Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 35 vistas

    GFGHHGCVGHVH

    Cargado por

    Erick Alejandro Ramírez
    El documento presenta el proceso de Gram-Schmidt para construir una base ortonormal a partir de una base dada de un subespacio vectorial. En primer lugar, se normaliza el primer vector de la base dada para obtener el primer vector de la base ortonormal. Luego, se obtienen los vectores restantes de manera recursiva mediante proyecciones ortogonales sobre los vectores de la base ortonormal construida hasta el momento. De esta forma, se garantiza que la nueva base sea ortonormal. El proceso termina cuando se han construido tantos vectores como la dimensión

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    GFGHHGCVGHVH

    Cargado por

    Erick Alejandro Ramírez
    35 vistas8 páginas
    El documento presenta el proceso de Gram-Schmidt para construir una base ortonormal a partir de una base dada de un subespacio vectorial. En primer lugar, se normaliza el primer vector de la base dada para obtener el primer vector de la base ortonormal. Luego, se obtienen los vectores restantes de manera recursiva mediante proyecciones ortogonales sobre los vectores de la base ortonormal construida hasta el momento. De esta forma, se garantiza que la nueva base sea ortonormal. El proceso termina cuando se han construido tantos vectores como la dimensión

    Descripción original:

    hvhxvghvxa

    Título original

    gfghhgcvghvh

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta el proceso de Gram-Schmidt para construir una base ortonormal a partir de una base dada de un subespacio vectorial. En primer lugar, se normaliza el primer vector de la base dada para obtener el primer vector de la base ortonormal. Luego, se obtienen los vectores restantes de manera recursiva mediante proyecciones ortogonales sobre los vectores de la base ortonormal construida hasta el momento. De esta forma, se garantiza que la nueva base sea ortonormal. El proceso termina cuando se han construido tantos vectores como la dimensión

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    35 vistas8 páginas

    GFGHHGCVGHVH

    Cargado por

    Erick Alejandro Ramírez
    El documento presenta el proceso de Gram-Schmidt para construir una base ortonormal a partir de una base dada de un subespacio vectorial. En primer lugar, se normaliza el primer vector de la base dada para obtener el primer vector de la base ortonormal. Luego, se obtienen los vectores restantes de manera recursiva mediante proyecciones ortogonales sobre los vectores de la base ortonormal construida hasta el momento. De esta forma, se garantiza que la nueva base sea ortonormal. El proceso termina cuando se han construido tantos vectores como la dimensión

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 8

    CENTRO DE ESTUDIOS SUPERIORES

    DEL GOLFO DE MÉXICO,


    CLAVE: 20MSU0043A
    RECTORÍA CENTRO
    MATÍAS ROMERO AVENDAÑO

    Docente: Ing. Graciel Andrés Antonio


    Algebra Lineal

    Presenta: Alexis Desirena Hernández

    Carrera: Licenciatura en ingeniería Industrial

    Tema: Cambio de base, base ortogonales y


    organización de Gram-schmidtl.

    Grupo: 101 Semestre: 1

    11/01/2018
    Base ortonormal, proceso de ortonormalización de Gram-Schmidt.
    Conjunto ortonormal en Rn
    Se dice que un conjunto de vectores S={u1, u2, …, uk} en Rn es un conjunto
    ortonormal si (1) (2)

    Si solo satisface la ecuación (1), se dice que el conjunto es ortogonal.


    Si u, v y w en Rn y α es un número real, entonces (3) (4) (5) (6)(7)

    Ahora se presenta otra definición útil

    Si vϵRn, entonces la longitud o norma de v, denotada por |v|, está dada por (8)

    Nota. Si entonces v*v= Esto significa


    que (9)

    De esta forma se puede obtener la raíz cuadrada en (8), y se tiene (10)(11)

    TEOREMA: si S= es un conjunto ortogonal de vectores


    diferentes de cero, entonces S es linealmente independiente.
    Suponga que
    Entonces, para cualquier i=1,2,…,k

    Como v≠0 por hipótesis |v|2>0 y se dice que c=0. Esto es cierto para i=1,2,…,k, lo
    que completa la prueba.

    Proceso de ortonormalizacion de Gram-Schmidt


    Sea H un subespacio de dimensión m de Rn. Entonces H tiene una base ortonormal.

    Sea S= una base de H. se probara el teorema construyendo una


    base ortonormal a partir de vectores en S. antes de dar los pasios para esta
    construccion, se observa el hecho sencillo de que un conjunto de vectores
    linealmente independiente no contiene al vector cero.

    Paso 1. Eleccion del primer vector unitario

    Sea (12)

    Entonces

    De manera que |u|=1.


    Paso 2. Eleccion de un segundo vector ortogonal a u

    Como anteriormente se ha visto que, en R2, el vector es la

    ortogonal a v. en este caso es la proyeccion de u sobre v. esto se ilustra en


    la siguiente figura.

    Resulta que el vector w dado es ortogonal a v cuando w y v están en Rn para


    cualquier n≥2. Obsérvese que como u es un vector unitario,

    para cualquier vector v.

    Sea (13)
    entonces de manera que
    v’ es ortogonal a u. mas aun, por el teorema, u y v´son linealmente independientes.

    v’≠0 porque de otra manera lo que contradice


    la independencia de v1 y v2.

    Paso 3. Elección de un segundo vector unitario


    Sea (14) entonces es evidente que {u1,u2} es un conjunto ortonormal.
    Suponga que se han construido los vectores u1, u2,…,uk(k<m) y que forman un
    conjunto ortonormal. Se mostrara como construir uk+1.

    Paso 4. Continuación del proceso

    Sea (15) entonces para

    i=1,2,…,k

    Pero Por lo

    tanto,

    Así, es un conjunto linealmente independiente, ortogonal y


    v´k+1≠0.

    Paso 5

    Sea

    Entonces es claro que es un conjunto ortonormal y se


    puede continuar de esta manera hasta que k+1=m con lo que se completa la prueba.
    Nota. Como cada u es una combinación lineal de vectores v,

    gen es un subespacio de gen y como cada


    espacio tiene dimensión k, los espacio son iguales.
    CENTRO DE ESTUDIOS SUPERIORES
    DEL GOLFO DE MÉXICO,
    CLAVE: 20MSU0043A
    RECTORÍA CENTRO
    MATÍAS ROMERO AVENDAÑO

    Docente: Ing. Graciel Andrés Antonio


    Algebra Lineal

    Presenta: Alexis Desirena Hernández

    Carrera: Licenciatura en ingeniería Industrial

    Tema: Transformación lineal inversa.

    Grupo: 101 Semestre: 1

    11/01/2018
    Inversa de una transformación lineal
    Sea T:V→WT:V→W una transformación lineal biyectiva (isomorfismo), entonces
    existe la transformación inversa:T–1:W→VtalqueT–1(w)=v⇔T(v)=wT–
    1:W→VtalqueT–1(w)=v⇔T(v)=w

    T–1T–1 también es una transformación lineal biyectiva:T–1oT=IdVT–1oT=IdVToT–

    1=IdwToT–1=IdwObservación: Para que exista una transformación lineal biyectiva


    entre dos espacios vectoriales, éstos deben tener la misma dimensión. ¿Por qué?
    Ejemplo
    Sea la transformación lineal T:R2→P1T:R2→P1, T((a,b))=a–b+2axT((a,b))=a–
    b+2ax
    ¿Cuál es el núcleo de TT?
    a–b+2ax=0x+0⇒{a–b=02a=0⇒a=0=ba–b+2ax=0x+0⇒{a–
    b=02a=0⇒a=0=bNu(T)={(0,0)}Nu(T)={(0,0)}¿Cuál es la imagen
    de TT?T((1,0))=2x+1T((1,0))=2x+1T((0,1))=–1+0xT((0,1))=–1+0xEstos dos
    polinomios ¿son LI o LD? Son LI, y por lo tanto la dimensión de la imagen es 2. La
    imagen ‘vive’ en P1P1, entonces :Im (T)=P1Im(T)=P1Comprobamos que TT es un
    isomorfismo, entonces existe la transformación lineal inversaT–1:P1→R2T–
    1:P1→R2T((1,0))=2x+1T((1,0))=2x+1T((0,1))=–1+0xT((0,1))=–1+0xEntonces:T–
    1(2x+1)=(1,0)T–1(2x+1)=(1,0)T–1(–1+0x)=(0,1)T–1(–1+0x)=(0,1)¿Está bien
    definida T–1T–1? Sí, porque {2x+1,–1}{2x+1,–1} es una base de P1P1.

    También podría gustarte