Unidad 6 - Ortogonalidad y Ortonormalidad
Unidad 6 - Ortogonalidad y Ortonormalidad
Unidad 6 - Ortogonalidad y Ortonormalidad
¡Bienvenido a la unidad 6!
3
Objetivos
• Identificar los conceptos de ortogonalidad y ortonormalidad de vectores. Expresar un vector en una base ortogonal
o una ortonormal.
4
6. Ortogonalidad y ortonormalidad
5
6.1. Definición de conjunto de vectores ortogonales
Sean 𝑢 𝑦 𝑣Ԧ dos vectores. Se dice que son ortogonales si su producto interno es cero, es decir 𝑢 , 𝑣Ԧ = 0.
Por definición sabemos que los vectores ortogonales son aquellos que tienen entre ellos un ángulo de 90° o 270°.
A continuación se resuelven algunos ejemplos.
𝑢 , 𝑣Ԧ = 1 ∗ (−6) + −4 ∗ 3 + 3 ∗ 6 = −6 − 12 + 18 = 0
Como el producto punto 𝑢 , 𝑣Ԧ es igual a cero podemos afirmar que 𝑢 𝑦 𝑣Ԧ son ortogonales.
Para definir un conjunto de vectores ortogonales, todos los vectores de ese conjunto tienen que ser ortogonales entre si, es
decir, si decimos que 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 es un conjunto ortogonal de vectores, significa que todos los productos puntos entre
cada par de ellos es igual a cero.
6
6.1. Definición de conjunto de vectores ortogonales
1 −2 −2
𝑣1 = 0 𝑣2 = 2 5
𝑣3 = ൗ2
2 1 1
Calculando todos los producto punto ente los vectores diferentes tenemos:
𝑣1 ∙ 𝑣2 = 1 −2 + 0 2 + 2 1 = 0
𝑣1 ∙ 𝑣3 = 1 −2 + 0 − 5ൗ2 + 2 1 = 0
𝑣2 ∙ 𝑣3 = −2 −2 + 2 − 5ൗ2 + 1 1 = 0
7
6.2. Bases ortogonales
Una base de un espacio vectorial es ortogonal cuando los vectores que la forman, son ortogonales dos a dos
(productos que se pueden hacer entre los vectores sin que se repitan).
Ejemplo 1. Consideremos el espacio vectorial de 𝑅 3 . Una base de este espacio vectorial es 1,0,0 , 0,1,0 , 0,0,1 .
El producto interno definido en este espacio vectorial es el producto punto. El conjunto de vectores anteriores es una
base ortogonal porque:
1,0,0 ∗ 0,1,0 = 1 0 + 0 1 + 0 0 = 0
1,0,0 ∗ 0,0,1 = 1 0 + 0 0 + 0 1 = 0
0,1,0 ∗ 0,0,1 = 0 0 + 1 0 + 0 1 = 0
8
6.3. Definición de conjunto de vectores ortonormales
Sean 𝑢 𝑦 𝑣Ԧ dos vectores. Se dice que son ortonormales si son ortogonales, es decir, su producto interno es cero, es decir
𝑢 , 𝑣Ԧ = 0 y además son unitarios, es decir, 𝑢 = 1 𝑦 𝑣Ԧ = 1.
A continuación se resuelven algunos ejemplos.
Ahora veamos si son unitarios. Debemos obtener la magnitud de cada vector, Recuerda que 𝑢 = 𝑢1 2 + 𝑢2 2
𝑢 = 12 + 02 = 1 + 0 = 1 = 1 𝐸𝑠 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜.
𝑣Ԧ = 02 + 12 = 0 + 1 = 1 = 1 𝐸𝑠 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜.
9
6.3. Definición de conjunto de vectores ortonormales
1 0 0 0 0 0
Ejemplo 2. Sean 𝐴 = 0 0 0 𝑦 𝐵 = 0 1 0 𝑒𝑛 𝐷3 , determina si son ortonormales.
0 0 0 0 0 0
1 0 0 0 0 0
𝐴, 𝐵 = 0 0 0 ∙ 0 1 0 = 1 0 + 0 1 + 0 0 = 0
0 0 0 0 0 0
Por lo que las matrices son ortogonales. Ahora calculemos sus normas.
𝐴 = 𝐴, 𝐴 = 12 + 02 + 02 = 1 𝑦 𝐵 = 𝐵, 𝐵 = 02 + 12 + 02 = 1
Por lo que ambas matrices son unitarias. Uniendo ambos resultados determinamos que las matrices son ortonormales.
Ya hemos definido que en un conjunto de vectores ortogonales, todos los vectores de ese conjunto tienen que ser ortogonales entre
si, es decir, si decimos que 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 es un conjunto ortogonal de vectores significa que todos los productos puntos entre cada
par de ellos son iguales a cero.
Si además, cada vector del conjunto anterior tiene una norma unitaria, entonces, es un conjunto ortonormal de vectores.
Simbólicamente, estas dos condiciones se pueden escribir como:
1. 𝑣𝑖 ∙ 𝑣𝑗 = 0, 𝑖≠𝑗
2. 𝑣𝑖 = 1, 𝑖 = 1, 2, … , 𝑛
10
6.3. Definición de conjunto de vectores ortonormales
Ejemplo 3.
El conjunto es ortogonal porque:
Y además:
11
6.4. Bases ortonormales
Una base ortonormal, cumple con las dos condiciones ya descritas (que sea ortogonal y que la norma de cada vector
de la base sea unitaria):
1. 𝑣𝑖 ∙ 𝑣𝑗 = 0, 𝑖≠𝑗
2. 𝑣𝑖 = 1, 𝑖 = 1, 2, … , 𝑛
Anteriormente ya comprobamos que la base canónica para 𝑅 3 es una base ortogonal, ahora vamos a comprobar que
la norma de cada vector es unitaria:
𝑖 = 12 + 02 + 02 = 1
𝑗 = 02 + 12 + 02 = 1
𝑘 = 02 + 02 + 12 = 1
12
6.5. Coordenadas de un vector relativas a una base ortogonal
y a una base ortonormal
Sea V un espacio vectorial con producto interno y sea 𝐵 = 𝑒1 , 𝑒2 , … 𝑒𝑛 una base ortogonal de V. Si u es un vector de
V entonces:
Ejemplo 1.
Considera el conjunto 𝐵 = 𝑒 = 2, 2, −1 , 𝑓 = 2, −1, 2 , 𝑔 = (−1, 2, 2) ; es una base ortogonal para 𝑅 3 .
Sea 𝑢 = 1, 2, −1 un vector de 𝑅 3 , entonces vamos a encontrar las coordenadas del vector u con respecto a la base
B.
Por tanto las coordenadas de u con respecto a B son (𝑢)𝐵 = (7Τ9 , − 2Τ9 , 1Τ9); es decir:
13
6.5. Coordenadas de un vector relativas a una base ortogonal
y a una base ortonormal
Sea V un espacio vectorial con producto interno y 𝐵 = 𝑒1 , 𝑒2 , … 𝑒𝑛 una base ortonormal de V. Si u es un vector de V
entonces:
𝑎= 1
ൗ 2 , 1ൗ 2 , 0 ; b = 0, 0, 1 y c = ൗ 2 , − 1ൗ 2 , 0 ; este conjunto constituya una base ortonormal para 𝑅 3 .
1
Sea x= 2, −4,1 un vector de 𝑅 3 , vamos a encontrar las coordenadas de x con respecto a la base B.
14
6.6. El proceso de ortonormalización de Gram – Schmidt
Para un espacio vectorial E y con una base dada por el conjunto 𝑣1 , 𝑣2 , … , 𝑣𝑛 se puede construir una base
ortogonal de vectores 𝑤1 , 𝑤2 , … , 𝑤𝑛 , realizando el siguiente proceso:
Para que esta base sea ortonormal, el ultimo paso es dividir cada vector entre su magnitud:
𝑤𝑖
𝑢𝑖 = , 𝑢1 , 𝑢2 , … , 𝑢𝑛 , forman una base ortonormal para E.
𝑤1
15
6.6. El proceso de ortonormalización de Gram – Schmidt
Ejemplo 1.
Obtener una base ortonormal a partir de la base 1, 1 𝑦 (0, 1) del espacio 𝑅 2 .
De acuerdo a lo visto anteriormente, tenemos que:
16
Para saber más
Para saber más sobre los temas vistos en esta unidad revisa los siguientes materiales:
En este video se ven las diferencias entre un vector ortogonal y uno ortonormal.
https://youtu.be/cz18tUTNIrQ
En este vídeo se presenta un ejemplo donde aplicamos el método de Gram-Schmidt para obtener una base ortonormal de un
subespacio. https://youtu.be/V95aRhnEbew
17
Cierre de la unidad
En esta unidad revisamos los conceptos, las diferencias de ortogonalidad y ortonormalidad, también estudiamos las
diferentes bases que las conforman y trabajamos con el proceso de ortonormalización de Gram- Schmidt.
En la siguiente unidad conoceremos más a detalle sobre las transformaciones lineales, resolveremos algunos
ejercicios sobre dominio e imagen de una transformación, además conoceremos los tipos de transformaciones
existentes y como identificarlas.
¡Felicidades!
Has concluido la unidad 6, continúa esforzándote.
18
Fuentes de consulta
• Las Matemáticas de Jalón. (26 de octubre de 2016). Diferencias entre Vector Ortogonal y Vector Ortonormal. [Video]. YouTube.
https://youtu.be/cz18tUTNIrQ
• Paola Ring. (23 de mayo de 2022). Proceso ortogonalización de Gram-Schmidt - Bases ortogonales y ortonormales - Algebra
lineal. [Video]. YouTube. https://youtu.be/0TY_lZzEYoA
• Shurprofe. (5 de enero de 2017). Método de Gram Schmidt para obtener bases ortonormales (Universidad). [Video]. YouTube.
https://youtu.be/V95aRhnEbew
19