Conjuntos Ortonormales
Bases Ortonormales
Dado el conjunto de vectores V1, V2…..Vk , Son vectores en R^n.
Los vectores son ortonormales si cada vector es ortogonal entre si y cada
vector es un vector unitario, que quiere decir de norma 1
Si U1, U2, U3…. Uk es un conjunto de vectores ortogonales no nulos,
normalizando estos vectores obtendremos un conjunto de vectores ortonormales.
Producto punto es la suma de los productos de los pares de vectores posibles
dentro del conjunto.
En base a este concepto para determinar si un conjunto de vectores es
ortonormal primero demostraremos que los vectores son ortogonales entre sí de la
siguiente manera:
Usando la operación producto punto que es la suma de los productos de los
pares de vectores posibles dentro del conjunto podemos determinar si los vectores son
ortogonales o no.
Siendo ortogonal cuando el resultado de la operación producto punto sea igual
a cero.
Ejemplo:
Vi*Vj=0
Donde siempre i deberá ser diferente de j.
B= (2,1,-1), (0,1,1), (1,-1,1)
V1*V2= 0+1-1=0
V1*V3= 2-1-1=0
V2*V3= 0-1+1=0
Luego de comprobar que los vectores que componen el conjunto son
ortogonales entre sí, tendremos que determinar si los vectores son unitarios, es decir
que tienen norma llvll =1. De la siguiente forma
Edwards B, Larsson, R. (2004). Algebra lineal. [fig.1]
[fig 2]
Como podemos ver la norma de estos vectores es diferente de 1 por lo que
aplicamos la fórmula de vector unitario que es la siguiente:
Edwards B, Falvo D, Larsson, R. (2006). Algebra lineal. [fig.3]
[fig. 4]
De esta forma obtenemos un conjunto de vectores ortogonales y unitarios
(norma 1), por lo tanto es un conjunto de vectores Ortonormales.
Método de ortonormalizacion de Gram-Schmidt
Llamado de esta manera en honor de los matemáticos: el Danés Jorge
Pederson Gram y Erhadrt Schmidt.
Este proceso consiste en 3 pasos que los vamos a revisar a continuación:
1. Partimos de una base de un espacio escalar. Sus vectores no tienen por qué ser
ortogonales ni unitarios.
2. Convertimos la base en una ortogonal.
3. Normalizamos cada vector de esa base ortogonal para formar una base
ortonormal.
Edwards B, Falvo D, Larsson, R. (2006). Algebra lineal. [fig.5]
Ejemplo:
[fig. 5]
El conjunto B` = W1, W2 Es una base ortogonal de R^2. Normalizando cada vector
de B`, obtenemos:
[fig. 6] [fig. 7]
Por lo tanto B`= U1, U2 Es una base ortonormal de R^2.
Aplicaciones para los conjuntos ortonormales:
1. Se usa en la tarea común en la ciencia e ingeniería, que son analizar y
entender las relaciones entre diferentes que varían. De forma que aporten
para construir o comprobar una fórmula que predice el valor de una variable
como función de otras variables.
Para facilitar la aplicación de los mínimos cuadrados a los problemas reales,
se elige la notación que se usa en el análisis estadístico de datos científicos y
de ingeniería de la siguiente manera:
Ax=b se escribirá como, Xβ=y donde, X es la matriz de diseño y, β es el
vectores de parámetros y, Y es el vector de observaciones.
Referencias bibliográficas.
Edwards R, Falvo D, Larsson H. (2006). Espacios con producto escalar, Algebra
lineal ( pp. 270-350).: Pirámide.
Universidad nacional de Colombia. [Álgebra Lineal Universidad Nacional de
Colombia, sede Medellín]. (2017, Mayo 10). Conjuntos de vectores ortonormales
[archivo de video]. Recuperado de https://www.youtube.com/watch?v=ziyOk-yF9WQ
Universidad nacional de Colombia. [Álgebra Lineal Universidad Nacional de
Colombia, sede Medellín]. (2017, Mayo 10). Proceso de Gram-Schmidt [archivo de
video]. Recuperado de https://www.youtube.com/watch?v=QMzMr6sPdqM
Lay D. ( 2012). Ortogonalidad y mínimos cuadrados, Algebra lineal ( pp. 330-
368).: Pearson.
http://www.authorstream.com/Presentation/mmm_crossroad-1131997-conjuntos-
ortonormales-y-ortogonales/
https://www.youtube.com/watch?v=QMzMr6sPdqM
