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
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
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
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
Siendo la traza de una matriz cuadrada la suma de los elementos de su diagonal principal.
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
Sea
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:
12
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.
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
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: ),
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:
S.
17
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
es
2.- En
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
-OBSERVACIN.-EJEMPLO.- En ortogonal del vector con el p.e. usual la proyeccin sobre es:
21
Todo espacio vectorial eucldeo de dimensin finita n admite bases ortogonales y ortonormales Cmo se hallan estas bases?
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:
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
base de S
en S.
25
, entonces
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
HAY QUE TRABAJAR CON EL PRODUCTO PRODUCTO ESCALAR ESCALAR DEL DEL PROBLEMA PROBLEMA
27
-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:
28
sobre los
b.- Utilizando el producto escalar usual encontrar la mejor aproximacin de en el subespacio vectorial: y hallar la norma del error cometido. Solucin
29
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
1.Comprobamos incompatible:
Solucin que el
sistema
es
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:
3.3.- Hallar la suma de las proyecciones ortogonales de sobre los vectores de la base ortogonal BO de S:
33
34
35
Producto escalar
Expresin matricial Espacio vectorial eucldeo
Caractersticas
Propiedades
Ortogonalidad Ortonormalidad
Mtodo de Gram-Schmidt
36