Nombre del estudiante: Alberto Solis Narvaez.

Nombre del trabajo: Investigación.

Fecha de entrega: 13-05-2020.

Campus: Villahermosa.

Carrera: Ing. Civil.

Nombre del maestro: Julio Horacio Figueroa Meza.

MÉTODO DE GRAM-SCHMIDT.

En álgebra lineal, el proceso de ortonormalización de Gram–Schmidt es un algoritmo para

construir, a partir de un conjunto de vectores de un espacio vectorial con producto interno,
otro conjunto ortonormal de vectores que genere el mismo subespacio vectorial.

El proceso se basa en un resultado de la geometría euclídea, el cual establece que la

diferencia entre un vector y su proyección sobre otro vector , es perpendicular al vector.
Dicho resultado constituye una herramienta para construir, a partir de un conjunto de dos
vectores no paralelos, otro conjunto, conformado por dos vectores perpendiculares.

Este algoritmo recibe su nombre de los matemáticos Jørgen Pedersen Gram y Erhard
Schmidt.

El método de Gram-Schmidt se usa para hallar bases ortogonales (Espacio Euclideo no

normalizado) de cualquier base no euclídea.
 Ortogonalización de Gram–Schmidt

Objetivos. Estudiar el proceso de ortogonalización de Gram–Schmidt que permite cons- truir de

una lista arbitraria de vectores a1, . . . , am una lista ortogonal b1, . . . , bm que genere al mismo
subespacio.

Requisitos. Listas ortogonales de vectores, listas ortonormales de vectores, proyección ortogonal

de un vector sobre el subespacio generado por vectores ortogonales, matriz de Gram.

En esta sección suponemos que V es un espacio vectorial complejo o real con un producto interno.
El el caso complejo suponemos que el producto interno es lineal con respecto al segundo
argumento.

1. Proyección ortogonal de un vector sobre el subespacio generado por una lista ortogonal
(repaso). Sean V un espacio vectorial real o complejo con producto interno, b1, . . . , bj algunos
vectores ortogonales no nulos y v ∈ V . Definimos los vectores
u, w ∈ V de la siguiente manera:
Σ
m
u= (bk, v) bk, w = v − u. (1)

k=1
(bk, bk)

Entonces w ⊥ A(b1, . . . , bj).

2. Proceso de ortogonalización de Gram–Schmidt. Sea V un espacio vectorial real o complejo

con producto interno y sean a1, . . . , am ∈ V . Queremos construir vectores ortogonales b1, .
. . , bm ∈ V de tal manera que para todo j ∈ {1, . . . , m}

A(b1, . . . , bj) = A(a1, . . . , aj).

Idea del proceso de ortogonalización de Gram–Schmidt: en el j-ésimo paso definir el vector

bj como aj menos la proyección ortogonal del vector aj al subespacio generado por los
vectores b1, . . . , bj−1.

En el j-ésimo paso suponemos que los vectores b1 , . . . , bj−1 ya están construidos y son
ortogonales entre si. Buscamos bj de la forma

j−1
Σ
bj = aj − λj,kbk. (2)
k=1
Ortogonalización de Gram–Schmidt, página 1 de 6
Para memorizar los ´ındices del coeficiente λj,k puede notar que este coeficiente sirve para
“corregir” el vector aj usando el vector bk.

Ortogonalización de Gram–Schmidt, página 2 de 6

 Para calcular el coeficiente λj,q multipliquemos la igualdad (2) por bq en el sentido del
producto interno:
. Σ
Σ
j−1 Σj−1

(bq, bj ) = bq , aj − λ b
j,k k = (bq, aj ) − δq,k λj,k ǁbkǁ2 = (bq, aj) − λj,qǁbqǁ2.
k=1 k=1

Queremos que (bq, bj) sea igual a 0. Si bq ƒ= 0, entonces λj,q debe ser igual a
(bq, aj ) (bq, a j )
λ j,q = = .
ǁbq ǁ2 (bq , bq )

Si bq = 0, entonces el sumando λj,qbi no depende de λj,q, y λj,q se puede elegir de manera

arbitraria. En este caso por simplicidad ponemos λj,q = 0.
Ası́ obtenemos las fórmulas principales:

(b , a )
, b ƒ= 0;
b := a − donde ǁbkǁ2 (3)
bk = 0.

3. Observación. Es importante que el vector bj se construye como una combi nación

lineal de los vectores b1 , . . . , bj−1 , aj , con el uso de los vectores nuevos b1 , . . . , bj−1 . Los vectores
b1 , . . . , bj−1 ya son ortogonales entre si, por eso las fórmulas para los coeficientes λj,k son tan
simples. Serı́a muy incómodo construir bj como una combinación lineal de los vectores originales
a1, . . . , aj−1, aj .

4. Ejemplo. Aplicar la ortogonalización de Gram–Schmidt a la lista de vectores a1 , a2 , a3 :

4 −6 5
3
3
−2 , a = −5
a1 = , a2 = .
−1 4 −3
2 −8 −4
Usando la matriz de Gram compruebe que la lista de vectores b1, b2, b3 que se obtiene al final es
ortogonal.

Solución. 1. Ponemos b1 = a1 . Calculamos la norma de b1 :

ǁb1ǁ2 = 16 + 4 + 1 + 4 = 25, ǁb1ǁ = 5.

2. Construimos el vector b2.

(b1, a2) −24 − 6 − 4 − 16
λ = =
Ortogonalización de Gram–Schmidt, = −2.3 de 6
página
 2,1
ǁb1ǁ2 25

Ortogonalización de Gram–Schmidt, página 4 de 6

De aqu´ı
−6 8 2

b=a− λ b = a + 2b = 3 −4 −1
+ = .
2 2 2,1 1 2 1
4 4
−8 −2 2
−4
Calculamos la norma de b2:
ǁb2ǁ2 = 4 + 1 + 4 + 16 = 25, ǁb2ǁ = 5.
3. Construimos el vector b3.
(b1, a3) 20 + 10 + 3 − 8 (b2, a3) 10 + 5 − 6 + 16
λ 3,1 = = = 1, λ 3,2 = = = 1.
ǁb1ǁ2 25 ǁb2ǁ2 25
De aqu´ı

5 −4 −2 −1
2
b=a− λ b −λ b=a−b− b −5 1 −2
= + + = .

3 3 3,1 1 3,2 2 3 1 2
−3
−4 −21 4
−2 −4
−2
Calculamos la norma de b3:
ǁb3ǁ2 = 1 + 4 + 16 + 4 = 25, ǁb3ǁ = 5.
Para comprobar que los vectores b1, b2, b3 son ortogonales calculamos su matriz de Gram:
4 −2 −1 2 4 2 −1 25 0 0

−2 −1 −2
G(b , b , b ) = 2 −1 2 −4 = 0 25 0 .
1 2 3
−1 2 −4
−1 −2 −4 −2 0 0 25
2 −4 −2

Podemos normalizar los vectores b1, b2, b3 (dividirlos entre sus normas) y obtener una lista
ortonormal:
4/5 2/5 −1/5

−2/5 −1/5 3
−2/5
c1 = , c = , c = −4/5 .
2
1/5 2/5
− 2/5 −4/5 −2/5

5. Ejemplo. Ortogonalizar la siguiente lista de vectores en R4:

Ortogonalización de Gram–Schmidt, página 5 de 6
 5 9 7 −5
1 3 5
3
−1
a1 = 1 , a2 = 3 , a = −1 , a4 = .
−1
−3 −7 −1
5

Ortogonalización de Gram–Schmidt, página 6 de 6

6. Criterio de la contención de subespacios en términos de sus generadores, repaso. Sean a1,
. . . , aj ∈ V algunos vectores y sea S un subespacios de V . Entonces:

a1, . . . , aj ∈ S ⇐⇒ A(a1, . . . , aj ) ⊆ S.

7. Teorema (conservación de los subespacios en el proceso de ortogonalización de Gram–

Schmidt). Sea V un espacio vectorial real o complejo con producto interno y sean a1, . . . , am V .
Denotemos por b ∈1, . . . , bm a los vectores obtenidos de a1, . . . , am al aplicar el método de
ortogonalización de Gram-Schmidt:
j−1
Σ
bj = aj − λj,kbk, (4)
k=1

(bk , aj )
, bk ƒ= 0;
λj,k = ǁbk ǁ2 (5)

0, bk = 0.

Entonces para todo j ∈ {1, . . . , m} los vectores a1, . . . , aj generan al mismo subespacio que
los vectores b1, . . . , b j :
A(a1, . . . , aj) = A(b1, . . . , bj).

Demostración. 1. De la fórmula (4) podemos expresar aj como una combinación lineal de

b1, . . . , bj:
Σ
j−1
aj = λj,kbk + bj .
k=1

Esto implica que a1, . . . , aj ∈ A(b1, . . . , bj).

2. Demostremos por inducción sobre j la siguiente afirmación P (j):

b1, . . . , bj ∈ A(a1, . . . , aj).

El caso j = 1 es trivial: b1 = a1 ∈ A(a1 ). Supongamos que la afirmación P (j − 1) es válida, esto es,

b1 , . . . , bj−1 ∈ A(a1 , . . . , aj−1 ). Entonces cada sumando escrito en el lado derecho de la fórmula
(4) pertenece al subespacio A(a1 , . . . , aj ) y, por lo tanto, bj ∈ A(a1 , . . . , aj ). Acabamos de
demostrar que P (j − 1) implica P (j).
3. Del resultado de la parte 1 de la demostración se sigue que A(a1 , . . . , aj ) ⊆ A(b1 , . . . , bj ), y del
resultado de la parte 2 se sigue que A(b1, . . . , bj ) ⊆ A(a1, . . . , aj).

Ortogonalización de Gram–Schmidt, página 7 de 6

8. Corolario (ortogonalización de Gram–Schmidt y dependencias lineales). Sean a1, . . . , am una lista
de vectores en V y b1, . . . , bm la lista obtenida de a1, . . . , am al aplicar la ortogonalización de
Gram-Schmidt. Entonces para todo j ∈{
1, . . . , m las siguientes condiciones } equivalentes:
son

a) aj ∈ A(a1, . . . , aj−1).
b) bj = 0.

Demostración. (a)⇒(b). Supongamos que aj ∈ A(a1 , . . . , aj−1 ). Entonces

bj ∈ A(b1 , . . . , bj ) = A(a1 , . . . , aj ) = A(a1 , . . . , aj−1 ) = A(b1 , . . . , bj−1 ),

lo que significa que bj es una combinación lineal de b1 , . . . , bj−1 . Como bj ⊥ {b1 , . . . , bj−1 }, los
coeficientes de esta combinación lineal son nulos y bj = 0.
(b)⇒(a). Supongamos que bj = 0. Entonces

aj ∈ A(a1 , . . . , aj ) = A(b1 , . . . , bj ) = A(b1 , . . . , bj−1 , 0)

= A(b1 , . . . , bj−1 ) = A(a1 , . . . , aj−1 ).

9. Corolario. En las notaciones del teorema, las siguientes dos condiciones son equiva- lentes:

(a) a1, . . . , am son linealmente independientes.

(b) todos los vectores b1, . . . , bm son no nulos.

10. Observación. En muchos libros el proceso de ortogonalización de Gram–Schmidt se estudia

solamente en el caso si los vectores originales a1, . . . , am son linealmente indepen- dientes. En
este caso los vectores b1 , . . . , bm son no nulos, y la fórmula para los coeficientes λj,k se simplifica
(se quita el caso bk = 0). El autor de estos apuntes (Egor Maximenko) agradece al profesor
Vladimir Borı́sovich Dybin por la explicación del caso general.

Ortogonalización de Gram–Schmidt, página 8 de 6

11. Ejercicio. Ortogonalizar la siguiente lista de vectores en R4:

2 −6 −10
5 13

− 3

−4
a = , a = , a = .
1
−4
2
5 1
2 −6 −3

12. Ejercicio. Usando el proceso de Gram–Schmidt ortogonalice la siguiente lista de vectores

en R4:

4 −6 5
3
3
−2 , a = −5
a1 = , a2 = .
−1 4 −3
2 −8 −4
13. Ejercicio. Aplique la ortogonalización de Gram–Schmidt a la siguiente lista de vec- tores en
R 4:
1 5 1 −2
1 3 0
a = , a= , a

−1
= , a = .
1
−3
2
1 4
1 12
−1 −3 3
−7 6

14. Tarea adicional. Consideramos el espacio de los polinomios P (R) con el producto
interno
∫1
(f, g) := f (x) g(x) dx.
−1

Ortogonalización de Gram–Schmidt, página 9 de 6

Aplique el proceso de Gram–Schmidt a los monomios e0(x) = 1, e1(x) = x, e2(x) = x , e3(x) = x .
2 3

Ortogonalización de Gram–Schmidt, página 10 de

6
BIBLIOGRAFÍA.
 Birkhoff, Saunders; MacLane (1963). Álgebra Moderna (1.ª edición). España: Vicens -
Vivens. p. 201.
 Sullivan, Michael. Trigonometría y geometría analítica (4ª edición). México: Pearson
educación. p. 403.

Ortogonalización de Gram–Schmidt, página 11 de

6