
14 0.2500
15 −0.7500
16
17 Z =
18 0.7500
19 −0.2500
20 −0.7500
21 0.2500
22 0
23 −1.0000
24 −0.5000
25 0.5000
26
27 >>

5
4. Conclusiones
El contar con un conocimiento de Algebra lineal, es de gran utilidad para el entendimiento del análisis Wavelet
concentrándonos en la Base de Haar es el ejemplo más simple de ello. Esta base tiene propiedades como podrá
comprobar en cada ejercicio hecho durante el desarrollo de la práctica, por otro lado son una herramienta mate-
mática simple con una gran variedad de aplicaciones en áreas tan diversas como procesamiento y compresión de
señales multidimensionales, análisis numérico, computación gráfica, visión artificial y muchas otras aplicaciones
más. Por ende, su amplia aplicabilidad contribuye en gran medida al interés explosivo que ellas despertaron como
una nueva herramienta del análisis.

Referencias
[1] Grossman S, S.I., Álgebra Lineal Sexta Edición, 2007.

[2] De Burgos, Juan (2006). Álgebra lineal y geometría cartesiana (3ª edición). McGraw-Hill. p. 26

[3] Poole, David (2011). Álgebra lineal (3.ª edición). Cengage Learning. p. 96.