Universidad veracruzana

Región poza rica-Tuxpan

Nombre del alumno: González García Eliazer

Nombre del profesor: Velázquez Acevedo Claudio

Grupo: 2cm

Tema: investigación unidades 4,5,6.

Fecha de entrega:
Unidad n°4: espacios con producto interno
4.1.-longitud y producto punto en Rn
Las operaciones básicas con vectores en Rn son las mismas que las operaciones básicas que vimos
anteriormente, o sea, la suma de vectores y la multiplicación por un escalar la diferencia seria que en estos
serian n-esimos elementos y n-esimos vectores ejemplo:

Para suma de vectores

X + Y = (x1 , x2, ... , xn) + (y1 , y2, ... , yn).

Para multiplicación de un vector por un escalar

H(x1 , x2, ... , xn) = (Hx1 , Hx2, ... , Hxn).

Las propiedades que cumplen son las mismas que vimos en operaciones básicas con vectores en R2.

El vector cero “0” es el vector neutro o identidad de la suma de vectores en Rn:

0 = (0, 0, 0, ..., 0n), este vector tiene como propiedad de que es único, es decir, U + 0 = 0,

0U = 0, a0 = 0, aU = 0 si a = 0 o U = 0, donde “U” es un vector y “a” un escalar.

4.2.-espacios con producto interno

Producto Interno
 En matemáticas el producto escalar, también conocido como producto interno, interior o punto, es una
operación definida sobre un espacio vectorial cuyo resultado es una magnitud escalar.


La longitud (norma) de un vector de Rn es V = (v1, v2, ..., vn ) esta dada por:

 ________________

 ||V|| =" v12 + v22 + ... + vn2 esta no puede ser negativa si el vector v = 1 este se llama vector unitario
dos vectores U y V en Rn son paralelos si al vector V es múltiplo del vector U, es decir, si U = cV si c
> 0 los vectores van a la misma dirección y si c < 0 van en dirección opuesta, la longitud de un
múltiplo escalar se ve por la formula || cV || = | c | || V || donde | c | es el valor absoluto de c y c es un
escalar.

 El vector unitario de V es si V " 0 entonces U = V / ||V|| es de longitud uno y tiene la misma dirección
de U+V se llama vector unitario en dirección de V este proceso se llama normalización del vector V.

 La distancia entre dos puntos se llama normalización del vector V.

 ___________________

 d =" (u1 - v1 )2+ (u2 - v2 )2 y la distancia entre dos vectores en R2 se encuentra .

 ___________________

 d(U,V) = || U - V || =" (u1 - v1 )2+ (u2 - v2 )2 donde U = (u1 - u2 ) y V = (v1 - v2 ).

 Las propiedades que cumple la distancia son:

 d( U , V ) " 0.

 d( U , V ) = 0 si solo si U = V.

 d( U , V ) = d( V , U ).

 Para encontrar el ángulo entre dos vectores distintos de cero usamos la formula:

 Cos = (u1v1 + u2v2) / ||U|| ||V|| donde U = ( u1, u2 ) y V = ( v1 , v2 ) y donde u1v1 + u2v2 se denota
como producto punto de dos vectores. El producto punto para Rn se denota U % V = u1v1 + u2v2
+ ... + unvn las propiedades que cumple son :

 U%V=V%U

 U % (V + W) = U % V + U % W

 c ( U % V ) = cU % V = U % cV

 V % V " ||V|| 2

 V % V " 0 y V % V = 0 si solo si V = 0

 Donde c es un escalar y que U, V, W son vectores cualesquiera en Rn.

 Desigualdad de gauchy - schawarz:

 La desigualdad de Gauchy - Schwarz dice que | U % V | " || U || || V || don de | U % V | es valor

absoluto de U % V donde U y V son vectores viendo esta desigualdad podemos definir el ángulo
entre dos vectores en Rn así : Cos = (U % V ) / (||U|| ||V||) esta formula no define ángulos entre dos
vectores, si U % V = 0 se dice que los ángulos son ortogonales.

 La desigualdad del triangulo:

 Dice si U y V son vectores entonces || U + V || " || U || + || V ||.

 El teorema de Pitágoras:

 Este dice si U y V son vectores entonces || U + V ||2 = || U || 2 + || V || 2 solo para vectores

ortogonales.

 Un producto punto es un producto interno Euclidiano esto es un producto interno que se puede
definir en R2. para poder diferenciar el producto interior de otros posibles productos internos lo
escribiremos esto será el producto general para el espacio vectorial V.
 Para solucionar un producto interno se procede igual que al definir un espacio vectorial en el acho de
que debe cumplir con varios axiomas para poder calificar como producto interno estos axiomas son:

 Siendo U, V, W vectores en V y c cualquier escalar:

 =

 =+o=+

 c=

 " 0 y = 0 si solo si v = 0

 ==0

 Para definir la norma, distancia, ángulo de dos vectores que tenga producto interno:

 siendo U, V vectores en V:

 ______

 norma = ||U|| = "

 distancia entre U, V = d= || U - V ||

 ángulo entre vectores U, V diferentes de 0 cos = / ( ||U|| ||V|| ) donde 0 " " .

 Dos vectores con producto interno son ortogonales si = 0. El vector unitario de un vector con
producto interno || U || = 1 el vector unitario en dirección de V donde U = V / || V || donde V " 0. Para
ver si U y V son vectores en el espacio con producto interno deben cumplir con las propiedades de
norma:

 || U || " 0.

 || U || = 0 si solo si U = 0.

 || cU || = | c | || U ||.

 Y las propiedades de la distancia antes ya mencionadas.

 Además cumplen con la desigualdad de Gauchy - Schawarz, desigualdad del triangulo y el teorema
de Pitágoras antes yya explicadas.

 Proyecciones ortogonales en espacios con producto interno:

 Si U y V son vectores en el plano y V es diferente de 0 entonces este se puede proyectar

ortogonalmente a U y se denota como

 ProyV U = [ ( U%V ) / ( V%V ) ]V

 proyU V = [ ( U%V ) / ( U%U ) ]U donde U%V y V%V son el producto punto o producto interno
Euclidiano.
  Para en el espacio la proyección se denota como proyv U = [ / ]V , proyv U = [ / ]U.

 La proyección ortogonal y distancia:

 Siendo U y V dos vectores en el espacio V con producto interno y V " 0. Entonces la distancia d ( U,
proyv ) < d ( U, cV ) donde c " / .

 Definición de conjuntos ortonormales y conjuntos ortogonales:

 En un conjunto de vectores S de el espacio vectorial V es producto interno es ortogonal si cada

vector de y seria espacio ortonormal si cada vector S es unitario.

 Es ortonormal si < vi, vj > = 0 i " j y || vj || = 1 donde i = 1, 2, 3, ..., n y es ortonormal si < vi, vj > = 0 i "
j donde vi, vj pertenecen al conjunto s = { v1, v2, ..., vn }

 Un conjunto ortogonal es linealmente independiente si s es un conjunto de vectores diferentes de

cero y que pertenecen al espacio v con producto interno.

4.3.- Bases ortonormales: proceso de ortogonalización de

Gram-Schmidt.

sea V un espacio vectorial real o complejo con producto interno y sea a 1 , … .. ,a m ∈ V

queremos construir un espacio ortogonal b 1 , … .. ,b m tal que para todo k

lin ( b1 , … ., b k )=lin ( a1 , … … . , ak )

En el k-ésimo paso suponemos que los vectores b 1 , … . , bk−1 ya están construidos bi ∟ bj

. Buscamos b k en forma

k−1
b k =a k −∑ λ k b j

j=1

Es fácil memorizar los índices de coeficientes λ: este coeficiente sirve para “corregir” a k
usando b j
Para calcular el coeficiente λ k ,i , multipliquemos la igualdad (1) por b i en el sentido del
producto interno:

k−1
2 2
⟨ bk , bi ⟩ = ⟨ a k ,b i ⟩ =∑ f i. j λk . j‖b j‖ = ⟨ ak ,b i ⟩ −λk , i‖bi‖
j=1
Queremos que ⟨ bk , bi ⟩ sea iguan a 0. Si b i ≠ 0, entonces λ k ,i debe ser igual a:

⟨ ak , bi ⟩
λ k ,i= 2
‖bi‖
Si b i=0, el sumando λ k ,i bi no depende de λ k ,i para simplicidad, en este caso ponemos
λ k ,i=0

Asi obtenemos las formulas principales

⟨ak , bi ⟩
{
k−1
2 b j≠ 0
b k ≔ ak −∑ λ k , j b j , donde λ k , j ≔ ‖b j‖ b j=0
j=1
0,

Obsevacion: es importante que construimos b k como una combinación lineal del

vector a k y de los vectores b 1 , … .. ,b k−1

Ejemplo: aplique la ortogonalización de Gram-schmidt al siguiente sistema de vectores

a 1 , a2 , a3

4 −6 5

() () ()
a 1= −2 , a2=
−1
2
3 ,a =
4
−8
3
−5
−3
−4

Usando la matriz de gran compruebe que el sistema de vectores b 1 , b2 , b3 se obtiene al

final es ortogonal

Solución:
1.- primero b 1=a1 calculemos la norma de b 1.

2
‖b 1‖ =16+ 4+ 1+ 4=25 ,‖b 1‖=25

2.- construyamos en vector b 2

 ⟨ a2 , b 2 ⟩ −24−6−4−16
λ 2,1= 2
= =−2
‖b 1‖ 25
De aquí.

b 2=a2− λ2,1 b −6 4 2

( ) ( )( )
1=
3
4
−8
+2
−2
−1
2
=
−1
2
−4

Calculemos la normal de b 2 :
2
‖b 2‖ =4+1+ 4+16=25‖b 2‖=5

3.- costruyamos el vector b 3

⟨ a3 , b 1 ⟩ 20+10+3−8 ⟨ a3 , b2 ⟩ 10+ 5−6+ 16

λ 3,1= 2
= =1 λ3,2= 2
= =1
‖b 1‖ 25 ‖b2‖ 25

De aquí
5 4 2 −1

−3
−4
−1
2
( )( )( )( )
b 3=a3 −λ3,1 b1− λ3,2 b2= −5 − −2 − −1 = −2
2
−4
−4
−2

Calculemos la normal de b 3

2
‖b 3‖ =1+ 4+16+ 4=25

La comprobación:
 4 2 −1

)( )(
4 −2 −1 2 25 0 0
(
G( b 1 , b2 , b3 ) = 2 −1 2 −4
−1 −2 −4 −2
−2 −1 −2
−1 2 −4
2 −4 −2
= 0 25 25
0 0 0 )
Podemos normalizar los vectores b 1 , b2 , b3 y obtener un sistema ortonormal:

()
5
−2 2/5 −1/5
C 1= 5 , C 2
−1
5
2
( )( )
−1/5 , C
2/5
−4 /5
3
−2/5
−4 /5
−2/5

4.4.-Modelos matemáticos y análisis de mínimos cuadrados.

 a) Unidad n° 5: transformaciones lineales

5.1.- introducción de transformaciones lineales

Definición: sea (V ;+; o ; K ) ,(W ; ⊕ ;∗; K ) dos dispositivos vectoriales sobre el cuerpo
k. una aplicación o funciónT :V →W es una transformación lineal si:
a) T (v1 + v2) = T (v1) © T (v2); 8 v1; v2 2 V. b)

b) T (v1 + v2) = T (v1) © T (v2); 8 v1; v2 2 V. b)

Observación: sea T :V →W una transformación entonces:

a) para simplificar la notación denotaremos las operaciones con el mismo símbolo diciendo

T :V →W es una tranformacion lineal si:

a) T ( v 1+ v 2 ) =T ( v 1 ) +T (v 2); 8 v 1; v 2 2 V .
b) T (kv )=kT (v) ; 8 v 2V ; 8 k 2 K .

b) T es lineal si preserva la operación del espacio vectorial

b) El cero del espacio V se tranforma en el cero del espacio W, es decir, T (0 V )=0 W
ya que usando b) la DEFINICON ANTERIOR K=0 se consigue T(0V ) = T(0 . v) = 0 . T
(v) = 0W.

Utilizando la contrapositiva concluimos si: siT (0 v ) 6=≠ 0 entonces T :V →W no es una

transformación lineal

n n
T
( ∑ ki=vi
i=1
)∑
i=1
k=i T ( v i ) ; v i € V , k=i€ K .
Ejemplo: verifique que la transformación T : R2 → R3 tal que T(x; y) = (x + y; y; x - y), es
una transformación lineal.

Solución: .
a) Sean v 1=(x , y ) , v 2=( p , q)2 R 2 entonce

T ( v 1+ v 2 ) =T ( x+ p , y +q )

¿( ( x + p ) + ( y +q ) , y +q , ( x + p )−( y +q))

¿( ( x + p ) + ( y +q ) , y +q , ( x + p )−( y +q))

¿( x + y , y , x− y )+( p+ q , q , p−q)

¿ T (x , y )+T ( p , q)

¿ T (v 1)+T (v 2)

b) Sean v=(x , y ) € R 2, k € R entonces.

T (kv )=T (kx , ky)

¿( kx+ ky , ky , kx−ky )

¿ k ( x+ y , y , x− y)

¿ kT ( x , y )

¿ k ( Tv)

5.2.- el núcleo y el rango de una transformación lineal

Definición: una transformación lineal T :V →W es inyectiva o monomorfismo si, como
una función es inyectiva

Observación: la transformación lineal T :V →W es un monomorfismo si y solo si

T ( v 1 )=T ( v 2 ) ⇒v 1=v 2 , ∀ v1 , v 2 ∈V

Ejemplo: sea T : R2 → R 2 una tranformacion lineal tal que T( x , y ) =( x+ y , x− y ) demuestre

que T es monomorfismo.
Solución: consideremos T ( x , y )=( z , w ), debemos demostrar que ( x , y ) =( z , w )

T ( x , y )=T ( z , w ) ⇒ ( x+ y , x− y )= ( z + w , z−w )

⇒ x + y=z + w
{
x− y=z −w

x =z
⇒ { y=w

Así( x , y ) =( z , w ), entonces, T es un monomorfismo

5.3.- presentación matricial

Estamos en condiciones de mostrar que cualquier transformación lineal de R n a Rm puede
ser introducida mediante la multiplicación por una matriz adecuada

n
TEOREMA: sea T : R → R m una transformación lineal, entonces existe una matriz A € M
(m, n, R) tal que T ( u )=A .u , ∀ u € Rn
DEMOSTRACION: antes de efectuar la demostración, es conveniente es conveniente
n
que podemos señalar que podemos “identificar” la n-upla ( x 1 , x 2 … , x n ) € R con la matriz
columna

x1

()
⋮ € M (n , 1 , R );
xn

Esto se realizara con un isomorfismo que representaremos posteriormente

n
Sea E={ E1 , E 2 … .. , En } la base canonica de R y E = { E1 , E 2 … .. , E m }
¿ ¿ ¿ ¿

Base conica de Rm

n
Sea v=( x 1 , x 2 , … .. , x n ) € R , entonces v se escribe como combinación de los vectores de E como
v=x 1 E1 + x 2 E 2+ ….. ,+ x n En asi aplicando la transformación lineal T obtenemos

T ( v )=x 1 T ( E 1 ) + x 2 T ( E 2 ) +… .. ,+ x n T ( E n ) .

Por otro lado, cada vector T ( E j ) € Rn se escribe como combinación lineal de la base cónica E¿
¿ ¿ ¿
como T ( E j ) =a1 j E j+ a2 j E2 +… .. ,+amj Em .

Remplazando esto último por el teorema obtenemos:

T ( v )=x 1 ( a11 E¿1 +a21 E ¿2+ a31 E3¿ + …+am 1 E¿m )

+ x 2 ( a12 E ¿1+ a22 E¿2 +…+ a32 E¿3 + …+am 2 E¿m )

+…+ xn ( a 1 n E¿1 +a 2n E¿2 +a3 n E¿3 +… ,+ amn E ¿m )

De aquí deducimos que la i-esima componente de T(v) es a i1 x1 + ai 2 x 2+ ai 3 x 3 +…+ a¿ x n .

Si definimos A=( a ij ) € M (m, n , R) entonces, dado que la i.esima componente de

 a 11 … a1 n x 1
A.V = ⋮
( ⋱ ⋮ . ⋮
am 1 … amn x n )( )
Si a i1 x1 + ai 2 x 2+ ai 3 x 3 +…+ a¿ x n , concluimos que T(v)= A.V

Observación:

1.- si T: Rn → R m una transformación lineal entonces la matriz A=( a ij ) € M (n , m, R) que hemos

construido se llama “ matriz asociada de transformación lineal T” y la denotamos por
¿
E
T A , [T ]E , [ T ]E

2.- la matriz T A, se obtiene colocando como columnas los coeficientes de la combinación lineal
que representa el vector T ( E j )al escribirlo como la combinación de los vectores de la base E
¿

Ejemplo: sea T : R3 → R 2 una transformación lineal tal que T ( x , y , z )=( 2 x + y , z + y + z ).

¿
E
Determine A=[ T ] E y verifique:

¿ ¿ ¿
Solución: sea E={ E1= (1,0,0 ) , E2= ( 0,1,0 ) , E3 =( 0,0,1 ) } , E ={ E1=( 0,1 ) , E2=( 0,1 ) }
Bases canónicas de R R y R R respectivamente entonces:
3 2

T ( E 1 )=T ( 1,0,0 ) =( 2,1 )=2 E¿1 +1 E ¿2

T ( E 2 )=T ( 0,1,0 )=( 1,1 )=1 E¿1 +1 E ¿2

T ( E 3 )=T ( 0,0,1 )=( 0,1 )=0 E ¿1+1 E¿2

Entonces:
A= (21 1 0
1 1 )
Verificación:
 X
(
T ( V ) =A .V = 2 1 0
1 1 1 )( ) (
. Y = 2 x y =( 2 x+ y , x + y + z ) .
Z x y z )

Unidad n° 6: Valores propios, vectores propios y formas

cuadráticas.

6.1 .- Vectores y valores propios.

6.2 .- Matrices Similares y diagonalización.

6.3 .- Matrices simétricas y diagonalización ortogonal.

6.4 .- Formas cuadráticas.