Unidad 6 - Ortogonalidad y Ortonormalidad

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 19

Álgebra lineal aplicada

Unidad 6. Ortogonalidad y ortonormalidad


Presentación de la unidad………………………………………………………………………… 3
Objetivos………………………………………………………………………………………………..…….. 4
6. Ortogonalidad y ortonormalidad………………………………………………….…….. 5
6.1. Definición de conjunto de vectores ortogonales…………….…. 6
6.2. Bases ortogonales ……………………………………………………………..…….. 8
6.3. Definición de conjunto de vectores ortonormales …………… 9
Temario 6.4. Bases ortonormales ……………………………………………………………….. 12
6.5. Coordenadas de un vector relativas a una base ortogonal
y a una base ortonormal ……………………………………………………. 13
6.6. El proceso de ortonormalización de Gram – Schmidt……….. 15

Para saber más………………………………………………………….………………………..…….... 17


Cierre de la unidad……………………………………….……………………………..……………… 18
Fuentes de consulta……………………………………………………………..….………………… 19
Presentación de la
unidad

¡Bienvenido a la unidad 6!

En esta unidad 6 el estudiante comprenderá los conceptos, definiciones, diferencias de ortogonalidad y


ortonormatividad, resolverá ejercicios para identificar los diferentes tipos de bases que se pueden
presentar y abordaremos a detalle el proceso de ortonormalización de Gram-Schmidt.

3
Objetivos

Al término de esta unidad lograrás:

• Identificar los conceptos de ortogonalidad y ortonormalidad de vectores. Expresar un vector en una base ortogonal
o una ortonormal.

4
6. Ortogonalidad y ortonormalidad

Muchos conceptos del Álgebra Lineal han surgido de problemas


geométricos en 𝑅 2 𝑦 𝑅 3 , y luego se han generalizado a espacios de
dimensiones superiores que no tienen representación visual. Algunos
de los conceptos geométricos más utilizados son la longitud, la
distancia y la perpendicularidad, los cuales son bien conocidos para
𝑅 2 𝑦 𝑅 3 , y gracias al álgebra lineal se han extendido a 𝑅 𝑛 . Estos
conceptos proporcionan poderosas herramientas geométricas para
resolver muchos problemas, incluidos los problemas de mínimos
cuadrados.
Estas tres nociones se definen en términos del producto interno de
dos vectores, que también es el concepto clave para tratar las bases
ortogonales. Las bases ortogonales y particularmente las bases
ortonormales, son muy útiles cuando se trabaja con proyecciones
sobre subespacios, entre otros problemas.
Algunas de las ventajas de usar este tipo de bases se basa en el hecho
de que las coordenadas de un vector en relación con una base
ortonormal se pueden calcular mediante el uso de una fórmula
explícita y fácil, donde cada coordenada solo involucra el vector
asociado de la base.

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.

Ejemplo 1. Sean 𝑢 = 2, 3 𝑦 𝑣Ԧ = −6,4 𝑒𝑛 𝑅 2 . Determinar si son o no ortogonales.


Debemos obtener el producto punto 𝑢 , 𝑣Ԧ = 𝑢1 𝑣1 + 𝑢2 𝑣2
𝑢 , 𝑣Ԧ = 2 ∗ (−6) + 3 ∗ 4 = −12 + 12 = 0
Como el producto punto 𝑢 , 𝑣Ԧ es igual a cero podemos afirmar que 𝑢 𝑦 𝑣Ԧ son ortogonales.

Ejemplo 2. Sean 𝑢 = 1, −4,3 𝑦 𝑣Ԧ = −6,3,6 𝑒𝑛 𝑅 3 . Determinar si son o no ortogonales.


Debemos obtener el producto punto 𝑢 , 𝑣Ԧ = 𝑢1 𝑣1 + 𝑢2 𝑣2 + 𝑢3 𝑣3

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

Ejemplo 3. Indique si el conjunto formado por los siguientes vectores es ortogonal:

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

Así concluimos que el conjunto es ortogonal.

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).

A continuación se resuelve un ejemplo.

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

Por lo tanto son ortogonales dos a dos.

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.

Ejemplo 1. Sean 𝑢 = 1,0 𝑦 𝑣Ԧ = 0,1 𝑒𝑛 𝑅 2 . Determinar si son o no ortonormales.

Debemos obtener el producto punto punto 𝑢 , 𝑣Ԧ = 𝑢1 𝑣1 + 𝑢2 𝑣2


𝑢 , 𝑣Ԧ = 1 ∗ 0 + 0 ∗ 1 = 0 + 0 = 0
Como el producto punto 𝑢 , 𝑣Ԧ es igual a cero podemos afirmar que 𝑢 𝑦 𝑣Ԧ son ortogonales.

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.

Por lo tanto, podemos concluir que 𝑢 𝑦 𝑣Ԧ son ortonormales.

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

Primero realizamos el producto interno de las diagonales.

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

Por lo tanto si forman una base ortonormal.

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:

A continuación se resuelven unos ejemplos.

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:

Ejemplo 2. Consideremos en 𝑅 3 el conjunto B formado por los vectores:

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.

Por tanto las coordenadas de x con respecto a B son (𝑥)𝐵 = −2


ൗ 2 , 1, 6ൗ 2
.

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

A continuación se resuelve un ejemplo.

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:

𝑢1 , 𝑢2 forman una base ortonormal para 𝑅2 .

16
Para saber más

Para saber más sobre los temas vistos en esta unidad revisa los siguientes materiales:

• Diferencias entre Vector Ortogonal y Vector Ortonormal.

En este video se ven las diferencias entre un vector ortogonal y uno ortonormal.
https://youtu.be/cz18tUTNIrQ

• Método de Gram Schmidt para obtener bases ortonormales (Universidad).

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

• Proceso ortogonalización de Gram-Schmidt - Bases ortogonales y ortonormales - Algebra lineal


En este vídeo se definen y resuelven ejercicios paso a paso del proceso de ortogonalización de Gram-Schmidt.
https://youtu.be/0TY_lZzEYoA

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

• Anton, H. (2003). Introducción al álgebra lineal. Limusa.

• INITE. (2012). Conjunto de vectores ortogonales. INITE.

• Grossman, S. (s.f.). Álgebra Lineal. McGraw Hill.

• 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

También podría gustarte