En álgebra lineal , dos vectores en un espacio con producto interno son ortonormales si son vectores unitarios ortogonales . Un vector unitario tiene una longitud de 1, también conocido como normalizado. Ortogonal significa que los dos vectores son perpendiculares entre sí. Un conjunto de vectores forma un conjunto ortonormal si todos los vectores del conjunto son mutuamente ortogonales y de longitud unitaria. Un conjunto ortonormal que forma una base se denomina base ortonormal .
Descripción general intuitiva
La construcción de la ortogonalidad de vectores surge del deseo de extender la noción intuitiva de vectores perpendiculares a espacios de dimensiones superiores. En el plano cartesiano , se dice que dos vectores son perpendiculares si el ángulo entre ellos es de 90° (es decir, si forman un ángulo recto ). Esta definición puede formalizarse en el espacio cartesiano definiendo el producto escalar y especificando que dos vectores en el plano son ortogonales si su producto escalar es cero.
De manera similar, la construcción de la norma de un vector está motivada por el deseo de extender la noción intuitiva de la longitud de un vector a espacios de dimensiones superiores. En el espacio cartesiano, la norma de un vector es la raíz cuadrada del vector producto escalarmente de sí mismo. Es decir,
Muchos resultados importantes en álgebra lineal tratan con conjuntos de dos o más vectores ortogonales. Pero a menudo, es más fácil trabajar con vectores de longitud unitaria . Es decir, suele simplificar las cosas considerar solo vectores cuya norma sea igual a 1. La noción de restringir los pares ortogonales de vectores a aquellos de longitud unitaria es lo suficientemente importante como para tener un nombre especial. Dos vectores que son ortogonales y de longitud 1 se denominan ortonormales .
Ejemplo sencillo
¿Qué aspecto tiene un par de vectores ortonormales en el espacio euclidiano bidimensional?
Sea u = (x 1 , y 1 ) y v = (x 2 , y 2 ). Consideremos las restricciones sobre x 1 , x 2 , y 1 , y 2 necesarias para que u y v formen un par ortonormal.
- De la restricción de ortogonalidad, u • v = 0.
- De la restricción de longitud unitaria en u , || u || = 1.
- De la restricción de longitud unitaria en v , || v || = 1.
Al expandir estos términos se obtienen 3 ecuaciones:
Convertir de coordenadas cartesianas a polares y considerar la ecuacióny ecuacióninmediatamente da como resultado r 1 = r 2 = 1. En otras palabras, exigir que los vectores tengan longitud unitaria restringe los vectores a estar sobre el círculo unitario .
Después de la sustitución, la ecuaciónse convierte . Reorganizando se obtiene. Usando una identidad trigonométrica para convertir el término cotangente se obtiene
Es evidente que, en el plano, los vectores ortonormales son simplemente radios del círculo unitario cuya diferencia de ángulos es igual a 90°.
Definición
Dejarsea un espacio de producto interno . Un conjunto de vectores
se denomina ortonormal si y solo si
dóndees el delta de Kronecker yes el producto interno definido sobre.
Significado
Los conjuntos ortonormales no son especialmente significativos por sí mismos. Sin embargo, presentan ciertas características que los hacen fundamentales para explorar la noción de diagonalización de ciertos operadores en espacios vectoriales.
Propiedades
Los conjuntos ortonormales poseen ciertas propiedades muy atractivas que hacen que sea particularmente fácil trabajar con ellos.
- Teorema . Si { e₁ , e₂ , ... , eₙ } es una lista ortonormal de vectores, entonces
- Teorema . Toda lista ortonormal de vectores es linealmente independiente .
Existencia
- Teorema de Gram-Schmidt . Si { v 1 , v 2 ,..., v n } es una lista linealmente independiente de vectores en un espacio con producto interno, entonces existe una lista ortonormal { e 1 , e 2 ,..., e n } de vectores ende tal manera que span ( e 1 , e 2 ,..., e n ) = span ( v 1 , v 2 ,..., v n ).
Proof of the Gram-Schmidt theorem is constructive, and discussed at length elsewhere. The Gram-Schmidt theorem, together with the axiom of choice, guarantees that every vector space admits an orthonormal basis. This is possibly the most significant use of orthonormality, as this fact permits operators on inner-product spaces to be discussed in terms of their action on the space's orthonormal basis vectors. What results is a deep relationship between the diagonalizability of an operator and how it acts on the orthonormal basis vectors. This relationship is characterized by the Spectral Theorem.
Examples
Standard basis
The standard basis for the coordinate spaceFn is
Any two vectors ei, ej where i≠j are orthogonal, and all vectors are clearly of unit length. So {e1, e2,...,en} forms an orthonormal basis.
Real-valued functions
When referring to real-valued functions, usually the L² inner product is assumed unless otherwise stated. Two functions and are orthonormal over the interval if
Fourier series
The Fourier series is a method of expressing a periodic function in terms of sinusoidal basis functions. Taking C[−π,π] to be the space of all real-valued functions continuous on the interval [−π,π] and taking the inner product to be
it can be shown that
forms an orthonormal set.
However, this is of little consequence, because C[−π,π] is infinite-dimensional, and a finite set of vectors cannot span it. But, removing the restriction that n be finite makes the set dense in C[−π,π] and therefore an orthonormal basis of C[−π,π].
See also
Sources
- Axler, Sheldon (1997), Linear Algebra Done Right (2nd ed.), Berlin, New York: Springer-Verlag, p. 106–110, ISBN 978-0-387-98258-8
- Chen, Wai-Kai (2009), Fundamentos de circuitos y filtros (3.ª ed.), Boca Raton : CRC Press , pág. 62 , ISBN 978-1-4200-5887-1
- Álgebra lineal
- Análisis funcional