Universidad Michoacana de San Nicolás de Hidalgo

Profesor: Dr. Jesús Rico Melgoza

Maestría en Ciencias de Ingeniería Eléctrica

Opción: Sistemas Eléctricos de Potencia

Alumno:
Mario Gómez Zamudio

Materia: Análisis de Sistemas Lineales

TAREA
Ortogonalización

Fecha: 03 de abril del 2020

BASES ORTONORMALES

En 𝑅 𝑛 se vio que n vectores linealmente independientes constituyen una base. Estos vectores tienen
dos propiedades

i. 𝑒𝑖 • 𝑒𝑗 = 0
ii. 𝑒𝑖 • 𝑒𝑖 = 1

Definición 1

Conjunto ortonormal en 𝑅 𝑛

Se dice que un conjunto de vectores 𝑆 = {𝑢1, 𝑢2, … , 𝑢𝑘 } en 𝑅𝑛 es un conjunto ortonormal si

i. 𝑒𝑖 • 𝑒𝑗 = 0 𝑖≠𝑗
ii. 𝑒𝑖 • 𝑒𝑖 = 1

Si solo se satisface la primera propiedad se dice que el conjunto es ortogonal.

Definición 2

Longitud o norma de un vector

Si 𝑣 ∈ 𝑅 𝑛 , entonces la longitud o norma de 𝑣 denotada por ∣ 𝑣 ∣, esta dada por

∣ 𝑣 ∣= √𝑣 • 𝑣

Teorema

Proceso de ortonormalización de Gram-Schmidt

Sea 𝑉 un espacio vectorial con producto interno y sean:

𝛽1, 𝛽2, … , 𝛽𝑛

Vectores independientes cualquiera de 𝑉, entonces se pueden construir vectores ortogonales

𝛼1, 𝛼2, … , 𝛼𝑛
𝑚
𝛽𝑚+1 • 𝛼𝑘
𝛼𝑚+1 = 𝛽𝑚+1 − ∑
∣∣ 𝛼𝑘 ∣∣2
𝑘=1
Ejercicios

1) Construya una base ortonormal en 𝑅 4comenzando con el siguiente conjunto de vectores

{(1, 2, −1, 3), (2, 1, 0, −2), (0, 1, 2, 1), (3, 4, 1, 2)}

Antes de comenzar con el proceso de ortonormalización de Gram-Schmidt debemos verificar si el

sistema es linealmente independientes, pues de lo contrario no se puede llevar a cabo el
procedimiento. Tenemos entonces

{(1, 2, −1, 3), (2, 1, 0, −2), (0, 1, 2, 1), (3, 4, 1, 2)}

𝛼(1, 2, −1, 3) + 𝛽(2, 1, 0, −2) + 𝛾(0, 1, 2, 1) + 𝜃(3, 4, 1, 2) = (0, 0, 0, 0)
(𝛼, 2𝛼, −𝛼, 3𝛼) + (2𝛽, 𝛽, 0, −2𝛽) + (0, 𝛾, 2𝛾, 𝛾) + (3𝜃, 4𝜃, 𝜃, 2𝜃) = (0, 0, 0, 0)
(𝛼 + 2𝛽 + 3𝜃, 2𝛼 + 𝛽 + 𝛾 + 4𝜃, −𝛼 + 2𝛾 + 𝜃, 3𝛼 − 2𝛽 + 𝛾 + 2𝜃) = (0, 0, 0, 0)

Escribiendo lo anterior en notación matricial se tiene

1 2 0 3 𝛼 0
2 1 1 4 𝛽 0
[ ][ ] = [ ]
−1 0 2 1 𝛾 0
3 −2 1 2 𝜃 0

Utilizaremos eliminación Gaussiana para solucionar el sistema homogéneo y determinar si existe o

no la independencia lineal

1 2 0 3 1 2 0 3 1 2 0 3
2 1 1 4 0 −3 1 −2 0 −3 1 −2
[ ] 𝑅2 − 2𝑅1 → [ ] 𝑅3 + 𝑅1 → [ ]
−1 0 2 1 −1 0 2 1 0 2 2 4
3 −2 1 2 3 −2 1 2 3 −2 1 2

1 2 0 3
1 2 0 3
2 0 −3 1 −2
0 −3 1 −2 8 8
𝑅4 − 3𝑅1 → [ ] 𝑅3 + 𝑅2 →
0 2 2 4 3 0 0
0 −8 1 −7 3 3
[0 −8 1 −7]
1 2 0 3
0 −3 1 −2 1 2 0 3
8 8 8 5 0 −3 1 −2
𝑅4 − 𝑅2 → 0 0 𝑅4 + 𝑅3 → 8 8
3 3 3 8 0 0
5 5 3 3
[0 0 0 0]
[0 0 −
3
− ]
3
Se observa que uno de los renglones se ha convertido en ceros, lo que indica que tenemos una variable
libre, o bien, que el renglón cuatro es una combinación lineal de los renglones uno, dos y tres. Por lo
tanto, se concluye que el sistema es linealmente dependiente y no puede llevar a cabo el proceso de
ortonormalización.
 2) Ortogonalizar la siguiente lista de vectores en 𝑅 4 utilizando el teorema de Gram-Schmidt
2 −6 −10
−4 5 13
𝑎1 = [ ] 𝑎2 = [ ] 𝑎3 = [ ]
5 −1 −4
2 −6 −3

Renombraremos los vectores como

2 −6 −10
−4 5 13
𝑣1 = [ ] 𝑣2 = [ ] 𝑣3 = [ ]
5 −1 −4
2 −6 −3

Aplicando el teorema de ortonormalización de Gram-Schmidt se tiene

2
−4
𝑢1 = 𝑣1 = [ ]
5
2
𝑢1 • 𝑣2
𝑢2 = 𝑣2 − 𝑢1
(∣∣ 𝑢1 ∣∣)2

2 −6
−4 5
[ ]•[ ]
−6 5 −1 2
5 2 −6 −4
𝑢2 = [ ] − 2 [ 5 ]
−1
(√(2)2 + (−4)2 + (5)2 + (2)2 )
−6 2
−6 2
5 49 −4
𝑢2 = [ ] − (− ) [ ]
−1 49 5
−6 2
−6 2 −4
5 −4 1
𝑢2 = [ ] + [ ] = [ ]
−1 5 4
−6 2 −4
𝑢2 • 𝑣3 𝑢1 • 𝑣3
𝑢3 = 𝑣3 − 2
𝑢2 − 𝑢1
(∣∣ 𝑢2 ∣∣) (∣∣ 𝑢1 ∣∣)2
 −4 −10
1 13
[ ]•[ ]
−10 4 −4 −4
13 −4 −3 1
𝑢3 = [ ]− 2 [ ]
−4 4
(√(−4)2 + (1)2 + (4)2 + (−4)2 )
−3 −4
2 −10
−4 13
[ ]•[ ]
5 −4 2
2 −3 −4
− 2 [ 5 ]
(√(2)2 + (−4)2 + (5)2 + (2)2 )
2
−10 −4 2
13 49 1 98 −4
𝑢3 = [ ] − ( ) [ ] − (− ) [ ]
−4 49 4 49 5
−3 −4 2
−10 −4 2
13 1 −4
𝑢3 = [ ]−[ ]+2 [ ]
−4 4 5
−3 −4 2
−10 −4 4 −2
13 1 −8 4
𝑢3 = [ ]−[ ]+ [ ] = [ ]
−4 4 10 2
−3 −4 4 5

Tenemos entonces los vectores ortogonales

2 −4 −2
−4 1 4
𝑢1 = [ ] 𝑢2 = [ ] 𝑢3 = [ ]
5 4 2
2 −4 5

Para volverlos ortonormales basta con dividir cada uno de ellos entre sus respectivas normas como
se muestra a continuación

2 4 2
− −
7 7 7
2 4 −4 1 −2 4
𝑢1 1 −4 − 𝑢2 1 1 𝑢3 1 4
= [ ]= 7 = [ ]= 7 = [ ]= 7
∣ 𝑢1 ∣ 7 5 5 ∣ 𝑢2 ∣ 7 4 4 ∣ 𝑢3 ∣ 7 2 2
2 7 −4 7 5 7
2 4 5
[ 7 ] −
[ 7] [ 7 ]

Existen dos maneras de comprobar que estos vectores son ortogonales y ortonormales. Para verificar
que son ortonormales basta con probar que el producto punto entre ellos es igual a cero. Para probar
la ortonormalización se requiere multiplicar cada vector por sí mismo y el resultado debe ser igual a
uno. Estas propiedades se muestran a continuación
 2 −4
−4 1
𝑢1 • 𝑢2 = [ ] • [ ] = (−8 − 4 = 20 − 8) = 0
5 4
2 −4
2 −2
−4 4
𝑢1 • 𝑢3 = [ ] • [ ] = (−4 − 16 + 10 + 10) = 0
5 2
2 5
−4 −2
1 4
𝑢2 • 𝑢3 = [ ] • [ ] = (8 + 4 + 8 − 20) = 0
4 2
−4 5

De esta manera queda demostrado que los vectores son ortogonales.

Ahora se demuestra que son ortonormales

2 2
7 7
4 4
𝑢1 𝑢1 − −
• = 7 • 7 = ( 4 + 16 + 25 + 4 ) = 49 = 1
∣ 𝑢1 ∣ ∣ 𝑢1 ∣ 5 5 49 49 49 49 49
7 7
2 2
[ 7 ] [ 7 ]

4 4
− −
7 7
1 1
𝑢2 𝑢2 16 1 16 16 49
• = 7 • 7 =( + + + )= =1
∣ 𝑢2 ∣ ∣ 𝑢2 ∣ 4 4 49 49 49 49 49
7 7
4 4
− −
[ 7] [ 7]

2 2
− −
7 7
4 4
𝑢3 𝑢3 4 16 4 25 49
• = 7 • 7 =( + + + )= =1
∣ 𝑢3 ∣ ∣ 𝑢3 ∣ 2 2 49 49 49 49 49
7 7
5 5
[ 7 ] [ 7 ]

Queda demostrado que son ortonormales.

 3) Ortogonalizar la siguiente lista de vectores en 𝑅 4 utilizando el teorema de Gram-Schmidt
4 −6 5
−2 3 −5
𝑎1 = [ ] 𝑎2 = [ ] 𝑎3 = [ ]
−1 4 −3
2 −8 −4

Renombraremos los vectores como

4 −6 5
−2 3 −5
𝑣1 = [ ] 𝑣2 = [ ] 𝑣3 = [ ]
−1 4 −3
2 −8 −4

Aplicando el teorema de ortonormalización de Gram-Schmidt se tiene

4
−2
𝑢1 = 𝑣1 = [ ]
−1
2
𝑢1 • 𝑣2
𝑢2 = 𝑣2 − 𝑢1
(∣∣ 𝑢1 ∣∣)2

4 −6
−2 3
[ ]•[ ]
−6 −1 4 4
3 2 −8 −2
𝑢2 = [ ] − 2 [−1]
4
(√(4)2 + (−2)2 + (−1)2 + (2)2 )
−8 2
−6 4 −6 4
3 50 −2 3 −2
𝑢2 = [ ] − (− ) [ ] = [ ] + 2 [ ]
4 25 −1 4 −1
−8 2 −8 2
−6 8 2
3 −4 −1
𝑢2 = [ ] + [ ] = [ ]
4 −2 2
−8 4 −4
𝑢2 • 𝑣3 𝑢1 • 𝑣3
𝑢3 = 𝑣3 − 2
𝑢2 − 𝑢1
(∣∣ 𝑢2 ∣∣) (∣∣ 𝑢1 ∣∣)2
 2 5
−1 −5
[ ]•[ ]
5 2 −3 2
−5 −4 −4 −1
𝑢3 = [ ] − 2 [ 2 ]
−3
(√(2)2 + (−1)2 + (2)2 + (−4)2 )
−4 −4
4 5
−2 −5
[ ]•[ ]
−1 −3 4
2 −4 −2
− 2 [−1]
(√(4)2 + (−2)2 + (−1)2 + (2)2 )
2

5 2 4
−5 25 −1 25 −2
𝑢3 = [ ] − ( ) [ ] − ( ) [ ]
−3 25 2 25 −1
−4 −4 2
5 2 4 −1
−5 −1 −2 −2
𝑢3 = [ ] − [ ] − [ ] = [ ]
−3 2 −1 −4
−4 −4 2 −2

Tenemos entonces los vectores ortogonales

4 2 −1
−2 −1 −2
𝑢1 = [ ] 𝑢2 = [ ] 𝑢3 = [ ]
−1 2 −4
2 −4 −2

Para volverlos ortonormales basta con dividir cada uno de ellos entre sus respectivas normas como
se muestra a continuación

4 2 1
−
5 5 5
4 2 2 −1 −1 −2
𝑢1 1 −2 − 𝑢2 1 −1 𝑢3 1 −2
= [ ] = 5 = [ ]= 5 = [ ]= 5
∣ 𝑢1 ∣ 5 −1 −1 ∣ 𝑢2 ∣ 5 2 2 ∣ 𝑢3 ∣ 5 −4 −4
2 5 −4 5 −2 5
2 4 −2
[ 5 ] −
[ 5] [ 5 ]

Existen dos maneras de comprobar que estos vectores son ortogonales y ortonormales. Para verificar
que son ortonormales basta con probar que el producto punto entre ellos es igual a cero. Para probar
la ortonormalización se requiere multiplicar cada vector por sí mismo y el resultado debe ser igual a
uno. Estas propiedades se muestran a continuación

4 2
−2 −1
𝑢1 • 𝑢2 = [ ] • [ ] = (8 + 2 − 2 − 8) = 0
−1 2
2 −4
 4 −1
−2 −2
𝑢1 • 𝑢3 = [ ] • [ ] = (−4 + 4 + 4 − 4) = 0
−1 −4
2 −2
2 −1
−1 −2
𝑢2 • 𝑢3 = [ ] • [ ] = (−2 + 2 − 8 + 8) = 0
2 −4
−4 −2

De esta manera queda demostrado que los vectores son ortogonales.

Ahora se demuestra que son ortonormales

4 4
5 5
2 2
𝑢1 𝑢1 − −
• = 5 • 5 = (16 + 4 + 1 + 4 ) = 25 = 1
∣ 𝑢1 ∣ ∣ 𝑢1 ∣ −1 −1 25 25 25 25 25
5 5
2 2
[ 5 ] [ 5 ]

2 2
5 5
−1 −1
𝑢2 𝑢2 4 1 4 16 25
• = 5 • 5 =( + + + )= =1
∣ 𝑢2 ∣ ∣ 𝑢2 ∣ 2 2 25 25 25 25 25
5 5
4 4
− −
[ 5] [ 5]

1 1
− −
5 5
−2 −2
𝑢3 𝑢3 1 4 16 4 25
• = 5 • 5 =( + + + )= =1
∣ 𝑢3 ∣ ∣ 𝑢3 ∣ −4 −4 25 25 25 25 25
5 5
−2 −2
[ 5 ] [ 5 ]

Queda demostrado que son ortonormales.