EL ESPACIO EUCLIDEO INTRODUCCIO! ‘Trataremos en este tema de levar a los espacios vectorales nociones geométricas como crtogonalidad, angulo, ongtud, distancia, areas \Veremas que todo ello se puede obtener al introducir un producto escalar. La geometriaeuclidea se desarrola on los siglos XIX y 20% tras la aparcion del concepto de ‘espacio vectorial, Recibe su nombre en honor a Euclides, matematico griego (~300 a.C.) {Quien estudié los conceptos basicos de la Geomelria plana, aunque por Supuesto no en un Contexto vectorial Para generalizar e508 conceptos geoméitices, observamos el comportamiento de los vvectores del plano, En 3? tenemos definite el producto escalar usual (1,23) (Diba) = as bs + abs Es una operacién entre dos vectores, cuyo resultado es un escalar (de ahi el nombre “producto escalar’), El producto escalar permite reconocer a las vectores ortagonales (‘angulo recto’): dos vvectores son ortogonales su producto escalar es cero (por ejemplo, (1,3) y (8.2), etc.) ‘Observemos las propiedades de esta operacién: Propiedades del producto escalar usual. 4. Conmutatva. u-vev -u 2. Distrbutva. u-(v+w) =u-v + u-w 3. Reubicacion del escalar « (u-v)= (cu) 4. Definida posttva: vv 2 0, y se da la igualdad v @ O solamente para el vector v= 0 Definicién: Producto escalar en cualquier espacio. Espacio euclideo. ‘Cualguier operacién en un espacio vectorial que cumpla las anteriores propiedades, diremos {que es un producto escalar (aunque no se trate del producto escalar usual). Llamaremos espacio euclideo a un espacio vectorial dotado de un producto escalar Elproduct acaler se cancer peru: v.Terbln se puede zara ntecion <7, Ejemplos de producto escalar. 41. Elproducto escalar usual en 98” (a5. Bx) (Duan By) = a4 By + aa bo... BeBe ‘Neila Campos ‘ALGEBRA LINEAL Espacio Buclideo |Puede verse como el producto de una mate fla por una mattiz columna: ) (rae. ...09)|8 |= ab) a0be +... + ann 2. En m7 podemos “inventar’ otra operacién que cumpla también las propiedades anteriores, y por tanto podremos llamarla un producto escalar. Por ejemplo, (abc) (abc) = aa! + 2bb' + 3 oc Compruébese que cumple las propiedades, 3. En el espacio My de mattices 2x2 con términos reales producto escalae ( ) (¢ A) a's bb'bco"+dd" podemos defini el siguiente Este producto escalar también puede expresarse asi, para dos matrices A y B A-Be taza (AB!) (Netz lataza dona mati a sma de ss elementos dagonle) 4, En el espacio Ms, el producto ordinario de matiices no es un producto escalar. (Su resultado no es un escalar; ademas no es conmutatvo, etc) 5. Enel espacio vectorial Cfa.b] de las funciones continuas en el ntervao [a,b definimos el Producto escalar fo fo 009 6 CCompruébese que cumple todas las propiedades de un producto escala. 6. En el espacio Pis{ ax’ + bx + ca, b, ce 81 }de los polinomios de grado <2, podemos defn el prodicto scale (a Hox + 0)- (ae bixte)=aa ebb tee ‘Otra posilidad es considerar a los polinomios como funciones continuas en un intevalo, y utlzar el producto escalar del ejemplo anterior. Notar que el producto ordnario de polinomios no es un producto escalar (su resultado no es un escalar, etc) Neila Campos ~~ALGEBRA LINEAL spacio Fuelideo 2Por analogia con lo que ocurre en el plano o el espacio con el producto escalar usual, ppodemos definirlos siguientes conceptos, siempre referidos a un cierto producto escala Nos situamos en V, un espacio euclideo. 1. Vectores ortogonales. Dos vectores u, v son ortogonales si su producto escalares cero: uv = 0. Se denota uv. Diremos que un conjunto de vectores es un conjunto ortogonal si cada uno de ellos es lortogonal a todos los demas. (Exigimos ademés que ninguno de los vectores sea el 6) * Notar que si dos vectores u, v son ortogonales entonces también Jo son sus miliplos au y By (a, Bescalares) 2. Norma o médulo de un vector La norma 0 médulo de un vector es |v [= VV=v La nocién corresponde, intuitvamente, @ la “longitud’ del vector. También se puede denotar {|v + Con cualquier producto escalar, el nico vector de modulo cero es e! 3 + "Notar también que el médulo de un vector es el mismo que el de su epuesto, y que el médulo de av es |av|=|a|1v| (€s decir, el médulo queda multipicado por el valor absolute del escalay) + Ademas se cumple para cualesquiera u, v la desiqualdad tangular: |u+v| < |u| |v] 3. Distancia entre dos vectores, La distancia entre u y ves la norma del vector diferencia entre ambos. dist (u,)=|u-v1 4, Angulo entre dos vectores, Es sabldo que para el producto escalar usual de st” ge tiene que u-v=|u||v| cosa donde a 8 el Angulo que forman ambos vectores. Por tanto, para generalizar la nocién de “angule @ cualquier espacio euclde, definimos sage ucts) iilvi Notar que si alguno de los dos vectores es nulo, no podemos dividr por su médulo y por tanto el Angulo no esta defnido. En efecto, geométricamente el vector nulo no ferma angulo ningun. ala Campos RUGEBRA LINEAL FapcioEvclico 3Ejomplos. 1. En "con el producto escalar usual: Sea u=(1,0.0, v=(1,0,). sentient + Su distancia es | v—u|=| (00,1) 1. En.%t* con otro producto escalar: Consteremos ol siguiente producto escaar, ya visto: (abe): (abe) = aa’ + 2bb'+ 3 cc" yo vector v0.1) del eempo anterior. Con este product escalar, su médulo es distinc: Wevett+200+944% 4, hegolvieJF=2. CCon este producto escalar también se obtienen distancias, énguls, ete dlstntos de los Lsuales (se trata de una ‘cstorsion” geométrica del espacio), 3. Enel espacio Cf0,1] de funciones continuas en ol intervalo [0,1 ‘Sean los vectores (unciones) fx)=x2, 9(x)=xH1 ,respeco al producto escalarf + Sus médulos son: [f= J fx?-x? dx Keenotna = [2 Suse on:[f]= J fis Isl i Hong = 7 + Sudistancia es: Jie (+t) a : . feed ul + Angulo que forman: arc cos sarc cos i sarc cos —12_ = 0,547 rad mua! file aiee| a 1 ft 83 Bs Como se ve en los ejemplos, si las anteriores nociones ee aplican a ‘%? 0 St? con el Producto escalar usual, producen los conceptos geométricos usuales. Si cambiamos ol Producto escalaro trabajamos en otro espacio vectoral las nociones de longitud, Angulo, et. ‘eran diferentes (quizé ni siuiera se puedan dibular), aunque son igualmente coherentes. roma dad de Cauchy-Schwarz) Para cualesqulera u, v en un espacio euclideo, se tiene que su producto escalar, en valor bsoluto, os menor o igual que el producto de sus normas. lu-viStul-vd vyademas a igualdad | u-v I+ s6lo se da cuando u es maitipio de v. ‘Neil Campos ‘ALGEBRA LINEAL [Espacio Bucideo +Teorer ‘Todo conjunto ortogonal es lineaimente independiente Demostracién (sto la hacemos para dos vectores) Sabomos que el cojunto {u,v} es orlogonal, es decir, uv =0. Debemos ver que es Hneslmente independiante. Para elo, basiard ver quo un vecler no 6s mio del oto. En efecto, sas fuera, tendramos usa v. Entonces al se ortogonales, > (av)-v=0 > a(v-v}=0 > oblena=0, obien v-¥ 0 (ypor tanto v=). Como na nv pueden ser nus, concluimos que no es posible que sea usu v. Por tanto (u,v) son Tnalmente indopendiontes. Dofinicién: Normalizacién. Conjunto ortonorm: + Nomatizar un vector es educa vector (itp suo) de narma Ello se consigue multipicando el vector por el nimero Elemale’ £1 vector (4) ne nome 5 Cm Suniades eons) Portanto = “ny fe el vector nomatzade su norma es 1 Etectvamente (2) + 5 ‘+ Sellama gonjunto ortonormal a un conjunto otogonal cuyos voctorestianen todos norma 1 ‘Se puede obtener normalizando un conjunto ortogonal. Sus elementos vs, vy... cumplen: Vir Ve =0, vi-W = (el producto de vectores dstntos es 0, de cada vector por si mismo es 1) 4) La base canénica (1,0.0, (01.0), (0.0.1) de 9%? es un conjunto ortonormal. Ademas es ‘base, asi que dremos que es una base ortonormal 2) (120) (4:20) otogonal pro 0 crencra. i nomatzames os veces, se oben Una matriz cuadrada nxn se dice que es una mattiz orogonal si sus columnas son vectores cortonarmales de si" (con el producto escalar usual) (Nola. No nos dejemos confundr por la nomenclatura, pues se lama matiz eogonal, a pesar de ‘que sus columnas son arfonoamals y no so ortogonales) ‘ALGEBRA LINEAL TBspacioBueldeo $Propiedades de las matrices ortogonales. 1. Las colurmnas de una matric ortogonal son n vectores ortonormales en 3%" y por tanto linealmente independientes; asi pues, las columnas forman base de i” (es una base cortonermal) Eno sucesiva veremos a uidad de las bases oronormales (pla base candnica de 2") 2. Por tanto toda mattiz ortogonal es regula inverse (su determinante es no nulo) 3. Una matiz Aes oxtogonal sy sé si su inversa coincide con su traspuesta. A"= A SUBESPACIOS ORTOGONALES. Definicién (vector ortogonal a un subespacio) ‘Se dice que un vector v es orfogonal a un subespacio S (y se denota v.18) si v es ortogonal 2 todos los vectores de S. (Basta con que v sea ortogonal los vectores de una base de 8). Elomplo. En 2% el vector (00,1) es rtogonal al plano XY. Definicién: Subespacios ortogonales. Diremos que un subespacio $ es ortogonal a otro subespacio T (se denota $11) si todo vector de S es oriogonal a todo vector de T, es deci: u:V=0 para todo ueS, veT, Basia con que los vectores de una base de S sean orlogonales a los vectores de una base der. Propiedad: Si os subespacios son ortogonales entonces su interseccién ha de ser (3). En efecto, si tuvidramos un v2 Gen la interseccién, tendriamos vv + 0 con veS, eT. Ello impide que los subespacios sean orlogonales, Elemplo: En x, ele X es ortogonal al plano YZ. ‘Sin embargo, e plano XY no es ortogonal al plano YZ. + Por otra parte, recordemos que en un espacio vectorial, dado un subespacio S podemos defini su suplementario (0 complementatio) como T tal que SOT sea el espacio total. Todo subespacio S (salvo el {3} y el total) tienen infnitos suplementaris, pero s6lo uno es cortogonal a S. Neila Campos “ALGEBRA LINEAL spac Bueldeo 6Definicién: Complemento ortogor Dado un subespacio S, su complemento ortogonal (9 simplemente su ortogonal es el inico subespacio (denotado por $* ) que cumple + dim $+ dim $4 =n_ (donde n es la dimension del espacio tota), + 81's ortogonal aS. Ejemplo. En 91°, el subespacio S=planoXY tiene infnitos suplementaros (toda recta que no esté Contenida en S). Pero de ellos s6lo uno es su complemento ertogonal, que es el ee Z. Propiedades: + $1 est formado por todos los vectores del espacio que son ortagonales a S, * Cualquier subespacio que sea ortogonal a, estaré contenido en S. Construccién del complemento ortogonal Se trata de encontrar todos los vectores ortogonales a S. Basta con que sean ortogonales a subase Por tanto planteamos un sistema de ecuaciones como en el ejemplo siguiente. Es un sistema compatible ndeterminado, cuyo espacio solucion serd (en forma paramétrica) S CObserveros que la dimensién de S* (nimero de pardmetros) deberd ser n— dim S. Eiemplo, Calculemos el ortogonal del siguente subespacio de 2i*: T= ((a, 0, 2a, b) abe 8) Primero necesitamos una base de T: ésta es (1.02.0), (0,00,1) Buscamos los vectores que sean ortogonales a ellos, es decir, los (xy.z1) tales qu: 10 2 0) (1,0,2,0} aoa) (0,0,0, 1) ro > exdeor, ( sistema compatible indeterminado cuyé olucion 68 ((2h, jh =h,0): 2, we RY Portanto una base de T+ sera (2,0, 1, 0), (0, 1,0, 0) Notar que efectivamente dim T = dim 7. Comprobar también que cada uno de los vectores de la base de T~ es ortogonal a cada uno de los vectores de la base de T. Nelle Campos “ALGEBRA LINEAL Espacio Fuclideo 7PROYECCIONES ORTOGONALE: 1. Proyeccién ortogonal de un vector sobre otro. Proyeccién de un vector v sobre otto vector u vse puede descomponer de manera Unica como v= v; + vz conv; en la dreccién de u,y v2 ortogonal au. La componente vse lama proyeccién ortogonal de v sobre uy se denata proy u(v). Nolar que proy « (v ) es un miiiplo de u Seccaleuia: | proy(v) = o-* Una vez hallada la componente vs , 88 puede calcular la otra componente v2 como Ejemplo: En st? proyectamos v=(1,2) sabre u=(,1). Yelverton 12) (3,1). amped ain la primera va en fa dieccién de u y la segunda es ortogonal au (compruébese). 2. Proyescién ortogonal de un vector sobre un subespacio. Dado un vector v y un subespacio S, v se puede descomponer de manera nica como v= ie, con vs €8, y v2 ortogonal aS, La componente vs se lama proyeccién ortogonal de v sobre S, y se denota proy s (v). Secaicula: [preys BrovesTe + POV) ye a a esdecic [proyson= Sue Ea, fy (Eérmula de la Provecelén) donde {us,. Us} son una base ortogonal de S. ‘Neila Campos ‘ALGEBRA LINEAL ‘Espacio Bucideo 8(i ademas la base es ortonormal, los denominadores pueden suprimirse, pues valen 1). gualmente, una vez hallada la componente vs, se puede calcular vs como Eiemplo En 3°, proyectamos v=(3,2,2) sobre el subespacio S generado por: w= (2.0.1), = (03.0) Lo primero, observamos que us us forman base de S, y ademés base ortogonal, Por tanto puede utlizarse la formula anterior er zi royis |. dos componentes de las cuales la primera, vs, pertenece a S y la segunda, vs , es ortogonal a S (compruébese que ‘vzes arlogonal a ambos vectores dela base de S) Observacién, ao Dado cualquier subespacio , se tiene que S®S+=V, donde V es el espacio otal a Por tanto, todo vector ue V puede descomponerse como: g y usutun conus, we SY Use roy 5 De hecho, estas dos componentes no son otras aye las ee roy 5.L(0) proyecciones ortogonales de u sobre Sy sobre SY, es decir, U = proy 5) + Preys W) ‘Asi pues, puede calcularse primero la componente us « proy s (u) y obtener después la componente u, como u,=u—u, (otra posibiidad es empezar calculando uz= proy g 1 (v) yluego obtener uy = u~ Us Nelle G. Campos “ALGEBRA LINEAL Espacio Buclideo 9Ejomplo. Anteriormente hemos proyectado v =(3,2.2) sobre el subespacio S generado por (2,0,1), (oS conde 4) = (Fd) Otto moto de resolver es hallar primero vs Como roy 1 (i). =(S28) weveweeaa- ( Vs = proys() Para ello hallamos S_", que es la recta generada por w = (1,0;~2)(comprusbese). Entonces, yde ah vie v—ve = (.22)— Observaciones. 41. Notar que si $ es un subespacio de dimensién 1, cuya base es un solo vector u, entonces proyectar sobre S es lo mismo que proyectar sobre u 2. Si un vector w ya esté en ol subespacio 8, al proyectarlo sobre S no varia. La ‘descomposicion w= wy + We ceria en realidad w = w + 0 Elomplo: Subespacio S anterior, w = (43,2). Haciendo el cdlculo se tone proysw) = (4.3.2). Ello ocure porque weS (notar que el determinante que fora w con la base de S es nulo, lo ue significa que es linealmente dependiente de dicha base). Coordenadas de un vector en una base ortogon: La observacién 2 anterior nos proporciona una manera de obtener las coordenadas de un vector w=S respecto a una base ortogonal de S En efecto, siweS, y el tenemos una base ortogonal {u,... Ux) 42 S, entonces w= prov) lo cual significa (por la defiicién de coordenadas) que los escalares * las coordenadas de w en fa base deda {s,s ‘dems sia base es ortonormal, los denominadores pueden suprimirse pues valen 1, y asi las coordenadas son simplemente (uy, =, Un" W) Eiemplo, Consideremos on 28? la base (1,1), (1-1) que es ortogonal. Hallemos las coordenadas de w=(54) en esta base, que son: foot) oof’) 23 wf waft Campoe ‘ALGEBRA LINEAL Espacio Buelideo 0 Ente, conponanes ue (42405) totCALCULO DE BASES ORTOGONALES Hemos visto que para aplicar a formula de la proyeccién sobre un subespacio S, se requiere luna base ortagonal de S. Veremos cémo obtener una base ortegonal de 8, si la que tenemos no lo es. Proceso de ortogonalizacién de Gram-Schmidt ‘Supongamos que tenemos una base {uy .., Un} 68S, \Vamos a construr otra base de S, (5... , an) que sera ortogonal Come primer vector tomamos el propio us, PPara construr el segundo vector tomamos us y lo proyectamos sobre el anteriormente Construido a, quedandonos con la componente ortogonal a a, = un proy (2) Asi { a a2} 0n dos vecores que estan en S (pues todas las operaciones se han hecho entre vecores de S)y ademas son ortgonaes. Para constuir el tecer vector tomamos us y fo proyectamos sobre los anterormente construidos a, a2 quedandonas con la componente oftogonal a eos. 83 t= prOy (Us) — Pry o() Ete Este proceso conduce a una base ortogonal de S. Si queremos obtener una base ‘ortonormal, bastara normalzarfinalment los vectores a, obtenidos (0 bien normalizarios en ‘cada paso) Elemplo. CObtener una base ortagonal de 91° a partir de la base ur=(1, w enstenof th eameorntoroe = 9), u=(0,1,1), (10,1) = us— poy 6 (Us) = Us ) mens ee ne Para nacertaortnormaldhdimos cada vector por su noma, obteniénéose la base (249) (6 & 8) é “ie 5.25.) men ge cron i ) mt et BueanaLA MATRIZ DE PROYECCION. \Veamos otra manera de hallar la proyeccién ortogonal de un vector sobre un subespacio , sin necestdad de halla una base ortogonal de éste. El siguiente método solamente es valido para subespacios de mt” Dada una base de S, no necesariamente ortogonal, 1. Formamos la matiz A que contione fa base en sus columnas. Tendré pues, tantas columnas como indique dim S. (No es necesariamente cuadrada). 2, Formamos la matriz cuadrada (2 exstoncia do la inversa de A’ Aestd garantizada por haber formado A con una base). La matriz Ps se lama matriz de proyeccién sobre ol subespacio S. Esta matriz sive para proyectar sobre S cualquier vector v Por tanto, es especialmente it si tenemos que proyectar varios vectores sobre un mismo subespacio, La matriz de proyeccisn de un subespacio dado es nica, y no depende de la base de la que hayamos partido, Eiemplo, En 3°, vamos a proyectar v= (3,2,2) sobre el subespacio S generado por: uy (2.0.1), (0.3.0). (Ya lo hicimes por etre métode, comprobaremos que el resultado es el mismo) Tomamos la base (20,1), 0,3.0), (que es ortogonal pero no seria necesario que lo fuese), y formamos la matriz, 2 0) aslo 3 14, | seen nates ‘Neils Campos ALGEBRA LINEAL espacio Buclideo!2Propiedades de iz de proyec “Toda matrz P de proyeccion sobre un subespacio de 9" es: 4. Cuadrada nxn 2 Simetrica 3. Idempotente (A‘=A) Y ademas, toda matriz Q que cumpla las tres propiedades anteriores, resuta ser matriz de proyeccién de un certo subespacio de si” Este subespacio es aquel que generan sus columnas. Por tanto, Q es matriz de proyeccion de un cierto subespacio S. Este sera el generado por Observacién 'Si tenemos que proyectar un vector sobre un subespacio S, y no disponemes de una base cortogonal de S, tenemos dos opciones: ~ Caleular una base ortogonal por Gram-Schmidt para utlizar la férmula dela proyeccién, 0 hallar la matriz de proyeccién Py utlizaria para proyectar el vector Neila Campos ideo 13OTRAS NOCIONES GEOMETRICAS. 1. Vector simétrico. En un espacio euclideo podemas generalizar la nocién de vector simétrco respecto a un plano, recia 0 subespacio en general, que actuara como un “espejo™ (Dado un vector v y un subespacio S, descomponemos: V= vst ve= pray g(¥) + proy g 1 (v) Entonces se define el vector simétrico de v respecto a S como id es decir roy 5 W)—Proy 5 LW wn wae 2. Gilculo de éreas v volimenes uesto que en un espacio euclideo sabemos “medi distancias y longitudes (con ta nocién de modulo de un vector), ello nos permite aplcar las fGrmulas geométricas usuales para ‘alcular areas y volimenes en 5° y 5° Elemplo. Dado el subespacio $ generado por (20,1), (03,0) haliar el simétrico v" del vector v = (3.2.2) Calcuar el area del tridngulo formado por v y v". Como ya hemos calculado, v= vs + vz = (® , = ('68)_( enone vewsovs = (a8) (3h cs area podida es dos veces el area sombreads, or tanto 4 rea = 2 bescaturs = 2 bull FEOF 0+ GY = 17899 unadest ‘Neila Campos ‘ALGEBRA LINEAL spacio Buelideo 14APLICACIONES PRACTICAS. \Veremos cémo aplicar las nociones del espacio euclideo para: + Aptoximar una funcion continua por medio de un potinomio. + Encontrar la solucin aproximada de un sistema incompatible. « Alustara una gréfica (recta, curva) una nube de puntos. Para ello introducimos la nocién de “mejor aproximacién’ ‘Mejor aproximacién de un vector en un subespacio. En un espacio euclideo, dado un vector v y un subespacio v 8, de entre todos los vectores de S hay uno que es el mas nisiva sacs proximo a v. Se llama mejor aproximacion dev en S, y Gees 6s precisamente la proyeccién ortogonal proys(¥. Para cualquier otro we la distancia a v es mayor, es decir | proys(v) —v|<|w—v| para cualqulerweS, ws proystv) Se llama error cuadritico medio (0 error cuadtico, © desviacién cuadtitica) al ‘cuadrado de la distancia que separa v de su aproximacion ‘Nota. También es posible usar como error la norma | proyt¥) ven higar de la norma al evadrado. Para faciltar los célculos con funciones trigonométricas, logarimicas, exponenciales. ppodemos sustiulas por un polinomio que se aproxime a elas en un cierto interval [a Para ello consideramos el espacio euclideo te, {funciones continuas en el interval [3,6] } con el producto escalar dado por: t-9 fra) ot 6x ¥y consideraremos el subespacio P; = (polinomios de grado < +}, calculando entonces la ‘mejor aproximacion del vector (la funcion dada) en dicho subespacio, Podemos elegir el grado F dependiendo de la precision que queramos alcanzar. Cuanto ‘mayor sea el grado, menor serd el error. ‘AUGEBRA LINEAL espacio Bulideo 15jemplo. ueremos aproximar a funcién | or un polinomi de grado 2, en el interval [0,1] Para ello consideramos el espacio G01] con el producto esealar ¢-g= [te g(x x el vector (hncin) =e, ye subespacto Ps = (polinomios de grado < 2}, Calevlemos la mejor aproximacion de en Ps, es decir, proy p, (D) Para ello necesitamas una base ortogonal de P,,Patondo de la base esténdar (1, x, ¢) podemos hallar una ertogonal por Gram-Schmidt (uttzando siempre el producto escalar ado por a integral, obtenéndose la base ay= 1, as=x~ 4, a5 at at, at roy, (= lo que se calcula mediante las integrales correspondientes. Ge. ats [te dee te) resultando el potinomio 00) lx) ~ 084 x'+ 085x+ 101 Elerror cuadratico es Ip-tP= [eee] & yo000386 El error es muy pequefo, lo que signifea_que la aproximacion es buena. En efecto, en la figura se ve Gp Ge GUSUNUETE T TaTaTeTE 2 que la grafica del polnomio pts) y la x de e* estan "bastante proximas” en el intervao (0.1, (Ge hecho, el ertor representa el rea comprendida entre las dos curvas. Este método de Aproximacion hace que dicha area sea minima), Silo aproximéramos por un polinomio de grado 3, 4,.. obtendriamos una aproximacién ain mejor. Otras posibilidades de aproximacién. + Dada una funcién 1(2), en lugar de aproximarla por un polinomio, también podemos ‘proximaria por otro tipo de funciones. Basta hacer la transformacion adecuada para ‘educio al problema de aproximacion por polinomies. Por ejemplo, 11 Avtar) =19xporuaintn dao quale acoxmar por un poinamio ses Neila Campos ‘ALGEBRA LINEAL Espacio Bucideo 162) Aproximar fx) = log x por una funcién de la forma Vat Equivale a aproximar (log x)' por un polinomio ax +b. 3) Aproximar (x)= 608 x por una funcion de la forma © Equivale a aproximar log (cos x) por un polinomio wx +b. + Enotras ocasiones seré necesaro un cambio de variable: Hy 4) Aproximar f(x) = 608(x) por una funcion de la forma 1 Hacemos el cambio 4. yslequale a prxear ex!) por an pam + 5) Aoroxinar f= sone por ua func de a forma_a og) + Hacomos el cae ogi =yporanfo xe at equvele a proxinar sen) por un pelnomo a8 '6) Aproximar fix) = cos(x) por una funcion de la forma ac" +b: Hacemos el cambio e*=t y por tanto x log(), y asi equivale a aproximar cos(log()) por un polinomio t= 8 ‘+ También es posible tomar logaritmos: 7) Aproximmar fx) = €0s(2) por una funcion de ia forma ae. . Equivale a aproximar log(cos{)) por una funcién de la forma tog (se), es dec, log(a)~ bx. ¥ poniendo c =log(a) , equivale a aproximar log(cos)) por una funcién e + bx que ya es un polinomio. Una ver hallado ¢, recuperamos 3 i pues los coefcientes pedides eran ay b 2. Solucis is i i st Cbservemos que resolver un sistema lineal AX=b consiste en poner la columna 6 de {rminos indepencientes como combinacion lineal de las columnas de la matriz meme Sip) emer enon (S)(S}() Extranet x.y shat vector 5=(*) os combinaconinoa de (%"), (2), os dec, s a)" a Pertenece al subespacio S generado por elas. En ese caso el sistema sera compatible, Sies incompatible, se debe a que no pertenece al subespacio S. En ese caso, podemos sustur 6 por oto vector é que si esté en S, y para cometer el menor error posible, ¢ sera la mejor aproximacion de 6 en S. Neila G. Campos ‘ALGEBRA LINEAL Espacio Buclideo '7Por tanto, en lugar del sistoma incompatible AX=B, resolvemos otro sistema: las columns do A Este nuevo sistema ya es compatible. Su solucién, si bien no cumple las ecuaciones del sistema original Ax=b as satisface “aproximadamente” El error evadratica es [¢-6|* (trabajando en st" con el producto escalar usual), o dicho de otra manera, | Ax bj donde x es la solucién aproximada que hemos hallado. Este método se llama método de minimos cuadrados ya que hace minimo el error ccuadratco Ejemplo 4 630-0) a a) i. pater eer & cea), (2) m7. nnn ts or ‘mejor aproximacién en S. Para ello, una base de S es ol vectr (1.2) eof) 2 (1.2) wt) Y ahora resolvemos el sistema compatible (indeterminado) roys(d) = proye.2() (1 2{2)+(2) ee stn oe 2.41 ttm nn ssn eo snc eesmatanen leone pa poe | Elerror cuadritica es |b—c = ‘Neila Campos ‘ALGEBRA LINEAL Espacio Buelideo 18Ejemplo 2, 0 2) ements tee 2) (9 oS Caleulamos por tanto fa mejor aproximacién de B en S. Una base de S estéformada por _ambas columns, puesto que son lineaimente independientes. Con ella podemos calcula la ‘mabiz de proyeccion, que seré Ps=A(A'A)" AY As, © = proye(B) = Ps (i El eror cuadratico es | 5 — = F joan-(é, Obtencién directa de la soluci6r En algunos casos podremos oblener Ia solucién directamente, sin siquiera plantear ni resoher el sistema compatible, ‘= Dado ol sistema incompatible A =6, comprobar si las columnas de A son linealmente Independientes (ello ocurtra cuando el rango de A coincida con el n® de columnas) = Sies asi, a solucién aproximada por minimos cuadrados es tia, y es r= WAP Explieacién: En el ejemplo 2 anterior, las columnas de A son lineaimente independientes. Elo nos ha permite ular A para’ para calcular la matt de proyeccién A(AIA)" A’, y ésta para calcular C= A (AA) AY B Pero, observemos ia expresion AGATA) "AL B= & 0 (way Como el sistema que hay que resolver es A x = <, la expresion anterior nos indica que way Ax 6 (sertatado arriba con la lave), que es un vector columna, es solucion del sistema {Asi pues, 658 6s la solucion (nica, pues el sistema A x = & es compatible determinado). Neila Campos \CGEBRA LINEAL0 partic juste de nubes de puntos. Dada una nube de puntos, (es decir, un conlunto de puntos en el plano, obtenidos mediante resultados experimental, estadisticos, etc) buscamos la recta, pardbola,elc. que melor se ajuste a dichos puntos. Si planteamos que fa curva pase por todos los puntos, obtendremos un sistema incompatible ‘que podemes resolver mediante el método anterior. Eiemplo Buscamos la recta que mejor se ajuste alos puntos (1,2), (2:3), (8.8) Una recta es dela forma y=mx+b. Si pasara por los tres puntos, deberia cumplise aeeite ray. 2 3ea2b} es doct un sitimmontasntgntas mb: ]2 1/()=13 S=23+b 3 1! |s Como tas columnas A (matriz de coeficientes) son linealmente independientes, la solucion se puede hallar drectamente como 2) warns a \s) es decir yasila recta buscada es y 3 xt 5 ‘Comprobar en la figura que, si bien esta recta no pasa por ninguno 6e ios puntos dados, se aproxima a todos ellos, omwemeniirl yf. [S) Ef bn Elerror es pequeno porque los puntos datos estaban ‘casi aineados, + Otras posibilidades: ajustar la nube de puntos mediante una parabola y = ax"+ bx + 6, ‘© medianie polinomios de grado mayor, o tambien mediante una funcién de cualquier tipo come por ejemplo y = cos{x) +b loglx), etc En todos los casos se debe “hacer pasar’ la funcién por cada uno de tos puntos, introduciendo ta abscisa del punto en lax y la ordenada en lay, para obtener una ecuacion por cada punto. Finalmente oblendremos un sistema Incompatibie en las incognitas 2, Bc. que resolveremas por minimos cuadrados, Nella Campos ‘AUGEBRA LINEAL Espacio Eulideo 0Sol Sol. Sol. sol SOLUCIONES A LA AUTOEVALUACION - Espacio Euclideo. C+) 8) El producto escalar debe ser cero, Podemos poner, por semble, (2,10), 0 bien 0.1.2) 6 (10,9, ete 5) Amrovechando ae lamat tne un cre, poemos poner (2 8 ) ‘por ejemplo. 2) Esta operacién cumple algunas de las propledades de un producto escalar, por elmo, resultado un escalar, tone a propiedad eonmutativa...Poro la propiedad definite postiva no se ‘imple, pues al mulipicarun vetor pars miemo puede oblenersa un numero negative (12)-(1.2)814-22 2-3 Por tanto, no es un producto escalar. 1©-3) No, pussto que los vectres erogonales son linealmente independionts, y no puede haber § vectores indepencientes en 9 {G-4) Falso. Por ejemplo el conjunto { (1.0.0, (0.10) } es etonormaly tone dos vectors. (La _afrmacion geri cetas dijeso “base” en ligar de “conjunt” C5) Noes posible, ya que la proyeccin sobre la recta ha de dar como resultado un vetor perieneciente la misma, pero el vector (1.2) no pertenece a a vecta y=x a 16-6) Si, como indica la siguionto faura, en que los voctores wy v tianen ambos la misma proyeccion, w, sobre a ojo X 6-7) Es cuadrada, simatic y se comprusta que es idempotana Por tant, si es matrz de proyeecién, El subespacio es ol generado por sus columnas. Podemos multiplicar los vectores por 3y siguen ‘penerando el misme subespadi, por tanto éste esol ganerado por (21,1), (1.2.1) (112) (también se puede qutar uno de los pues son inealmente depencientes). ‘RUGEBRA LINEAL Espacio Buclideo= AutoovaluaciinB) Soluciones a los Elercicios Sol Et) a) |uP=u . By La distancia es el médule del vector derencia (6,08) ~(1,1 1.01 40 v 40,3) 3) 13 oe : 704, ose 608 (0.784)= 0868 ra HM sn” 8 ores o)cosa= Sol. £2) a) (1,.0034)°(1.23, 1) = 1400008- ‘sis0n ortogonales. ison ortogonales. 5 5 20 noson ortogonales. a 8 Sol, E-3) a) Halamos el médulo dev con el producto escalar usual VeV=Q19-2)- @19-2)=4+14+62 18 weg Iv1= VIB © AVF Normalizamos v dvidiéndolo por su médulo:. fp ts-2)= Nz Ge by Halos el médulo de vcon al producto escalar dado ViVEQ13-2)° @13-2)244 12902 Normalizamos v dvidiéndolo por su médulo: im La 2 ‘Sol. E-4) a) Hay que comprobar si sus column ‘Ty son ortogonaes eves on vectores ertonarmalee, 2s dec, enen médulo En este caso as columnas son us(0(0.2), v1.0.0), w=(0,10). Son oxtogonales entre si, u ‘Vw #0, econo todos Nenen méduo 1, puss u tiene meu 2 Por tanto, Ano es una matrz ortogonal puss Neila Campos —~S*CLGERIRA LINEAL spac Euclideo -AutocvaluacionOta forma: Una matriz es ortogonal cuando su inversa es igual a su traspuesta: pe eae Pr tanto, Ano es una matriz ortogonal ') Por cualquiera do los dos métodos del apartado a), so tione que B si os una matriz ortogonal -5) Hay que ver sl cada vector de a base de S es rtogonal a cada vector dea base de (3:90,1)-0.49.)=0 (33.0.1): (1.1.1.6) =0 (1.020): (,103)=0 pero (1.02.0) (11-18) 1 #0. portanto Sy Tne son subespacios ortogonsles 48) a) Se'rata de hallar tos ls vectors (xy.2) que son ortogonals 2 (1.0.2) Parteamos por tanto la ecuacién (,0,2)-(xy.2) = 0s decir #220 Se trata de un sistema de una sola ecuscion con tres incdgntas, con matz amplada (1 0 2 0). Por ef método de Gauss, su solucén es (29, a, P) que yaes, en parameétricas el complement ‘oriogonal de [ Una base seria (-2,0,1), (01,0). Comprobar que estos vectores son ortogonales a (1,02). Nar también que la mension del etogonal es 2 ya que lade S66 1, estando en 3] Seta detonators oy) sen asin (102) (81) 92) 643 weze0 Panes orn seasons — : {tiseaace (eyo ‘Seta de insta de ds eeucones con wes ncgnitas, on mate apa 5 7|0) Por el método de Gauss se obtene la solucbn (22,2, 2) que yaes, en parameicas ¢@tcomplemento otogonal de T [Una base seri (-21,1).Comprobar que este vector es ortogonala (102) a (11,1). 'Notar tambien que la dimension del ertogonal es 1, ya que a de T es 2, estando en ‘Neila Campos ALGEBRA LINEAL Espacio Bveldeo™ Avtoovaluacién.of) oi } b) Para apicar a formula de la proyeccién, primero hay que vrficar que (1.2.1) y (0,-4.2) {orman una base ortogonal del plano P.Etecvamente se ve que su producto escalar es cero, por antl Entonces, Bian «hot = J 20+ L O-t2) = B20 + $042) eg Sol 7) a) proy.y20 (022) ) ‘Sol, E-6) La mejor aproximacisn es simplemente su proyeccién sobre el plano, Por tanto se rata dl ‘Sol, 9) Aplicamos ol proceso de Gram Schmidt para hallar primero una base otogonal ay 92 aeu2010 @: of) 0,10) roy a) = 2.1) — @ +9) ‘} 62.1)-2019) = Bo) ‘Ahora normakzamos a yas para obtener a base ortonormal by, bs 1, yatione norma t, lego by = = (0.1.0) actin norma YI SO FF = VIO wego bs or tanto la base ontonoral pedida, es: (01,0), (2. ‘Neila Campos ‘ALGEBRA LINFALAUTOEVALUACION - El Espacio Euclideo. Cada (#) os un punto. Hay en foal 40 puntos, de os cuales 10 son de cussions y 30 do ojecicios A) Cuestionos (10 puntos) Nota el producto escala sré usual do 91” mientras no se indque fo conta, (6-1) Dar un vector ortogonal « 8) (12-1) en 1 ) »e 3 ‘en el espacio de matrices Maa (++) €.2) Determina sila siguiente operacién entre vectores de es 0 no un producto estar: (ab) (ab) =aa'—bb! (Sugeroncia: Verifier la propiedad defini positive) (63) 2En 9 puode exist un conjuno de § vectores ortogenales? Razonar a respuesta (+) ©-4) Razonar si es verdadero flso: “Un conjuntoertonosmal en 9 siempre tene 3 vectores” (+) 6-5) En 2%, proyectamos un cierto vector sobre la recta royeccion el vector (1.2) 7 Razonar la respuesta, GES posble obtener como (+) €-5) cPueden dos vectores tint produsirla misma proyecelén sobre un subespacs? (69) 27) Razonar sta maiz puede ser matiz de proyeccién, y en ese caso, hallar @ ‘qué subespaco coresponde B) Ejercicios (30 puntos) Et) Sean os vectors ur(.0.3), v=, 1,3) on St? con el product escalar usual. Hal (2) a) El médu de uy dev. (@)—_B) Laaistanciaente wy. (2) & Elangulo que omen ‘Neila Campos ‘ALGEBRA LINEAL Espacio Evelideo - Autoevaluacién2} Comprobarsilos siguientes voctocos son 0 no exogonales: (9) 8) (4003.4) y (1.2..1-1) en 9° con el producto excaiar usual (©) —b) G3A)y (tA) en 5 con el product escalar (a\b,c}(a bic) = aa! + 2bb’ + Bcc? (©) ©) =x y het en el espacio de funclones continuas C[0, 4] con al producto escalar E53) Normatar el vector v= (21.8;2) en * (+) )cone! producto escalar usu (+) By conc! producto escalar dado por (aed) (a\b'e'd) = aa + bo'+ Zee! +2 ae E44) Comprobar en cada casos se rata ono de una maiz orton 010) ) aasloos 200 owe a) (+) €5) Comprobarsi Sy T son subespasios ertogensles on 5 sande: ((3-3.0,1),(1.02.0)} base de S, {(0,1.03) (1.1-1.6)) base de E{6)_Hallaron el complemanto eriogonal de los siguientes subospacos: (*) 8) S genera por (1.0.2) (©) b) Tgenerade por (1,02), (1.1.1) ExT) Dado el vector (03,2), haar su proyeccién ortogonal sobre los siguientes subespacis: (+) a) sobrota recta generada pore vector (1.2.1) (+) ) sobre oi plano P gonerato por (1.2.1) y (0-12) («) £4) Halaria mejor aproximacion al vector (0.3.2) ene plano gonerado por (1.2.1) (0-12). ‘Neils Campos Espacio Bucldeo = Auoevalasion(++) £9) Hallar una base oronormal del plano generado por u=(0,,0)y v=(32,1) en 8° E10) Dado el subespacio §generado por (1. 1.4) y(02,03)en 3° 1) Hollar eu matiz do proyeccién by Proyectar sobre el vector (0.0.0.8) sobre S EA) Dado el vector v=(34) de 0? i) 4) Hollar su simatio v' respect ala recta generac por (2,1). «) 'b) Hallare rea de trngulo detndo por vy su simétrcn Oy er lee ¥ roimakzar el vector (+) £43) Enel espacio de unconesconinuas 60.2) con ot produto eseaarf-9* J) ab) de halla la mejor aproximacién del uncion fx)=2x+4 en e subespacio generado por ancien gtx. = Pc ere fer (+) a) Comprobar que es incompatible yresolvelo por minimos cuadrados, « ) Haare error cuackatico, ‘Neila Campos ‘ALGEBRA LINEAL Espacio Buclideo- Autoevalacion