Solución Taller 11 Álgebra Lineal

UNALMED - Albeiro de J. Espinal Pulgarín

alquimiadebits.wordpress.com Mayo 2016

Contents
1 Determine la matriz de adyacencia de los grafos (a), (b) y (c) de la siguiente figura. 2

2 Dibuje un grafo que tenga la matriz de adyacencia dada 3

3 Determine la matriz de adyacencia de los digrafos (d) y (e) y (f ) de la siguiente figura. 4

4 Dibuje un digrafo que tenga la matriz de adyacencia dada 5

5 Utilice potencias de matrices para determinar el número de trayectorias de la longitud especi-

ficada entre los vértices dados. Sugerencia. Utilice MATLAB para ejecutar sus cálculos de
potencias. 5
5.1 Longitud 2, v1 , v2 , grafo (a) problema 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

6 El digrafo de la figura 1 muestra a 6 personas de la red social Facebook: P1 , P2 , . . . , P6

(Una arista de P1 a P2 indica que P1 es seguidor de P2 ). Utilice matrices de adyacencia para
clasificar a estas personas. En primera instancia determinando la cantidad de usuarios que
sigue cada persona y, en segunda instancia, combinando las personas que estos siguen directa
e indirectamente (Por ejemplo si P1 sigue a P2 y P2 sigue a P3 entonces P1 sigue indirectamente
a P3 ). Esta última información se requiere con fines publicitarios confidenciales. Utilice
MATLAB para hacer sus cálculos. 5

7 Determine cuáles de los siguientes conjuntos de vectores son ortogonales 6

8 Demuestre que los conjuntos de vectores son una base ortogonal de R2 o R3 (de acuerdo con
la dimensión de los vectores) y posteriormente escriba el vector w como combinación lineal de
la base. Sugerencia.
  Utilice
  proyecciones
  ortogonales para evitar cálculos pesados. 7
4 1 1
8.1 v1 = v2 = w= . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
−2 2 −3

9 Determine
 si las siguientes son matrices ortogonales, de serlo halle la inversa 7
0 1
9.1 A = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1 0
 1
− 12 1 1

2 2 2
 1 1 1
− 12 
9.2 Q =  2 2 2
1  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1 1 1

 −
2 2 2 2
1 1
2 2 − 12 1
2

10 Sea Q una matriz ortogonal, demuestre que cualquier matriz obtenida reordenando las filas de
Q es también ortogonal. 8

11 Sea Q ∈ R n×n una matriz ortogonal y u, v vectores unitarios de Rn , demuestre que el ángulo
entre u y v es igual al ángulo entre Qu y Qv, es decir que Q preserva ángulos. Indicación.
Recuerde que si x, y son vectores de Rn , entonces xT y = x · y. 8

1
12 Sea A una matriz de 3 × 3 9
12.1 Si A tiene tres columnas ortogonales, cada una de longitud 4, ¿que matriz es AT A? . . . . . . . . . . 9
12.2 Si A tiene tres columnas ortogonales, de longitudes 1, 2 y 3, ¿que matriz es AT A? . . . . . . . . . . 10

13 De un ejemplo en cada uno de los siguientes casos 10

13.1 Una matriz A cuyas columnas sean ortonormales pero que AAT 6= I . . . . . . . . . . . . . . . . . . 10
13.2 Dos vectores ortogonales de Rn que no sean linealmente independientes. . . . . . . . . . . . . . . . . 10

14 Sea Q una matriz ortogonal de nxn. Demuestre que sus filas son una base ortonormal de Rn . 10

15 Sea A ∈ Rnxn una matriz simétrica y ortogonal, demuestre que sus valores propios deben ser 1
o −1. 10

16 Encuentreel complemento
 ortogonal W ⊥ de W y proporcione una base para W ⊥ 11
x
16.1 W = : 2x − y = 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
 y        
 x x 1  1
16.2 W =  y  :  y  = t  −1  , t escalar = gen  −1  . . . . . . . . . . . . . . . . . 11
z z 3 3
 

17 Sea W el subespacio generado por los vectores dados. Encuentre una base para el complemento
ortogonal W ⊥ . 12

18 Encuentre la proyección ortogonal de v sobre el espacio W generado por los vectores ui , puede
suponer que los vectores ui son ortogonales. También encuentre la descomposición ortogonal
de v con respecto a W. 12

19 Aplique el proceso de Gram-Smidt para obtener una base ortogonal y luego normalice la base
para lograr una base ortonormal 14
 
3
20 Encuentre una base ortogonal de R3 que contenga al vector  1 . 15
5

Grafos y Digrafos
1 Determine la matriz de adyacencia de los grafos (a), (b) y (c) de la
siguiente figura.

Figure 1: Grafos

2
a) Para determinar la matriz de adyacencia en primer lugar fíjese en la cantidad de nodos que hay en el grafo. Dados
n nodos, construimos una matriz cuadrada de nxn. Y dado que haya una conexión entre los nodos vi y vj entonces
pondremos un uno en la posición aij y aji de la matriz. Lo anterior implica una conexión en dos direcciones, de vi
a vj y de vj a vi . Posteriormente veremos ciertos tipos de grafos llamados digrafos que solamente tienen conexiones
en una dirección.
 
nodo1 nodo2 nodo3 nodo4
 nodo1 0 1 0 1 
 
A =  nodo2
 1 0 1 0 

 nodo3 0 1 0 1 
nodo4 1 0 1 0

b)
 
nodo1 nodo2 nodo3 nodo4 nodo5

 nodo1 0 1 1 1 1 


 nodo2 1 0 1 0 0 


 nodo3 1 1 0 1 0 

 nodo4 1 0 1 0 1 
nodo5 1 0 0 1 0

c)
 
nodo1 nodo2 nodo3 nodo4 nodo5

 nodo1 0 0 0 1 1 


 nodo2 0 0 0 1 0 


 nodo3 0 0 0 1 0 

 nodo4 1 1 1 0 0 
nodo5 1 0 0 0 0

2 Dibuje un grafo que tenga la matriz de adyacencia dada

(ii)  
A B C D
 A 0 1 0 1 
 
 B
A= 1 1 1 1 

 C 0 1 0 1 
D 1 1 1 0

3
 Figure 2: Gráfica

3 Determine la matriz de adyacencia de los digrafos (d) y (e) y (f) de

la siguiente figura.

Figure 3: Gráfica

En estos casos si hay una flecha desde vi a vj entonces solamente pondremos un uno en la posición aij (Sin tocar
la posición aji ) de la matriz de adyacencia.
(d)
 
v1 v 2 v3 v4
 v1 0 1 1 0 
 
A= v2 0 0 0 0 

 v3 0 1 0 1 
v4 1 0 0 0

(e)
 
v1 v2 v3 v4
 v1 0 0 1 1 
 
 v2
A= 0 0 0 1 

 v3 1 1 0 0 
v4 0 1 1 0

4
4 Dibuje un digrafo que tenga la matriz de adyacencia dada
(ii)  
v1 v2 v3 v4 v5

 v1 0 1 0 0 1 

 v2 0 0 0 0 1 
A= 

 v3 0 1 0 1 0 

 v4 0 0 0 0 1 
v5 0 0 1 0 0

5 Utilice potencias de matrices para determinar el número de trayecto-

rias de la longitud especificada entre los vértices dados. Sugerencia.
Utilice MATLAB para ejecutar sus cálculos de potencias.
5.1 Longitud 2, v1 , v2 , grafo (a) problema 1.
 
nodo1 nodo2 nodo3 nodo4
 nodo1 2 0 2 0 
 
 nodo2
A= 0 2 0 2 

 nodo3 2 0 2 0 
nodo4 0 2 0 2

Por ejemplo, entre v1 y v1 las trayectorias que resultaron son:

v1 → v2 → v1
v1 → v3 → v1

Entre v1 y v2 (Ubíquese en la fila 1, columna 2) podemos observar que no hay trayectorias de longitud 2.

6 El digrafo de la figura 1 muestra a 6 personas de la red social Face-

book: P1 , P2 , . . . , P6 (Una arista de P1 a P2 indica que P1 es seguidor
de P2 ). Utilice matrices de adyacencia para clasificar a estas personas.
En primera instancia determinando la cantidad de usuarios que sigue
cada persona y, en segunda instancia, combinando las personas que
estos siguen directa e indirectamente (Por ejemplo si P1 sigue a P2 y
P2 sigue a P3 entonces P1 sigue indirectamente a P3 ). Esta última
información se requiere con fines publicitarios confidenciales. Utilice
MATLAB para hacer sus cálculos.
En primer lugar hallemos la matriz de adyacencia:
 
P1 P2 P3 P4 P5 P6
 P1 0 0 0 0 1 0 
 
 P2 1 0 1 0 1 1 
 
A=  P3 1 0 0 1 1 1 

 P4 1 1 0 0 1 0 
 
 P5 0 0 0 0 0 1 
P6 1 0 0 1 0 0

Para hallar la cantidad de usuarios que sigue cada persona simplemente sume las componentes de cada fila. Así,
tenemos que las personas que a más usuarios siguen directamente son P2 y P3 con 4, seguidos por P4 con 3 usuarios.

5
 Figure 4: Gráfica

Figure 5: Resultado de A2 en Matlab

Note que si usted suma todas las componentes de una columna i podrá encontrar cuántas personas están siguiendo
a esa persona i.
Ahora, para las personas que estos siguen de manera indirecta (Hasta un nivel de profundidad 2), calculemos
A2 .Ejecutando esta operación en Matlab obtenemos lo siguiente:
De donde podemos observar, del segundo renglón, que la persona 2 es la que a más personas sigue en la red
social de manera indirecta con un total de 8 seguimientos indirectos, seguida por P3 que tiene un total de 7. De
manera que combinando los seguimientos directos e indirectos podemos afirmar que la persona que a más usuarios
sigue en esta red social es P2 con un total de 12 seguimientos, seguido por P3 con 11 usuarios.
Nota: este ejercicio fue adaptado del taller. La solución del ejercicio propuesto para los jugadores,
tiene la misma solución presentada aquí. Lo único que cambia es la interpretación.

Ortogonalidad
7 Determine cuáles de los siguientes conjuntos de vectores son ortogo-
nales
Verifique para las posibles combinaciones que el producto punto entre cada par de vectores sea igual a cero (Lo que
implicaráque son
 ortogonales).
   
−3 2 1
v1 =  1  v2 =  4  v3 =  −1 
2 1 2
Partiendo de v1 verifiquemos que es ortogonal a los demás. En efecto v1 . v2 = 0 y v1 . v3 = 0. Finalmente restaría
verificar a v2 con v3 donde también se cumple que v2 .v3 = 0. Como para cualquier par de vectores su producto
punto es igual a cero, luego podemos afirmar que dichos vectores constituyen un conjunto ortogonal.

6
8 Demuestre que los conjuntos de vectores son una base ortogonal de R2
o R3 (de acuerdo con la dimensión de los vectores) y posteriormente
escriba el vector w como combinación lineal de la base. Sugerencia.
Utilice proyecciones ortogonales para evitar cálculos pesados.
Teorema: sea B = {v1 , v2 ...vm } una base ortogonal de un subespacio de Rn . Cualquier vector w ∈ W se puede
escribir como C.L de los vectores de la base ortogonal B del siguiente modo:

w = P royv1 (w) + P royv2 (w) + ... + P royvm (w)

     
4 1 1
8.1 v1 = v2 = w=
−2 2 −3
En primer lugar verifiquemos que v1 .v2 = 0 y además son linealmente independientes por lo que constituyen una
base ortogonal para R2 .
Así, el vector w escrito como una combinación de los vectores vi será:

w = P royv1 (w) + P royv2 (w)

  

4 
1 
−2 −3
     
4 10 4 1 4
Siendo P royv1 (w) =   = =
4 −2 20 −2 2 −2
|| ||2
−2
  

1 
1 
−3
     
2 1 −5 1 1
y finalmente P royv2 (w) =   = 5 =−
1  2 2 2 2
|| ||
2
Proceda de manera similar con los demás ejercicios. En primer lugar verifique que los vectores vi sean una base
ortogonal para Rn y posteriormente aplique el Teorema. .

9 Determine si las siguientes son matrices ortogonales, de serlo halle la

inversa
Definición: una matriz se denomina ortogonal si sus vectores columna son ortogonales entre sí y la magnitud de
cada una de las mismas es igual a 1.
 
0 1
9.1 A=
1 0
Observemos que las dos columnas de esta matriz son ortogonales y que la magnitud de cada una es igual a 1. Su
inversa será
 
0 1
A−1 =
1 0
 1

2
− 12 1
2
1
2
1 1 1

2 2 2
− 21 
9.2 Q= 
 − 12 1
2
1
2
1 
2
1 1
2 2
− 12 1
2
Como todas las columnas de esta matriz son ortogonales entre sí y adicionalmente la magnitud de las mismas es
igual a 1, luego dicha matriz es ortogonal. Esto mismo implica que sus columnas son linealmente independientes y
por tanto existe una inversa. Como es una matriz ortogonal Q−1 = QT . Por tanto:

7
 1 1
− 21 1
 
2 2 2
− 12 1 1 1
Q−1 = QT = 
 
2 2 2 
1 1 1

2 2 2 − 12 
1
2 − 21 1
2
1
2

10 Sea Q una matriz ortogonal, demuestre que cualquier matriz obtenida

reordenando las filas de Q es también ortogonal.
 
a11 a12 ... ... ... a1n
 a21 a22 ... ... ... a2n 
.. .. .. .. ..
 
 .. 
 . . . . . . 
Q=
 ai1

 ai2 ... aii ... a3n 

 . .. .. .. .. ..
 ..

. . . . . 
an1 an2 ... ... ... ann

Observe en primer lugar que una matriz ortogonal cumple que sus columnas son ortogonales entre sí (Para
cualquier par de columnas tomadas su producto punto siempre será cero). Y en este sentido intercambiar dos filas
no afectará el resultado del producto punto. Veamos que intercambiando la fila 1 por la i tenemos que el producto
punto entre las dos primeras columnas será:
      
a11 a12 ai1 ai2
 a21   a22   a21   a22 
 ..   ..   ..   .. 
      
 .   .   .  . 
 ai1  ·  ai2  =  a11   a12  = ai1 ai2 + a21 a22 + ... + a11 a12 + ... + an1 an2
      
      
 .   .   .  . 
. .
 .   .   .  .  . .
an1 an2 an1 an2

Adicionalmente, el intercambiar filas tampoco afectará la magnitud de las columnas. En efecto:

   
a12 ai2
 a22   a22 
 ..   .. 
   
 .   .  q
||   || = ||   || = a2 + a2 + ... + a2 + ... + a2 = 1
 ai2   a12  i2 22 12 n2
   
 .   . 
 ..   .. 
an2 an2

Luego, como al reordenar filas de Q sus columnas siguen siendo ortogonales entre sí (Pues el producto punto
entre estas no se altera al reordenar) y su magnitud sigue siendo igual a 1, entonces concluimos que dicha matriz
seguirá siendo ortogonal.

11 Sea Q ∈ R n×n una matriz ortogonal y u, v vectores unitarios de

Rn , demuestre que el ángulo entre u y v es igual al ángulo entre Qu
y Qv, es decir que Q preserva ángulos. Indicación. Recuerde que si
x, y son vectores de Rn , entonces xT y = x · y.
Recuerde que el ángulo entre dos vectores se puede calcular a partir del producto punto u· v = ||u||||v||cosθ.
Adicionalmente, el producto punto entre dos vectores lo podemos expresar en términos matriciales como u· v = uT v.
Aclarado lo anterior verifiquemos entonces si el ángulo entre u y v es el mismo ángulo entre Qu y Qv. El producto
punto entre estos dos últimos términos será:

8
 Qu· Qv = (Qu)T Qv

por propiedades de la transpuesta esto es igual a,

(Qu)T Qv = uT QT Qv

y como Q es ortogonal luego QT Q = I de manera que

uT QT Qv = uT v
= u· v

Así, hemos demostrado que Qu· Qv = u· v y por tanto Q preserva los ángulos. Conclusión

12 Sea A una matriz de 3 × 3

12.1 Si A tiene tres columnas ortogonales, cada una de longitud 4, ¿que matriz es
AT A?
 
a11 a12 a13
Sea la matriz A =  a21 a22 a23 . Nombremos a sus columnas a1 , a2 , a3 y a sus filas A1 , A2 , A3 . Para
a31 a32 a33
cualquiera de sus columnas tenemos que su respectiva magnitud será igual a 4. Veamos a qué es igual AT A :

  
a11 a21 a31 a11 a12 a13
AT A =  a12 a22 a32   a21 a22 a23 
a13 a23 a33 a31 a32 a33
2
   
||a1 || 0 0 16 0 0
=  0 ||a2 ||2 0 = 0 16 0 
0 0 ||a3 ||2 0 0 16

Observe que las filas de AT no son más que las columnas transpuestas de A, luego lo anterior lo podemos
expresar como:
 T 
a1
AT A =  aT2  a1 a2 a3
 

aT3

y realizando el producto matricial tenemos

 T 
aT1 a1 aT1 a2 aT1 a3
 
a1
AT A =  aT2  a1 = aT2 a1 aT2 a2 aT2 a3 
 
a2 a3 
aT3 aT3 a1 aT3 a2 aT3 a3

y observe que podemos expresar aT1 a1 = a1 · a1 , luego

 
a1 a1 a1 a2 a1 a3
AT A =  a2 a1 a2 a2 a2 a3 
a3 a1 a3 a2 a3 a3

Finalmente sabemos que a1 a1 = ||a1 ||2 y adicionalmente el producto punto entre cualquier par de columnas de
A es cero (Pues son ortogonales), así:

||a1 ||2
   
0 0 16 0 0
AT A =  0 ||a2 ||2 0  =  0 16 0 
0 0 ||a3 ||2 0 0 16

9
12.2 Si A tiene tres columnas ortogonales, de longitudes 1, 2 y 3, ¿que matriz es
AT A?
Ya comprobamos que, haciendo un proceso similar al anterior, finalmente tendremos una matriz cuyos elementos
de la diagonal principal son la magnitud al cuadrado de las columnas de A , luego

||a1 ||2
   
0 0 1 0 0
AT A =  0 ||a2 ||2 0 = 0 4 0 
2
0 0 ||a3 || 0 0 9

13 De un ejemplo en cada uno de los siguientes casos

13.1 Una matriz A cuyas columnas sean ortonormales pero que AAT 6= I
 
1 0
A= 0 0 
0 1
En este caso    
1 0   1 0 0
1 0 0
AAT =  0 0  = 0 0 0 
0 0 1
0 1 0 0 1

13.2 Dos vectores ortogonales de Rn que no sean linealmente independientes.

   
1 0
Por ejemplo v1 = y v2 = claramente v1 .v2 = 0, son ortogonales, pero son linealmente dependientes.
0 0

14 Sea Q una matriz ortogonal de nxn. Demuestre que sus filas son una
base ortonormal de Rn .
Teorema: Q es ortogonal si y sólo si Q−1 = QT
Sabemos que si Q es ortogonal entonces
QT Q = QQT = I (1)
Observe que en la transpuesta de Q, QT , las filas de Q están ubicadas como columnas. Verifiquemos si QT es
una matriz ortogonal (De esta manera habremos demostrado que si QT es ortogonal, luego sus columnas, que son
las filas de Q, son ortogonales y tienen magnitud 1).
Por propiedades de la transpuesta podemos expresar a Q como Q = (QT )T . Y por tanto sustituyendo en (1)
tenemos que

QQT = (QT )T QT = I

Es decir, la inversa de QT (Cuyas columnas son las filas de Q) es (QT )−1 = (QT )T . Como la inversa de QT es
igual a su transpuesta, concluimos que es una matriz ortogonal y por tanto sus columnas (Que son las filas de Q)
son ortonormales, constituyendo una base para Rn .

15 Sea A ∈ Rnxn una matriz simétrica y ortogonal, demuestre que sus

valores propios deben ser 1 o −1.
Si A es una matriz ortogonal entonces
AT A = I
Ahora, hallemos cuál es el determinante de la anterior expresión:

det(AT A) = det(I) = 1

por propiedades de los determinantes

10
 det(AT )det(A) = 1

y por propiedades de la transpuesta det(AT ) = det(A), luego

det(A)det(A) = (det(A))2 = 1

lo que solamente se cumplirá si det(A) = ±1.

Complementos y Proyecciones Ortogonales

16 Encuentre el complemento ortogonal W ⊥ de W y proporcione una
base para W ⊥
  
x
16.1 W = : 2x − y = 0
y
W corresponde a la definición del nulo de una matriz A (Observe que se da una restricción lineal para las variables
igualdad a cero). Por tanto W = nul(A) y su complemento ortogonal será W ⊥ = ren(A) (Pues el producto de
cualquier vector del nulo por cualquier vector de ren(A) es igual a cero. La pregunta que surge es ¿Quién es A? En
este caso a partir de los coeficientes de las restricciones deducimos que:
 
A = 2 −1

Note que A podría

 estar constituida por cualquier múltiplo escalar del vector (2,1). Por tanto una base para
2
W ⊥ será BW ⊥ =
−1
La clave para resolver este tipo de ejercicios en los que se dan restricciones lineales es entender que nul(A) ⊥
ren(A).
        
 x x 1  1
16.2 W =  y  :  y  = t  −1  , t escalar = gen  −1 
z z 3 3
 

¿Qué conjunto de vectores será ortogonal a W ? Construyamos estratégicamente una matriz A que tenga por fila
al vector generador. Y por tanto, dada esta matriz A, hallando el nulo de la misma, podremos encontrar una base
ortogonal para W ⊥ .
 
A = 1 −1 3
 
x
¿Qué vectores  y  al ser multiplicados por A darán como resultado al nulo? Equivalentemente, ¿Qué vectores
z
   
x 0
serán perpendiculares a ren(A)? Serán aquellos vectores tales que A  y  =  0 , de donde obtenemos la
z 0
restricción:

x − y + 3z = 0

Como las variables libres son la y y la z tenemos finalmente que

x = y − 3z
y = y
z = z

11
      
x 1 −3
lo que es equivalente a  y  = y  1  + z  0 
z 0 1  
 
1 −3
De manera que el complemento ortogonal será gen  1  ,  0  y una base para el mismo serán estos
0 1
mismos vectores que lo generan pues son LI.

17 Sea W el subespacio generado por los vectores dados. Encuentre

una base para el complemento ortogonal W ⊥ .
Aprovechemos estratégicamente el concepto de ortogonalidad entre los espacios fundamentales de una matriz. Ten-
emos varias alternativas. Podríamos construir una matriz A cuyas columnas sean los vectores dados y entonces
hallar nul(AT ) (Pues por ortogonalidad entre espacios siempre col(A) ⊥ nul(AT )) o podría también construir una
matriz A cuyas filas sean los vectores dados y hallar entonces nul(A) (Pues ren(A) ⊥ nul(A)). Hagámoslo de esta
última manera, si construimos una matriz cuyas filas sean los vectores dados entonces el espacio nul de dicha matriz
será W ⊥ .
Dadoslos vectores
 generadores
 
1 0
 −1   1 
w1 =  1  y w2 =  2 
  

1 3
Luego construimos la matriz:
 
1 −1 1 1
A=
0 1 2 3

y ¡Voilà! Sin necesidad de escalonar, ya podemos ver que las variables libres serán las asociadas a las dos últimas
columnas. Luego los elementos de nul(A) estarán dados por:
           
x y−z−w (−2z + 3w) − z − w −3z + 2w 2 −3
 y   −2z + 3w   −2z − 3w   −2z − 3w 
 = w  −3  + z  −2 
   
 z =
   = =
z   z   z   0   1 
w w w w 1 0

Por tanto, ya teniendo una base para nul(A), cuyos elementos serán perpendiculares a w1 y a w2 concluimos
que
   

 2 −3  
3   −2 
   
BW ⊥ =   , 
 

 0 1  
1 0
 

18 Encuentre la proyección ortogonal de v sobre el espacio W generado

por los vectores ui , puede suponer que los vectores ui son ortogonales.
También encuentre la descomposición ortogonal de v con respecto a
W.
Teorema de la Descomposición Ortogonal
Sean W un subespacio de Rn y v un vector de Rn . Entonces existen vectores únicos w ∈ W y w⊥ ∈ W ⊥ tales
que:

v = w + w⊥

12
 Para solucionar estos ejercicios en primer lugar recuerde que la proyección de un vector v sobre un conjunto W
que tiene una base ortogonal (Solo aplica cuando los elementos de la base son ortogonales) u1 , u2 ...un
consiste en proyectar dicho vector respecto a estos elementos de la base, de tal manera que la proyección sobre W
será:

P royW (v) = P royu1 (v) + P royu2 (v) + ... + P royun (v)

Finalmente, la descomposición ortogonal de v con respecto a W será:

v = P royW (v) + P erpW (v) (2)

Donde,
P erpW (v) = v − P royW (v) (3)
Observe que sustituyendo (2) en (1) efectivamente tenemos que:

v = P royW (v) + P erpW (v) = P royW (v) + (v − P royW (v)) = v

Así, para el siguiente ejercicio tenemos que dados:

     
1 1 1
v =  2  u1 =  1  u2 =  −1 
3 1 0
La proyección de v respecto al conjunto W generado por u1 y u2 será:

P royW (v) = P royu1 (v) + P royu2 (v)

por tanto,

 
1
 2  v.u1 v.u2
P royW = u1 +
||u1 ||2 ||u2 ||2
3
   
1 1
6 1
= 1  −  −1 
3 2
1 0
   
2 1/2
=  2  −  −1/2 
2 0
 
3/2
=  5/2 
2

Ahora, para finalmente hallar la descomposición ortogonal necesitamos encontrar un vector w⊥ = P erpW (v)
perteneciente a W ⊥ tal que
v = P royW (v) + P erpW (v)
A dicho vector lo denominamos w⊥ o P erpW (v). Como ya se había mencionado anteriormente este vector lo
hallamos restando a nuestro vector v la proyección sobre el conjunto ortogonal W , que ya encontramos, es decir,
     
1 3/2 −1/2
w⊥ = P erpW (v) = v − P royW (v) =  2  −  5/2  =  −1/2 
3 2 1

De haber hecho los cálculos correctamente hallando P royW v y P erpW (v) entonces debe ser cierto que v es igual
a la proyección sobre W más la perpendicular
  de  a W 
 este respecto :
3/2 −1/2 1
v = P royW (v) + P erpW (v) =  5/2  +  −1/2  =  2  ¡Correcto! Tenga cuidado con esta compro-
2 1 3
bación, es del todo fiable. Pues si usted hace el proceso tal como se hizo aquí, entonces:

13
 v = P royW (v) + P erpW (v)
= P royW (v) + (v − P royW (v))
= v

Note que por más que usted se equivoque en el cálculo de la proyección, lo anterior siempre será cierto. Lo único
que realmente comprueba esta verificación es que usted no se equivocó calculando v − P royW (v)

19 Aplique el proceso de Gram-Smidt para obtener una base ortogonal

y luego normalice la base para lograr una base ortonormal
El proceso de Gram-Schmidt es un algoritmo que permite, a partir de un conjunto de vectores linealmente inde-
pendientes encontrar una base ortonormal desde los mismos. A continuación se muestra en síntesis en qué consiste
este proceso, el material es tomado de las notas del curso:

Figure 6: Proceso de Gram-Schmidt

Ejercicio:     
1 0 0
a) x1 =  1  x2 =  1  y x3 =  0 
1 1 1
En el paso 1, tomamos a cualquiera de los vectores. Tomemos en este caso a x1 :
 
1
v 1 = x1 =  1 
1

Ahora, hallemos un vector v2 ortogonal a v1 :

     2 
0 1 −3
2
v2 = x2 − P royv1 (x2 ) =  1  −  1  =  13 
3 1
1 1 3

Finalmente, encontremos un vector v3 ortogonal a v1 y v2 partir del último vector x3 :

14
 v3 = x3 − P royv1 (x3 ) − P royv2 (x3 )
     2 
0 1 1 −3
=  0 − 1 1 − 3  1 
3 6 3
1
1 1 9
   1   2 3
0 3 −6
=  0 − 1 − 1 
3 6
1 1
1 3 6
   
0 0
=  0  +  −3 
6
1 − 36
   
0 0
=  −3  =  −1 
6 2
3 1
6 2

Para normalizarlos:
1
 
1 3
1
u1 = v1 =  3

||v1 || 1
3

2
 
− 23 − 3√
 
6
1 1 1
u2 = √1 √
||v2 || v2 =  = 
6 3  3 6 
1 1
√
3 3 6
Finalmente para u3 :
  
0√

√ 0
− 2
u3 = ||v13 || v3 = 2  − 12  = 
 
√2 
1 2
2 2

 
3
20 Encuentre una base ortogonal de R3 que contenga al vector  1 .
5
Nuevamente apliquemos el proceso de Gram-Smidt. Tomemos dos vectores adicionales,  linealmente
 independientes
3
al vector que nos dan, y comencemos el proceso de Gram-Smidt desde el vector dado ( 1 ). Recuerde que como
5
3
buscamosuna  base para
R  entonces requerimos
  para el algoritmo tres vectores LI. Sean los vectores:
3 0 0
x1 =  1  x2 =  0  y x3 =  1 
5 1 0
Ejecute la siguiente programación en Matlab para solucionarlo:

15
Figure 7: Código en Matlab

16