Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Algebra
Lineal
Dpto. Matem
aticas
Ana Ma Ma
nanes Perez
email: mananes@uniovi.es
Algebra
Lineal (Dpto. Matem
aticas)
1 / 42
2 / 42
Contenidos
Indice
1
Producto escalar
Propiedades metricas
Ortogonalidad
Proyeccion ortogonal
Operadores simetricos
Algebra
Lineal (Dpto. Matem
aticas)
Producto escalar
Algebra
Lineal (Dpto. Matem
aticas)
3 / 42
Producto escalar
R
~v ~v
Se verifica:
~u ~v =
Algebra
Lineal (Dpto. Matem
aticas)
1
(~u + ~v )2 ~u 2 ~v 2
2
~u , ~v V
Curso 2014-15. Grupo B
4 / 42
Producto escalar
Ejemplo 6.1
Consideremos el espacio vectorial Rn , y sean ~u , ~v Rn con
~u = (x1 , x2 , . . . , xn ) y ~v = (y1 , y2 , . . . , yn ) .
Demostrar que la aplicacion Rn Rn
R , tal que:
(~u , ~v )
7 ~u ~v
~u ~v = x1 y1 + x2 y2 + + xn yn =
n
X
xi yi ,
i=1
Algebra
Lineal (Dpto. Matem
aticas)
5 / 42
~u ~v = (x1 x2 xn )
..
..
.
.
Algebra
Lineal (Dpto. Matem
aticas)
escalar, se obtiene:
~u1 ~un
~u2 ~un
..
..
.
.
~un ~un
Curso 2014-15. Grupo B
y1
y2
..
.
yn
6 / 42
X =
x1
x2
..
.
xn
y1
~u ~u ~u ~u
2
2
2 1
y2
, Y = . , G =
..
..
..
..
.
.
.
yn
~un ~u1 ~un ~u2
~u1 ~un
~u2 ~un
..
~un ~un
Algebra
Lineal (Dpto. Matem
aticas)
7 / 42
Algebra
Lineal (Dpto. Matem
aticas)
(iii)
(iv )
8 / 42
Ejemplo 6.2
Demostrar que la aplicacion F : R2 [x] R2 [x]
Z
F (p(x), q(x)) =
p(x) q(x) dx
Algebra
Lineal (Dpto. Matem
aticas)
9 / 42
Teorema 6.1
Sea A = (aij ) una matriz cuadrada, simetrica y de orden n .
Sea i el determinante asociado a la matriz formada con las i primeras
filas y las i primeras columnas de la matriz A (menores principales de A):
a11 a12 ... a1i
a12 a22 ... a2i
i = .
.
.
..
..
..
a1i a2i ... aii
La condicion necesaria y suficiente para que la matriz A este asociada a
un producto escalar es que: i > 0 , para i = 1 , 2 , . . . , n .
Algebra
Lineal (Dpto. Matem
aticas)
10 / 42
Ejemplo 6.3
A1 = 1
3 1 4
2 1 y A2 = 1 2 3 ,
0 1
3
4 3 7
estudiar si pueden ser matrices asociadas a un producto escalar.
Ejemplo 6.4
En R2 se considera la aplicacion que a cada par de vectores ~x = (x1 , x2 ) e
~y = (y1 , y2 ) les hace corresponder el n
umero real:
x1 y1 x2 y1 x1 y2 + 4x2 y2
Verificar si esta aplicacion define un producto escalar en R2 .
Ejemplo 6.5
De las siguientes aplicaciones indicar cuales son cuadrados escalares:
a) q(x1 , x2 ) = x12 + x22 2x1 x2
b) q(x1 , x2 , x3 , x4 ) = 2x12 + 4x22 + 2x32 + 4x42 + 2x1 x3 + 2x2 x4
Algebra
Lineal (Dpto. Matem
aticas)
11 / 42
Propiedades m
etricas
||~u || = ~u ~u
En ocasiones tambien se le denomina modulo o longitud del vector.
Algebra
Lineal (Dpto. Matem
aticas)
~u
es el vector unitario asociado a ~u .
||~u ||
12 / 42
Propiedades m
etricas
Propiedades de la norma
Sea V un espacio vectorial eucldeo, ~u , ~v V y R , se verifica:
1
||~u || 0
||~u || = 0 ~u = ~0
||~u ||2 = ~u ~u
||~u || = || ||~u ||
Desigualdad de Schwarz:
Desigualdad de Minkowski:
Algebra
Lineal (Dpto. Matem
aticas)
13 / 42
Propiedades m
etricas
~u ~v
1 1 ~u ~v
=
1
||~u || ||~v ||
||~u || ||~v ||
Algebra
Lineal (Dpto. Matem
aticas)
~u ~v
||~u || ||~v ||
14 / 42
Propiedades m
etricas
~u ~v
~u ~v
= cos(~ud
, ~v ) =
=
||~u || ||~v ||
||~u || ||~v ||
Algebra
Lineal (Dpto. Matem
aticas)
15 / 42
Propiedades m
etricas
Teorema 6.2
Sea ~v V , ~v 6= ~0 . Cualquier vector ~u V se puede expresar de manera
u
nica como suma de un vector proporcional a ~v y otro ortogonal a ~v .
Para demostrarlo, sea
~u = ~v + w
~
(1)
~ ortogonal a ~v (~v w
~ = 0). Multiplicando escalarmente (1) por ~v :
con w
~v ~u = ~v ~v + ~v w
~ = ~v ~u = ~v ~v = =
~u ~v
~v ~v
~ :
con lo que puedo calcular w
~u ~v
~u ~v
~u =
~v + w
~ = w
~ = ~u
~v
~v ~v
~v ~v
por lo que
~u ~v
~u ~v
~u =
~v
~u
~v
+
~
~
~
~
v
v
v
v
| {z }
|
{z
}
proporcional a ~v
Algebra
Lineal (Dpto. Matem
aticas)
ortogonal a ~v
16 / 42
Propiedades m
etricas
Definicion 6.11
~u ~v
~v se llama proyecci
on ortogonal del vector ~u
~v ~v
sobre el vector ~v , lo denotaremos:
El vector ~v =
proy~v ~u =
~v ~u
~v
~v ~v
Ejemplo 6.6
Dado el vector de R3 ~v = (2, 3, 1) , expresar el vector ~u = (1, 3, 5)
como suma de dos vectores, uno proporcional a ~v y el otro ortogonal a ~v .
Considerar el producto escalar usual.
Algebra
Lineal (Dpto. Matem
aticas)
17 / 42
Propiedades m
etricas
Teorema 6.3
En un espacio eucldeo, cualquier sistema de vectores no nulos y
ortogonales dos a dos, es un sistema libre.
Algebra
Lineal (Dpto. Matem
aticas)
18 / 42
Propiedades m
etricas
||~e1 ||2
0
0
||~e2 ||2
0
G =
..
..
..
..
.
.
.
.
0
0
||~en ||2
y la matriz de Gram del producto escalar respecto de una base ortonormal
es la matriz unidad:
1 0 0
0 1 0
G = . . .
.. ..
. . ...
0 0 1
Algebra
Lineal (Dpto. Matem
aticas)
19 / 42
Diagonalizaci
on de un producto escalar
Teorema 6.4
Todo espacio vectorial eucldeo de dimension finita V tiene bases
ortonormales.
Teorema 6.5
Sean B y B 0 dos bases ortonormales del espacio eucldeo V y sea P la
matriz de paso de una base a la otra. Entonces se cumple que P 1 = P t .
En efecto, como la matriz del producto escalar en la base ortonormal B es
la matriz unidad y la matriz del producto escalar en la base ortonormal B 0
tambien es la matriz unidad, usando la formula del cambio de base:
In = P t In P
es decir
In = P t P
Algebra
Lineal (Dpto. Matem
aticas)
20 / 42
Diagonalizaci
on de un producto escalar
Algebra
Lineal (Dpto. Matem
aticas)
21 / 42
Diagonalizaci
on de un producto escalar
El metodo de Gauss
Supongamos que tenemos una expresion de la forma
(x1 , x2 , . . . , xn ) =
n
X
aii xi2
i=1
n1
X
2aij xi xj
i=1 , j>i
n
X
di yi2 ,
siendo di > 0
para i = 1, 2, . . . , n
i=1
Algebra
Lineal (Dpto. Matem
aticas)
22 / 42
Diagonalizaci
on de un producto escalar
Ejemplo 6.7
Se considera la aplicacion:
(x, y , z) = 2x 2 + 6y 2 + 7z 2 + 4xy 4yz + 4xz .
Probar que se trata de un cuadrado escalar, dando una base ortonormal.
Escribiendo la expresion matricialmente y cuidando de que sea simetrica:
(x, y , z) = 2x 2 + 6y 2 + 7z 2 + 4xy 4yz + 4xz =
2
2
2
x
6 2 y = X t G X
= (x y z) 2
2 2
2
2
2
6 2
G = 2
Algebra
Lineal (Dpto. Matem
aticas)
2 2
23 / 42
Diagonalizaci
on de un producto escalar
0
2 0 0
x
= (x 0 y 0 z 0 ) 0 4 0 y 0 = X 0t G 0 X 0
0 0 1
Algebra
Lineal (Dpto. Matem
aticas)
z0
Curso 2014-15. Grupo B
24 / 42
Diagonalizaci
on de un producto escalar
x +y +z =x0
y z =y0
0
z =z
las ecuaciones:
x = x 0 y 0 2z 0
y =y0+z0
z =z0
1
1 y 0
siendo
y = 0
z
P= 0
z0
1 1 2
es decir, en la base
B 0 = {(1, 0, 0)B , (1, 1, 0)B , (2, 1, 1)B }
la matriz del producto escalar es la matriz diagonal:
2 0 0
G 0 = 0 4 0 y se verifica: G 0 = P t GP
0 0 1
Algebra
Lineal (Dpto. Matem
aticas)
25 / 42
Diagonalizaci
on de un producto escalar
Tenemos que B 0 es una base ortogonal, para obtener una base ortonormal
hay que dividir a cada vector por su norma:
v
u
2
2
2
1
u
u
2
6
2
||(1, 0, 0)B || = u
(1
0
0)
0 = 2
t
||(1
v
u
u
u
0)B || = u
t(1
2 2
1 0) 2
7
2
1) 2
6 2
2 2
1 = 4=2
6 2
2 2
v
u
u
u
||(2, 1, 1)B || = u
t(2
1 = 1=1
1
Algebra
Lineal (Dpto. Matem
aticas)
26 / 42
Diagonalizaci
on de un producto escalar
As pues en la base
Be =
,
,
2
1
2
(
=
2
, 0, 0
2
!
B
=
)
1 1
, , , 0 , (2, 1, 1)B
2 2
B
y se verifica:
e = Q t GQ
G
2/2 1/2 2
Q=
0
1/2
1
0
0
1
Algebra
Lineal (Dpto. Matem
aticas)
27 / 42
Diagonalizaci
on de un producto escalar
Ejemplo 6.8
Utilizar el metodo Gauss para calcular una base ortonormal de R3 ,
sabiendo que el producto escalar esta definido, en la base canonica de R3 ,
por la matriz
1
1 1
2 1
G = 1
1 1
Algebra
Lineal (Dpto. Matem
aticas)
28 / 42
Diagonalizaci
on de un producto escalar
0y0+z0
0
x
=
x
x
+
y
z
=
x
0
y =y0
y =y
0
z =z
z =z0
se obtiene la matriz del cambio de base:
1 1 1
1 0
P= 0
0
0 1
es decir, en la base B 0 = {(1, 0, 0), (1, 1, 0), (1, 0, 1)} la matriz del
producto escalar es la matriz unidad I3 , por tanto B 0 es una base
ortonormal de R3 . Ademas se verifica la relacion de cambio de base:
I3 = P t GP
Algebra
Lineal (Dpto. Matem
aticas)
29 / 42
Diagonalizaci
on de un producto escalar
1
||~u1 ||2
||~u2 ||2
...................................................
~u2 = ~v2
~un = ~vn
~vn ~u1
~vn ~u2
~vn ~un1
~
~
~un1
u
1
2
||~u1 ||2
||~u2 ||2
||~un1 ||2
Algebra
Lineal (Dpto. Matem
aticas)
30 / 42
Diagonalizaci
on de un producto escalar
Ejemplo 6.9
Partiendo de la base B = {(1, 1, 1), (1, 1, 1), (1, 1, 1)} , obtener una
base ortonormal del espacio eucldeo usual R3 .
Algebra
Lineal (Dpto. Matem
aticas)
31 / 42
Ortogonalidad
Teorema 6.6
Para que un vector ~u V sea ortogonal a un subespacio F V es
necesario y suficiente que lo sea a los vectores de una base cualquiera de
F.
Algebra
Lineal (Dpto. Matem
aticas)
32 / 42
Ortogonalidad
Teorema 6.7
Para que dos subespacios sean ortogonales es necesario y suficiente que lo
sean entre s los vectores de dos bases cualquiera de cada uno de ellos.
Algebra
Lineal (Dpto. Matem
aticas)
33 / 42
Ortogonalidad
Ejemplo 6.10
En el espacio eucldeo R3 con el producto escalar ordinario, determinar el
subespacio suplementario ortogonal al subespacio
S = {(x, y , z) R3 | x 2y + z = 0 2x 3y = 0}
Ejemplo 6.11
En el espacio eucldeo R3 con el producto escalar ordinario, determinar el
subespacio suplementario ortogonal al subespacio
T =< (1, 1, 1) , (0, 2, 1) , (2, 0, 3) >
Observaci
on
En los ejemplos 6.10 y 6.11 se constata que el subespacio suplementario
ortogonal de un subespacio de dimension uno (recta) de R3 es un
subespacio de dimension dos (plano) de R3 .
Algebra
Lineal (Dpto. Matem
aticas)
34 / 42
Proyecci
on ortogonal
~u ~uF F .
Definicion 6.18
Si dim V = n y F es un subespacio de V entonces: V = F F y
~ con
cualquier vector ~u se escribe de forma u
nica como ~u = ~uF + w
~uF F , w
~ F , entonces, la proyeccion ortogonal de ~u sobre F es ~uF .
Algebra
Lineal (Dpto. Matem
aticas)
35 / 42
Proyecci
on ortogonal
Ejemplo 6.12
Calcular la proyeccion ortogonal de la funcion f (x) = sen x , definida en
[0, 1] , en el espacio eucldeo de los polinomios de grado menor o igual que
dos, R2 [x] .
Con el siguiente producto escalar:
Z 1
f g =
f (x) g (x) dx
f , g funciones continuas en [0, 1].
0
Algebra
Lineal (Dpto. Matem
aticas)
36 / 42
Proyecci
on ortogonal
f (x) p(x) 1 = 0
f (x) p(x) x = 0
f (x) p(x) x 2 = 0
o sea:
f (x) 1 = a 1 1 + b x 1 + c x 2 1
f (x) x = a 1 x + b x x + c x 2 x
f (x) x 2 = a 1 x 2 + b x x 2 + c x 2 x 2
(2)
a
1dx
+
b
x
dx
+
c
x
dx
=
0
0
0
0 sen x dx
R
R1
R1
R1
1
a 0 x dx + b 0 x 2 dx + c 0 x 3 dx = 0 x sen x dx
a R 1 x 2 dx + b R 1 x 3 dx + c R 1 x 4 dx = R 1 x 2 sen x dx
0
Algebra
Lineal (Dpto. Matem
aticas)
37 / 42
Proyecci
on ortogonal
1
1
2
a
+
b
+
c
=
2
3
1
1
1
1
a+ b+ c =
o sea:
2
3
4
1 a+ 1 b+ 1 c = 4
3
4
5
3
12 2 120
720 60 2
a=
' 0,0505
b = c =
' 4,1225
3
3
En consecuencia, el polinomio proyeccion ortogonal de la funcion sen x ,
es:
p(x) = 0,0505 + 4,1225 x 4,1225 x 2
Este polinomio es la mejor aproximacion de la funcion f (x) = sen x ,
mediante un polinomio de segundo grado, en el intervalo [0, 1] .
Este polinomio p(x) tambien se llama polinomio de ajuste mnimo
cuadr
atico de f .
Algebra
Lineal (Dpto. Matem
aticas)
38 / 42
Operadores sim
etricos
Operadores simetricos
A continuacion vamos a estudiar un tipo de endomorfismos de un espacio
eucldeo V :
Definicion 6.19
Un endomorfismo f : V V se dice que es un endomorfismo sim
etrico
u operador sim
etrico si verifica la condicion siguiente:
~u f (~v ) = f (~u ) ~v
~u , ~v V
Algebra
Lineal (Dpto. Matem
aticas)
39 / 42
Operadores sim
etricos
Teorema 6.10
Sea V un espacio vectorial eucldeo de dimension finita, dim V = n,
f : V V un endomorfismo, y sea A la matriz de f en una base
ortonormal de V , se verifica:
f es un operador simetrico A es una matriz simetrica.
En efecto, si la base es ortonormal, la matriz del producto escalar es la
matriz unidad, G = In , entonces
el operador es simetrico In A es una matriz simetrica, es decir, A es
una matriz simetrica.
Teorema 6.11
El polinomio caracterstico de un operador simetrico tiene n races, (iguales
o distintas), en el cuerpo R.
Algebra
Lineal (Dpto. Matem
aticas)
40 / 42
Operadores sim
etricos
Teorema 6.12
Si f : V V es un operador simetrico, si 6= son dos valores propios
de f , entonces S() S()
Sean ~u S() y ~v S(), entonces f (~u ) = ~u y f (~v ) = ~v , por lo que,
dado que ~u f (~v ) = f (~u ) ~v
~u ~v = ~u ~v
luego
( )~u ~v = 0
como 6= entonces ~u ~v = 0
Teorema 6.13
Todo operador simetrico es diagonalizable en una base ortonormal.
Algebra
Lineal (Dpto. Matem
aticas)
41 / 42
Operadores sim
etricos
Algebra
Lineal (Dpto. Matem
aticas)
42 / 42