4.6 Base Ortonormal

Algebra Lineal
Departamento de Matematicas
Universidad de Los Andes
Primer Semestre de 2007
Universidad de Los Andes ()

Algebra Lineal Primer Semestre de 2007 1 / 31
Texto gua:

Contenidos

Contenidos
1
Geometra en R
n
, matrices y sistemas de ecuaciones lineales
2
Dimensi on, rango y transformaciones lineales
3
Espacios vectoriales
4
N umeros complejos y espacios vectoriales complejos
5
Determinantes
6
Valores y vectores propios
7
Ortogonalidad
Proyecciones y Subespacio Ortogonal
Ortogonalizacion de Gram-Schmidt
8
Cambio de base

Contenidos
1
Geometra en R
n
2
3
4
5
Determinantes
6
7
Ortogonalidad
8
Cambio de base

Contenidos
1
Geometra en R
n
2
3
4
5
Determinantes
6
7
Ortogonalidad
8
Cambio de base

Contenidos
1
Geometra en R
n
2
3
4
5
Determinantes
6
7
Ortogonalidad
8
Cambio de base

Contenidos
1
Geometra en R
n
2
3
4
5
Determinantes
6
7
Ortogonalidad
8
Cambio de base

Contenidos
1
Geometra en R
n
2
3
4
5
Determinantes
6
7
Ortogonalidad
8
Cambio de base

Contenidos
1
Geometra en R
n
2
3
4
5
Determinantes
6
7
Ortogonalidad
8
Cambio de base

Proyeccion de un vector sobre otro
Si v es un vector y L una recta en el plano,
es facil ver que la proyeccion ortogonal
p = Proy
L
v de v sobre L puede calcularse a
partir de cualquier vector x contenido en la
recta, mediante la formula:
Proy
L
v = Proy
x
v =
_
v x
x x
_
x. (1)

Para vericar que lo dicho anteriormente es cierto, podemos ver que:
1
v p = v Proy
x
v es perpendicular a x (i.e. a L):
(v Proy
x
v) x =
_
v
_
v x
x x
_
x
_
x = v x v x = 0.
2
p = Proy
x
v esta contenido en la recta L.
Queremos ahora denir una descomposicion similar para el caso en el que,
en lugar de una recta, tengamos un subespacio de R
n
de dimension
arbitraria.

Denicion
Sea W un subespacio de R
n
. Denimos el complemento ortogonal de W
como el conjunto de vectores de R
n
que son perpendiculares a todos los
vectores de W:
W
= {v R
n
| v w = 0 w W}.
El complemento ortogonal W
no es solamente un subconjunto, sino que

es un subespacio de R
n
, y podemos encontrar tal subespacio a partir de
una base { w
1
, w
2
, . . . , w
k
} para W como sigue: Formemos la matriz A
cuyas las son los k vectores de la base para W A =
_
_
_
_
_
w
1

w
2

.
.
.
w
k

_
_
_
_
_
,
ahora, como un elemento de W
es perpendicular a todos los elementos

de la base de W, si v W
entonces
v w
1
= v w
2
= = v w
k
=

0.

Entonces
El complemento ortogonal de W es el mismo espacio nulo de la matriz A
cuyas las son una base para el espacio W.
Ejemplo: Sea W = {x = (x
1
x
2
x
3
) R
3
| x
1
+ x
2
x
3
= 0}, vamos a
calcular el complemento ortogonal W
de W. Por denicion, tenemos

que
W
= {x R
3
| x w = 0 w W}.
Ahora, si w W, w debe ser un vector de la forma
w =
_
_
x
1
x
2
x
1
+ x
2
_
_
,
donde hemos despejado la variable x
3
en terminos de las otras dos
variables en la ecuacion que dene el plano W, i.e. x
1
+ x
2
x
3
= 0.
Tenemos entonces que
w = x
1
_
_
1
0
1
_
_
+ x
2
_
_
0
1
1
_
_
,

luego una base para W es la conformada por los vectores
_
_
_
w
1
=
_
_
1
0
1
_
_
, w
2
=
_
_
0
1
1
_
_
_
_
_
.
As, si x =
_
_
a
b
c
_
_
W
, debemos tener que x w

1
= x w
2
= 0, es
decir, que buscamos que x ker A. Pero
Ax =
_
1 0 1
0 1 1
_
_
_
a
b
c
_
_
=
_
0
0
_
si y solo si a + c = 0 y b + c = 0, as que a = b = c, luego
W
= Sp
_
_
_
_
_
1
1
1
_
_
_
_
_
.

Propiedades del complemento ortogonal
Teorema (Propiedades)
n
, entonces
1
dimW + dimW
= n
2
(W
= W
3
Todo vector v R
n
puede descomponerse de forma unica como:
v = v
W
+v
W
,
donde v
W
W y v
W
W
.

n
, entonces
1
dimW + dimW
= n
2
(W
= W
3
Todo vector v R
n
v = v
W
+v
W
,
donde v
W
W y v
W
W
.

n
, entonces
1
dimW + dimW
= n
2
(W
= W
3
Todo vector v R
n
v = v
W
+v
W
,
donde v
W
W y v
W
W
.

Para encontrar la descomposicion de un vector mencionada en el teorema
anterior, veamos como se puede calcular la proyeccion de v R
n
sobre el
subespacio W. En el ejemplo anterior vimos como, a partir de una base
{ w
1
, w
2
, . . . , w
k
} para W, encontrar una base {x
1
, x
2
, . . . , x
nk
} para el
subespacio W
. Por el teorema anterior (dado que dimW + dimW
=
n), juntando tales bases tendremos una base
{ w
1
, w
2
, . . . , w
k
, x
1
, x
2
, . . . , x
nk
}
para R
n
. Dado v R
n
, podemos calcular los coecientes
i
,
i
R
necesarios para escribir
v =
1
w
1
+
2
w
2
+ +
k
w
k
+
1
x
1
+
2
x
2
+ +
nk
x
nk
,
luego v puede descomponerse de forma unica como v = v
W
+v
W
, donde
v
W
=
1
w
1
+
2
w
2
+ +
k
w
k
W
y
v
W
=
1
x
1
+
2
x
2
+ +
nk
x
nk
W
.

Bases Ortonormales
Denicion
Una base {u
1
, u
2
, . . . , u
n
} de R
n
es llamada ortonormal si todos sus
vectores son unitarios y perpendiculares entre si, es decir:
u
i
u
j
=
_
1 si i = j
0 si i = j
(2)
Existe una forma de, a partir de una base cualquiera { w
1
, w
2
, . . . , w
k
} para
un subespacio W de R
n
, producir una base ortonormal mediante el uso de
las proyecciones vistas anteriormente. En efecto, sea
u
1
=
w
1
| | w
1
| |
,
entonces tenemos que u
1
u
1
= 1 y, para producir u
2
, a w
2
le restamos su
proyeccion sobre u
1
:
w
2
Proy
u
1
w
2
= w
2

_
w
2
u
1
u
1
u
1
_
,

lo que nos da un vector perpendicular a u
1
que, despues de normalizar
u
2
=
w
2
( w
2
u
1
)
| | w
2
( w
2
u
1
) | |
satisface
u
2
u
2
= 1,
u
2
u
1
= 0.
Continuando el proceso, llamado Proceso de Ortonormalizacion de
Gram-Schmidt, obtenemos una base ortonormal {u
1
, u
2
, . . . , u
k
} para
cualquier subespacio W de R
n
, en la cual
u
j
=
w
j
Proy
u
1
w
j
Proy
u
2
w
j
Proy
u
j 1
w
j
| | w
j
Proy
u
1
w
j
Proy
u
2
w
j
Proy
u
j 1
w
j
| |
.

Bases ortogonales y proyecciones
A partir de una base ortogonal (u ortonormal) es posible calcular la
proyeccion de un vector x R
n
sobre un subespacio W. En efecto, si
B
W
= {u
1
, u
2
, . . . , u
k
} es una base ortonormal W, la proyeccion x sobre el
subespacio W puede hacerse proyectando sobre cada uno de los vectores
de la base B
W
. As,
Proy
W
x = Proy
u
1
x + Proy
u
2
x + + Proy
u
k
x
=
u
1
x
u
1
u
1
u
1
+
u
2
x
u
2
u
2
u
1
+ +
u
k
x
u
k
u
k
u
1
.

Ejemplo
3
cuyo complemento ortogonal es el plano
W
=
_
(x, y, z) R
3
| x + 2y + 3z = 0
_
. Para encontrar una base
ortonormal para W
, primero encontramos una base cualquiera de W
.
Sea x =
_
_
x
y
z
_
_
W
, entonces, despejando alguna de las variables

(digamos x) de la ecuacion que dene el plano tenemos que
x = 2y 3z, luego x =
_
_
2y 3z
y
z
_
_
= y
_
_
2
1
0
_
_
+ z
_
_
3
0
1
_
_
, as
que W
= Sp
_
_
_
v
1
=
_
_
2
1
0
_
_
, v
2
=
_
_
3
0
1
_
_
_
_
_
.

Ejemplo (continuacion)
Como v
1
v
2
= 0, el conjunto {v
1
, v
2
} no es una base ortonormal y, para
ortonormalizarla, tomamos v
1
= v
1
y v
2
= v
2
Proy
v
1
v
2
. Calculando este
ultimo tenemos
v
2
= v
2

v
1
v
2
v
1
v
1
v
1
=
_
_
3
0
1
_
_
6
5
_
_
2
1
0
_
_
=
_
_
3
5
6
5
1
_
_
,
entonces una base ortonormal para W
es
B
W
=
_
_
_
_
_
2
5
1
5
0
_
_
_
,
_
_
_
70
70
5
70
_
_
_
_
_
.

Para encontrar una base para W debemos encontrar primero W a partir
de su complemento ortogonal. Si w =
_
_
a
b
c
_
_
W, entonces
w x = 0 x W
, en particular w v
1
= 0 y w v
2
= 0, luego
2a + b = 0 y
3
5
a
6
5
b + c = 0,
luego b = 2a y c = 3a, es decir w =
_
_
a
2a
3a
_
_
, i.e. W = Sp
_
_
_
_
_
1
2
3
_
_
_
_
_
.

Uniendo las bases encontradas para W y W
, es decir tomando
B =
_
_
_
_
_
2
5
1
5
0
_
_
_
,
_
_
_
70
70
5
70
_
_
_
,
_
_
_
1
14
2
14
3
14
_
_
_
_
_
,
tenemos una base ortonormal para R
3
.
Si x =
_
_
1
1
1
_
_
, entonces la proyeccion de tal vector sobre el subespacio
W
puede hacerse proyectando sobre cada uno de los vectores de la base

B
W
. As
Proy
W
x = Proy
v
1
x + Proy
v
2
x =
v
1
x
v
1
v
1
v
1
+
v
2
x
v
2
v
2
v
2
.

Entonces
Proy
W
x =
1
5
_
_
2
1
0
_
_
2
7
_
_
3
5
6
5
1
_
_
=
_
_
4
7
1
7
2
7
_
_
.
Finalmente, para encontrar dos vectores x
1
W y x
2
W
en R
3
tales
que x = x
1
+x
2
, podemos tomar x
2
= Proy
W
x =
_
_
4
7
1
7
2
7
_
_
y,
despejando de la igualdad deseada,
x
1
= x x
2
=
_
_
1
1
1
_
_
_
_
4
7
1
7
2
7
_
_
=
_
_
3
7
6
7
9
7
_
_
=
3
7
_
_
1
2
3
_
_
W.

Matrices Ortogonales
Denicion
Sea A una matriz n n. Decimos que A es una matriz ortogonal si su
inversa es igual a su transpuesta, es decir
A
T
A = AA
T
= I .
Una matriz ortogonal tiene las siguientes propiedades:
1
A es una matriz ortogonal si y solamente si sus las y sus columnas
forman bases ortonormales de R
n
.
2
Si A es una matriz ortogonal entonces Ax Ay = x y para cualquier
par de vectores x, y R
n
.
3
Los vectores propios de una matriz ortogonal correspondientes a
valores propios diferentes son ortogonales.

Teorema de diagonalizacion para matrices simetricas
Toda matriz simetrica puede diagonalizarse ortogonalmente, es decir, si A
es una matriz simetrica n n entonces existen matrices D diagonal y C
ortogonal tales que
A = CDC
1
.

Matriz de Proyeccion
Existe otra forma de calcular la proyeccion de un vector en un subespacio
de R
n
, viendo tal proyeccion como una transformacion lineal
P : R
n
R
n
y encontrando la matriz n n que la representa.
La matriz de proyeccion sobre W puede encontrarse, a partir de una base
B
W
= { w
1
, w
2
, . . . , w
k
} para W, formando una matriz auxiliar A cuyas
columnas son los k vectores de tal base. Entonces
P = A(A
T
A)
1
A
T
es la matriz que representa la proyeccion. Observese que, si la base B
W
para W es ortonormal, entonces A
T
A = I y la matriz de proyeccion se
reduce a
P = AA
T
.

Ejemplo
Sea, como en el ejemplo anterior, W
= Sp
_
_
_
_
_
1
1
1
_
_
_
_
_
. Queremos
calcular la matriz de proyeccion sobre W
, luego tomamos la matriz A

cuyas columnas son una base para W
y calculamos
P
W
= A(A
T
A)
1
A
T
.
Como W
es de dimension uno, la matriz A correspondiente es el vector

columna
A =
_
_
1
1
1
_
_
,
luego la matriz de proyeccion es:
P
W
=
_
_
1
1
1
_
_
(3)
1
(1 1 1) =
1
3
_
_
1 1 1
1 1 1
1 1 1
_
_
.

Contenidos
1
Geometra en R
n
2
3
4
5
Determinantes
6
7
Ortogonalidad
8
Cambio de base



4.6 Base Ortonormal

Cargado por

Copyright:

Formatos disponibles

4.6 Base Ortonormal

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

4.6 Base Ortonormal

Cargado por

Copyright:

Formatos disponibles

Algebra Lineal

no es solamente un subconjunto, sino que

es perpendicular a todos los elementos

de W. Por denicion, tenemos

, debemos tener que x w

. Por el teorema anterior (dado que dimW + dimW

, primero encontramos una base cualquiera de W

, entonces, despejando alguna de las variables

puede hacerse proyectando sobre cada uno de los vectores de la base

, luego tomamos la matriz A

es de dimension uno, la matriz A correspondiente es el vector

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.