Ir al contenido

Complemento ortogonal

De Mexpedia

En los campo matemáticos del álgebra lineal y del análisis funcional, el complemento ortogonal de un subespacio vectorial F de un espacio vectorial E sobre ℝ dotado de un producto escalar ⟨⋅,⋅⟩ es el conjunto F⊥ de todos los vectores de E que son ortogonales a todo vector de F. Es decir,

F⊥={u∈E:⟨u,v⟩=0  ∀v∈F}

Propiedades

[editar | editar código]
(1)F⊥ es un subespacio vectorial de E
Para ver que es un subespacio vectorial hay que ver que es no vacío, cerrado para la suma y para el producto por escalar.

Fijamos un subespacio vectorial F⊆E arbitrario. Vamos a ver que F⊥ es un subespacio vectorial.

Es no vacío, pues por definición de producto escalar,

⟨0,u⟩=0  ∀u∈E⇒0∈{u∈E:⟨u,v⟩=0  ∀v∈F}⇒0∈F⊥.

Veamos que es cerrado para la suma. Sean u,v∈F⊥. Queremos ver que u+v∈T⊥ o lo que es lo mismo, que ⟨u+v,w⟩=0  ∀w∈F. Pero por bilinealidad del producto escalar,

⟨u+v,w⟩=⟨u,w⟩+⟨v,w⟩=0+0=0  ∀w∈F,

pues uyv son de F. Por tanto, u+v∈F⊥

Queda ver que es cerrado para el producto por escalar. Sean u∈F⊥ y λ∈𝕂. Como antes, vamos a ver que ⟨λu,w⟩=0  ∀w∈F.

Pero por bilinealidad del producto escalar,

⟨λu,w⟩=λ⟨u,w⟩=λ⋅0=0  ∀w∈F,

pues u∈F⊥. Por tanto, F⊥ también es cerrado para el producto por escalar y es, pues, un subespacio vectorial. ◻

(2) Teorema de proyección: Si E tiene dimensión finita, descompone en suma directa como F⊕F⊥.
Sea {u1,...,ur} una base de F. Es decir, F=[u1,...,ur] (F es el subespacio generado por u1,...,ur).

Por el teorema de intercambio de Steinitz, podemos completarla para formar una base de E: {u1,...,ur,ur+1,...,un} (suponiendo que la dimensión de E es n.

Ahora podemos aplicar el proceso de ortogonalización de Gram-Schmidt a esta base para obtener una ortonormal: {w1,...,wr,wr+1,...,wn}. Por construcción, [w1,...,wr]=[u1,...,ur]=F.

Por tanto, como los vectores de esta base son ortogonales dos a dos por ser una base ortonormal, tenemos que wr+1,...,wn∈F⊥ y, como F⊥ es subespacio vectorial, [wr+1,...,wn]⊆F⊥⇒dim F≥n−r(∗)

Veamos que F⊕F⊥. Es equivalente ver que F∩F⊥={0E}.

Sea, pues, u∈F∩F⊥. Por tanto, u∈F y u∈F⊥⇒⟨u,u⟩=0⇒u=0E.

Por tanto, tenemos que F⊕F⊥, pero nos queda ver que F⊕F⊥=E. Pero por (∗),

dim(F+F⊥)=dim(F⊕F⊥)=dim F+dim F⊥≥r+(n−r)=n

Y, por otro lado, F+F⊥⊆E y dim E=n⇒dim(F+F⊥)≤n. Por tanto, de las dos desigualdades obtenemos que

dim(F+F⊥)=n y, como dim E=n⇒F+F⊥=E.

Por tanto, F⊕F⊥=E◻

Proyección ortogonal

[editar | editar código]

De esta última propiedad obtenemos que ∀u∈Eu=u1+u2, con u1∈F,u2∈F⊥ de forma única, por lo que podemos definir proyección ortogonal de u sobre F como u1 y escribiremos que πF(u)=u1. Simétricamente, podemos definir la proyección ortogonal de u sobre F⊥ como u2 y escribiremos πF⊥(u)=u2.

Si definimos la aplicación πF:E→F,   u↦πF(u) tenemos que:

πF es aplicación lineal con Ker(πF)=F⊥ y Im(πF)=F
Veamos que es una aplicación lineal. Sean u,v∈E y λ∈ℝ. Queremos ver que πF(u+λv)=πF(u)+λπF(v).

Observamos que, por el teorema de proyección, u=πF(u)+πF⊥(u) y v=πF(v)+πF⊥(v). Por lo que

u+λv=πF(u)+πF⊥(u)+λ(πF(v)+πF⊥(v))=(πF(u)+λπF(v))+(πF⊥(u)+λπF⊥(v)), con el primer paréntesis en F y el segundo en F⊥. Por el teorema de proyección, esta descomposición es única y, por definición de πF, tenemos que

πF(u+λv)=πF(u)+λπF(v), como queríamos ver.

Veamos ahora las expresiones del núcleo y la imagen de πF.

Im(πF)=F:

(⊆) Directa por definición de πF
(⊇) Sea w∈F arbitrario. Podemos escribir w=w+0E, con w∈F por hipótesis y 0E∈F⊥ porque F⊥ es subespacio vectorial. Así, por el teorema de proyección, πF(w)=w⇒w∈Im(πF). Como esto es cierto para cualquier w∈F, tenemos la inclusión que buscábamos.

Ker(πF)=F⊥:

(⊇) Sea w∈F⊥. Podemos escribir, como antes, w=w+0E, pero ahora con w∈F⊥ por hipótesis y 0E∈F por ser F un subespacio vectorial. Por tanto, por el teorema de proyección, πF(w)=0E⇒w∈Ker(πF).
(⊆) Sea w∈Ker(πF)⇒w=πF(w)+πF⊥(w)=0E+πF⊥(w)=πF⊥(w)∈F⊥. Como esto vale para cualquier w∈Ker(πF), tenemos la inclusión que nos faltaba. ◻

Bibliografía

[editar | editar código]