Vectores ortogonales, matrices ortogonales y sus propiedades
Un vector ortogonal es ortogonal únicamente si es en referencia a otro vector, siempre que hablemos de vectores ortogonales, estaremos hablando de dos o más vectores.
Que un vector sea ortogonal, es que el ángulo que los vectores están formando, es un ángulo de 90°, veamos como calcularlo en Python:
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
# Definimos los vectores
x = np.array([0,0,2,2])
y = np.array([0,0,2,-2])
# Graficamos
plt.quiver(
[x[0], y[0]],
[x[1], y[1]],
[x[2], y[2]],
[x[3], y[3]],
angles='xy',
scale_units='xy',
scale=1,
)
plt.xlim(-2,4)
plt.ylim(-3,3)
plt.show()
Lo que veremos es que tendremos dos vectores, que forman un ángulo de 90°:
!Untitled
Sin embargo, vamos a comprobar esto usando el producto interno:
# quitamos orígenes para calcular el producto interno
x = np.array([2,2])
y = np.array([2,-2])
print(x.dot(y.T)) # Output = 0
Si el producto interno entre dos vectores es 0, significa que el ángulo que forman ambos vectores es un ángulo de 90°, y podemos decir que son ortogonales entre si. Ahora, si deseamos comprobar si estos vectores son ortonormales, tendremos que calcular su norma y si es 1, entonces son ortonormales:
print(np.linalg.norm(x)) # Output = 2.8284271247461903
print(np.linalg.norm(y)) # Output = 2.8284271247461903
Los resultados nos muestran que no son ortonormales. Veamos otro ejemplo cambiando los valores de los vectores:
x = np.array([1,0])
y = np.array([0,-1])
# El resultado nos demuestra que es ortogonal
print(x.dot(y.T)) # Output = 0
# Y además son vectores ortonormales según sus resultados
print(np.linalg.norm(x)) # Output = 1.0
print(np.linalg.norm(y)) # Output = 1.0
Imagina que tienes algunos vectores en un espacio llamado R2, que es como un plano. Si quieres que estos vectores formen ángulos de 90 grados entre sí (como en una esquina de un cuadrado), necesitas solo dos vectores.
Pero, si deseas agregar un tercer vector llamado 'z' y aún quieres que todos los ángulos sean de 90 grados, necesitas moverte a un espacio tridimensional, llamado R3. En R3, puedes tener tres vectores que formen ángulos de 90 grados entre sí, como las esquinas de un cubo.
Entonces, en general, para que 'n' vectores puedan tener ángulos de 90 grados entre todos ellos, necesitas estar en un espacio dimensional Rn, donde 'n' es el número de vectores que tienes. Cada dimensión adicional permite que agregues otro vector que forme ángulos de 90 grados con los demás.