Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Teorıa de las ComunicacionesEspacios vectoriales
Javier A. Smidt
Facultad de Ingenierıa - UNLP
06/03/20
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 1 / 14
Espacios vectoriales
Definicion: Espacio vectorial
Es un conjunto de elementos (vectores) V, asociado a un cuerpo K, condos operaciones definidas: suma y producto por un escalar. Lasoperaciones deben cumplir una serie de propiedades.
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 2 / 14
Espacios vectoriales
Propiedades de la suma
∀u, v,w ∈ V
Clausura: u + v ∈ V
Conmutativa: u + v = v + u
Asociativa: (u + v) + w = u + (v + w)
Existencia y unicidad de neutro: ∃0 ∈ V /u + 0 = u
Existencia y unicidad de opuesto: ∀u∃(−u)/u + (−u) = 0
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 3 / 14
Espacios vectoriales
Propiedades del producto por un escalar
∀α, β ∈ K y ∀u, v ∈ V
Clausura: αu ∈ V
Asociativa: α(βu) = (αβ)u
Existencia y unicidad de neutro: ∃1 ∈ K/1u = u
Distributiva respecto a la suma vectorial: α(u + v) = αu + αv
Distributiva respecto a la suma escalar: (α + β)u = αu + βu
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 4 / 14
Algunas definiciones
Combinacion lineal
Sean v1, ..., vn ∈ V y α1, ..., αn ∈ Kn∑
i=1
αivi es una combinacion lineal de {vi}
Conjunto linealmente dependiente
C = {vi}ni=1 es l.d. si existen α1, ..., αn ∈ K , no todos nulos, tal quen∑
i=1
αivi = 0
Conjunto linealmente independiente
Un conjunto que no es l.d., es l.i.:
C = {vi}ni=1 es l.i. sin∑
i=1
αivi = 0 si y solo si αi = 0∀i = 1, ..., n
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 5 / 14
Algunas definiciones
Combinacion lineal
Sean v1, ..., vn ∈ V y α1, ..., αn ∈ Kn∑
i=1
αivi es una combinacion lineal de {vi}
Conjunto linealmente dependiente
C = {vi}ni=1 es l.d. si existen α1, ..., αn ∈ K , no todos nulos, tal quen∑
i=1
αivi = 0
Conjunto linealmente independiente
Un conjunto que no es l.d., es l.i.:
C = {vi}ni=1 es l.i. sin∑
i=1
αivi = 0 si y solo si αi = 0∀i = 1, ..., n
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 5 / 14
Algunas definiciones
Combinacion lineal
Sean v1, ..., vn ∈ V y α1, ..., αn ∈ Kn∑
i=1
αivi es una combinacion lineal de {vi}
Conjunto linealmente dependiente
C = {vi}ni=1 es l.d. si existen α1, ..., αn ∈ K , no todos nulos, tal quen∑
i=1
αivi = 0
Conjunto linealmente independiente
Un conjunto que no es l.d., es l.i.:
C = {vi}ni=1 es l.i. sin∑
i=1
αivi = 0 si y solo si αi = 0∀i = 1, ..., n
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 5 / 14
Algunas definiciones
Algunas consecuencias de las definiciones anteriores:
Si 0 ∈ C ⇒ C es l.d.
Si C es l.d., entonces un vi ∈ C se puede expresar como combinacionlineal de los otros restantes.
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 6 / 14
Algunas definiciones
Subespacio
Sea V un e.v. sobre K . Un subconjunto W ⊂ V es un subespacio de V siel mismo es un e.v. sobre K con las mismas operaciones.
Espacio generado
El espacio generado por C = {vi} es el conjunto de todas las posiblescombinaciones lineales de {vi}. genC = {v/v =
∑mi=1 aivi , ai ∈ K}
Base
Una base de un espacio V es un conjunto l.i. que genera todo el espacio.Por ej., si B = {b1, ...,bn} es una base de V , entonces ∀v ∈ V ,v =
∑ni=1 vibi , donde {vi}, las coordenadas de v en B, es unico.
Teorema
Dado un e.v. V , cualquier base de V tiene la misma cantidad deelementos. Si esa cantidad es finita, se llama dimension de V .
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 7 / 14
Algunas definiciones
Subespacio
Sea V un e.v. sobre K . Un subconjunto W ⊂ V es un subespacio de V siel mismo es un e.v. sobre K con las mismas operaciones.
Espacio generado
El espacio generado por C = {vi} es el conjunto de todas las posiblescombinaciones lineales de {vi}. genC = {v/v =
∑mi=1 aivi , ai ∈ K}
Base
Una base de un espacio V es un conjunto l.i. que genera todo el espacio.Por ej., si B = {b1, ...,bn} es una base de V , entonces ∀v ∈ V ,v =
∑ni=1 vibi , donde {vi}, las coordenadas de v en B, es unico.
Teorema
Dado un e.v. V , cualquier base de V tiene la misma cantidad deelementos. Si esa cantidad es finita, se llama dimension de V .
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 7 / 14
Algunas definiciones
Subespacio
Sea V un e.v. sobre K . Un subconjunto W ⊂ V es un subespacio de V siel mismo es un e.v. sobre K con las mismas operaciones.
Espacio generado
El espacio generado por C = {vi} es el conjunto de todas las posiblescombinaciones lineales de {vi}. genC = {v/v =
∑mi=1 aivi , ai ∈ K}
Base
Una base de un espacio V es un conjunto l.i. que genera todo el espacio.Por ej., si B = {b1, ...,bn} es una base de V , entonces ∀v ∈ V ,v =
∑ni=1 vibi , donde {vi}, las coordenadas de v en B, es unico.
Teorema
Dado un e.v. V , cualquier base de V tiene la misma cantidad deelementos. Si esa cantidad es finita, se llama dimension de V .
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 7 / 14
Algunas definiciones
Subespacio
Sea V un e.v. sobre K . Un subconjunto W ⊂ V es un subespacio de V siel mismo es un e.v. sobre K con las mismas operaciones.
Espacio generado
El espacio generado por C = {vi} es el conjunto de todas las posiblescombinaciones lineales de {vi}. genC = {v/v =
∑mi=1 aivi , ai ∈ K}
Base
Una base de un espacio V es un conjunto l.i. que genera todo el espacio.Por ej., si B = {b1, ...,bn} es una base de V , entonces ∀v ∈ V ,v =
∑ni=1 vibi , donde {vi}, las coordenadas de v en B, es unico.
Teorema
Dado un e.v. V , cualquier base de V tiene la misma cantidad deelementos. Si esa cantidad es finita, se llama dimension de V .
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 7 / 14
Algunas definiciones
Proyeccion
Sea B = {b1, ...,bD} una base de V . Entonces ∀v ∈ V ,∃{vi}/v =
∑Di=1 vibi .
Partimos B en B1 = {b1, ...,bn} y B2 = {bn+1, ...,bD}. Notar queB1 ∪ B2 = B y B1 ∩ B2 = ∅
Llamamos a vp =n∑
i=1
vibi proyeccion de v sobre el subespacio generado
por B1, en la direccion de B2.
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 8 / 14
Algunas definiciones
Producto interno
Es una aplicacion
V × V → K
v,u→ 〈v,u〉
con las siguientes propiedades:∀u, v,w ∈ V y a, b ∈ K
Linealidad: 〈au + bv,w〉 = a〈u,w〉+ b〈u,w〉Simetrıa hermıtica: 〈u, v〉 = 〈v,u〉∗
Positivo definido: 〈u,u〉 ≥ 0〈u,u〉 = ‖u‖2, donde ‖u‖ se llama norma de u
Obs.: 〈u,u〉 = 0⇔ u = 0
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 9 / 14
Algunas definiciones
La norma de un vector puede usarse para definir la distancia entre dosvectores como
d(u, v) = ‖u− v‖
Dos observaciones:
Teroema del coseno:
d2 = ‖u− v‖ = 〈u− v,u− v〉 = 〈u,u− v〉 − 〈v,u− v〉= 〈u− v,u〉∗ − 〈u− v, v〉∗
= (〈u,u〉 − 〈v,u〉)∗ − (〈u, v〉 − 〈v, v〉)∗
= ‖u‖2 − 〈u, v〉 − 〈u, v〉∗ + ‖v‖2
= ‖u‖2 + ‖v‖2 − 2 Re{〈u, v〉}
d = 0⇔ u = v
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 10 / 14
Algunas definiciones
Ortogonalidad
u y v son ortogonales si y solo si 〈u, v〉 = 0
Base ortogonal
B = {b1, ...,bD} es una base y ademas 〈bi ,bj〉 = 0 ∀i 6= j
Obs.: Si v =∑D
i=1 vibi , entonces ‖v‖2 =∑D
i=1 |vi |2‖bi‖2
Base ortonormal
Idem base ortogonal, pero ademas ‖bi‖ = 1 ∀i .En este caso ‖v‖2 =
∑Di=1 |vi |2
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 11 / 14
Algunas definiciones
Ortogonalidad
u y v son ortogonales si y solo si 〈u, v〉 = 0
Base ortogonal
B = {b1, ...,bD} es una base y ademas 〈bi ,bj〉 = 0 ∀i 6= j
Obs.: Si v =∑D
i=1 vibi , entonces ‖v‖2 =∑D
i=1 |vi |2‖bi‖2
Base ortonormal
Idem base ortogonal, pero ademas ‖bi‖ = 1 ∀i .En este caso ‖v‖2 =
∑Di=1 |vi |2
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 11 / 14
Algunas definiciones
Ortogonalidad
u y v son ortogonales si y solo si 〈u, v〉 = 0
Base ortogonal
B = {b1, ...,bD} es una base y ademas 〈bi ,bj〉 = 0 ∀i 6= j
Obs.: Si v =∑D
i=1 vibi , entonces ‖v‖2 =∑D
i=1 |vi |2‖bi‖2
Base ortonormal
Idem base ortogonal, pero ademas ‖bi‖ = 1 ∀i .En este caso ‖v‖2 =
∑Di=1 |vi |2
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 11 / 14
Algunas definiciones
Sea B = {b1, ...,bD} una base de V y v ∈ V ⇒ v =∑D
i=1 vibi . ¿Comohallar las coordenadas {vi}?
〈v,bk〉 =
⟨D∑i=1
vibi ,bk
⟩=
D∑i=1
vi 〈bi ,bk〉(1)= vk‖bk‖
(2)= vk
(1) si la base es ortogonal(2) si la base es ortonormal
Teorema de Parseval generalizado
Si tenemos dos bases ortonormales B y B ′ distintas
‖v‖2 =D∑i=1
|vi |2 =D∑i=1
|v ′i |2
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 12 / 14
Algunas definiciones
Sea B = {b1, ...,bD} una base de V y v ∈ V ⇒ v =∑D
i=1 vibi . ¿Comohallar las coordenadas {vi}?
〈v,bk〉 =
⟨D∑i=1
vibi ,bk
⟩=
D∑i=1
vi 〈bi ,bk〉(1)= vk‖bk‖
(2)= vk
(1) si la base es ortogonal(2) si la base es ortonormal
Teorema de Parseval generalizado
Si tenemos dos bases ortonormales B y B ′ distintas
‖v‖2 =D∑i=1
|vi |2 =D∑i=1
|v ′i |2
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 12 / 14
Algunas definiciones
Sea B = {b1, ...,bD} una base de V y v ∈ V ⇒ v =∑D
i=1 vibi . ¿Comohallar las coordenadas {vi}?
〈v,bk〉 =
⟨D∑i=1
vibi ,bk
⟩=
D∑i=1
vi 〈bi ,bk〉(1)= vk‖bk‖
(2)= vk
(1) si la base es ortogonal(2) si la base es ortonormal
Teorema de Parseval generalizado
Si tenemos dos bases ortonormales B y B ′ distintas
‖v‖2 =D∑i=1
|vi |2 =D∑i=1
|v ′i |2
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 12 / 14
Espacios de senal
Los vectores son ahora funciones de una variable real.
Ej. 1:V = {funciones periodicas complejas de potencia finita}suma y producto usuales
producto interno: 〈f , g〉 =1
T
∫ T/2
−T/2f (t)g∗(t)dt
B = {e j2πnt/T , n ∈ Z} es una base ortonormal.
f (t) =∞∑
n=−∞cne
j2πnt/T con
cn = 〈f (t), e j2πnt/T 〉 =1
T
∫ T/2
−T/2f (t)e−j2πnt/Tdt
¿Que hace un filtro ideal? ¡Proyecta!
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 13 / 14
Espacios de senal
Los vectores son ahora funciones de una variable real.
Ej. 1:V = {funciones periodicas complejas de potencia finita}suma y producto usuales
producto interno: 〈f , g〉 =1
T
∫ T/2
−T/2f (t)g∗(t)dt
B = {e j2πnt/T , n ∈ Z} es una base ortonormal.
f (t) =∞∑
n=−∞cne
j2πnt/T con
cn = 〈f (t), e j2πnt/T 〉 =1
T
∫ T/2
−T/2f (t)e−j2πnt/Tdt
¿Que hace un filtro ideal? ¡Proyecta!
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 13 / 14
Espacios de senal
Los vectores son ahora funciones de una variable real.
Ej. 1:V = {funciones periodicas complejas de potencia finita}suma y producto usuales
producto interno: 〈f , g〉 =1
T
∫ T/2
−T/2f (t)g∗(t)dt
B = {e j2πnt/T , n ∈ Z} es una base ortonormal.
f (t) =∞∑
n=−∞cne
j2πnt/T con
cn = 〈f (t), e j2πnt/T 〉 =1
T
∫ T/2
−T/2f (t)e−j2πnt/Tdt
¿Que hace un filtro ideal? ¡Proyecta!
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 13 / 14
Espacios de senal
Los vectores son ahora funciones de una variable real.
Ej. 1:V = {funciones periodicas complejas de potencia finita}suma y producto usuales
producto interno: 〈f , g〉 =1
T
∫ T/2
−T/2f (t)g∗(t)dt
B = {e j2πnt/T , n ∈ Z} es una base ortonormal.
f (t) =∞∑
n=−∞cne
j2πnt/T con
cn = 〈f (t), e j2πnt/T 〉 =1
T
∫ T/2
−T/2f (t)e−j2πnt/Tdt
¿Que hace un filtro ideal?
¡Proyecta!
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 13 / 14
Espacios de senal
Los vectores son ahora funciones de una variable real.
Ej. 1:V = {funciones periodicas complejas de potencia finita}suma y producto usuales
producto interno: 〈f , g〉 =1
T
∫ T/2
−T/2f (t)g∗(t)dt
B = {e j2πnt/T , n ∈ Z} es una base ortonormal.
f (t) =∞∑
n=−∞cne
j2πnt/T con
cn = 〈f (t), e j2πnt/T 〉 =1
T
∫ T/2
−T/2f (t)e−j2πnt/Tdt
¿Que hace un filtro ideal? ¡Proyecta!
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 13 / 14
Espacios de senal
Ej. 2:V = {funciones complejas de energıa finita y banda limitada a BW}
Si muestreo x(t) ∈ V a fm = 1T > 2BW
x(t) =∞∑
n=−∞x(nT ) sinc
(t − nT
T
)
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 14 / 14
Espacios de senal
Ej. 2:V = {funciones complejas de energıa finita y banda limitada a BW}
Si muestreo x(t) ∈ V a fm = 1T > 2BW
x(t) =∞∑
n=−∞x(nT ) sinc
(t − nT
T
)
Javier A. Smidt (FI-UNLP) Teorıa de las Comunicaciones Espacios vectoriales 06/03/20 14 / 14