Академический Документы
Профессиональный Документы
Культура Документы
Matemáticas I. 2012-2013.
Departamento de Matemática Aplicada II.
Escuela Superior de Ingenieros. Universidad de Sevilla.
5.6.- Ejercicios.
Enunciados.
Soluciones.
En este tema estudiamos la estructura métrica de los espacios Rn , es decir, las cuestiones
relacionadas con distancias y ángulos con especial énfasis en la ortogonalidad entre vectores
y entre subespacios vectoriales. En el estudio de la resolución de sistemas de ecuaciones
lineales, el álgebra de matrices, etc., podı́amos considerar coeficientes reales o complejos de
manera indistinta sin afectar ni a los conceptos ni a los resultados. Aquı́ no sucede lo mismo.
El hecho de considerar vectores reales es esencial. Para poder considerar conceptos métricos
en los espacios Cn , de vectores de coordenadas complejas, habrı́a que considerar la definición
apropiada (coherente) de producto escalar de vectores complejos, que se suele denominar
producto hermı́tico y habrı́a que modificar el enunciado de algunas propiedades. Al aplicar
dicha definición, de vectores complejos, a vectores reales nos darı́a la definición usual que
vemos a continuación y que el alumno conoce en dimensiones dos y tres.
Además de considerar las definiciones y propiedades básicas estudiaremos algunos tipos de
matrices directamente relacionadas con la estructura metrica de los espacios de coordenadas
reales (matrices de proyección ortogonal sobre un subespacio, matrices ortogonales,...)
125
126 Tema 5.- Ortogonalidad y mejor aproximación.
Las propiedades del producto escalar, la norma, la distancia y la ortogonalidad son co-
nocidas por el alumno para vectores en R2 y en R3 . En los espacios Rn , las propiedades son
esencialmente las mismas. Notemos que si considerasemos dichos conceptos de forma inde-
pendiente de un sistema de referencia, en cada uno de ellos aparecen involucrados uno o dos
vectores. Algunas de las propiedades del producto escalar pueden obtenerse directamente
del hecho de que el producto escalar de dos vectores puede expresarse como un producto
matricial, vector-fila por vector-columna, x · y = xT y = y T x. Es inmediato comprobar que
se verifican las siguientes propiedades:
Propiedades.-
(1) El producto escalar es simétrico: x · y = y · x.
(2) El producto escalar es lineal en cada variable, es decir, siendo x, x′ , y, y ′ ∈ Rn y
α, β, λ, µ ∈ R,
(αx + βx′ ) · y = αx · y + βx′ · y,
x · (λy + µy ′) = λx · y + µx · y ′.
(3) ||x|| = 0 ⇐⇒ x = 0.
(4) ||αx|| = |α| ||x|| , ∀α ∈ R, x ∈ Rn .
Notemos que el producto escalar No es asociativo. Es decir, puede suceder que (x · y)z 6=
x(y · z). De hecho es lo más probable. Ejercicio. Busca un ejemplo e interpreta geométrica-
mente el resultado.
(2) Desigualdad triangular: ||x + y|| ≤ ||x|| + ||y|| ( ||x − y|| ≤ ||x|| + ||y||)
El ángulo (los ángulos) determinado por dos vectores no-nulos x, y ∈ Rn puede caracte-
rizarse (definirse) mediante la igualdad
Los resultados clásicos de la geometrı́a métrica plana, como el Teorema del seno o el Teorema
del coseno, son válidos cuando consideramos vectores n−dimensionales.
S ⊥ = {v ∈ Rn : v ⊥ u ∀u ∈ S} .
Es decir, S ⊥ está formado por todos los vectores que son ortogonales
n o a todos los vectores de
S. Por tanto, el complemento ortogonal del subespacio nulo ~0 es Rn puesto que cualquier
vector es ortogonal al vector nulo. Por otra parte, el complemento ortogonal del espacio total
Rn es el subespacio nulo, puesto que el vector nulo (de Rn ) es el único que es ortogonal a
todos los vectores de Rn .
Matemáticas I. 2012-2013
128 Tema 5.- Ortogonalidad y mejor aproximación.
su complemento ortogonal estará formado por los vectores v = [x1 , x2 ]T ∈ R2 que son
ortogonales a todos los vectores de la forma αv1 , α ∈ R
v ∈ S ⊥ ⇔ (αv1 ) · v = 0, ∀α ∈ R ⇐⇒ v1 · v = 0 ⇔ 2x1 − x2 = 0.
Es decir, el complemento ortogonal S ⊥ está formado por los vectores v = [x1 , x2 ]T ∈ R2
cuyas coordenadas verifican la ecuación 2x1 − x2 = 0. Por tanto, S ⊥ es un subespacio
vectorial (de dimensión 1) que viene dado en forma implı́cita y los coeficientes de la
ecuación implı́cita son las coordenadas del vector dirección de S. Si hubieramos consi-
derado otro vector dirección de S (que será un múltiplo no-nulo de v1 ), habrı́amos
obtenido una ecuación equivalente.
(2) Si consideramos un subespacio vectorial S de dimensión 1 en Rn , es decir una recta que
pasa por el origen, generada por un vector no-nulo v1 ∈ Rn
a1
..
S = Gen v1 = .
an
⊥
tenemos que W ⊥ = S ⊥ = S. Es decir, de manera inmediata obtenemos W ⊥ en forma
paramétrica.
Teorema. (Los cuatro subespacios asociados a una matriz) Sea A una matriz real m × n.
Se verifica:
[Col (A)]⊥ = Nul (AT ), [Nul (A)]⊥ = Col (AT ).
Puesto que cualquier subespacio vectorial se puede expresar como el espacio columna de una
matriz tenemos que para cualquier subespacio vectorial S de Rm se verifica
dim S ⊥ = m − dim (S).
Matemáticas I. 2012-2013
130 Tema 5.- Ortogonalidad y mejor aproximación.
...
Notemos que, puesto que los vectores {v1 , v2 , . . . , vp } son linealmente independientes, los
subespacios
S1 ⊂ S2 ⊂ · · · ⊂ Sp = S
son todos distintos (dim (Sk ) = k, k = 1, 2, . . . , p), los vectores u1 , u2 , . . . , up son todos no-
nulos y linealmente independientes y se verifica que
S1 = Gen v1 = Gen u1 ,
S2 = Gen {v1 , v2 } = Gen {u1 , u2} ,
S3 = Gen {v1 , v2 , v3 } = Gen {u1 , u2 , v3 } = Gen {u1 , u2, u3 } ,
.. ..
. .
Sp = Gen {v1 , . . . , vp } = · · · = Gen {u1 , · · · , up } .
u1 = v1
v2 · u1
u2 = v2 − u1
||u1 ||2
v3 · u1 v3 · u2
u3 = v3 − 2 u1 − u2
||u1 || ||u2 ||2
..
.
vp · u1 vp · up−1
up = vp − 2 u1 − · · · up−1
||u1 || ||up−1 ||2
y son no-nulos y ortogonales dos a dos. Además, para cada k = 1, . . . , p, {u1 , u2 , . . . , uk }
es una base ortogonal de Sk = Gen {v1 , v2 , . . . , vk }. En particular {u1, u2 , . . . , up } es una
base ortogonal de S = Gen {v1 , v2 , . . . , vp }.
Observaciones.
(a) Si el objetivo es obtener una base ortonormal de S, una vez que se ha obtenido una base
ortogonal basta normalizar los vectores obtenidos.
(b) En cada paso del método de Gram-Schmidt que acabamos de describir podrı́amos mul-
tiplicar (o dividir) el vector obtenido por un coeficiente no-nulo y seguir los cálculos
con dicho vector.
Definición. (Matriz ortogonal) Se denomina matriz ortogonal a toda matriz Q real cua-
drada no-singular cuya inversa coincide con su traspuesta, Q−1 = QT .
(2) Las n columnas de Q son ortonormales (y por tanto forman una base ortonormal de
Rn ).
(3) Las n filas de Q son ortonormales (y por tanto forman una base ortonormal de Rn ).
Matemáticas I. 2012-2013
132 Tema 5.- Ortogonalidad y mejor aproximación.
Observación.- Notemos que el que las columnas de una matriz (real) sean ortonormales es equi-
valente a que lo sean las filas sólo en el caso de una matriz cuadrada. Una matriz real no cuadrada
puede tener columnas (o filas) ortonormales sin serlo sus filas (o columnas). Por ejemplo, las ma-
trices 1
√1 √1
0 √
1 0 2 3 2
1 1
0 1 , 0 1 , √3 − √2
0 0 √1 0 √1 0
2 3
tienen sus columnas ortonormales pero no sus filas. Las traspuestas tienen filas ortonormales pero
no columnas.
Notemos que:
nos da la proyección ortogonal del vector v sobre el subespacio generado por el corres-
pondiente vector uk .
El vector u = proy S (v) verifica que ||u||2 ≤ ||v||2 y expresando ||u||2 en términos de
la base ortogonal dada esta desigualdad es la desigualdad de Bessel considerada en la
siguiente proposición.
u := proy S (v) = (v · u1 ) u1 + · · · + (v · ur ) ur .
(b) Siendo U una matriz cuyas columnas forman una base ortonormal de S, la matriz de la
proyección ortogonal sobre S es PS = UU T , es decir
proy S (v) = UU T v, ∀v ∈ Rn .
Matemáticas I. 2012-2013
134 Tema 5.- Ortogonalidad y mejor aproximación.
y ∈ S, x − y ∈ S ⊥.
S⊥
x x1 x2 · · · xn
y y1 y2 · · · yn
los valores a y b los obtendremos de la resolución del sistema de ecuaciones lineales
ax1 + b = y1 x1 1 y1
x2 1 y2
ax2 + b = y2 a
≡ .. .. = .. .
···
. . b .
axn + b = yn
xn 1 yn
Lo habitual es que un sistema de ecuaciones como el anterior no tenga solución. Resolver el
sistema anterior en el sentido de los mı́nimos cuadrados consiste en determinar los valores a
y b para los cuales la suma de cuadrados
(ax1 + b − y1 )2 + (ax2 + b − y2 )2 + · · · + (axn + b − yn )2
es mı́nima (si hubiera solución dicho valor mı́nimo serı́a cero). Puesto que esta suma de
cuadrados es el cuadrado de la norma del vector
x1 1 y1
x2 1 y2
a
.. .. − .
. b ..
.
xn 1 yn
y los vectores de la forma
x1 1
x2 1
a
.. .. b ∀ a, b ∈ R
. .
xn 1
forman el espacio columna S de la matriz considerada, resolver el sistema en mı́nimos cua-
drados es determinar el vector de S más cercano al término independiente considerado y
resolver el sistema (que será compatible) con ese nuevo término independiente.
Para un sistema genérico de ecuaciones lineales Ax = b, resolverlo en el sentido de los
mı́nimos cuadrados es determinar el vector (o vectores) x ∈ Rn para los cuales
||Ax − b|| es mı́nima.
Puesto que los vectores Ax recorren el espacio columna de A (cuando x recorre Rn ), ||Ax − b||
será mı́nima para los vectores x ∈ Rn tales que Ax es igual a la proyección ortogonal de b
sobre el espacio Col (A).
A
Rm b
Rn
x
O proyS (b)
O Ax
Col (A)
Matemáticas I. 2012-2013
136 Tema 5.- Ortogonalidad y mejor aproximación.
Observaciones.
(b) El sistema Ax = proy S (b) será compatible determinado (es decir el problema en mı́nimos
cuadrados tendrá solución única) si y sólo si el sistema homogéneo asociado Ax = 0
tiene solución única. Por tanto,
5.6.- Ejercicios.
5.6.1.- Enunciados.
(2) Calcula el radio y el centro de la circunferencia dada por las siguientes ecuaciones
v·u =3
.
||v|| = 1
Ejercicio 3. Expresa el vector (1, 3, −1, 4)T como suma de dos vectores u + v siendo u
proporcional a (2, 1, 0, 1)T y v ⊥ u.
Ejercicio 4. Halla la proyección ortogonal de los siguientes vectores sobre los subespacios
que se indican:
(1) (4, 1, 3, −2)T sobre el subespacio definido por x1 + x2 + x3 + x4 = 0.
(3) (3, −4, 5)T sobre el subespacio f (E) siendo f la aplicación lineal dada por la matriz
1 0 1
A = −1 1 0
0 1 −1
Matemáticas I. 2012-2013
138 Tema 5.- Ortogonalidad y mejor aproximación.
Ejercicio 5. Demuestra:
halla la matriz correspondiente al cambio de una de esas bases a la otra. Comprueba que la
matriz de paso es ortogonal.
Ejercicio 8. Halla la matriz de la proyección ortogonal sobre cada uno de los siguientes
subespacios de R4 :
Ejercicio 11. La proyección ortogonal del vector v = (5, −2, 3)T sobre la recta x = y, y = z
es:
(−1, −1, −1)T .
(3, 3, 3)T .
(2, 2, 2)T .
Ejercicio 12. Halla una base ortonormal de Col (A) y otra de Nul (A) siendo
1 1 0
0 −1 1
A= 1
.
1 −1
1 1 1
(a) Hallar una base ortonormal del subespacio E según los valores de a y b.
(c) Calcular los valores de los parámetros a y b tales que el subespacio dado por las ecua-
ciones
x1 = 0
5x1 + x2 + 3x3 = 0
−2x1 + 3x2 − x3 + x4 = 0
sea ortogonal a E.
Determina α sabiendo que proy S (v1 ) = proy S (v2 ) = u. (un dibujo puede ayudar)
Matemáticas I. 2012-2013
140 Tema 5.- Ortogonalidad y mejor aproximación.
S1 ≡ x1 + x2 + x3 + x4 = 0, y S2 ≡ x1 + x2 − x3 − x4 = 0.
∗ ∗ ∗
Ejercicio 17. Resolver en el sentido de los mı́nimos cuadrados los siguientes sistemas de
ecuaciones
Ejercicio 18. Resuelve en el sentido de los mı́nimos cuadrados los dos sistemas equivalentes
siguientes (que tendrı́an las mismas soluciones exactas si fueran compatibles)
x1 + x2 = 3 x1 + x2 = 3
y .
2x1 + 2x2 = 4 x1 + x2 = 1
n o
Ejercicio 19. Dados el subespacio E = Gen [1, 0, 0, 1]T , [0, 1, 0, 2]T , [0, 0, 1, 1]T y la ma-
triz
a1 b1
a2 2
A= a3 b2 .
−2 b3
(d) Resolver en el sentido de los mı́nimos cuadrados, el sistema Ax = b con b = (1, −1, 0, 0)t .
Ejercicio 20. Por el método de los mı́nimos cuadrados, ajustar una parábola, y = ax2 +
bx + c, a los puntos (1, −3), (1, 1), (−1, 2) y (−1, −1).
Matemáticas I. 2012-2013
142 Tema 5.- Ortogonalidad y mejor aproximación.
5.6.2.- Soluciones.
Ejercicio
1. (1)
v·u=0 Corte de la esfera de centro el origen y radio 1 con el plano
•
||v|| = 1 x + 2y + 3z = 0. Circunferencia de centro el origen y radio 1.
v·u=2 Corte de la esfera de centro el origen y radio 1 con el plano
• 2 4 6
q
10
||v|| = 1 x + 2y + 3z = 2. Circunferencia de centro C = ( 14 , 14 , 14 ) y radio 14
.
v·u=4 Corte de la esfera de centro el origen y radio 1 con el plano
•
||v|| = 1 x + 2y + 3z = 4. Nada.
√
v·u =2 Corte de la esfera de centro el origen y radio 2/ 14
•
||v|| = √214 . con el plano x + 2y + 3z = 2. Un punto.
q
5 3 6 9
(2) Radio r = 14 , Centro C = ( 14 , 14 , 14 ).
Ejercicio 2.
E⊥
−2 −1
2 −1 x1 + 2x3 + x4 = 0,
Base ,
, Ecuaciones implı́citas
1 0
x2 − 2x3 + x4 = 0.
0 1
F⊥
2 3
1 2 −6x + 9y + z = 0,
Base v1 = ,v = , Ecuaciones implı́citas
3 2 0
y+t = 0.
−1 −2
Ejercicio 3.
1 2 −2
3 3 1 3
−1 = u + v, u=
, v = 2 .
2 0 −1
5
4 1 2
que es una matriz ortogonal porque los vectores columna forman una base ortonormal de
R2 . La otra matriz de cambio de base es la inversa (o traspuesta) de la matriz anterior
−1 T √ √
P P P 1 1 + √3 1 − √3
= = = √ .
B1 ← B2 B2 ← B1 B2 ← B1 2 2 −1 + 3 1 + 3
Matemáticas I. 2012-2013
144 Tema 5.- Ortogonalidad y mejor aproximación.
(Los elementos que faltan en la matriz anterior no son nulos, ¿quiénes tienen que ser?)
(c) Tenemos Col (A) = S puesto que cada columna de A está en S y ambos subespacios
tienen dimensión 2.
Ejercicio 11. La proyección ortogonal del vector v = (5, −2, 3)T sobre la recta x = y, y = z
es: (2, 2, 2)T .
Nul (A) Como el rango de A es 3 el espacio nulo tiene dimensión cero, luego sólo
puede ser Nul (A) = {0}.
Ejercicio 13. (a) Si a = 0 los vectores son ortogonales dos a dos y tenemos los siguientes
casos:
Matemáticas I. 2012-2013
146 Tema 5.- Ortogonalidad y mejor aproximación.
0 0 0 1
0 0 0 0
0 b2 b
1+b2
0 1+b2
P =
0
.
0 1 0
b 1
0 1+b2
0 1+b2
(c) Se obtiene a = 1, b = 1.
6
−2
8 .
Ejercicio 15. Se obtiene v =
Ejercicio 16. (a) La proyección del vector v sobre el subespacio Col (A) es el vector dado
por
1
1 4
u= .
3 3
2
(b) La matriz A completa es:
1 0 3
2 1 1
A=
1
.
1 −2
0 1 −5
1 + 7 − 3 + 12 17
Ejercicio 17. (1) x = = .
4 4
a1 + a2 + · · · + an
(2) x = . Cuando alguno de los valores ak aparece repetido, la expresión
n
anterior es válida y se trata de una media aritmética ponderada donde cada uno de los
distintos valores pesa según el número de veces que aparece repetido.
(3) Mediante las ecuaciones normales de Gauss
3−α
x= ,α ∈ R .
α
(b)
x1 2 −1
= +β , β ∈ R.
x2 0 1
Es decir, las soluciones en mı́nimos cuadrados de cada uno de los sistemas es una recta
y ambas rectas son paralelas. Notemos que si en el sistema (a) a la segunda ecuación le
restamos la primera, se obtiene el sistema (b).
−1
⊥
−2
Ejercicio 19. (a) E = w =
.
−1
1
Matemáticas I. 2012-2013
148 Tema 5.- Ortogonalidad y mejor aproximación.
(c) Obtenemos
2 1
4 2
A=
2
.
1
−2 −1
(d)
1 x2
x1 − 14 −1
= + .
x2 0 2 2
Ejercicio 21. La circunferencia que mejor se ajusta, en el sentido de los mı́nimos cuadrados,
a los puntos dados es
2 2
2 2 1 1 1
x +y −x−y = 0 ≡ x− + y− = ,
2 2 2
√
es decir, se trata de la circunferencia de centro 12 , 21 y radio 22 . Notemos que, de hecho, los
puntos dados están en la ciecunferencia obtenida es decir, la solución en mı́nimos cuadrados
es solución (en el sentido estricto) del sistema original.
2
√
Distancia de v4 a S: La distancia de v4 a S es 21.
(b)
x1 1 3
=
x2 5 4