ALGEBRA LINEAL (804-1010)

MAESTRIA EN MATEMATICAS
Operadores en Espacios Producto Interno
Profa. Mara Malav
e

En esta unidad se estudiaran conceptos mas avanzados en torno a la teora de

operadores sobre espacios producto interno. En particular iniciaremos esta unidad
con la denicion de formas.
2.1 Formas sobre espacios producto interno
Definici
on 2.1 Una forma (sesquilineal) sobre un espacio vectorial real o complejo
V es una funcion f : V V V V con valores en el cuerpo de los escalares tales
que:
(a) f (c + , ) = cf (, ) + f (, ).
(b) f (, c + ) = cf (, ) + f (, ).
para todo , , de V y todos los escalares c.

Ejercicio 1. Si f y g son formas sobre V y c es un escalar, probar que cf + g es

tambien una forma.

Ejercicio 2. Probar que el conjunto de todas las formas sobre V es un subespacio

del espacio vectorial de las funciones escalares sobre V V .

Teorema 2.1 Sean V un espacio producto interno de dimension nita y f una forma
sobre V . Entonces existe un operador lineal u
nico sobre V tal que
f (, ) = (T |)
1

para cualesquiera , de V , y la aplicacion f T es un isomorsmo del espacio de

las formas sobre L(V, V ).
Demostraci
on: Sea un vector jo de V , entonces f (, ) es una funcion
lineal sobre V . En efecto,
f (c + |) = (T (c + )|)
= (T c|) + (T |)
= c(T |) + (T |)
= cf (, ) + f (, ).
Por el Teorema 1.6, existe un u
nico vector de V tal que f (, ) = (| ) para
todo . Denamos la funcion

U: V

U
Entonces,

f (, c + ) = (|U (c + ))
= cf (, ) + f (, )
= c(|U ) + (|U )
= (|cU + U )
para todo , , en V y todos los escalares c. As U es un operador lineal sobre V ,
y T = U es un operador tal que f (, ) = (T |) para todo y . Por otro lado,
supongamos que existe otro operador T tal que f (, ) = (T |), entonces

(T |) = (T |)
(T T |) = 0
2

para todo , en V ; con lo que T = T para todo . Por tal razon, para cada
forma f existe un u
nico operador lineal Tf tal que
f (, ) = (Tf |)
para todo , de V . Armamos que la aplicacion f Tf es lineal. En efecto, sean
f, g dos formas y sea c un escalar, entonces
(cf + g)(, ) = (Tcf +g |)
= cf (, ) + g(, )
= c(Tf |) + (Tg |)
= ((cTf + Tg )|)
para todo y de V . Por tanto, Tcf +g = cTf + Tg . En consecuencia, para todo T
en L(V, V ) el espacio de los operadores lineales de V en V , la ecuacion
f (, ) = (T |)
dene una forma tal que Tf = T , y Tf = 0 si, y solo si, f = 0. As, f es un isomor

smo.

Corolario 2.1 La ecuacion,

(f |g) = tr(Tf Tg )
dene un producto interno sobre el espacio de las formas (tr denota la traza) con la
propiedad de que
(f |g) =

f (k , j )g(k , j )

j,k

para toda base ortonormal {1 , , n } de V.

Definici
on 2.2 Si f es una forma y B = {1 , , n } es una base ordenada
arbitraria de V , la matriz A de elementos
Ajk = f (k , j )
3

se llama matriz de f en la base ordenada B.

Teorema 2.2 Sea V un espacio producto interno de dimension nita y sea T un

operador lineal sobre V . Entonces existe una base ortonormal de V en la que la
matrz de T es triangular superior.

Teorema 2.3 Sea f una forma en un espacio producto interno complejo de dimension nita. Entonces existe una base ortonormal de V en la que la matriz de f
es triangular superior.

Demostraci
on: Sea T el operador lineal sobre V tal que f (, ) = (T |) para
todo , . Por el Teorema 2.2, existe una base ortonormal {1 , .n } en la cual la
matriz de T es triangular superior. Luego,
f (k , j ) = (T k |j ) = 0


si j > k.

Definici
on 2.3 Una forma f sobre un espacio vectorial real, o complejo, V se llama
hermtica si
f (, ) = f (, )
para todo , en V .

Observaci
on 2.1 Observe que si T es lineal sobre un espacio producto interno de
dimension nita V y si f es la forma
f (, ) = (T |)
entonces f (, ) = (|T ) = (T |); as que f es hermtica si, y solo si, T es
autoadjunto. Cuando f es hermtica, f (, ) es real para todo y en los espacios

complejos esta propiedad caracteriza a las formas hermticas.

Teorema 2.4 Sean V un espacio vectorial complejo y f una forma sobre V tal que
f (, ) es real para todo . Entonces f es hermtica.

Demostraci
on: Sean y vectores de V . Se debe demostrar que f (, ) = f (, ).
En efecto,
f ( + , + ) = f (, ) + f (, ) + f (, ) + f (, ).

(1)

Como f ( + , + ), f (, ) y f (, ) son reales (porqu

e?), el n
umero f (, ) +
f (, ) es real. Por el mismo razonamiento, sustituyendo + i en 1 se observa que
if (, ) + if (, ) es real. Habiendo concluido que esos dos n
umeros son reales, se
les hace iguales a sus complejos conjugados y obtenemos
f (, ) + f (, ) = f (, ) + f (, )
if (, ) + if (, ) = if (, ) if (, ).
Multiplicando la segunda ecuacion por i y sumandola a la primera ecuacion, se
obtiene
2f (, ) = 2f (, ).


En consecuencia, f es hermtica.

Corolario 2.2 Sea T un operador lineal sobre un espacio producto interno complejo
de dimension nita. Entonces T es autoadjunto, si, y solo si, (T , ) es real para
todo de V .

Teorema 2.5 (Teorema del Eje Principal) Para toda forma hermtica f en un
espacio producto interno de dimension nita V , existe una base ortonormal de V en
la que f esta representada por una matriz diagonal con elementos reales.

Demostraci
on: Sea T el operador lineal tal que f (, ) = (T |) para todo ,
de V . Entonces, como f (, ) = f (, ) y (T , ) = (|T ), se sigue que
(T |) = f (, ) = (|T )
para todo y ; luego T = T . Por el Teorema 1.16 (Unidad 1), existe una base
e son los
ortonormal de V formada por los vectores caractersticos para T (qu
vectores caractersticos? Investigar!). Supongamos que {1 , , n } es una
base ortonormal y que
T j = cj j
para 1 j n. Entonces,
f (k , j ) = (T k |j ) = kj ck ,
donde
kj

1 si k = j
=
0 si k = j

y por el Teorema 1.13 (Unidad 1), se concluye que todo ck es real.

Ejercicios para Discutir y Exponer en Clases

Cuales de las siguientes funciones f denidas para los vectores = (x1 , x2 ) y
= (y1 , y2 ) de C2 son formas (sesquilineales) sobre C2 ?
(a) f (, ) = 1.
(b) f (, ) = (x1 y 1 )2 + x2 y 2 .
(c) f (, ) = (x1 + y 1 )2 (x1 y 1 )2 .
(d) f (, ) = x1 y 2 x2 y1 .

2.2 Formas Positivas

Qu
e son formas positivas? En el contexto de las artes plasticas, las formas
positivas son aquellas que percibimos como una gura sobre un fondo, y las negativas
son las que percibimos como un vaco sobre un fondo lleno. Las siguientes guras
son ejemplos de formas positivas y negativas:

Figura 1: Forma Positiva

Figura 2: Forma Negativa

En el contexto de los espacios con producto interno, tenemos la siguiente denicion:

Definici
on 2.4 Una forma f en un espacio vectorial real o complejo V es no negativa si es hermtica y f (, ) 0 para todo en V . La forma f es positiva si f es
hermtica y f (, ) > 0 para todo = 0.

Otra manera de probar si una forma es positiva es hallando los autovalores de la

matriz asociada a la forma. Si estos autovalores son positivos entonces la forma es
7

positiva, si por el contrario, los autovalores son todos negativos, entonces la forma
es negativa. Investigar como encontrar los autovalores de una matriz.
Ejercicio 3. Dada la forma f (x, y, z) = 3x2 +3y 2 +3z 2 2xy 2xz 2yz. Averiguar
si esta forma es denida positiva. Sugerencia: Hallar la matriz asociada y sus autovalores.

A partir de la denicion de formas positivas y negativas en artes plasticas y en algebra

lineal.Es posible establecer alguna relaci
on entre ambas definiciones?. Explique.
Sea f una forma en un espacio V de dimension nita. Sea B = {1 , 2 , , n } una
base ordenada de V y sea A la matriz de f en la base B, esto es, ajk = f (k , j ) (ajk es
el elemento que ocupa la la j y la columna k de la matriz A). Si = c1 1 + +cn n ,
entonces
f (, ) = f

cj j ,

=
=

)
ck k

cj ck f (j , k )
akj cj ck .

De lo anterior se concluye que f es no negativa si y solo si A = A , donde A

denota la transpuesta conjugada de A y j k akj cj ck 0 para todos los escalares
c1 , , cn . De estas condiciones se deduce que f es una forma positiva en V si y solo
si, la funcion
g(X, Y ) = Y AX
es una forma positiva en el espacio de las matrices columnas sobre el cuerpo escalar.

Teorema 2.6 Sea F el cuerpo de los n

umeros reales o el cuerpo de los n
umeros
complejos. Sea A una matriz n n sobre F . La funcion g denida por
g(X, Y ) = Y AX
8

es una forma positiva en el espacio F n1 si, y solo si, existe una matriz invertible P ,
con elementos en F , tal que A = P P.

Demostraci
on: No es difcil ver que g as denida es una forma en el espacio de las
matrices columnas (Probar!). Se demostrara que g es positiva si y solo si, A = P P.
Primeramente, supongamos que A = P P . Entonces,
g(Y, X) = X AY = X P P Y
= (X P )P Y = (P X) P Y
= (P X)t P Y = (P Y )t ((P X)t )t
= (P Y ) (P X) = Y P P X
= Y AX = g(X, Y ).
Lo anterior demuestra que g es hermtica, ademas
g(X, X) = X AX = X P P x
= (P X) (P X) 0,

(2)
(3)

lo cual es cierto por ser g hermtica, (g es hermtica si su operador asociado es

autoadjunto, es decir, las matrices A y A asociadas T y T respectivamente son
iguales, por tal razon A A = A2 0.)
Si P es invertible y X = 0 se obtiene la desigualdad estricta, esto es, (P X) (P X) >
0. Ahora supongamos que g es una forma positiva en el espacio de las matrices columnas. Como toda forma positiva es un producto interno en el espacio, entonces existen
matrices columnas Q1 , , Qn tales que (Porqu
e? Averiguar!)
jk = g(Qi , Qk )
= Qk AQj .
Lo caul signica que si Q es la matriz con columnas Q1 , , Qn entonces Q AQ =
I. Como {Q1 , , Qn } es una base, Q es invertible. Haciendo P = Q1 se obtiene
9

que A = P P .

Observaci
on 2.1 En general no es tan facil vericar si una matriz dada A satisface el
criterio de positividad estudiado hasta ahora. Una consecuencia del teorema anterior
es que si g es una forma positiva, entonces
det A = det(P P ) = det(P ) det(P ) = | det P |2 > 0.
El hecho de que det A es positivo, no es suciente para garantizar que g es positiva;
sin embargo existen determinantes asociados con A que cumplen la propiedad: si
A = A y si cada uno de esos determinantes es positivo, entonces g es una forma
positiva.

Definici
on 2.5 Sea A una matriz nn sobre el cuerpo F . Los menores principales
de A son los escalares k (A) denidos

a
11
..
k (A) = det .

ak1

por

a1k

..
. ,

akk

1 k n.

Ejemplo 2.1 Dada la forma, f : R3 R denida por

3 2 0
(
)

f (x, y, z) = x y z 2 3 0

0
0 5

y

z

Es f una forma positiva? Calcule los menores principales de la matriz asociada.

10

Soluci
on: Se deja como ejercicio

de la matriz asociada A = 2

vericarsi f es positiva. Los menores principales

2 0

3 0 son:

0 5

1 A = 3.

2 A = det

= 5.

3 2 0

3 A = det 2 3 0 = 25.

0
0 5
Lema Sea A una matriz invertible n n con elementos en un cuerpo F . Las dos
armaciones siguientes son equivalentes:
(a) Existe una matriz triangular superior P con Pkk = 1 (1 k n) tal que la
matriz B = AP es triangular inferior.
(b) Los menores principales de A son todos distintos de 0.
Teorema 2.7 Sea f una forma en un espacio vectorial V de dimension nita y sea
A la matriz de f en una base ordenada B. Entonces f es una forma positiva si, y
solo si, A = A y los menores principales de A son todos positivos.

Observaci
on 2 Si f es una forma en un espacio vectorial complejo y A es la matriz
de f en cierta base ordenada, entonces f sera positiva si, y solo si, A = A y
X AX > 0,

(4)

para todo X = 0 complejo. En virtud del Teorema 2.4 que la condicion A = A es

redundante, es decir, que la condicion (4) implica A = A . Por otra parte, si se tiene
un espacio vectorial real, la forma f sera positiva si, y solo si, A = At y
X t AX > 0
11

(5)

para todo X = 0 real. En este caso, la condicion A = At no es redundante.

Definici
on 2.6 Un operador lineal T sobre un espacio producto interno de dimension nita V es no negativo si T = T y T (, ) 0 para todo de V . Un
operador lineal es positivo si T = T y (T |) > 0 para todo = 0.

Ejercicios

1. Cuales de las siguientes matrices son positivas?

1 1 1

1 2
1
1+i

2 1 1

3 4
1i
3
3 1 1

1 1/2 1/3

1/2 1/3 1/4

1/3 1/4 1/5

2. Sea V = R2 , con el producto interno canonico. Si es un n

umero real, sea T el
operador lineal rotacion ,
T (x1 , x2 ) = (x1 cos() x2 sen(), x1 sen() + x2 cos()).
Para que valores de es T un operador positivo?

12

2.3 Teora Espectral

La teora espectral es una rama de las matematicas que se encarga de estudiar la
estructura de los operadores en ciertos espacios matematicos. El conocimiento del
espectro de los autovalores y de los espacios asociados a los valores espectrales de
un operador da mucha informacion sobre el. Surge como el resultado de los estudios del algebra lineal y de las soluciones de sistemas de ecuaciones lineales y sus
generalizaciones.

Figura 3: Espectro de la frecuencia de ondas de una se

nal de radio

2.3.1 Un poco de Historia

La denominacion teora espectral fue introducida por David Hilbert en la decada de
los a
nos 1900 en su formulacion original de la teora del espacio de Hilbert, que fue
lanzada en terminos de formas cuadraticas en innitas variables. En 1925-26, W.
Heisenberg y E. Schrodinger crearon la teora de la mecanica cuantica en Gottingen.
En la teora de Heisenberg el hecho de que ciertas observaciones atomicas no pueden
hacerse simultaneamente fue interpretado matematicamente como la no conmutatividad de las operaciones que las representan. Como el algebra de matrices es no
conmutativa, Heisenberg junto con M. Born y P. Jordan representaron cada cantidad
fsica por una matriz apropiada. El conjunto de valores posibles de dicha cantidad
fsica era el espectro de la transformacion. En contraste, Schrodinger inicio una teora
menos ortodoxa basada en su ecuacion de ondas. Tras la sorpresa inicial de que la
mecanica de ondas de Schrodinger y la mecanica de matrices de Heisenberg deban
13

producir los mismos resultados, Schrodinger unico los dos enfoques probando que
los autovalores del operador diferencial en la ecuacion de ondas determinan la correspondiente matriz de Heisenberg, resultados tambien obtenidos simultaneamente
por P. Dirac. Se comprobo que la energa de un atomo puede ser expresada por una
forma cuadratica, cuyo espectro corresponde al observable mediante un espectroscopio. Todo esto impulso nuevamente el interes en la teora espectral. El propio Hilbert
se asombro de que los espectros de sus formas cuadraticas se pudieran interpretar
como espectros atomicos. Como el mismo dijo:

Yo desarrolle mi teora de infinitas variables sin presentir que mas tarde encontrara aplicaciones al espectro de la fsica.

Rapidamente se aclaro sin embargo que la teora espectral de Hilbert era la base
matematica apropiada para la nueva mecanica: la Mec
anica Cu
antica. Matrices
nitas e innitas se interpretaron como operadores en un espacio de Hilbert y cantidades fsicas se representaban por tales operadores. La maquinaria matematica
de la mecanica cuantica paso a ser la del analisis espectral y la renovada actividad
precipito la publicacion por A. Wintner (1929) del primer libro dedicado a la teora
espectral.
Casi milagrosamente, fueron los operadores hermticos los que representaban cantidades fsicas en la nueva mecanica. Una razon es que las cantidades fsicas se miden
por n
umeros reales, aunque mas convincente es la justicacion de que los operadores
hermticos de la fsica matematica proporcionan leyes fundamentales de la fsica: si
T es hermtico, la ecuacion de ondas = T implica la conservacion de la energa
y las soluciones de la ecuacion de Schrodinger = iT tienen norma constante, que
es una hipotesis fundamental en Mecanica Cuantica.
Para consultar mas detalles sobre este tema o completar alguna informacion, pueden
verse las referencias:

14

[1] Gohberg, I. y Goldberg, S. Basic Operator Theory. Birkhauser, Boston-BaselStuttgart, 1981.

[2] Lorch, E. The Spectral Theorem. MAA Studies in Math. 1, Studies in Modern
Analysis (1962), 88137.

[3] Steen, L. Highlights in the History of Spectral Theory. Amer. Math. Montly 80
(1973) , 359381.

En esta seccion se estudiaran algunas consecuencias referentes a la diagonalizacion

de operadores autoadjuntos y normales. Iniciaremos primeramente recordando unos
teoremas de la Unidad I:

Teorema 1 Sea V un espacio producto interno de dimension nita y sea T un

operador lineal autoadjunto sobre V . Entonces existe una base ortonormal de V en
la que cada vector es un autovector de T .

Teorema 2 Sean V un espacio producto interno complejo de dimension nita y T

un operador normal sobre V . Entonces V tiene una base ortonormal que consiste en
autovectores de T .

Teorema 2.8 (Teorema Espectral) Sea T un operador normal sobre un espacio

producto interno complejo de dimension nita V o un operador autoadjunto sobre un
espacio producto interno real de dimension nita V . Sean c1 , , ck los autovalores
distintos de T . Sea Wj el autoespacio asociado a cj y Ej la proyeccion ortogonal
de V sobre Wj . Entonces Wj es ortogonal a Wi si i = j, V es la suma directa de
W1 , , Wk y
T = c1 E1 + + ck Ek .

15

(6)

Demostraci
on: Sea un vector de Wj , un vector de Wi y supongamos que i = j.
Entonces, como cj es un autovalor de T se obtiene
cj (|) = (T |) = (|T ) = (|ci ).
Luego (cj ci )(|) = 0 pero como cj = ci entonces (|) = 0. As Wj es ortogonal
a Wi si i = j. De los Teoremas 1 y 2, V tiene una base ortonormal formada por los
autovectores de T . En consecuencia,
V = W1 + + Wk .
Si j pertenece a Vj con j {1, , k} y 1 + 2 + + k = 0, entonces, usando
el hecho de que i y j son ortogonales para cada i = j, se obtiene
(
)
k

0 =
i |
j
j=1

(i |j )

j=1

= (i |1 ) + (i |2 ) + + (i |i ) + + (i |k )
= (i |i ) = i 2
para todo i. Por tal razon V es la suma directa de W1 , Wk . Porqu
e? Buscar
la definici
on de suma directa. En consecuencia, E1 + + Ek = I y
T = T E1 + + Ek
= c1 E1 + + ck Ek .
Observaci
on 3.1 La descomposicion (6) se llama descomposicion espectral de T .
Esta terminologa proviene en parte de aplicaciones fsicas que han hecho que se dena el espectro de un operador lineal sobre un espacio vectorial de dimension nita
como el conjunto de autovalores para el operador. Cabe se
nalar que las proyecciones
ortogonales E1 , , Ek estan asociadas canonicamente con T ; en realidad, son polinomios de T como se muestra en el siguiente corolario.

16

Corolario 3.1 Si ej =

i=j

xci
cj ci

, entonces Ej = ej (T ) para 1 j k.

Observaci
on 3.2 Por estar los E1 , , Ek asociados canonicamente con T y ya que
I = E1 + + Ek , donde I es el operador identidad. La familia de proyecciones
{E1 , Ek } se llama descomposici
on de la identidad definida por T .

En diversas aplicaciones es necesario conocer si se pueden calcular ciertas funciones

de operadores y matrices; esto se puede hacer sencillamente en el caso de operadores
normales diagonalizables, esto motiva incluir la siguiente denicion.

Definici
on 2.7 Sea T un operador normal diagonalizable sobre un espacio producto
interno de dimension nita V y sea
T =

cj Ej

j=1

su resolucion espectral. Supongamos que f es una funcion cuyo dominio incluye el

espectro de T , que tenga valores en el cuerpo de los escalares. Entonces el operador
lineal f (T ) esta denido por la igualdad
f (T ) =

f (cj )Ej

(7)

j=1

Teorema 2.9 Sea T un operador normal diagonalizable con espectro S en un espacio

producto interno de dimension nita V . Supongamos que f es una funcion cuyo
dominio contiene a S y que toma valores en el cuerpo de los escalares. Entonces
f (T ) es un operador normal diagonalizable de espectro f (S). Si U es una aplicacion
unitaria de V sobre V y T = U T U 1 , entonces S es el espectro de T y
f (T ) = U f (T )U 1 .
Demostraci
on: La normalidad de f (T ) se desprende de un calculo empleando la

formula (7) y del hecho que f (T ) = j f (cj )Ej (ejercicio). Ademas, para todo
17

en Ej (V ) se tiene
f (T ) = f (cj ).
Por tal razon, el conjunto f (S) de todos los f (c) con c en S esta contenido en el
espectro de f (T ). Recprocamente, supongamos que = 0 y que
f (T ) = b.
Entonces =

Ej y
f (T ) =

f (T )Ej

f (cj )Ej

bEj .

Luego,

(f (cj ) b)Ej 2 =

|f (cj ) b|2 Ej 2 = 0.

Por tanto, f (cj ) = b o Ej = 0. Por hipotesis, = 0, as que existe un ndice i para

el que Ei = 0. Se sigue que f (ci ) = b y por consiguiente que f (S) es el espectro de
f (T ). Supongamos en efecto que
f (S) = {b1 , , br }
donde bm = bn si m = n. Sea Xm el conjunto de ndices i tales que 1 i k y

f (ci ) = bm . Sea Pm = i Ei la suma extendida a los ndices i de Xm . Entonces, Pm

es la proyeccion ortogonal de V sobre el espacio de los autovectores que corresponden
a los autovalores bm de f (T ), y
f (T ) =

bm Pm

m=1

es la descomposicion espectral de f (T ).
Supongamos ahora que U es una transformacion unitaria de V y que T = U T U 1 .
Entonces la igualdad,
T = c
18

vale si, y solo si

T U = cU .
As que S es el espectro de T , y U aplica todo subespacio propio para T sobre el
correspondiente subespacio para T . En efecto, por (7), se tiene que
T =

cj Ej ,

con Ej = U Ej U 1 , es la descomposicion espectral de T . Luego,

f (T ) =

f (cj )Ej

f (cj )U Ej U 1

= U(
f (cj )Ej )U 1
j

= U f (T )U 1 .


19