Capitulo 6

Matrices
Ortogonales
Captulo 6: 6.1 6.5
Angela M. Restrepo
Abril 2009
Matrices ortogonales
Captulo 6
6.1-6.2

Proceso de Ortogonalizacin
de Gram-Schmidt
En R
2
se tiene al costumbre de tomar la
base estndar porque:
e
1
y e
2
son ortogonales (e
1
e
2
=0)
tienen norma 1

En R
n
la base estndar tiene esas 2
propiedades que hace el trabajo con
coordenadas ms simple
Objetivo:
Captulo 5
3 Valores y vectores propios
Proyeccin de un vector sobre un subespacio
Problema:
Dado un vector u y un
subespacio V
descomponer el vector
u en dos
vectores, z y w, tales
que:
1- z + w = u
2- z est en V
3-w sea perpendicular
a v
Se define z como la
proyeccin ortogonal
de u sobre V
Captulo 6
Proyeccin de un vector sobre gen {a}
Cmo calculamos la
proyeccin de un vector
sobre el espacio generado
por otro?

La proyeccin de u sobre
gen{v} es:
p = uv v
v v
Captulo 6
Ejemplo
Encuentre la proyeccin de [1,2,3] sobre
gen{[1,-1,1]} en R
3

Sea u = [1,2,3] y v=[1,-1,1]

Entonces: p = uv v = 1-2+3 v = 2 [1,-1,1]
v v 1+1+1 3
Captulo 6
Definicin:

b
w
proyeccin de b sobre W

Si b es un vector de R
n
, W un subespacio
de R
n
y W el complemento ortogonal de
W, descomponemos b
b = b
w
+ b
w

con b
w
en W y b
w
en W

Entonces b
w
es la proyeccin ortogonal de
b sobre W.
Captulo 6
Definicin:

Sea W un subespacio de R
n
. El conjunto de
todos los vectores de R
n
ortogonales a
cada vector de W es el complemento
ortogonal de W y se denota W
Captulo 6
Cmo encontramos el complemento
ortogonal de un subespacio W en R
n
?
Sea {v
1
, v
2
, , v
k
} un conjunto que genera a W
Sea A la matriz que tiene como filas los v
i
Entonces W es el espacio generado por las filas
de W.
El espacio nulo de A consiste de todos los
vectores x tales que Ax=0. Pero Ax=0 ssi v
i
.x=0,
para todo i
Captulo 6
Luego, el espacio nulo de A es el conjunto de
vectores x en R
n
ortogonal a cada fila de A, es
decir el espacio de las filas.
Ejemplo
Encuentre una base para el complemento
ortogonal en R
4
del subespacio
W=gen{[2,1,3,4],[1,0,-2,1]}

Encontremos el espacio nulo de la matriz
A = 2 1 3 4
1 0 -2 1

2 1 3 4 1 0 -2 1
1 0 -2 1 0 1 7 2

Captulo 6
Ejemplo
Encuentre una base para el complemento
ortogonal en R
4
del subespacio
W=gen{[2,1,3,4],[1,0,-2,1]}

El espacio nulo de A es entonces el conjunto
de vectores de la forma:
[2r w, -7r + 2s, r, s]

Una base para W es {[2,-7,1,0],[-1,2,0,1]}
Captulo 6
Propiedades de W

El complemento ortogonal W de un
subespacio W en R
n
tiene las siguientes
propiedades:
1. W es un subespacio de R
n

2. Dim (W ) = n dim(W)
3. (W )
= W, es decir, el complemento
ortogonal de W es W
4. Cada vector b en R
n
puede expresarse de
manera nica como b= b
W
+ b
W
para bW en
W y b
W
en W
Captulo 6
Definicin:

Si b es un vector de R
n
, W un subespacio
de R
n
y W el complemento ortogonal de
W, descomponemos b
b = b
w
+ b
w

Entonces b
w
es la proyeccin ortogonal de
b sobre W.
Captulo 6
Cmo encontramos la proyeccin
de b en W?
1. Escoja una base {v
1
, v
2
, , v
k
} para el
subespacio W
2. Encuentre una base {v
k+1
, v
k+2
, , v
n
} para W
3. Encuentre el vector de coordenadas
r = [r
1
, r
2
, , r
n
] de b con respecto a la base
(v
1
, v
2
, , v
n
)
4. Entonces b
W
= r
1
v
1
+ r
2
v
2
+ + r
k
v
k

Captulo 6
Ejemplo 1
Encuentre la proyeccin de [2,1,5] en el
subespacio W=gen{[1,2,1], [2,1,-1]}

1. v
1
=[1,2,1] y v
2
=[2,1,-1] son lin. indep, luego
forman una base para W
2. Una base para W se encuentra
encontrando el esp nulo de la matriz cuyas
filas son [1,2,1], [2,1,-1]
Captulo 6
Ejemplo 1
1. [
2. 1 2 1 1 2 1 1 2 1
2 1 -1 0 -3 -3 0 1 1
Tomamos el vector v
3
=[1,-1,1] como base
para W
3. Para encontrar el vector de coordenadas r
de b relativas a {v
1
, v
2
, v
3
} reducimos:
Captulo 6
Ejemplo 1

3. Para encontrar el vector de coordenadas r
de b relativas a {v
1
, v
2
, v
3
} reducimos:
1 2 1 2 1 2 1 2 1 2 1 2
2 1 -1 1 0 -3 -3 -3 0 1 0 -1
1 -1 1 5 0 -3 0 3 0 0 1 2
r = [2, -1, 1]
4. La proyeccin de b en W es:
Captulo 6
Ejemplo 1

4. La proyeccin de b en W es:
b
W
= 2v
1
-1v
2
= 2[1,2,1] [2,1,-1] = [0,3,3]

Se puede verificar que 2v
3
=[2,-2,2] = b
w

Y que b = b
w
+ b
w
= [0,3,3]+ [2,-2,2] = [2,1,5]
Captulo 6
Ejemplo 2
Encuentre la proyeccin de [3,-1,2] en el plano
x + y + z = 0

W es unidimensiona luego podemos tomar
v=[1,1,1] como base
b
W
= b.v v = 3-1+2 [1,1,1] = 4 [1,1,1]
v.v 1+1+1 3
Luego b
W
= b- b
W
= [3,-1,2] - 4/3 [1,1,1]
= [5/3, -7/3, 2/3]
Captulo 6
Definicin: Bases ortogonales

Sea {v
1
, v
2
, , v
k
} un conjunto ortogonal de
vectores distintos de cero en R
n
. Entonces
este subespacio es independiente y por lo
tanto es base para el subespacio
gen{v
1
, v
2
, , v
k
}
Captulo 6
Ejemplo
Encuentre una base ortogonal para
x + y + z = 0

Si y = 1 y z = 0, x = -1
Y tenemos que [1,1,1] es ortogonal al plano
luego:
[1,1,1] x [-1,1,0] = [-1,-1,2]

Este vector es perpendicular a [1,1,1]
entonces est en el plano y es perpendicular a
[-1,1,0]. Entonces {[-1,1,0] y [-1,-1,2]} es una
base ortogonal
Captulo 6
Teorema. Proyeccin usando una base
ortogonal
Sea {v
1
, v
2
, , v
k
} una base ortogonal para el
subespacio W de R
n
y sea b un vector de R
n
.
La proyeccin de b en W es
b
W
= bv
1
v
1
+ bv
2
v
2
+ + bv
n
v
n

v
1
v
1
v
2
v
2
v
n
v
n

Captulo 6
Teorema. Proyeccin usando una base
ortogonal
b = b
W
+ b
W

b
W
= r
1
v
1
+ r
2
v
2
+ + r
k
v
k

b.v
i
= b
W
.v
i
+ b
W
.v
i
= (r
1
v
1
.v
i
+ r
2
v
2
.v
i
+ + r
k
v
k
.v
i
) + 0
= r
i
v
i
.v
i

Que es la proyeccin de b en v
i
Captulo 6
Ejemplo
Encuentre la proyeccin de b = [3, 2, -2] en el
plano x + y + z = 0

Tenemos que {[-1,1,0], [-1,-1,2]} es una base
ortogonal para el plano.
Entonces el plano se puede expresar como
W= gen {[-1,1,0], [-1,-1,2]}

b
W
= bv
1
v
1
+ bv
2
v
2

v
1
v
1
v
2
v
2

Captulo 6
Ejemplo
Encuentre la proyeccin de b = [3, 2, -2] en el
plano x + y + z = 0

Luego: b
W
= [-1,1,0] + (-9/6)[-1,-1,2]
= [-1/2, 1/2, 0] + [3/2, 3/2, -3]
= [1, 2, -3]

Captulo 6
Definicin: Bases ortonormales

n
. Una base
{q
1
, q
2
, , q
k
} para W es ortonormal si:
1. q
i
. q
j
= 0
2. q
i
. q
i
= 1

Es decir que los q
i
son vectores
unitarios
Captulo 6
Proyeccin de b en W con una base
ortonormal {q
1
, q
2
, , q
k
}
b
W
= (bq
1
) q
1
+ (bq
2
) q
2
+ + (bq
n
) q
n

Captulo 6
Ejemplo
Encuentre una base ortonormal para
W=gen{[1,1,1,1], [-1,1,-1,1], [1,-1,-1,1]}
Luego encuentre la proyeccin de b=[1,2,3,4]

v
1
.v
2
= 0 = v
1
.v
3
= v
2
.v
3
y ||v
1
|| = ||v
2
|| = ||v
3
|| = 2
Entonces tomemos q
i
= 1/2v
i

b
W
= (bq
1
) q
1
+ (bq
2
) q
2
+ (bq
3
) q
3

= 5 q
1
+ q
2
+ 0 q
3
= [2, 3, 2, 3]

Captulo 6
Teorema de Gram-Schmidt (Bases
ortonormales)
n
, sea {a
1
, a
2
, ,
a
k
} una base para W y sea

W
j
= gen{a
1
, a
2
, , a
j
} para j = 1, 2,, k

Entonces existe una base ortonormal {q
1
,
q
2
, , q
k
} para W tal que W
j
= gen{q
1
, q
2
, ,
q
j
}
Captulo 6
Proceso de Gram-Schmidt
Para encontrar una base ortonormal al
subespacio W en R
n

1. Encuentre una base {a
1
, a
2
, , a
j
} de W
2. Sea v
1
=a
1
. calcule sucesivamente el
vector v
j
restando a
j
a su proyeccin en
el subespacio generado por sus
predecesores
3. Los v
j
obtenidos forman una base
ortogonal y puede ser normalizada
Captulo 6
Proceso de Gram-Schmidt
De manera general, la frmula de Gram-
Schmidt es:

v
j
= a
j
(a
j
v
1
v
1
+ a
j
v
2
v
2
+ + a
j
v
n
v
n
)

v
1
v
1
v
2
v
2
v
n
v
n

Captulo 6
Captulo 6
6.3

Matrices Ortogonales

Sea A una matriz de nxn de vectores columnas
a
1
, a
2
, , a
n
. Dichos vectores forman una base
ortonormal para R
n
si y solo si:
a
i
a
j
= 0 si ij
1 si i=j

____ a
1
______

A
T
A = ____ a
2
______ a
1
a
2
a
n

____a
n
______

Captulo 6

____ a
1
______

A
T
A = ____ a
2
______ a
1
a
2
a
n

____a
n
______

Es decir que las columnas de A forman una
base ortonormal para R
n
si y solo si A
T
A = I

Captulo 6
Definicin:

Una matriz A de nxn se dice ORTOGONAL si
A
T
A =I

OJO!

En una matriz ortogonal sus columnas no son
solamente ortogonales sino que tambin tienen
norma 1; se debera hablar de matrices
ortonormales
Captulo 6
Propiedades de una matriz ortogonal

Sea A una matriz de nxn. Las siguientes
condiciones son equivalentes:
1. Las filas de A forman una base ortonormal
para R
n

2. Las columnas de A forman una base
ortonormal para R
n

3. La matriz A es ortogonal es decir que es
invertible y A
-1
= A
T

Captulo 6
Ejemplo
Verifique que la matriz
1/2 -1/6 1/3
A = 1/2 1/6 -1/3
0 2/6 1/3
Es ortogonal Cmo encontramos A
-1
?

1/2 1/2 0 1/2 -1/6 1/3
A
T
A = -1/6 1/6 2/6 1/2 1/6 -1/3
1/3 -1/3 1/3 0 2/6 1/3

= I
Captulo 6
Propiedades para Ax de una matriz
ortogonal A

Sea A una matriz ortogonal de nxn y sean x y y
vectores columna en R
n
.
1. (Ax) (Ay) = x y
2. ||Ax||= ||x||
3. El ngulo entre los vectores x y y (0) es
igual al ngulo formado por Ax y Ay.
Captulo 6
Propiedades para Ax de una matriz
ortogonal A

1. (Ax) (Ay) = (Ax)
T
(Ay) = x
T
A
T
Ay = x
T
y = x y
2. ||Ax|| = Ax Ax = x x = ||x||
3. Se demuestra utilizando producto punto y el
coseno del angulo formado por los vectores
x y y
Captulo 6
Ortogonalidad de Espacios propios de
una matriz real simtrica

Los vectores propios de una matriz real
simtrica que corresponden a valores
propios diferentes son ortogonales.
Es decir que los espacios propios de una
matriz real simtrica son ortogonales.
Captulo 6
Teorema Fundamental de las Matrices Real
Simtricas
Toda matriz real simtrica A es
diagonalizable. La diagonalizacin C
-1
AC=D
es posible utilizando una matriz C
ortogonal.
Captulo 6
Ejemplo
Encuentre una matriz ortogonal que
diagonalice la matriz
1 -1 -1
A = -1 1 -1
-1 -1 1

Los valores propios son
1
= -1 y
E
1
=gen{[1,1,1]}

2
=
3
= 2 y E
2
= gen {[-1,1,0] , [-1,0,1]}
Captulo 6
Ejemplo
v
1
es ortogonal a v
2
y a v
3
pero v
2
y v
3
no lo
son. Utilizamos el proceso de Gram-Schmidt.
Tomamos v
1
y v
2
y un nuevo v
3
:

v
3
- v
3
v
2
v
2
= [-1,0,1] - 1 [-1,1,0] = [-1/2,-1/2,1]

v
2
v
2
2
o [-1,-1,2]

Luego {[1,1,1], [-1,1,0], [-1,-1,2]} forman una
base ortogonal para R
3
a partir de los
valores propios de A

Captulo 6
Ejemplo
Una matriz ortogonal que diagonalice A se
obtiene al normalizar los vectores y al
tomarlos como vectores columnas:
1/3 -1/2 -1/6
C = 1/3 1/2 -1/6
1/3 0 2/6

Captulo 6
Transformaciones Lineales Ortogonales

Sea A una matriz ortogonal de nxn y sea
T : R
n
R
n
tal que T(x) = Ax. Entonces tenemos
que :
1. T(x) T(y) = x y
2. ||T(x)||= ||x||
3. El ngulo entre los vectores T(x) y T(y) es
igual al ngulo formado por x y y.
Captulo 6
Definicin:

Una transformacin lineal T : R
n
R
n
es
ortogonal si satisface T(x) T(y) = x y para
todo vector x y y en R
n

Ejemplo:

La transformacin lineal que proyecta el plano
en una recta que pasa por el origen.
Captulo 6
Transformaciones Ortogonales y Matrices

Una transformacin lineal de R
n
en R
n
es
ortogonal si y slo si su representacin
matricial estndar A es una matriz ortogonal.
Captulo 6
Captulo 6
6.4 - 6.5

Matriz de Proyeccin y
el mtodo de mnimos
cuadrados
Rango de (A
T
)A

Sea A una matriz de mxn de rango r. entonces la
matriz simtrica de nxn (A
T
)A tiene tambin
rango r.

Dem: Sea v solucin del sistema Ax=0, entonces
Av=0 y (A
T
)Av = (A
T
)0= 0 luego v tambin es
solucin de (A
T
)A x = 0.
Si w es solucin de (A
T
)Ax=0 entonces (A
T
)Aw=0
0 = w
T
[(A
T
)A w] = (Aw)
T
(Aw) = ||Aw||
2
Captulo 6
Frmula de la matriz de proyeccin

Sea W=gen(a
1
, a
2
, , a
k
) un subespacio de R
n
,
donde los vectores a
1
, a
2
, , a
k
son
independientes.

Sea b en R
n
y p = b
W
su proyeccin en W.
Entonces tenemos que b = p + (b-p)
b
W
b
W

Captulo 6
Propiedades de la proyeccin p del vector
b en el subespacio W

1. El vector p debe pertenecer a W
2. El vector b p debe ser perpendicular a cada
vector de W.

El subespacio W es el espacio de las
columnas de una matriz A de nxk cuyas
columnas son a
1
, a
2
, , a
k
. Todos los
vectores en W son de la forma Ax donde
x=[x
1
, x
2
, , x
k
] con x
1
, x
2
, , x
k
escalares.
Captulo 6

Como p est en W, p = Ar donde
r = [r
1
, r
2
, , r
k
] con r
1
, r
2
, , r
k
escalares.
Como b Ar debe ser perpendicular a cada
vector de W,
(Ax)(b Ar) = (Ax)
T
(b Ar) = x
T
(A
T
b A
T
Ar) =
[0]
es decir que el producto punto de x y A
t
b
A
T
Ar debe ser 0 para TODO vector x
Pero eso slo ocurre si A
t
b A
T
Ar es el
vector 0
Captulo 6

Entonces tenemos que: A
t
b A
T
Ar = 0
A
T
A es invertible y tiene rango k (cols indep)
Se tiene entonces que r = (A
T
A)
-1
A
T
b
Captulo 6
Proyeccin b
W
de b en el subespacio W

Sea W=gen(a
1
, a
2
, , a
k
n

de dimensin k y sea A cuyas columnas son
los vectores a
1
, a
2
, , a
k
. La proyeccin de b
en R
n
en W est dada por

b
W
= A(A
T
A)
-1
A
T
b
Captulo 6
Ejemplo
Encuentre la proyeccin de b=[1,2,3] en W=gen(a)
con a=[2,4,3]

Sea A la matriz cuya nica columna es a, entonces
2
A
T
A = [2 4 3] 4 = [29]
3
2 2
b
W
= A(A
T
A)
-1
A
T
b = 4 (1/29) [2 4 3] = (19/29) 4
3 3
Captulo 6
La matriz de Proyeccin P para el
subespacio W

Sea W=gen(a
1
, a
2
, , a
k
n

de dimensin k y sea A cuyas columnas son
los vectores a
1
, a
2
, , a
k
. La matriz de
proyeccin para el subespacio W est dada
por

P = A(A
T
A)
-1
A
T

Captulo 6
Ejemplo
Encuentre la matriz de proyeccin de R
3
en el
plano yz

El plano yz = W= gen {e
2
, e
3
} 0 0
Tomamos entonces la matriz A = 1 0 A
T
A = I
0 1
0 0 0 0 0
P = A(A
T
A)
-1
A
T
= 1 0 0 1 0 = 0 1 0
0 1 0 0 1 0 0 1
Captulo 6
Matriz de Proyeccin

n
. Existe una nica
matriz P de nxn tal que, para cada vector
columna en R
n
, el vector Pb es la proyeccin
de b en W. Esta matriz de proyeccin P se
puede encontrar tomando una base {a
1
, a
2
,
, a
k
} para W y calculando P = A(A
T
A)
-1
A
T
,
donde A es la matriz de nxk cuyas columnas
son los vectores a
1
, a
2
, , a
k

Captulo 6
Propiedades de matriz de la proyeccin P

1. P
2
= P P es idempotente
2. P
T
= P P es simtrica
Captulo 6
Caracterizacin de Matrices de Proyeccin

La matriz de proyeccin P de un subespacio
W de R
n
es idempotente y simtrica. As
mismo, toda matriz de nxn idempotente
simtrica es una matriz de proyeccin, de
hecho es la matriz de proyeccin para el
espacio generado por sus columnas.
Captulo 6
Matriz de proyeccin: el caso ortonormal

Sea {a
1
, a
2
, , a
k
} una base ortonormal para
el subespacio W de R
n
. La matriz de
proyeccin para W es
P = AA
T
,
donde A es la matriz de nxk cuyas columnas
son los vectores a
1
, a
2
, , a
k

Captulo 6
Ejemplo
Encuentre la matriz de proyeccin para el
subespacio W=gen{a
1
, a
2
} de R
3
si
a
1
= [1/3, -1/3, 1/3] y a
2
= [1/2, 1/2, 0]
Encuentre la proyeccin de cada vector b R
3
en W
1/3 1/2
Sea A = -1/3 1/2
1/3 0
5/6 1/6 1/3
A
T
A

= 1 0 P = AA
T
= 1/6 5/6 -1/3
0 1 1/3 -1/3 1/3
Captulo 6
Ejemplo
5b
1
+ b
2
+ b
3
b
W
= Pb = 1/6 b
1
+ 5b
2
- 2b
3

2b
1
- 2b
2
+ 2b
3

Captulo 6
Aplicacin:
Mtodo de los Mnimos Cuadrados

Ejemplo Resorte
Dado un resorte suspendido verticalmente,
atamos diversos pesos a
1
, a
2
,
medimos la longitud c/vez: b
1
, b
2
,
Segn la ley de Hooke, ( x, y) = (a
i
, b
i
) se
deben ajustar a una funcin
y = f(x) = r
0
+ r
1
x,
donde r
0
es la longitud inicial del resorte y
r
1
la constante del resorte.
Problema:

Buscamos la funcin que se
acomode mejor a los datos del
experimento, es decir, buscamos r
0
,
r
1
tales que la recta correspondiente
a f(x) est lo ms cerca posible de
los datos experimentales.
Buscamos y = f(x) = r
0
+ r
1
x, dado que:
b
i
~ r
0
+ r
1
a
i
,
para i = 1, 2, , m.
(m ecuaciones lineales con dos incgnitas)
Qu sucede si no hubiera error en las
medidas?
(a
i
, b
i
)
d
i
Buscamos un vector r
para el cual el error Ar
b sea mnimo, cuyas
componentes son las
distancias:
di = | r
0
+ r
1
a
i
b
i
|
b
1
1 a
1
b
2
1 a
2
..

b
m
1 a
m

r
0
r
1
Si escribimos el sistema resultante como:
b ~ A r
~
v
1
v
2
Buscamos un vector r que
minimice ||A r b||,

para ello
minimizamos ||Ar b||
2
,

es decir,
minimizamos d
1
2
+ d
2

2
+ + d
m
2

De ah el nombre: mnimos cuadrados

Si v
1
y v
2
son los vectores columna de A, el
vector
Ar = r
0
v
1
+ r
1
v
2
,
est en W = gen {v
1
, v
2
}
Y sabemos (pag 328) que la proyeccin de
b sobre W, b
w
= Ar , minimiza la distancia
||Ar b|| Como
Ar = (A (A
T
A)
-1
A
T
)b
La solucin ptima es el vector:
r = (A
T
A)
-1
A
T
b
La matriz (A
T
A)
-1
existe si v
1
y v
2
son
independientes, es decir si los a
i
no

son
iguales.
||Ar- b||
W = gen {v
1
, v
2
}
Si r = (A
T
A)
-1
A
T
b entonces
(A
T
A)

r = A
T
b
Luego r es la solucin del sistema
(A
T
A)

r = A
T
b
Mtodo de mnimos cuadrados para
resolver Ar ~b

Si A es una matriz con columnas
independientes, para hallar r, la solucin
de Ar ~ b, por mnimos cuadrados

1-Podemos calcular: r = (A
T
A)
-1
A
T
b
o podemos

2- Resolver el sistema (A
T
A)

r = A
T
b
Ejemplo
Peso (onzas) 2 4 5 6
Longitud (pies) 6,5 8,5 11 12,5
6,5
8,5
11
12,5

b
1 2
1 4
1 5
1 6

A
r
0

r
1

r
~
Formamos A
T
A

Calculamos (A
T
A)
-1

Y obtenemos r = (A
T
A)
-1
A
T
b
r ~ 3,1
1,5 es decir
y = 3.1 + 1.5 x

4 17
17 81

Capitulo 6

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capitulo 6

Cargado por

Copyright:

Formatos disponibles

Matrices

También podría gustarte