lgebralineal
Introduccin
n la unidad anterior analizamos el concepto de ngulo entre dos vectores;
en el plano cartesiano R2 es frecuente encontrar vectores cuyo ngulo
es de 90, estos vectores, se dice, son perpendiculares u ortogonales.
En esta unidad vamos a generalizar el concepto de ortogonalidad a espacios
vectoriales cualesquiera.
Se analiz tambin el concepto de vectores unitarios; al unir ambos
conceptos obtendremos el concepto de vectores ortonormales. Ahora veremos
las propiedades de estos vectores y las ventajas de trabajar con una base cuyos
vectores son ortonormales, as como un procedimiento mediante el cual se
pueden construir dichas bases.
6.1. Definicin de conjunto de vectores
ortogonales. Bases ortogonales
Conocemos a R2 como el concepto de vectores cuyo ngulo es de 90.
Ahora generalizaremos este resultado con la definicin 6.1.
Definicin 6.1. Sea V un espacio vectorial con producto interno y u, v
vectores de V. Se dice que u y v son ortogonales si su producto interno es cero,
es decir
(u, v) = 0
Comprobaremos que la definicin anterior es equivalente en R2 al tener
un ngulo de 90 o de 270. De ser comprobable la tomaremos como definicin
general y analizaremos su significado y las propiedades que tienen en otros
espacios vectoriales.
Ejemplo 1
a) Consideremos los vectores u = (2, 0) y v = (0, 3) en R2
Recordemos la definicin de vectores ortogonales: son aquellos que tienen
entre ellos un ngulo de 90 o de 270 (/2 o 3/2).
(Definicin 5.8)
205
Unidad 6
Vamos a encontrar el ngulo entre u y v.
cos
uv
(2, 0) (0, 3)
0
0
0 por tanto = cos 1 0 =
2
2
2
2
u v
(2)(3) 6
2 0 0 3
90 o 270
Entonces u y v son ortogonales. Observemos que el producto interno de u
y v es cero.
Podemos concluir que estas dos definiciones son equivalentes.
b)Consideremos ahora el espacio vectorial C[0, 2].
Sean f(t) = sen t y g(t) = cos t en C[0, 2].
Entonces ( f, g) =
2
0
f (t ) g (t )dt
2
0
sent cost dt 12 (sen t )
| 0 por lo
0
tanto podemos asegurar que f y g son ortogonales.
c) Sea D2 el espacio vectorial de las matrices diagonales de orden 22 con
el producto interno definido como la suma de los productos de los elementos de
la diagonal principal. (A, B)=a11b11+a22b22 (vase unidad 5, seccin 5.3 ejemplo
10a).
1 0
2 0
Sean A =
yB=
.
0 2
0 1
Vamos a probar que son ortogonales:
(A, B) = (1)(2) + (2)(1) = 2 + 2 = 0 y por tanto son ortogonales.
Basados en lo anterior, podemos tener un conjunto de vectores que
sean ortogonales, pero, tendrn propiedades especiales?
Consideremos la definicin 6.2.
Definicin 6.2. Sea V un espacio vectorial con producto interno. Sea
{v1, v2, ..., vn} un conjunto de vectores de V, entonces es un conjunto ortogonal
si satisface que
(vi, vj) = 0 para i j
206
lgebralineal
Es decir, cuando cada uno de los vectores del conjunto es ortogonal a los
dems elementos.
Daremos algunos ejemplos de conjuntos ortogonales, especialmente en R2
3
yR.
Ejemplo 2
a) Considera los vectores de R3 i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1).
A continuacin probaremos que forman un conjunto ortogonal:
(i, j) = (1)(0) + (0)(1) + (0)(0) = 0
(i, k) = (1)(0) + (0)(0) + (0)(1) = 0
( j, k) = (0)(0) + (1)(0) + (0)(1) = 0
de donde forman un conjunto ortogonal.
Sea D3 el espacio vectorial de las matrices diagonales de 33,
0 0 0
0 0 0
1 0 0
Sean A = 0 0 0 , B = 0 5 0 , C = 0 0 0
0 0 3
0 0 0
0 0 0
Probaremos que forman un conjunto ortogonal en D3.
(A, B) = (1)(0) + (0)(5) + (0)(0) = 0
(A, C) = (1)(0) + (0)(0) + (0)(3) = 0
(B, C) = (0)(0) + (5)(0) + (0)(3) = 0
As concluimos que forman un conjunto ortogonal.
Considerando el espacio euclideano R2, si dos vectores ortogonales tienen
entre ellos un ngulo de 90 o de 270, sern linealmente independientes?
Recordemos que en R2 para que dos vectores fueran linealmente dependientes,
uno tena que ser mltiplo del otro, y por tanto el ngulo que formaran
entre ellos sera de 0 o 180. Esto nos lleva a enunciar que dos vectores
en R2 ortogonales, deben ser linealmente independientes. Suceder esto con
cualquier espacio vectorial? Veamos el teorema 6.1.
207
Unidad 6
Teorema 6.1. Sea V un espacio vectorial con producto interno. Sea S = {v1,
v2, ..., vn} un conjunto finito de vectores ortogonales en V. Entonces S es un
conjunto linealmente independiente.
Daremos un ejemplo de este teorema en un espacio vectorial diferente
de R 2.
Ejemplo 3
Consideremos el espacio vectorial D3 de las matrices diagonales de 33.
Retomando las matrices A, B, C del ejemplo 2.
1 0 0
0 0 0
0 0 0
A = 0 0 0 , B = 0 0 0 , C = 0 5 0
0 0 0
0 0 0
0 0 3
Ya comprobamos en este ejemplo que el conjunto de las matrices {A, B, C}
es ortogonal, ahora vamos a probar que son linealmente independientes.
Tomemos una combinacin lineal de ellas igual a cero:
c1 A + c 2 B + c 3 C = 0
0 0 0
0 0 0
1 0 0
c1 0 0 0 + c2 0 5 0 + c3 0 0 0 = 0
0 0 3
0 0 0
0 0 0
c1 0 0 0 0
entonces 0 0 0 + 0 5c2
0 0 0 0 0
0 0 0 0
0 0 0
0 0
0 = 0 0 0
0 +
0 0 0 3c3 0 0 0
Donde c1 = 0; 5c2 = 0; 3c3 = 0; por tanto, c1 = c2 = c3 = 0 siendo el conjunto
linealmente independiente.
Lo que nos lleva a considerar un conjunto como base ortogonal slo con
pedirle que genere al espacio vectorial.
208
lgebralineal
Definicin 6.3. Sea V un espacio vectorial con producto interno. Sea B un
conjunto ortogonal de vectores en V. Entonces B es una base ortogonal de V si
V = gen B
Consideremos como ejemplo la base cannica de R2.
Ejemplo 4
(Ver unidad 4, seccin 4.3, ejemplo 2a.)
Sea B = {i, j}, con i = (1, 0) y j = (0, 1) la base cannica de R2
Probaremos que es un conjunto ortogonal:
(i, j) = (1)(0) + (0)(1) = 0; entonces B es un conjunto ortogonal pero como B
genera a R2, entonces podemos asegurar que B es una base ortogonal para R2.
Vamos ahora a unir el teorema 4.6 (cualesquiera n vectores linealmente
independientes en un espacio vectorial de dimensin n forman una base para
el espacio), con el teorema 6.1 para obtener un resultado que nos indica que
cualquier espacio vectorial finito tiene una base ortogonal.
Teorema 6.2 Sea V un espacio vectorial finito de dimensin n. Sea
B = {v1, v2, ..., vn} un conjunto ortogonal de n vectores, entonces B es una base
ortogonal de V.
Este teorema nos da una condicin para tener una base ortogonal de un
espacio vectorial de dimensin finita. Veamos algunos ejemplos:
Ejemplo 5
Consideremos el espacio vectorial D2 de las matrices diagonales de orden
22.
Vamos a probar que la dimensin de D 2 es 2. Sea A una matriz de D 2 ,
a 0
A =
entonces A se puede escribir como
0 b
209
Unidad 6
0 0
a 0
1 0
A =
= a
+ b 0 1 ;
0 b
0 0
1 0 0 0
por tanto el conjunto formado por
;
genera a D2, lo que
0 0 0 1
nos indica que la dimensin de D2 es 2.
2 0
1 0
En el ejemplo 1c) se prob que las matrices A =
y B = 0 1 son
0 2
ortogonales, y como son dos forman una base ortogonal para D2.
Ejercicio 1
1. Determina si los siguientes pares de vectores de R3 son ortogonales o no:
a) u = (3, 2, 4), v = (2, 3, 4)
b) u = (1, 0, 0), v = (0, 0, 1)
c) u = (2/3, 1/2, 1), v = (1/2, 2/3, 0)
d) u = (0, 5, 0), v = (4, 1, 0)
2. Encuentra los vectores en R2 que sean ortogonales a cada uno de los
siguientes vectores:
a) u = (2, 3)
b) v = (3, 4)
c) w = (2, 3)
3. Determina si los siguientes conjuntos son ortogonales o no:
a) {(3, 1), (1, 3), (1, 0)}
1 0 0 0 2
0
b)
,
,
0 2 0 0 0 1
4. Determina si las siguientes afirmaciones son verdaderas o falsas:
a) {(1, 0, 0), (0, 0, 1)} es una base ortogonal para R3.
b) {(1, 1, 1), (2, 2, 2); (0, 0, 0)} es una base ortogonal para R3.
c) Todo conjunto linealmente independiente es ortogonal.
d) Todo conjunto ortogonal es linealmente independiente.
e) Si V es un espacio vectorial de dimensin n, un conjunto ortogonal de m
vectores es una base para V.
210
lgebralineal
6.2. Definicin de conjunto de vectores
ortonormal. Bases ortonormales
En la seccin anterior determinamos cmo obtener un conjunto ortogonal
de vectores. En la unidad 5 analizamos vectores cuya norma era 1, es decir,
vectores unitarios que tienen importantes propiedades adems de un manejo
ms fcil.
En esta seccin nos ocuparemos de las bases ortonormales, es decir, de
conjuntos de vectores ortogonales con norma 1.
Consideremos la definicin 6.4 (que es una ampliacin de la definicin 6.1).
Definicin 6.4. Sea V un espacio vectorial con producto interno y u, v dos
vectores de V, entonces, u y v son vectores ortonormales si son ortogonales y
su norma es 1, es decir, (u, v) = 0 y adems u = 1, v = 1
Vamos a dar un ejemplo de esta definicin en R2 y en D3.
Ejemplo 6
a) Consideremos en R2 los vectores i = (1, 0) y j = (0, 1), veremos si son
ortonormales.
(i, j) = (1)(0) + (0)(1) = 0, por tanto son ortogonales;
u 12 02 = 1 y v 02 12 = 1, son unitarios
De ambos resultados decimos que i y j son ortonormales.
1 0 0
0 0 0
b) Sean A = 0 0 0 , B = 0 1 0 en D3; veremos 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 y son ortogonales;
0 0 0 0 0 0
211
Unidad 6
A ( A, A) 12 02 02 1 y B ( B, B) 02 12 02 1
de donde son unitarias.
Uniendo ambos resultados tenemos que A y B son ortonormales.
Del mismo modo que en la seccin anterior, podemos tener un conjunto de
vectores ortonormales. Consideremos la definicin 6.5.
Definicin 6.5. Sea V un espacio vectorial con producto interno y sea
S = {v1, v2, ..., vn} un conjunto de vectores de V; entonces S es un conjunto
ortonormal si es un conjunto ortogonal y todos los vectores de S son unitarios.
Es decir, (vi, vj) = 0 si i j y adems v i = 1 para i = 1, 2,...n
Vamos a dar un ejemplo en R3 en el cual se encuentra la definicin 6.5 de
un conjunto ortonormal.
Ejemplo 7
Consideremos en R 3 el conjunto de vectores i = (1, 0, 0); j = (0, 1, 0);
k = (0, 0, 1).
Veamos si el conjunto {i, j, k}es ortonormal.
En el ejemplo 2a) probamos que el conjunto {i, j, k) es un conjunto
ortogonal, por lo que nos faltara probar que todos son vectores unitarios.
Consideremos las normas de cada uno de ellos:
i 12 02 02 1, j 02 12 02 1, k 02 02 12 1
Todos son unitarios, por lo que el conjunto es ortonormal.
De igual manera podemos pensar en tener bases ortonormales (definicin
6.6) que, como veremos ms adelante, poseen propiedades muy especiales y
son bastante ms fciles de manejar que cualquier otra base.
212
lgebralineal
Definicin 6.6. Sea V un espacio vectorial con producto interno y B una
base para V.
Entonces B se llama base ortonormal de V si es una base y es un conjunto
ortonormal.
En el ejemplo 7 tenemos un conjunto ortonormal para R3, {i, j, k), y
sabemos que este conjunto es la conocida base cannica, por tanto es una base
ortonormal para R3.
Las bases ortonormales nos permiten definir un tipo especial de matriz, lo
cual haremos a continuacin.
Definicin 6.7. Sea A una matriz de nn, entonces A se llama matriz
ortogonal si
A1 = AT
Daremos un ejemplo en M33
Ejemplo 8
Consideremos la matriz de M33
ortogonal:
1 / 2
A = 0
1 / 2
T
1 / 2 0 1 / 2
A = 1 / 2 0 1 / 2 veamos si es
1
0
0
1 , entonces
1 / 2 0
1/ 2
0
1 / 2 0 1 / 2 1 / 2
1/ 2 0 1 0 0
0
1 0 1 0
A AT = 1 / 2 0 1 / 2 0
1
0 1 / 2 1 / 2 0 0 0 1
0
1
T
Donde A = A y por tanto A es ortogonal.
213
Unidad 6
Teorema 6.3. Una matriz Q de orden nn es ortogonal, si y slo si, sus
columnas forman una base ortonormal para Rn.
El teorema 6.3 nos brinda una manera de construir matrices ortogonales
usando conjuntos de vectores ortonormales.
Ejemplo 9
1 0 0
Usando este teorema podemos afirmar que la matriz A = 0 1 0 es
0 0 1
ortogonal pues sus columnas forman una base ortonormal para R3.
Ejercicio 2
1. Determina si los siguientes vectores son ortonormales o no. Si no lo son,
describe cul es la propiedad que no se cumple en cada caso:
a) u = (1, 0) y v = (0, 3)
b) u = (2/3, 1/3, 2/3) y v = (1, 0, 1)
c) u = (1/ 2 , 1/ 2 , 0) y v = (0, 1, 0)
2. Encuentra una base ortonormal para R4(generaliza la base de R3).
2 / 3 2 / 3 1 / 3
2 / 3 es ortogonal (utiliza el
3. Determina si la matriz A = 2 / 3 1 / 3
1 / 3
2 / 3 2 / 3
teorema 6.3).
6.3. Coordenadas de un vector relativas a una
base ortogonal y a una base ortonormal
En esta seccin manejaremos las coordenadas de un vector relativas a una
base ortogonal y a una base ortonormal, veremos sus diferencias entre ellas y
214
