UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS

TEMA:

“Espacios vectoriales con producto interno “

INTEGRANTES:

 Johan Barzallo
 Daniel Andrés Borja Cárdenas
 Mc Hamer Giraldo Marin
 Asdruval Rodríguez
 Hernán Villon

MATERIA: Algebra Lineal

PROFESORA: Ing. Mirian Peña

GRUPO: S2C

2S-2016

Guayaquil - Ecuador
Contenido
BASES ORTONORMALES Y PROYECCIONES EN RN .................................................... 3
APROXIMACIONES POR MÍNIMOS CUADRADOS ......................................................... 5
ESPACIOS CON PRODUCTO INTERNO Y PROYECCIONES......................................... 6
BIBLIOGRAFIA: ......................................................................................................................... 9

2
 BASES ORTONORMALES Y PROYECCIONES EN RN

En álgebra lineal, una base ortonormal de un espacio prehilbertiano V (es decir,

un espacio vectorial con producto interno) o, en particular, de un espacio de Hilbert H,

es un conjunto de elementos cuyo sistema generador es denso en el espacio, en el que

los elementos son mutuamente ortogonales y normales, es decir, de magnitud unitaria.

Una base ortogonal satisface las mismas condiciones, salvo la de magnitud unitaria; es

muy sencillo transformar una base ortogonal en una base ortonormal mediante el

producto por un escalar apropiado y de hecho, esta es la forma habitual en la que se

obtiene una base ortonormal: por medio de una base ortogonal.

Así, una base ortonormal es una base ortogonal, en la cual la norma de cada

elemento que la compone es unitaria. Estos conceptos son importantes tanto para

espacios de dimensión finita como de dimensión infinita. Para espacios de dimensión

finita, la condición de sistema generador denso es la misma que la de “sistema

generador”, como se usa en álgebra lineal. (wikipedia)

Bases Ortonormales

Los vectores de una base pueden ser mutuamente perpendiculares, o pueden no serlo.

Cuando son mutuamente perpendiculares se dice que es una base ortogonal.

Recuérdese que dos vectores u y v en son ortogonales si y sólo si u · v = 0.

Decimos que B={u⃗ ,v⃗ } es una base ortogonal si los vectores que la forman son

perpendiculares entre sí. Es decir, u⃗ y v⃗ forman un ángulo de 90∘.

3
Ejemplo

u⃗ =(3,0), v⃗ =(0,−2) forman una base ortogonal ya que el producto escalar entre

ellos es cero y ésta es una condición suficiente para ser perpendiculares:

u⃗ ⋅v⃗ =3⋅0+0⋅(−2)=0

Decimos que B={u⃗ ,v⃗ } es una base ortonormal si los vectores que la forman son

perpendiculares entre si y tienen módulo 1. Es decir, u⃗ y v⃗ forman un ángulo

de 90∘ y |u⃗ |=1, |v⃗ |=1.

Ejemplo

u⃗ = (1,0), v⃗ = (0,−2) forman una base ortonormal ya que los vectores son

perpendiculares (su producto escalar es cero) y ambos vectores tienen módulo 1.

Perpendicularidad: u⃗ ⋅v⃗ = 1⋅0+ 0⋅(−1)= 0.

Vectores unitarios ⃑⃑⃑⃑

|𝒖|= √𝟏𝟐 + 𝟎𝟐 = √𝟏 = 𝟏, ⃑⃑⃑⃑⃑⃗
|𝒖 | = √𝟎𝟐 + 𝟏𝟐 = √𝟏 = 𝟏

4
 APROXIMACIONES POR MÍNIMOS CUADRADOS

(Torrelavega, 2012) En este artículo hablaremos del Método de Mínimos

Cuadrados el cual nos permite aproximar una función a un conjunto de datos obtenidos

de manera experimental. El método fue desarrollado por Carl Friedrich Gauss cuando

aún era muy joven y aunque parece que fue publicado hasta el año de 1809, ya en 1801

había sido usado para describir la trayectoria del planeta Ceres.

Este método se usa en una gran variedad de disciplinas para crear modelos en base a

conjuntos de datos recabados a partir de mediciones, por ejemplo: en geología se usa

para modelar terrenos en base a las mediciones de latitud, longitud y altitud realizadas

en distintos puntos, en ecología se utiliza para modelar la producción de nutrientes de

una planta y en negocios, para modelar la fluctuación estacional de las ventas de un

producto.”

Supongamos que un sistema de ecuaciones lineales Ax = b, con Mm×n(R), es

incompatible, es decir que b no es combinación de las columnas de A. Se trata de hallar

un vector X0 de Rn que minimice

E = ||Ax – b||

Para cualquier x ∈ Rn , Ax es combinación de las columnas de A, por lo que

estamos buscando es el elemento que es combinación de las columnas de A que más se

acerca a b. Eso no es más que la proyección ortogonal de b sobre el espacio columna de

A. La solución que minimiza E es aquella tal que Ax0 es la proyección ortogonal sobre

el espacio de las columnas de A, es decir, b − Ax0 es ortogonal a Ay, ∀ y ∈ R n . Por

lo tanto

5
 < Ay, b − Ax0 >= 0,

∀ y ∈ R n y tA t (b − Ax0) = 0,

∀ y ∈ R n y t (A tb − A tAx0) = 0,

∀ y ∈ R n, de lo que se deduce AtAx0 = Atb

A las ecuaciones anteriores se les denomina ecuaciones normales, a la solución x0

solución óptima y a E^2 = ||Ax0 – b||^2 se le llama error cuadrático.

ESPACIOS CON PRODUCTO INTERNO Y PROYECCIONES

Espacio con producto interno

El espacio vectorial complejo V se llama un espacio con producto interno si para

cada par de vectores u y v en V existe un número complejo único (u, v) denominado el

producto interno de u y v, tal que si u, v y w están en V y a є C, entonces

i) (v, v) ≥ 0

ii) (v, v) = 0 si y sólo si v = 0

iii) (u, v + w) = (u, v) + (u, w)

iv) (u + v, w) = (u, w) + (v, w)

v) ̅̅̅̅̅)
(u, v) = (𝑣, 𝑢

vi) (∞ u, v) = ∞(u, v)

vii) (u, ∞v) = ∞(u, v)

Producto interno en C n

Producto interno en C n

(x, y) = x1, 𝒚1 + x2𝒚2 + … +xn𝒚n

6
Sea V un espacio con producto interno y suponga que u y v están en V. Entonces u y v

son ortogonales si <u, v> = 0

La norma de u, denotada por ||u||, está dada por

||u|| = √(𝒖, 𝒖)

Conjunto ortonormal

El conjunto de vectores {v1, v2,…. vn} es un conjunto ortonormal en v si (vi, vi) = 0

para i ≠ j y || vi || = √(𝐯𝐢, 𝐯𝐢) = 1

Si sólo se cumple la primera condición, entonces se dice que el conjunto es ortogonal.

Proyección ortogonal

Sea H un subespacio vectorial con producto interno V con una base ortonormal {u1,

u2,…. uk.

Si v є V, entonces la proyección ortogonal de v sobre H, denotada por proyHv, está

dada por proyHv = <v, u1> u1 + < v, u1> u2 +….+ < v, uk> uk

Complemento ortogonal

Sea H un subespacio del espacio con producto interno V. Entonces el complemento

ortogonal de H, denotado por H1, está dado por

H1 = {x є V: (x, h) = 0 para toda h є H}

Si H es un subespacio del espacio con producto interno V, entonces

i) H1 es un subespacio de V.

ii) H Ո H1 = {0}.

iii) dim H1 = n – dim H si dim V = n < ∞

7
Teorema de proyección

Sea H un subespacio de dimensión finita del espacio con producto interno V y

suponga que x є V. Entonces existe un par único de vectores h y p tale que h є H, p є

H1, y

v=h+p

Donde h = proyHv.

Si V tiene dimensión finita, entonces p = proyHv.

Teorema de aproximación de norma

Sea H un subespacio de dimensión finita de un espacio con producto interno V y sea

v un vector de V. Entonces, en H, proyHv es la mejor aproximación a v en el sentido

siguiente: si h es cualquier otro vector en H, entonces

|v - proyHv| < |v – h|

8
BIBLIOGRAFIA:

Torrelavega. (2012). AJUSTE POR MÍNIMOS CUADRADOS.

http://personales.upv.es/jromero1/tras6a.pdf
Soberón, L.F. (2016) Aproximación por Mínimos Cuadrados. Available at:
http://www.tecnohobby.net/ppal/index.php/matematicas/algebra-lineal/33-minimos-
cuadrados (Accessed: 4 August 2016).

https://lineal2cx07.wordpress.com/2016/03/14/espacios-con-producto-interno-y-
proyecciones/

algebra (no date) Algebra. Available at:

https://books.google.com.ec/books?id=Gcmrzr_CMloC&dq=grossman+algebra+lineal+
septima+edicion&hl=es&source=gbs_navlinks_s (Accessed: 4 August 2016).

Base ortonormal in Wikipedia. Available at:

https://es.wikipedia.org/wiki/Base_ortonormal (Accessed: 3 August 2016).

sangakoo (2012) Base ortogonal y base ortonormal - Temario matemáticas. Available

at: http://www.sangakoo.com/es/temas/base-ortogonal-y-base-ortonormal (Accessed: 3
August 2016).