Álgebra Lineal

Tema 10. Bases ortogonales

Grado en Ingeniería Informática

Doble Grado en Ingeniería Informática y Administración
de Empresas

AUTORES: J. S ALAS , A. T ORRENTE Y E.J.S. V ILLASEÑOR

Índice general

10. Bases ortogonales 1

10.1. Conjuntos ortogonales y bases ortogonales . . . . . . . . . . . . . . . . . . . 1

10.1.1. Procedimiento de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . 5

10.1.2. Factorización QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

I
Tema 10

Bases ortogonales

En el Tema 9 derivamos conceptos tales como la distancia y el ángulo entre vectores (y

con éste el de ortogonalidad) o la longitud de vectores a partir de la noción de producto

interno. Si dotamos a un espacio vectorial de tal producto, también podemos aplicar el

término “ortogonal” a ciertos subespacios vectoriales. En lo que sigue, vamos a aplicar

dicho término a otros conceptos.

10.1. Conjuntos ortogonales y bases ortogonales

Un conjunto de vectores {u1 , . . . , up } de V se denomina conjunto ortogonal si cada

par de vectores diferentes del conjunto es ortogonal, es decir, si hui , uj i = 0 siempre

que i 6= j.

Ejemplo

Vamos a demostrar que {u1 , u2 , u3 } ⊂ R3 con u1 = (3, 1, 1)t , u2 = (−1, 2, 1)t y

1
u3 = (−1, −4, 7)t es un conjunto ortogonal respecto al producto escalar usual.
2

1
 Debemos considerar los tres posibles pares de vectores diferentes:

hu1 , u2 i = 3 · (−1) + 1 · 2 + 1 · 1 = 0 ,
1 7
hu1 , u3 i = 3 · (−1) + 1 · (−2) + 1 · = 0 ,
2 2
1 7
hu2 , u3 i = −1 · (−1) + 2 · (−2) + 1 · = 0 .
2 2

Por tanto, {u1 , u2 , u3 } es un conjunto ortogonal.

Teorema
Si S = {u1 , . . . , up } es un conjunto ortogonal de vectores no nulos de V, entonces S

es linealmente independiente.

Obsérvese que la implicación inversa no es cierta en general.

Ejemplo

1
Ya sabemos que (3, 1, 1)t , (−1, 2, 1)t , (−1, −4, 7)t es un conjunto ortogonal.
2
Comprobemos que, efectivamente, sus vectores son linealmente independientes; si

escribimos la combinación lineal:

1
α(3, 1, 1)t + β(−1, 2, 1) + γ (−1, −4, 7)t
2

y la igualamos a cero, es trivial ver que ha de ser α = β = γ = 0. En cambio,

el conjunto {(1, 1, 1)t , (1, 0, 1)t } es linealmente independiente y, obviamente, no es

ortogonal.

Un conjunto {u1 , . . . , up } es un conjunto ortonormal si es un conjunto ortogonal de

vectores unitarios.

2
 Ejemplo

Podemos obtener un conjunto ortonormal a partir del conjunto ortogonal


t t 1 t
(3, 1, 1) , (−1, 2, 1) , (−1, −4, 7) simplemente dividiendo cada vector entre su
2
norma. Así, tendremos que

1 1 1
√ (3, 1, 1)t , √ (−1, 2, 1)t , √ (−1, −4, 7)t ,
11 6 66

es un conjunto ortonormal, como se comprueba de manera trivial.

Obviamente, si S es un conjunto ortogonal de vectores no nulos de V, como es lineal-

mente independiente, será una base del subespacio W generado por S. Puesto que S es

tanto un conjunto ortogonal como una base de W la denominaremos base ortogonal de

W. Si además los vectores de S son unitarios, diremos que S es una base ortonormal de W.

Si hay n = dim(V) vectores en S, entonces W = V y S es una base ortogonal (ortonormal)

de V.

Veamos una consecuencia importante de esta idea:

Proposición

Sea (w1 , . . . , wp ) una base ortogonal del subespacio W de V. Entonces, cada w de W

tiene una representación única como combinación lineal de w1 , . . . , wp . De hecho, si

w = c1 w1 + · · · + cp wp ,

entonces
hw, wj i
cj = , para todo j = 1, . . . , p.
hwj , wj i

3
 Ejemplo

1
Los vectores u1 = (3, 1, 1)t , u2 = (−1, 2, 1)t y u3 =
(−1, −4, 7)t forman un conjunto
2
ortogonal S; así, son linealmente independientes y, en consecuencia, forman una

base ortogonal de R3 . Vamos a expresar el vector v = (6, 1, −8)t como combinación

lineal de estos vectores. Se tiene que

hv, u1 i = 11 , hv, u2 i = −12 , hv, u3 i = −33 ,

33
hu1 , u1 i = 11 , hu2 , u2 i = 6, hu3 , u3 i = .
2

Entonces
11 12 33
v= u1 − u2 − u3 = u1 − 2u2 − 2u3 .
11 6 33/2
En otras palabras, las coordenadas de v con respecto a la base S son:

[v]S = (1, −2, −2)t .

El siguiente resultado relaciona el concepto de conjuntos ortonormales con las matri-

ces ortogonales.

Teorema
Una matriz A (m × n) es ORTOGONAL (es decir, At A = I) si y sólo si tiene columnas

ORTONORMALES .

Además, como veremos en el Tema 12, dada una matriz ortogonal cuadrada Q, ésta

representa, respecto a alguna base ortogonal, un cierto tipo de transformaciones lineales

con la propiedad de transformar bases ortonormales en bases ortonormales.

A continuación estudiamos un método que nos permite obtener una base ortogonal

para cualquier subespacio W de un espacio vectorial dado V, a partir de cualquier base

de W. Obviamente, si queremos obtener una base ortonormal, bastará con normalizar los

4
vectores obtenidos con dicho método.

10.1.1. Procedimiento de Gram-Schmidt

El procedimiento de Gram-Schmidt es un algoritmo simple para obtener una base

ortogonal (u ortonormal, normalizando los nuevos vectores) a partir de otra que no lo es.

Para ilustrar cómo funciona, consideremos el siguiente ejemplo:

Ejemplo

Sea S el subespacio de R2 con el producto escalar usual y definido por S =

Gen(v1 , v2 ), con v1 = (3, 6, 0)t y v2 = (1, 2, 2)t , linealmente independientes y no

ortogonales (su producto interno no es nulo).

Si queremos construir una base ortogonal de S, podemos considerar

15
p = Pv1 (v2 ) = (3, 6, 0)t ,
45

de manera que v2 − p sea ortogonal a v1 (ver la figura).

v2 − p
v2

v1
p = Pv1 (v2 )

Obviamente, w2 = v2 − p = (0, 0, 2)t pertenece a S, puesto que es una combina-

ción lineal de v1 (con coeficiente −kPv1 (v2 )k) y de v2 (con coeficiente 1). Además es

ortogonal a v1 . De esta manera, el par (v1 , w2 ) constituye una base ortogonal de S.

5
 Finalmente obtenemos una base ortonormal BS de S dividiendo cada vector por su

norma:
 
1
BS = √ (1, 2, 0)t , (0, 0, 1)t .
5

Generalicemos esta idea.

Método de Gram-Schmidt.

Sea una base (v1 , . . . , vp ) del subespacio S de V. Definimos:

w1 = v1 ,
hv2 , w1 i
w2 = v2 − w1 ,
hw1 , w1 i
hv3 , w1 i hv3 , w2 i
w3 = v3 − w1 − w2 ,
hw1 , w1 i hw2 , w2 i
..
.
hvp , w1 i hvp , w2 i hvp , wp−1 i
wp = vp − w1 − w2 − · · · − wp−1 .
hw1 , w1 i hw2 , w2 i hwp − 1, wp−1 i

Entonces (w1 , . . . , wp ) es una base ortogonal de S. Además

Gen(v1 , . . . , vk ) = Gen(w1 , . . . , wk ), 1 6 k 6 p.

Ejemplo

Consideremos el espacio vectorial P1 sobre R con el producto interno:

ha0 + a1 x, b0 + b1 xi = a0 b0 + 2a1 b1 .

Consideremos la base B1 = (p1 , p2 ) = (1 + x, 1 − x). Claramente, los vectores de

esta base no son ortogonales, ya que hp1 , p2 i = 1 · 1 + 2 · 1 · (−1) = −1 6= 0. Vamos

a utilizar el método de Gram-Schmidt para obtener una base ortogonal de P1 . En

6
 primer lugar, consideramos el vector q1 = p1 ; el segundo vector de la base q2 lo

calculamos mediante:

hp2 , q1 i 1 2
q 2 = p2 − q1 = p2 + q1 = (2 − x) .
hq1 , q1 i 3 3

Por tanto, la base B2 = (q1 , q2 ) es ortogonal, como se comprueba fácilmente.

Si estamos interesados en utilizar una base ortonormal, dividimos cada vector de B2

por su norma:
1 2
q10 = √ (1 + x) , q20 = √ (2 − x) .
3 3

10.1.2. Factorización QR

Una aplicación adicional del método de Gram-Schmidt es la siguiente. Si {A1 , . . . , An }

son las columnas de una matriz A de dimensión m×n con columnas linealmente indepen-

dientes, podemos aplicar Gram-Schmidt a A1 , . . . , An . Normalizando, es posible obtener

una descomposición de A de la forma descrita en el siguiente teorema. Esta factoriza-

ción es muy útil para simplificar diversos problemas, como la resolución de sistemas de

ecuaciones o el cálculo de la inversa de una matriz.

Teorema: La factorización QR

Si A es una matriz m × n con columnas linealmente independientes, entonces A

puede ser factorizada de la forma A = Q R, donde Q es una matriz m × n cuyas

columnas forman una base ortonormal de C(A) y R es una matriz n × n triangular

superior e invertible con componentes positivas en su diagonal principal.

7
Ejemplo

Vamos a encontrar la factorización Q R de

 
1 0 0
 
 
 1 1 0 
A= .
 
 1 1 1 
 
 
1 1 1

Las columnas de A son linealmente independientes, por lo que podemos encontrar

una base ortonormal para Gen(A1 , A2 , A3 ) = C(A). En primer lugar, hacemos w1 =

A1 = (1, 1, 1, 1)t . A continuación hacemos

 
hA2 , w1 i 3 1
w2 = A2 − w1 = (0, 1, 1, 1) − (1, 1, 1, 1) = (−3, 1, 1, 1)t .
t t
hw1 , w1 i 4 4

Para simplificar los cálculos, escalamos w2 usando un factor de 4, es decir:

w20 = (−3, 1, 1, 1)t .

Finalmente, obtenemos el tercer vector de la base ortogonal de la forma:

hA3 , w1 i hA3 , w20 i 0

w3 = A3 − w1 − w
hw1 , w1 i hw20 , w20 i 2
2 2
= (0, 0, 1, 1)t − (1, 1, 1, 1)t − (−3, 1, 1, 1)t
4 12
1
= (0, −2, 1, 1)t .
3

Es decir, una base ortogonal sencilla de C(A) sería:

(1, 1, 1, 1)t , (−3, 1, 1, 1)t , (0, −2, 1, 1)t .

8
Ahora podemos normalizar la base; los correspondientes vectores formarán las co-

lumnas de Q en la factorización:
 √ 
1/2 −3/ 12 0
√ √ 
 

 1/2 1/ 12 −2/ 6 
Q= .
 
√ √
 1/2 1/ 12 1/ 6 
 
 √ √ 
1/2 1/ 12 1/ 6

Puesto que las columnas de Q son ortonormales, tenemos que Qt Q = I3 . Ahora

necesitamos encontrar la matriz triangular superior R que verifica A = Q R. Si mul-

tiplicamos ambos miembros de esta expresión por Qt resulta

Qt A = Qt Q R = I3 R = R .

Así:
 
  1 0 0
1/2 1/2 1/2 1/2 



1 1 0 

 √ √ √ √ 
R = Qt A = 
 
 −3/ 12 1/ 12 1/ 12 1/ 12
 

 √ √ √  1 1 1 

0 −2/ 6 1/ 6 1/ 6  
1 1 1
 
 2 3/2 1 
 √ √ 
= 
 0 3/ 12 2/ 12
.

 √ 
0 0 2/ 6