Practica3 matII 2022 23

2 APLICACIONES LINEALES
Practica 3 Matlab
1. Objetivos
- Aplicaciones lineales: Matriz asociada, imagen de un vector, base del ker(f ) y base
de Im(f ).
- Espacios vectoriales euclideos: Producto escalar, norma y base ortonormal.
- Polinomios de regresión.
2. Aplicaciones lineales
En esta sección veremos como podemos aplicar matlab para resolver algunas cuestio-
nes relacionadas con las aplicaciones lineales. Para ello pondremos un ejemplo e iremos
resolviendo las distintas cuestiones.
Sea f : R4 → R3 la aplicación lineal definida por:
f (x, y, z, w) = (2x + z + 4w, y − 3z + 2w, −y + 3z − 2w)
a) Obtener la matriz asociada a f respecto de las bases canónicas.
b) Obtener la imagen del vector −

→
u = (1, 0, 1, −1)
c) Utilizar el comando null para obtener una base de Ker(f ). (Es recomendable apli-
carlo a la matriz de f tras convertirla en un objeto simbólico con sym).
d) Obtener una base de Im(f ) con el comando colspace. (Es necesario aplicarlo a la
matriz de f tras convertirla en un objeto simbólico con sym).
Apartado a
syms x y z w
f=[2*x+z+4*w,y-3*z+2*w,-y+3*z-2*w]
f =[ 2*x+z+4*w, y-3*z+2*w, -y+3*z-2*w]
f 1 = subs(f, {x, y, z, w}, {1, 0, 0, 0})
f1 = [ 2 0 0]
f 2 = subs(f, {x, y, z, w}, {0, 1, 0, 0})
f2 = [ 0 1 -1]
Grado I.Electrónica Curso 2022/23 1 Matemáticas II

2 APLICACIONES LINEALES
f 3 = subs(f, {x, y, z, w}, {0, 0, 1, 0})
f3 = [1 -3 3]
f 4 = subs(f, {x, y, z, w}, {0, 0, 0, 1})
f4 = [4 2 -2]
Mf=[f1’ f2’ f3’ f4’]

 
2 0 1 4
Mf = 0 1 −3 2 
0 −1 3 −2
Apartado b
fv=Mf*[1;0;1;-1]
fv =[ -1 -5 5]
Apartado c
null(Mf)
 
−0,3102 −0,8340
 0,8845 −0,3736 
ans =
 0,3414

0,1316 
0,0698 0,3841
null(sym(Mf))
 
1 0
 −6 −14 
ans = −2 −4


0 1
Apartado d
colspace(sym(Mf))
 
1 0
ans = 0 1 
0 −1
Otra forma es usando el comando rref
rref(Mf’)
ans =

3 PRODUCTO ESCALAR. ORTOGONALIZACIÓN
 
1 0 0
 0 1 −1 
 
 0 0 0 
0 0 0
3. Producto escalar. Ortogonalización
En esta sección veremos como podemos aplicar matlab para hallar módulos y producto
escalar. Ası́ como a partir de un conjunto de vectores obtener una base equivalente a la
primera pero cuyos vectores son ortogonales.
Además veremos como usar matlab para obtener una base del subespacio ortogonal
de un subespacio dado y la proyección ortogonal de un vector sobre un subespacio.
En R5 con el producto escalar usaul se considera el siguiente subespacio vectorial:
U =< (1, 0, 1, −2, 3), (0, 2, 2, 2, −5) >
a) Comprobar mediante los comandos dot y norm que los vectores no son unitarios
ni ortogonales.
b) Usar el comando orth para obtener una base ortonormal de U .
c) Calcular una base de U ⊥ con el comando null
d) Determinar la proyección ortogonal sobre U del vector −

→
v = (1, 2, 3, 0, −1).
Apartado a
v1=[1 0 1 − 2 3 ]
v2=[0 2 2 2 − 5]
Producto escalar:
dot(v1,v2)=-17, como dicho producto escalar no es nulo los vectores no son ortogona-
les.
Módulo:
norm obtenemos el módulo o norma de un vector.
norm(v1)=3.8730
norm(v2)=6.0828
Ninguno de los dos vectores son unitarios, su modulo no es 1.

3 PRODUCTO ESCALAR. ORTOGONALIZACIÓN
Apartado b
Una base se dice ortonormal si está constituida por vectores ortogonales dos a dos y
unitarios.
U=[v1’; v2’]
orth calcula a partir de los vectores dados un conjunto de vectores ortonormales.

BOU=orth(U)
BOU =
 
0,0703 0,3663
 −0,2583 0,3985 
 
 −0,1881 0,7648 
 
 −0,3989 −0,3340 
0,8567 0,1025
Comprobar que son ortogonales y unitarios.
Apartado c
U=U’
( )
1 0 1 −2 3
U=
0 2 2 2 −5
BUORT= null(sym(U))
   
1 3 −11/2 −1 2 −3
 1 0 0   −1 −1 5/2 
   
BUORT = 
 −1 −1 5/2 
 o BUORT =
 1 0 0 

 0 1 0   0 1 0 
0 0 1 0 0 1
Nota: Las dos soluciones son equivalentes.
La base de U ⊥ son las columnas de la matriz obtenida.
Apartado d
Para determinar la proyección ortogonal usamos los vectores obtenidos en el apartado

b), es decir, utilizamos los vectores unitarios y ortogonales
e1=BOU(:,1)’
e1 = 0.0703 -0.2583 -0.1881 -0.3989 0.8567
e2=BOU(:,2)’
e2 = 0.3663 0.3985 0.7648 -0.3340 0.1025

4 POLINOMIOS DE REGRESIÓN
v=[1 2 3 0 -1]
v = 1 2 3 0 -1
La proyección ortogonal es el vector obtenido por:
pvu = dot(v, e1) ∗ e1 + dot(v, e2) ∗ e2
pvu = (1,0977, 1,8195, 2,9173, −0,3759, −1,2556)
4. Polinomios de regresión
Matlab posee instrucciones que me permiten hallar el polinomio que mejor se ajusta
a una colección de datos y el polinomio trigonométrico.
1. Mediante el comando polyfit, encontrar la ecuación cúbica y = a0 +a1 x+a2 x2 +a3 x3

que mejor se ajusta a los datos (-2,-8),(-1,-1), (0,3), (1,1),(2,-1), (3,0).
Resolución
El comando polyfit nos permite obtener los coeficientes del polinomio que preten-
demos hallar. En primer lugar definimos los vectores abcisas y ordenadas.
X=[-2 -1 0 1 2 3]
Y=[-8 -1 3 1 -1 0]
p=polyfit(X,Y,3)
p = 0.4444 -1.6310 0.1389 2.0952
Para obtener el polinomio de forma usual utilizamos poly2sym
pv=poly2sym(p)
pv = 4/9 ∗ x3 − 137/84 ∗ x2 + 1250999896491801/9007199254740992 ∗ x + 44/21
El comando cftool(X,Y) tambien nos permite obtener dicha aproximación.
2. Un cierto experimento produce los datos empiricos siguientes: (0,1.5),(π/4,2.5),

(π/3, 2.5), (π/2,1). Calcular, mediante la herramienta cftool, la función de la forma
y = a1 cos(x) + a2 sen(x) que mejor se ajusta a los datos.
Creamos los vectores
X=[0 pi/4 pi/3 pi/2]
Y=[1.5 2.5 2.5 1]
A continuación ejecutamos la orden
cftool(X,Y)
En la ventana de tipos de aproximación indicamos la opción custom equation y
seleccionamos a ∗ sin(x) + b ∗ cos(x)

4 POLINOMIOS DE REGRESIÓN
Según la versión de Matlab, para llegar a esa opción tendremos que pinchar en
la barra de herramientas en TOOL y a continuación en custom equation. Una
vez creada la equacion en FITTING reseñamos custom equation y aplicamos la
ecuación deseada.
Nos indica los resultados a = 1,44 y b = 1,814

Practica3 matII 2022 23

Cargado por

Copyright:

Formatos disponibles

Practica3 matII 2022 23

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Practica3 matII 2022 23

Cargado por

Copyright:

Formatos disponibles

2 APLICACIONES LINEALES

- Espacios vectoriales euclideos: Producto escalar, norma y base ortonormal.

Sea f : R4 → R3 la aplicación lineal definida por:

f (x, y, z, w) = (2x + z + 4w, y − 3z + 2w, −y + 3z − 2w)

a) Obtener la matriz asociada a f respecto de las bases canónicas.

b) Obtener la imagen del vector −

f =[ 2*x+z+4*w, y-3*z+2*w, -y+3*z-2*w]

f 1 = subs(f, {x, y, z, w}, {1, 0, 0, 0})

f 2 = subs(f, {x, y, z, w}, {0, 1, 0, 0})

Grado I.Electrónica Curso 2022/23 1 Matemáticas II

f 3 = subs(f, {x, y, z, w}, {0, 0, 1, 0})

f 4 = subs(f, {x, y, z, w}, {0, 0, 0, 1})

Mf=[f1’ f2’ f3’ f4’]

Grado I.Electrónica Curso 2022/23 2 Matemáticas II

3. Producto escalar. Ortogonalización

En R5 con el producto escalar usaul se considera el siguiente subespacio vectorial:

U =< (1, 0, 1, −2, 3), (0, 2, 2, 2, −5) >

b) Usar el comando orth para obtener una base ortonormal de U .

c) Calcular una base de U ⊥ con el comando null

d) Determinar la proyección ortogonal sobre U del vector −

norm obtenemos el módulo o norma de un vector.

Ninguno de los dos vectores son unitarios, su modulo no es 1.

Grado I.Electrónica Curso 2022/23 3 Matemáticas II

orth calcula a partir de los vectores dados un conjunto de vectores ortonormales.

La base de U ⊥ son las columnas de la matriz obtenida.

Para determinar la proyección ortogonal usamos los vectores obtenidos en el apartado

e1 = 0.0703 -0.2583 -0.1881 -0.3989 0.8567

e2 = 0.3663 0.3985 0.7648 -0.3340 0.1025

Grado I.Electrónica Curso 2022/23 4 Matemáticas II

La proyección ortogonal es el vector obtenido por:

pvu = dot(v, e1) ∗ e1 + dot(v, e2) ∗ e2

pvu = (1,0977, 1,8195, 2,9173, −0,3759, −1,2556)

1. Mediante el comando polyfit, encontrar la ecuación cúbica y = a0 +a1 x+a2 x2 +a3 x3

2. Un cierto experimento produce los datos empiricos siguientes: (0,1.5),(π/4,2.5),

Grado I.Electrónica Curso 2022/23 5 Matemáticas II

Grado I.Electrónica Curso 2022/23 6 Matemáticas II

También podría gustarte

f =[ 2x+z+4w, y-3z+2w, -y+3z-2w]