Algebra Teoria 09
Algebra Teoria 09
Algebra Teoria 09
I
Tema 9
Ver la figura 9.1(a). Obsérvese que, al representar los ejes cartesianos, entendemos que
vector unitario.
Sean u, v dos vectores de R2 y sea θ ∈ [0, π] el ángulo entre ellos (ver la figura 9.1(b)).
opuesto al ángulo θ.
1
v = (v1 , v2 )t
v2
p v
v21 + v22
θ u
v1
a) b)
ut v
hu, vi = |{z} = u1 v1 + u2 v2
producto
matricial
B0 a B, entonces hay que tener cuidado porque en general [u]tB [v]B 6= hu, vi.
R.
2
9.2. Producto interno y norma sobre R
de todos los pares de vectores (u, v) y R, cuyo resultado es un número real denotado
por hu, vi, que satisface las siguientes propiedades para todo u, v, w ∈ V y todo
escalar α ∈ R:
Ejemplo
0 ⇐⇒ u = 0.
3
Ejemplo
hp, qi = a0 b0 + 2a1 b1 .
Veamos que es un producto interno: para todo p(x) = a0 +a1 x, q(x) = b0 +b1 x, t(x) =
0 ⇐⇒ p(x) = 0.
a partir del producto escalar, conceptos geométricos tales como la longitud de un vector
y la distancia y el ángulo entre dos vectores de dicho espacio. Tales nociones pueden ser
lar:
4
Definimos la longitud o norma kuk de un vector u ∈ V como el número real:
p
kuk = hu, ui .
Ejemplo
ha0 + a1 x, b0 + b1 xi = a0 b0 + 2a1 b1 ,
p p p √
kpk = hp, pi = h4 − 5x, 4 − 5xi = 4 · 4 + 2 · (−5) · (−5) = 66 .
Proposición
Desigualdad de Cauchy-Schwarz
Demostración. Consideremos
Por tanto, considerando la expresión p(λ) = kuk2 + λ2 kvk2 + 2λhu, vi, la ecuación p(λ) = 0
5
tendrá discriminante ∆ 6 0. Dicho discriminante es
Dados los vectores u y v del espacio vectorial V sobre R, dotado de producto interno,
d(u, v) = ku − vk .
de mínimos cuadrados, en el que nuestro objetivo será minimizar la distancia entre ciertos
Proposición
i) d(u, v) > 0.
ii) d(u, v) = 0 ⇐⇒ u = v.
6
Ejemplo
ha0 + a1 x, b0 + b1 xi = a0 b0 + 2a1 b1 .
Vamos a calcular la distancia entre los polinomios p1 (x) = 1 y p2 (x) = 1 + 2x. Como
p √
d(p1 , p2 ) = kp1 − p2 k = k − 2xk = 02 + 2 · (−2)2 = 8 .
Obviamente,
p √
d(p2 , p1 ) = kp2 − p1 k = k2xk = 02 + 2 · 22 = 8 .
p √
d(p2 , p3 ) = kp2 (x) − p3 (x)k = k − 1 + 5xk = (−1)2 + 2 · 52 = 51 ,
p √
d(p1 , p3 ) = kp1 (x) − p3 (x)k = k − 1 + 3xk = (−1)2 + 2 · 32 = 19
y claramente
√ √ √
19 6 8 + 51 .
triangular para una terna particular de polinomios, lo cual no puede considerarse una
demostración.
7
de un producto interno se generaliza mediante la expresión
hu, vi
cos(θ) = .
kuk kvk
hu, vi
Nótese que la desigualdad de Cauchy-Schwarz garantiza que −1 6 6 1, lo
kuk kvk
hu, vi
que nos permite escribir cos(θ) = con θ ∈ [0, π].
kuk kvk
Obviamente si dos vectores u y v verifican que hu, vi = 0, el ángulo comprendido en-
π
tre ellos, según el producto interno dado, es de ; en tal caso, se dice que los vectores son
2
ortogonales o perpendiculares con respecto a dicho producto interno. Cuando el producto
Ejemplo
ha0 + a1 x, b0 + b1 xi = a0 b0 + 2a1 b1 .
Vamos a calcular ahora el ángulo entre los polinomios p1 (x) = 1 y p2 (x) = 1 + 2x.
Tenemos que
p
kp1 k = 12 + 2 · 02 = 1 ,
p
kp2 k = 12 + 2 · 22 = 3 ,
hp1 , p2 i = 1 · 1 + 2 · 0 · 2 = 1 .
Por tanto,
1 1
cos(θ) = ⇒ θ = arc cos 6= 0 .
3 3
Obviamente, no son ortogonales según el producto interno dado.
8
9.2.1. Proyección ortogonal sobre un vector
Como hemos visto, la noción de producto interno permite medir ángulos y, en parti-
cular, decidir si dos vectores son o no ortogonales. Para ello, basta con comprobar que su
π
producto interno es cero, ya que en tal caso, el ángulo que formen será de .
2
Con frecuencia es necesario obtener (en un cierto espacio vectorial con producto in-
terno) la “proyección ortogonal” de un vector sobre otro. En R2 , esta idea es muy intuitiva.
v u
θ Pu (v)
La proyección ortogonal del vector v sobre el vector u es otro vector que representa-
punteado rojo.
hu, vi u hu, vi
Pu (v) = = u.
kuk kuk hu, ui
9
Si u es un vector unitario (kuk = 1), escribiremos simplemente
Pu (v) = hu, vi u .
Ejemplo
Vamos a encontrar ahora la proyección del vector p1 (x) = 1 sobre el vector p2 (x) =
nemos que
hp1 , p2 i 1
Pp2 (p1 ) = p2 (x) = (1 + 2 x) .
hp2 , p2 i 9
para todo v ∈ V. Tal aplicación se denomina proyección ortogonal sobre u y, para cada
10
Dos subespacios S1 y S2 de V se denominan subespacios ortogonales si hs1 , s2 i = 0
Así:
Ejemplo
hs1 , s2 i = α · 0 + 0 · β + 0 · 0 = 0
Ejemplo
con respecto al producto escalar usual. Éste estará formado por todos los vectores
11
escriben de la forma α1 e1 + α2 e2 = (α1 , α2 , 0)t con α1 , α2 ∈ R. Para que un vector
que:
S⊥
1 = Gen(e3 ) .
Ejemplo
ha0 + a1 x , b0 + b1 xi = a0 b0 + 2a1 b1 .
S⊥
1 = {p(x) ∈ P1 : hαx, p(x)i = 0 , ∀ α ∈ R}
= {p(x) = a0 + a1 x : 2αa1 = 0 , ∀ α ∈ R}
= {p(x) = a0 + a1 x : a1 = 0} = Gen(1) = P0 .
En palabras, S⊥
1 está formado por los polinomios que sólo constan del término inde-
pendiente.
12
Si S es un subespacio de V, entonces S⊥ también es un subespacio de V.
Si S es un subespacio de V, entonces
Ejemplo
S⊥
1 = Gen(1). Evidentemente:
S1 ∩ S⊥
1 = {0} ,
y puede formarse una base de P1 uniendo las bases BS1 = (x) y BS⊥1 = (1).
nulo de la traspuesta de A.
13
Ejemplo
Sea la matriz
1 3 −2
A=
0 1 −1
.
−2 −6 4
Es fácil encontrar cada uno de los subespacios asociados a esta matriz:
N(A) = Gen (−1, 1, 1)t ,
C(At ) = Gen (1, 3, −2)t , (0, 1, −1)t ,
N(At ) = Gen (2, 0, 1)t ,
C(A) = Gen (1, 0, −2)t , (3, 1, −6)t .
Obviamente, todos los vectores de N(A) son ortogonales a todos los vectores de
C(At ), al serlo los vectores que generan ambos subespacios, y todos los vectores de
N(A)⊥ = C(At ) ,
N(At )⊥ = C(A) ,
14