PROYECTORES
Empezamos repasando elementos básicos de
1) Espacios vectoriales;
2) Aplicaciones lineales (dando la definición y propiedades de Proyectores generales);
3) Geometría (para centrarnos en los Proyectores ortogonales); finalmente,
4) Teoría espectral (mostrando cómo los Proyectores ortogonales son los elementos
básicos de construcción de los operadores autoadjuntos).
ESPACIOS VECTORIALES
Suma de subespacios
Suma de dos subespacios 𝑆𝑆, 𝑇𝑇 ↪ 𝑈𝑈, de un espacio vectorial (𝑈𝑈, +; 𝕂𝕂,⋅). Se define como
𝑇𝑇
𝐭𝐭 𝐯𝐯
𝟎𝟎 𝐬𝐬 𝑆𝑆
𝑉𝑉 = 𝑆𝑆 + 𝑇𝑇 = {𝑣𝑣 = 𝑠𝑠 + 𝑡𝑡, 𝑠𝑠 ∈ 𝑆𝑆, 𝑡𝑡 ∈ 𝑇𝑇}.
Es subespacio: 𝑉𝑉 ↪ 𝑈𝑈.
Ejemplos:
• 𝑆𝑆 = {(𝑥𝑥, 𝑦𝑦): 𝑦𝑦 = 0} ↪ ℝ2 , 𝑇𝑇 = {(𝑥𝑥, 𝑦𝑦): 𝑥𝑥 = 0} ↪ ℝ2 : 𝑆𝑆 + 𝑇𝑇 = ℝ2
o La descomposición es única: 𝐯𝐯 = (𝑥𝑥, 𝑦𝑦) = (𝑥𝑥, 0) + (0, 𝑦𝑦) = 𝐬𝐬 + 𝐭𝐭;
𝑇𝑇
𝐭𝐭 𝐯𝐯
𝟎𝟎 𝐬𝐬 𝑆𝑆
equivale a 𝑆𝑆 ∩ 𝑇𝑇 = {0}.
o Escribimos 𝑆𝑆 ⊕ 𝑇𝑇 = ℝ2 y lo llamamos suma directa.
• 𝑆𝑆 = {(𝑥𝑥, 𝑦𝑦): 𝑦𝑦 = 0} ↪ ℝ2 , 𝑇𝑇 = {(𝑥𝑥, 𝑦𝑦): 𝑦𝑦 = 𝑘𝑘𝑘𝑘 } ↪ ℝ2 : 𝑆𝑆 + 𝑇𝑇 = ℝ2 . También se
verifica 𝑆𝑆 ⊕ 𝑇𝑇 = ℝ2 .
• 𝑆𝑆 = {𝑧𝑧 = 0} ↪ ℝ3 , 𝑇𝑇 = {𝑦𝑦 = 0} ↪ ℝ3 : 𝑆𝑆 + 𝑇𝑇 = ℝ3 . (O cualesquiera dos planos que se
corten en una recta, 𝑆𝑆 ∩ 𝑇𝑇). La descomposición no es única: por ejemplo, para los
planos 𝑆𝑆 y 𝑇𝑇 se tiene: (1,1,1) = (1,0,1) + (0,1,0) = (𝑎𝑎, 0,1) + (1 − 𝑎𝑎, 1,0), ∀𝑎𝑎 ∈ ℝ;
obviamente, los planos se cortan en una recta (el eje X) y, por tanto, 𝑆𝑆 ∩ 𝑇𝑇 ≠ {0}.
𝑇𝑇
𝑆𝑆 ∩ 𝑇𝑇
𝑆𝑆
ℝ3 = 𝑆𝑆 + 𝑇𝑇
NO es una suma directa.
• 𝑆𝑆 = {𝐴𝐴𝐴𝐴 + 𝐵𝐵𝐵𝐵 + 𝐶𝐶𝐶𝐶 = 0} ↪ ℝ3 , 𝑇𝑇 = ℒ {(𝐴𝐴, 𝐵𝐵, 𝐶𝐶)𝑇𝑇 } ↪ ℝ3 , 𝐴𝐴, 𝐵𝐵, 𝐶𝐶 ∈ ℝ: 𝑆𝑆 ⊕ 𝑇𝑇 = ℝ3 .
𝑇𝑇
𝑆𝑆
𝟎𝟎
ℝ3 = 𝑆𝑆 ⊕ 𝑇𝑇
• 𝐸𝐸𝑖𝑖 = ℒ {𝑒𝑒𝑖𝑖 }, 𝑒𝑒𝑖𝑖 vector 𝑖𝑖-ésimo de la base canónica de ℝ3 (los ejes X, Y, Z): ℝ3 = ⨁3𝑖𝑖 𝐸𝐸𝑖𝑖 .
𝐸𝐸3
𝐸𝐸2
𝐸𝐸1
ℝ3 = 𝐸𝐸1 ⊕ 𝐸𝐸2 ⊕ 𝐸𝐸3
¿Cómo se relaciona 𝐯𝐯 con 𝐬𝐬 y 𝐭𝐭?
Mediante aplicaciones lineales denominadas proyectores.
APLICACIONES LINEALES
Proyectores
Sea 𝑉𝑉 = 𝑆𝑆 ⊕ 𝑇𝑇, dim 𝑉𝑉 < +∞. Cualquier 𝐯𝐯 ∈ 𝑉𝑉 es 𝐯𝐯 = 𝐬𝐬 + 𝐭𝐭, 𝐬𝐬 ∈ 𝑆𝑆, 𝐭𝐭 ∈ 𝑇𝑇 de forma única.
Se llama proyector sobre 𝑆𝑆 según 𝑇𝑇 a la aplicación
𝑃𝑃: 𝑉𝑉 → 𝑉𝑉
𝐯𝐯 ↦ 𝑃𝑃𝐯𝐯 = 𝐬𝐬
Análogamente, proyector sobre 𝑇𝑇 según 𝑆𝑆 es la aplicación
𝑄𝑄: 𝑉𝑉 → 𝑉𝑉
𝐯𝐯 ↦ 𝑄𝑄𝐯𝐯 = 𝐭𝐭
𝑇𝑇 = im𝑄𝑄 = ker 𝑃𝑃
𝑄𝑄𝐭𝐭 = 𝐭𝐭
𝐭𝐭 = 𝑄𝑄𝐯𝐯 𝐯𝐯 = 𝐬𝐬 + 𝐭𝐭
𝟎𝟎 𝐬𝐬 = 𝑃𝑃𝐯𝐯 𝑆𝑆 = im𝑃𝑃 = ker 𝑄𝑄
𝟎𝟎 = 𝑃𝑃𝐭𝐭 𝑃𝑃𝐬𝐬 = 𝐬𝐬
𝟎𝟎 = 𝑄𝑄𝐬𝐬
Se verifican:
• 𝑃𝑃𝐬𝐬 = 𝐬𝐬, ∀𝐬𝐬 ∈ 𝑆𝑆; 𝑃𝑃𝐭𝐭 = 𝟎𝟎, ∀𝐭𝐭 ∈ 𝑇𝑇. Análogamente, 𝑄𝑄𝐬𝐬 = 𝟎𝟎, ∀𝐬𝐬 ∈ 𝑆𝑆; 𝑄𝑄𝐭𝐭 = 𝐭𝐭, ∀𝐭𝐭 ∈ 𝑇𝑇.
• 𝑃𝑃 es lineal; im𝑃𝑃 = 𝑆𝑆; ker 𝑃𝑃 = 𝑇𝑇; rg𝑃𝑃 = dim 𝑆𝑆. Es decir, 𝑉𝑉 = im𝑃𝑃⨁ ker 𝑃𝑃.
Análogamente, 𝑄𝑄 es lineal; im𝑄𝑄 = 𝑇𝑇; ker 𝑄𝑄 = 𝑆𝑆; rg𝑄𝑄 = dim 𝑇𝑇.
• 𝑃𝑃2 = 𝑃𝑃, se dice que 𝑃𝑃 es idempotente. Análogamente, 𝑄𝑄2 = 𝑄𝑄, y 𝑄𝑄 es idempotente.
• 𝑃𝑃𝑃𝑃 = 𝑄𝑄𝑄𝑄 = 0
• 𝑃𝑃 + 𝑄𝑄 = 𝐼𝐼
La idempotencia caracteriza a los proyectores:
• 𝑃𝑃 lineal y 𝑃𝑃2 = 𝑃𝑃 ⟹ 𝑃𝑃 es el proyector sobre 𝑆𝑆 = im𝑃𝑃 según 𝑇𝑇 = ker 𝑃𝑃. Es decir, 𝑉𝑉 =
im𝑃𝑃⨁ ker 𝑃𝑃.
Cuando tengamos que considerar proyectores ortogonales, tenemos que recurrir a la
Geometría, como vemos a continuación.
GEOMETRÍA
Descomposición ortogonal
Dado 𝑆𝑆 ⊂ 𝑉𝑉, el conjunto 𝑆𝑆 ⊥ = {𝐯𝐯 ∈ 𝑉𝑉: 𝐯𝐯 ⊥ 𝐬𝐬, ∀𝐬𝐬 ∈ 𝑆𝑆} se llama complemento ortogonal de 𝑆𝑆.
• 𝑆𝑆 ⊥ ↪ 𝑉𝑉.
• 𝑆𝑆, 𝑇𝑇 ↪ 𝑉𝑉 se dicen ortogonales si {𝐬𝐬 ⊥ 𝐭𝐭, ∀𝐬𝐬 ∈ 𝑆𝑆, 𝐭𝐭 ∈ 𝑇𝑇}.
• Si 𝑆𝑆, 𝑇𝑇 son ortogonales y 𝑉𝑉 = 𝑆𝑆 ⊕ 𝑇𝑇, se habla de una descomposición ortogonal de 𝑉𝑉.
• 𝑆𝑆 ↪ 𝑉𝑉, dim 𝑆𝑆 < +∞ ⟹ 𝑉𝑉 = 𝑆𝑆 ⊕ 𝑆𝑆 ⊥ .
• 𝑆𝑆 ↪ 𝑉𝑉, dim 𝑉𝑉 < +∞ ⟹ 𝑉𝑉 = 𝑆𝑆 ⊕ 𝑆𝑆 ⊥ y 𝑆𝑆 = (𝑆𝑆 ⊥ )⊥ . (No cierto si dim 𝑉𝑉 = +∞).
Ejemplo. En ℝ4 , expresa el vector 𝐯𝐯 = (5,2, −2,2)𝑇𝑇 como suma de dos vectores: 𝐮𝐮 ∈ 𝐻𝐻 y 𝐰𝐰 ∈
𝐻𝐻 ⊥ , siendo 𝐻𝐻 = ℒ {(2,1,1, −1)𝑇𝑇 , (1,1,3,0)𝑇𝑇 }. Nota: Se trata del Problema 6 del boletín de la Unidad 3
sobre Geometría. También lo tienes en Python en Recursos de la misma Unidad.
Proyectores ortogonales
Sea 𝑉𝑉 = 𝑆𝑆 ⊕ 𝑆𝑆 ⊥ , dim 𝑉𝑉 < +∞. Sabemos que 𝐯𝐯 = 𝐬𝐬 + 𝐭𝐭, 𝐬𝐬 ∈ 𝑆𝑆, 𝐭𝐭 ∈ 𝑆𝑆 ⊥ de forma única; y,
obviamente, es 𝐬𝐬 ⊥ 𝐭𝐭.
Se llama proyector ortogonal sobre 𝑆𝑆 según 𝑆𝑆 ⊥ a la aplicación
𝑃𝑃: 𝑉𝑉 → 𝑉𝑉
𝐯𝐯 ↦ 𝑃𝑃𝐯𝐯 = 𝐬𝐬
Análogamente, proyector ortogonal sobre 𝑆𝑆 ⊥ según 𝑆𝑆 es la aplicación
𝑄𝑄: 𝑉𝑉 → 𝑉𝑉
𝐯𝐯 ↦ 𝑄𝑄𝐯𝐯 = 𝐭𝐭
𝑆𝑆 ⊥ = im𝑄𝑄 = ker 𝑃𝑃
𝐭𝐭 = 𝑄𝑄𝐯𝐯 𝐯𝐯
𝑆𝑆 = im𝑃𝑃 = ker 𝑄𝑄
𝟎𝟎
𝐬𝐬 = 𝑃𝑃𝐯𝐯
Además, se verifican:
• 𝑃𝑃 es autoadjunto. Análogamente, 𝑄𝑄 es autoadjunto.
• 𝑃𝑃𝑃𝑃 = 𝑄𝑄𝑄𝑄 = 0.
• 𝑃𝑃 + 𝑄𝑄 = 𝐼𝐼.
La idempotencia caracteriza a los proyectores ortogonales:
𝑃𝑃 autoadjunto y 𝑃𝑃2 = 𝑃𝑃 ⟹ 𝑃𝑃 es el proyector sobre im𝑃𝑃 según ker 𝑃𝑃.
Conjuntos de proyectores ortogonales
Ejemplo: en ℝ3
• se considera la base canónica 𝒞𝒞 = {𝐞𝐞1 , 𝐞𝐞2 , 𝐞𝐞3 }.
• Se considera cada eje: 𝑈𝑈𝑗𝑗 = ℒ�𝐞𝐞𝑗𝑗 �.
• Entonces ℝ3 = 𝑈𝑈1 ⊕ 𝑈𝑈2 ⊕ 𝑈𝑈3 .
• Se consideran los proyectores ortogonales sobre estos ejes: 𝑃𝑃1 , 𝑃𝑃2 , 𝑃𝑃3 .
• Dado 𝐯𝐯 = (𝑥𝑥, 𝑦𝑦, 𝑧𝑧) se tiene:
𝑃𝑃1 𝐯𝐯 + 𝑃𝑃2 𝐯𝐯 + 𝑃𝑃3 𝐯𝐯 = (𝑥𝑥, 0,0) + (0, 𝑦𝑦, 0) + (0,0, 𝑧𝑧) = (𝑥𝑥, 𝑦𝑦, 𝑧𝑧) = 𝐯𝐯
Así 𝑃𝑃1 + 𝑃𝑃2 + 𝑃𝑃3 = 𝐼𝐼.
Estos 3 proyectores se dice que forman un conjunto ortogonal de proyectores ortogonales en
ℝ3 . Es decir, son proyectores ortogonales tales que im𝑃𝑃𝑖𝑖 = 𝐸𝐸𝑖𝑖 es un subespacio ortogonal a
im𝑃𝑃𝑗𝑗 = 𝐸𝐸𝑗𝑗 , para 𝑖𝑖 ≠ 𝑗𝑗. Hay que notar la utilización doble de la palabra ortogonal. Los
proyectores son ortogonales en el sentido de la definición dada antes. Y, además, sus
imágenes (que son subespacios de ℝ3 ) son ortogonales entre sí.
Sea ahora 𝑃𝑃, 𝑄𝑄 un par ortogonal de proyectores ortogonales, es decir, proyectores ortogonales
tales que im𝑃𝑃 ⊥ im𝑄𝑄. Se tiene:
• 𝑃𝑃𝑃𝑃 = 𝑄𝑄𝑄𝑄 = 0.
• 𝑃𝑃 + 𝑄𝑄 es un proyector ortogonal (NO cierto si 𝑃𝑃, 𝑄𝑄 no son ortogonales).
Ejemplo: en ℝ3 , 𝑃𝑃1 + 𝑃𝑃2 es un proyector ortogonal: (𝑃𝑃1 + 𝑃𝑃2 )𝐯𝐯 = (𝑥𝑥, 𝑦𝑦, 0).
Las imágenes mediante los proyectores 𝑃𝑃𝑖𝑖 del vector diagonal del paralelepípedo (flecha negra
continua) son las flechas negras discontinuas. Las imágenes mediante los proyectores que son
la suma dos a dos de los 𝑃𝑃𝑖𝑖 (que son las proyecciones sobre los planos coordenados) son las
flechas de colores: la verde es 𝑃𝑃1 + 𝑃𝑃2 (proyección sobre el plano 𝑧𝑧 = 0), la azul es 𝑃𝑃1 + 𝑃𝑃3
(proyección sobre el plano 𝑦𝑦 = 0), y la roja es 𝑃𝑃2 + 𝑃𝑃3 (proyección sobre el plano 𝑥𝑥 = 0).
• En general, si {𝐮𝐮1 , ⋯ , 𝐮𝐮𝑛𝑛 } es una base ON de 𝑉𝑉, dim 𝑉𝑉 < +∞ y 𝑈𝑈𝑖𝑖 = ℒ {𝐮𝐮𝑖𝑖 } se tiene
que 𝑉𝑉 =⊕𝑛𝑛𝑖𝑖=1 𝑈𝑈𝑖𝑖 .
o Y si ∀𝑖𝑖, 𝑃𝑃𝑖𝑖 es el proyector ortogonal sobre 𝑈𝑈𝑖𝑖 ⟹ 𝐼𝐼 = 𝑃𝑃1 + ⋯ + 𝑃𝑃𝑛𝑛 .
TEORÍA ESPECTRAL
TEOREMA ESPECTRAL (versión operadores ortogonales)
Sea 𝐴𝐴: 𝑉𝑉 → 𝑉𝑉, dim 𝑉𝑉 < +∞ autoadjunto, 𝑉𝑉 espacio euclídeo.
Sean 𝜆𝜆1 , ⋯ , 𝜆𝜆𝑘𝑘 los valores propios (reales) de 𝐴𝐴 y sea 𝑃𝑃𝑖𝑖 el 𝑖𝑖-ésimo proyector ortogonal:
• {𝑃𝑃1 , ⋯ , 𝑃𝑃𝑘𝑘 } es un conjunto ortogonal de proyectores ortogonales.
• 𝑃𝑃1 + ⋯ + 𝑃𝑃𝑘𝑘 = 𝐼𝐼.
• 𝐴𝐴 = 𝜆𝜆1 𝑃𝑃1 + ⋯ + 𝜆𝜆𝑘𝑘 𝑃𝑃𝑘𝑘
Particularicemos para 𝕂𝕂𝑛𝑛 .
Sea {𝐮𝐮1 , ⋯ , 𝐮𝐮𝑛𝑛 } una base ON de 𝕂𝕂𝑛𝑛 .
• La representación matricial de 𝑃𝑃𝑖𝑖 es 𝑃𝑃𝑖𝑖 = 𝐮𝐮𝑖𝑖 𝐮𝐮∗𝑖𝑖 .
• La 𝐼𝐼 se puede escribir como 𝐼𝐼 = ∑𝑃𝑃𝑖𝑖 = ∑𝐮𝐮𝑖𝑖 𝐮𝐮∗𝑖𝑖 .
• Y 𝐴𝐴 se descompone como 𝐴𝐴 = ∑𝜆𝜆𝑖𝑖 𝑃𝑃𝑖𝑖 = ∑𝜆𝜆𝑖𝑖 𝐮𝐮𝑖𝑖 𝐮𝐮∗𝑖𝑖 (descomposición espectral de 𝐴𝐴).
Ejemplo: hallar una matriz 3 × 3 con valores propios 3,6, −9 y vectores propios
2 2 1
correspondientes �1� , �−2� , � 2 �.
2 −1 −2
Primero notamos que los tres vectores son ortogonales (y, por tanto, linealmente
independientes). Los normalizamos: (los tres tienen norma igual a 3)
2/3 2/3 1/3
𝐮𝐮1 = �1/3� , 𝐮𝐮2 = �−2/3� , 𝐮𝐮3 = � 2/3 �.
2/3 −1/3 −2/3
Ahora, tenemos una base ortonormal en ℝ3 .
Como hemos visto, la matriz es la combinación lineal con los valores propios dados de los
proyectores correspondiente a dichos valore propios:
𝐴𝐴 = 𝜆𝜆1 𝐮𝐮1 𝐮𝐮1𝑇𝑇 + 𝜆𝜆2 𝐮𝐮2 𝐮𝐮𝑇𝑇2 + 𝜆𝜆3 𝐮𝐮3 𝐮𝐮𝑇𝑇3 =
2/3 2/3
= 3 �1/3� (2/3 1/3 2/3) + 6 �−2/3� (2/3 −2/3 −1/3)
2/3 −1/3
1/3
− 9 � 2/3 � (1/3 2/3 −2/3) =
−2/3
4/9 2/9 4/9 4/9 −4/9 −2/9 1/9 2/9 −2/9
= 3 �2/9 1/9 2/9� + 6 �−4/9 4/9 2/9 � − 9 � 2/9 4/9 −4/9� =
4/9 2/9 4/9 −2/9 2/9 1/9 −2/9 −4/9 4/9
3 −4 2
= �−4 −1 6 �.
2 6 −2
Los proyectores son los elementos básicos de construcción de los operadores autoadjuntos.
Comprueba que 𝐼𝐼 = 𝐮𝐮1 𝐮𝐮1𝑇𝑇 + 𝐮𝐮2 𝐮𝐮𝑇𝑇2 + 𝐮𝐮3 𝐮𝐮𝑇𝑇3 y que (𝐮𝐮1 𝐮𝐮1𝑇𝑇 ) ∗ (𝐮𝐮2 𝐮𝐮𝑇𝑇2 ) ∗ (𝐮𝐮3 𝐮𝐮𝑇𝑇3 ) = 0.