zoso89 ha scritto:Nello spazio \( \displaystyle {\mathbb{R}}^{{4}} \), reso euclideo col prodotto scalare standard, sono dati il sottospazio \( \displaystyle {U} \) \( \displaystyle = \) \( \displaystyle {\left\lbrace{\left({x}{1};{x}{2};{x}{3};{x}{4}\right)}\right.} \) \( \displaystyle \in \)
\( \displaystyle {\mathbb{R}}^{{4}} \)\( \displaystyle {\mid}{x}_{{1}}+{x}_{{2}}={x}_{{3}}-{x}_{{4}}={0} \)\( \displaystyle \rbrace \) e il vettore \( \displaystyle {v} \) \( \displaystyle ={\left({0};{1};{0};{2}\right)} \). Determinare il vettore \( \displaystyle {u} \) del sottospazio \( \displaystyle {U} \) che ha da \( \displaystyle {v} \)
distanza minima (cioè tale che \( \displaystyle {\left|{\left|{u}-{v}\right|}\right|} \) sia minima).
______________________________________________________________________________________________
Primo metodo.
Prendiamo una base per \( \displaystyle {U} \):
\( \displaystyle {\left(\matrix{{1}\\-{1}\\{0}\\{0}}\right)} \) ; \( \displaystyle {\left(\matrix{{0}\\{0}\\{1}\\{1}}\right)} \)
cerchiamo una combinazione lineare
\( \displaystyle {u}=\lambda_{{1}}{\left(\matrix{{1}\\-{1}\\{0}\\{0}}\right)}+\lambda_{{2}}{\left(\matrix{{0}\\{0}\\{1}\\{1}}\right)} \)
in modo tale che \( \displaystyle {u} \) abbia distanza minima da \( \displaystyle {v}={\left(\matrix{{0}\\{1}\\{0}\\{2}}\right)} \).
Il sistema normale è il seguente:
\( \displaystyle {{\left(\matrix{{1}&{0}\\-{1}&{0}\\{0}&{1}\\{0}&{1}}\right)}}^{{T}}{\left(\matrix{{1}&{0}\\-{1}&{0}\\{0}&{1}\\{0}&{1}}\right)}{\left(\matrix{\lambda_{{1}}\\\lambda_{{2}}}\right)}={{\left(\matrix{{1}&{0}\\-{1}&{0}\\{0}&{1}\\{0}&{1}}\right)}}^{{T}}{\left(\matrix{{0}\\{1}\\{0}\\{2}}\right)} \)
e quindi
\( \displaystyle {\left(\matrix{{2}&{0}\\{0}&{2}}\right)}{\left(\matrix{\lambda_{{1}}\\\lambda_{{2}}}\right)}={\left(\matrix{-{1}\\{2}}\right)} \)
da cui
\( \displaystyle {\left\lbrace\matrix{\lambda_{{1}}=-\frac{{1}}{{2}}\\\lambda_{{2}}={1}}\right.} \) ;
in definitiva il vettore \( \displaystyle {u} \) è il seguente:
\( \displaystyle {u}=-\frac{{1}}{{2}}\cdot{\left(\matrix{{1}\\-{1}\\{0}\\{0}}\right)}+{1}\cdot{\left(\matrix{{0}\\{0}\\{1}\\{1}}\right)}={\left(\matrix{-\frac{{1}}{{2}}\\\frac{{1}}{{2}}\\{1}\\{1}}\right)} \) .
______________________________________________________________________________________________
Secondo metodo (analogo al metodo che ho esposto qualche giorno fa, se ti ricordi..):
scelgo questa base di \( \displaystyle {{R}}^{{4}} \):
\( \displaystyle {\left(\matrix{{1}\\-{1}\\{0}\\{0}}\right)} \) ; \( \displaystyle {\left(\matrix{{0}\\{0}\\{1}\\{1}}\right)} \) ; \( \displaystyle {\left(\matrix{{1}\\{1}\\{0}\\{0}}\right)} \) ; \( \displaystyle {\left(\matrix{{0}\\{0}\\{1}\\-{1}}\right)} \)
(si tratta di una base di vettori ortogonali) e scrivo il vettore \( \displaystyle {v} \) come combinazione
lineare:
\( \displaystyle {v}={x}_{{1}}{\left(\matrix{{1}\\-{1}\\{0}\\{0}}\right)}+{x}_{{2}}{\left(\matrix{{0}\\{0}\\{1}\\{1}}\right)}+{x}_{{3}}{\left(\matrix{{1}\\{1}\\{0}\\{0}}\right)}+{x}_{{4}}{\left(\matrix{{0}\\{0}\\{1}\\-{1}}\right)} \)
si trovano i risultati
\( \displaystyle {\left\lbrace\matrix{{x}_{{1}}=-\frac{{1}}{{2}}\\{x}_{{2}}={1}\\{x}_{{3}}=\frac{{1}}{{2}}\\{x}_{{4}}=-{1}}\right.} \)
a questo punto il vettore proiezione \( \displaystyle {u} \) si ottiene in questo modo (si trascurano \( \displaystyle {x}_{{3}} \) e \( \displaystyle {x}_{{4}} \)):
\( \displaystyle {u}={x}_{{1}}{\left(\matrix{{1}\\-{1}\\{0}\\{0}}\right)}+{x}_{{2}}{\left(\matrix{{0}\\{0}\\{1}\\{1}}\right)}=-\frac{{1}}{{2}}\cdot{\left(\matrix{{1}\\-{1}\\{0}\\{0}}\right)}+{1}\cdot{\left(\matrix{{0}\\{0}\\{1}\\{1}}\right)}={\left(\matrix{-\frac{{1}}{{2}}\\\frac{{1}}{{2}}\\{1}\\{1}}\right)} \) .
_________________________________________________________________________________________________________
Terzo metodo.
Scrivo il vettore \( \displaystyle {u} \)
\( \displaystyle {u}=\lambda_{{1}}{\left(\matrix{{1}\\-{1}\\{0}\\{0}}\right)}+\lambda_{{2}}{\left(\matrix{{0}\\{0}\\{1}\\{1}}\right)} \)
e scrivo la distanza dal vettore \( \displaystyle {v} \):
\( \displaystyle {{\left|{\left|{u}-{v}\right|}\right|}}^{{2}}={{\left(\lambda{1}-{0}\right)}}^{{2}}+{{\left(-\lambda{1}-{1}\right)}}^{{2}}+{{\left(\lambda{2}-{0}\right)}}^{{2}}+{{\left(\lambda{2}-{2}\right)}}^{{2}} \)
e trovo il punto di minimo: si trovano gli stessi risultati:
\( \displaystyle {\left\lbrace\matrix{\lambda_{{1}}=-\frac{{1}}{{2}}\\\lambda_{{2}}={1}}\right.} \) .