Universidad Nacional Mayor de San Marcos

Escuela de Postgrado
Maestra en Matemtica Aplicada

Proyecciones Ortogonales en

Autor

Lic. Milton Angelino Aycho Flores

Asesor

Mg. Jorge caro Condado Juregui

Noviembre del 2012

I.

Proyecciones en

En esta seccin definiremos el concepto de proyeccin y alguna de sus

propiedades
Definicin 1.1 Sea P nn . Decimos que P es una matriz de proyeccin
(o matriz idempotente) si P2 P
Ejemplos:

2 3 5
2 1
Sean A
y B 1 4 5 son matrices idempotentes en R 22

2 1
1 3 4
y R33 respectivamente.
1 i
Sea C
es una matriz idempotente en C 22

0 0

Las siguientes proposiciones establecen propiedades geomtricas de

estos operadores
Proposicin 1.2 Sea P
i.
ii.
iii.

nn

una proyeccin. Entonces

I-P es una proyeccin

Nu(P) = Im(I-P)
Nu(I-P) = Im(P)

Prueba:
i.

( I P)2 ( I P)( I P) I 2P P 2 I P pues P es proyeccin.

P

Luego I P es proyeccin.
ii.

Sea y Im( I P) x

tal que y ( I P) x . Aplicando P a lo

anterior Py P( I P) x ( P P 2 ) x 0 as Py 0 y Nu( P)
n

Por otra parte s y Nu( P) Py 0 y Py y (I P) y y , es

decir y Im( I P) . Luego Nu(P) = Im(I-P)
iii.

Por i. I P es proyeccin. Por ii. Nu(I - P)=Im(I (I P))=Im(P)

por lo tanto se tiene la afirmacin.

Proposicin 1.3 Sea P C n una proyeccin, entonces C n Im( P) Nu( P)

Prueba:
Como Nu(P) e Im(P) son subespacios de C n , Nu( P) Im( P) C n . Veamos
la otra inclusin.
Sea x C n como x Px ( I P) x . Por la proposicin 2.1 (ii)
Im( I P) Nu( P) as x Px ( I P) x . Luego C n Nu( P) Im( P) .
Im( P )

Nu ( P )

Por lo tanto C n Nu( P) Im( P) . Veamos ahora que la suma es directa.

Sea x Nu ( P) Im( P) Nu ( I P) Nu ( P) , as x Nu( P) x Nu( I P) ,
prop 2 (iii)

es decir Px 0 ( I P) x 0 x 0 . Luego Nu( P) Im( P) 0 .

Cn Im( P) Nu( P)

Observacin: De la proposicin anterior se tiene que si P es una

proyeccin, esta determina dos subespacios mutuamente suplementarios
Im (P) y Nu (P).
El reciproco de la proposicin 1.3 tambin es valido, es decir si S1 y S2 son
dos subespacios tales que C n S1 S2 entonces existe una proyeccin P
tales que S1=Im(P) y S2=Nu(P). En efecto:
Sea p=dim(S1), definimos la aplicacin

P : Cn C n
x x S1
x Px
0 x S 2
n
Sea una base de C elegida por la reunin de vectores componentes de

las bases de S1 y S2, es decir v1 , v2 ,....., v p , v p 1 , v p 2 ,....., vn

Base de S2
Base de S1

Como

Pvi vi

i 1, 2,.... p

Pvi 0

i p 1, p 2,....n

la matriz asociada a P en la base es:

 I
P p

Obsrvese que P es una proyeccin, pues:
I I p I p
P2 p

Si es otra base de C n sea P la matriz asociada a la aplicacin P en

dicha base, entonces P ' P es decir existe C GL(C n ) tales que

P ' C 1PC
As P ' C 1P CC 1 PC C 1PC P ' es decir P es proyeccin.
2

Finalmente por definicin de P se tiene que:

Nu ( P) S2 pues Px 0 x S2
Im( P) S1 pues Px x x S1

II.

Proyecciones Ortogonales
Definicin 2.1 Sea P
si Nu( P) (Im P)
Lema 2.2 Sea A C nn
Nu( A*) (Im A)

nn

una proyeccin. Decimos que P es ortogonal

y A* su conjugada compleja. Entonces

Prueba
x Nu ( A*) A * x 0
( A * x )* 0
x* A 0
x * Ay 0 y

x * w 0 w Im( A)
x (Im( A))

Lema 2.3 Sean T y S dos transformaciones lineales en C y supongamos

que:
n

i.
ii.

C n S1 S2
T ( x) S ( x) x S1 T ( x) S ( x) x S2

Entonces T=S en C n

Prueba
Sea x C n por i. existen nicos s1 S1 , s2 S2 tales que x s1 s2 . Luego

T ( x) T (s1 s2 ) T (s1 ) T (s2 ) S (s1 ) S (s2 ) S (s1 s2 ) S ( x) por

T=S.

ii.

As

Proposicin 2.4 Sea P C nn una matriz. Si P es proyeccin entonces P es

ortogonal si y solo si P=P*
Prueba
) Como P es proyeccin entonces P* es proyeccin, puesto que
(P*)2=P*P*=(PP)*=P*
Como P es proyeccin ortogonal y por el lema 2.2

Nu( P) (Im( P)) Nu( P*)

Por otro lado como P* es proyeccin y por el lema 2.2
(Im( P*)) Nu(( P*)*) Nu( P) Im( P)

Luego
(Im( P*)) Im( P) (Im( P*)) (Im( P))

Como( S)=S para todo subespacio vectorial, se tiene de la desigualdad

anterior que Im(P*)=Im(P)
Como P y P* son proyecciones

Im( P*) Nu( P*) C n Im( P) Nu( P) y

Px P * x x x Im( P) Im( P*)

Px P * x 0 x Nu ( P) Nu ( P*)

As por el lema 2.3 P=P*

) Por la hiptesis y el lema 2.2 (Im( P)) Nu ( P*) Nu ( P) , luego P es
P P*

proyeccin ortogonal.

Teorema 2.5 Sea P C nn tales que ran(P)=r entonces P es proyeccin

ortogonal si y solo si existe Q C nr con columnas ortogonales tales que
P=QQ*
Prueba
) Sea P una proyeccin ortogonal. Como ran(P)=r y por el proceso de
ortonormalizacion de Gram-Smith existe una base ortonormal
q1 , q2 ,....., qr del subespacio Im(P).
Definimos Q q1 q2 ........ qr C nr , veamos que P=QQ*. En efecto
Sea x C n Como P es proyeccin ortogonal C n Im( P) Nu( P) luego
existen nicos vectores x1 Im( P), x2 Nu( P) tales que x x1 x2 . As

Px P( x1 x2 ) Px1 x1 pues (I - P)x1=0 ( x1 Im( P) Nu( I P) por la

prop. 1.2)
As
Px=x1 (*)
Por otro lado
q1 * x

q2 * x r *

QQ * x Q
qi xqi
.
i 1

qr * x

Como qi Im( P) y x2 Nu( P) (Im( P)) se tiene que:

qi* x qi* ( x1 x2 ) qi* x1 qi* x2 qi* x1
0

Desde que Im( P) gen q1 , q2 ,....qr se tiene que x1 a1q1 a2 q2 ... ar qr

1 si i = j
Luego qi* x1 qi* (a1q1 a2q2 ... ar qr ) ai , pues qi*q j
0 si i j
As
r

QQ * x ai qi x1 (**)
i 1

De (*) y (**) Px=QQ*x para cada x C n Luego P = QQ*

) Supongamos que P=QQ* para alguna matriz Q C nr con columnas

ortonormales. As tenemos que
P2 QQ * QQ* Q(Q * Q)Q* QI r Q* QQ* P

Por otro lado

P* (QQ*)* (Q*)* Q* QQ* P

Luego P es proyeccin y hermitiana, por la proposicin 2.4 P es
ortogonal.

Observaciones:
1. Si Q posee columnas ortonormales, entonces P=QQ* es la
proyeccin
ortogonal
sobre
Im(P)
a
lo
largo
de

Nu(P)=(Im(P)) =Nu(P*). Como P=QQ* y Q es de rango completo

(por tener columnas L.I) Im(P)=Im(Q) y Nu(P*)=Nu(Q*). Luego
QQ* es la proyeccin ortogonal sobre Im(Q) a lo largo de
Nu(Q*)=(Im(Q)).
2. Por la proposicin 1.2 I QQ* es una proyeccin (el complemento
de QQ*). Adems (I QQ*)*=I QQ*, es decir tambin es
ortogonal.
Luego por la proposicin 1.2 Im(I QQ*)=Nu(QQ*)=Nu(Q*)=
(Im(Q)) y Nu(I - QQ*)=Im(QQ*)=Im(Q)
3. Sea q C n tal que q 1 definimos Pq=qq*. Por la observacin 1
qq* es la proyeccin ortogonal sobre Im(q)=gen(q) a lo largo de
(Im (q)). De la misma manera I qq* es una proyeccin de rango
n-1 que proyecta n sobre (gen(q)) a lo largo de gen(q)
Referencias
[1] Datta K. Matrix and Linear Algebra. Prentice Hall. New Delhi 1991.
[2] Lax P. Linear Algebra and Applications. Jhon Willey & Sons. New Jersey.
2007.
[3] Robinson D. A Course in Linear Algebra with Applications. World Scientific
Publishing Co. Singapur. 2006
[4] Trefethen L. , Bau D. Numerical Linear Algebra. SIAM. Filadelfia. 1997
[5] Golub G. , Van Loan C. Matrix Computations. Johns Hopkins UP. Maryland.
1996.