Tema 6.

ESPACIOS VECTORIALES EUCLDEOS

PRODUCTO ESCALAR, NORMA Y DISTANCIA. MATRIZ DE GRAM ORTOGONALIDAD PROCESO DE ORTOGONALIZACIN DE GRAMSCHMIDT APROXIMACIN LINEAL VECTORIALES EUCLDEOS SOLUCIN APROXIMADA INCOMPATIBLES (MTODO CUADRADOS)
Fundamentos Matemticosde la Ingeniera

EN DE DE

ESPACIOS SISTEMAS MNIMOS

1

Una de las aplicaciones ms interesantes en este captulo es el mtodo de mnimos cuadrados. Con frecuencia, al tratar de comprender datos experimentales, deseamos determinar una recta o una curva que encaje o se ajuste ms (o describa mejor) estos datos. Por ejemplo, imaginemos que un profesor de lgebra lineal mantiene las estadsticas (que se muestran a continuacin) del porcentaje de notables otorgados durante un perodo de 6 cursos.
Curso Porcentaje de notables 1 2 3 4 5 6

0.20

0.25

0.20

0.30

0.45

0.40

Si el profesor quisiera trazar una recta que se acerque a los puntos en la tabla tendr muchas opciones. Sin embargo, hay una que se ajusta mejor a estos datos, bajo cierto criterio. En este captulo veremos que esa recta es y = 0.13333 + 0.05 x
2

Fundamentos Matemticosde la Ingeniera

Un poco de historia
El mtodo por mnimos cuadrados fue inventado por Karl Friedrich Gauss, y lo us para resolver un problema de astronoma. En 1801 el asteroide Ceres se haba observado mucho ms brillante durante ms de un mes antes de desaparecer cuando se acerc al Sol. Con base en las observaciones disponibles, los astrnomos deseaban aproximar la rbita de Ceres para observarlo de nuevo cuando se alejara del sol. Gauss emple los mnimos cuadrados e impact a la comunidad cientfica al predecir la hora y el lugar correctos (unos 10 meses despus) para localizar el asteroide.

Karl Friedrich Gauss (1777 - 1855) Matemtico, fsico y astrnomo alemn. Nacido en el seno de una familia humilde, desde muy temprana edad Gauss dio muestras de una prodigiosa capacidad para las matemticas (segn la leyenda, a los tres aos interrumpi a su padre cuando estaba ocupado en la contabilidad de su negocio para indicarle un error de clculo). Durante su vida, se reconoci que era el matemtico ms grande de los siglos XVIII y XIX.
3

Fundamentos Matemticosde la Ingeniera

PRODUCTO ESCALAR
Sea V un espacio vectorial real es un producto escalar sobre V si : 1.2.3.4.es un espacio vectorial eucldeo
Fundamentos Matemticosde la Ingeniera 4

-EJEMPLOS.1.- Producto escalar usual en

Para vectores de definimos:

2.- Otro producto escalar en

Para vectores de definimos:

3.- Producto escalar usual en

Siendo
Fundamentos Matemticosde la Ingeniera 5

4.- Producto escalar usual en

Para definimos:

5.- Producto escalar usual en

Para definimos:

Siendo la traza de una matriz cuadrada la suma de los elementos de su diagonal principal.

Fundamentos Matemticosde la Ingeniera

-OBSERVACIN.- Otra forma (ms cmoda) de calcular el producto

escalar usual de dos matrices cuadradas del mismo orden

Fundamentos Matemticosde la Ingeniera

6.- Producto escalar usual en

es el espacio vectorial de las funciones continuas en [a , b], y por tanto integrables en [a , b].

Algunas propiedades del producto escalar.1.2.3.Fundamentos Matemticosde la Ingeniera

El nico vector de un espacio vectorial eucldeo V que cumple que su producto escalar con todos los vectores de V es cero, es el vector nulo.
8

NORMA Y DISTANCIA EUCLDEAS

Los conceptos geomtricos de longitud, distancia y perpendicularidad, que son bien conocidos para y , se definen en este captulo para y, en general, para cualquier espacio vectorial eucldeo V. Estos conceptos nos van a proporcionar herramientas geomtricas potentes para resolver muchos problemas aplicados, incluidos los problemas de mnimos cuadrados que hemos mencionado en la introduccin. Los tres conceptos se definen en trminos del producto escalar, tambin denominado producto interior, de dos vectores.

Sea

un espacio vectorial eucldeo

Norma o longitud de un vector. Distancia entre dos vectores.-

-OBSERVACIN.Fundamentos Matemticosde la Ingeniera 9

Propiedades de la norma.1.2.3.4.* Desigualdad de Schwarz*

5.6.Desigualdad de Minkowski o desigualdad triangular

Fundamentos Matemticosde la Ingeniera 10

Sobre la historia de la desigualdad Cauchy-Schwarz-Bunyakovsky

Se acredita a Cauchy1 la desigualdad para vectores y a Schwarz 2 para los productos escalares con integrales. Sin embargo, fue Bunyakovsky 3 quien demostr y public la desigualdad de Schwarz en una monografa, 25 aos antes que Schwarz.
1

Augustin Louis Cauchy (1789-1857) naci en Pars y muri en una villa cercana a esa misma ciudad. Es autor de trabajos importantes sobre ecuaciones diferenciales, series infinitas, determinantes, probabilidad, grupos de permutacin y de fsica matemtica. En 1814 public una memoria que se convirti en el fundamento de la teora de las funciones complejas. Su trabajo se conoce por su rigor. Public 789 artculos y ocup puestos en a Facultad de Ciencias, en el Colegio de Francia y en la Escuela Politcnica, todos en Pars. Ha muchos trminos y teoremas que llevan su apellido. Fue un realista fiel y vivi en Suiza, Turn y Praga, despus de rehusarse a jurar la alianza. Regres a Pars en 1838 y recuper su puesto en la Academia de Ciencias. En 1848 recuper su lugar en la Sorbona, que mantuvo hasta su muerte.
2

Karl Herman Amandus Schwarz (1843-1921) naci en Hermsdorf, Polonia (hoy Alemania), y muri en Berln. Estudi qumica en Berln, pero se cambi a matemticas, obteniendo el doctorado. Desempe puestos acadmicos en Halle, Zurich y Gttingen. Reemplaz a Weierstrass en Berln y ense alll hasta 1917. Trabaj en clculo de variaciones y en superficies mnimas. Su memoria en ocasin del 70 aniversario de Weierstrass contiene, entre otros temas importantes, la desigualdad para integrales que hoy se conoce como desigualdad de Schwarz.
3

Viktor Yakovlevich Bunyakovsky (1804-1889) naci en Bar, Ucrania, y muri en San Petersburgo, Rusia. Fue profesor en San Petersburgo de 1846 a 1880. Public ms de 150 trabajos en matemticas y mecnica. Fue autor de trabajos importantes en teora de los nmeros, y demostr y public la desigualdad de Schwarz en 1859, 25 aos antes que Schwarz. Tambin trabaj en geometra y en hidrosttica. 11 Fundamentos Matemticosde la Ingeniera

Desigualdad de Schwarz

Definicin de ngulo entre dos vectores no nulos.Es el correspondiente al arco dado por:

Fundamentos Matemticosde la Ingeniera

12

EXPRESIN MATRICIAL DEL PRODUCTO ESCALAR

Si V es un espacio vectorial eucldeo de dimensin n y

es una base de V, entonces:

Fundamentos Matemticosde la Ingeniera

13

 : matriz de Gram, o matriz del producto escalar dado, en la base B. G es simtrica. Los elementos de la diagonal principal de G son estrictamente positivos. G es regular. : expresin matricial del producto escalar dado en la base B.

Fundamentos Matemticosde la Ingeniera

14

ORTOGONALIDAD
Definicin de vectores ortogonales.-

-EJEMPLOS.- En (

p.e.usual) comprobar que los vectores son ortogonales. Son ortogonales estos vectores con el producto escalar

de V

es el nico vector de V ortogonal a todos los vectores

IMPORTANTE
Fundamentos Matemticosde la Ingeniera 15

 Definicin de subconjuntos ortogonales.Dos subconjuntos A y B de V son ortogonales ( cuando Sea S subespacio vectorial de V y una base de S. Entonces: ),

-EJEMPLO.- Comprobar que los subconjuntos

son ortogonales en (
Fundamentos Matemticosde la Ingeniera

p.e. usual)
16

-EJEMPLO.- Hallar el subespacio vectorial formado por todos los vectores ortogonales al subespacio: utilizando el producto escalar usual en
Segn la definicin de siendo B una base de S. , ser:

Primero encontramos una base de

S.

Fundamentos Matemticosde la Ingeniera

17

SISTEMAS ORTOGONALES Y ORTONORMALES. PROCESO DE ORTOGONALIZACIN DE GRAM-SCHMIDT

En este apartado describiremos un mtodo muy importante, llamado proceso de Gram-Schmidt*. El proceso de Gram-Schmidt es un algoritmo sencillo para producir una base ortogonal u ortonormal para cualquier subespacio vectorial, de un espacio vectorial eucldeo.

es un sistema ortogonal de vectores si es un sistema ortonormal de vectores si

Es decir, un sistema ortonormal es un sistema ortogonal formado por vectores unitarios

Vectores unitarios

En honor del matemtico y actuario dans Jrgen Pedersen Gram (1850-1916) y Erhard Schmidt, matemtico alemn (1876-1959).
Fundamentos Matemticosde la Ingeniera

18

-EJEMPLOS.1.- En ( el sistema pues: pero no es ortonormal pues: el sistema ortonormal, pues:

p.e. usual) es ortogonal,

es

2.- En

con el producto escalar

Son ortogonales los vectores ?

Fundamentos Matemticosde la Ingeniera

19

IMPORTANTE Propiedades de los sistemas ortogonales.a) s.ortogonal de vectores no nulos del e.v. eucldeo V, entonces: s.ortogonal, entonces:

b)

-OBSERVACIN.-

Para r = 2

En

con el producto escalar usual: Teorema de Pitgoras

Fundamentos Matemticosde la Ingeniera 20

 Proyeccin ortogonal de un vector.- La proyeccin ortogonal de sobre es el vector:

-OBSERVACIN.-EJEMPLO.- En ortogonal del vector con el p.e. usual la proyeccin sobre es:

Fundamentos Matemticosde la Ingeniera

21

Si es un s. libre de un espacio vectorial eucldeo V, entonces: s.ortogonal y tales que: s.ortonormal

Todo espacio vectorial eucldeo de dimensin finita n admite bases ortogonales y ortonormales Cmo se hallan estas bases?

Proceso de ortogonalizacin de Gram-Schmidt:

Fundamentos Matemticosde la Ingeniera 22

Cmo se construye una base ortogonal BO O (ortonormal BON ) de un espacio vectorial eucldeo S? ON
1.- Hallar una base B de S: 2.- Proceso de ortogonalizacin de Gram-Schmidt:

3.- Normalizar los vectores

del paso 2.-:

Fundamentos Matemticosde la Ingeniera

23

-OBSERVACIONES.1.- No es necesario partir de una base B de S, basta con partir de un sistema generador de S. El proceso de Gram-Schmidt detectar si el sistema es libre o ligado. 2.- Suele resultar conveniente calcular los productos escalares de los diversos vectores de la base o s.g. de S y reordenarlos escribiendo en primer lugar aquellos vectores que sean ortogonales entre si.
Fundamentos Matemticosde la Ingeniera

Utilizando el p.e. usual hallar una base ortogonal del s.v. engendrado por los vectores:

Utilizando el p.e. usual hallar una base ortogonal del s.v. engendrado por los vectores:

24

APROXIMACIN LINEAL EN ESPACIOS VECTORIALES EUCLDEOS

En este apartado vamos resolver el siguiente problema: espacio vectorial eucldeo S subespacio de V con Se trata de encontrar tal que: sea mnima Este problema admite solucin y es nica. se denomina mejor aproximacin de -OBSERVACIN.- Si
Fundamentos Matemticosde la Ingeniera

base de S

en S.
25

, entonces

Mejor aproximacin de Si mejor aproximacin de

en S.es una base ortogonal de S, la en S es:

Coeficientes de Fourier. Suma de Fourier.Si es una base ortogonal de S: se denominan coeficientes de Fourier. se llama suma de Fourier.
Fundamentos Matemticosde la Ingeniera 26

Cmo encontrar la mejor aproximacin de un vector de un espacio vectorial V en un subespacio S de V? 1.- Comprobar que 2.- Hallar una base B de S: 3.- Proceso de ortogonalizacin de Gram-Schmidt aplicado a B:
BO base ortogonal de S O

4.- Suma de Fourier ( ) de BO encontrada en el paso 3.-:

respecto de la base ortogonal

5.- Comprobar el resultado:

HAY QUE TRABAJAR CON EL PRODUCTO PRODUCTO ESCALAR ESCALAR DEL DEL PROBLEMA PROBLEMA
27

Fundamentos Matemticosde la Ingeniera

-EJERCICIO.- Consideremos el producto escalar usual en a.- Encontrar la mejor aproximacin de en el subespacio vectorial S y hallar la norma del error cometido. Solucin 1.- Comprobamos que 2.- Hallamos una base BS de S 3.- Aplicamos el proceso de Gram-Schmidt a la base BS de S para conseguir una base ortogonal BO de S:

Fundamentos Matemticosde la Ingeniera

28

4.- Suma de las proyecciones ortogonales de vectores de la base ortogonal BO de S:

sobre los

5.- Comprobar el resultado: Norma del error cometido

b.- Utilizando el producto escalar usual encontrar la mejor aproximacin de en el subespacio vectorial: y hallar la norma del error cometido. Solucin
29

Fundamentos Matemticosde la Ingeniera

SOLUCIN APROXIMADA DE UNA SISTEMA DE ECUACIONES LINEALES INCOMPATIBLE. (MTODO DE MNIMOS CUADRADOS)
El ejemplo introductorio del captulo describe un gigantesco problema A x = b que no tena solucin. Los sistemas inconsistentes surgen con frecuencia en las aplicaciones, aunque generalmente no con una matriz de coeficientes tan enorme. Cuando se necesita una solucin y no existe alguna, lo mejor que se puede hacer es encontrar una x que haga A x tan cercana a b como sea posible.

Pensemos en A x como una aproximacin de b. Cuanto ms corta sea la distancia entre b y A x, dada por || b A x || mejor ser la aproximacin. El problema general de mnimos cuadrados es encontrar un x que haga || b A x || tan pequea como sea posible. El trmino de mnimos cuadrados surge del hecho de que || b A x || es la raz cuadrada de una suma de cuadrados, pues estamos utilizando el producto escalar usual en .
Fundamentos Matemticosde la Ingeniera

30

Cmo resolver de forma aproximada un sistema de ecuaciones lineales incompatible? 1.- Expresar vectorialmente el sistema:

2.- Hallar

mejor aproximacin de

en S.
HAY QUE TRABAJAR CON EL PRODUCTO ESCALAR USUAL

Utilizar el esquema del apartado anterior 3.- Resolver el sistema:

La solucin del sistema ( ) es la solucin aproximada del sistema incompatible (1). 31

Fundamentos Matemticosde la Ingeniera

-EJERCICIO.- Resolver de forma aproximada el sistema de ecuaciones lineales dado por:

1.Comprobamos incompatible:

Solucin que el

sistema

es

2.- Escribimos el sistema en forma vectorial:

Fundamentos Matemticosde la Ingeniera

32

3.- Hallamos la mejor aproximacin 3.1.- Encontrar una base BS de S 3.2.- Aplicar base BS de S B O de S: el proceso de para conseguir

de

en S:

Gram-Schmidt a la una base ortogonal

3.3.- Hallar la suma de las proyecciones ortogonales de sobre los vectores de la base ortogonal BO de S:

Fundamentos Matemticosde la Ingeniera

33

4.- Resolver el sistema:

Fundamentos Matemticosde la Ingeniera

34

Clculo alternativo de una solucin por mnimos cuadrados.

El siguiente teorema proporciona un criterio til para cuando existe una solucin por mnimos cuadrados de A x = b.
T A es invertible si y slo si las La matriz AT columnas de A son linealmente independientes. En este caso, la ecuacin A x = b tiene solamente una solucin por mnimos cuadrados y viene dada por:

Fundamentos Matemticosde la Ingeniera

35

Producto escalar
Expresin matricial Espacio vectorial eucldeo
Caractersticas

CONCEPTOS PROPIEDADES Ejemplos

Teora de aproximacin lineal

Objetivo Planteamiento
Coeficientes de Fourier Suma de Fourier

Propiedades

Norma Distancia ngulo entre dos vectores

Ortogonalidad Ortonormalidad

Vectores Subconjuntos Proyeccin ortogonal

Mtodo de Gram-Schmidt
36

Fundamentos Matemticosde la Ingeniera