Bases ortogonales

Profesores
Omar Daro Saldarriaga Ortz
Ivan Dario Gomez
Hernan Giraldo
2009
Definici on
Sea V un espacio vectorial y {v
1
, . . . , v
n
} una base para V .
1
decimos que {v
1
, . . . , v
n
} es una base ortogonal si los vectores v
1
, . . . , v
n
son ortogonales entre si, es decir si v
i
v
j
= 0 para 1 i = j n.
2
decimos que {v
1
, . . . , v
n
} es una base ortonormal si es una base
ortogonal y ||v
i
|| = 1 para i = 1, . . . , n.
Ejemplo
Determine si los vectores v
1
=
_
_
1
1
0
_
_
, v
2
=
_
_
1
1
0
_
_
y v
3
=
_
_
0
0
1
_
_
forman una
base ortogonal de R
3
.
Lema
Si los vectores v
1
, . . . , v
k
son ortogonales entre si, entonces son linealmente
independientes.
Definici on
Sea V un espacio vectorial y {v
1
, . . . , v
n
} una base para V .
1
decimos que {v
1
, . . . , v
n
} es una base ortogonal si los vectores v
1
, . . . , v
n
son ortogonales entre si, es decir si v
i
v
j
= 0 para 1 i = j n.
2
decimos que {v
1
, . . . , v
n
} es una base ortonormal si es una base
ortogonal y ||v
i
|| = 1 para i = 1, . . . , n.
Ejemplo
Determine si los vectores v
1
=
_
_
1
1
0
_
_
, v
2
=
_
_
1
1
0
_
_
y v
3
=
_
_
0
0
1
_
_
forman una
base ortogonal de R
3
.
Lema
Si los vectores v
1
, . . . , v
k
son ortogonales entre si, entonces son linealmente
independientes.
Definici on
Sea V un espacio vectorial y {v
1
, . . . , v
n
} una base para V .
1
decimos que {v
1
, . . . , v
n
} es una base ortogonal si los vectores v
1
, . . . , v
n
son ortogonales entre si, es decir si v
i
v
j
= 0 para 1 i = j n.
2
decimos que {v
1
, . . . , v
n
} es una base ortonormal si es una base
ortogonal y ||v
i
|| = 1 para i = 1, . . . , n.
Ejemplo
Determine si los vectores v
1
=
_
_
1
1
0
_
_
, v
2
=
_
_
1
1
0
_
_
y v
3
=
_
_
0
0
1
_
_
forman una
base ortogonal de R
3
.
Lema
Si los vectores v
1
, . . . , v
k
son ortogonales entre si, entonces son linealmente
independientes.
Definici on
Decimos que una matriz A =
_
v
1
v
k

es una matriz ortogonal si

v
i
v
j
= 0 para 1 i = j k y ||v
i
|| = 1 para i = 1, . . . , k.
Ejemplo
La matriz A =
_
_
1

2
1

2
0
1

2
1

2
0
0 0 1
_
_
es una matriz ortogonal.
Teorema (Propiedad de las matrices ortogonales)
Sea A una matriz ortogonal, entonces A
t
A = I. Por tanto si A es una
matriz cuadrada entonces A es invertible y A
1
= A
t
, si A no es cuadrada
entonces A tiene inversa a la izquierda la cual esta dada por A
t
.
Definici on
Decimos que una matriz A =
_
v
1
v
k

es una matriz ortogonal si

v
i
v
j
= 0 para 1 i = j k y ||v
i
|| = 1 para i = 1, . . . , k.
Ejemplo
La matriz A =
_
_
1

2
1

2
0
1

2
1

2
0
0 0 1
_
_
es una matriz ortogonal.
Teorema (Propiedad de las matrices ortogonales)
Sea A una matriz ortogonal, entonces A
t
A = I. Por tanto si A es una
matriz cuadrada entonces A es invertible y A
1
= A
t
, si A no es cuadrada
entonces A tiene inversa a la izquierda la cual esta dada por A
t
.
Definici on
Decimos que una matriz A =
_
v
1
v
k

es una matriz ortogonal si

v
i
v
j
= 0 para 1 i = j k y ||v
i
|| = 1 para i = 1, . . . , k.
Ejemplo
La matriz A =
_
_
1

2
1

2
0
1

2
1

2
0
0 0 1
_
_
es una matriz ortogonal.
Teorema (Propiedad de las matrices ortogonales)
Sea A una matriz ortogonal, entonces A
t
A = I. Por tanto si A es una
matriz cuadrada entonces A es invertible y A
1
= A
t
, si A no es cuadrada
entonces A tiene inversa a la izquierda la cual esta dada por A
t
.
Ejemplo
1
Este teorema nos permite calcular la inversa de una matriz ortogonal
de manera f acil, por el Ejemplo ?? tenemos que la matriz
A =
_
_
1

2
1

2
0
1

2
1

2
0
0 0 1
_
_
es una matriz ortogonal
2
El teorema tambien se puede usar para calcular la inversa a la
izquierda de matrices ortogonales cuando no son cuadradas. Por
ejemplo la matriz B =
_
_
1

2
1

2
1

2
1

2
0 0
_
_
es una matriz ortogonal
Teorema
Sea {v
1
. . . , v
n
} una base ortogonal para un espacio vectorial V y sea b V ,
entonces
b =
b v
1
v
1
v
1
v
1
+ +
b v
n
v
n
v
n
v
n
.
M as a un, si {v
1
. . . , v
n
} una base ortonormal, entonces
b = (b v
1
)v
1
+ + (b v
n
)v
n
.
Ejemplo
1
Este teorema nos permite calcular la inversa de una matriz ortogonal
de manera f acil, por el Ejemplo ?? tenemos que la matriz
A =
_
_
1

2
1

2
0
1

2
1

2
0
0 0 1
_
_
es una matriz ortogonal
2
El teorema tambien se puede usar para calcular la inversa a la
izquierda de matrices ortogonales cuando no son cuadradas. Por
ejemplo la matriz B =
_
_
1

2
1

2
1

2
1

2
0 0
_
_
es una matriz ortogonal
Teorema
Sea {v
1
. . . , v
n
} una base ortogonal para un espacio vectorial V y sea b V ,
entonces
b =
b v
1
v
1
v
1
v
1
+ +
b v
n
v
n
v
n
v
n
.
M as a un, si {v
1
. . . , v
n
} una base ortonormal, entonces
b = (b v
1
)v
1
+ + (b v
n
)v
n
.
Ejemplo
Consideremos los vectores v
1
=
_
_
1
1
0
_
_
, v
2
=
_
_
1
1
0
_
_
y v
3
=
_
_
0
0
1
_
_
forman una
base ortogonal para R
3
, puesto que A = [v
1
v
2
v
3
] es una matriz ortogonal.
Usando el teorema anterior podemos escribir el vector b =
_
_
1
1
1
_
_
de la
siguiente forma:
b =
b v
1
v
1
v
1
v
1
+
b v
2
v
2
v
2
v
2
+
b v
3
v
3
v
3
v
3
=
0
2
v
1
+
2
2
v
2
+
1
1
v
3
= v
2
+ v
3
.
Ejemplo
Consideremos los vectores w
1
=
_

_
1

2
1

2
0
_

_
, w
2
=
_

_
1

2
1

2
0
_

_
y w
3
=
_
_
0
0
1
_
_
forman
una base ortogonal para R
3
, puesto que A = [v
1
v
2
v
3
] es una matriz
ortogonal. Usando el teorema anterior podemos escribir el vector b =
_
_
1
1
1
_
_
de la siguiente forma:
b = (b w
1
)w
1
+ (b w
2
)w
2
+ (b w
3
)w
3
= 0w
1
+
2

2
w
2
+ w
3
=

2w
2
+ w
3
.
Teorema
Sea {v
1
. . . , v
k
} una base ortonormal para un subespacio vectorial H de R
n
y sea b R
n
, entonces
proy
H
b = (b v
1
)v
1
+ + (b v
k
)v
k
.
Observaciones
La segunda parte del Teorema 5 sale como corolario de este teorema, ya que
si b H entonces por el Teorema ?? tenemos que proy
H
b = b y por tanto
b = proy
H
b = (b v
1
)v
1
+ + (b v
k
)v
k
.
Ejemplo
El plano xy (o z = 0) tiene base ortogonal dada por
_

_
v
1
=
_

_
1

2
1

2
0
_

_
, v
2
=
_

_
1

2
1

2
0
_

_
_

_
entonces usando el teorema anterior para
calcular proy
H
b donde H es el plano xy y b =
_
_
1
2
1
_
_
Teorema
Sea {v
1
. . . , v
k
} una base ortonormal para un subespacio vectorial H de R
n
y sea b R
n
, entonces
proy
H
b = (b v
1
)v
1
+ + (b v
k
)v
k
.
Observaciones
La segunda parte del Teorema 5 sale como corolario de este teorema, ya que
si b H entonces por el Teorema ?? tenemos que proy
H
b = b y por tanto
b = proy
H
b = (b v
1
)v
1
+ + (b v
k
)v
k
.
Ejemplo
El plano xy (o z = 0) tiene base ortogonal dada por
_

_
v
1
=
_

_
1

2
1

2
0
_

_
, v
2
=
_

_
1

2
1

2
0
_

_
_

_
entonces usando el teorema anterior para
calcular proy
H
b donde H es el plano xy y b =
_
_
1
2
1
_
_
Teorema
Sea {v
1
. . . , v
k
} una base ortonormal para un subespacio vectorial H de R
n
y sea b R
n
, entonces
proy
H
b = (b v
1
)v
1
+ + (b v
k
)v
k
.
Observaciones
La segunda parte del Teorema 5 sale como corolario de este teorema, ya que
si b H entonces por el Teorema ?? tenemos que proy
H
b = b y por tanto
b = proy
H
b = (b v
1
)v
1
+ + (b v
k
)v
k
.
Ejemplo
El plano xy (o z = 0) tiene base ortogonal dada por
_

_
v
1
=
_

_
1

2
1

2
0
_

_
, v
2
=
_

_
1

2
1

2
0
_

_
_

_
entonces usando el teorema anterior para
calcular proy
H
b donde H es el plano xy y b =
_
_
1
2
1
_
_