Espacio Vectorial Euclídeo

Titulación: Grado en Ingeniería Ultima actualización: 08/10/2015
Asignatura: Álgebra
Autor: César Menéndez
Espacio Euclídeo
Planificación: 3 Teoría+1.5 Prácticas+4 Laboratorio

Materiales: MATLAB
Conocimientos previos: Tmas. básicos de Cálculo –
Desarrollos de Taylor – Sistemas
lineales –
1
Álgebra – Espacios Euclídeos por César Menéndez Fernández
Descripción del problema

Motivación
Objetivos  ¿Cómo se mide la proximidad de un elemento a otro en un
Temario espacio vectorial? Distancia
 Producto escalar
 Matriz Asociada  Dado un vector y un subespacio ¿existe un el el subespacio
 Ortogonalidad un vector que sea el más próximo, esto es, la proyección del
 Bases
 Cambio de base vector sobre el subespacio? Norma
 Mínimos cuadrados
 ¿Cómo se puede calcular ese vector? Espacio euclideo
 Producto vectorial
 Resumen
Bibliografía
Software
2
Objetivos
Motivación
Objetivos  Comprender el concepto de producto
Temario
 Producto escalar escalar
 Matriz Asociada
 Ortogonalidad  Calcular longitudes, distancias y ángulos
 Bases
 Cambio de base
en un espacio euclídeo
 Comprender el concepto de ortogonalidad
 Resumen y su relación con la perpendicularidad
Bibliografía geométrica
Software
 Obtener bases y subespacios ortogonales
 Relacionar la proyección ortogonal con la
técnica de mínimos cuadrados
 Aplicar mínimos cuadrados discretos y
continuos a problemas simples
3
Distancia Wikipedia
Motivación
Objetivos  Definición: Un espacio métrico es un conjunto M (a cuyos
Temario elementos se les denomina puntos) con una función distancia
 Producto escalar asociada (también llamada métrica) d : M × M → R que
 Matriz Asociada
 Ortogonalidad
satisface las siguientes propiedades
 Bases 1) d ( x, y ) ≥ 0 ∀x, y ∈ M
 Cambio de base= 2) d ( x, x ) 0 ∀x ∈ M
3) d ( x, y ) d ( y, x )
 Producto vectorial = ∀x, y ∈ M
 Resumen 4) d ( x, y ) ≤ d ( x, z ) + d ( z , y ) ∀x, y, z ∈ M
Bibliografía
5) d ( x, y ) = 0 ⇔ x = y ∀x, y ∈ M
Software
– Si no cumple la última es un espacio pseudo-métrico
Esp. Métricos  Ejemplos:
Esp. Normados
Esp. Prehilbertianos – Distancia trivial: d(x,y)=1 para puntos diferentes
Ejemplos – Distancia euclídea (en un espacio vectorial de dimensión n):
Pseudodistancia en los enteros: d(x,y)=resto(|x-y|,2)
 Nota: Habitualmente se trabaja con conjuntos que son espacios
vectoriales sobre el cuerpo R
4
Normas Wikipedia
Motivación
Objetivos  Definición: Un espacio vectorial normado sobre un cuerpo K
Temario es un conjunto V (a cuyos elementos se les denomina
 Matriz Asociada
vectores) con una función norma :V → K x ∈ V → x
 Ortogonalidad que satisface las siguientes propiedades
 Bases
 Cambio de base 1) x ≥ 0 ∀x ∈ V
2) λ x
= λ x ∀x ∈ V , λ ∈ K
 Resumen 3) x + y ≤ x + y ∀x, y ∈ V
Bibliografía
Software 4) x = 0 ⇔ x = 0
 Ejemplos (sobre el cuerpo de los reales):
Esp. Métricos
Esp. Normados n n
=V R= ∑ x= ∑ ( x )=
n 2
Esp. Prehilbertianos x1 k 2
x x k ∞
max xk
1≤ k ≤ n
Ejemplos =k 1= k 1
{ f ∈ C [ a, b]} ∫ f ( x ) dx ∫ f ( x ) dx max f ( x )
b b
V= f 1
= f 2
= 2
f ∞
=
a a a ≤ x ≤b
 Nota: Una norma siempre define una distancia d ( x, y=

) x− y
5
Producto escalar Wikipedia
Motivación  Definición: Un espacio vectorial prehilbertiano sobre un cuerpo

Objetivos K es un conjunto V (a cuyos elementos se les denomina
Temario vectores) con una función producto escalar
 Producto escalar , : V × V → K x, y ∈ V → x, y
 Matriz Asociada
 Ortogonalidad
que satisface las siguientes propiedades
 Bases 1) x, x ≥ 0 ∀x ∈ V
 Cambio de base
 Mínimos cuadrados 2) λ x, y λ x, y
= ∀x, y ∈ V , λ ∈ K
 Resumen 3) x + y, z ≤ x, z + y, z ∀x, y, z ∈ V
Bibliografía
Software =
4) x, y y, x ∀x, y ∈ V
5) x, x = 0 ⇔ x = 0
Esp. Métricos
Esp. Normados Si es de dimensión finita se denomina euclídeo
Esp. Prehilbertianos
Ejemplos
 Nota: Un producto escalar siempre define una norma, pero
una norma no siempre define un producto escalar
x = x, x
x, y = 1
2 ( x+ y 2
− x − y
2 2
) x 2 ⇒ SI
6 x ∞
⇒ NO : x = ( 2, −1) , y = (−1, −1), λ = 3
Ejemplo 1: producto escalar de vectores

n
Motivación
Objetivos  =
Datos: V R=x, y n
∑x y
k =1
k k
Temario
n
∑ ( xk ) ≥ 0
 Matriz Asociada
1)=
2
 Ortogonalidad x, x
 Bases k =1
 Cambio de base n n
λ x, y
2)=
=
k k
k 1= k 1
∑
= ∑x y
λ x y λ= k k λ x, y
 Resumen
n n n
Bibliografía
Software
3) x + y, z =
=k 1
∑( x k + yk ) z k =
=
k k
k 1= k 1
∑x z + ∑y z k k ≤ x, z + y , z
n n
Esp. Métricos
Esp. Normados
4)=
x, y
=
k k
k 1=
∑
= x y ∑
k 1
= y x k k y, x
n
5) x, x = 0 ⇔ 0 = ∑ ( xk ) ⇔ xk = 0∀k = 1, 2, n
Ejemplos 2
k =1
7
Ejemplo 2: producto escalar de funciones
{ f ∈ C [ a, b]} ∫ f ( x ) g ( x ) dx
b
Motivación  Datos: V= f ,g =
Objetivos a
Temario – Interpretación geométrica como área en el intervalo
Area de f(x) Area de f(x)2
1.5 4.5
 Matriz Asociada
4
1
3.5
 Ortogonalidad
0.5
 Bases
0
2.5
 Cambio de base
-0.5
-1
 Mínimos cuadrados -1.5

1.5
1
-2
 Resumen
0.5
-2.5 0
Bibliografía
-5 -4 -3 -2 -1 0 1 2 3 4 5 -5 -4 -3 -2 -1 0 1 2 3 4 5
( x ) f ( x ) dx ∫ ( f ( x ))
b b
∫
2
Software =
1) f , f f= dx ≥ 0
a a
λ f ( x ) g ( x ) dx λ=
∫ f ( x ) g ( x ) dx λ f , g
b b
Esp. Métricos
2) λ f , g
= ∫= a a
Esp. Normados
( f ( x ) + g ( x ) ) h ( x ) dx f ( x ) h ( x ) dx + ∫ g ( x ) h ( x ) dx
b b b
Ejemplos
3) f + g , h= ∫ a
= ∫
a a
≤ f , h + g, h
f ( x ) g ( x ) dx g ( x ) f ( x ) dx
b b
=
4) f , g ∫= a ∫=
a
g, f
( f ( x ) ) dx ⇔ f ( x ) = 0∀x ∈ [ a, b]
b
∫
2
5) f , f = 0 ⇔ 0 =
8 a
Ejemplo 3: producto escalar de matrices

Motivación
Objetivos  =
Datos: V Mn =
A, B tr= ( At B )
( Bt A) tr= ∑∑ a b
ik ik
i k
Temario
 ∑ bk1ak1 ∑ bk1ak 2  ∑b a 
 Producto escalar k 1 kn
 b11 b21  bn1  a11 a12  a1n   k k k 
 Matriz Asociada  
a2 n   ∑ bk 2 ak1 ∑ bk 2 ak 2 ∑b
    k 2 akn
 Ortogonalidad  b12 b22  bn 2  a21 a22 
= k 
   
k k
 Bases       
 Cambio de base        
 Mínimos cuadrados  b1n b2 n  an 2 
 ∑ kn k1 ∑ bkn ak 2  ∑ bkn akn 
bnn  an1 ann   b a
 Producto vectorial  k k k 
= ∑∑
= ∑∑ ( a ) ≥ 0
2
 Resumen 1) A, A a a ik ik ik
Bibliografía i k i k
Software 2) λ A, B ∑∑
= = ∑∑ a b
λ a b λ= ik ik ik ik λ A, B
i k i k
∑∑ ( a + cik ) b= ∑∑ a b + ∑∑ cik bik

Esp. Métricos
Esp. Normados 3) A + C , B
= ik ik ik ik
Esp. Prehilbertianos i k i k i k
Ejemplos
≤ A, B + C , B
=
4) A, B ∑∑
=
i
a b ∑∑
= b a
k
ik ik
i k
ik ik B, A
5) A, A =∑∑ ( aik ) =0 ⇔ aik =0

2
9 i k
Expresión del producto escalar en una base I

Motivación
Objetivos  Sea B={e1, e2, … en} una base de del espacio vectorial E
Temario  Sean conocidas las coordenadas de dos vectores u y v en la
 Matriz Asociada
base B.
 Ortogonalidad u = u1e1 + u2 e2 + u3e3 +  + un en
 Bases
 Cambio de base
v = v1e1 + v2 e2 + v3e3 +  + vn en
 Producto escalar por un vector de la base
 Resumen ek=
,v ek , v1e1 + v2 e2 + v3e3 +  + vn=
en
Bibliografía
Software = v1 ek , e1 + v2 ek , e2 +  + vn ek=
, en
 v1 
Vector de la base
 
v
= ( ek , e1 ek , en )  2 
Vector cualquiera
Propiedades ek , e2 
Ejemplos 
 
 vn 
10
Expresión del producto escalar en una base II

Motivación  Producto escalar de u y v
Objetivos
Temario u, v = u1e1 + u2e2 + u3e3 +  + un en , v1e1 + v2e2 + v3e3 +  + vn en =
 Matriz Asociada
= u1 e1 , v1e1 + v2e2 + v3e3 +  + vn en +
 Ortogonalidad
 Bases
+u2 e2 , v1e1 + v2e2 + v3e3 +  + vn en + 
 Cambio de base
 Mínimos cuadrados +un en , v1e1 + v2e2 + v3e3 +  + vn en
 Resumen  e1 , v1e1 + v2e2 + v3e3 +  + vn en 
Bibliografía  
e , v e + v e + v e +  + v e
Software = ( u1 u2  un )  2 1 1 2 2 3 3 n n 
  
 
Vector de la base e , v e +
 n 11 2 2 3 3v e + v e +  + v e
n n 
Vector cualquiera
Propiedades
 e1 , e1 e1 , e2  e1 , en   v1 
  
Ejemplos
 e , e e , e  e ,
2 n   v2 
e
= ( u1 u2  un ) 2 1 2 2
       
   
 en , e1 en , e2  en , en   vn 
11
Matriz asociada
Motivación
Objetivos  Matriz asociada al producto escalar en la
Temario base B o matriz de Gram
 Matriz Asociada – Considerando los vectores como matriz columna
 Ortogonalidad
u , v = ( xu ) Gxv
t
 Bases
 Cambio de base
 Mínimos cuadrados con
( xu )
= (=
u1 u2  un ) , ( xv ) ( v1 v2  vn )
t t
 Resumen
Bibliografía
Software
Vector de la base
 Propiedades
Vector cualquiera
Propiedades
– El espacio es euclídeo (base finita)
Ejemplos
– La matriz es simétrica (coincide con su traspuesta)
– La matriz es definida positiva, esto es,
∀x ≠ 0 : x= x ,=
x x t Gx > 0
2
12
Matrices definidas positivas

Motivación
Objetivos – Toda matriz B simétrica definida positiva
Temario puede asociarse a un producto escalar en
 Matriz Asociada una determinada base
 Ortogonalidad
 Bases x , y = x t By
 Cambio de base
 Resumen – Toda matriz B simétrica definida positiva
Bibliografía verifica que el determinante de sus
Software
menores angulares es positivo (criterio de
Vector de la base Sylvester)
Vector cualquiera
Propiedades b11 b21  bk1
Ejemplos
b12 b22  bk 2
>0 k =
1, 2,, n
   
b1k b2 k  bkk
13
Ejemplo 4: matriz asociada

Motivación Obtener la expresión de la matriz asociada el producto escalar
Objetivos en el espacio euclídeo R3 tomado como base
Temario B={ u1=(2,-1,1), u2=(0,-2,2), u3=(-2,0,-1)}
 Producto escalar  u1 , u1 u1 , u2 u1 , u3 
 Matriz Asociada 3
 
 Bases
=
 Ortogonalidad V = 3
x, y = ∑xk yk A  u2 , u1 u2 , u2 u2 , u3 
k =1  u ,u u3 , u2 u3 , u3 
 Cambio de base
 3 1
u1 , u= ( ) ( ) ()
+ − + =
2 2 2
 Mínimos cuadrados 2 1 1 6
1
 Resumen u=,u
1 2 u=,u 2 1 ( )( ) ( )( −2 ) + (1)(
2 0 + −1 = 2) 4
Bibliografía
Software
u1 , u3 = u3 , u1 =( 2 )( −2 ) + ( −1)( 0 ) + (1)( −1) =−5
u2 , u2= ( 0 ) + ( −2 ) + ( 2 )= 8
2 2 2
Vector de la base
Vector cualquiera u3 , u2 = u2 , u3 =( 0 )( −2 ) + ( −2 )( 0 ) + ( 2 )( −1) =−2
Propiedades
u3 , u3 = ( −2 ) + ( 0 ) + ( −1) = 5
2 2 2
Ejemplos
 6 4 −5 
 
= A  4 8 −2 
 −5 −2 5 
14 
Definiciones
Motivación
Objetivos
 Dos vectores u y v de un espacio euclídeo E
Temario son ortogonales cuando su producto escalar
 Producto escalar es nulo.
 Matriz Asociada u, v ∈ E : u ⊥ v ⇔ u, v =0
 Ortogonalidad
 Bases
 Cambio de base
 Un vector u es ortogonal a un subespacio V
 Mínimos cuadrados cuando lo es a cualquier vector de v de V.
 Resumen u ∈ E ∧ V ⊂ E : u ⊥ V ⇔ u , v = 0 ∀v ∈ V
Bibliografía
Software – Un vector u es ortogonal a un subespacio V cuando
Definiciones y Ejemplos
lo es a una base B= {v1, v2, …vm} del subespacio V.
Propiedades u ∈ E ∧ V ⊂ E : u ⊥ V ⇔ u , vi = 0 i= 1, 2, m
Proyección ortogonal
 Se define el ángulo θ entre dos vectores u y v al

que verifica: u, v
cos θ =
u ⋅ v
15
Ejemplo 5: ortogonalidad de vectores

Motivación Estudiar si los vectores x=(u1-u2) e y=(u1-u2+2u3) son ortogonales
Objetivos y el ángulo que forman.
Temario Nota: los vectores están dados en la base B, luego se debe utilizar la matriz
 Producto escalar asociada al producto escalar en dicha base o pasarlos previamente a la base
 Matriz Asociada canónica y trabajar con la definición habitual (la matriz de Gram es la identidad)
 Ortogonalidad
 Bases Trabajando en B  6 4 −5  1
 Cambio de base   
 Mínimos cuadrados x, y = xBt G B yB = (1 −1 0 ) B  4 8 −2  −1 =
 Producto vectorial   
 Resumen  −5 −2 5  2  B
Bibliografía  1
Software  
= ( 2 −4 −3)  −1 = 2 + 4 − 6 = 0
 2
Definiciones y Ejemplos  
Propiedades Trabajando en Bc
 2 0 −2   2  −2 
     
P = −1 −2 0  xBc =PxB = 1 yBc =PyB = 1
 1 2 −1  −1  −3 
     
x, y =xBt c G Bc yBc =xBt c IyBc =−4 + 1 + 3 =0
16
Ejemplo 6: ángulo de dos vectores

Motivación Calcular el ángulo que forman x=(u1-u2) y z=(u1+u2+2u3)
Objetivos Nota: los vectores están dados en la base B, luego se debe utilizar la matriz
asociada al producto escalar en dicha base o pasarlos previamente a la base
Temario canónica y trabajar con la definición habitual (la matriz de Gram es la identidad)
 Matriz Asociada Trabajando en B
 Ortogonalidad  x, z = x t Gz = −8 
 Bases
x, z   −8
 Cambio de base cos θ = =  x = x Gx = 6  =
t
= −0.8729
 Mínimos cuadrados x ⋅ z   6 ⋅ 14
 Resumen
=  z = t
z Gz 14 
Bibliografía θ =2.632rad
Software Trabajando en Bc
 2 0 −2   2  −2 
Definiciones y Ejemplos      
Propiedades P = −1 −2 0  xBc =PxB = 1 z Bc =Pz B = −3 
Proyección ortogonal  1 2 −1  −1  1
     
 x, z = xt z = −8 
x, z   −8
cosθ = =  x = x x = 6=
t
= −0.8729
x ⋅ z   6 ⋅ 14
17 = z = t
zz 14 
Ejemplo 7: subespacio ortogonal

Motivación Obtener el subespacio ortogonal a x=(u1-u2)
Objetivos Nota: los vectores están dados en la base B, luego se debe utilizar la matriz
Temario asociada al producto escalar en dicha base o pasarlos previamente a la base
 Producto escalar canónica y trabajar con la definición habitual (la matriz de Gram es la identidad)
 Matriz Asociada Trabajando en B
 Ortogonalidad
 Bases
Sea=
zt (α , β , γ ) B ∈ x⊥ ⇒ x=
, z xBt G=
B zB 0
 Cambio de base
 6 4 −5  α 
  
 Producto vectorial 0 = (1 −1 0 ) B  4 8 −2  β  = 2α − 4β − 3γ = 0
 Resumen   
Bibliografía  −5 −2 5  γ  B
Software α = 2β + 32 γ → ( 2β + 32 γ β γ ) B = β ( 2 1 0 ) B + γ ( 32 0 1) B
Trabajando en Bc
(α , β , γ ) B
Propiedades Sea z=
t
∈ x⊥ ⇒ x, z= xBt c z B=
c
0
c
α 
 
0 = ( 2 1 −1) B  β  = 2α + β − γ = 0
γ
c
  Bc
18 α =− β2 + γ2 → ( − β2 + γ2 β γ ) =β ( − 12 1 0 ) B + γ ( 12 0 1) B
Bc c c
Ejemplo 7: continuación (Repaso E.V.)

Motivación Verificación de que ambos subespacios coinciden
Objetivos
Temario – Pasamos todos los vectores a la misma base
 Producto escalar – Estudiamos el rango de los cuatro
 Matriz Asociada
 Ortogonalidad – ¿<S1>⊂<S2> y dim(<S1>)=dim(<S2>) ?
 Bases
 Cambio de base
{( 2 1 0 ) , ( 23
S1 = 0 1)} =
B
{( 4 −4 4 ) , (1 − 32 1
2 )}B
c
 Resumen
Bibliografía
S 2= {( − 1
2
1 0 ) , ( 12 0 1)}
Software
 4 1 − 12 12   4 1 − 12 12   1 1
4
− 18 1
8 
     
Propiedades
 −4 − 3
2
1 0 →
  0 − 1
2
1
2
1
2
→  0 − 1
2
1
2
1
2 →
 4 1
0 1  0 − 2 1 1 1  0 − 1 1 1 
 2 2 2  2 2 2 
1 1
4
− 81 18   1 0 1
8
3
8

 1  
→  0 − 12 1
2 2
→  0 1 −1 − 1 
0 0 0   0 0 0 0 
19  0
Propiedades
Motivación
Objetivos  Un conjunto de vectores ortogonales dos a dos forma un
Temario sistema libre. Demo
{ } { }
=
 Matriz Asociada S v1 , v2 ,, vm | ∀i ≠ j : vi ⊥ v j ⇒ v1 , v2 ,, vm s.libre
 Ortogonalidad
 Bases
 Cambio de base  El conjunto de vectores ortogonales a un subespacio V es un
 Mínimos cuadrados subespacio que se denomina suplemento ortogonal de V.
 Resumen
(
∀u , v ⊥ V ⇒ α u + β v ⊥ V ) Demo
Bibliografía ∀u , v ∈ V ⊥ ⇒ (α u + β v ) ∈ V ⊥
Software
 Dados dos vectores cualesquiera u y v se tiene que
(Desigualdad de Cauchy-Schwarz) Demo
Propiedades
u, v ≤ u ⋅ v
 Dados dos vectores ortogonales cualesquiera u y v se tiene
que (Teorema de Pitágoras) Demo
u+v = u + v
2 2 2
20
Motivación
Objetivos
Temario  Dado un subespacio F de dimensión finita del espacio
 Matriz Asociada
euclídeo* E, y un vector uϵE, se denomina proyección
 Ortogonalidad ortogonal de u sobre F al vector pϵF tal que r=u-p
 Bases (residuo) pertenece al subespacio ortogonal de F.
 Cambio de base
 Mínimos cuadrados p = proyF u = π F ( u ) : p ∈ F | r = u − p ∈ F ⊥
 Resumen
Bibliografía
 Propiedad: la proyección ortogonal es el vector de F
Software cuyo residuo tiene norma mínima, esto es, es el vector
de F que está más próximo a u.
Demo
∀w ∈ F w ≠ p : v − w > v − p
Propiedades
21
Cálculo de la proyección ortogonal

Motivación  Base del subespacio F y expresión de la
Objetivos proyección
Temario
 Producto escalar B = {v1 , v2 , , vn } base de V
 Matriz Asociada
 Ortogonalidad
 Bases
u= ∑ xk vk , r =
p+r| p = ∑ xk vk − u
 Cambio de base
 Mínimos cuadrados  Condiciones de ortogonalidad:
 Resumen  r , v1 =u − p, v1 =
0 → p, v1 =u , v1
Bibliografía 
Software ⊥  r , v2 =−
u p, v2 = 0 → p, v2 =u , v2
r ∈V ⇒ 
 
Definiciones y Ejemplos  r , vn =−
u p, vn = 0 → p, vn =u , vn
Propiedades

Proyección ortogonal 

∑ x v=
k k,v 1 x1 v1 , v1 + x2 v2 , v1 +  + xn vn=
, v1 u , v1


∑ x v=
k k,v 2 x1 v1 , v2 + x2 v2 , v2 +  + xn vn=
, v2 u , v2
 

 ∑ x v=
k k,v n x1 v1 , vn + x2 v2 , vn +  + xn vn=
, vn u , vn
22
Expresión matricial de la proyección

Motivación  Base del subespacio F y expresión de la
Objetivos proyección
Temario
 Producto escalar B = {v1 , v2 , , vn } base de V
 Matriz Asociada
 Ortogonalidad
 Bases
u= ∑ xk vk , r =
p+r| p = ∑ xk vk − u
 Cambio de base
 Mínimos cuadrados  Matricialmente:
 Resumen  v1 , v1 v1 , v2  v1 , vn   x1   u , v1 
Bibliografía     
Software  v2 , v1 v2 , v2  v2 , vn   x2   u , v2 
= →
          
Definiciones y Ejemplos      
Propiedades  vn , v1 vn , v2  vn , vn   xn   u , vn 
 u , v1 
 
 u , v2 
→ Gx =
  
 
23  u , vn 
Ejemplo 8a: proyección ortogonal

Motivación
Utilizando el producto escalar euclídeo de R3, calcular la
Objetivos
Temario proyección ortogonal del vector u=(2,-2,1) en el subespacio
 Producto escalar F={vϵR3| x1+x2+x3=0}. Determinar asimismo el ángulo que forma
 Matriz Asociada
 Ortogonalidad el vector con el subespacio y la distancia entre ambos.
 Bases
 Cambio de base Base del subespacio
 Resumen
F={v ∈ 3 | x1 + x2 + x3 =0} → x3 =− x1 − x2 → F ={v1, v2}
Bibliografía v= ( x1 , x2 , − x1 − x2 )= x1 (1,0, −1) + x2 ( 0,1, −1)= x1v1 + x2v2
Software
Se obtiene la proyección y el resto por ortogonalidad a la base del
Propiedades subespacio
p= α v1 + β v2 = α (1, 0, −1) + β ( 0,1, −1)
 u − p, v1 = 0 u , v1 = p, v1 1 = 2α + β
r = (u − p ) ⊥ F ⇒ 
 u − p, v2 = 0 u , v2 = p, v2 −3 = α + 2 β
24
Ejemplo 8b: proyección ortogonal

Motivación Resolviendo el sistema
Objetivos
Temario α = 5 3  p= (1, 0, −1) + β ( 0,1, −1)= ( 53 , − 73 , 23 )
 Producto escalar 
 Matriz Asociada β = − 3  r = u − p = ( 13 , 13 , 13 )
7
 Ortogonalidad
 Bases Se comprueba que
 Cambio de base
 Mínimos cuadrados  r, v1 = 0
 Producto vectorial r⊥F⇒
 Resumen  r, v2 = 0
Bibliografía
Software Ángulo y distancia
u , p 26
=
Definiciones y Ejemplos  ( u , F ) =
arc cos =
arc cos 3
Propiedades
u ⋅ p 3 26 3
= arc cos ( 0,9813) ≈ 0.1937 rad
d ( u , F=
) r= 3
3
25
Bases ortogonales y ortonormales

Motivación  Una base B= {v1, v2, …vm} de un subespacio se
Objetivos
denomina ortogonal cuando
Temario
 Producto escalar  0 i≠ j
vi , v j 
 Matriz Asociada > 0 i =
j
 Ortogonalidad – En una base ortogonal, la matriz asociada es diagonal.
 Bases
 Cambio de base
 Mínimos cuadrados  Una base ortogonal es ortonormal cuando
 Resumen
0 i ≠ j
vi , v j 
Bibliografía 1 i = j
Software – En una base ortonormal, la matriz asociada es la identidad.
Definiciones  La proyección ortogonal del vector u sobre un

Método G-S – Ejemplos
Matriz de proyección subespacio definido por una base ortogonal
B= {v1, v2, …vm} viene dada por
m
u , v1 u , v2 u , v3 u , vm u , vk
=u
v1 , v1
v1 +
v2 , v2
v2 +
v3 , v3
v3 +  + =
vm , vm
vm ∑k =1 vk , vk
vk
26
Cálculo de una base ortogonal

(Método de Gram-Schmidt Wikipedia)
Motivación  Dada la base B= {v1, v2, …vn} del espacio E, obtener a
Objetivos partir de ella una base ortogonal B’= {w1, w2, …wn} .
Temario
 Producto escalar  Proceso
 Matriz Asociada – Tomamos un vector cualquiera de la base
 Ortogonalidad – Creamos un nuevo vector, combinación de un vector de la
 Bases base inicial y el resto de vectores de la nueva, exigiéndole
 Cambio de base
ortogonalidad.
 Producto vectorial – Repetimos el proceso con todos los vectores de la base inicial
 Resumen w1 = v1
Bibliografía
v2 , w1
Software w2 = v2 − αw1 → w2 , w1 = 0= v2 , w1 − α w1 , w1 ⇒ α=
w1 , w1
Definiciones w3 ⊥ w1
w3 ⊥ w2 v3 , w1 v ,w
Método G-S– Ejemplos
Matriz de proyección
w=
3 v3 − αw1 − βw2 → w=
3 v3 − w1 − 3 2 w2
w1 , w1 w2 , w2

wk ⊥ w1
wk ⊥ w2
k −1  k −1
vk , wi
wk vk − ∑ αi wi 
= →=wk vk − ∑
wk ⊥ wk −1
wi
27
= i 1 =i 1 wi , wi
Ejemplo 9a: Cálculo de una base ortogonal

Motivación Obtener a partir de la base B={ u1=(2,-1,1), u2=(0,-2,2), u3=(-2,0,-1)}
Objetivos definida anteriormente, una base ortogonal y otra ortonormal.
3
Temario 1er Método: A partir del producto escalar x, y = ∑ xk yk
k =1
 Matriz Asociada
 Ortogonalidad
w1 =u1 =( 2 −1 1) → w1 , w1 =6
 Bases u2 , w1 4
 Cambio de base w=
2 u2 − w1 
2 1u ,w =4
→ w=
2 (0 −2 2 ) − ( 2 −1 1=)
 Mínimos cuadrados w1 , w1 6
 Resumen = 43 ( −1 −1 1) → w2 , w2 = 16 Base
3
Bibliografía
Software u3 , w1 u3 , w2 u3 , w1 = −5
( 2 −1 1)
w= u3 − w1 − w2 →
3(
u3 , w2 = 4
−1 −1 1)
3 4
w1 , w1 w2 , w2 3
Definiciones
2(
Método G-S– Ejemplos −5
4 1
0 −1 −1)
Matriz de proyección=( −2 0 −1) − ( 2 −1 1) − 3 4
3 ( −1 −1 1) =
6 16 Matriz Asociada
3
= 12 ( 0 −1 −1) → w3 , w= 1 6 0 0
3 2  
G = 0 16
3 0
0 1 
28  0 2
Ejemplo 9b: Cálculo de una base ortogonal

Motivación 2o Método: A partir de la matriz del producto escalar en B
Objetivos {u1 =
B= ( 2, −1,1) , u2 = ( −2,0, −1)}
( 0, −2, 2 ) , u3 =
Temario
 Producto escalar  6 4 −5 
 Matriz Asociada  
 Ortogonalidad x, y= xt Ay → A
=  4 8 −2 
 Bases  −5 −2 5 
 Cambio de base 
 Mínimos cuadrados ω1 = u1 = (1 0 0 ) B → ω1 , ω1 = 6
 Resumen u2 , ω1 4 Base
ω= u2 − ω1 
u2 , ω1 =
→ω=
4
(0 1 0)B − (1 0 0 ) =
Bibliografía ω1 , ω1 6 (1 0 B0 ) B
2 2
Software
= ( − 23 1 0 ) B → ω2 , ω2 = 16
3 ( − 23 1 0 )B
Definiciones
ω= u3 −
u3 , ω1
ω1 −
u3 , ω2 u ,ω =
ω2 →
3 1 −5 ( 0 − 12 − 12 )B
ω1 , ω1 ω2 , ω2 u ,ω =
3 4
3 2 3
Matriz Asociada
4
−5
1 0 ) B =
6 0 0
=( 0 0 1) B − (1 0 0 ) B − 163 4
3 (0  
6
3 G = 0 16
3 0
0 1 
29 = 12 ( 0 −1 −1) B → ω3 , ω
= 1  0 2
3 2
Ejemplo 9c: Cálculo de una base ortogonal

Motivación Coordenadas de {ω1, ω2, ω3} en Bc: cambio de base
Objetivos {u1 =
BA = ( 2, −1,1) , u2 = ( −2,0, −1)}
( 0, −2, 2 ) , u3 =
Temario
 Matriz Asociada
B=
N {=1 2 3e ( 0,0,1)}
e (1,0,0 ) , e= ( 0,1,0 ) , =
 Ortogonalidad  2 0 −2 
 Bases  
 Cambio de base PA → N = −1 −2 0 
 Mínimos cuadrados  1 2 −1
 Producto vectorial  
 Resumen
 1  2 0 −2   1  2
Bibliografía        
w1 = 0  = −1 −2 0  0
  = −1
Software 0      
  BA  1 2 −1 A→ N  0  BA  1 BN
Definiciones
 − 23   2 0 −2   − 23   − 43 
Método G-S – Ejemplos        4
Matriz de proyección w2 = 1 = −1 −2 0    1 =− 3 
       4
 0  BA  1 2 −1 A→ N  0  BA  3  BN Mismo resultado
 0  2 0 −2   0  0
     1  1
w3 = − 12  = −1 −2 0  −
 2 =− 2 
− 1     1  1
30  2  BA  1 2 −1 A → N  − 2  BA  − 2  BN
Proyección sobre un vector

Motivación Dados dos vectores u y v del espacio euclídeo E cuyas
Objetivos coordenadas en una base ortonormada B son x e y
Temario
 Producto escalar respectivamente. Por definición:
 Matriz Asociada v, u v, u x t y xx t
 Ortogonalidad = =
p proy vu = v v = x= t
=t
y Πv y
 Bases v, v v, v xx xx
 Cambio de base
 Resumen
Bibliografía  Πv se denomina matriz de proyección sobre v
Software – Si u,vЄRn → x,yЄMn×1 → x×xtЄMn×n y xt×xЄM1×1=R
Definiciones Ejemplo 10: Obtener la matriz de proyección sobre el vector (-1,2,1,0)

Matriz de proyección  −1  1 −2 −1 0  1 6 −2 −1 0
6
     −1 
2 t  −2 4 2 0 xx t 0
2 1
x=  x x= 6 xx=
t
Π= =  3 3 3
1  −1 2 1 0
v
xt x  −1 6 1 3 1
6 0
     
0  0 0 0 0  0 0 0 0
31
Proyección sobre un subespacio (I)

Motivación  Dada la base ortogonal B= {v1, v2, …vm} del subespacio
Objetivos V , la proyección de u sobre V viene dada por:
Temario
 Producto escalar v1 , u v ,u v ,u v ,u
 Matriz Asociada p=proyV u =
=v1 + v2 2 + v3 3 + + m vm =
 Ortogonalidad v1 , v1 v2 , v2 v3 , v3 vm , vm
 Bases
v1v1t v2 v2t v3v3t vm vmt  m vk vkt 
∑ t
 Cambio de base
 Mínimos cuadrados =t u + t u + t u +  + t u = u =ΠV u
v1 v1 v2 v2 v3v3 vm vm  k =1 vk vk 
 Resumen
Bibliografía  Πv se denomina matriz de proyección sobre V
Software  Toda matriz de proyección es idempotente (Πv)2=Πv
Definiciones
Método G-S – Ejemplos Ejemplo 11: Obtener la matriz de proyección sobre el espacio generado
Matriz de proyección por los vectores v1=(-1,2,1) y v2 =(1,1,-1)
 1 −2 −1  1 1 −1  1 2 0 −1
2
t
vv v v 1t
 1   
ΠV = +1 1
t
= 2 2
t −2 4 2  +  1 1 −1  =  0 1 0
vv vv 6  3  −1 −1 1  −1 0 1 
1 1 2 2
 − 1 2 1     2 2
32
Proyección sobre un subespacio (II)

Motivación  Cuando la base 𝐵𝐵 es cualquiera, el cálculo de las
Objetivos coordenadas de la proyección se obtiene resolviendo
Temario
 Producto escalar  v1 , v1 v1 , v2  v1 , vn   x1   u , v1 
    
 Matriz Asociada
 v2 , v1 v2 , v2  v2 , vn   x2   u , v2 
 Ortogonalidad =
 Bases           
    
 Cambio de base
 Mínimos cuadrados  vn , v1 vn , v2  vn , vn   xn   u , vn 
 Resumen  Escrito matricialmente como BT GBx = BT Gy
Bibliografía
Software  siendo 𝐵𝐵 la matriz de los vectores de la base (en columnas) y
𝐺𝐺 la matriz del producto escalar.
−1 Despejando
Definiciones x = ( BT GB ) BT Gy
Método G-S – Ejemplos  Para obtener el vector proyección hay que multiplicar las
coordenadas por los vectores de la base
x B ( B GB ) B Gy → Π
= B ( B GB ) BT G
−1 −1
=
p B= T T T
 Si la base de referencia del producto es ortonormada: 𝐺𝐺 = 𝐼𝐼

 Si la base del subespacio es ortogonal: 𝐵𝐵𝑇𝑇 𝐺𝐺𝐺𝐺 = 𝐷𝐷, lo que
33 conduce al caso anterior
¿Cómo cambia la matriz asociada al producto

escalar al cambiar de base?
Motivación  Sean v y w dos vectores del espacio euclídeo E
Objetivos
Temario cuyas coordenadas en la base BA son xA e yA
 Producto escalar respectivamente, y en la base BN son xN e yN .
 Matriz Asociada v ≡ xN ≡ x A w ≡ yN ≡ y A
 Ortogonalidad
 Bases  Sea un producto escalar en E cuya matriz
 Cambio de base
 Mínimos cuadrados asociada en la base BA es GA y en BN es GN.
 Producto vectorial =
v, w x=
t
G y
N N N x t
AG A y A
 Resumen
Bibliografía  Sea P la matriz de cambio de base de BN a BA.
Software = =
x A Px N y A Py N
Matriz asociada  La relación entre las matrices del producto escalar
Propiedades viene dada por
( PyN )
( PxN ) GA= xNt ( P t GA P ) y N ⇒
Ejemplos
=
v, w x=
t t
AG A y A
( Pt ) GA P −1
−1
⇒ G=
N P t GA P ↔ G=
N
34
Definiciones y propiedades
Motivación  Dos matrices A y B se denominan congruentes cuando
Objetivos existe una matriz regular C tal que A=CtBC
Temario
 Matriz Asociada  Una matriz regular C se denomina ortogonal cuando
 Ortogonalidad
 Bases
Ct=C-1
 Cambio de base
 Mínimos cuadrados  La matriz de cambio de base entre bases ortonormales
 Resumen es ortogonal
Bibliografía BA , BN bases ortonormales ⇒ GA = GN = I
Software −1
G=
N P t
G A P → =
I P t
IP ⇒ P=t
P
Matriz asociada Ejemplo 12: Obtener la expresión de la matriz asociada el
Propiedades producto escalar en el espacio euclídeo R3 tomado como base
Ejemplos B={ u1=(2,-1,1), u2=(0,-2,2), u3=(-2,0,-1)} (ver ejemplo 4)
 2 0 −2   6 4 −5 
   
P = −1 −2 0  G =P t IP = 4 8 −2 
 1 2 −1  −5 −2 
35    5 
Planteamiento
Motivación Dada una función f(x) o el valor de una función para ciertos
Objetivos valores x1, x2,…xn (ajuste continuo o discreto), se desea encontrar
Temario otra y(x), obtenida como combinación de funciones “simples” {ψ1,
 Matriz Asociada
ψ2,…ψm} (polinomiales, trigonométricas, etc.) que sea lo “más
 Ortogonalidad próxima, esto es, de manera que el error entre ambas sea lo
 Bases menor posible.
 Cambio de base
 Mínimos cuadrados ( x ) α1ψ 1 ( x ) + α 2ψ 2 ( x ) +  + α mψ m ( x )
f ( x ) ≈ y=
 Resumen  Hay que definir quienes son las funciones (una base)
 Dichas funciones definen un subespacio euclídeo (de dimensión finita)
Bibliografía  Al proyectar la función sobre dicho subespacio se obtienen los coeficientes
Software y el residuo
Planteamiento  ψ 1 ,ψ 1 ψ 1 ,ψ 2  ψ 1 ,ψ m   x1   u,ψ 1 
   
Discreto
 ψ 2 ,ψ 1 ψ 2 ,ψ 2  ψ 2 ,ψ m   x2   u,ψ 2 
Continuo =
          
   x   u ,ψ 
 ψ m ,ψ 1 ψ m ,ψ 2  ψ m ,ψ m  n   m 
36
Ajuste discreto en R2
Motivación
{ xi , yi }i =1 n>m
n
Objetivos  Datos de partida
Temario
Y = ( f ( x1 ) , f ( x2 ) ,, f ( xn ) )
T
 Producto escalar  Vector a proyectar
 Matriz Asociada
 Ortogonalidad
 Bases  Base del espacio de proyección
B = {Ψ1 , Ψ 2 , Ψ 3 ,, Ψ n } : Ψ k = (ψ k ( x1 ) ,ψ k ( x2 ) ,,ψ k ( xn ) )
 Cambio de base T
 Resumen  Ψ1T  ψ 1 ( x1 ) ψ 1 ( x2 ) ψ 1 ( x3 )  ψ 1 ( xn ) 
 T  
ψ 2 ( x1 ) ψ 2 ( x2 ) ψ 2 ( x3 )  ψ 2 ( xn ) 
Bibliografía Ψ2 
Software X t =
=
        
 T   
Planteamiento  Ψk  ψ m ( x1 ) ψ m ( x2 ) ψ m ( x3 )  ψ m ( xn ) 
Discreto
Continuo  Ψ i , Ψ j =∑ψ i ( xk )ψ j ( xk )

 =
Producto escalar: a, b ∑ ak bk →  k


Ψi , y =∑k
ψ i ( xk ) yk
 Planteamiento
X T X α = X TY
37
Ejemplo 13a: Aproximación polinómica discreta

Motivación Obtener la mejor aproximación por mínimos cuadrados de la función
Objetivos de Runge f(x)=(1+x2)-1 tomando la base {1,x, x2} utilizando los
puntos {-2,-1, 0 ,1, 2}.  1 2 
Temario 1 −2 ( −2 ) 
2
1+ ( −2 )
 Producto escalar     15 
 Matriz Asociada 1 −1 ( −1) 
2
 1
1+ ( −1)
2  1 
 Ortogonalidad      2
X = 1 0 ( 0)  ,Y =   
1+ ( 0 )  = 1 →
2 1
 Bases 2
 Cambio de base  2 
  1 
 Mínimos cuadrados 1 1 (1)   1
1+ (1) 
2  2
 Producto vectorial  2     1 5 
 Resumen 1 2 ( 2 )  

1
2 
1+ ( 2 ) 
Bibliografía  2   
Software  ∑1k ∑x k ∑k ( xk )   ∑1k ⋅ yk 
 k k
  k 
G = X t ⋅ X =  ∑ xk ∑ ( xk ) ∑k ( xk )  b = X t ⋅ Y =  ∑k xk ⋅ yk 
2 3
Planteamiento
Discreto  k k
Continuo  4   
 ∑ ( xk ) ∑ ( xk ) ∑k ( xk )   ∑ ( xk ) ⋅ yk 
2 3 2
 k k  k 
 5 0 10   α 0   12 5  α 0 = 139 175
     
Gα =
b ↔  0 10 0   α1  = 0  ⇒  α1 = 0
10 0 34   α   13   α = −11
38   2   5   2 70
Ejemplo 13b: Aproximación trigonon. discreta

Objetivos de Runge f(x)=(1+x2)-1 tomando la base {1,cos(x), cos(2x)} utilizando
los puntos {-2,-1, 0 ,1, 2}.  1 2 
Temario
1 cos ( −2 ) cos ( −4 )  
1+ ( −2 )
  15 
   2  1 
( ) ( )
1
 Matriz Asociada
 1 cos −1 cos − 2 
1+ ( −1)
 Ortogonalidad    2
 Bases X = 1 cos ( 0 ) cos ( 0 )  , Y =  1
2  
1+ ( 0 )  = 1 →
    1 
 Cambio de base
 Mínimos cuadrados  1 cos (1 ) cos (1)   1
1+ (1) 
2  2
 Producto vectorial 1 cos ( 2 ) cos ( 4 ) 
     1 5 
 1
2 
 Resumen  1+ ( 2 ) 
Bibliografía  
Software  ∑k 1k ∑ cos ( x ) k ∑ cos ( 2 x )k 

 ∑ 1k ⋅ y k


 k k
  k


∑
cos ( xk ) ∑ ( cos ( x ) ) ∑k ( k ) ( k )  
∑ ( k) k 
2
G= k cos x cos 2 x b =X t
⋅ Y = cos x ⋅ y
Planteamiento k k  k 
   cos ( 2 x ) ⋅ y 
∑k ( cos ( 2 xk ) )  ∑
Discreto
 ∑ cos ( 2 xk ) ∑ cos ( x ) cos ( 2 x )
2
k k 
Continuo  k k
k k
 k 
 5.00 1.248 −1.140   α 0   2.400  α 0 = 0.481

     
Gα =↔
b  1.248 1.930 1.094 α
 1  = 1.374  ⇒ α1 =0.246
 −1.140 1.094 2.201   α   0.322  α =
39   2     2 0.273
Ejemplo 13c: Representación

Motivación Representación de las dos curvas obtenidas por aproximación
Objetivos de mínimos cuadrados utilizando bases polinómicas y
Temario trigonométricas
 Matriz Asociada
 Ortogonalidad
 Bases
 Cambio de base
 Resumen
Bibliografía
Software
Planteamiento
Discreto
Continuo
1
f ( x) =
1 + x2
=y1 0.794 − 0.157 x 2
40 0.481 + 0.246 cos ( x ) + 0.273cos ( 2 x )
y2 =
Ajuste continuo en [a,b]

Motivación
Objetivos  Datos de partida f ( x ) x ∈ [ a, b ]
Temario
 Producto escalar  Vector a proyectar f x ( )
 Matriz Asociada
 Ortogonalidad
 Base del espacio de proyección B = {ψ 1 ( x ) ,ψ 2 ( x ) ,,ψ m ( x )}
 Bases
 Cambio de base
 Mínimos cuadrados  Producto escalar:  ψ ,ψ = ∫ ψ i ( x )ψ j ( x ) dx
b
 Producto vectorial  i
∫ ( ) ( )
b j
= v x w x dx → 
a
 Resumen v, w
 ψ i , y = ∫ ψ i ( x ) y ( x ) dx
a b
Bibliografía 
 Planteamiento a
Software
Planteamiento
 ψ 1 ,ψ 1 ψ 1 ,ψ 2  ψ 1 ,ψ n   α1   y,ψ 1 
    
 ψ 2 ,ψ 1 ψ 2 ,ψ 2  ψ 2 ,ψ n α y ,ψ
Discreto
Continuo
 2  =  2 
          
     
 ψ n ,ψ 1 ψ n ,ψ 2  ψ n ,ψ n α
 n   y ,ψ n 
41
Ejemplo 14a: Aproximación polinómica continua

Motivación Obtener la mejor aproximación por mínimos cuadrados de la
Objetivos función de Runge f(x)=(1+x2)-1 tomando la base {1,x, x2} en [-2,2]
Temario
 Producto escalar  Coeficientes
 Matriz Asociada 2 2 2 16 2 2 64
 Ortogonalidad = ∫ 1dx = ∫ 0= ∫−2 3 ∫−2
= = ∫−2
2 3 4
4 xdx x dx x dx 0 x dx
−2 −2 5
 Bases
 Cambio de base 2 1 2 1 2 1
∫ dx = 2.214 ∫−2 1 + x 2
⋅ = ∫−2 1 + x 2 dx = 1.786
⋅
2
 Mínimos cuadrados x dx 0 x
−2 1 + x 2
 Resumen  Sistema
Bibliografía
Software 4 0 16
  α 0   2.214  α 0 = 0.827
3
     
Gα =↔
b 0
16
3 0   α1  =  0  ⇒  α1 =
0
Planteamiento  16 64   α   1.786  α = −0.205
Discreto  3 0 5  2     2
Continuo
 Proyección
y ( x ) 0.827 − 0.205 x 2
=
42
Ejemplo 14b: Aproximación trigon. continua

Objetivos de Runge f(x)=(1+x2)-1 tomando la base {1,cos(x),cos(2 x)} en [-2,2]
Temario
 Producto escalar  Coeficientes
 Matriz Asociada
cos ( x ) dx = 1.819 cos ( 2 x ) dx = −0.757
2 2 2
 Ortogonalidad ∫
−2
1dx = 4
−2 ∫ −2 ∫
 Bases
cos ( x ) dx 1.627 cos ( x ) cos ( 2 x ) dx 0.816
2 2
= ∫ = ∫
2
 Cambio de base −2 −2
cos 2 ( 2 x ) dx = 2.247
2
 Resumen
−2 ∫
1 1 1
Bibliografía ( ) ( )
2 2 2
Software
∫−2 1 + x 2 dx 2.214
= ∫−2 cos x ⋅ =
1+ x 2
dx 1.457 ∫−2 cos 2 x ⋅ =
1+ x 2
dx 0.337
Planteamiento  Sistema
Discreto  4 1.819 −0.757   α 0   2.214  α 0 = 0.501
Continuo      
Gα =↔
b  1.819 1.622 0.816 α
 1   = 1.457  ⇒  α1 =
0.217
 −0.757 0.816 2.247   α   0.337  α =
  2     2 0.240
 Proyección
( x ) 0.501 + 0.217 cos ( x ) +0.240cos ( 2 x )
y=
43
Ejemplo 14c: Representación

Motivación Representación de las dos curvas obtenidas por aproximación
Objetivos de mínimos cuadrados utilizando bases polinómicas y
Temario trigonométricas
 Matriz Asociada
 Ortogonalidad
 Bases
 Cambio de base
 Resumen
Bibliografía
Software
Planteamiento
Discreto
Continuo
1
f ( x) =
1 + x2
=y1 0.827 − 0.205 x 2
y2 0.501 + 0.217 cos ( x ) +0.240cos ( 2 x )
44 =
Definición de producto vectorial en R3

Motivación
Objetivos  Dados dos vectores v y w de R3, se define el producto vectorial
Temario v×w como el vector u que tiene las siguientes propiedades:
 Producto escalar – Módulo: |u| = |v| |w| sen(v,w) = área del paralelogramo
 Matriz Asociada – Dirección: ortogonal (perpendicular) al plano definido por v y w
 Ortogonalidad – Sentido: dado por la regla del sacacorchos girándola desde v hacia w.
 Bases
 Cambio de base
 Resumen
Bibliografía
Software
 Cálculo en una base ortonormal:

=ut (=
u1 , u2 , u3 ) vt ( v1 , v2 , v3 )
 e1 e2 e3 
 
w = u ∧ v =  u1 u2 u3  = ( u2v3 − u3v2 , u3v1 − u1v3 , u1v2 − u2v1 )
v v v3 
 1 2
45
Resumen
Motivación  Definiciones de espacio euclídeo, norma y
Objetivos producto escalar.
Temario  Todo producto escalar tiene una matriz asociada,
 Matriz Asociada denominada matriz de Gram, que es definida
 Ortogonalidad positiva y se utiliza para realizar los cálculos.
 Bases
 Cambio de base
 La proyección ortogonal de un vector sobre un
 Mínimos cuadrados subespacio se hace planteando un sistema cuya
 Producto vectorial matriz es la matriz de Gram, y permite obtener el
 Resumen elemento del subespacio más próximo al vector
Bibliografía inicial
Software
 El método de Gram-Schmidt permite obtener una
base ortogonal y convertir en diagonal la matriz
de Gram.
 La proyección ortogonal de una función sobre un
subespacio funcional de dimensión finita da lugar
al método de mínimos cuadrados.
 En R3, se puede utilizar el producto vectorial para
obtener el vector ortogonal a un plano.
46
Bibliografía
Motivación
Objetivos
Temario
 Matriz Asociada
 Ortogonalidad
 Bases
 Cambio de base
 Resumen
Bibliografía
Software
47
Instrucciones (I)
Motivación ALGEBRA LINEAL: Válidas en Matlab (M), Octave (O) o ambos (B)
Objetivos B det Matrix determinant
B inv Inverse of matrix
Temario
M mldivide \, Left or right matrix division
 Matriz Asociada mrdivide /
 Ortogonalidad M norm Vector and matrix norms
 Bases M null Null space
 Cambio de base M orth Ortogonal space of a matrix
 Mínimos cuadrados M rank Rank of matrix
M rref Reduced row echelon form
 Resumen
B subspace Angle between two subspaces
Bibliografía M trace Sum of diagonal elements
Software M linsolve Solve linear system of equations
48
Anexos
Motivación
Objetivos
Temario
 Matriz Asociada
 Ortogonalidad
 Bases
 Cambio de base
 Mínimos cuadrados  Demostraciones y desarrollos
 Resumen
Bibliografía
Software
49
Propiedades de los subespacios

Motivación
Objetivos  ∩Ek ⊂ ∑ Ek Volver
Temario  
 Matriz Asociada
∀v ∈   Ek  : v ∈ Ek ⊂ ∑ Ek
 Ortogonalidad  k  k
 Bases
 Cambio de base  F=⊕Ek={v∈F/v=∑vk ∧ vk∈Ek} ⇔ v=0⇒vk=0
 
 Resumen ∀v ∈   Ek  : v ∈ Ek ⊂ ∑ Ek
Bibliografía  k  k
Software
 Dado un subespacio existen infinitos
suplementarios
50

Espacio Vectorial Euclídeo

Cargado por

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

Espacio Vectorial Euclídeo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Espacio Vectorial Euclídeo

Cargado por

Copyright:

Formatos disponibles

Titulación: Grado en Ingeniería Ultima actualización: 08/10/2015

Planificación: 3 Teoría+1.5 Prácticas+4 Laboratorio

Descripción del problema

 Nota: Una norma siempre define una distancia d ( x, y=

Producto escalar Wikipedia

Motivación  Definición: Un espacio vectorial prehilbertiano sobre un cuerpo

Ejemplo 1: producto escalar de vectores

Ejemplo 2: producto escalar de funciones

 Mínimos cuadrados -1.5

Ejemplo 3: producto escalar de matrices

∑∑ ( a + cik ) b= ∑∑ a b + ∑∑ cik bik

5) A, A =∑∑ ( aik ) =0 ⇔ aik =0

Expresión del producto escalar en una base I

Expresión del producto escalar en una base II

Matrices definidas positivas

Ejemplo 4: matriz asociada

 Se define el ángulo θ entre dos vectores u y v al

Ejemplo 5: ortogonalidad de vectores

Ejemplo 6: ángulo de dos vectores

Ejemplo 7: subespacio ortogonal

Ejemplo 7: continuación (Repaso E.V.)

Cálculo de la proyección ortogonal

Expresión matricial de la proyección

Ejemplo 8a: proyección ortogonal

Ejemplo 8b: proyección ortogonal

Bases ortogonales y ortonormales

Definiciones  La proyección ortogonal del vector u sobre un

Cálculo de una base ortogonal

Ejemplo 9a: Cálculo de una base ortogonal

Ejemplo 9b: Cálculo de una base ortogonal

Ejemplo 9c: Cálculo de una base ortogonal

Proyección sobre un vector

Definiciones Ejemplo 10: Obtener la matriz de proyección sobre el vector (-1,2,1,0)

Proyección sobre un subespacio (I)

Proyección sobre un subespacio (II)

 Si la base de referencia del producto es ortonormada: 𝐺𝐺 = 𝐼𝐼

¿Cómo cambia la matriz asociada al producto

Ejemplo 13a: Aproximación polinómica discreta

Ejemplo 13b: Aproximación trigonon. discreta

 5.00 1.248 −1.140   α 0   2.400  α 0 = 0.481

Ejemplo 13c: Representación

Ajuste continuo en [a,b]

Ejemplo 14a: Aproximación polinómica continua

Ejemplo 14b: Aproximación trigon. continua

Ejemplo 14c: Representación

Definición de producto vectorial en R3

 Cálculo en una base ortonormal:

Propiedades de los subespacios

También podría gustarte