You are on page 1of 7

Complemento ortogonale e proiezioni

10 Dicembre 2009

1 Complemento ortogonale di un sottospazio


Sie E un sottospazio di Rn . Definiamo il complemento ortogonale di E come l’insieme dei vettori
di Rn ortogonali a tutti i vettori di E:

E ⊥ = {v ∈ Rn : v × w = 0 per ogni w ∈ E}.

Dalle proprietà del prodotto scalare risulta che E ⊥ è chiuso rispetto alla somma e al prodotto
per uno scalare, dunque è un sottospazio di Rn .

Risulta che v ∈ E ⊥ se e solo se v è ortogonale a tutti i vettori di una base di E. Infatti:

Proposizione Sia (v1 , . . . , vk ) una base di E. Allora v ∈ E ⊥ se e solo se v × vi = 0 per ogni


i = 1, . . . , k.

Dimostrazione. Supponiamo che v × vi = 0 per ogni i = 1, . . . , k. Se w è un qualunque vettore


di E, allora w è combinazione lineare dei vettori della base: w = a1 v1 + · · · + ak vk e quindi

v × w = a1 (v × v1 ) + · · · + ah (v × vk ) = 0,

che dimostra che v è ortogonale a w. Siccome w ∈ E è arbitrario, v ∈ E ⊥ . Il viceversa è


immediato. 

Esempio Determinareuna ⊥ 4
 base di
 E , complemento ortogonale del sottospazio E di R gen-
1 1
1 0
erato dai vettori v1 = 
1 , v2 = 1.
  

1 0

1
Soluzione. Imponiamo al vettore generico v = (x, y, z, w)t ∈ R4 l’ortogonalità ai vettori della
base (v1 , v2 ) di E, ottenendo il sistema omogeneo:
(
x+y+z+w =0
.
x+z =0
  

1 0
0 1
Risolvendo il sistema, otteniamo la base di E ⊥ : 
  
−1 ,  0 . 

0 −1

Osserviamo poi che:


• Si ha sempre E ∩ E ⊥ = {O}.

Infatti, se v ∈ E ∩ E ⊥ , allora v × v = 0 e quindi v = O.

La proprietà importante del complemento ortogonale è espressa nel seguente teorema.

Teorema Sia E un sottospazio di Rn . Allora si ha:

Rn = E ⊕ E ⊥ .

In particolare, se dim E = k, allora dim E ⊥ = n − k.

Dimostrazione. Fissiamo una base ortonormale di E, diciamo (u1 , . . . , uk ), e completiamo tale


base a una base ortonormale di Rn , diciamo (u1 , . . . , uk , z1 , . . . , zn−k ). Dato v ∈ Rn , possiamo
scrivere:
v = a1 u1 + · · · + ak uk + b1 z1 + · · · + bn−k zn−k .
Poniamo w = a1 u1 + · · · + ak uk e w⊥ = b1 z1 + · · · + bn−k zn−k . Quindi

v = w + w⊥ .

Ora è evidente che w ∈ E; inoltre, poichè ogni zi è ortogonale a tutti i vettori uj , si ha che
zi ∈ E ⊥ per ogni i, dunque w⊥ ∈ E ⊥ . Quindi,

Rn = E + E ⊥ .

Poiché E ∩ E ⊥ = {O}, concludiamo che Rn = E ⊕ E ⊥ . 

2
2 Proiezione ortogonale su un sottospazio
Dal teorema precedente, abbiamo visto che un vettore v ∈ Rn si spezza, in modo unico, come
somma di un vettore w ∈ E e di un vettore w⊥ ∈ E ⊥ :

v = w + w⊥ .

• Il vettore w è detto la proiezione ortogonale di v sul sottospazio E. Denoteremo w con il


simbolo PE (v).

Consideriamo ora l’applicazione PE : Rn → Rn , che associa a v la sua proiezione ortogonale su


E. Abbiamo la seguente:

Proposizione a) Se (u1 , . . . , uk ) è una qualunque base ortonormale di E, allora:

PE (v) = (v × u1 )u1 + · · · + (v × uk )uk .

b) PE è lineare, dunque è un endomorfismo di Rn .


c) KerPE = E ⊥ e ImPE = E.
d) La matrice associata a PE rispetto alla base canonica è BB t , dove B è la matrice avente
colonne u1 , . . . , uk .
e) PE è un endomorfismo simmetrico di Rn .

Dimostrazione. a) Dalla dimostrazione del teorema della sezione precedente abbiamo che:

w = PE (v) = a1 u1 + · · · + ak uk .

D’altra parte, poiché la base (u1 , . . . , uk ) è ortonormale, si ha ai = v × ui per ogni i = 1, . . . , k.


b) È conseguenza della parte a) e delle proprietà del prodotto scalare.
c) Dalla a) osserviamo che PE (v) = O se e solo se v × ui = 0 per ogni i: questo avviene se e
solo se v ∈ E ⊥ . Dunque KerPE = E ⊥ .

Osserviamo che, se v ∈ E, possiamo scrivere v = v + O con v ∈ E e O ∈ E ⊥ . Dall’unicità della


decomposizione, si ha PE (v) = v e dunque v ∈ ImPE . Concludiamo che

E ⊆ ImPE .

D’altra parte, PE (v) ∈ E per ogni v, dunque ImPE ⊆ E. Dunque ImPE = E.


d) È una verifica diretta, che omettiamo.
e) La matrice associata a PE rispetto alla base canonica è BB t : tale matrice è simmetrica,
dunque PE è un endomorfismo simmetrico per definizione. 

3
Supponiamo ora che dim E = k. Dalla c) abbiamo KerPE = E ⊥ , che ha dimensione n − k.
Dunque:
• 0 è un autovalore di PE con molteplicità geometrica n − k.
Osserviamo poi che v ∈ E se e solo se PE (v) = v. Quindi:
• 1 è un autovalore di PE con molteplicità geometrica k.
Non ci sono altri autovalori (altrimenti la somma delle molteplicità geometriche sarebbe
maggiore di n, il che è impossibile). Poiché PE è diagonalizzabile (in effetti, è simmetrico) la
molteplicità algebrica di ogni autovalore deve uguagliare la sua molteplicità geometrica. Dunque
il polinomio caratteristico di una proiezione ortogonale è:
p(x) = (−1)n xn−k (x − 1)k ,
dove k è la dimensione del sottospazio.

3 Esempi

Esempio È dato il sottospazio E : x − 3y = 0 di R2 .


a) Determinare l’endomorfismo PE dato dalla proiezione ortogonale su E.
 
1
b) Decomporre il vettore v = nella somma v = w + w⊥ con w ∈ E e w⊥ ∈ E ⊥ .
−2
 
1 3
Soluzione. a) Una base ortonormale di Eè u = √ dunque la matrice canonica di PE è
10 1
 
t 1 9 3
uu = .
10 3 1
   
x 1 9x + 3y
Si ha PE = .
y 10 3x + y
       
1 1 3 ⊥ 1 1 7
b) Per definizione, w = PE = e quindi w = −w = . In
−2 10 1 −2 10 −21
conclusione:      
1 1 3 7 1
= + .
−2 10 1 10 −3


Esempio Sia E il sottospazio di R3 cosi’ definito:


E = {(x, y, z) ∈ R3 : x − 2y + 2z = 0}.

4
Ci proponiamo di calcolare:
a) Una base di E e una base di E ⊥ .
b) Una base ortonormale di E.
 
1
c) La proiezione ortogonale del vettore 2 su E.
3
 
x
d) La proiezione ortogonale PE (v) del generico vettore v = y  ∈ R3 su E.
z
e) Gli autovalori e gli autospazi dell’endomorfismo PE .
   
0 2
Soluzione. a) Una base di E è, ad esempio, v1 = 1 , v2 =  0 . Quindi dim E = 2
1 −1
e dim E ⊥ = 1. Per trovare unabase ⊥
 di E , è sufficiente individuare un vettore non
 nullo

1 1
ortogonale a v1 , v2 , ad esempio −2. Del resto, bastava osservare che il vettore −2 è
2 2
ortogonale a tutti i vettori di E dalla definizione stessa di E.
b) Applichiamo l’algoritmo di Gram-Schmidt alla base (v1 , v2 ) di a) . Otteniamo la base
ortonormale    
0 4
1   1  
u1 = √ 1 , u2 = √ 1 .
2 1 18 −1

c) Per ogni v ∈ R3 :
PE (v) = (v × u1 )u1 + (v × u2 )u2 .
5 3
Nel nostro caso v × u1 = √ e v × u2 = √ . Dunque, con facili calcoli:
2 18
   
1 2
1
PE 2 = 8 .
3
3 7

d) Conviene calcolare la matrice canonica di PE . Incolonniamo i vettori della base ortonormale


trovata in b) e otteniamo la matrice
√4
 
0 18
B =  √12 √1  .

18 
√1 − 18
√ 1
2

5
La matrice canonica di PE è dunque
 
8 2 −2
1
BB t =  2 5 4  .
9
−2 4 5

e si ha:    
x 8x + 2y − 2z
1
PE y  =  2x + 5y + 4z  .
9
z −2x + 4y + 5z
e) Non occorre fare molti calcoli. Sappiamo che PE è simmetrico, dunque diagonalizzabile; gli
autovalori sono 0, di molteplicità geometrica 1 (infatti E(0) = KerPE = E ⊥ ), e 1, di molteplicità
geometrica 2 (poichè E(1) = E). Il polinomio caratteristico è dunque −x(x − 1)2 . 

Esempio Determinare un endomorfismo


  f di R3 con autovalori 0, 1 e tale che Imf è il sot-
1
tospazio generato E dal vettore 2.

1

Soluzione. Un endomorfismo che verifica le condizioni è la proiezione


  ortogonale sul sottospazio
1
1
E. Una base ortonormale di E è data dal vettore u = √ 2. La matrice canonica di PE è
6 1
quindi  
1 2 1
1
uut = 2 4 2 .
6
1 2 1

4 Esercizi

Esercizio 1. Sia W il sottospazio di R2 avente equazione x + 2y = 0. Si denoti con P (v) la


proiezione ortogonale di v ∈ R2 su W .
 
5
a) Determinare P .
4
   
x x
b) Determinare P , dove è il generico vettore di R2 .
y y
c) Dimostrare che P definisce un endomorfismo simmetrico di R2 , e trovare una base ortonor-
male di R2 formata da autovettori di P .

6
   
x 1 4x − 2y
Soluzione. b) P = . 
y 5 −2x + y

   
2 2
Esercizio 2. Sia E il sottospazio di R3 generato dai vettori v1 = 2 , v2 = −1.
1 −2
a) Trovare una base di E ⊥ .
b) Trovare una base ortonormale di E, ed estendere tale base a una base ortonormale di R3 .
 
1
c) Decomporre il vettore v = 0 nella somma w + w⊥ , con w ∈ E e w⊥ ∈ E ⊥ .
0
d) Trovare la matrice canonica dell’endomorfismo PW dato dalla proiezione ortogonale sul
sottospazio W = E ⊥ .

You might also like