Professional Documents
Culture Documents
∑X Y
Capítulo 5 <α, β> =
i =1
i i .
Un espacio euclídeo no siempre tiene un único producto interno, es decir, un <α, β> = ∫ f (x)g(x)dx .
a
espacio vectorial puede ser un espacio euclídeo con diferentes productos
internos. Esta operación es un producto interno sobre V ya que:
Ejemplo 5.1.
∫ (f (x)) dx ≥0 y <α,α> = ∫ (f (x)) dx = 0
b b b
∫
2 2
1. <α, α> = f ( x )f ( x )dx =
a a a
⎡ X1 ⎤ ⎡ Y1 ⎤ ⎡ Z1 ⎤ si y sólo si f(x) = 0, es decir, si y sólo si α = θ.
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
X Y Z b b
Sea V = ℜn. Si α = ⎢ 2 ⎥ , β = ⎢ 2 ⎥ , δ = ⎢ 2 ⎥ entonces se define la 2. <α, β> = ∫ f (x)g(x)dx = ∫ g(x)f (x)dx = <β, α>.
⎢ M ⎥ ⎢ M ⎥ ⎢M ⎥ a a
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
∫ (cf (x))g(x)dx
b b
⎢⎣X n ⎥⎦ ⎢⎣Yn ⎥⎦ ⎢⎣ Z n ⎥⎦ 3. <c•α, β> =
a ∫
= c f ( x )g ( x )dx = c<α, β>.
a
siguiente operación entre vectores de V = ℜn :
∫ (f (x) + g(x))h(x)dx = ∫ (f (x)h(x) + g(x)h(x))dx
b b
4. <α + β, δ> =
a a
175
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
b b Demostración
= ∫ f (x)h(x)dx + ∫ g(x)h(x)dx = <α, δ> + <β, δ>
a a
Sean V un espacio euclídeo y α∈V. Se define como Longitud o Norma de α y Si α = θ entonces por la propiedad 1 de producto interno se cumple
se denota por ||α|| a: que < α, α > = 0. Luego, < α, α > = 0 y por consiguiente
||α|| = 0.
||α|| = < α, α >
3. ||cα|| = < c • α, c • α > .
Ejemplo 5.3.
⇒ ||cα|| = c < α, c • α > (Por la propiedad 3 de producto interno)
En relación al ejemplo 5.1.:
⇒ ||cα|| = c < c • α, α > (Por la propiedad 2 de producto interno)
176 177
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
< β, α > = < α, α > + < α, β > + < α, β > + < β, β >
0 ≤ <δ, δ> = <δ, β − α>
|| α ||2
= < α, α > +2 < α, β > + < β, β >
< β, α >
= <β− α , δ>
|| α ||2 Luego,
< β, α >
= <β, δ> – < α , δ>
|| α ||2 ||α+β||2 = ( < α, α > +2 < α, β > + < β, β > )2
< β, α > = < α, α > +2 < α, β > + < β, β >
= <δ, β> – < α , δ>
|| α ||2 = ||α||2 + 2<α, β> + ||β||2
< β, α >
= <δ, β> – <α, δ> Por el apartado anterior |<α, β>| ≤ ||α||.||β||. Luego,
|| α ||2
< β, α > –||α||.||β|| ≤ <α, β> ≤ ||α||.||β||
= <δ, β> – <δ, α>
|| α ||2
⇒ 2<α, β> ≤ 2||α||.||β||
< β, α > ⇒ ||α||2 + ||β||2 + 2<α, β> ≤ ||α||2 + ||β||2 + 2||α||.||β||
= <δ, β> – .0
|| α ||2 ⇒ ||α+β||2 ≤ (||α|| + ||β||)2
= <δ, β> – 0 ⇒ ||α+β|| ≤ ||α||+||β||
= <δ, β>
< β, α > Definición 5.3.
= <β− α , β>
|| α ||2
Sean V un espacio euclídeo y α, β∈V. Se define como Distancia Euclídea
< β, α > entre α y β y se denota por d(α, β) a:
= <β, β> – < α , β>
|| α ||2
d(α, β) = ||α – β||
< β, α >
= <β, β> – .<α, β>
|| α ||2 Observaciones:
< α, β >
= <β, β> – .<α, β> 1. d(α, β) = d(α – β, θ).
|| α ||2
2. La distancia entre 2 vectores en un espacio euclídeo no es única en el
( < α, β > ) 2 sentido de que puede ser calculada a través de diferentes productos
= <β, β> –
|| α ||2 internos que estén definidos sobre dicho espacio euclídeo.
Teorema 5.2.
( < α, β > ) 2 < β, β >|| α ||2 −(< α, β >) 2
Luego, 0 ≤ <β, β> – ⇒0≤
|| α ||2 || α ||2 Sea V un espacio euclídeo. Si α, β∈V entonces:
⇒ 0 ≤ < β, β >|| α || −(< α, β >)
2 2
2 2
d 2 ( α , β) = α + β − 2 < α , β >
⇒ 0 ≤ || β ||2 || α ||2 −(< α, β >) 2
⇒ (< α, β >) 2 ≤ || β ||2 || α ||2 Demostración
⇒ |< α, β >| ≤ || α || . || β ||
Por definición:
5. ||α+β|| = < α + β, α + β) d(α, β) = ||α – β||
= < α, α > + < β, α > + < α, β > + < β, β > ⇒ d2(α, β) = <α, α – β> + <–β, α – β>
178 179
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
⇒ d2(α, β) = <α, α – β> – <β, α – β> La base canónica B = {e1, e2, …, en} es un conjunto ortonormal ya que:
⇒ d2(α, β) = <α – β, α> – <α – β, β>
⇒ d (α, β) = <α, α> + <–β, α> – (<α, β> + <–β, β>)
2
||ei|| = 0 2 + 0 2 + ... + 12 + ... + 0 2 = 1 = 1 , ∀ i = 1, 2, …, n.
⇒ d2(α, β) = <α, α> – <β, α> – (<α, β> – <β, β>)
<ei, ej> = 0.0 + 0.0 + … + 1.0 + … + 0.1 + … + 0.0 = 0. ∀ i = 1, 2, …, n,
⇒ d2(α, β) = <α, α> – <β, α> – <α, β> + <β, β>
j = 1, 2, …, n.
⇒ d2(α, β) = <α, α> + <β, β> – <α, β> – <α, β>
⇒ d2(α, β) = ||α||2 + ||β||2 – 2<α, β> Por consiguiente B es una base ortonormal de ℜn.
Ejemplo 5.5. Teorema 5.3.
En relación al ejemplo 5.1.: Sea V un espacio euclídeo.
n
Definición 5.5.
= ∑c
i =1
i < αi , α >
Sea V un espacio euclídeo. Se dice que un vector α∈V es ortogonal a un n
vector β∈V y se escribe α ⊥ β si <α, β> = 0. Un subconjunto S de V se dice
que es un conjunto ortogonal si ∀ α, β∈S con α ≠ β se cumple que α ⊥ β. Un
= ∑c
i =1
i < α, α i >
Ejemplo 5.6. m n
= ∑d ∑c
j=1
j
i =1
i < β j , αi >
Sea V = ℜn.
180 181
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
m n
⎧ n
= ∑∑ c d
j=1 i =1
i j < αi ,β j >
⎪
∑
⎪ A ri A rj = 1 si i = j
= ⎨ rn=1
∑
⎪ A A =0
n m
si i ≠ j
= ∑∑ c d
i =1 j=1
i j < αi ,β j > ⎪⎩ r =1 ri rj
= 0 + cj||αj|| + 0 = cj||αj||2
2
Luego, las columnas de A forman un conjunto ortonormal. Como A es no
singular entonces por el teorema 4.10., sus columnas forman un conjunto L.I.
Como por hipótesis αj ≠ θ entonces ||αj||2 > 0. Por consiguiente, Luego, por el teorema 4.16., las columnas de A forman una base de ℜn. Por
cj = 0, ∀ j = 1, 2, …, p, es decir, S es L.I. consiguiente, las columnas de A forman una base ortonormal de ℜn.
Teorema 5.4. CS(⇐): Si las columnas de A forman una base ortonormal de ℜn entonces A es
ortogonal.
Sea A∈Mnxn(ℜ). A es ortogonal si y sólo si sus columnas forman una base
ortonormal de ℜn. Por hipótesis, las columnas de A forman una base ortonormal de ℜn. Por lo
tanto, las columnas de A forman un conjunto ortonormal. Luego,
Demostración
⎧⎪ || A i || = 1 si i = j
CN(⇒): Si A es ortogonal entonces sus columnas forman una base ortonormal ⎨
de ℜn. ⎪⎩< A i , A j >= 0 si i ≠ j
⎧⎪ || A i ||2 = 1 si i = j
Por hipótesis, A es ortogonal, es decir, AtA = AAt = In. En otras palabras A es ⇒ ⎨
no singular y A-1 = At. ⎪⎩< A i , A j >= 0 si i ≠ j
⎧ n
Luego, ∑
⎪ r =1
2
⎪ (A ri ) = 1 si i = j
⇒ ⎨ n
⎧ n
∑ t
⎪ (A ) ir A rj = 1 si i = j
⎪
∑
A A =0
⎪⎩ r =1 ri rj
si i ≠ j
t ⎪ r =1
(AA )ij = ⎨ n
⎧ n
∑
⎪ (A t ) A = 0
⎪⎩ r =1 ir rj si i ≠ j ∑
⎪ A ri A ri = 1
⎪
si i = j
⇒ ⎨ rn=1
⎪ A A =0
∑
⎪⎩ r =1 ri rj
si i ≠ j
182 183
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
⎧ n Demostración
⎪
∑
⎪ A ri A rj = 1 si i = j
⇒ ⎨ rn=1 1. Por hipótesis, S = {α1, α2, …, αn} es un subconjunto de V L.I.
∑
⎪ A A =0
⎪⎩ r =1 ri rj
si i ≠ j Veamos que existen vectores no nulos β1, β2, …, βn tales que
{β1, β2, …, βn} es ortogonal y βi ∈ [{α1, α2, …, αi}], 1 ≤ i ≤ n.
⎧ n
∑ t
⎪ (A ) ir A rj = 1
⎪ r =1
si i = j Utilicemos inducción matemática. Veamos que la afirmación se
cumple para n = 2.
⇒ ⎨ n
∑
⎪ (A t ) A = 0
⎪⎩ r =1 ir rj si i ≠ j
En efecto, S = {α1, α2} es L.I.
< α 2 , β1 >
⎧1 si i = j Definamos β1 = α1 y β2 = α2 – β1.
⇒ (AAt)ij = ⎨ || β1 ||2
⎩0 si i ≠ j
⇒ AAt = In. Luego, β2 ≠ θ y además β2 ⊥ β1, ya que:
⇒ A-1 = At.
⇒ A es ortogonal. < α 2 , β1 >
<β2 , β1> = <α2 – β1, β1>
|| β1 ||2
Teorema 5.5.
< α 2 , β1 >
= <α2, β1> –< β1, β1>
1 || β1 ||2
Sean V un espacio euclídeo y α, β∈V. Si α ≠ θ entonces β = α es un
|| α || < α 2 , β1 >
vector normalizado. = <α2, β1> – <β1, β1>
|| β1 ||2
Demostración < α 2 , β1 >
= <α2, β1> – ||β1||2
|| β1 ||2
Demostremos que ||β|| = 1.
= <α2, β1> – < α 2 , β1 > = 0.
En efecto,
Supongamos que la afirmación se cumple para n = p, es decir:
1 1
||β|| = < β, β > = < α, α>
|| α || || α || Sea S = {α1, α2, …, αp} un subconjunto de V L.I. Entonces existen
vectores no nulos β1, β2, …, βp tales que {β1, β2, …, βp} es
1 1 1 1
= < α, α> = . < α, α > ortogonal.
|| α || || α || || α || || α ||
1 1 Demostremos que la afirmación se cumple para n = p+1, es decir:
= < α, α > = || α ||2 = 1 =1
|| α ||2 || α ||2 Sea S = {α1, α2, …, αp, αp+1} un subconjunto de V L.I. Entonces
existen vectores no nulos β1, β2, …, βp, βp+1 tales que
5.3. PROCESO DE ORTONORMALIZACIÓN DE GRAM-SCHMIDT. {β1, β2, …, βp, βp+1} es ortogonal.
Sea V un espacio euclídeo. Si S = {α1, α2, …, αn} es un subconjunto de V L.I. < α p +1 , β1 > < α p +1 , β 2 > < α p +1 , β p >
entonces existen vectores δ1, δ2, …, δn∈V que verifican las siguientes βp+1 = αp+1 – β1 – β2 – … –
|| β1 ||2 || β 2 ||2 || β n ||2
condiciones:
βp
1. {δ1, δ2, …, δn} es ortonormal.
2. ∀ i, 1 ≤ i ≤ n, se cumple que δi∈[{α1, α2, …, αi}] y por p
< α p +1 , β r >
consiguiente [{α1, α2, …, αi}] = [{δ1, δ2, …, δi}], 1 ≤ i ≤ n.
Es decir, β p +1 = α p +1 − ∑
r =1 || β r ||2
βr
184 185
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
βi = c1 • α1 + c 2 • α 2 + ... + ci • α i
En efecto,
Por consiguiente,
p
< α p +1 , β r >
<βp+1, βi> = < α p +1 − ∑
r =1 || β r ||2
β r , βi>
1 1 1 1
βi = c1 • α1 + c 2 • α 2 + ... + ci • α i
p
< α p +1 , β r > || βi || || βi || || βi || || βi ||
= <αp+1, βi> – < ∑ || β r ||2
β r , βi>
1 1 1
r =1
δi = c1 • α1 + c 2 • α 2 + ... + ci • α i
p
< α p +1 , β r > || βi || || βi || || βi ||
= <αp+1, βi> – ∑ r =1 || β r ||2
< β r , βi >
Luego, δi∈[{α1, α2, …, αi}] y además [{α1, α2, …, αi}] =
i −1
< α p +1 , β r > < α p +1 , βi > [{δ1, δ2, …, δi}], 1 ≤ i ≤ n.
= <αp+1, βi> – ∑
r =1 || β r ||2
< β r , βi > –
|| βi ||2
< βi , β i > +
Teorema 5.7.
p
< α p +1 , β r >
– ∑
r =i +1 || β r || 2
< β r , βi >
Sea V un espacio euclídeo. Si V es finito dimensional entonces V tiene una
i −1 < α p +1 , β r > < α p +1 , βi > base ortonormal.
= <αp+1, βi> – ∑
r =1 || β r ||2
.0 –
|| βi ||2
< β i , βi > +
Demostración
p
< α p +1 , β r >
– ∑
r =i +1 || β r ||2
.0 (Por hipótesis de inducción) Sea Dim(V) = n y B = {α1, α2, …, αn} una base de V. Por el teorema anterior
se tiene que a partir de B se puede construir un conjunto {δ1, δ2, …, δn}
< α p +1 , βi > ortonormal y por consiguiente L.I. Luego, {δ1, δ2, …, δn} es una base
= <αp+1, βi> – || βi ||2
|| βi ||2 ortonormal de V.
= <αp+1, βi> – <αp+1, βi> = 0.
Ejemplo 5.7.
Luego, el conjunto S1 = {β1, β2, …, βn} es ortogonal y βi ≠ θ, 1 ≤ i
Construyamos una base ortonormal en ℜ3 comenzando con la base:
β
≤ n. Si definimos los vectores δ1, δ2, …, δn∈V tales que δi = i
|| βi || ⎧ ⎡1⎤ ⎡ 0⎤ ⎡1⎤ ⎫
entonces el conjunto {δ1, δ2, …, δn} es ortogonal y por el teorema ⎪ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎪
⎨α1 = ⎢1⎥, α 2 = ⎢1⎥, α 3 = ⎢0⎥ ⎬
5.4., el conjunto {δ1, δ2, …, δn} es ortonormal. ⎪ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦ ⎢⎣1⎥⎦ ⎪
⎩ ⎭
2. Por el apartado anterior se cumple que:
Aplicamos Gram-Schmidt:
β1 = α1
< α 2 , β1 > < α 2 , β1 > < α 2 , β1 > ⎡1⎤
β2 = α2 – β1 = α2 – α1 = – α1 + α2
|| β1 ||2 || β1 ||2 || β1 ||2 ⎢ ⎥
β1 = α1 = ⎢1⎥
< α 3 , β1 > < α3 ,β2 > ⎢⎣0⎥⎦
β3 = α3 – β1 – β2
|| β1 ||2 || β 2 ||2
< α 2 , β1 >
< α 3 , β1 > < α3 ,β2 > < α 2 , β1 > β2 = α2 – β1
β3 = α3 – α1 – (α2 – α1) || β1 ||2
|| β1 ||2 || β 2 ||2 || β1 ||2
⎡0 ⎤ ⎡1⎤ ⎡0⎤ ⎡1⎤ ⎡0⎤ ⎡ 1 2 ⎤ ⎡ − 1 2 ⎤
β3 = α3 –
< α 3 , β1 >
α1 –
< α3 ,β2 >
α2 +
< α 3 , β 2 > < α 2 , β1 >
α1 ⎢ ⎥ (0.1 + 1.1 + 1.0) ⎢ ⎥ ⎢ ⎥ 1 ⎢ ⎥ ⎢ ⎥ ⎢ 1 ⎥ ⎢ 1 ⎥
= ⎢1⎥ − 2 2 1 = 1 − 1 = 1 −⎢ ⎥ = ⎢ ⎥
|| β1 ||2 || β 2 ||2 || β 2 ||2 || β1 ||2 1 + 1 + 02 ⎢ ⎥ ⎢ ⎥ 2 ⎢ ⎥ ⎢ ⎥ ⎢ 2⎥ ⎢ 2⎥
⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦ 0 1
< α 3 , β 2 > < α 2 , β1 > < α 3 , β1 > < α 3 , β2 > ⎢⎣ ⎥⎦ ⎢⎣ ⎥⎦
β3 = ( – )α1 – α2 + α3
|| β 2 ||2 || β1 ||2 || β1 ||2 || β 2 ||2 < α 3 , β1 > < α3 ,β2 >
β3 = α3 – β1 – β2
En general, existen escalares c1, c2, …, cn∈K tales que: || β1 ||2 || β 2 ||2
186 187
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Luego, 1
∫
2 1
||β1 ( t ) || =< 1,1 >= dt = t 0 = 1
0
2 2
β1 = 1 + 1 + 0 = 2 2 1 1 2t − 1
⇒ β2(t) = t – .1 = t – =
2 2 2
β2 = (− 1 2 ) + (1 2 ) + 1 =
2 2
2 3
2
= 6
2 β3(t) = α3(t) –
< α 3 ( t ), β1 ( t ) >
β1 ( t ) –
< α 3 ( t ), β 2 ( t ) >
β2 (t )
||β1 ( t ) ||2 ||β 2 ( t ) ||2
β3 = (2 3 ) + (− 2 3 ) + (2 3 )
2 2 2
= 12
9
= 4
3
= 2
3
=2 3
3 1 t3
1
1
< α 3 ( t ), β1 ( t ) >=< t 2 ,1 >= ∫ t dt =
2
=
0 3 0
3
Por consiguiente, 1
2t − 1 1 2t − 1 1 t2 t 4 t3 1 1 3− 2 1
⎡ 2 ⎤
< α 3 ( t ), β 2 ( t ) >=< t 2 ,
2 ∫
>= t 2 (
0 2 0 ∫
)dt = ( t 3 − )dt = −
2 4 6
= − =
4 6 12
=
12
0
⎡1⎤ ⎡1⎤ ⎢ 2 ⎥ 2t − 1 2t − 1 1 2t − 1 1 4t 2 − 4t + 1
1 1 ⎢ ⎥ 2⎢ ⎥ ⎢ 2 ⎥ ||β 2 ( t ) ||2 =< , >= ( ∫) 2 dt = ∫ dt
δ1 = β1 = ⎢1⎥ = 1 =⎢ ⎥ 2 2 2 4
2 ⎢ ⎥ ⎢ 2⎥
0 0
β1 2⎢ ⎥
0
⎣ ⎦ ⎢ 0 ⎥
⎣ ⎦ ⎢ 0 1
⎥ 1 1 t3 t2 t 1 1 1 4−6+3 1
∫ (t
2
⎣⎢ ⎥⎦ = − t + )dt = ( − + ) = − + = =
0 4 3 2 4 0 3 2 4 12 12
⎡− 6 ⎤
⎡− 1 ⎤ ⎡− 1 ⎤ ⎡− 1 ⎤ ⎢ 1
2⎥ 2⎥ 2⎥ ⎢ 6⎥
⎢ ⎢ ⎢ ⎥ 1 2t − 1 1 2t − 1
δ2 =
1
β2 =
1
⎢ 1 ⎥= 2 ⎢ 1 ⎥= 6 ⎢ 1 ⎥=⎢ 6 ⎥ β3(t) = t2 – .1 – 12 ( ) = t2 – – ( )
2⎥ 2⎥ 2⎥ ⎢ 6⎥ 3 1 2 3 2
β2 6 ⎢ 6⎢ 3 ⎢
2 ⎣⎢ 1⎥ ⎢⎣ 1⎥ ⎢⎣ 1⎥ ⎢ 6 ⎥ 12
⎦ ⎦ ⎦ 3 ⎥⎦
⎣⎢ 1 1 6t 2 − 2 − 6t + 3 6t 2 − 6t + 1
= t2 – −t+ = =
⎡ 3 ⎤ 3 2 6 6
⎡ 2 ⎤ ⎡ 2 ⎤ ⎡ 2 ⎤ ⎢ 3 ⎥
3 3 3
1 1 ⎢ 2 ⎥ 3 ⎢ 2 ⎥ 3⎢ 2 ⎥ ⎢ 3 ⎥
δ3 = β3 = ⎢− ⎥ = ⎢− ⎥ = ⎢− ⎥ = ⎢− ⎥ Hallamos ||β3 ( t ) ||2
β3 2 3 ⎢ 2 3⎥ 2 3 ⎢ 2 3⎥ 2 ⎢ 3⎥ ⎢
2
3 ⎥
3 ⎢⎣ 3 ⎥⎦ ⎢⎣ 3 ⎥⎦ ⎢⎣ 3 ⎥⎦ ⎢ 3 ⎥ 6t 2 − 6t + 1 6t 2 − 6t + 1 1 6t 2 − 6t + 1
188 189
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
5.4. PROYECCIÓN ORTOGONAL. Nótese que β = Pr oy Vβ . Esto será demostrado para cualquier vector β∈V en un
próximo teorema.
Definición 5.6.
Ejemplo 5.10.
Sean V un espacio euclídeo, W un subespacio de V finito dimensional,
S = {α1, α2, …, αp} una base ortonormal de W y β∈V. Se define como En relación al ejemplo 5.8., calculemos la proyección ortogonal del vector
proyección ortogonal de β sobre W y se denota por Pr oy Wβ al vector: β(t) = t+2 sobre V = W = P2.
3
p
Pr oyβW( t ) = ∑ < β(t ), δ (t ) > δ (t )
i i
∑
i =1
Pr oy Wβ = < β, α i > α i
1 1
i =1
∫ ∫
⇒ Pr oy βW( t ) = ( ( t + 2).1dt ).1 + ( ( t + 2). 3 (2 t − 1)dt ) 3 (2 t − 1)
0 0
Observación:
1
Pr oy Wβ ∈ W. ∫
+ ( ( t + 2). 5 (6 t 2 − 6t + 1)dt ) 5 (6 t 2 − 6 t + 1)
0
1 1 1
2 t 3 3t 2
Pr oy Wβ =
3
190 191
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
1 1 1 1 1
2.13 3.12 2.0 3 3.0 2 2 3 3
= 3(
3
+
2
− 2.1) − 3 (
3
+
2
− 2.0) = 3 ( + − 2) =
3 2 6 ∫
0
∫
e t . 5 (6 t 2 − 6 t + 1)dt = 5 e t (6 t 2 − 6 t + 1)dt = 6 5 t 2 e t dt − 6 5 te t dt + 5 e t dt
0
∫
0
∫
0
∫
0
1
1 1
6t4
6t 3
11t 2 = 6 5 .(e − 2) − 6 5 .1 + 5 (e − 1) = 6 5 e − 12 5 − 6 5 + 5 e − 5 = (7e − 19) 5
∫ (t + 2).
0
∫
5 (6 t 2 − 6 t + 1)dt = 5 (6 t 3 + 6 t 2 − 11t + 2)dt = 5 (
0
4
+
3
−
2
+ 2t )
⇒ Pr oyβW(t) = (e − 1).1 + (3 − e) 3 . 3 (2t − 1) + (7e − 19) 5 . 5 (6t 2 − 6t + 1)
0
5 3 5 1 1 5
⇒ Pr oy βW( t ) = .1 + . 3 (2t − 1) + 0. 5 (6 t 2 − 6 t + 1) = + (2 t − 1) = t − + = t + 2 Demostración
2 6 2 2 2 2
Como B es una base, por el teorema 4.12. β se puede escribir de manera única
Ejemplo 5.11. como combinación lineal de α1, α2, …, αn, es decir, existen escalares únicos c1,
c2, …, cn ∈ K tales que:
En relación al ejemplo 5.8., calculemos la proyección ortogonal del vector
β(t) = et (β(t)∈V=C[0, 1]) sobre W = P2[0, 1] (W = P2[0, 1] es un subespacio n
de V = C[0, 1] finito dimensional): β= ∑c i =1
i • αi
3
Pr oy βW(t) = ∑ < β(t ), δ (t ) > δ (t )
i =1
i i Luego,
1 1
n n
∫
0
∫
⇒ Pr oyβW(t) = ( e t .1dt ).1 + ( e t . 3 (2t − 1)dt ) 3 (2 t − 1)
0
<β, αj> = < ∑c i • α i , αj > = ∑c i < αi , α j >
i =1 i =1
1 j−1 n
∫
+ ( e t . 5 (6t 2 − 6 t + 1)dt ) 5 (6 t 2 − 6 t + 1) = ∑c
i =1
i < α i , α j > + cj<αj, αj> + ∑c
i = j+1
i < αi , α j >
0
j−1 n
Ahora bien, = ∑ c .0
i =1
i + cj<αj, αj> + ∑ c .0
i = j+1
i = cj<αj, αj> = cj.1 = cj
0 0 0
Definición 5.7.
Luego,
1 Sean V un espacio euclídeo y S un subconjunto no vacío de V. Se define como
∫
0
e t .1dt = e − 1 Complemento Ortogonal de S y se denota por S⊥ al conjunto
S⊥ = {α∈V: α⊥β, ∀ β∈S}
1 1 1
∫e . ∫ ∫
t
3 (2 t − 1)dt = 2 3 te t dt − 3 e t dt = 2 3 .1 − 3 (e − 1) = (3 − e) 3 Observación:
0 0 0
S⊥ ≠ ∅ ya que θ∈S⊥; esto porque θ⊥θ.
192 193
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
<c•α + β, δ> = <c•α, δ> + <β, δ> <α, α1> = 0 ⇒ 1.X1 + 1.X2 = X1 + X2 = 0.
= c<α, δ> + <β, δ> <α, α2> = 0 ⇒ 1.X2 + 1.X3 = X2 + X3 = 0.
= c.0 + 0 = 0. <α, α3> = 0 ⇒ 1.X1 + 1.X3 = X1 + X3 = 0.
Por consiguiente, <c•α + β, δ>∈S⊥ y S⊥ es un subespacio de V. Esto concluye en el siguiente SEL homogéneo:
2. Sea α ∈S∩S⊥. Luego, <α, α> = 0 ⇒ α = θ. Por consiguiente,
S∩S⊥ = {θ}. ⎧ X1 + X 2 = 0
3. Sea {α1, α2, …, αp} una base ortonormal de S. Por el teorema 4.17., ⎪
⎨X 2 + X 3 = 0
se puede expandir esta base a una base B para ℜn ⎪X + X = 0
B = {α1, α2, …, αp, βp+1, βp+2, …, βn}. Por el teorema 5.6., se puede ⎩ 1 3
n Luego,
δ= ∑ < δ, α i > αi
i =1 2X3 = 0 ⇒ X3 = 0.
X2 + X3 = 0 ⇒ X2 + 0 = 0 ⇒ X2 = 0
Pero <δ, αi> = 0, ∀ i = 1, 2, …, p, ya que δ∈S⊥ y αi∈S. Por X1 + X2 = 0 ⇒ X1 + 0 = 0 ⇒ X1 = 0
consiguiente,
Por consiguiente,
n
δ= ∑
i = p +1
< δ, α i > α i
⎡ X1 ⎤ ⎡0⎤
⎢ ⎥ ⎢ ⎥
α = ⎢ X 2 ⎥ = ⎢ 0 ⎥ = θ 3 x1
Luego, {αp+1, αp+2, …, αn} es un conjunto de generadores de S⊥ y ⎣⎢ X 3 ⎦⎥ ⎣⎢0⎦⎥
por ende es una base de S⊥, lo cual significa que
Dim(S⊥) = n – Dim(S).
En consecuencia, S⊥ = {θ3x1}
Ejemplo 5.12.
Nótese que esto ocurre ya que los vectores α1, α2, α3 son L.I.; Dim(S) = 3 y
En relación al ejemplo 5.7., determinemos el complemento ortogonal del Dim(S⊥) = 0.
subconjunto S de V = ℜ3:
194 195
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Ejemplo 5.13. ⎡ 1⎤
⎢ ⎥
En relación al ejemplo 5.7., determinemos el complemento ortogonal del En consecuencia, S⊥ = {X ∈ ℜ3 : X = a ⎢ − 1⎥; a ∈ ℜ}
subconjunto S de V = ℜ3: ⎢⎣ 1⎥⎦
⎧ ⎡1⎤ ⎡0 ⎤ ⎡ 3⎤ ⎫ Nótese que S⊥ ≠ {θ3x1} ya que los vectores α1, α2, α3 son L.D., Dim(S) = 2 y
⎪ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎪ Dim(S⊥) = 1.
S = ⎨α1 = ⎢1⎥, α 2 = ⎢1⎥, α 3 = ⎢3⎥ ⎬
⎪ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎪
⎩ ⎭ Teorema 5.10. (Teorema de Pitágoras)
α∈S⊥ si y sólo si α⊥α1, α⊥α2 y α⊥α3, es decir, <α, α1> = <α, α2> = <α, α3> Sean V un espacio euclídeo y α, β∈V.
= 0.
1. α ⊥ β si y sólo si ||α – β||2 = ||α||2 + ||β||2.
⎡ X1 ⎤ 2. α ⊥ β si y sólo si ||α + β||2 = ||α||2 + ||β||2.
⎢ ⎥
Supongamos que α = ⎢X 2 ⎥ . Luego, Demostración
⎢⎣ X 3 ⎥⎦
1. CN(⇒): Si α ⊥ β entonces ||α – β||2 = ||α||2 + ||β||2.
<α, α1> = 0 ⇒ 1.X1 + 1.X2 = X1 + X2 = 0.
<α, α2> = 0 ⇒ 1.X2 + 1.X3 = X2 + X3 = 0. Por hipótesis, α ⊥ β, es decir, <α, β> = 0.
<α, α3> = 0 ⇒ 3.X1 + 3.X2 = 3X1 + 3X2 = 0.
Por el teorema 5.2., se cumple que
Esto concluye en el siguiente SEL homogéneo: 2 2 2
d 2 (α, β) = α − β = α + β − 2 < α, β > .
⎧ X1 + X 2 = 0
⎪ Luego, ||α – β||2 = ||α||2 + ||β||2 – 2.0 = ||α||2 + ||β||2.
⎨ X 2 + X3 = 0
⎪3X + 3X = 0
⎩ 1 2
CS(⇐): Si ||α – β||2 = ||α||2 + ||β||2 entonces α ⊥ β.
Lo resolvemos: Por hipótesis, ||α – β||2 = ||α||2 + ||β||2 y por el teorema 5.2, se cumple
que ||α – β||2 = ||α||2 + ||β||2 – 2<α, β>. Luego,
⎡1 1 0 0⎤ ⎡1 1 0 0⎤
⎢ ⎥ r3 → r3 −3r1 ⎢ ⎥ ||α||2 + ||β||2 = ||α||2 + ||β||2 – 2<α, β>
⎢ 0 1 1 0 ⎥ ⎯⎯ ⎯ ⎯ → ⎢0 1 1 0 ⎥
⎢ 3 3 0 0⎥ ⎢0 0 0 0 ⎥ ⇒ 2<α, β> = ||α||2 + ||β||2 – ||α||2 – ||β||2
⎣ ⎦ ⎣ ⎦ ⇒ 2<α, β> = 0
⇒ <α, β> = 0
Luego, ⇒α⊥β
196 197
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Por hipótesis, ||α + β||2 = ||α||2 + ||β||2 y por el teorema 5.1, apartado p −1 n
5 se cumple que ||α + β||2 = ||α||2 + ||β||2 + 2<α, β>. Luego, = <β,αp> – ∑ < β, α
i =1
i > .0 – < β, α p > .1 – ∑ < β, α
i = p +1
i > .0
n Pr oyβW
(t)
= (210e − 570) t 2 + (588 − 216e) t + (39e − 105)
<δ, αp> = <β – β W , αp> = <β – ∑ < β, α
i =1
i > α i , αp >
n Igualmente, para calcular Pr oy βW( t⊥) nos valemos del teorema 5.10., apartado 1,
= <β,αp> – < ∑ i =1
< β, α i > α i , αp>
es decir, β(t) = Pr oy βW( t ) + Pr oy βW( t⊥) . Luego,
n
= <β,αp> – ∑ < β, α
i =1
i >< α i , α p >
Pr oy βW( t⊥) =β(t) – Pr oy βW( t )
p −1 n
=<β,αp>– ∑ < β, α
i =1
i >< α i , α p > – < β, α p >< α p , α p > – ∑ < β, α
i = p +1
i >< α i , α p > ⇒ Pr oy βW( t⊥) = et – ( (210e − 570) t 2 + (588 − 216e) t + (39e − 105) )
198 199
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Definición 5.7. p
distancia de β a W, es decir:
= ∑< β,α ><β,α ><α , α >+ < β,α ><β, α ><α , α >
j=1
i j i j i i i i
p
d (β, W ) = min{| d(β, δ); δ ∈ W} + ∑< β,α ><β, α ><α , α >
i j i j
δ
j=i+1
i p
Observación: = ∑< β, α
j=1
i >< β, α j > .0 + (< β, αi >) 2 .1 + ∑< β, α >< β, α
j=i +1
i j > .0
que: p
2. < β, Pr oy Wβ > = < β, ∑ < β, α
i =1
i > αi >
p
d2(β, W) = < β, β > − ∑ (< β, α i >) 2
i =1 Por el teorema 5.3., apartado 3 se tiene que :
Demostración p
< β, Pr oy Wβ > = ∑ < β, α
i =1
i > < β, α i >
d2(β, W) = d2(β, Pr oy Wβ ) p
= ∑ (< β, α i >) 2
Por el teorema 5.2., se cumple que: i =1
2 2 Luego,
d2(β, W) = β + Pr oy Wβ − 2 < β, Proy Wβ >
p p
⇒ d2(β, W) = < β, β > + < Pr oy Wβ , Pr oy Wβ > −2 < β, Proy Wβ > d2(β, W) = < β, β > + ∑ (< β, α
i =1
i >) 2 – 2 ∑ (< β, α
i =1
i >) 2
Ahora bien, p
⇒ d2(β, W) = < β, β > – ∑ (< β, α
i =1
i >) 2
p p
1. < Pr oy Wβ , Pr oy Wβ > = < ∑ < β, α
i =1
i > αi , ∑ < β, α
i =1
i > αi >
p p
= < ∑ < β, α
i =1
i > αi , ∑ < β, α
j=1
j > αj >
p p
< Pr oy Wβ , Pr oy Wβ > = ∑∑ < β, α
i =1 j=1
i >< β, α j >< α i , α j >
200 201
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
5. Sea X∈Mnxp(ℜ) una matriz de datos. Demuestre que: Determine los valores de a y c para que A sea ortogonal.
⎡0 ⎤ ⎡ 3⎤
⎢ ⎥ ⎢ ⎥
11.1. Determine un vector normalizado ortogonal a ⎢2⎥ y ⎢1 ⎥ .
⎢⎣1 ⎥⎦ ⎢⎣2⎥⎦
202 203
CAPÍTULO 5: ESPACIOS EUCLÍDEOS ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
⎡ 2 ⎤ ⎡1 ⎤ ⎡ 4 ⎤ x
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ Determine el elemento de V más cercano a δ = f(x) =Sen( π ), así
11.2. A partir de la base { ⎢1 ⎥ , ⎢2⎥ , ⎢1 ⎥ } construir una base 2
⎢⎣1 ⎥⎦ ⎢⎣4⎥⎦ ⎢⎣2⎥⎦ como también la distancia de f(x) a V.
⎡ 1⎤ ⎡ 0⎤
grado a lo sumo 3 con el producto interno <α, β> = ∫ f (t )g(t )dt , con
0
⎢ ⎥ ⎢ ⎥ α = f(t) y β = g(t). Determine una base del complemento ortogonal del
⎢ − 1⎥ 1
12. Sea W el subespacio generado por y ⎢ ⎥. subespacio generado por p1, p2, siendo p1(x) = 1 y p2(x) = x2.
⎢ 0⎥ ⎢ 2⎥
⎢ ⎥ ⎢ ⎥
⎣⎢ 2⎦⎥ ⎣⎢ −1 ⎦⎥ 18. Sea V = M2x2(ℜ) con el producto interno <A, B> = Traza(ABt).
Consideremos W = {M∈V: Traza(MAt) = Traza(MBt)}, siendo:
12.1. Hallar una base de W⊥.
⎡1 0⎤ ⎡1 1⎤
⎡ 3⎤ A=⎢ ⎥ y B=⎢ ⎥
⎢ ⎥ ⎣0 − 1⎦ ⎣0 1⎦
2
12.2. Expresar ⎢ ⎥ como la suma de un vector de W y de un
⎢ − 1⎥ 18.1. Determine el complemento ortogonal de W.
⎢ ⎥
⎣⎢ 0⎦⎥ ⎡1 1⎤
18.2. Sea C = ⎢ ⎥ . Determine el elemento M∈W tal que d(C,
vector de W⊥. ⎣0 0 ⎦
M) sea mínima.
13. Sean V un espacio euclídeo y α, β∈V tales que ||α|| = ||β||. Demuestre
que α – β es ortogonal a α + β. 19. Sea V = M3x3(ℜ) con el producto interno <A, B> = Traza(ABt) y el
subespacio vectorial H de todas las matrices simétricas. Determine H⊥ y
14. Sean H = {X∈ℜ4: X1 + X2 – 2X3 + 2X4 = 0, X1 + 2X2 – X3 = 0} e su dimensión.
⎡ 2⎤
⎢ ⎥ 20. Sean V el conjunto de funciones polinómicas de grado a lo sumo 3 con
−1
Y= ⎢ ⎥ .
1
⎢ 0⎥ el producto interno <α, β> = ∫
−1
(1 − t 2 )f ( t )g ( t )dt , con α = f(t) y β =g(t)
⎢ ⎥ 2 3
⎣⎢ 1 ⎦⎥ y W = {p∈V: p(x) = ax + bx ; a, b∈ℜ}. Determine el complemento
⊥ ortogonal de W y su dimensión.
14.1. Determine H .
14.2. Determine Pr oy YH . 21. Sea V = M2x2(ℜ).
14.3. Determine Pr oy YH ⊥ . 21.1. Demuestre que <A, B> = Traza(AtB) es un producto interno
Y en V.
14.4. Determine d (Y, Pr oy ) .H
⎡ 1 0⎤ ⎡ −1 0⎤
14.5. Determine d(Y, Pr oy YH ⊥ ) . 21.2. Sean A=⎢ ⎥, B=⎢ ⎥ y
⎣ − 1 0⎦ ⎣ 0 1⎦
15. Sea H = {X∈ℜ4: X1 + X2 – 2X3 + X4 = 0} H = {M∈V: <M, A> = <M, B>}. Demuestre que H es un
subespacio de V.
15.1. Determine una base ortonormal de H. ⎡1 2⎤
15.2. Determine el vector del complemento ortogonal de H más 21.3. Sea C = ⎢ ⎥ . Determine el elemento de H más cercano a
⎣0 1 ⎦
⎡ 2⎤
⎢ ⎥ C y d(C, H).
−1
cercano a β = ⎢ ⎥ . Sea V un espacio euclídeo y H un subespacio vectorial de V.
⎢ 0⎥ 22.
⎢ ⎥ Demuestre que α∈H⊥ si y sólo si d(α, H) = ||α||.
⎢⎣ 3⎥⎦
23. Sea V un espacio euclídeo de dimensión n y E = {α1, α2,…, αp}, con p
16. Sea V el conjunto de funciones polinómicas de grado a lo sumo 2 con < n un conjunto ortonormal de V. Demuestre que ∀β∈V se cumple que
1
∫ f (t )g(t )dt , siendo α = f(t) y β = g(t).
p
el producto interno <α, β> =
0 ∑ < β, α
i =1
i > 2 ≤ || β ||2 .
204 205