Universidad de la República Facultad de Ingenierı́a - IMERL Geometrı́a y Álgebra Lineal 2 Primer Semestre 2016 PRÁCTICO 7: PROYECCIÓN ORTOGONAL - MÍNIMOS CUADRADOS. 1. Proyección ortogonal Ejercicio 1. Sea V un espacio vectorial de dimensión finita con producto interno, S ⊂ V un subespacio vectorial y PS (v) la proyección ortogonal de v sobre S; es decir PS (v) es el único vector que verifica que PS (v) ∈ S y v − PS (v) ∈ S ⊥ . Probar que: 1. PS (s) = s ∀s ∈ S. 2. PS (v) = ~0 ∀ v ∈ S ⊥ . P S 3. La función PS : V → V dada por v 7→ PS (v) es una transformación lineal. 4. 5. 6. 7. 8. 9. Hallar la matriz asociada de PS en una base construı́da uniendo una base de S con una de S ⊥ . Hallar el núcleo y la imagen de PS . Hallar valores propios y subespacios propios de PS , ¿Es PS diagonalizable? ||v||2 = ||PS (v)||2 + ||PS ⊥ (v)||2 ∀v ∈ V. ||PS (v)|| ≤ ||v||. hv, PS (v)i = ||PS (v)||2 ∀v ∈ V. Ejercicio 2. En cada caso, dado el producto interno, el subespacio S y el vector v, hallar PS (v). 1. En R4 con el producto interno habitual; S = (1, −1, 1, 1), (2, 1, 0, 3) y v = (1, 2, 3, 4). 2. En R4 con el producto interno habitual; S = (1, −1, 1, 1), (2, 1, 0, 3) y v = (x, y, z, t) cualquiera. 3. En R3 con el producto interno dado por (x1 , x2 , x3 ), (y1 , y2 , y3 ) = 2x1 y1 + x1 y2 + x2 y1 + 4x2 y2 + x3 y3 , S = (x, y, z) ∈ R3 : y − z = 0 y v = (1, −1, 0). 4. En C3 con el producto interno usual; S = {(x, y, z) ∈ C3 : x + (1 + i)y − z = 0} y v = (0, 1, i). Ejercicio 3. En los siguientes casos consideramos los productos internos usuales. 1. Sea PS : R3 −→ R3 la proyección ortogonal sobre el plano S = (x, y, z) ∈ R3 : x−2y+z = 0 . Hallar la matriz asociada a PS en las bases canónicas de R3 . 2. Hallar la matriz asociada en la base canónica de la proyección (en R2 ), sobre la recta y = 3x. R1 Ejercicio 4. Consideramos en R3 [x] el producto interno dado por hp, qi = −1 p(t)q(t) dt. 1. Hallar una base ortonormal del subespacio R2 [x] ⊂ R3 [x]. 2. Hallar la proyección ortogonal del polinomio p : p(t) = t3 sobre el subespacio R2 [x]. 3. Sea F : R3 → R tal que Z 1 F (a, b, c) = (at2 + bt + c − t3 )2 dt −1 Hallar el mı́nimo de F en R3 (Resolverlo como un problema de proyección). Ejercicio 5. En el espacio C[−π, π] con el producto interno Rπ f (t)g(t)dt: −π 1. Aplicar el proceso de Gramm-Schmidt al conjunto {1, cos t, sin t}. 1 2 2. Sea S el subespacio de C[−π, π] generado por B. Hallar el elemento de S más próximo a la función f (x) = x. 2. Aproximación por mı́nimos cuadrados Ejercicio 6. Sea A ∈ Mm×n (R). 1. Probar que Im(A)⊥ = Ker(At ); es decir, que si S es el subespacio de Rm generado por las → − columnas de A, entonces S ⊥ = {X ∈ Rm : At X = 0 }. 2. Dado Y ∈ Rm y S = Im(A), probar que s = PS (Y ) si y sólo si s = AXo con Xo ∈ Rn y (At A)Xo = At Y . 3. Dado Y ∈ Rm , concluir que el vector que minimiza ||Y − AX|| es la solución del sistema (At A)X = At Y . 1 0 1 Ejercicio 7. Sea AX = b un sistema de ecuaciones donde A = 0 1 y b = 1 . 1 1 0 1. Resolver AX = b . 2. Encontrar la “mejor solución” X aplicando el método de mı́nimos cuadrados; es decir, hallar X que minimice ||AX − b||. 3. Sea s = AX . Verificar que el vector “error” b − s es ortogonal a las columnas de A . Ejercicio 8. En un experimento se midió según el tiempo una cierta magnitud y, obteniéndose los siguientes valores t 0 1 3 4 y 0 1 2 5 1. Graficar y contra t . 2. Aplicando el método de mı́nimos cuadrados hallar la “mejor ” recta que ajuste los datos anteriores ( y = αt + β ). Graficar la solución. 3. Aplicando el método de mı́nimos cuadrados hallar la “mejor ” parábola que ajuste los datos anteriores ( y = αt2 + βt + γ ). Graficar la solución. Ejercicio 9. En un experimento con 2 materiales radiactivos se mide la lectura y de un contador Geiger en varios tiempos t . Se puede suponer basándose en la experiencia anterior que los datos verifican el siguiente modelo y = αe−λt + βe−µt donde se conocen las vidas medias de ambos materiales: λ = 1 y µ = de cada uno de ellos: α y β. 1 2 , pero se ignoran las cantidades t 0 Se efectúan una serie de resultados obteniéndose los siguientes valores: 1 3 Plantear las ecuaciones normales que optimizan α y β según el criterio de y 8 . 4 1 los mı́nimos cuadrados. 3 Ejercicio 10. La tabla de valores que se a continuación corresponde a medidas con error de muestra πt . Aplicando el 4 t 0 los parámetros A y B que mejor ajustan f (t) a los datos: 2 4 una ley y = f (t) = A sin πt 4 + B cos método de mı́nimos cuadrados, calcular y 0 . 1 2
© Copyright 2024