ÍNDICE

• BASES ORTOGONALES EN ℝn
• PROYECCIÓN ORTOGONAL
• PROCESO DE ORTOGONALIZACIÓN DE GRAM-SCHMIDT
• POLINOMIOS DE LEGENDRE

COMISIÓN 1.4
Prof. Ramiro Rodríguez
1
 n
Bases Ortogonales en ℝ

Definición. Un conjunto 𝑆 = 𝐮1 , 𝐮2 , … , 𝐮k en ℝ𝑛 es ortogonal si cada par de vectores distintos en

S son ortogonales, es decir, si 𝐮i ∙ 𝐮j = 0 para 𝑖 ≠ 𝑗. Un conjunto ortonormal de vectores es un

conjunto ortogonal de vectores unitarios.

Esto es, 𝑆 = 𝐮1 , 𝐮2 , … , 𝐮k es ortonormal si 𝐮i ∙ 𝐮j = 0 para i ≠ j y 𝐮i ∙ 𝐮j = 1 para i = j para i

= 1, 2, . . . , k.

Resumimos los resultados para una base ortonormal utilizando el Operador Delta de Kronecker:

1; si i = j
(𝐮𝐢 ∙ 𝐮𝐣 ) = δi,j =
0; si ≠ j

2
Corolario. Sean S = 𝐮1 , 𝐮2 , … , 𝐮n una base ortogonal para ℝn y 𝐯 un vector en ℝn . Entonces

𝐯 = c1 𝐮1 + c2 𝐮2 +…+cn 𝐮n

donde
𝐯 ∙ 𝐮i
ci = 1≤𝑖≤𝑛
𝐮i ∙ 𝐮i

Si S = 𝐮1 , 𝐮2 , … , 𝐮n es ortonormal, entonces

𝐯 = c1 𝐮1 + c2 𝐮2 +…+cn 𝐮n

ci = 𝐯 ∙ 𝐮i 1≤𝑖≤𝑛

3
 Proyecciones Ortogonales
Teorema 1. Si W es un subespacio de ℝ𝑛 con una base ortonormal {𝐰𝟏 , 𝐰𝟐 , . . . , 𝐰𝐦 } y 𝐯 es un vector
en ℝ𝑛 , entonces existen vectores únicos 𝐰 en W y 𝐮 en W⊥, tales que: 𝐯 = 𝐰 + 𝐮.

Además: 𝐰 = 𝐜𝟏 𝐰𝟏 + 𝐜𝟐 𝐰𝟐 + ⋯ + 𝐜𝐦 𝐰𝐦

Como: ci = 𝐯 ∙ 𝐰𝐢

𝐰 = proyW𝐯 = 𝐯 ∙ 𝐰𝟏 𝐰𝟏 + 𝐯 ∙ 𝐰𝟐 𝐰𝟐 + ⋯ + (𝐯 ∙ 𝐰𝐦 )𝐰𝐦

FIGURA 1

La figura 1, ilustra el teorema 1 Este vector 𝐰 se denomina proyección ortogonal de 𝐯 sobre W y se

cuando W es un subespacio denota por proyW𝐯.
bidimensional de ℝ3 (un plano
que pasa por el origen).
4
EJEMPLO 1. Sea W el subespacio de dimensión dos de ℝ3 con base ortonormal {𝐰1 , 𝐰2 }, donde:

2 1 2 1 1
𝐰1 = ,− ,− y 𝐰2 = , 0,
3 3 3 2 2

Usando el producto interno estándar sobre ℝ3 , determine la proyección ortogonal de

𝐯 = 2,1,3
sobre W, y un vector u ortogonal a cada vector en W.

11 1 19𝟓
SOLUCIÓN 𝐰 = proyW𝐯 = 𝐯 ∙ 𝐰𝟏 𝐰𝟏 + 𝐯 ∙ 𝐰𝟐 𝐰𝟐 = −𝟏𝐰𝟏 + 𝐰𝟐 = , ,
𝟐 6 3 6

1 2 1
𝐮=𝐯−𝐰= , ,−
6 3 6

5
En la figura 1 es claro que la distancia de 𝐯 al plano W está dada por la norma del vector 𝐮 = 𝐯 − 𝐰,
2
esto es, por 𝐮 = 𝐯 − proyW𝐯 = .
2

Podemos generalizar esta noción y hablar de distancia de un vector de ℝ𝑛 a un subespacio W de ℝ𝑛

y demostrar que el vector de W que está más cercano a 𝐯 es de hecho proyW𝐯, de este modo
v − proyW𝐯 representa la distancia de 𝐯 a W.

Teorema 2. Sea W un subespacio de ℝ𝑛 . Entonces dado el vector 𝐯 en ℝ𝑛 , el vector en W más

cercano a 𝐯 es proyW𝐯. Esto es, para 𝐰 en W, 𝐯 − 𝐰 es mínima cuando 𝐰 = proyW𝐯.

6
DEMOSTRACIÓN. Ver Figura 2. Sea 𝐰 cualquier vector en W. Entonces:

𝐯 − 𝐰 = 𝐯 − proyW𝐯 + proyW𝐯 − 𝐰

Como 𝐰 y proyW𝐯 están ambos en W, proyW𝐯 – 𝐰 está en W. Como, 𝐯 − proyW𝐯 es ortogonal a cada
vector en W, de modo que:

𝐯−𝐰 2 = 𝐯−𝐰 ∙ 𝐯−𝐰

= 𝐯 − proyW𝐯 + proyW𝐯 − 𝐰 ∙ 𝐯 − proyW𝐯 + proyW𝐯 − 𝐰

2 2
= 𝐯 − proyW𝐯 + proyW𝐯 − 𝐰

2
Si 𝐰 ≠ proyW𝐯, entonces 𝐯 − proyW𝐯 es positivo y

𝐯−𝐰 2 > 𝐯 − proyW𝐯 2

7
 𝐯−𝐰

𝐯 − proy𝑊 𝐯

𝐰
proy𝑊 𝐯 − 𝐰

FIGURA 2
8
 Se sigue, entonces, que proyW𝒗 es el vector en W que minimiza a 𝐯 − 𝐰 2 y, por lo tanto, minimiza
a 𝐯−𝐰 .

11 1 19
En el ejemplo 1, 𝐰 = proyW𝐯 = , , es el vector de W = gen 𝐰𝟏 , 𝐰𝟐 que está más cerca de
6 3 6

𝐯 = 2,1,3 .

EJEMPLO 2. Sea S = 𝐮1 , 𝐮2 , 𝐮3 una base ortogonal para ℝ3 , donde

2 2 1 2 1 2 1 2 2
𝐮1 = , − , ; 𝐮2 = , , − ; 𝐮3 = , ,−
3 3 3 3 3 3 3 3 3

Escriba el vector 𝐯 = (3, 4, 5) como una combinación lineal de los vectores en S.

9
SOLUCIÓN Tenemos:

𝐯 = c1 𝐮1 + c2 𝐮2 +c3 𝐮3

donde:

c1 = 𝐯 · 𝐮1 = 1, c2 = 𝐯 · 𝐮2 = 0, c3 = 𝐯 · 𝐮3 = 7

con lo cual 𝐯 = 𝐮1 + 7𝐮3 es la combinación lineal pedida.

10
Proceso de ortogonalización de Gram-Schmidt

Teorema 3. Sea W un subespacio no nulo de ℝ𝑛 con base S = 𝐮1 , 𝐮2 , … , 𝐮m , entonces, hay una

base ortonormal T = 𝐰1 , 𝐰2 , … , 𝐰m para W.

Proceso Constructivo

FIGURA 3
11
12
EJEMPLO 3. Considere le base de ℝ3 𝑆 = 𝐮1 , 𝐮2 , 𝐮3 , donde

𝐮1 = 1, 1, 1 , 𝐮2 = −1, 0, −1 , 𝐮3 = −1, 2, 3

Utilice el proceso de Gram-Schmidt para transformar S a una base ortonormal para W.

SOLUCIÓN Paso 1. Sea 𝐯1 = 𝐮1 = 1, 1, 1

Paso 2. Ahora calculamos 𝐯2 y 𝐯3 :

𝐮2 ∙ 𝐯1 2 1 2 1
𝐯2 = 𝐮2 − 𝐯1 = −1, 0, −1 − − 1, 1, 1 = − , , −
𝐯1 ∙ 𝐯1 3 3 3 3

Al multiplicar 𝐯2 por 3, para eliminar las fracciones, obtenemos (−1, 2, −1), que ahora
utilizamos como 𝐯2 . Entonces

13
 𝐮3 ∙ 𝐯1 𝐮3 ∙ 𝐯2
𝐯3 = 𝐮3 − 𝐯 − 𝐯
𝐯1 ∙ 𝐯1 1 𝐯2 ∙ 𝐯2 2

4 2
= −1, 2, 3 − 1, 1, 1 − −1, 2, −1 = −2, 0, 2
3 6

En consecuencia, T ∗ = 𝐯1 , 𝐯2 , 𝐯3 = 1, 1, 1 , −1, 2, −1 , −2, 0, 2

es una base ortogonal para ℝ3 .

1 1
Paso 3. Sean 𝐖1 = 𝐯1 = 1, 1, 1
𝐯1 3
1 1
𝐖2 = 𝐯 = −1, 2, −1
𝐯2 2 6

1 1 1 1
𝐖3 = 𝐯3 = −2, 0, 2 = − , 0,
𝐯3 8 2 2

T = 𝐰1 , 𝐰2 , 𝐰3 es una base ortonormal para ℝ3 .

14
EJEMPLO 4. POLINOMIOS DE LEGENDRE

Suponga que el espacio vectorial de los Polinomios de grado 2, P2 tiene el producto

interior:
1
𝑝, 𝑞 = −1
𝑝 𝑥 𝑞 𝑥 𝑑𝑥
Aplique el proceso de Gram-Schmidt para transformar la base estándar 𝑆 = 1, 𝑥, 𝑥 2
en una base ortonormal T = 𝛗𝟎 , 𝛗1 , 𝛗2 . (Los polinomios de la base resultante
reciben el nombre de los tres primeros polinomios normalizados de Legendre.)

SOLUCIÓN Paso 1. 𝐯1 = 𝐮1 = 1
1

𝐯1 = 𝑑𝑥 = 2
𝐯1 1 −1
𝛗0 = =
𝐯1 2

15
Paso 2. Calculamos 𝐯2 y 𝛗1 :

1 1
𝐯2 = 𝐮2 − 𝐮2 , 𝛗0 𝛗0 = 𝑥 − 𝑥 𝑑𝑥 = 𝑥
2 −1
1
2
𝐯2 = 𝑥 2 𝑑𝑥 =
3
−1

𝐯2 3
𝛗1 = = 𝑥
𝐯2 2

Paso 3. Calculamos 𝐯3 y 𝛗2 :

𝐯3 = 𝐮3 − 𝐮3 , 𝛗1 𝛗1 − 𝐮3 , 𝛗0 𝛗0 =

3 1 1 1 2 1 3𝑥 2 −1
= 𝑥2 − 𝑥 −1 𝑥 3 𝑑𝑥 − 𝑥 𝑑𝑥 = 𝑥2 − =
2 2 −1 3 3

16
 1 2
2
1 2 2
𝐯3 = 𝑥 − 𝑑𝑥 =
3 3 5
−1

𝐯3 3 5 2 1
𝛗2 = = 𝑥 −
𝐯3 2 2 3

La Función Generatriz de los polinomios normalizados de Legendre es:

2𝑘 + 1 1 𝑑𝑘 𝑥 2 − 1 𝑘
𝝋𝑘 = 𝑃𝑘 (𝑥) 𝑃𝑘 𝑥 = 𝑘
2 2 𝑘! 𝑑𝑥 𝑘

Ejercicios - Guía TP Parte 4 - [Link]

Video – Serie de Fourier - [Link]

17