Professional Documents
Culture Documents
ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA.
ndice de contenido 1. Espacio vectorial. .........................................................................................2 Estructura de espacio vectorial......................................................................................................................2 Subespacios vectoriales..................................................................................................................................4 Combinaciones lineales. Sistemas de generadores........................................................................................5 Bases de un espacio vectorial. .......................................................................................................................7 Suma directa de subespacios vectoriales.....................................................................................................13 Variedades lineales. Espacios cocientes......................................................................................................14 2. Aplicaciones lineales................................................................................................................................1 El concepto de aplicaci!n lineal...................................................................................................................1 "ropiedades de las aplicaciones lineales. ...................................................................................................2# $tras propiedades.........................................................................................................................................21 %somor&ismos................................................................................................................................................25 3. Conclusi!n...............................................................................................................................................2
1. Espacio vectorial.
Estructura de espacio vectorial.
Sea ' un cuerpo conmutativo. (n con)unto no vac*o V se denomina ESPACIO VECTORIAL V sobre el cuerpo '1. Si e+isten dos operaciones ,una interna - otra e+terna. en V/ denominadas suma - producto por elementos de '0 1 0 V + V V 0 ,+/-. + 1 -. 2 0 ' + V V 0 ,/+. 2 +. 3al 4ue se cumple0 1.5 , V / 1 . es un grupo conmutativo. Es decir dic6a operaci!n cumple las propiedades0 Asociativa0 Conmutativa0 de neutro #0 + 1 ,- 1 7. 8 ,+ 1 -. 1 79 +/ -/ 7 V. +1-8-1+9 +1#8+9 +/ - V. + V.
de sim:trico de +0 5 + V tal 4ue + 1 ,5+. 8 ,5+. 1 + 8 #. 2.5 El producto 2 de elementos de ' cumple0
1
En caso de que K sea un anillo A conmutativo con elemento unidad se denomina mdulo
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
2 , + 1 - . 8 2 + 1 2 - 9 ,1.2+82+12+9 , .2+82,2+.9 ,1 ; . 2 + 8 + 9
<os elementos del cuerpo ' se denominan escalares - suelen representarse por s*mbolos griegos/ - los elementos del grupo V se denominan vectores - suelen representarse por letras del al&abeto. El espacio vectorial V sobre el cuerpo ' suele representarse como (V,+,*) / o si no 6a- riesgo de con&usi!n mediante V. En el caso de =ue ' 8 o ' 8 / se denomina espacio vectorial real comple)o respectivamente.
En el caso de 4ue ' sea solamente anillo/ se denomina >$?(<$ ,submodulo si es subanillo./ en el caso de 4ue el grupo ,V/1. est: dotado de una segunda operaci!n 4ue le d: estructura algebraica de cuerpo/ se denomina @<AEBBA.
Ejemplo.a) Si en n definimos las operaciones: ( x 1 , x , ..., x n ) ! ( " 1 , " , ..., " n ) # ( x 1 ! " 1 , x ! " ,..., x n ! " n ).
$ ( x 1 , x , . . . , x n ) # ( $ x 1 , $ x , . . . , $ x n ).
Siendo un n%mero real ar&itrario. Es f'cil compro&ar que n se convierte en un espacio vectorial so&re . &) Sea [x] el con(unto de polinomios p # p(x) con coeficientes reales. )on las operaciones de suma de polinomios " producto de n%meros reales por polinomios, es inmediato compro&ar que [x] adquiere estructura de espacio vectorial so&re . c) Si * es el con(unto de matrices (m filas, n columnas), con coeficientes reales, con la suma de matrices " producto n%meros reales por matrices, * es espacio vectorial real. d) +ado un sistema de ecuaciones ,omo-.neas, con coeficientes reales: a 1 1 x 1 ! . . . ! a 1 n x n # /. .................... a m 1 x 1 ! . . . ! a m n x n # /. El con(unto de sus soluciones forman un espacio vectorial so&re con las operaciones ,a&ituales de suma " producto por n%meros reales. e) Sea el con(unto " el cuerpo de los n%meros comple(o , con las operaciones: ( x , " ) ! ( u , v ) # ( x ! u , " ! v ).
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
Subespacios vectoriales.
(n s!"es#ac$o vector$al ( de un espacio vectorial , V / 1 / 2 . ' V es un con)unto no vac*o ( 4ue cumple0 1.5 +/ - ( se cumple 4ue + 1 - (. 2.5 + ( - ' se cumple 4ue 2 + (. (Se suele representar como 2 3 *) Es decir el con)unto ( con las operaciones 6eredadas de V es un espacio vectorial sobre '. AdemCs/ se cumple el siguiente corolario0 ( es subespacio vectorial +/ - ( / ' es 2+ 1 2- (. 4 +emostracin:
) Si 2 es un su&espacio vectorial de *:
5or la propiedad de la definicin ser':
$x,$x2
5or la propiedad 1 de la definicin ser' ( $ x ) ! ( $ " ) 2.
$ ( x 1 , x ,..., x n ) # ( $ x 1 , $ x , . . . , $ x n ).
Siendo un n%mero real ar&itrario. El con(unto: 2 # 9 ( x 1 , x , ..., x n ) 0 n : $ x 1 ! $ x !...! $ x n # / : Es un su&espacio vectorial de &) Sea n .
[ x ] el con(unto de polinomios p # p(x) con coeficientes reales. )on las operaciones
,a&ituales de suma de polinomios " producto por n%meros reales por polinomios es inmediato compro&ar que: n [ x ] # 9 p(x) 0[x] : ;rado p(x) n :. Es un su&espacio vectorial de [ x ] .
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
u! v
Al subespacio vectorial ISJ se le denominamos subespacio vectorial de V generado por S/ en particular/ es el espacio vectorial mCs pe4ueKo 4ue contiene al con)unto S. El con)unto S se dice 4ue es un sistema generador. ?e 6ec6o/ se puede comprobar 4ue dic6o subespacio vectorial/ es el mCs pe4ueKo 4ue contiene al con)unto S. Ejemplo, Sea el espacio vectorial
[ x ]
con la operacin ! (suma de polinomios) " . (producto de un n%mero real por un polinomio) " sea el vector f(x) # a x ? ! & x ! c x ! d. Entonces si S es el con(unto: S # 9f(x), f@(x), fAA(x), fAAA(x) : Es un sistema -enerador del su&espacio vectorial 3 [ x ] . Cuando un sistema generador S tiene un nLmero &inito de elementos/ decimos 4ue es %$&$to. En el caso de 4ue S - 3 sean dos sistemas generadores de un mismo subespacio vectorial ,ISJ8I3J. se dice 4ue S - 3 son e'!$vale&tes. Ejemplo El espacio vectorial [ x ] no es finitamente -enerado, "a que si suponemos que el con(unto S # 9 u 1 , u ,..., u n : es un sistema -enerador de 0[x] existir' un n%mero finito de n%meros reales a 1 , a , . . . , a n , tales que : 3S> # 9 a 1 u 1 ! a u ! ... ! a n u n : a 1 , a ,..., a n K :. B puesto que los vectores ui son polinomios, existir' un n%mero natural q, tal que: q # max 9 -rado (u1 (x)),..., -rado (u (x) ) :. 8ue-o, polinomio f(x) tal que -rado(f(x)) > q no pertenecer' a 3S>. En contra de lo supuesto. 8ue-o, S est' infinitamente -enerado. 2na &ase de 0CxD puede ser el con(unto 6 # 91, x,..., xn ,... : 2n sistema -enerador de [ x ] serEa 6 ( S).
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
Adem's si x 1 , x ,..., x n F tal que a 1 x 1 ! a x ! . . . ! a n x n #/. )omo/ es un vector de *, " por ,iptesis que se expresar' de forma %nica, se cumplir': a 1 # a # . . . # a n # /. ?e la propia de&inici!n de base de un espacio vectorial V/ se deduce 4ue si S es un subcon)unto linealmente independiente de un espacio vectorial V/ entonces S es base de ISJ. Conviene destacar los siguientes teoremas0 +. Teore(a )e Ste$&$t,.5 Si B es una base de un espacio vectorial &inito V de dimensi!n n - C es un con)unto linealmente independiente de m vectores de V. Entonces se veri&ica 4ue m n. -. Teore(a )e la "ase.. Sea V un espacio vectorial no vac*o de dimensi!n &inita. Entonces0 a. E+iste una base B de V con un nLmero &inito de vectores. b. 3odas las bases de V tiene el mismo nLmero de vectores. /. Teore(a )e #rolo&0ac$1& )e la "ase.. Si la dimensi!n de un espacio vectorial V es n - S es una sistema de r vectores linealmente independiente de V/ con r n. Entonces e+iste una base B de V de la &orma B 8 DS <E/ siendo < un sistema linealmente independiente de n 5 r vectores. 4 +emostracin. 1. Si F es una &ase de dimensin n de * " ) # 9v1, v , ... ,vm: es un sistema de m vectores linealmente independientes de *. Si G 3)>, se cumple que G * # 3F>, " como 3)> es un su&espacio vectorial de *, ser' 3)> 3F>. Adem's, como F " ) son con(untos linealmente independientes de n " m vectores respectivamente, ser' m # )ard ) )ard F # n. .a) Si * es finito, existir' un sistema finito S # 9e 1 , e , ... ,e m: de -eneradores, de m vectores de * tal que 3S> # *. Si S es linealmente independiente, por definicin, S es una &ase F de * de la forma indicada, " si no es linealmente independiente entonces existir' un vector v S tal que: 3S> 3 S - 9v :>. Si S - 9 v : # SA es un sistema linealmente independiente, entonces, ser' SA una &ase F de m - 1 vectores de * de la forma indicada, " si no es linealmente independiente, entonces, existir' un vector v@S@ tal que: 3S @ > 3 S @ - 9v :>. Si-uiendo este procedimiento, encontrarEamos un sistema -enerador de m - r vectores linealmente independientes de *: e # 9S - 9v,vA,...,v rH:: con / 3 r 3 m que serEa una &ase F con un n%mero finito de vectores. .&) Si F fuera una &ase de n vectores de un espacio vectorial * " FA fuera otra &ase de * de m vectores. Entonces, como 3F> # 3FA> # *, se cumplir' : 1) 5ara cada vector u 3F>, ser' u 3FIA> Es decir 3F> 3FA>. 11) 5ara cada vector u 3F@>, ser' u 3F> Es decir 3FA> 3F>.
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
)omo F " FA son sistemas l. i., se cumplir' por 1) " por 11) que n m " m n. Es decir m # n. ?. Si S es un sistema l. i. de r vectores de *, ser' S una &ase del su&espacio vectorial 3S> *. Si r # n entonces por ) S es una &ase F de * de la forma 9 S :. Si r 3 n, S no es un sistema -enerador de * " por , tenemos que todas las &ase de * tiene n vectores. 8ue-o, &astar' con que encontremos un con(unto 8 de n-r vectores linealmente independientes tal que para cada vector u 8 sea u l. i. S. <a dimensi!n de un espacio vectorial N%F%3$ es el nLmero de elementos de una cual4uiera de sus bases. (Se representa por +im (*) # n). Ejemplo. a) )omo el con(unto e # 9e1 , e ,..., en : es una &ase de n , siendo : e i # ( / , . . . ,/ , 1 , / , . . . , / ). +im n # n. &) )omo en el con(unto
F =D x 0 n # E
n
es una &ase de
esta &ase es el cardinal de los n%meros naturales, ser' de dimensin dim [ x ] # / . <as coor)e&a)as )el vector e = e 1 , e 2/ < , e n , es el u * ,espacio vectorial so&re un cuerpo K. respecto de la base de escalares a 1/ a2 ,< , a n K tal 4ue con)unto
Ejemplo . Sea el espacio vectorial p(x) = 4.x + 5 tiene de coordenadas L(p(x)) # ( ? , K , / , / , / ) respecto de la &ase ( ? , (x-1) , x , x ? , x K ). "a que p x =3 .3 4 . x 1 # . x # . x #. x
2 3 4
?adas dos bases e - eO de un espacio vectorial &inito V/ como cada vector de una base se puede poner como combinaci!n lineal de vectores de la otra base/ si denominamos +,v. a las coordenadas del vector v respecto de la base e/ - denominamos -,v. a las coordenadas del vector v respecto de la base eO / podremos cambiar de coordenadas mediante 0 x(v) # "(v).x(eA) Ejemplo. Sea el espacio vectorial 2 , con las &ases 7 +onde x(eA) #
x e @ 1 ... x e @ n
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
eA # 9 (1,/) , (1,1) :.
+ado, que para cada (u,v) de 2 , tiene de coordenadas respeto de e: B los vectores de e (1,/) " (/,1) tienen de coordenadas respeto de eA "(1,/) # (1,/)= "(/,1) # (-1,1) 8as coordenadas del vector (u,v) respecto a la &ase eA ser' : "(u,v) # x(u,v)."(e) # (u,v).
1 # 1 1
# (u-v,v).
comprobar 4ue0
* 1* 2* 3< * n=D u1 u 2u 3< un 0 u 1 , u2 , u3 , < , un * E
Son subespacios vectoriales/ denominados0 S(>A de * 1 ,* 2/ * 3/ < , * n %F3EBSECC%GF de * 1 ,* 2/ * 3/ < , * n C$>"<E>EF3AB%$ de V. En particular el subespacio vectorial contiene al con)unto subespacio vectorial. Ejemplo. 6omando los su&espacios vectoriales * # 3(1,/)> " M # 3(1,1)>, de 2 , si fuera el con(unto * M su&espacio vectorial, para cualquier com&inacin lineal de vectores de * M serEa tam&i.n un vector de * M. 6omando el caso particular de (1,1) - (1,/) # ( /,1), se ve, que no pertenece ni a * ni a M. Es evidente comprobar 4ue el complementario de P es P. Q teniendo en cuenta el teorema de prolongaci!n de la base como P P 8 , SerC dim V8 dim,V. 5 dim ,P . ?iremos 4ue un espacio vectorial V es S(>A ?%BEC3A2 de los subespacios vectoriales ( - P si se cumple0 V8(1P 8 ( P.
2
El concepto de suma directa se puede -eneraliNar sin dificultad a n su&espacios vectoriales. * # * 1 ... * n = si para u # u 1 ! . . . ! u n.
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
Q 4ue representamos mediante V 8 ( P. Ejemplo. 6omando los su&espacios vectoriales * # 3(1,/)> " M # 3(1,1)>, de 2 , si fuera el con(unto * M su&espacio vectorial, para cualquier com&inacin lineal de vectores de * M serEa tam&i.n un vector de * M. 6omando el caso particular de (1,1) - (1,/) # ( /,1), se ve, que no pertenece ni a * ni a M. Sean los su&espacios vectoriales * # 3(1,/,/)> " M # 3(/,1,/),(/,/,1)> de 3 , Ser' * =M 8ue-o
3 =* M .
3 = * M
=* M
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
Si m 8 dim V 51 [u] es un 6iperplano de V. Si D x 1 , x 2 , < , x m E sea una base del subespacio vectorial N/ entonces
[ u ]=D u x 0 x O E u1/ u 2/ < , u n =D u a 1 . x 1a 2 . x 2 < am . x m 0 a1 , a2 ,< , a m K E
=ue se denomina ecuaci!n vectorial de la variedad lineal [u] . En forma vectorial ser'
Si
F =D e 1 , e 2 , < , e n E
n
u = ( . e (
(= 1
x i= (i . e (
(=1
Pue se denomina ecuaciones param.tricas de la variedad lineal [u]. B en forma matricial ser'
E7e(#lo.
N1 Q1 Q 11 = . .. .. . . .. Nn Qn Q n1
.. . .. . .. .
Q 1m . .. Q nm
a1 ... an
En el espacio vectorial 3 la variedad lineal que pasa por el (1,1,1) " tiene por direccin el su&espacio vectorial 3(/,1,/)> . 6iene por ecuacin vectorial respecto de la &ase de F # 9(/,1,/): de O: " 1 , " 2 , " 3= 1/1/1 a. #/1/# = a El con)unto de variedades lineales de espacio de direcciones N/ con las operaciones 6eredadas de V0 [u] 1 [v] 8 [u1v] a2[v] 8 [a2v] ( u, v *, a K) EstC bien de&inida/ - son independiente de los representantes de la clase elegidos. AdemCs/ es un espacio vectorial denominado es#ac$o vector$al coc$e&te V )e (1)!lo F - 4ue se denota por V8F. Teore(a.5 Sea V un espacio vectorial sobre un cuerpo ' - N un subespacio vectorial de V/ entonces se cumple0 )$( (V8F) 2 )$( V . )$( F. 1#
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
4+emostracin: Fasta tener en cuenta que si D e 1 , e 2 ,< , e m E es una &ase de O, por el teorema de ampliacin de la &ase, podemos ,alar una &ase F de * de la forma:
F =D e 1 , e 2 ,< , e m , e m1 , ... , e n E con e m1 , ... , e n O
B como [ u ] * / O . Se cumplir' [ u ]=a1 . [ e 1]a 2 . [ e 2]< a n . [ e n ] 8 (como e1 ,e ,...,em O [e1] # [e ] # ... # [em ] # C/D) 8 a m1 . [ e m1 ] a m2 . [ e m2 ]< a n . [ e n ] 5or tanto
D [ e m 1 ] , [ e m 2 ] , < , [ e n ] E
B por tanto, se podr' poner como com&inacin lineal de elementos de la &ase de O: a m1 . e m 1 a m2 . e m 2< an . e n=& 1 . e 1& 2 . e 2... & n . e n 5ero por ser F &ase de * esto solo es posi&le si
a m 1= a m2=... =a n= #
11
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
2. Aplicaciones lineales.
El concepto de aplicacin lineal.
Sea& V 9 : )os es#ac$os vector$ales so"re !& c!er#o APLICACI<N LINEAL )e V e& : s$ se ver$%$ca5 +.. %(4+9) 2 %(4) + %(9)= -.. %(a4) 2 a %(4)= 4, 9 V. a = 4 V. 4,9 V. . ;&a a#l$cac$1& % 5 V : es
Como consecuencia de esta de&inici!n/ se obtiene el teorema0 %5 V: es a#l$cac$1& l$&eal %(a4+"9) 2 a%(4)+"%(9) a, " 4 +emostracin: ) Si f es aplicacin lineal: f(a x ! & ") # S por propiedad 1 S # f(ax) ! f(&") # S por propiedad # a f(x) ! & f("). ) Si f(a x + b y) = a f(x) + b f(y). S#
a, & K. x, " *. a, b K. x, y V.
5ara a # & # 1 Se cumple la propiedad 1. +e la definicin. 5ara a # 1 " & # /. Se cumple la propiedad . +e la definicin. Ejemplo . Si * # [x] " M # 2 . 5odemos definir la aplicacin lineal. f : * M dada por f an n.x a n 1 . x n 1... a1+ a # = a 1/ a #
A partir de 4.- se demuestra el 6eorema. fundamental de ,omomorfismos: Si F # 9u1,...,ur: es &ase de * " v 1,...,v r M, T ,omomorfismo f: de * en M : f(u i) # v i . Adem's: 9v 1,...,v r : es l. i. f es monomorfismo. 9v 1,...,v r : es -enerador de M f es epimorfismo. 9v 1,...,v r : es &ase de M f es isomorfismo.
12
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
?.- Si a,& K " f(x), f(") f(*). 5or ser f aplicacin lineal f(a x ! & ") # a f(x) ! & f("). B por * espacio vectorial a x ! & " *. 8ue-o f(a x ! & ") # f(*). 5or lo tanto por definicin f(*) es su&espacio vectorial de M. K.- Si S # 9 s 1 , s , . . . , s r : es un sistema -enerador de *. 5ara cada vector v *, a1, a ,..., ar K con (a1 , a ,..., a r ) / : v # a1 s1 ! a s ! . . . ! ar sr . B como f es aplicacin lineal para cada v *: f(v ) # a 1 f(s 1 ) ! a f(s )! . . . ! a r f(s r ). 8ue-o f(S) es un sistema -enerador de f(*). ?ecimos 4ue una aplicaci!n lineal & es0 (n (o&o(or%$s(o cuando & es in-ectiva. (n e#$(or%$s(o cuando & es sobre-ectiva. (n $so(or%$s(o cuando & es bi-ectiva. A las aplicaciones lineales de V en si mismo se les denomina e&)o(or%$s(os. =ue en el caso de 4ue sean isomor&ismos/ se les denomina a!to(or%$s(os. Se denomina FLcleo de una aplicaci!n lineal & al con)unto0 er % 2 3 v V 5 %(v) 2 > 6 2 N!c %.
Otras propiedades.
+.. er % es s!"es#ac$o vector$al )e V. 5ues si u, v Ker f " a K, se cumple f( u ! v ) # f(u) ! f(v) # / ! / # / f(a.u) # a.f(u) # a./ # /. -.. % es !&a a#l$cac$1& $&9ect$va SI ? SOLO SI Ba que se cumple: a) Si f es in"ectiva, como f(/) # / si x * tal que f(x) # / ser' x # /. &) Si Ker f # 9/: " sean x, " * tales que f(x) # f("). Entonces: f(x - " ) # f(x) - f(") # /. x - " Ker f . 5or tanto x # ". Es decir f es in"ectiva. Se denomina Con)unto %magen de & a con)unto0 I(0 % 2 3 @ : 5 e4$ste !& v V , %(v) 2 @ 6. Ejemplo. Sea la aplicacin lineal f 0 3 J 0 f x , " , N = x " N . )omo para cada er % 2 3>6.
existen
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
Evidentemente no es una aplicacin in"ectiva "a que: Ker f =D x , " , N 3 0 x " N E=I 1/1/# , 1/# ,1 J # . Sean E - N/ dos espacios vectoriales sobre un mismo cuerpo ' - sea el con)unto L(E,F) 2 3 % 5 E F 5 tal '!e % es a#l$cac$1& l$&eal6. "odemos de&inir las operaciones interna 1/ - e+terna . en <,E/N.0 1 0 <,E/N. + <,E/N. <,E/N. 0 ,&/g. & 1 g. f ! - es el ,omomorfismo tal que (f!-) (x) # f(x) ! -(x) x E. . 0 ' + <,E/N. <,E/N. 0 ,/&. &.
}
U # 1 , ...., n
i = 1/2 , ... ,n , (= 1/2 , ... ,m
U( . v (
(
ai . f i( u U =
a i . f i( u U =
( = 1/2 , ... , m
a U . v ( = f uU
a i( . f i( u U = #
a U . v ( = # U =1/2 , ... , n = ( =1/2 , ... , m Cuando E 8 N/ denominamos <,E/E. 8 <,E.. Q podemos de&inir la operaci!n interna producto & g tal 4ue , & g . ,+. 8 &,+. g,+.. Q as* el espacio vectorial <,E./ ad4uiere la estructura de Al0e"ra )e e&)o(or%$s(os. Al subespacio vectorial de <,E./ tal 4ue las &unciones son bi-ectivas se denomina es#ac$o vector$al )e a!to(or%$s(os de E , A(E) .. 14
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
Si V es un espacio vectorial sobre un cuerpo '. Entonces/ el con)unto0 V* 2 3 B 5 V AdemCs/ si viene dada por 5 B es !&a a#l$cac$1& l$&eal 6. es una base de V. Entonces/ la correspondiente base dual
2 2 2 u 1 , u 2 , < ,u n ,< viene dado por las ecuaciones0
u2 1 u2 2 2 2 u2 3 . u u2 u2 ...= 1d 1 2 3 un u2 n ...
Q utili7ando las matrices asociadas ,en caso de dimensiones &initas.0 V F = V F 1t Ejemplos 1.- Sea * # 3 " la &ase (en vectores columnas): 1 1 3 F = # 1 1 # 3 2
1 # # 7 2 3 2 1 1
)ompro&ar que (W1 , W ) es una &ase dual de *$ " ,allar la &ase (p(x), q(x)) de * que tiene como &ase dual (W1 , W ) 4 Solucin: )omo para al-%n A, F, ) " +., existen p(x) # A x ! F= Ser' (W1(p(x)), W (p(x))) # (AR ! F , (W1(q(x)), W (q(x))) # ( )R ! + , 2tiliNando matrices se de&e de cumplir: A ! )! F) +) q(x) # ) x ! +
15
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
2 2 A ) 1 F + = 1 2 xXY:
x!1,
7Z6A.- Al espacio vectorial dual del dual, se le denomina F1+2A8, " se representa por * $$.
Isomorfismos.
(n $so(or%$s(o entre dos espacios vectoriales V - P sobre un mismo cuerpo '/ es una aplicaci!n lineal bi-ectiva
f 0 * JM .
Si * # M, f es automorfismo)
Cuando e+iste una aplicaci!n lineal bi-ectiva entre V - P/ decimos 4ue V - P son espacios vectoriales isomor&os - se denota por V :. Algunos teoremas importantes sobre aplicaciones lineales son0 Si
V8 er % I( %. V : )$( V 2 )$( :.
[u] # 9 u ! x : x Ker f : , u *.
5ara cada u CuD, se cumple f(u!x) # f(u) ! f(x) # f(u) ! / # f(u). Si definimos la aplicacin - : * R Ker f 1m f : [u] -([u]) # f(u). )ompro&amos que es una aplicacin so&re"ectiva, pues v 1ma -, CuD *RKer f tal que -(CuD) # v. (&asta que tomemos CuD tal que f(u) # v). (5ues si CuD CvD -C(u)D # f(u) f(v) # -C(v)D), Adem's, la aplicacin - es tam&i.n in"ectiva, "a que si -([u]) # /. Entonces f(u) # /. 8ue-o *RKer f 1m f.
f : * M.
1M
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
5or ser f supra"ectiva, para todo G M, existir' un u * # 3F>. 6al que f(u) M. 8ue-o M # 3f(F)>, " f(F) es sistema -enerador de M. )omo f(F) es un sistema -enerador " linealmente independiente, f(F) es una &ase de M de n vectores. 5or tanto dim * # dim M.
son de ;. 5or tanto, G/F es un su&con(unto de E/F. +efinimos, a,ora, f : E/F [u]
E/G {u}.
donde 9u: indica la clase de u mdulo ;. 8a aplicacin est' &ien definida, "a que los elementos equivalentes respecto a F tam&i.n lo son respecto a G.
17
Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.
Adems, f es una aplicacin lineal " ex,austiva " su n%cleo est' formado por las clases CuD tales que 9u: # / es decir, tales que u ;. AsE pues, 7uc f = G/F ", aplicando el teorema estudiado anteriormente, se tiene: (ERO) R (;RO) ER;. Z&servacin: Si la dimensin del espacio E es finita, 1m f " ER7uc f tienen la misma dimensin, " son, por tanto, espacios isomorfos. Adem's, se pueden definir un isomorfismo de una manera mu" natural " sin intervencin de &ases. 2na aplicacin lineal definida sin utiliNar nin-una &ase, se denomina aplicacin cannica. 6odos los isomorfismos esta&lecidos en las tres proposiciones anteriores son isomorfismos cannicos. (sando el teorema de prolongaci!n de la base se puede demostrar0 Si E es un espacio vectorial de dimensi!n &inita. Entonces/ si N - A son subespacios vectoriales de E. N/ A - N A son subespacios de dimensi!n &inita/ se cumple ?im N 1 ?im A 8 ?im ,N1A. 1 ?im,N A ..
3. Conclusin.
<a estructura de espacio vectorial es mu- importante en >atemCticas/ tanto en la geometr*a/ como en @lgebra ! en AnClisis >atemCtico/ para el estudio de espacios - trans&ormaciones geom:tricas/ estudio de polinomios o espacios vectoriales topol!gicos. Sin embargo/ - a pesar de su estructura abstracta/ se suele recurrir a espacios vectoriales 6abituales plano - en el espacio para poder entender dic6as estructuras - poder representarlos grC&icamente. ?esde el punto de vista de la teor*a de grupos/ la operaci!n e+terna de un espacio vectorial V es una actuaci!n &iel de un grupo V sobre un con)unto '. Becordando 4ue una actuaci!n es una aplicaci!n V + ' ' 0 tal 4ue0 1.5 2.5 v v @ U =v v @ U . e* U = U .
v , v @ * " U K UK
v U = U [ U K v = e* . Al par (K,*) se le denomina ;EZVE60\A.
Algunas aplicaciones lineales/ particularmente utili7adas en Aeometr*a son0 "B$QECC%$F 0 0 V V 0 2 ,v. 8 ,v.. ?onde0 BASE de 8 B 8 %mg . ?%BECC%$F de 8 ? 8 'er . S%>E3B%A 0 0 V V 0 2 ,v. 8 v. ?onde0 BASE de 8 B 8 'er ,5v.. ?%BECC%$F de 8 ? 8 'er ,1v..
1R