ria d

on

Departamento de A.untos Cientifico. Uni6n Panam rleana, Secretarfa General

rgan· aci6 e 10 Estacios American

0.5

ALGEBRA LINEAL

por

ORLANDO E. VILLAMAYOR

Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires

Buenos Aires, Argentina

Departamento de Asuntos Ci e n t i l i c c s Union Panamericana

Secretada General de 10

Organizaci6n de los Estados Americanos Washington, D.C. - 1967

@ Derechos Reservados, 1967 Union Panamericana Washington, D.C.

Copyright 1967 by The P an American Union Washington, D. C.

E sta monograf'a h a si do p r ep a rad o para s u publ ic acion en el Departamento de Asuntos Cient(ficos de la Union Panamericana

Editora: Eva V. Chesneau

NOTA DE INTRODUCCION

La c o l ec ci on de monograHas cientfficas forma parte de los programas generales de informacion y publicaciones del Departamento de Asuntos Ci e ntffi c o s y tiene COmo finalidad principal difundir y presentar de manera sencilla los nuevos t ern a s y metodos que surgen del r ap i d o desarrollo de las ciencias y de l a t e cno lo gfa ,

En la actualidad la c o Ie c ci Sn consta de cuatro series, en esp a.Pio l y po r tu gu e s , sobre f'fs i c a, qufrni c a, biologfa y rn at ernji ti c a, pero se contempla la posibilidad de incluir otros ramos de las ciencias.

Desde su comienzo s e d edi c S estas monograflas a los profesores y estudiantes decienciasde nivelsecundarioyuniversitario basieo, no obstante s e aspira a que encuentren t arnbi eri acogida entre los h orrib r e s de ciencias dedicados a I a i nv e s ti ga.ci Sn especializada y el publico en general que seinterese enadquiririnforrn ac i Sn 0 conocimientos sobre la materia.

III

En esta oportunidad, la Union Panamericana agradece a la Agencia para el Desarrollo Internacional y a la F'urid ac i Sn Nacional de Ci e nc ia s de los Estados Unidos por la signific.{ti va ayuda e c o norrri c a recibida en apoyo de este programa, a sf como al Dr. Orlando E. Vi l.Iarria.yo r-, autor de Ia monografla, y a l Dr. Alexandre Martins Rodrigues del Instituto de Pesquisas Matemati c a s , Universidade de Sao Paulo, Sao Paulo, Brasil, por Ia revision t ec ni c a del manuscrito.

Jesse D. Perkinson Director

INDICE

Pagina

Nota de Int r oduc c ion .•.•.•••....••.•..•••• ,............ iii

Prologo ".............................................................................................. v

CAPITU La PRIMERO: EJEMPLOS INTR_Q_D__U_C_T_O_RIOS_

1 ~ Int r oduc c i on '" f ,. , I-

2. Primer Ejemplo Flsico: Las Fuerzas que

Pueden Actuar Sobre un Punta ..•••••••.••.•••.. 2

3. Segundo Ejernplo Flsico: Los Desplazarnientos

que Puede Sufrir un Punto •.•....•..•..••••..••• 5

4. Ejemplos Algebraicos: Los Pares de Nurrie r o s ,

las n-uplas de Nurrie r o s •••...•.•••••.•..••••••• 7

5. Otros Ejernplos: Polinornios, Funciones

Continuas .••..•...••.••••.•..•••..••...•..••.••• 10

CAPITULO SEGUNDO: ESPACIOS VECTORIALES

1. Definicion de Espacio Vectorial •..•.....•••.•••

2. Dependencia e Independencia Lineal ••••....•••.

3. Dependencia e Independencia Lineal (cont.) .••••

4. Bas e s y Di rn.eri s ion •.•...••••••••••••.••••..••.•

15 17 20 21

5~ Coordenadas;. " f' of... 27

6.. Subespacios,....................................................................... 34

7. Operaciones con Subespacios ••••.••••••.••••••• 39

CAPITULO TERCERO: TRANSFORMACIONES LINEALES

1. Uetlnlclon y 1!.;Jemplos •••••••••••••••••.•••••••• 'l (

2. Nu cl eo , Conucleo e Imagen..................... 51

3. Matrices ••......••.•.••••••.••••.••.••••••.•••• 57

4. Operaciones con Transformaciones Lineales ••• 60

5. Gambios de Bas e ••••••••••••••••••••••••••••••• 75

CAPITULO CUARTO: PRODUCTO INTERNO

1. Definicion y Ejemplos 81

2. Desigualdad de Schwarz ••••••••••..•••••••••••• 85

3.. Bases Or-ton o r ma.l e a •••• " ...... ~ ••• of •• ,. "'........... 89

4. Transformaciones Ortogonales ••••••••••••••••• 92

Bibliograf{a .•.••••••••••••••••••••••••.•••••••••••••••• 97

v

1

EJEMPLOS INTRODUCTORlOS

La orientaci6n de la Il arnad a rnat ernat i c a moderna consiste esencialmente en abandonar los sistemas axi ornfiti c o s categ6ricos y tratar de construir t eo r fa s que puedanabarcar cada vez mas casos pa r t.i c ul a r e s ,

El t e m a que vamos a e s t udi a r en estas notas es un ejemplo.

Nuestra tarea c orrs i s ri r a en ext r a e r , de un cierto rnirn e r o de casos concretos, una serie de propiedades comunes con el objeto de tomarlas como puntos de partida 0 axiomas para desarrollar una t e o rfa - -a quf, los espacios vectoriales - - aplicable a todos esos casos que nos sirvieron de ej emplos iniciales y, por supuesto, a cualquier otro ejemplo que satisfaga los axiomas.

ASI, "a xi orn a" no significa rn a s que eso, es decir, propOSlclOnes de partida, que s up on ern oa validas sin d erno s t r ac i Sri y de las cuales e.xt r a e r ern o s los resultados 0 teoremas de la t eo rfa , Aband on.arrio s , pue s , la idea c La s i c a del a xi orn a COlTIO verdad evidente.

Con esa idea se ha desarrollado esta e.xpo s i c i Sn en cuatro capltulos. En el p r irn e r o se citan ej ern pl o s , en los cuales se hace notar la validez de ciertas propiedades. En el segundo, utilizando

prrrmrr par e de la t e o r-i'a elemental de los espacios vectoriales. Este segundo c apft ul o se ha desarrollado en f'o r rria paulatina tratando de introducir los conceptos g r adua.lrn ent e.

El tercer capftul o trata las transforrnaciones lineales, es d ec i r , aquellas transformaciones que respetan las operaciones fundarn errtales de nuestra t eo rFa , y el cu a r to introduce una nueva noc i o n: el producto interno.

Por razones de espacio se ha desarrollado el tercer c apftu l o di r ec tarn ent e en di m e ns.i o n n y se ha reducido el cuarto a las definiciones y propiedades rn a s e l ern ent al e s .

1

2. Primer Ejemplo Flsico: Las Fuerzas que Pueden Actuar Sobre un Punto

Si consideramos un punto material Pylas fuerzas que pueden actuar sobre P (en e1 espacio) tenemos en primer lugar que, dadas dos fuerzas FlY Fa, se puede encontrar una fuerza F, que los ff s i c o s llaman la reeul.tant:e, que tiene la propiedad de ejercer sabre P la misma a c c i ori que Fl Y Fa actuando s i mul tfin earrient e ,

Tenemos as{, en el conjunto de las fuer z a s , una operac ion binax-ia, e s decir, una ley que a cada par ordenado de fuerzas hace corresponder una nueva Iu e r z a , la resultante, que, al s610 efecto de tener una notaci6n, podemos escribir F = F 1 + Fa.

Nos interesa buscar algunas propiedades de esta op e r a c i o n, que rn a s adelante han de servir debase para obtenerlos resultados que nos proponemos estudiar.

Usando los conocitnientos elementa1es de fisica sabemos que, si FlY Fa a c tuari sobre e l punto P, y si representamos cada fuerza por un segmento cuya di r e c c i Sn y s e nt i d o es e l de la fuerza dada, y su l o ngi tud --en una escala determinada- - mida a la i nt en s i da d, entonces Ia resultante queda determinada par La diagonal del paralelogramo, dos de cuyos lados son los segmentos correspondientes a FlY Fa.

2

, , , ,

, , ,

, , ,

" ,

"

Si Ll a rn a.rn o s :J al conjunto de todas las fuerzas que a ctua.n sobre P, tenemos en primer lugar:

Stl s i Fl, Fa IS :J, entonces r , + + Fa IS :J.

SitenemostresfuerzasF1,Fa, F3, podemos calcular su resultante de dos forrnas distintas: (Fl + Fa) + + F3 obienF1 + (Fa + F3); es dec i r , ca1cu1ar p r i rne r o F = Fl + Fa y luego Ia resultante de F con F3, 0 bien ca1cu1ar primero F' = Fa + F3 Y luego la resultante de Fl y F'.

Un razonamiento ge om et r i c o elemental muestra que

La misma definicion muestra, al mismo tiempo, que e l orden en que 5e eonsideran las fuerzas no altera la resultante, es deeir,

~

~ ...

~-~

....... - .... _

--

- ... ~

- ......

... ~

... ~ ...

- .... - .... - .... _--

- ..

.. ~~

... ~

p~;: __ -------------F~1--+~(-F~~-+-F~3~)-------------~- .. ---~~: .. ~--

I ,

"

,

/ /

"

,-.... ,--.. ~<, --_

........ --_

.. --

, --

.... <, ,r- <,

<, " <,

... -;.. " ..

" <, .. <,

/ "<, ... <,

, ... ...

I ..... ... ..

1-"

/ / ---- <,

I F I ---- <,

/ -----: .. , ...

--

--

---

--

--

I

/

I ,

,

/

,

r 'p

2' 'j.

3

--

----

--

--

--

/ ---'I

<, ,/ ,/

<, / /

......... " ,

.. ~ ,

,... /

/ <, "

--- ........ '

-- .... , '

-----_... "

.:-. /

__ ......... I

--!'::..-..!'

" /

,

/'

,

/ /

I I

Por ot r a parte, existe Ia fuerza nula, 0 sea una fuerza de intensidad cero (por consiguiente, de direcci6n indeterminada). Esta fuerza, que podemos Hamar 0, tiene 1a propiedad de que

S4) 0 + F = F para todo F E: :1.

Por ultimo, si llamamos la opuesta F' de una fuerza F a a qu e l l a que tiene igual intensidad y di r ec ci.Sn que F pero s entido contrario, eric ont r a r erno s que la resultante de F y F' es c e r o , es decir

S8) Para cada F existe F', tal que F + F' 0,

Esta F' sera llamada -F.

Por 10 que veremos mas adelante, estas cinco propiedades de la op e r ac i Sn de "suma" van a s er suficientes para construir toda nuestra teorfa, pero ahara nos interesa definir una nueva ope r ac i Sn ,

Si F es una fuerza y a un mirne r o real, vamos a Hamar a F la fuerza que tiene la rrri s m a di r e cc i Sn de F, cuya intensidad es I a I veces la de F y su sentido es el mismo si a es po s it iv o u opuesto si a es negativo •

.4

En esta forma tenemos definida una nueva ope r a.c i Sn, cuyos "factores" son una fuerza y un nurn e.r o real y su resultado es otra vez una fuer z a , Es del tipo de operaciones llamadas extel'rtas porque, siempre trabajando en el conjunto :1, uno de los elementos que interviene [e I nurn e r o a) no pertenece a dicho conjunto.

Veamos algunas propiedades de esta ope r ac i ori:

P1) Si a es un mirrie r-o real y F E::1, entonces aF E: :1. Pal a (bF) ;:;;; (ab)F.

Las propiedades P1) y Pa) resultan directamente de la definicion. Pa ) significa que si tomamos primero la fuerza bF y la multiplicamos po r a es igual a multiplicar F por abo

Esto se v e r i fi c a utilizando propiedades elementales de semejanza de t r i arigu Io s mediante Ia figura 3. (Se deja al lector los detalles de la d erri o s t r a c i orr, )

P4) (a + b) F == a F + b F,

(P4) y Ps) resultan de la definicion. )

Observaci6n. :J es el conjunto de fuerzas del espacio que actfia sobre P. 5i consideramos que Pesta en un plano 11 y consideramos s610 las fuerzas cuyas direcciones son rectas de 11, obtenemos otro conjunto donde tambii7msecumplenlasdiezpropiedades estudiadas.

que Puede 5ufrir un Punto

Volvamos a considerar un punto P en el espacio Y e1 conjunto de d e s p l a z arrri en to s que puede sufrir P. Repres entamos par el segmento PA el desplazamiento de P hasta uri Luga r A.

A

Dados dos desplazamientos, PAy PB, llam.em.os sum.a P A + PB al desplazam.iento que lleva PaC, d orid e C es e1 cuarto ve r ti c e del paralelogram.o de lados PA y PB.

,)1--------- ,. C

~,~ "

" ~;

, "

, ,

" ,

, ,

, ,

, "

p.------------~'

B

Esta definicion no se ap li c a cuando PA y PB estan sabre una m.ism.a recta. En este caso tornam.os C de m.odo que la distancia

de PaC sea la s urn a de las distancias de P a A y de P a B siem.pre que A y B e s t.en del m.ism.o lado 0 s u di f e r e nc i a en e1 c a s o c ont r a.r i o, tomando C siem.pre del lade m a s alejado, com.o par ejem.plo:

5

P

B C

A

B

P

C A

Como Ia construcci6n g eorn et r.i c a para d et e r rni na r La s urrra de PA + PB es similar a la utilizada para c a Ic u Ia r La resultante de dos fuerzas, y llamando .& a l conjunto de los dezplazamientos, entonces Son va Ii da s las propiedades siguientes:

5d si PA, PB c JJ, entonces PA + PE e Ir,
52 ) (PA + PB) + PC = PA + (PE + PC).
53 ) PA + PE = PE + PA.
54 ) PP + PA = PA para todo PA E: Ir,
55 ) Para cada PA existe PAl, tal que PA + PAl = pP. Es e vi d ent e que PP e s el desplazamiento nulo, es decir, e1 punto P no s e rnu ev e, y que A I es el punto s i m et r-i c o de A respecto de P,

6

A manera de

estas propiedades, fuerzas.

Podemos t arn bi en definir una op e r a.c i Sn externa r . PA entre el desplazamiento PA y un nurn e r o real r. Llamaremos r . PA al desplazamiento PAl, donde At es un punto de La recta que une PyA, tal que La distancia de P a At es r veces Ia distancia de P a A, tomando AI del mismo lado que A s i r > 0 ydelopuestosi r < O.

Volviendo a observar que las definiciones sol). equiva1entes a las del ejemplo anterior, deducimos la validez de las propiedades:

PI) Si a es un mime ro real y PA E: .fJ, entonc es a . P A E: .fJ. P2) a > (b . PA) = (ab). PA.

Ps) a(PA + PE) =:; aPA + aPB. P4) (a + b) PA =:; aPA + bPA, Ps) l' Pa = Pa.

(Conviene que ellector revise las demostraciones del ejemplo de las fuerzas y las repita adaptadas a este caso. )

4. Ejemplos Algebraicos: Los Pares de Numeros, las n-uplas de Numeros

Consideremos los pares ordenados (a, b) de mirn e r os reales.

A este conjunto, con las operaciones que definiremos mas adelante, denominaremos IRa.

Llamamos par ordenado a uri par de nurn e r o s donde distinguimos cual es el primero, es decir, cuando consideramos diferentes los pares (a, b) y (b, a), Interesa entonees no 5610 los nfirn e r-o a que

intervienen en el par sino tarnbi en el orden en que es tan escritos.

Vamos a definir en 1R3 una op e r ac i Sn binaria inteI'1Ul (es decir, que los elementos que intervienen en 1a op e r ac i Sn pertenecen al conjunto 1R2), que llamaremos 8W7la, usando la formula

(a, b) + (p, q) = (a + p, b + q)

(Par ejemplo, la suma (1, 2) + (5, - 4) = (6, - 2).)

De acuerdo can 1a definicion anterior, dados do s pares (== objetos IRa) se obtiene un nuevo par, la s um a, es d e ci r , se cumple

Sl) Si (a, b) y (p, q) E: IRa entonces (a, b) + (p, q) E: IRa.

7

Par otra parte, hay una "ley aeoeiat-ioa, es decir

[(a, b) + (p, q)] + (c, d) = (a + p, b + q) + (c, d) = = (a + p + c, b + q + d)

Y, por otra parte,

(a, b) + [(p, q) + (c, d)] = (a, b) + (p + c, q + d) =

= (a + p + c, b + q + d)

Luego hemos demostrado

S2) [(a, b) + (p, q) ] + (e, d) = (a, b) + [(p, q) + [c, d)].

Ad ern a s tenemos una ley conrnutati va, puesto que

(a, b) + {p, q} = (a + p, b + q) =

= (p + a, q + b) = (p, q) + (a, b)

por 10 tanto vale

S3) (a, b) + (p, q) '" (p, q) + (a, b).

Existe, asimismo, un elemento particular de IRa que es el to, 0) (el par farmada par do s ceros), que tiene la propiedad

S4) (a, b) + (0, 0) = (a, b) para todo (a, b) E: IRa,

Y, par ultimo, para cada par (a, b) p od ern os t orria z el par (- a, - b), de modo que se curn.pla:

55) Para cada (a, b) € lRiaexiste (- a, -b), tal que (a, b) + (- a, - b) '" = to, 0).

Podemos a.ho r a definir una nueva op e r ac i Sn , esta vez extel'na, entre un mirn e r o real yun par (= objeto de IRa) mediante la formula

m • (a, b) '" [rn a, rnb ]

cuyo resultado e s , por tanto, un elemento de IRa. Tenemos a sf las propiedades:

8

P1) Si n e s un numero real y (a, b) € IR'\ entonces In' (a, b) € 1R2. P2) m [r (a, b)] '" (mr) (a, b).

En efecto, m [ r (a, b)] '" rn (r a , rb) == (m r a , mrb)

y

(mr) (a, b) == (rnra, rnrb).

Ps) rn [(a, b) + (p, q)] == m (a, b) + rn (p, q).

Demastraci6n:

rn[{a, b) + (p, q)]

== (m (a + p), rn {b + q» ==

rn (a + p, b + q) '"

(rna + mp, mb + mq).

Par otro l ado,

rn (a, b) + rn (p, q) '" (Ina, mb) + (rnp, mq) ;: (rna + rnp, rnb + mq).

mea, b) + n(a, b).

Demostraci6n:

(rn + n) (a, b) '" «m + n) a, (m + n) b) '" = (rna + na, mb + nb)

m (a, b) + n (a, b) = (rna, rnb ) + (na + nb] = = (rna + na., mb + nb},

Ps) 1, (a, b) = (a, b).

Demoat r acfSm 1, (a, b) = (1 a, 1 b) = (a, b),

Como en los ejemplos anteriores, sera suficiente destacar las diez propiedades ya indicadas.

Ternas ordenadas

En forma similar al ejemplo anterior, es posible estudiar las ternas ordenadas de nfirne ros en lugar de los pares. Es decir, el conjunto JR3 de ternas (a, b, c) (que consisten de t r e s mirne r o s reales y de su o r deria c i on}.

Podemos a quf d ef'i ni r , como en el caso de los pares, una oper ac i on interna que llamamos t a rnb i e n swna, dada por

(a, b, e) + (p, q, r) = (a + p, b + q, c + r)

y un produeto de un nfirrie r o por una terna definido par

m (a, b, c) = {rn a, rnb, me)

Por ejemplo:

(3, -1,7) + (2,4, -3) = (5,3,4) 2(1,3, -2) ;; (2,6, -4),

Queda a cargo del lector la demostraci6n de las propiedades:

Sl) Si (a, b, e) y (p, q, r) e; JRa, entonces

(a, b, c) + (p, q, r) e; JRa,

Se) [(a, b, c) + (p, q, r )'] + [x, y, z)

= (a, b, c) + [(p, q, r) + (x, y, z)].

53) (a, b, c) + (p, q, r) = (p, q, r) + (a, b, c),

54) (a, b, c) + (0, 0, 0) ;; (a, b, c) para todo (a, b, e) c )R3, Ss) Dado (a, b, c) existe (-a, -b, -c) tal que

(a, b, c) + (-a, -b, -c) = (0,0,0),

P11 Si rn es un nfirn e r o real y (a, b, e) E: IRs, entonces rn (a, b, c) E: IRa, P:a) m [n (a, b, c)] = (mn) (a, b, e).

Pa) m[(a, b, e) + (p, q, r)] = mea, b, c) + m(p, q, r), P4) [rn + n) (a, b, c) ;;:; mea, b, c) + n(a, b, c).

Ps) 1· (a, b, c) = [a, b, c).

9

n- uplas ordenadas

Generalizando el ejernplo de los pares y de las ternas, elegirnos un nfime r o natural n cualquiera y c onai d e.r arnos las n-uplas ordenadas, es decir: sucesiones ordenadas de n nfime rcs reales. Pot supuesto que, tomando n = 2, volvemos a tener los pares, y tornando n = 3 las ternas.

Para cualquier niirn e r o n llarnarnos ff1 al conjunto de n-uplas que escribiremos en general (all a.z, ... , an).

Podemos a quf tarnbi en definir una surna por la ley:

(a1, aa, ... , an) + (b1, b:a, •.. , bn) = = (al + b1, a.z + ~, ••• , Cln +bn),

y el p r oduct o de un nfim e r o real por una n-upla tomando

10

Queda como ejercicio para ellector enunciar y demostrar propiedades similares a las $1), ... , S5), P1, ... , Ps) de los dos ejemplos anteriores.

5. Otros Ejemplos: Polinomios, Funciones Continuas

Considerernos ahora el conjunto de todos los polinomios con coeficientes reales. Para simplificar las definiciones posteriores se supone que los polinomios se expresan par sumas infinitas ao + a1X + ~X2 + ••• , donde todos los coeficientes a1 son cera a partir de un cierto lugar en adelante. As!, par ejemplo, se dira que un polinomio tiene grado n si an t- 0 y ar = 0 para todo r > n ,

Entonces, la suma de dos polinomios s e define en la forma habitual

(ao + a1X + aaX2 + •.• ) + (bo + b1X + baX2 + ••• ) = (ao + ba) + "(al + bI) X + (Ci.:a + b2) X2 + .11.,

10 rnisrno que el producto par un num e r o real hacienda

Representemos los polinomios con las letras p, q, etc. yean (} el conjunto de todos ellos. Se tiene entonces:

81) 8i p, q E: @, entonces p + q E: @

es decir, Ia surn a de dos polinornios es un p ofi norni o,

S:a ) (p + q) + r ;:;: p + (q + r).

Dernoet r acibn, Si p = ao + alX + ~X2 + · .. ,
q = bo + blX + ~X2 + • • ill ,
r = Co + c.x + CZX2 + · .. ,
Tenernos (p+ q)+ r = [(ae+bo)+ (a1+b1) X+ (~+b2) XZ+(a3+b3) X3 + .•. J+ + [co + c1X + c2Xa + ••• ] ::::

= (ao + bo + co) + (al + bi + cll X + (~ + ba + Ca) X2 + •••

y

p + (q + r) ;:;: [ae + alX + ~Xa + ••• ] +

+ [(bo + co) + (bl + cll X + (bz + ca l X2 + ••• J ::::

;:;: (ao + bo + co) + (al +b1 +cl) X+ (~+ bz + c2) Xa + •••

11

83) p + q == q + p ,

(La d ern o s t r a c i Sn debe ha.c e r s e en fo r rna s i rni Ia r a l a anterior. )

84) Existe e1 0 tal que 0 + P = P para todo p E: @. E1 0 de @ es e1 po li norni o

o ;:;: 0 + OX + OXa + ...

yean este elernento debe demostrarse que 0 + P ;:;: p.

55) Para cada p c @ existe pi tal que p + pi = O.

Basta para esto considerar: p == ao + alX + aaXz + ... , y torna r pi = (-ao) + (_ al)X + (-az)X2 + .•. ; es decir, si Il arnarno s pi = ad + + alX + a~X2 + .. " t o m a r a] == -at para todo i.

Segjin la definici6n dada anteriormente, el producto de un polinomio par un nurn e r o es otra vez un po l i norn i o , es de c i r , se curnple:

PI) Si m es un nfirn ez o real y p € @, entonces rnp E: t?

T'arnbi en valen las propiedades:

12

Pa} In (np) ::: [rrm Ip si In, n son nfirne r os y p un pold norni o, Ps) In (p + q) ::: rnp + rn q,

P4} (In + n) p = Inp + np.

Ps) 1. p = p.

La demostraci6n de estas propiedades, que s e hace en forma similar a la de s..a ), se deja a cargo del lector.

Otro ejem.plo im.portante es el de las funciones continuas (de una variable real a valores reales), donde se definen s urn a y producto en La fo r rn a c o r r i errt e ; es decir, sify gsondos funciones, sedefine f + g por la formula (f + g) (x) = f (x) + g [x), 0 sea, como la furic i on que en cada punto x vale tanto c orno la s urna de los valores de f y de g en dicho punta. Si f es una func i Sn y rn un mirne r o real, entonces rnf es

la funci Sn que para cada valor x de la variable vale [rnf'] (x) = rn . f (x); es decir, m rrrul.ti pl.i c a.do po r el valor f (x).

En los textos elem.entales de a na.l i ai s s e demuestra que la SUIna de dos funciones continuas es una furic i Sri continua, y 10 rni smo que el producto de una funci Sn continua

,

ti nu a, Esto puede expresarse (si llamamos :1 al conjunto de las funciones continuas) por

Sd Si f y g e: :1, entonces f + g c :1.

P1) Si rn es un nfirn e r o real y f e :1, entonces rnf r:;:1.

Ade:rnas pueden demostrarse otras propiedades i mpo rt ant es :

Sa) (f + g) + h = f + (g + h).

Para de:rnostrar esta igualdad habra que verificar que las funciones f + (g + h) y (f + g) + h tienen los mi srnos valores para ca da valor x de la variable, es d ec i r ,

[f + (g + h) J (x) = f (x) + (g + h) (x) = = f (x) + g {x] + h (x) [(f + g) + hJ (x) = (f + g) (x) + h (x) = = f (x) + g (x) + h (x).

S3) f + g = g + f s e demuestra en forma similar.

S4) Existe 0 c :;r tal que 0 + f ;;;; f para todo f e:;r. Esta 0 e :;r es la furict Sn 0 (x) = OJ es d eci r', la funci Sn que vale cero para todo x, 0 sea la funci Sn constante c e r o ,

S6) Para cada f c :;r existe fl tal que f + f ' ;;;; o. f ' es la fu.nci Sn definida por £1 (x) = - f (x). (Enlos textos elementales de ana.Ii s i s se demuestra que si f es continuaentonces f", tarnbi Sn Hamada - f', es continua. )

Respecto al producto de la funci Sn por un mim e r o son va.Ii da s tarnbien

Pa) (rnn) f = rri (nf).

P3) m (f + g) mf + mg.

P4) (m + n) f = mf + nf. P6) 1. f = L,

cuya dernos tr-aci Sn se hace en forma semejante a la de s..a ), e s dec i r , verificando que para cada x el valor de las funciones que aparecen a cada lade del signo de igualdad es el mismo. Para ella no solo hay que utilizar las definiciones de las operaciones entre funciones sino que debernos recordar que a I fijar un valor de x, entonces f (x], g {x) son mimeros fijos y no rn a s funciones y, por consigui ente, es posi ble utilizar las propiedades asociati va, distri buti va, etc. de los nfirnez-os reales.

13

2

ESPACIOS VECTORlALES

1. Definicion de Espacio Vectorial

Los ejemplos anteriores nos sirven para poder obtener un conjunto de propiedades comunes a todos e11os. Por supuesto, todos los resultados que podamos obtener a partir de dichas propiedades s e r an vaHdoe para todos los ejemplos citados, y para cualquier otro ejemplo que goce de las propiedades citadas.

Haciendo abat.r ac ci Sn de la naturaleza de los objetos en estudio, vamos a definir eepaeio vectorial, comoun conjunto V (cuyos objetos s e r an designados conletras latinas rnayus cul as}, donde se define una op e r ac i Sn binaria interna, que Hamaremos 8WTIa~ y una operacion externa de produeto por un niirrie z-o real.

15

Los elementos de V seran llamados veetoree y los nfirn e r os reales escal,al'es.

Imponemos como condiciones de partida 0 axiomae las s.i gui entes:

51) si A, B E: V, entonces A + B e V. 5:a) (A+B)+ C ~ A+ (B+ C). 53) A + B ;;;; B + A.

P1) Si a es un escalar y A E V, entonces a·A € V. P:a) (ab) A ;;;; a (bAl.

Ps) a (A + B) ;;;; aA + a B, Pol.) (a + b) A ;;;; aA + bA. P5) 1 . A ;;;; A.

Notaci6n. El vector AI definido en 55) se suele Hamar - A, Y se escribe A-B para indicar A + (- B).

Veamos ahora algunas propiedades Lm oo rt ant e s que s e deducen de la lista de axiomas.

Proposici6n 2.. 1. 1. Existe un unico vector O.

Demostraci6n. Si 0 y 0' verifican 84), entonces 0 + 01 = 01 Y 01 + 0 = 0, luego par S3) tenemos

01 = 0 + 0' = 0' + 0 = O.

Proposici6n 2. 1. 2. Para cada A E: V existe un unico AI tal que A + AI = O.

Demostraci6n. Sean AI, A" vectores tales que A + AI = 0

A + All = 0

entonces

A' = 0 + AI = AI + 0 = AI + (A + ATI) = = (A' + A) + A" = 0 + A" = A".

Esta pr-opo si ci Sn justifica la not ac i Sn -A para AI, la que se llama el opueeio de A.

Proposici6n 2. 1. 3. Si 0 es el nfirrie r o cero,

16

o • A = 0

Demostraci6n. o· A = (0 + 0)' A = oA + oA, y sumando a los miembros extremos -(oAl resulta

o = oA

(Aquf conviene observar que debe distinguirse entre el escalar o y el vector O. )

Proposici6n 2. 1. 4. Si a es un escalar,

(- a) A = -(aA)

(Aqul el 6; gno - tiene significado diferente en cada mi ernb r o , )

Demostraci6n. aA + (- a) A = (a -a) A = oA = 0, y sumando -(aA) a los miembros extremos resulta

-(aA) = -(aA) + [aA + (- a) AJ =

= [- (aA) + aAJ + (- a) A =

= 0 + ( - a) A = ( - a)A.

Ejercicios

Utilizando las operaciones conocidas, verificar cuales de los siguientes conjuntos son espacios vectoriales:

1 • El conjunto de las ternas (a, b, c) tales que a + b + c = o.
2. EI conjunto de las ternas (a, b, c) tales que a + b + c = 1.
3. Los ; c ornp.l ejo s ,
rrurn.e r o s
4. Los po li norni os de grado rn erio r o igual a 87. 2. Dependencia e Independencia Lineal

Una de las propiedades de los veetores de Ia que hac emo s usa frecuente es la independencia lineal.

Deiinici6n. Dos vectores A y B s e die en linealUlente independientes (1. i , ) si aA + bB f ° toda vez que par 10 menos uno de los escalares sea diferente de cera.

En otras palabras, diremos que A y B son 1. i. si aA + bB = 0 Irnplf c a a = b = O. Podemos todavi'a interpretar esta c orrdi c i on COITlO sigue: Ia ecuaci Sn xA + yB = 0 (eoninc6gnitas x, y) tiene coUlO unicas soluciones x = 0, y = O.

Ejemplo

Si V es el espacio vectorial de las fuerzas que actfian sabre un punta, sean A y B dos fuerzas no nulas que tienen distinta direc-

cion. Buscar entonces escalares a y b, tales que aA + bB = ° equivale a a A = - bB. Pero aA tiene s i errip r e la di r-ec ci Sn d e A y - bB la de B. Puesto que aA = -bB signi fi c a que aA e s la misma [uerea que - b B, ellas deben c oi nc i di r , luego 1a (mica posibilidad para ella es que aA = 0, - bB = 0 y, par 10 tanto, a = 0, b = O.

Ejercicios

1. Verificar que los polinomios x y x2 son 1. i ,

17

2. Verificar que las funciones fl = x, f:a = x:a son 1. i.
3. Verificar que las funciones fl = sen x, f2 = cos x son 1. i.
4. Verificar que las funciones fl = 2", f2 = 2X+l no son 1. i ,
5. Mostrar que los pares de nfime r os (~, 8) Y (~, 4) no son 1. i. De£inici6n. Un conjunto finito de vectores [Ai' A;a, ••• , An] se die e lineal:rnente independiente si aLAI + ... + an An = 0 s i , Y solo s i, al = 0, ~ = 0... an = 0.

18

Hacienda igual razonarniento que en e1 caso de dos vectares, Al, •• " An son 1. i. si l a ec ua c i Sn x1A1 + ... + ~ An ;;: 0 tiene como unicas s okuc i on e s Xl = 0, .. " ~ = 0.

Ejemplo

Las funciones x, sen x, cos x son 1.i. Para ver esto debemos buscar escalares a, b, c , tales que ax + b sen x + c cos x sea Ia func i.on cera para todo valor de x , Vearnos que esta c o ndi ci Sn implica que a = 0, b = 0, c = 0. Para ella damos valores convenientes a x y tenemos, par ej ernplo, para x = 0, que

a . 0 + b. sen ° + c • cos ° = °

es decir c = 0.

Si c ::::: 0, nuestra fu noi Sn es ax + b· sen x = O.

Tomando x ;;;; 2n (sen 2n = 0) resu1ta

a • 2n + b. sen Zrr = 0

luego a. 2n = 0, es decir a = O.

La furici Sn se reduce a

b • sen x::::: 0

y, para x= n/Z (sen n/Z = 1), queda b = O. Es d.eci r , hemos vista que

para que ax + b • sen x + c • cos x sea La runcf on cera, neoeSa1''L-Qmente a = 0, b = 0, c = 0; luego las funcione s x, s en x y cos x son 1. 1.

Ejercicios

1. Sean A y B dos fuerzas cuyas direcciones son diferentes, y sea C una tercera fuerza. Mostrar que A, B, C son 1. i. s i, Y solo si , la di r ec ci Sn de C no es ta contenida en el plano d et e r-rrri n.ad o par las direcciones de A y B.

2. Sean (0,1) y (1, O)enelejemplo de los pares de nfirrie r o s , Mostrar que para todo par de rnirrre r oa (a, b) los conjuntos (0,1), (1, 0) Y (a, b) no son 1. i ,

3. Mostrar que las funeiones sen x, sen 2x, sen 3x, ••• , sen nx son 1. i ,

4. Mostrar que las funciones sen x, sen 2x, sen 3x, ••• , sennx, cos x , cos 2x, "', cos nx, son 1. i.

5. Los polinomios 1, X, xa, x3 son 1. i. Mostrar que si p es un p o.li norrri o de tere er grado el conjunto {l, x, xa, x3, p] no es 1. i.

Definici6n. Cuando un conjunto no es 1. i. s e llama linealmente dependiente (1. d. ).

Conviene obs ervar que la dependencia a independencia lineal no es una propiedad individual de los vectores sino una propiedad de los conjuntos de vectores.

Teorema 2.2.1. Sea {Al' "', An] un eonjunto 1. i , de vectores. Entonees todo subconjunto no vaelo es 1. i ,

Demostraci6n. Sea S uri subconjunto de tAl> "', An]. Supongamos que se ordenan los lndices de modo tal que S = [Al, ••• , ~]. Si S fuera 1. d. existiri'an esealares no todos nulos tales que

luego, tornando

al'+l :;;; 0, ••• , an :;;; 0

resulta

no todos cera, contradiciendo la h l.pot e s i s de que el

• 1.

Observaci6n. Del hecho que t od o s los subconjuntos propios (es d eci r, diferentes del total) de un conjunto finito de vectores sean 1. i , no s e deduce que el conjunto total sea 1. i , En efecto, si se consideran, por ejemplo, los vectores (0,1), (1,0) y (2,3) (en el espacio vectorial de los pares de numeros) se VEl que [(0, 1),0, ° lJ) «0,1), (2, 3)} Y {(I, 0), (2,3)] son 1. i., rnientras que ((0,1), (1, 0), (2,3)] no 10 e s ,

19

Otro ej ern.pl.o pc dr Ia ser e1 de tres fuerzas no nulas con direcciones diferentes, pero las tres en un rn i s m o plano. El ejemplo de la pa g ina 17 y el ejercicio 1 de la pagina 18 mu e s t r an que estos vectores son l.i. dos ados, pero los t r e s forman un conjunto 1. d.

Teorema 2.2.2. Un conjunto formado par un solo vector A e s 1. i. s i., Y solo 5i, A I- 0,

Dernoet ractfin, Sea A f O. Si aA = 0 can a f 0, como a es un niimez-o real, a I- 0 irnplica que existe el nurnero real 1/ a Iuego (l/a) (aA) = (l/a). ° = O,pero(l/a)(aA)=W/a)a)(A)=l.A=A,

por 10 tanto A = 0, contradiciendo Ia h i pot.e s i s , Luego si A f 0, errtoric e s {A} es 1. i.

Si A = 0, para todo a (par ej ernp l o, a = 1), aA = ° Con a I- 0; par 10 tanto tA} es l.d.

3. Dependencia e Independencia Lineal (cant. )

En 10 que antecede hemos d efi ni do la independencia lineal de conjuntos finitos.

20

Cua ndo queremos definir estos mismos conceptos para conjuntos infinitos, nos encontramos que no estamos autorizados a hablar de sumas infinitas y, por 10 tanto, una definicion como la que se ha dado en la secci6n anterior notiene s e nt i d o, Podemos, sin embargo, utilizar la siguiente:

Definicion. Un c o njurrto cualquiera de vectores se dice 1. i. s i todo sub conjunto finito es l.i. (en el s entido anteriormente definido).

El teorema de la s ecc i Sn anterior nos dice que esta definicion no contradice a la ot r a, En particular, si el conjunto es finito, el conjunto total tarnbi en es uno de los subconjuntos a considerar.

Ejemplo

En el espacio vectorial de las func i on.e s continuas, las func i o-

nes (1, x, x, ... ,:x;II, ••• }formanunconjuntoinfinitol.i. Para ello ba s ta comprobar que, para cada n, [1, x, x2, ••• , x"} es 1. i. En efecto, si

(es d ec i r , la funci Sn que vale cero en todos los puntos), errtoric e s tomando .el valor de la fun ci Sn en los puntos 0, J., ••• , n r eauIta

ao· 1 + a1·Q + + a • 0 = 0
n
ao· 1 + a1 . 1 + + a . 1 = °
n
ao' 1 + a1 ·2 + + a . 2n = °
n
1 + + + n °
ao' al ·n ... an' n = y este sistema de n+ 1 ecuaciones con n+ 1 incognitas (las incognitas s erlan ao, .•. , an) tiene como unicas s oluciones ao = 0, ... , an = 0, puesto que el determinante es diferente de c e r o ,

Ejercicios

1. Verificar que las funciones sen x, sen 2x, ..• , sen nx, . .• forman un conjunto infinito 1. i.

2. En la d erno s t r a c i Sri del ejemplo anterior se dice "basta demostrarque, paracadan, {I, x, ... ,xn} es 1.i.". <!.Por que? (Eso no es exactamente 10 que di c e la definicion, ellector debe usar el teorema de la s e c c ion anterior. )

4. Bas es y Dimension

Teorema 2.4.1. Si {A, B} es un conjunto 1. d. y si A j:. 0, en-

21

tonces B es multiplo de A.

Demoet ra cfcn, Si {A, B) es 1. d. , existen a y b, arn bo s no cera, tales que aA + bB= 0. Pero b no puede ser cero, porque si 10 fuera tendri'a quesera/OyaA= 0,10 que es contrario ala hipotesis A I- O.

Si b I 0, existe el escalar lib, luego B ;:: [(-lib). a] A; es d ec i r , B es mfii ti.pl o de A.

Definicion. Dados dos vectores Al y ~, di rem.os que un vector B es comb inaoidn l.ineal: de Al Y Aa si existen escalares bl y ba, tales que B ;:: b1Al + b2Aa.

Ejercicio

Dem.ostrar que un par (x, y) es c orrrbi na c i on lineal de los pares (O,l)y(l,O).

Teorema 2.4.2. Si {A, B, C] es un c o njurrto 1. d. y s i (A, B} es 1. i., entonces C es c ornbi na.c i Sn lineal de A y B.

22

Demost r aci Sn, Como [A, B, C} es 1. d . , existen escalares a, b y c , no todos cero, tales que

aA + bB + cC = 0

Si e fuera c e r o, entonces a 0 b no podrlan s e r Io , y la ecu aci on s e reducirla a aA + bB = 0, contradiciendo el hecho de que tA, B} es 1. i.

Luego, c,. O. Por 10 tanto, existe el esealar 1/ e y de la condi ci Sn anterior resulta

C = (-l/c) (aA + bB)

y llamando cI = (-l/e)'a y c2 = (-lie) .b,tenemosC=c1A+c2B, como que r Iarno s dernostrar.

Definicion. Dado un conjunto finito de vectores (AI' ... , AnJ, di r errio s que un vector B es oomb inaeion "Lineal. de Al, ••. , An si existen esealares bl, •• " bn tales que

Teorema Z. 4. 3. 5i [AI. "', ArJ es 1. i , Y si (AI' ... , A., BJ es 1. d , , entonces B es c ornbi nac i on lineal de AI, .•. , Ar•

Demoetxaci Sn, De Ia segunda c orrdi c i on se deduce que existen escalares no todos nulos tales que

y, puesto que {Al! "', ArJ es 1.i.. entonces b ,. 0 (como ejercic i o, demuestre el lector esta a.fl r ma c ion}, luego existe lib y llamando b , = (- lib) . ai (i = 1, ... , r ) resulta

Corolario. Si [AI, .. " Ar} es 1. i. y si B no es c orrib irrac i on lineal de All".' Ay., entonces (AI, ... , Ar, B] es l.i.

La d ern oa t r a c'i Sn queda COITlO ejercicio para el lector.

Definicion. Un conjunto {Aa} de veetores de un espacio vectorial V (doride a recorre un conjunto cualquiera de fn di c e s ] s e dice un condunto de qeneradaree s i , para todo B € V, existe un nfirn e r o finito de veetores, sean Al, "', As, en (Aa] tales que B es COITlb'i.na c i on lineal de AI, "', A .

•

Ejemplos

1. Si V es un es pa.ci o vectorial y [Aa} e s el conjunto de todos los

vectores de V, entonces fAa] es un conjunto de generadores.

2. En el espacio vectorial de los pares d e nfirn e r-o s , {(O, I), (1, OJ] es un conjunto de generadores.

3. En el espacio vectorial de los polinomios, el conjunto formado por los polinomios [1, x, x2, ••• , xli, ' •• } es un c onj urrto de generadores.

Ejercici08

Encontrar conjuntos de generadores, que no sean todos los vectores del espacio, en los siguientes ejemplos:

1. las fuerzas que ac tfia.n en un punta,

2. las ternas de nurn e r o s ,

3. las n-uplas de mirri e r o s .

23

Definici6n. Un espacio vectorial V se dice de dimension finita si existe un conjunto finito de generadores.

Ejemplo

El espacio vectorial de los pares d e nurri e r o s (ve a s e el ejemplo 2 anterior) tiene un conjunto de generadores de dos elementos.

Ejercicios

1. Verificar que son espacios de dimension finita:

a) las fuerzas que ac tfia n sobre un punta,

b) los desplazamientos de un punto,

c). las n-uplas de rnim e r os ,

2. Mostrar que el espacio de todos los polinomios no ee de dimension fi ni t a ,

Teorema 2.4.4. Sea {Al' ... , ~] un conjunto finito de generadores de un espacio vectorial V y sea {B1, ••• ,B.} un conjunto L i , Entonces s ,,;; r ,

Demoet eactcn. Veamos que todo conjunto de mas de r vectores es 1. d.

Sea [Cl, ••• ,Ck} k > r un conjunto cualquiera de v ec to r e s , Como los vectores (AI' ... , Ar} forman un conjunto de generadores, tenemos

Cl = allAl + a12~ + C2 = ~lAl + ~2~ +

r r

que se puede escribir r

C1 == I ajJAJ i=a

[i = 1, ... , k)

Queremos rrio s t r a r que existen escalares cl, ••• , ck no todos nulos, tales que C1C1 + .•. + CkCk = O.

Para ello consider amos e1 sistema de ecuaciones

24

que tiene r ecuaciones y k incognitas. Como k > r , este sistema tiene soluciones no nul as quepodemos Ll arna r c j, ••• , ck• (Escrito en forma condensada, tenemos

k

I ctalJ = 0, para j = 1, 2, ..• , r ) 1=1

Entonces

y, como c a da coeficiente

De£inici6n. Un conjunto de vectores de un espacio V se dice una base si es 1. i , y a de ma s es un conjunto de generadores.

Ejemplos

1. En el espacio de los pares de nurn er os e1 conjunto ((0,1), (1, 0)] es una base.

2. En el espacio de los po.l i norni os , el conjunto (1, x, x2, •• " x", ... } es una base.

Ejercicios

Buscar bases de los siguientes espacios vectoriales:

1. las fuerzas que actfian sobre un punto,

2. los desplazamientos de un punto,

3. las ternas de nurn e r-os [x, y, z},

4. las n-uplas de nfim e r o s ,

Teorema 2.4.5. Sea V un espacio de di m e ns i Sn finita y sea [ VI' ..• , VB] 1. i , Entonces existen vectores Vs+1, ••• , Vn tales que

Este teorerna s e suele enunciar diciendo que todo conjunto 1. i , se puede cornp1etar hasta forrnar una base.

Demostraci6n. Sup ongarno s que tenem.os {V 11 ••• , V s] 1. i. Si [VI' ... , Va} es un conjunto de generadores, entonces es una base y e1 teorerna queda verificado.

5i [VI' "', v.: no es un conjunto de generadores, entonces existe un vector Vp+1 que no es c orribi na ci Sn lineal de V 1, ••• , Vs.

Par el t e o r erna 2.4. 3, el conjunto [V 1, ... , V s, VB +1] es 1.i. (En efecto, si fuera 1. d., como [VI, ... , V 5} es 1. i , r e s ult a.r ia V s -+- 1 cornbinac ion lineal de Vb' • " VB, contrariamente a la forrria que h erno s elegido V s +1. )

Si [Vh ... , VB' Va+l}, que es 1.i., fuera ta rnb i en un conjunto de generadores, la d ern os t.r ac i Sn habrla terrninado. Si no 10 fuera, repitiendo el razonarniento, existiri'a un vector VS+2 tal que

25

26

y as! sucesivamente po de rno s seguir agregando vectores en forma tal que

a) el conjunto obtenido es 1. i. ,

b) si no es un conjunto de generadores, sepodrlaagregar otro vector mas.

Por definicion de dimension finita, existe un conjunto finito de r generadores, y por el teorema 2.4.4, s i un conjunto es 1. i., no puede tener mas de r elementos.

Esto implica que nuestro proceso debe terminar antes de superar el nurrie r o r (puede terminar antes del r). Por la coridi c ion b), e s t e proceso termina unicamente s i el conjunto obtenido es un conjunto de generadores; pero, como por a) es 1. i , , quiere decir que este proceso sirve para obtener una base.

Corolario. Si V es un espacio no nulo de dimensi6n finita, entonces V tiene base.

Demostraci6n. Si V no es nul o, existeunvector V1f. O. Como [V t1 es 1. i., aplicamos el teorerna.

Ejercicios

1. Verificar que en e1 espacio de los pares de numeros, los vectores (1,2) Y (2,0) forman una base.

2. En el e sp a.ci o de las fuerzas, s i FlY Fa son dos fuerzas que tienen diferente di r ec c i Sn, entonces F 1, Fa es l. i. Completar este conjunto hasta formar una base.

3. En el espacio de las ternas de nfirn e r o a (1, 2, 3), (2,0,1) son 1. i. Completar este conjunto hasta formar una base.

4. Cal cul a r c ua t r o bases diferentes del espacio de las 5-uplas de

,.

numeros.

Teorema Z, 4. 6. Si dos conjuntos [All""~} Y [Bl, ... , BJ son bas es de un espacio, entonces r = s.

Demostraci6n. Como (Al' ... ,~} es una base, es en particular un conjunto 1. i. Como {B1, ••• ,Bs} es una bas e, es en particular un conjunto de generadores. Entonces e l teorema 2.4.4 dice que r s s .

Repitiendo el mismo razonamiento, pero observando ahora [Bl' ... ,B.J com.o conjunto 1. i. y {Al' ... , Ar} c orn o conjunto de generadores, resulta s :s::; r.

De las dos desigualdades s e deduce r = s.

Este teorema justifica la siguiente definicion:

Definici6n. Un espacio vectorial V se dice de dimension 1" si tiene una base de r vectores. Se escribe dim( V) == r.

Ejercicio

Calcular las dim.ensiones de los espacios estudiados en el ejerc i ci o anterior.

Corolario. 5i V es un espacio de dimension r , todo conjunto 1. i , de r vectores es una bas e,

En efecto, dim(V) = r significa que existe una base de r vectores. Si [AI' ... , Ar} es 1. i. podemos ampliarlo, por el teorema 2.4.5, hasta tener una base. Pero, como toda base debe tener r elementos, no ha ha bi do necesidad de agregar ntrigun vector, luego {AI, ... , Ar] es una base.

'17

5. Coordenadas

Sea V un espacio vectorial de dimension 2 (p o r ej emplo, los desplazamientos que puede sufrir un punto que se mantiene en un plano fijo) y sea {VI' V2] una base. Entonces, si A es un vector cualquiera de V, como {V 1, Va] es un conjunto de generadores, existen escalares all ~ tales que A = a1 V 1 + a2 Va (es decir, A es c orn.bi na c ion lineal de V1 Y Va).

s: a d erria s tu vi es erno s A = blVl + baV." restandoambas expresiones tendrlamos

pero como {Vl' V2} son 1. 1. por ser una base, entonces a1- bl = 0, aa - ba == 0, e s decir al == bl, aa = ba.

Esto nos dice que, una vez fijada la base, existen escalares unicos a1, ~ tales que A = a1 V 1 + aa Va'

5i consideramos Ia base ordenada; entonces obtenemos un unico par ordenado de escalares (aI' ~) para cada vector A, que se

llama eoordenadae de A respecto a La base ordenada dada. Dicha b as e s e l.Iarna r a base de »eferenoia, Po r ej erripl o, elconjunto [Fl' F2}

indicado en el dibujo forma una base del espacio vectorial de las fu e r z a s que actfian sobre un punto, manteniendo sus direcciones en un plano.

yF2

Ll arn erno s VI = Fl, Va = F2• Entonces, para toda fuer z a F resulta

\ /

\...-------""v ... ·-------~ (esta c orn bi na.c i Sn s e obtiene des-

XFl componiendo F segun las direccio-

nes de FlY Fa, Y calculando cada componente como rnfil.t i pl o de la correspondiente F 1), Y de esta e xp r e s i Sri obtenemos

F = XVI + yV2

y las coordenadas de F respecto a la base ordenada (VI' V2) es el par (x, y),

28

Las coordenadas de un vector d ep end en, evidentemente, de la bas e y del arden en que s e han tornado los vector es de bas e.

si se hubiera tornado VI= F2, V2 = Fl, entonces se tendrla

y las coordenadas s e rfan (y, x) (que respecto a la o r cieria c ion anterior hubieran s i do las del vector F1= yFl + xFa).

Podrlamos todavla considerar o t r a base ordenada, por ejemplo

en cuyo caso la fuerza F, que estabamos estudiando, resulta

e s de ci r

F = (2x - 3y) V 1 + (2y - x.) V2

y las coordenadas de F s e rfan ahora (2x - 3y, 2y - x),

El problema del cambio de base es uti1 en el c a.l c ul o de transformaciones, y I a forma en que cambian las coordenadas de un vector al c arnbi a r la base sera objeto de estudio en el capftul o siguiente.

Ejercicio

Calcular las coordenadas de un vector (a, b) (en el ej emplo de
los pares de nurrre r os ] respecto a las siguientes bas es:
i) V1 = (0, I ) Va = (I, l)
i i ) V1 = (0, 3) Va = (~, 0)
iii) V1 = (I, 2) Va = (1, 1 )
i v ) Vi = (3, 5) Va = (-1,2) Hasta aquf hemos vista que en un espacio vectorial de dimension 2, una vez fij ada una base ordenada , a cada vector corresponde un iini co par ordenado de coordenadas (y, reclprocamente, a cada par ordenado (a, b ) de coordenadas corresponde el vector a V1 + bYe)'

Queremos ver ahora como se reflejan en los pares de coordenadas las operaciones del espacio vectorial considerado.

SiA = a1V1 + ~Va y B=b1V1+ baVa son dOB vectores, sus pares de coordenadas son (al, a2) Y (bb b2), respectjvamente.

Entonces, el vector A + B resulta

es d ec.i r , sus coordenadas son (al + bll ~ + bal, ypara ca da escala r c tenemos

cA = c > a1 • V 1 + c • ~ . Va

que tiene por coordenadas (c a1, c Eta).

En esta forma, si se conocen las coordenadas de un conjunto de vectores, todas referidas a una rni s m a base ordenada, es posible calcular las c oor denadas del r es ult a do de cualquier op er a.ci Sn, siempre referidas a la misma base.

Es muy importante no olvidar que para operar con coordenadas debe rnantenerse fija la base ordenada de referencia.

30

Ejercicios

Sean los vectores A, B, C, cuyas coordenadas respecto a una base dada son, respectivamente, (2, i), (- l , 7), (3, - 2). Calcular las coordenadas de los vectores:

2 A - 5 B

A + ~) B-3 C -A + 2 B + (t) C

Consideremos nuevamente una base ordenada (VI, Va) de referencia y dos vectores arbitrarios A, B de coordenadas (aI' a,J y (bI, ba), respectivamente. i,Que condiciones deben cumplir las coordenadas para que A y B sean l.i. ?

Establezcamos entonces Ia ecua c ion vectorial

xA + yB = 0

[lJ

Escribiendo A Y B en func i Sn de la base de referenda t errerrio s

y Ia ecuac i.Sn resulta

= 0

2

a bien

[3J

Las soluciones de la ec ua ci Sn [1 J son las mismas de la [2J y de la [3 J, pero, como VI Y V2 son 1. i. par formar una base, las {micas soluciones de [3 J son tales que

xa1 + yb1 ;;: 0 xaa + yb2 = a

[ 4J

es d ec i r , los valores de x e y que satisfacen [1 ] son l08 miemoe que s ati sf'ac en e1 sistema de ecuaciones [4J (ahara un sistema de ecuaciones entre nfim e r os reales), y se sabe que este sistema tiene soluciones no todas nulas ai , y s610 s i , el determinante

I~

= 0

.". .

En s i.nt e s i s , h ern o s d ern o s t r a.do el siguiente t e o r erria ,

Teorema 2.5.1. Dados dos vectores A y B en un espacio de dimension 2, si (al, a;,) y (b1, ba) 5 on sus c oordenadas respecto a una base de referencia, {A, B} es 1. i. s i , y solo si, el determinante

Pas emos ahara al cas 0 general. Sea V un espacio vectorial de dimension finita (e.v.d.f.) y [Vl>"" Vn] unabasede V. Entonces, si A e V, como £ Vi' ..• Vn} es un conjunto de generadores, A debe s er una corribi na c i Sn lineal de V l' ••• ,Vn, es decir, deben existir e s c a.l a r e s al, .•• ,an tales que

Si , por otra parte, se tiene ta.rnb i en

resultarla, por diferencia,

y como [V l' •• " v.: es 1. i , par ser una bas e, entonees

es d e ci r

De aquf s e infiere que, una vez dado el vector A y I a bas e ordenada V l' ••• ,Vn, existe un unieo eonjunto ordenado de e s c a l a r e s (al, ••• , an) tal que

El conjunto ordenado (al, ••. , an) s e llama conjunto de coardenadas de A respecto a la base ordenada (V 1, •• " Vn).

Al nfirrre r o que ocupa ellugar i llamaremos coordenada i-esima de A.

Ejemplo

Sea V el espaeio de los pori norrii o s de grado rrreno r 0 igual a 3.

Entonces los polf norni o s {I, X, X'\ X3] fo r m an una bas e que s e considera en el orden en el que snr figura.

31

Si consideramos un polinomio P = ao + a1X + aaX2 + asXS, sus coordenadas respecto a la base de referencia fijada s e r an (ao, al, aa, as). Es claro que el orden en el que figuran los coeficientes no puede alterars e, ya que, por ej emplo (ab ao, ~, a3) son las coordenadas de Q = al + aoX + ~Xz + asXs y P cf Q.

Esto trae por cons ecuencia que el orden en que sees c r ib e La bas e tampoco puede alterarse. (El lector pod rfi verificar la diferencia en las coordenadas de P, si toma como bas e ordenada (X3, X2, X,

1 ). )

Es posible, sin embargo, usar cualquier otra base. Enlas aplicaciones que veremos mas adelante advertiremos la utilidad de u s a r ot r a s bases en este ejemplo de los polinomios de grado acotado.

Ejercicio

Verificar que en el espacio de las ternas de nlirneros los vectores V 1 = (1, 0, 1), V2 = (2, 3, - 1) Y Vs ;; (3, 3, 2) forman una base. Calcular las coordenadas del vector A = (- 2, ~, 5).

32

Supongamos ahora que V es un espacio de dimension n y sea (V1, • ", Vn) una base ordenada.

COInO a cada vector A corresponde uri limco conjunto ordenado de coordenadas y a cada conjunto ordenado de n escalares (s ean (cl, .•. , cn) ) corresponde un uruco vector C [torria.ndo C = cl V 1 + ... + + cn Vn), ve arno s como se reflejan las operaciones de V en los conjuntos de coordenadas.

Si A td erie coordenadas (al' ... , an) y B tiene (bll ... , bn) resulta

A = a1V1 + B = blVl +

luego

y para todo escalar c

es decir, la SUIna de dos vectores A y B tiene por coordenadas i· e s irn a.s la su:m.a de las coordenadas i-esiInas de los vectores sumandos.

El producto de un vector A por un es calar tiene por c oo r d ena da i-esima al producto de 1a coordenada i-esima del vector A por e1 esca1ar.

Teorema 2.5.2. Sea V un espacio vectorial de dimension n y (VI' ..• , Vn) una base ordenada de referencia. Sea [AI' ••• ,~} un conjunto finito de vectores, y para cada lndice i (1 5: i 5: k) las coordenadas de Ai Sean (an, a12, ••• , a1n). Entonces, e1 conjunto {Al' ..• , Ak] es 1. i , si , Y solo ai , la matriz

~l ala

tiene rango k ,

Obs e r ve s e que esta matriz tiene po r columnas las coordenadas de cada uno de los vectores.

Demoatxaci Sn. Puesto que Ai tiene coordenadas (an, ... , ain)

resulta

33

n

Ai = allVl + ... + ainVn = j~l a1.!V.!

Establezcamos, como en e l ca s o de dimension 2, la e c ua c i on vectorial

o sea

= 0

[1 J

Reemplazando cada Ai por su valor tenemos I Xi (L aq v.:

[2 J

= 0

o bien

= 0

[3J

Y, como en el caso antes es tudi ado, las ecuaci ones [1 J, [2J, [3J tienen las mismas soluciones. Pero [VI, •.• , v.i. siendouna bas e, es 1. i., luego [3] se cumple ai , y solo st , cada coeficiente

L xiaij es c e r o, es decir, [3J es equivalente al sistema

j = 1, ... , n

que puede escribirse en forma expllcita

x1aU + X:3az1 + x1a12 + ~~ +

+ ~akl = 0 + ~ak2 = 0

[4J

Aho r a bien, el conjunto {Al' ... , AI,J es 1. i. si, y solo si, la e cu ac i Sn [1 J tiene c orno Iini ca.s soluciones todas c e r o s , y por ser equi valente aI [ 4 J, si , Y solo si, el si stema [4] tiene como unicas soluciones ceros, y esto, a su vez, es e qui va.l ent e, por un resultado elemental de algebra, a que la matriz de los coeficientes tenga r arrgo k (es decir, que existan k filas tales que el determinante de k X k que ellas forman sea diferente de cera).

6. Subespacios

Sea V el espacio vectorial de las funciones continuas, y sea S el subconjunto de V formado por las funciones que valen 0 para x = a. S = [f I:: V; f (a) = OJ. Como la suma de dos funciones se define punto a punto, entonces si f, g I:: S, t arribi e n f + g I:: S, - f I:: S y cf € S para todo escalar c. Es este un ejemplo de un subconjunto S de un espacio vectorial V tal que, con las operaciones ya definidas en V, S es un espacio vectorial (queda a cargo del lector verificar todos los a xi orna s de la s ec ci Sn I).

Otro ejemplo: Sea V el espacio de todos los polinomios de grade, ::;; 3, Y sea S el conjunto de todos los polinomios de grado s; 2. Entonces S, con las operaciones definidas en V, es un espacio vectorial (verifi'ques e).

Estos ej emplos muestran que, dentro de un espacio vectorial V, pueden existir subconjuntos S que, con las operaciones definidas en V, p e r o haciendo c a ao orrri s o de los v e ct o r e s que no es tan en S, S es un espacio vectorial.

Definicion. Si V eS un espacio vectorial, un s ubc onju nto no vac Io s <;;: V se llama un eubeepaeio si 5, conlas operaciones definidas en V, es un espacio vectorial.

Esto significa que S debe verificar los axiomas de la s ec ci Sn 1. (5i A, B c S entonces A + B € S, etc.)

Ejercicios

Si V es un espacio vectorial, verificar que los siguientes subconjuntos son subespacios:

i) {OJ (es decir, el conjunto que s610 contiene el vector c e r o}; i i ] V;

iii) el conjunto de todos los rrrul ri p l o s de un vector no nulo A;

IV) el conjunto de todas las cornbinaciones lineales de tres vectores A, B Y C.

Es rnuy importante saber deterrninar c uando un subconjunto S de un espacio V es un subespacio. Evidentemente, de acuerdo con la definicion, 5 debe satisfacer las condiciones de e spa.ci o vectorial estudiadas en La s ec ci on 1; pero, por e1 hecho de ser S una parte de V y las operaciones de 5 las rn i s rria s de V, hay propiedades "universales" que, curnpl l endos e para todos los vectores de V, deben cumplirse en particular para todos los vectores de S. Ellas son:

35

G:a) Pa.ra todo A, B, C f; S, vale

(A + B) + C

A + (B + C)

Gs) Para todo A, B e: 5, vale

A+B=B+A

Va) Para todo A e: 5, a, b escalares,

(ab) A = a (bAl

V3) Si A, B e 5 y a es esca1ar, entonces

a (A + B) = aA + aB

v 4) sr a, b son esca1ares y A e: 5, entonces

(a + b) A = aA + bA

Vs) 1. A = A para todo A e: 5 (l es e1 escalar 1).

Por 10 tanto, no hay necesidad de verificar que se curnplen en S, puesto que esto es consecuencia de cumplirse en V.

Re s t a r fa entonces verificar las cuatro propiedades siguientes:

Gl) Para todo A, B € S, resulta A + B e S.

G3) ExisteO' c S,talqueA + 0' ;;;; 0' + A;;;; AparatodoAe: S.

G4) Para cada A e: S existe A', tal que

A + A' = A' + A = 0'

Vl) Si A e: S y a e s un es c a.l a r , entonces aA e S.

Veamos, en primer lugar, que necesariamente 0' = 0 (e1 c e r o de V, luego para todo s ub e apa ci o S S V, 0 debe pertenecer as) y A' = - A (es decir, el opuesto en S debe coincidir COn el opuesto en V).

Sea X e S, entonces

36

X + 0' = X

pero como las operaciones de S son las mismas de V, podemos interpretar esta suma como r ea.l i z a.da en V, donde a derna s t eriern o s - X can la propiedad (- X) + X = O. Surnando - X a ambos mielTIbros resulta

(- X) + (X + 0') = (- X) + X = 0
(- X + X) + 0' = 0
0 + 0' = 0 y pa r a Gj Ie n V A + 0 = A para
todo A): 0' ;;;; O. Ahara tenemos que A + A' ;;;; 0' = 0 es t arn bi eri una SUITla en V, donde A + (-A) = 0, luego, aurna ndo (en V) -A, t en.erno s

-A + A + A' = 0 + (-A)
(-A + A) + A' = -A
0 + A' = -A
AT = -A Entonces, para S ~ V, las propiedades G3 y G4que debe satisfacer S para ser subespacio se reducen a:

G~) 0 e S.

G~) Si A e S, entonces -A c S,

En slntesis, para que S <;: V sea un subespacio es necesario y s ufici ente que verifique Gl, G~, G,l, V l'

Teorema Z. 6.1. Sea S un subconjunto no vaclo de un espacio vectorial V. Las condiciones siguientes son equi valentes:

1) 51) Para todo par A, B e 5, a, b escalares, aA + bB e S.

2) Sl) Para todo par A, B e 5, s e tiene A - B e S.

S2) Si A e S, a es cala r, entonces aA c S.

3) 5 es un subespacio de V.

Demoatz-aci.Sn, Para derno at r a r la equiva1encia de estas propiedades veamos que 1) ~ 2), 2) ~ 3), 3) ~ 1).

1)~2). 5upongarrlOsqueS verifical}. SiA, B c 5,tOlnandoa=1, b = -1 resulta (u s ando SI)que A - B e S,luego se verifica Sl'

Si A c S, a e s c a Ia r , tomando B = A, b = 0 tenemos (usando SI) que aA e S, 10 que verifica Sa.

2) ~ 3). Supongamos que 5 cumple Sl Y Sa. Para ver que es un subespacio debemos verificar Gl, G~, G~, V l'

G~) Como S no eS vac fo, existe A e S.

A, A, por Sl resulta A - A :;;; 0 € S.

Tomando el par

G,l) Si A € S, como ya sabemos que 0 e S, tomamos el par 0, A. Luego por Sl tenemos 0 - A = -A e 5.

Gl) Si A, B c S entonces por G~) - B c 5. Considerando el par A, - B obtenemos A - (- B) = A + B c S.

V 1) es el rrri s rno Sa.

3) ~ I}. Supongamos que S es un subespacio. Si A, B € S, a, b escalares, entonces aA y bB E: 5 po r V 1- Entonces, aA + + bB e S por G1•

Dimension

Lema. Sea 5 un subespacio de V y AI' • , " Ar vectores de 5. Entonces (Al, ... , Ar] es 1. i , en 5 s i, y s610 s i, es 1. i. en V.

El resultado es evidente puesto que las operaciones de S son las mismas de V y el cera de S es el mismo de V, luego Ia existen-

cia 0 no de escalares no nulos tales que I a1A1 = 0 es indepen-. diente del hecho de considerars e en S a en V.

Como S es un e s pa ci o vectorial, s e tiene definida la dimension de S.

Teorem.a 2.6.2. Si V es un espacio de dimension n y S es un subespacio, entonces

38

i) S tiene dimension finita. ii) dim S :s; dim V.

iii) dim S = dim V s i , y solo si , S = V.

Demostraci6n. Si (Al' •.• , Ar} es un conjunto 1. i. en S, entonces es 1. i. en V, luego (vease el teorema 2.4.4) resulta r s n (porque V tiene una bas e - -luego un conjunto de generadores - - de n vectores).

Sea [Bl' .. " Be] un conjunto 1. i. en S que sentido que para todo C c S, {B1, ••• , B., CJ {Bl, ... , Be} es una base de S y dim S = s ,

sea maximo en el es 1. d. Entonces

Esto siempre se puede encontrar puesto que todo conjunto 1. i. en S debe tener no mas de n elementos.

Entonces s s; n, es decir dim S s; dim V.

Esto verifica i ) e ii).

Para verificar iii) tenemos, evidentemente, que si S = V, entonces dim S = dim V.

Si dim S = dim V, entonces existe una base de S compuestade n vectores, sean BlI .. " Bn.

Pero n vectores 1. i. en V forman una base de V, luego, para todo X € V, X :: xlB1 + ... + ~Bn y como B1, •• " Bn pertenece a S, por aplicaciones reiteradas de 8') tenemos X e S.

Luego V S S v, como par hipotesis S s: V, resulta S = V.

Ejercicio6

1. Sea V el espacio de todas las fuerzas que actfian en un punta. Sean F 1> Fa do s fu e r z.a s que t.i en en distinta di r ec ci Sn, Verificar

que el conjunto de todas las combinaciones lineales xF 1 + yFa es un subespacio S. Calcular la dimension.

2. Calcular las dimensiones de los subespacios de los ejercicios iii) y iv) de la pa gi.na 35.

Observaciones. Todo espacio V de dimension n tiene un solo subespacio de dimension n (que es e1 mismo V) y un solo subespac i o de dimension cero (que es el subconjunto formado por el vector cero solamente).

Si V tiene, por ej errrpl o, dimension 2, entonces los unicos subespacios que contiene [ad erna.s de los dos antes citados) son de dimension l.

Corolario. Sean S1' Sa subespacios de V.

i ] si S1 S; Sa, entonces dim 51 :;;; dim Sa'

ii) si S1 £ Sa Y dim S1 = dim Sa, entonces Sl = Sa.

5i S1, Sa son subespacios de V y si 51 S; Sa, entonces S1 es subespacio de Sa (ya que Sa es un espacio vectorial). Entonces i ) y i i ) resultan, respectivamente, de las afirmaciones ii) y iii) del teorema anterior.

39

7. Operaciones con Subespacios

Teorema 2..7.1. Sea V un espacio vectorial y 51' s, dos subespacios. Entonces Sl n Sa es un subespacio de V,

Demos teaci.Sn, Para verificar que 1a interseccion 51 n Sa es un subespacio debe cumplir la coridi c i Sn 5') del teorema 2.6.1.

5i A, B E: 51 n Sa, a, b escalares, entonces, en particular, A, B E: 51, Y como 51 es un subespacio tenemos aA + bB E: 51' Pero tambien A, B E: Sa, Y por la misma ra z on aA + bB E: Sa, luego aA + bB e sIn Sa,

Teorema 2..7.2.. Sea V un espacio vectorial y [Sa} (a recorriendo un conjunto de lndices) un conjunto no vacfo de subespacios. Entonces n Sa (la Lnt e r s e c c i Sn d e todos los Sa) es un subespacio de V. a

Demostraci6n. Veamos que n Sa verifica Sf). a

Si A, B € n Sa Y a, b son escalares, entonces A, B pertenecen a cada uno de los SQ, luego aA + bB pertenece a todos los Sa y, por consiguiente, a su inters ec c ion.

Ejernplos

1. Sea V e1 e s pa ci o de los po.li norni os de grado s; 3. Sea 51 el subespacio de los polinornios de grado s; 2 Y 52 e1 subespacio forrnado par los po l i.norrri o s de la forrna a X + bXz + CX3. Entonces 51 n 52 es el conjunto de los polinornios de la forrna aX + bX2, que es un subespacio de V.

Z. Sea V el espaci o de todas las func i orie s continuas rea1es. Sea 51 el subespacio de todas las funciones que valen cero para x =: a, y 52 el de todas las que valen cera para x = b. Entonces Sl n S2 es e1 conjunto de las funciones que se anulan en a y b.

3. Sea V el espacio de todas las funciones reales continuas. Sea Sa (a entero) el conjunto de funciones que se a.nu l a.n enx == 2na, entonces n Sa e s el conjunto de funciones que s e anulan en x == 2 TIi para todo entero i. Deterrnine el lector 17 funciones diferentes que pertenecen a n 5a•

Teorerna 2.7.3. Sea C uri conjunto de vectores de un espacio vectorial V. Entonces existe un s ub es pa ci o S S;;;; V tal que:

40

i) S;;> c.

ii) Para todo subespacio 5' tal que S' .::2 C s e tiene S' :2 S.

(S es, entonces, el rnenor subespacio que contiene C. )

Dernostraci6n. Sea (Sa} el conjunto de todos los subespacios que contienen C. [Sa} no es vacfo ya que C c;;;;_ V yVes un subespac i o de V.

Sea S == n Sa. Corrie C esta contenido en todos los Sa, eritoric e s e s ta contenido en su i nt e r s ec ci Sn 5. Es decir C ~ S.

Si S' :2 C, entonces S' es alguno de los Sa y, corno S == n Sa es ta contenido en cada uno de los Sa, resulta S £ S I.

Definicion. El s ub es pac i o S citado en el teorerna 2. 7. 3 ~ e llama eubeepacio qenerado por el: oonjunto C.

Teorerna 2.7.4. Sea C un conjunto de vectores de un espacio vectorial V. Entonc es el subespacio generado por C es el conjunto de cornbinaciones lineales de los vectores de Co

Dernoat r acf Sn, Sea S el subespacio generadopor C y sea S' el conjunto de todas las cornbinaciones lineales de los elernentos de C.

Como C es parte de S y S es un subespacio, toda c ornbi na c i Sn de elementos de C debe pertenecer a S, luego S' <;; S.

Veamos que, a su vez, S' es un subespacio de V que contiene C.

si V, V' son vectores de 8', existen vectores Vb"" Vr, VL •. " V! en C y e s c a l a r e s aH aJ tales que V = a1V1 + .•. + a, Vr, V' :::: aiV{ + ... + a~ V~, puesto que todos los vectores de 8' son combinaciones de vectores de C, y si eye' son escalares

ta rnbi en es una c o rn bi n.a c i Sri de elernentos de C, luego cV + c'V' E: S'.

Por 10 tanto, S' es un subespacio de V. P~r otra parte, entre todas las cornbinaciones lineales de elernentos de C apa r ec e, para cada V E: C, 1 .V, luego V e: S' es decir C C S'.

Corn o S' es un subespacio que contiene C, por la definicion de S resulta S' 2 S.

De S' ~ S, S' d Sse deduce S':::: S.

Definici6n. Sean S1 Y Sa dos subespacios de un espacio vectorial V, y sea C = S1 U Sa (es decir C es el conjunto de vectores que pertenecen por 10 rnenos a uno de los S1)' Se Ll arrra swna de los subespacios S1 Y Sa (y se escribe Sl + Sa) al s ub e s pa c i o de V generado p o r C.

Teorema 2.7.5. S1 + Sa es el conjunto de sumas V + V' con V e S 1, V' e: Sa.

Dernostraci6n. Por el teorema anterior y la definicion de surna, SI + Sa e s el conjunto de cornbinaciones lineales de vectores de C, es decir A e: SI + Sa s i , Y s610 si , existen vectores VI' .•• , v ; E: C y escalares a1 con A :::: al VI + •.• + ar Vr•

Corrie los vectores de C pertenecen a SI 0 a Sa, agrupando prirnero los t e r rrri.no s que e s tan en S1 y los que no en 5 egundo lugar, resulta

Pero VI, ... , V 6 e: 51 y 51 es un s ub e s pa.c i o irnp1ican que el primer pa r ent e s i s es un vector V de S1' Los vectores del segundo pa r ent e s Is e s t an en S", 1uego por las m i s rna s razones este .os un vector V' e: Sa, es decir A =: V + V'.

.41

Es evidente, por otro Iado, que todas las sumas V + VI eatar, en 51 + Sa, 10 que concluye Ia derno st raci.Sn.

Ejercici08

1. En el espacio de las fuerzas que actfian sobre un punto deterrni na r los subespacios generados por:

i) una fuerza no nul a,

ii) dos fuerzas no colineales, iii) tres fuerzas coplanares.

2. En el e spac i o de las ternas de mirne r oa , encontrar bases para los subespacios generados por:

i) el vector (3, 1, 2),
ii) los vectores (3, 1, 2) y (6, 2, 4),
iii ) los vectores (3, 1, 2) Y (3, 2, 1 ),
iv) los vectores (3, 1, 2), (3, 2, 1) Y (3, 0, 3 ). 3. En el espacio de las ternas de numeros calcular 51 n ~ si:

.42 i) 51 es e1 s ub e s pa ci o de los vectores (0, x, y), siendo x e y

variables, y 52 es el subespacio del ejercicio 2. iii).

ii) 51 es e1 subespacio generado p o r u, 0, 0) y (0, 1, 0) Y ~ es el mismo anterior.

4. En el e s pa ci o de las 4-uplas de ntirne r o s calcular una base de 51 + 5a si:

i) Sl es ta generado por (l, 0, 0, 0) Y Sa esta generado por u , 2, 3,4) Y (1,2,0,0).

i i} Sl es el conjunto de vectores (x, Y, 0, z) y ~ esta generado por (3, 1,2, 0) y (3,2, 1,0).

Definicion. Sea (SlI .•• , 5n} un conjunto de subespacios y sea C = U SI el conjunto de vectores que pertenecen por 10 menos a uno de los SI. Se llama surna de los S1 al subespacio 5 generado.

por C, Y se escribe S = 51 + •.. + S, 0 bien S = L:~ SI'

En slntesis, La suma 5 s e puede definir como un s ub es pa ci o que satisface las condiciones siguientes:

a) para todo i = 1, ••• ,n, SI S s,

b) si 51 es un subespacio tal que SI C SI {i = 1, "', n}, entonc e s 5 \; Sr.

Teorema 2.7.6. La surna SJ_ + •.. + Sn es el conjunto S dd vectores de la forma A1 + ... + An con A1 e: 51 (i = 1,2, .• " n},

Demcatz-act Sn, Por el teorerna 2.7.4, S es el conjunto de combinaciones lineales D = L CjCj de vectores Cj £ C. Corno C = U Sl' cada Cj pertenece por 10 rn e no s a un S1" Reordenando la surna podernos escribir enprirn.er lugar los terrn.inos en los que Cj e s ta en 5lJ luego aquel l os en los que CJ no esta en Sl, pero sf en Sa, y aSl s uc e s i varn erit a, y t errerno s

D = C1C1 + •. 0 + c, C, + cr +lCr +1 + .•• + Cr Cr + .•• + CaCs

'-- 1 1/ 1 1 :a 2

en Sl en Sa

aplicando Ia ley asociativa, y llamando

t erierno s

Y 1 c 1 por ser com r a z cn D2 c Sa, etc.

Hemos demo strada pues que todo D e S es surna de vectores D1 con D1 e S1'

Ejercicios

Demostrar:

4. (Ley rn.odular) Dados s., Sa, S3, tales que

43

ii ) S 1 + S3 = S:;l + S 3 , iii) S 1 n S3 = S2 n S 3

entonces S1 = S2 (d erno s t r a r que todo X de S1 pertenece a 52' )

Definici6n. Si 51 ~ 52 son s ube s pa c i o s , se llama compl.emento de 51 respecto a S2 a un s ub e s p a ci o 5 ~ ~ 52 tal que:

i) 51 n Sl = (0), ii) S1 + Si = ~,

Teo r erria 2.7.7. Dado 51 C;; 52 con 52 de dimension finita, exi s - te s i errip r e por 10 rn eno s un c ornpl ern ent.o,

Demcat ractbn, Sea (V 1> ••• , Vr] una bas e de S1' COITlO 51 C;; S2, [V 11 ••• , Vr] es un conjunto 1. i. en 52, luego exi sten tv.,; ... , V s} tales que (V 1, .•• ,Vr, Vr+1 •.•• , V.} es una bas e de S2'

Sea S' e1 subespacio generado por tv.., . ", v.i. Ve arno s que S' e s un complemento de S1 respecto a 52 .

44

Puesto que C = S1 US' contiene (V 1, .. , , Va}, entonc es el subespacio generado por C, es decir Sl + 5', contiene al subespacio generado por {V1' ... , Va], que es s, (S1 + S' 2 Sa). Como S 1 C;; S2 Y 5' C;; 52 por Ia definicion de s urn a resulta 51 + 5' C;; S2' luego 51 + 5' = 52'

Sea X c 51 n 5', entonces X c S1 Y X e 5'. COITlO {V1, ••• ,Vr] eS una base de S1 Y Vr+l> ... , V. son generadores de S' resulta

X = a1 V 1 + + ar Vr Y

-X = ar+1Vr+1 + •.. + a.V.

luego la SUITla da:

o = alV1 + .•• + ar Vr +ar+1Vr+1 + ••. +as Va

pero COITlO { VI' .. " VB] es 1. i. ,

a1 :::: 0, ••• , a, :::: 0, ar+1 :::: 0, ••• , a. == 0,

por 10 tanto X = O. Es d ec i r , S1 n S' ~ (0). COITlO (0) C;; S1 Y (0) £: S'tambien (0) ~ S1 n Sf, 1uego S1 n 5' :::: (0).

Corolario. Si S1 ~ S2 son subespacios, si di rn 52 es finita, Y si 5' es un cornp l ernerito de S1 respecto as, entonces

di rn S' = dim 52 - di rn S1'

Demcat.ract Sn, Sea (VI' •.• Vr} una base de s, y Vt, "', V~ una base de S',

De 51 + S' ;;;: 52 s e si gue que todo vector X de Sa s e puede escribir X = Y + Z, Y E: Sl' Z E: S', Si Y E: SI, Y es combina ci Sn lineal de VI' •• " Vr Y Z E: SI implica que Z es combina ci Sn lineal de vt, .. " V~, luego X es corribtna c ion lineal de VI' ••• , Vr, Vt, .•• ,V~, es decir (Vl, ••• , Vr, VL .•. , Vn es un conjunto de generadores de ~.

Si , ad erna s , es e conjunto es 1. i., entonces es una base de ~, y COIno Hene r I k vectores, Be Hene

dim SOl = r + k = dim Sl + dim S',

Veamos que es 1. i. :

e nt orrc e s

y la primera suma dice V e Sl' la segunda V E: Sf, luego V e: Sl n SI Y, como Sl n SI = (0); resulta V = 0;luegoa1V1+ ... + arVr = a Y como (V 1, ••• , Vr] es 1. i , resulta a1 = 0, ••• , a, ;;;: O.

Del mismo modo

bl ;;;: 0, ••• , bk = a

como querlamos dern.ostrar.

Teorema 2.7.8. Si V es un espacio de dimension finita, SI, S2 subespacios, entonces

Demostraci6n. Como V tiene dimension finita, todos los subespacio8 benen diIuension finita.

Como Sl n S2 ,;;;:; Sa, sea S I un cornplemento de SI n S2 respecto a S2, luego

Vea:mos que S' es tarnbi e n co:mple:mento de Sl respecto a Sl + ~.

En efecto, de 8' <;; Sa resulta

y co:mo 5' n 51 <;; Sf, entonces

Por otra parte, Sa n 81 <;; 51, luego

por 10 tanto

(2) di:m S I = di:m (Sa + 51) - di:m Sl

De (1) y (2) resulta e1 teore:ma.

Ejercicios

1. Utilizar el teore:ma anterior para encontrar otra dernos t r ac i cn de la ley :modular.

2. En e1 eje:mplo de las fuerzas que actfian sobre un punto, si S es el subespacio generado por dos fuerzas FlY Fa de direcciones diferentes, encontrar un co:mple:mento de S respecto a V.

3. Sea V el espacio de las ternas de nurne r os (x, y, z). Sea Sl el subespacio generado por (0, 1, 0) y (1, 0, 0), y S2 e1 subespacio de las ternas (a, b, c) tales que a + b + c = o, Calcular Sl + 52, 51n Sa y verificar el teore:ma anterior.

3

TRANSFORMACIONES LINEALES

1. Definicion y Ejetnplos

ASl COtnO cuando se estudian las funciones de los nUrneros reales, con valores t.ambi en reales, interesan especial:mente las funciones continuas, cuando estudia:mos funciones de un espacio vectorial con valores en otro interesan aqu el la s que poseen ciertas propiedades especiales.

Las funciones continuas son aquel la s que preservan ciertas propiedades topol Sgi c aa de los nfirn e r o s reales. En los espacios vectoriales interesa, en ca:mbio, conservar las estructuras algebraicas.

Se trata, entonces, de coris e r va r las operaciones; es d ec i r , que la t r a ns fo r m.a ci Sn sea tal que "cons erve"las dos operaciones funda:mentales que definen La estructura de espacio vectorial. Es decir, si if> es una t r ansfo rrnaci Sn de un espacio V en un espacio W tal que if> (A) = AI y HB) = BI, quere:mos que HA+B) = AI + BI Y if> (kA) = k if> (A) para todo escalar k ,

w

En slntesis, podemos dar la siguiente definicion.

Definicion. Una furici Sn <I2 : V -f W (de un espacio vectorial V en

un espacio vectorial W) se dice una t r arisf o r-m ac l Sn lineal ai , para todo A, B € V, k E IK (lKes el cuerpo de escalares) se tiene

<I2 (A + B) = HkA) =

HA) + cI> (B) k cI> (A).

Conviene observar que en las igualdades anteriores las operaciones que figuran en cada rniernbro tienen significados diferentes.

En el caso cI> (A + B) = ip (A) + cI> (B}, el signo de surna del primer rrii ernb r o, en A + B, significa la surna efectuada enel espacio V, en tanto que en el segundo rniernbro tenernos <I2 (A) + cI> (B) y, como cI> (A) Y ip (B) en W, luego ip (A) + ip (B) representa la surna realizada en W. Una obs e r vac i Sn igual puede hacers e en la c ondi.ci Sn HkA) = kip{A).

Considerernos algunos ejernplos:

1. Sea V el espacio de las ternas ordenadas de nurn e r o s (a, b, c) y W el espacio de los pares ordenados de nurn e r o s , Defi narno s ip por Ia c ondi ci on cI> (a, b, c) = (a, b), entonces

"'[(a b c)+(al b ' c '}'] - "'(a +a',b +b',c +c') = (a+a',b-t-b')=

" " " -"

= (a, b) + (ai, b'): ~ (a, b, c)+ ~ (a ', b', c'),y

cI>(k(a,b,c» = iJi(ka,kb,kc) = (ka,kb) = k(a,b) = = k~(a,b,c)

Iuego es una t r a ne fo r-rna c i Sn lineal.

2. Sea V el espacio vectorial de las fuerzas que a ctfian en un punto P, TT un plano que pasa por P y W el espacio vectorial de las fuerzas que ac tuari sabre P, cuyas direcciones son rectas de TT. Consi-

d e r erno s una di r ecc i Sn L cual qui e r a que no sea paraleia a TT, y sea if? la t r an sfo r rna ci Sn que a cada fuerza F de V l e hace corresponder su p r oyeccf Sn s ob r e rr s e gfin Ia direccion L. Queda a cargo del lector verificar que ip es una transforIllacion lineal.

L

~ (F)

~------------------~ n

3. Sea V un espacio vectorial de d i rn errs i Sn finita n Y V1, ••• , Vn una base de V. Entonces, para cada vector Xc V existen escalares

unicos Xl, ••• , Xn tales que X = xl Vl + ..• Xu Vn• Sea W otro espacio vectorial y Z,-, •• " Zn un conjunto cualqucera de vectores de W. Definamos ip por la c ondi ci Sn

ip es una t r arrsfo rrrrac i Sn lineal (i veriflquese! ).

4. Sea V el espacio vectorial de todos los polinornios y W el espaci o de las funciones continuas. Si p [XJ € V, definimos ~ (p [X]) = pIX), es decir, la funci Sn (continua) d efi ni da por el polinomio p. Para comprobar que ~ e s una t cansfo rmacf Sn lineal conviene recordar que la suma de dos polinomios

s e define po r

e

(ao + bo) + (al + bl)X + ... + (ab + bs)X ,

donde s = max (n , r) yac = 0 si n < c s S, b , = 0 si r < c $; s. Por otro lado, para funciones continuas f (x), g (x) la suma s e define punto a punto, es d ec i r , f + g es la func i Sn que en cada punto t vale fIt) + get), 0 sea, (f+ g){x) = f'{x] + g(x).

para cada valor t, toma Como valor p (t ), es resulta de reernplazar X por t , (Si p (X) = entonces p [t ) = ao + a1 t + ... + an tn. )

Para demostrar que it> es lineal habra que verificar, en primer l uga r , que it> (p + g) = it> (p) + it> (g), es decir, la funci Sn

t orn a, para cada t., el valor suma de ao + a1t + . .. + antn mas bo + b 1 t + .•. + bn tD •

Un razonamiento similar debe hacerse para verificar que

~ (k p) = k ip (p)

si k es un escalar.

Teorema 3.1.1. Para toda t r anafo r mac i Sn lineal <l1, se tiene

ip( - x) = - ip (x) p(O) = 0

A9

Demostraci6n. 8i A e V, A + 0 = A, Y como <11 es lineal resulta <11 (A) + <11(0) = <11 (A), luego <11(0) = 00

- X es el unico vector tal que X + (- X) = 0, luego

0= <11(0) = <l1(X+(-X» = <l1(X)+ H-X)

par 10 tanto

~(-X) = -tP(X)o

50

Teorema 3.1. Z. 8ea V un espacio vectorial de dimension finita, W un espacio vectorial, (V 1, 00 0, Vn} una bas e de Vy ( Zl, • 00, Zn} un conjunto cualquiera de vectores de W. Entonces existe una fmi ca t r a.ns fo r ma ci Sn lineal ~ : V _, W tal que <11 (Vi) = Zi (1 ~ i s n},

Demcet eaci Sn, 8i X € V, existe un unico conjunto ordenado de escalares (Xl' • 0 • , Xn) tal que X = xl V 1 + .•. + Xn Vo' Entonces definimos ~ (X) = Xl Zl + 0 o. + ~ Zn 0

Veamos que <l1 es una t r ans fo rrnaci Sn lineal. En efecto, s i

entonc es

luego

<P (X + Y) = (Xl + Yl) Zl + • '0 + (Xn + Yn) Zn =

= X Z1 + ••• + X Zo + Y Z1 + '0' + Y Zo = = <11 (X) + HY)

(k X) = kx Z1 + ••• + kx Zo = k (X Zl + 0 .0 + X Zo) = k <11 (X).

Esto prueba la existencia de <Po

les que cumplen las condiciones del teorema, tenemos, para todo X e V, que

~1 (X) = \Ql (Xl V 1 + .•• + ~ Vo) = Xl <Pl (Vl) + .00 + Xn ~1(Vn) = ;;:; x1Z+···+XnZ

qia(X) = tPa (Xl V 1 + . 0 0 + Xn Vn) = Xl <11a (V 1) + 0 •• + ~ <11a (Vn) = = Xl Z 1 + . . . + xn Zn

luego ~l (X) = tPa (X) para todo X, es decir <111 = <11a.

2. Nucleo, Comicl eo e Imagen

En e1 ejem.plo 1 de 1a secci6n anterior vim.os que si un vector de V es de la forma (0,0, c) entonces ~ (0,0, c) = (0,0) y (0, 0) es el vector nul o de W. A5ftam.biEm, 5i Ha, b, c)=(O, 0), entoncesa=b=O, es decir, los vectores de V que se aplican en el cero por ~ son exactamente aquel Ios de la form.a (0,0, c).

Definicion. Sea ~ : V - W una transform.aci6n linea1. Se llam.a nUcZeo de ~ (notaci6n: Ker ~) al conjunto de vectores X e V tal que HX) = 0,

En e1 ejemplo 2, Ker ~ esta com.puesto por todas las fuerzas cuya di r ec ci Sn es paralela a la recta L. En el ej em.plo 4, Ker ~ consiste s ol.arn ent e en el polinom.io cera. (En efecto, para que p (x) sea la funci6n cera, entonces todo mim ez-o real es r afz de 1a ecuacion p (x) = 0, y si p no es e1 polinomio nul o, t end rji un cierto grado r, y es sabido que un polinomio de grado r no puede tener m.as de r r afc e s , )

Ejercicios

1. Sea V e1 espacio de ternas ordenadas y W el espacio de cuaternas ordenadas. Considerem.os la base compuesta par las ternas (1, 0, 0), (0, 1, 0) Y (0, 0, 1) y ~ la t r an.sfo rrn ac i Sn lineal definida en el ejemplo 3 tomando Zl = (1,2,3,4), Za = (1,0,1,0), Z3 = (0,2,2, 4) (es decir, definida por ~ (a, b, c) = a Zl + b Za + c Z3)' Calcular Ker e ,

2, Sean V = W el espacio de los polinom.ios de grado menor que 3. i la transform.aci6n definida por

a) Demostrar que ~ es una t r ansfo r rnac i Sn lineal.

b) Calcular Ker ~.

Utili zarem.os la nora ci on t , 1. para t r a ns fo rrraac i on lineal.

Teorema 3.2.1. Si ~: V -> W es una t. 1., Ker <P es un subespacio de V.

Demostraci6n. Utilizando los resultados del Cap. II, s eccron 6, s ab ernoa que Ker ~ sera un subespacio st , y 5610 s i , para todo X, Y E: Ker 011, a, b es c al a r e sve e obtiene a X + bY€: Ker 011. Entonc es , si X, Y e: Ker <P s e r an of1 (X) = HY) = ° y como i es t. 1. resulta

51

ip(aX+bY)::; HaX)+~(bY)::; a ip(X)+b~(Y)=a·O+b.O::: a

luego a X + bY E: Ker ~.

Teorema 3. Z. 2. Si S es un subespacio de un espacio vectorial V de dimension finita, existe una t r an sf'o r'rn ac i Sn ~ : V _, V tal que Ker ~ = S.

Demostraci6n. Sea S <;; V. Como S es un subespacio, entonc es existen vectores Vl, ••• , V~ E: S que forman una base de S. En particular, son 1. i. en V, luego Se puede comp1etar una base, es decir, encontrar vectores Wr+l, ••• ,Wn tales que

V 1, ••• .v., Wr+l>"" Wn

sea una base de V.

Como todo vector X c V s e escribe

x = xl V 1 + ... + ~ Vr + ~+l W r+1 + .•. + ~ W n,

52

l Iarriarno s cP (X) al vector

Es facil verificar que ~ es una t. 1. Ad erns s, para que <P(X) = 0, como Wr+l' .. " Wn son 1. i., entonces necesariamente ~+l = .•. = :: ~ = 0, es decir ~ (X) = a s i, y solo s i , X es combrnaci Sn lineal de Vl, .• " Vn Y como estos vectores generan 5, entonces Ker ~::; S.

Definici6n. Sea cp : V _, 'W una t.1. Se llama imagen de cP (not ac i Sn: Irn CP) al conjunto de vectores Y E: 'W, tales que existe X E: V con ~ (X) = Y.

Es decir, Irn cP es e1 conjunto de vectores ~ (X) E: 'W para todo X E: V.

Ejemplos

1. En los ej emplos 1 y l de la s ecci Sn 1 de este c apftul o, Irn ~ es Ia tota1idad de 'W •

2. En la t r a.ns fo r rna ci Sn definida en el t eo r erna anterior, Irn ~ es el subespacio generado por [Wr+H ••• , W n}'

3. Sea V = W el espacio de las ce r na s de mirn e r os y ~ la transform.acion tal que cP (a, b , c) = (a, b , 0). Entonces Irn ~ es el c o nj unt o de vectores de la forma (x, y, 0).

Ejercicio8

1. Verificar las afirmaciones enunciadas enlos ejemplos anteriores.

2. Sean V el espacio de los polinomios y W el espacio de las ternas de nfirn e r o s , Determinar Ia imagen de las t.l. definidas POr

i) t (ao 0, aa)
~l (L: at X ) = + al,
ii) 1 (L: at, 0)
~2 (1:: at X ) == al,
iii) t {ao, a1, az}
q,,,, (Z a1 X ) ==
i v) t (ao, ao + al, ao)
it'4 (L: at X ) =
v) 1 (ao - al, ao - ~)
it's (L: at X ) = al - aa, (i Verifique si it'l, .. " ~s son t. 1. ! )

Teorema 3.2.3. Si ~ V - W es una t.l., entonces Irn ~ es un subespacio de W.

Derrio at r ac'i Sn , Para verificar que Irn ip es un subespacio basta verificar que, si Y 1, Ya c Irn ip y si kl' ka son e s c al.a r e s , entonc es klYl + ka Ys e: Irn it'.

53

En efecto, Y 1, Ya c Irn ip implica que existen Xl, Xa tales que

Entonces

es d ec i r

luego Irn ~ es un subespacio de W.

Ejercicio

Demuestre que todo subespacio S de un espacio es imagen de alguna t, 1. ~.

Teorema 3.2.4. Sea ~ : V .... W una t.!. Si tVa} es un conjunto de generadores de V, ent.oric e.s (~(Va}} es un conjunto de generadores de Irn ~.

Dernoatxacf Sn, Sea Y c Im ip, entonces existe X 8 V con ~ (X) = Y y, p o r 10 tanto, existen V 1, ••• ,Va E: tVa} tales que

luego

Teorema 3.2. S. Sea <l1 : V .... W una t.l. y sean VI, •• " Vr e V.

Si <l1(Vll,. ", ~(Vr) son 1.i. en W, entonces Vl, "', Vr son l.i. enV.

Denlostraci6n. Sea Xl V 1 + ••• + x, Vr = 0, entonces, COnlO HO) = Otenenlosxl~(Vl)+"'+XrHVr)=O, luego, por ser <l1 (V 1), .•• , <l1 (Vr) 1. i. resultan n.ec es a r-i a.rn e nt e xl = ~ = ... = x, = o ,

Ejercicios

1. Buscar una t, 1. <l1: V ..... W y vectores V 11 ••• , Vr e V tales que (gj (Vl), •• " gj (Vr)) generen Irn gj, aunque (V1, ••• , Vr} no sean generadores de V.

2. Buscar una t, 1. ~ : V ..... W y vectores V 1, ••• , Vr en V tales que tv, .. " Vr} sean 1. i , en V, aunque gj (Vt), •• " <l1 (Vr) no sean 1. i , en W.

Si ob s e r varrao s e1 ej ernp lo 1 de la s ec ci Sn 1 de este c apft.ul o tenemos que <l1 es la t r a n.s fo r-rn ac i Sn del espacio de ternas en el espacio de pares definida por gj (a, b, c) = (a, b) y que Ker ~ es el subespado de vectores de La forma (0,0, x), Luego Ker <l1 tiene dimension 1, puesto que (0, 0, x) = x (0, 0, 1) Y el (0, 0, 1 l es un generador (no nulo) de Ker gj. Por otro Iado, Irn gj es todo el es pa c io de pares, que se sabe tiene dimension 2, y COnlO el espacio de ternas tiene dimension 3 nos resulta, en este ejemplo, que de gj: V .... W se obtiene

dim V = dim Ker P + dim 1m p.

Veamos que este resultado es general.

Teorema 3.2.6. Sea gj : V ..... W una t.1. y sea V de dimension finita. Entonces 1m ~ es un subespacio de di.rn errai Sn fi ni ta de W y

di m V = dim Ker ~ + dim Irn P

Demostraci6n. Como V se supone de dimension finita tiene un conjunto finito de generadores Al, ••. , Ar• Segun el teorema 3. 2.4 resulta que ~ (Al), •• " ~ (Ar l generan 1m <l1, luego Irn {> tiene dimension finita.

Po r consiguiente, podemos encontrar una base Zl' •.• ' Zt de Irn ip. Como Zl' •.• 1 Zs € Irn gi, existen Y 1, ••• , Y, en V tales que Zl = ~(Y1)' .•. , Z8 = ip(Ys). Se gun el teorema 3.2.5, (YH···, Ys} son 1. i. en V.

Sea ahora (V1I ••• , v.: unabase de Ker ip. Es preciso demostrar que tV1I 0 •• I Vr, Y1, ••• , Y.} forman una base de V.

a) (V1, ••• , Vn Y1I ••• I Y.} es un conjunto l.i.

En efecto, si

+ b. Y I = 0,

aplicando ip resulta, puesto que gi (Vt) = 0 porque Vi c Ker ip,

b1 ip (Y1) + .•. + b , <r(Ys) = 0 b1 Zl + ... + b. z, = 0

y como {Z11 o. 0, Z.] es 1. i., necesariamente b1 =

Luego La ecuaci6n [1] s e reduce a

55

y como (V 11 •.• , v.: es 1. i. por s er una bas e de Ker gi, entonc es a1 = aa = ... = a, = o ,

b) {V1, ••• 1 Vrl Y1, ••• , Y.} genera V.

Sea X e: V. Debemos dernostrar que X es una cornbfna.ci Sn lineal de los vectores del conjunto en estudio.

En prime r lugar, gi (X) e: Irri gi y, como (Z11 •. " Z.} es una base de Irn <r, tenernos

A = X - kl Y1 -

luego ~ (A) = 0, es deci r, A e: Ker CPo

Pero, como {V 1, 0 •• , v.: es una bas e de Ker gi, resulta

por 10 tanto

como querlamos encontrar.

Luego, si di rn Ker ~ = r, dim Irn ~ = s encontramos dim V = = r + s, con 10 que queda demostrado el t eo r ern a,

Hemos visto que un subespacio S de un espacio V es un subconjunto de V que constituye, par S1 mismo, un espacio vectorial con las operaciones inducidas par las de V. Por 10 tanto, podemos considerar a S desde dos puntas de vista, bien como un espacio vectorial aislado, bien como una parte de V. Ll arn ern os , para a c la r a r las ideas, S al espacio aislado y S a l subespacio de V. La aplicacion que a cada X E: S hace corresponder el rni s rno X, pero ahora como elemento de V, es una t r an.sfo rrnac i Sn lineal que se llama inc Zusion.

El subespacio Ker ~ ~ V, para ca da ip : V _, W puede definirse par una propiedad universal y una inclusion.

56 Definicion. Si ~ : V -+ W es una t r an sfo rrn ac i Sn lineal, s e llama

coruieleo de ~ (nota ci Sn: CoKer ip) a un espacio C y una transiorrna c i Sn lineal '¥ : W"" C, tales que Ker '¥ = 1m ip e Irn '¥ = C.

Teorema 3.2..7. Si ip : V -+ W es una t. l. y W tiene dimension finita, entonces existe CoKer ~.

Demostraci6n. Como Irn ~ es un subespacio de W y W tiene dimension fi ni ta, tarnbi en Irn ~ tiene dimension fi ni ta , luego existe una base finita [V1, ••• , VrJ de Irn CP.

Como (V1, ••• , Vr} es unconjuntol.i. existen vectores

Wr+1) •• " Wn

en W, tales que [V1I "', Vr, Wr+1, •.. , Wn} es una base de W.

Sea C un espacio vectorial de dimension n - r y sea

una base de C (por ejemplo, s e puede torria r C e1 espacio de las (n - r) -uplas de numeros Y Z1 = (0, ..• 10, 1,0, •.. , 0), el 1 en posicion i. ).

Pod erno s entonces definir l' [v ea s e t eo r ern a 3.1.2) t orria ndo

Ob s e r va ci Sn , Los t eo r erria s 3.2.2 y 3.2.7 son va Ii dos sin Ia r e s t rd c ci Sn de dimension finita. Para demostrarlos es necesario usar el concepto de espacio cociente (deducido de una r e.Ia ci Sn de equivalencia) que no se introduce aquf par razones de es p ac i o ,

3. Matrices

Las propiedades de los vectores han sido estudiadas presdndiendo poco mas 0 menos de las bas es, pero para t r abaj a r con e110s es necesario conocer una base y hacer los c al.cul o s sobre el conjunto de coordenadas. En forma similar, si bien las transforll1adones lineales pueden estudiarse sinhacer referencia alguna a las bases de los espacios d orrri ni o y co dorrri ni o (que se d efi.ni r ari rn a s ad el ant e ), un calculo efectivo de las mi srnas exige el conocimiento de dichas bases,

El t e o r erria 3,1.2 nos dice que una t r aris fo r rn ac i Sn lineal cp queda determinada si se conocen los vectores cp(V1), ••• , cp(Vn)pa-

r a una base V V del dominio, 10 que nos p ez-rni ti rfi conocer

cp si podernos caracterizar di c ho conjunto finito de vectores del c odorni ni o .

Este teorerna nos rnuestra la Irnpo r tancf a de las bases en el cfil.oul o de trans formaciones lineales.

Supongarnos conocidas una base ordenada V 1, ••• , Vo de V, una base ordenada W 1, •• " W. de IN y sea cp : V -+ IN una t r a ns fo r ma.c i Sn lineal.

Entonces tendremos vectores

cp(V1) = all W1 + a21 W2 + cp(V2) = a12 W1 + a22 W2 +

Y queremos ver que el conjunto de escalares a1J que figura a Ilf', con la doble o r d e na c i o n dada por el par de fndices, sirve para calcular cp(X) cualquiera que sea X en V.

Para sirnplificar la not.a.ci Sn e s c r i bi rno s dichos escalares en un r ec tarigu lo

57

all a12 a1n

a21 a22 a2n

que se denomina la matriz de cp en las bases V 1, ••• ,Vn de V y W 1, ••• , W s de W.

ASl como las coordenadas de un vector c arn bi an cuando se modifica la base de referencia, tarnbi en Ia matriz de cp sera en general diferente si se taman bases distintas en V y en W. Podemos determinar como cambian los coeficientes de la matriz de cp al cambiar las bases,y este es el objetivo de la s ec ci Sn 3.5.

Volviendo a nuestro rectangulo de coeficientes decimos que:

Dadas las bases ordenadae, escribimos como primera columna las coordenadas de qJ (V 1) respecto a la bas e W 1, •.. , W s, en el orden que les corresponde, como segunda columna las coordenadas de qJ(V2), y a sf sucesivamente.

58

Podemos decir que la matriz de cp se ha construido tomando la suc e s i Sn cp (V 1), .. " c:p (Vn) y desarrollando cada uno de estos vectores COIIlO cohullna ell funciondelas bases V/1, •.• , 'lIn es deciI,

poniendo

de donde resulta cp(VJ} = ~ all Wi' Como ambas bases estan ordenadas, no es necesario escribirlas, puesto que el lector sabe a que vector de base corresponde cada escalar dada su posicion en Ia matriz.

Veamos ahara como dado un vector cualquiera X e V se puede determinar cp(X).

Si X e: V, entonces X= X1V1 + .•. + Xn Vn puesto que Vl, ... , Vn es una base, Y com.o r.p es una transform.aci6n lineal tendrem.os

Escribiendo ahara cada uno de los vectores ep (VJ) enfunci6n de las bas es W l' ••• , W s r e s ul.ta r a

r.p (X) ;;: Xl (all W 1 + ~l W2 + ... + as1 W.) +
+ Xz (a12 W 1 + ~2 W2 + ... + aa2 We) +
+ .....................................................
.. .. .. .. .. .. .. .. .. .. .. .. .. . .. .. .. .. .. .. .. . .. .. .. .. .. .. . .. ..
+ Xn (aln W 1 + a2n W2 + ... + asn Ws ;;:
;;: (all Xl + ala X:a + ... + a1nx,,) W1 +
+ (~lXl + ~~ + ... + "-2nx,,) W2 +
.. .. .. .. .. .. .. .. .. . .. .. .. . .. .. ,. ............................ Por 10 tanto, encontram.os las coordenadas de r.p [X] respecto a la base W 1, .. " W SI conocidas las coordenadas de X respecto a Ia base V1, "', Vn, Y la m.atriz de r.p en las bases dadas.

Si escribim.os

YB

all a12 •• , a1n "-21 ~ ... Cign

Entenderem.os que

Yl ;;: all Xl + a12 ~ + Y2 = "-21 Xl + ~ ~ +

etc., 0 sea, oada Yi es la surna de los productos de cada elemento de la fila i de la matriz por el elemento que ocupa el mismo 1ugar en la sucesi6n de las coordenadas de X, y entonces Yl, Ya, ... 'YB s e r an las coordenadas de r.p(X) en la base W1, "', Ws'

Ejercicios

1. Sea V = IR3, W = IRa y sea r.p la t r arrs fo r rn ac i Sri definida por

r.p((X, y, z ) = (x + y, X - z).

59

a) Calcular la matriz de cp s i se t orna n como bases:

V 1 = (l, 0, 0) W 1 = (1, 0)

V2 = (0,1,0) W2:::: (0,1)

Va = (0, 0, 1)

b) Calcular la m at r i z de cp si se eligen como bases

V1 = (1,1,0) W1:::: (1,2)

V2 = u, 0, 1 ) W2:::: (2,3)

V3:::: (0,1,1)

2. Si rp : R3 - 1R2, Y las bases se eligen como en el ej e r c i c i o l a ), sea la matriz de cpll~_~ ill. Calcular cp(X)paralos siguientesvectores:

x = (1,0,2) X (1,2,3) X :::: (2, - 1, 5)

4. Operaciones con Transforrnaciones Lineales

60

Hasta ahora hemos trabajado can una t r a ns fo rrn aci Sn lineal, veamos 10 que podemos e nc orit r a r trabajando con varias transformaciones lineales 0, en su defecto, con todas las trans formaciones lineales entre dos espacios V y W.

Las transformaciones lineales son esencialmente funciones, donde la variable recorre los vectores de V y la fu nc i ori toma los valores en W.

Definicion. Si ~ : V -> W es una t r a.ns fo r rna.c i Sn lineal, el espacio V se llama dominio de ~ y el espacio W se llama oodominio de ~.

Definicion. Dos transformaciones lineales ~, 'f : V - W se dicen iguales si para todo X E: V se tiene ip (X) = 'f (X).

Esta es la misma definicion de igualdad que se utiliza para funciones, en general. Nos es util porque podernos definir una

t ransfo rrnaci Sn lineal ip fijando los valores ip (X) para todo X del dominic {verificando entonc es que ~ es transformaci6ri lineal}.

Cuando en el anal Lai s elemental se tienen dos funciones continuas, se define la sumapuntoa punto; es decir, s e d efi ne La func i Sn f + g como a que l l a cuyos valores son (f + g) (x) = f (x) + g (x) para cada x, Luego hay que verificar que la surna de funciones continuas es continua.

Estudiando transformaciones lineales debemos hacer algo sirni Ia r .

Definici6n. Dadas dos transformaciones lineales, <Ii, 'f: V - W se l Iarria SUITla (y se escribe q, + 'f) a la furici on definida por

(<Ii + 'f) (X) == \P(X) + 'fIX)

para todo X e V.

Observaciones

1. Para definir la suma de dos transformaciones lineales es necesario que ambas tengan el mismo dominic y e1 mismo codominio.

2. El signo + en iJ? + '¥ es por e1 momento solo un signo formal, rni ent r a s que el signo + que aparece en el segundo miembro de la forITlula precedente es una SUITla de vectores en W.

Teorema 3.4.1. La SUITla de dos transformaciones lineales' es una t r a ns fo r.rna c i Sn lineal.

Demostraci6n. Si <Ii, 'f : V - W son transformaciones lineales, para d errio s tz-a r que q, + 'f tarn bi eri 10 es, d eb errro s verificar que:

61

(<Ii + 'f) (X + Y) == ('11 + 'f) (X) + ('11 + '¥) (Y)

para todo x, Y e v, y
(ip + '1') (kX) == k • (q, + 'f) [X]
para todo k e IK, X e V.
Entonces,
(<Ii + 'f) (X + Y) :;; l' (X + Y) + 'Y (X + Y) ==
= {dX) + iJ? (Y) + '¥ (X) + l' (Y) ==
== '11 (X) + 'f (X) + <Ii (Y) + 'f (Y) ==
== ('11 + '1') (X) + «Ii + 11) (Y).
(q, + 'f) (kX) == <Ii (kX) + '1' (kX) ==
== kHX)+k'f(X)=
== k > (iJ? (X) + '¥ (X) ) ==
== k·(<Ii+'f)(X). Obs e rvaci Sn. En los distintos pasos de esta d errio s t r a c i Sri se ha utilizado: a) Ia d efi ni c i Sn de l a surna de t r a n s fo r-rn a c i on e s

62

lineales, b) el hecho de ser q, y 'I' transformaciones lineales y c) las propiedades conmutativa y distributiva de la suma que valen en el es pa.ci o W. lPodrla ellector indicar cua l p r opi eda d s e ha uti ; lizado en cada paso?

Teorema 3.4. Z. Sean ip, 'I' : V ..... W, (Vl, ••• , Vn) una base ordenada de V y (WI' •• " Wr) una base ordenada de W. Si II atJll y II boll son, r e s p ec ti varn ent e , las rna.t r-i c ea de .p y 'I' en dichas bases, entonces Ilip + 'I'll = IIa1J + b!JII; es decir, la matriz que en cada lugar [i , j) tiene por coeficiente la suma de los coeficientes de II ip II y II 'I' II que ocupan el mismo lugar (i, j) en cada una de ellas.

Demostraci6n. Sab errio s que II iii + 'I'll se construye colocando en c o lurrma las coordenadas en la base W1, ••• , Wr de cada uno de los vectores t.r a ns fo r rria doa de VJ• Entonces, si

ip(Vj) = a1JW1+ 'I'(Vj) = b1jW1+

tenemos (por definicion) que

(iii + 'f) (Vj) HV) + 'I'(Vj) =

= (a 1J + b 1j) W 1 + ... + (~j + b, j) W r

como ue r farno s d ern os t r a r ,

Ejemplo

Si ip, 'I' : V _, W, V el espacio de ternas y W el de pares, tienen matrices.

Entonces

Ilip + 'I'll = Iii

3 5

~Il

Definicion. Dada una t r aris fo r-mac i Sn lineal ip :" V _, W y un escalar k, s e llama producto de k por ip (not a ci Sn k ip) a la transforrnaci Sn lineal de V en W definida par (k ~) (X) = k . ~ [X},

Teorema 3.4.3. El p r o du ct o de un escalar por una transforma ci Sn lineal es una t ransfo rrnac i Sn lineal.

Demostraci6n:

(k ip) (X + Y) = k[HX + Y)] = k (ip(X) + HYl) = = k· iI!(X) +kil!(Y) = (kcp) (X) + (k iii) (Y)

(k ~) (tX) = k· [ ip (tX) ] = k· t ~ (X) = = t· k ip (X) = t • (k iJi) (X).

Ejercicioe

1. Dados dos e s p a c i o s vectoria1es V y W, demostrar que el conjunto de las trans formaciones lineales de V en \Ii [not.ac i Sn Horn (V, W»), con las operaciones definidas anteriormente, es un espacio vectorial.

2. Si V y \Ii son de di m e ns i Sn fi ni ta, s i V1, •• " Vn es una base de V y s i W1, •• " Wr una base de W, definimos E1J : V ... W (transformaciones lineales) hacienda

Esto define n X r transformaciones lineales (puesto que i va rfa de 1 any j de 1 a r).

Demostrar que el conjunto (EiJ) 1 ::::;; i::::;; n, 1 ::::;; j ::::;; r)farmauna bas e de HaIl\.: (V, W), luego

dim [Ho~ (V, W)] = dim V x dim W.

63

Teorema 3, 4. 4. Si II iJi II

IlalJl1 entonces Ilk iJi II

Demostraci6n. Ya hemos vi s to que cada columna de Ia matriz de una t ra nsfo rrna ci Sn lineal de V en W, previamente fijadas las bases ordenadas de cada uno de estos espacios, s e compone de las coordenadas, en la bas e elegida de \Ii y del vector transformado de cada uno de los que componen la base elegida de V.

Luego

por 10 tanto,

(k iJi) (V J) = k- iJi (V J ) = k L'r a 1 j WI

1= 1

es decir, todos los coeficientes de Ia matriz de tiplicados por k para obtener la matriz de k iJi.

1=1

iJi deben ser mul-

Definici6n. Sean V1, Va, V3 tres espacios vectoriales y sean iJi : VI ... V2, 0/: V2 ..... Va trans formaciones lineales. Se llama producto fiji: V1 ... V3 a la t.r arrsfo rrnac i Sn que resulta de la aplf c ac i Sn sucesiva de iJi y 'f; es deci.r,para cada X € V sera ('f (1) (X) = f (91 (X) ).

Obs e rvaci Sn, Para que este "producto" tenga sentido, es necesario que el dorrri ni o de 'f c oi nci da con el codominio de ~, ya que debemos aplicar la t r a.n.sfo r ma ci Sn '±' al vector ~ (X).

Teorema 3.4. 5. El producto de transformaciones lineales es una t r an s fo r rna ci Sn lineal.

Demoatz aci.Sn:

('f~) (X+ Y) = 'f[~(X+ Y)] = 'f[~(X) + ~(Y)] =

= 'f[ ~ (X)] + 'f [~(Y)] = ('f ~)(X) + ('f iJ!) (Y).

('±' ~)(kX) = '±'[~(kX)] = ,±,[k· iJ!(X)] = k· 'f[HX)] = k 0' ~) (X).

EjercicioB

1. Sean V1 el espacio de ternas de numeros, V2 el de pares Y V3 el espacio de los polinomios. Sean ip : V1 ~ V:3' definido por

64 y '±' : Va ~ v3, definido por '±' (a, b) = aXa + (b - a) x. Calcular la t.r ans fo r ma c ion 'f~.

2. Sean V1, Va, v3, V4 e s p a ci o s vectoriales, y

Demostrar que

'f 1 (iJ!1 + ~2) = '1' 1 ~l + '1'1 iJ!a ('±\ + 'fa) iJ!1 = '1'1 iJ!1 + 'fa ~1 e ('f1 ipl) = (8 'f1) iI11 .

Definicion. Dadas dos matrices IIa1kll y IIb1JII tales que el nfimere de columnas de Ia primera es igual a l nfirn e r o de filas de Ia segunda, se llama producto a La matriz que en cada lugar (i, j) tiene por coeficiente al escalar ~ aile blcl; es decir la suma de los productos aile bkJ obtenidos, para cada k , multiplicando el elemento que ocupa ellugar k enla fila i de la primera por el elemento que ocupa el mismo lugar k en la columna j de Ia segunda.

Esto indica que para encontrar el coeficiente del lugar (i, j) (fila i , columna j) del producto debe considerarse, en las matrices factores,

~//I//I//I//I//I/t0

j

la fila i de Ia primera, que sera (an, •• " alB) Y la columna j de la s egunda, 0 sea (b1J, ••• , bsJ) que por h'i p ot e s i s tienen iguallongitud, Y el coeficiente buscado sera an b1j + al2baj + ..• + alB bSJ' La ITlat r i z resultante t end ra entonces tantas fHas como la primera y tantas co Iurnria s COITlO La segunda.

Si queremos, por ejemplo, rriul ri pl i car
.---------, ,--
, . 0
f--2_j , ,II -1
_1 , I
3 -1 , ,
, ,
o 4 '2' 3
L_j tendremos, para el lugar (1, 1) el coeficiente 1· 1 + 2.2 = 5, para el (1, 2) el valor l' (- 1) + 2' 3 = 5, etc , , obt erri en.do s e el producto

65

5 5 2 1 - 6 -1 8 12 4

EjercicioB

Calcular e1 producto

2 o

~Ij

y

-1 o 2 -1

1 -1 o 2 -1 1

I\_~

2 o

~\1.

Teorema 3.4.6. Sean q, : V1 .... Va, '±': Va ~ Vs trans formaciones lineales. Sean [Vl, ••• , Vn} una base de V1, (W1,. ", We] una base de Va Y {Zl' ... , Zr} una bas e de VS' Si II a1k II es Ia matriz de '±' y II b1JII eS la rn a t r i z de q" en las bases i nd i c a da s , entonces I a mat r i z de '±' q, en las bases (V 1, •• " Vn] {Zl1 ... , z.j es e1 producto de las matrices Ila1kll·llb1JII.

Demostraci6n. Tal como se han construido las matrices de una t r an.sfo r ma c i Sn lineal, la columna j tiene por coeficiente las coordenadas del vector transformado del j -esimo vector de la base del p r i rn e r e sp a ci o , Es decir, La matriz que buscamos t e nd r a en di c ha columna las coordenadas de ('±' q,) (Vj). Pero ('±'~) (Vj) = = '±'[~(Vj)J Y HVj) tiene por coordenadas los co efi ci ent es d e Ia columna j de la matriz de q" es d ec i r

Y

g,{VJ) = b1jW1 + + bBjWB

'±' [~(VJ)] = b1j '±'(W 1) + ... + bel rtw.:

Pero, en este caso 'f(W1), •• ', 'f(Ws) se c a l c ul an u s an do l a rn a-. triz de '1', es decir

Luego

'I' [q, (VJ)] ::: b1j (all Zl + ... + allZ! + ... + ar1Zr) + + b2j (~2 Zl + .•. + a12Z1 + .•. + ar2Zr) +

.............................. ., .

Y, s urna nd o , nos queda por coeficiente de ZI el valor

que e s el e s c a.La r , que debe ocupar el lugar (i, j) en la matriz de 'f ~, como que r farnos demostrar.

Ejemplos

66

Si VI es el espacio de las ternas ordenadas de numeros con bases (1,0, OJ, (0,1,0) Y (0, 0, 1),V2 el e sp ac i o d e los pares, tomando como base (l, 0) y (0, 1) Y V3 el espacio de los polinomios de grado menor que 4, eligiendo por bases: WI::: 1, W2= X, W3=X2, W4= = X3.

Sean q, V 1

V <1 definido po r

q,(x,y,z) = (x + y, z )

y 'f V2 _, V3 definido por

'f (0, 1) = 5x3 + 2x - 1 'f (1, 0) = 3 x2 - 2 x + 7

a) deterrninar la t r a ns fo r rria c i Sn 'f q"

b) ca Icul.a r las matrices de 'f, ~ y 'f ~ en forma di r ecta, verificando la ley de c ons t ru c ci Sn del producto.

Inversa. La t r a.nsfo r mac i Sn identidad I : V _, V, definida por I (X) = X para t o do X, es una t r a nafo r m ac i Sn lineal. Existe una t r an.sfo r mac i Sn identidad para cada espacio vectorial. Eventualmente, si queremos especificar sobre que espacio estamos

trabajando, notaremos Iv, ~, s egfin se trate de la t r a.ns Ior rna ci Sn identidad de V, W, etc.

Definicion. rna inve!'sa de =I"ycp,±,=lw

Si cp: V -> W es una t r a ne fo r m ac i Sn lineal, se llacp a una t r a nsf o r ma ci Sn lineal'±' : W -> V tal que'±' cp =

Es evidente que no toda t r a ns Io r rna ci Sn Ii ne a.l tiene inversa. Por ejemplo, si V := ]q3, W:= ]q2, ninguna ep : V -> W puede tener inversa, ya que si \f : W _, V, Ia dimension de la imagen de \f sera a 10 sumo 2, y como Im(,±, cp) <;; Irn '±' resulta dim Irn ('±'cp) :s: 2.Porlotanto, Irn ('±' cp) =J V, Y deben e xi s t i r vectores X con X r 1m ('±' cp); por consiguiente '±' cp (X) =J X Y 'fcp =J 1.

Como esto vale para todos los 'f : W -> V no existe 'f con'±' cp = Iv'

Nos i rit e r e s a conocer bajo que condiciones una t r aris fo r m ac i Sn lineal tiene inversa.

Resulta de la definicion que s i 'f es i nv e r s a de cp, entonces cp es inversa de 'f.

Teorema 3.4.7. Si 1 : V -+ V eS I a t r-a ns fo r ma ci Sn identidad, para todo cp : V -> W, 'f: W --+ V s e tiene cp 1 := rp e I 'f = 'f.

Derno st r-ac i Sn:

(cpl) (X)

cp(l (X»

cp (X) para todo X,

luego cp 1 == cp

(1'f) (X) = 1('±' (X»

'±' (X) para todo X,

luego 1 'l' := '±'.

Teorema 3.4.8. Si q; V .... W tiene inversa, dicha inversa es unica.

Derno st r ac i Sn, Si 'fl' If2 son inversas de q; (es decir, satisfacen las condiciones de Ia definicion), tenemos

luego

If 1 ( q; If a) := ( '±' 1 q;) '±' a :;:: I 'l' a

67

Teorerna 3.4.9. Sea ~ : V ...... W una t r a ns Io r ma c.i Sn lineal. Si existe inversa 1 : W -f V, entonces Ker ~= (0), Irn ~ = W.

Demostraci6n. Si 1 ~ = 1111, tendremos, para todo X E: V

(1 ~) (X) = X.

Si X E: Ker ~, entonc es

(1' ip) (X) = 1'[ip (X)] = l' (0) = O,luego X = O.

Esto dlce que el umco vector en Ker iP es el cero, luego Ker ip (0).

Si ~ 1 = 11101, para todo Y E: W se tiene

Y = (ijl '±') (Y) = ip ('±' (Y»,

y si llamamos

Z ::::: 1 (Y) E: V

resulta

68

Y = qi (Z)

luego

pero, como Irn ip £; W (porque ~ : V -> W), resulta Im ~ = W.

Corolario. Si ~ : V .... W tiene inversa, entonces dim V = dim W.

Dernostraci6n. Segun el t e o r erri a 3.2.6 tenemos

dim V = dim Ker ijl + dim Irn ijl,

pero Ker qi = (0) i rnp Ii c a dim Ker ~ = 0 y de W = Irn ~ resulta dim V = dim W.

Este corolario muestra que s Sl o pueden existir transformaciones con inversa cuando el dominio y el c od orni.ni o tienen igual dimension.

Definici6n. Se llama isomorfismo a una t r arrsfo rrn ac i Sn lineal con inversa.

Teorerna 3.4.10. Si ~ : V ...... W es una t r a n.s f o r rn.a c i o n lineal tal que Ker ~ ::::: (0), Irn iJ'? = W, entonces qi es un i s orrio r fi s m o ,

Dernostraci6n. Volviendo a utilizar el teorerna 3. 2.6, las condiciones anteriores implicandim W = dim V. Sea V1, ••• , Vn una base de V, entonces, s e gfin el teorema 3.2.. 4, ~ (V 1), •• " ~ (Vn) es un conjunto de generadores de Im !P, que en este c a s o es igual a W.

Llamemos W 1 = ~ (VI)' ..• , W n = ~ (Vn). Demostremos que

son linealmente independientes.

En ef e c t o , s i a1 W 1 + ... + an Wn = 0, entonces, como

o = aIW1 + ... + anWn = i!> (a1V1 + ... + anVn),

resulta a1V1 + ... + an Vn c Ker i!>, y, como Ker it> = (O), entonces a1V1 + .•. + anVn = 0, pero {V1, •.• , Vn] es una base V,por 10 tanto 1. i., luego necesariamente a1 = 0, .• " an = o ,

Como dim IN = dim V = n y W 1, ••• , Wn son 1. i , , el corolario del t eo r ern a 2.4.6 dice que [W1,.o., Wn} es una base de W.

Segun el t eo r erria 3.1.2. existe una t r-a n s fo r rn ac i on lineal

69

definida por '1' (W I)

Para verificar que 'f es l a inversa de ~, v e arrio s que

y, COITlO 'f ~ e I'll coinciden en la base V 1 •••• , Vn, resulta (usando otra vez el t e o r e.rn a 3.1.2) que 'l' ~ = 11/' De f'o rrna a na l oga se dernu e s t r a que i!> 'l' = I!W.

Teorema 3.4.11. Si di rn V = di m W, existe siempre un isomorfismo V -0 W.

Demoat.r aci Sn, Basta elegir una base VI' .. " Vn de V y una base WI' ••. , Wn de W y de£inir i!> por i!> (VI) = WI, y 'f par 'f(Wj) = = Vt. Para verificar ~ '1' = I, '1' ~ = I se sigue e.Lrrii s rn o procedimiento del teorema anterior.

EjercicioB

Veri£icar si las siguientes trans£ormaciones lineales Pj:1R3_1R3 son isomor£ismos:

~l (x, y, z ) = (x - y, y - Z, Z - x) q,a (x, y, z ] = (x, y, z - x - y)

<li.:> (x, y, z ) = (2x, x + y, x + y + z) <li4 (x, y, z ) = (x, y + z, y + Z)

<lis (x, y, Z) = (x, y + z , y - Z)

Teorema 3.4.12. Si dim V = dim W, <li: V -t W y '¥: W --+ V verifican '¥ <li = i d, entonces g:. '¥ = ide

Derno at r ac i Sn, Si '¥ ~ = i d, y X E Ker ~, entonces <li (X) = 0, pero ('l' eli) (X) = X, luego X = ('¥~) (X) = '¥ [cp (X)] = If (0) = 0, es decir X E Ker g; im lica X - 0 lue 0 Ker <li - O.

70

Como dim 1m g:. = dim V - dim Ker eli, tenemos dim Irn <li = dim V = = dim W, y, como Lrn g:. S; W, resulta Irn g:. = W.

Por tanto, el teorema 3.4.10 dice que eli es un isomorfismo, y como la inversa es unica, '¥ es la inversa de eli.

Teorema 3.4.13. Si dim V = dim W (en particular, si V = W). cp: V - W, entonces cp es un isomorfismo s i , y solo s i, Ker cp = (0).

Dernoat.r acf Sn, Si cp es isomorfismo, Ker rp = [OJ segun el teorema 3.4.10. Si Ker cp = {O], dim Ker cp = 0, y aplicando el teor ema 3. 2. 6, resulta

dim Irn cp = dim V = dim W •

Pero Irri cp es un subespacio de W, luego de dim 1m cp = dim W se deduce Irn cp = W(teorema 2.6.2) Y par consiguiente es aplicable el teorema 3.4.10 que asegura que cp es un isomorfismo.

Inversa de una matriz. Segun el corolario del teorema 3.4,8 y el teorema 3.4.12, si Ila\jll e s la matriz que representa unacierta t r a n.s fo r rn ac i on lineal para que tenga inversa es necesario que sea una matriz cuadrada y, siendo cuadrada, si existe IlblJl1 con

=

11111

entonc es tarn bi en

=

II I II.

La inversa de una matriz II alJ II sera una rria.t r i z Ilblk II, tal que Ila1JII· Ilblkll = III II, donde III II es La rn at r i z identidad, es d e c i r , la matriz que tiene coeficientes 1 en la diagonal y ceros fuera de ella.

Los coeficientes blk deben satisfacer entonces
all a12 a1n bll b12 bIn 1 0 0
~l a;?2 a2n b;?l b22 b:an 0 1 0
anl an;? ann bn1 bn2 bnn 0 0 1 Utilizando las reglas de fo r m ac i on del producto de matrices, e nc ont r a rno s que los coeficientes de Ia primera columna de la matriz Ilblkll deben cumpli r

all bll + a12 b:n + a:n bu + a2,2 h.,l +

1

o

o

Del rn i s rn o modo, para los elementos de las otras c ol urnn.a s , eric ont r a.rn o s condiciones s ern ej a nt.e s , por ej erripl o, para 1a segunda c ol umna t erid r ern o s

all bl<! + al<! b2,2 + + a1n bn2 0
a2l b12 + a2,2 b22 + + ~n bn2 = 1
71
anl b12 + an2 b2,2 + + ann bn2 0 S] se considera los blk c orn o incognitas, estos sistem.as de ecuac i o n e s lineales pueden ser resueltos por cua1quiera de los m etodos elementales. 5i tienen soluciones, es tas s e r a n los coeficientes de Ilblkll, y si no la tienen significa que IlalJl1 no tiene inversa.

Este m etodo resulta e xc e s i va rn e nt e largo para el calculo por 10 que conviene utilizar otro rn a s s enc i l Io ,

5i A = II alJ II es la matriz dada, y s i encontramos m.atrices

tales que B, ••• B1• A

I, entonces la inversa de A sera

Utilizaremos m.atrices B J de los siguientes tipos:

a) T kl, la matriz deducida de la identidad p e r muta ndo las filas k con 1, es de c i r , la rna t r i z

72

···1

k ----++----0 ---

------o------~----

1 • ••

k

Si IIa1JII es una matriz cualquiera, entonces Tkl '1lallll es Ia matriz que resulta de II a1j II intercambiando las filas k con 1.

b) E:1 (k;t 1) es la matriz obtenida de la matriz identidad reernplazando el cero del lugar (k, 1) por el nurn e r o £, es decir

II •
•
.- 0 k
• t··
1 Entonces E:1• lIa1JII es la matriz obtenida de lIaull surnando a la fila k §. vee es la fila 1.

c) ~ es la matriz obtenida de la identidad reernplazando el 1 del lugar {k, k) por el mirne r o ji , Entonc es ~. II a1J II es la matriz obtenida de II a1J II multiplicando la fila k por el nfrm e r o ~.

Esto s e verifica haciendo las cuentas c o r r e s po ndi ent e s ,

El procedimiento consiste entonc es en:

1. Cambiar el orden de las filas, de s er nee es a n o, para que el elemento que ocupa el 1ugar (1, l) sea diferente de c e r o , (Con esta op e r ac i Sn basta, pues, si todos los elementos de la primera columna fueran cero, entonces 1a matriz representarla una transf o r rna c i.Sn lineal donde el primer vector de base se anula y, por 10 tanto, no pod rIa tener inversa. )

Esto significa que Bl = Tk .1.

2. Si all f:. 0, multiplicar la primera fila p o r 1 I all, es decir to-

B Ml/an

mar :3 = 1 •

3, Surna r a cada fila i , -an veces la p r i m e r a , a sea tamar B3 = E;;21) etc,

En esta forma la matriz se ha reducido a:

1 ab a\n

o ak a1n

o a~.a ••• a~n

Consideremos ahora la segunda columna. Si a~2 ::: 0 para todo i f:. l , tendremos que esta matriz representa una t r ariefo rrn.ac i Sn lineal ip, tal que [>(Vl) = Wl' ip(V2) = ak Wl' luego ak Vl - V2 f:. 0 y ip(a~ V 1 - V2) = 0, luego no puede tener inversa.

Exi s ri r a entonces un as2 f:. 0 s f:. 1 Y seguimos el rrri s rrio procedimiento usado para la p r irn e r a fila. Para las columnas siguientes se procede de i gua l modo.

Para obtener en forma di recta el producto de los B, vamos hacienda, sobre la rrra t r i z identidad, las rni s ma s operaciones que sabre la matriz original.

en primer lugar i nt e r carnbi arno s la p r i rn e r a y la segunda fila

2 2 3 0 1 0
0 2 1 1 0 0
-2 1 1 0 0 1
quedando a I a derecha la matriz T 12' I T 12' 73

Luego rnultiplicarnos I a prirnera fila par 1/ all = l/a Y resulta

1 1 3/2 0 1/2 0
0 2 1 1 0 0
-2 1 1 0 0 1
Y Como tercera etapa (ya tenernos a21 = 0) se surna dos ve c es la
p r'i rn e r a fila a la tercera y queda
1 1 3/<- 0 1/2 0
0 2 1 1 0 0
0 3 4 0 1 1 Como en el lugar (2, 2) no hay cera no h a c e falta perrnutaci6n de fi l a s y c orn enz arno s rnultiplicanda la segunda fila par 1/2, luega

7.4

Ahara s urnarno s a la prirnera fila -1 v ec e s la segunda, y a la tercera fila -3 veces la s e gund a, y resulta

1 0 1 1/ 1/2 0
- 2
0 1 1/2 1/2 0 0
0 0 5/2 - 3/2 1 1
Para la tercera fila s e rnultiplica par 2/5
1 0 1 - 1/2 1/2 0
0 1 1/2 1/2 0 0
0 0 1 -v. 2/S 2/S y se suma a la prirnera fila -1 veces esta y a la segunda _1/2 veces la tercera, resultanda par fin

100 o 1 0 001

y la rnatriz de la d e r e ch a e s la inversa buscada.

Ejercicioa

Ca Icul.a r las inversas de las siguientes matrices:

1.

1 2

o o

2 1

2.

II ~

~ II

3 1 1

3.

4.

II 3 II

5. Cambios de Base

Hemos visto que, dado un espacio vectorial, hay rnucha s posibilidades de obtener bases.

Dado un vector y fijada una base ordenada dicho vector queda determinado por el conocimiento del conjunto ordenado de sus coordenadas. Del mismo modo, dada una t r an sfo r-rnac i Sn lineal

v ..... IN, una base de V y una base de IV se deduce una matriz que caracteriza la t r an sfo r m ac i Sn,

Se nos pres entan entonc es cuatro problemas e1ementales cuando nosotros cambiamos Ia base elegida:

1. Conocidas las coordenadas de un vector respecto a una base, Gcuales s e r an sus coordenadas en la nueva base?

2. si un conjunto de coordenadas representa un vector en una base, 6cual es el vector representado por las rrri s rria s coordenadas en la nueva base?

75

3. Conocida Ia matriz de una t r a ns fo r rna c i Srr, Gcual es Ia rnatriz de la mism.a t r ansfo r m aci Sn si se cambian las bases del dominio y del codominio?

4. Si una matriz representa una cierta t r aris fo r ma ci Sn lineal, l,cual es l a t r a n.sfo r m ac i.Sn representada por la rni s rna matriz si s e toman nuevas bas es del dominio y codominio?

Antes de considerar los problemas citados veamos algo de t e r mi nol o gfa.. Considerernos un espacio vectorial V y una base ordenada VI' •. " Vn; entonces, s i Vi, •.• , V~ e s una nueva base, por ser estos vectores de V, podemos escribir cada uno en funcion de VI' •• " Vn, e s d e c i r , sean

V' 1

VI 2

= allYl + a21V2 + alZV1 + a22V2 +

Si llarnamos II All = Ilatlll a la matriz formada por las coordenadas de todos enos, IIAII representa, en la base Vb "', Vo, una t r-a ns fo r ma c i Sn lineal del e s pa ci o V en sf rrri s rn o, que llamarernos A.

Atenci6n; La rria t r i z II A II se construye escribiendo c orn o prirn e r a columna las coordenadas de V1., c orn o segunda c ol urnria las de Vd, etc. Entonces, la t r an.s fo r rna ci Sn A, representada por I a rn a t r i z II A II en la bas e V 1, ..• , Vn que e s ta d e t e r rrri na d a p o r A(V 1) = = Vi, ... , A (Vn) = V~.

Corn o V1., ... , V~ es t arrrbi e n una base de V, debe existir una t r an s fo r-m ac i Sn B definida por B (Vt) = V 1, ••• , B (V~) = Vn (ve a s e e l t e c r errra 3.1.2), luego BA (V1) = V1, "', BA (Vn) = Vn {v e a s e e l t e o r erria 3.4.5), por 10 tanto BA es la identidad, es d e ci r , A tiene i nv e r s a (vease e l t e o r e rn a 3.4.12).

Del rrri s m o rno do , si ep : V -+ W es una t r an s fo r-rna ci Sn lineal, llarnaremos W l' •• " WI' la base de W, W~, ••• , W: La nueva base, II Clila rrra.t r i z fo r rria.da por los coeficientes de los Wi y C la transfo r-rria c.i ori que, en la base W1, "', WI" representa la rnatriz IICIi.

Ll.arria r erno s V a la base o r d ena.da- V1, ••• , Vn, Vi a la base ordenada "I/{, ... , V~; 1", '0' las bases W 1, ••• , Wr Y Wl, ... ,W~, resp ec.tivarn ente.

76

Co rrro varrio s a relacionar rnat r-i c es en bases distintas, s i , por ej ernp l o, cp: V -+ W, la m a t r iz cp calculada con la bas e V de V y la base w de W se es c rfbi rfi vii cp Ilw' s. cp : V -> V Y u s arrro s La rni s rna base v para construir l a matriz considerada como base de dominic y de codominio, escribirernos simplemente II cp II »:

El problema 2 se resuel ve facilmente segun e l si guiente teorema:

Teorema 3.5.1. Si (xlJ .•• , Xn) son las coordenadas de un vector X en la base v, entonces las mismas coordenadas corresponden al vector A(X) en la base Vi.

Demostraci6n. Segun las consideraciones precedentes, la trans formaci on lineal A se caracterizaba por

A (X) = x1A (V1) + ... + xnA (Vn) Xl V~ + .•. + Xn V~

es decir, (Xl>"" Xn) son las coordenadas de A (X) en Ia base

Vt, ... , V~.

Para el problema 1 tenemos:

Teorerna 3.5.2. Sean (x~, ... ,~) Y (Xl' ... ,~) las coordenadas de un vector fijo V en las bases v'y v, respectivamente, entonces

IIAII

X' 1

~

=

Xl n

Dernostraci6n. La matriz II A II estaba formada por las coordenadas de las Vj en la base v. Por otro 1ado tenernos,

V = x~ Vi + ... + xri V~

y reernp1azando cada Vj por su valor, tenernos

V xi(allV1 + a21V2 + .•. + anlVn) +

+ ~ (a12 V 1 + a22 V2 + ... + ana Vn) +

77

es decir

V (allxi + a12~ + •.. + aln~) V1 +

+ (a~nxi + a.za~ + .•. + a2n~) V2 +

Y si ponernos

tenernos

Xl :::: allxi + a12 ~ + ••• + ain xri -X2 = ~lxi + 3..z3 ~ + ••• + ~n ~

por 10 tanto resulta

(usando la formula de producto de matrices).

Hemos visto que l a t r a n s f o r-rria.c i o n A tiene inversa. Luego la rria t r-i z IIAII tiene inversa, 0 sea IIAII-l, entonces resultael siguiente corolario.

Co rola.rio. En las condiciones del teorema anterior,
Xl xl
1
= IIAII-l
~ Xn
En efecto, tenemos
78 Xl x' Xl
1 1
IIAII-l . IIAII = IIAII-l
~ x;, x" Tratamos ahora los problemas relacionados con una transforrria c i.Sn lineal cp: V _, W.

La matriz vllcpllw se calcula como h ern o s vi s to antes, escribiendo en Ia columna j-esima las coordenadas de cp(Vj) respecto a la base w, es d e c i r , vllcpllw = Iidilil si cp(VJ) = 2:1 d1J WI'

Para tener vlllcpllwl, debemos calcular cp(VP como combinacion lineal de Wl, ... , W~. Esto se puede ha c e r en dos etapas, es decir, calculando primero viII cp Ilw Y luego v,II cp Ilwl.

Gada columna de vliicpiiw e s ta r a c orn pu e s t a por las coordena-

das de cp (VP y como Vj alJ Vl + ... anJ Vn tenemos

cp(VP == all cp(Vl) + •.• 1" anJ cp(Vn) = a1j (d11 W1+ .. 0 + dt"l Wr) +

+ an j (d In W 1 + .. II + d, n W r ) ::::

(all dll + ~j d1.2 + ... anJ dln ) W1 +

Lo que nos dice (us a.ndo la forrrlUla del producto de matrices)

que viii cp Ilw = vii cp Ilw • IIAII·

Ah o r a bien, como cada columna de viii cp Ilw es el conjunto de coordenadas de los mismos vectores cp (VP pero respecto a la base WL •• " W~, usando el corolario del teorema 3.5.2 resulta

Teorema 3.5.3.

En particular, s i cp : V _, V t en.errio s

El ultimo p r obl erna que nos queda por considerar po d e.rno s plantearlo por la c ondi c i Sn ullcpllw = ulll'¥llwl; es decir, cp y '¥ son d o s t r arrs Io r rria c l o n e s lineales cuyas rrrat r i c e s [Ia p r i.rn e r a referida a las bases v y w y la segunda a las bases Vi y Wi) son iguales. Nuestro problema consiste en buscar la r el a c.i Sn entre cp y Y, Se tiene entonc es

79

y utilizando el teorema 3.5.1 como h e rrio s Il arna do C W ..... W la

t r arrsfo r mac i Sn definida por C (W 1) = WI, tendremos

Po r otro Iad o, temamos A: V ..... V, caracterizada por A{VJ) = = Vl, luego la e c uac i Sn anterior resulta

y esto es valido para j = 1, •.• , n. Luego las t r a.ns fo r rna c i one s '¥ A Y C cp coinciden en una base y por consiguiente son iguales.

Tenemos entonces

Teorema 3. 5.4. d ec i r, '±' == CcpA-l.

,II'±' II , entonces '±' A == C cp, es

V w,

Ejercicio

Sea t : RZ _, R2 dada par la matriz

respecto a las bas es c an Sni ca s

v = {(a, 1), (l, a)}

y

w = {(a, 1), (1, a)}

Sean v'== [(1,2), (3, 1)] Y w' = [(2, 1), (1, 5)J, c al cul a r v' II cpllw"

80

4

PRODUCTOINTERNO

1. Definicion y Ejemplos

Hernos visto, en los ej e mp Io s de espacios vectoriales, que las fuerzas que pueden actuar sobre unpunto y que los d e s p Ia z arrri errto s de un punto son e s pa c i o s vectoriales de 1a mi srna dimension y, por 10 tanto, isomorfos.

Usando una e s c a l a conveniente para c a da uno de e s to s elementos ffs i c o s (fuerzas y desplazamientos) podemos identificar ambos e spac l o s vectoria1es. Siemprefrentealproblemaflsico, una fuerz a actuando sobre un punto m ovi l realiza un trabajo. El trabajo es una magnitud e s c al a r , e s d ec i r, que existe una uni da.d tal que todo trabajo es e1 producto de un num e r o por di ch a uni d ad ,

81

Veamos ahora algunas propiedades de e s t e t r a b aj o ,

Si F 1, Fa son fuerzas y D1, D:a desplazamientos, llarnando T(F, D) al trabajo realizado por la fuerza F cuando e l punto sufre un desplazarniento D, tenemos:

(At e nc i Sn: Fl + F:;) representa Ia fuerza resultante de Fl Y F:a, como en e1 ejernplo de Ia pagina 4, mientras que el signo + del segundo miembro es la suma de los e s c a.l a r e s T (F, D). Esto s6lo dice que el trabajo que realiza la resultante de dos fuerzas es igual a l a s urn a de los trabajos de cada componente.

(Dejamos a cargo del lector la interpretacion ffs i c a de esta igua1dad, para 10 c u a l conviene referirs e al ej emplo de la pagina 7. )

i i ) Si k e s un mirn e r o real

T (kF, D) = k T (F, kD) = k

T (F, D) T(F,D)

82

10 que p od errro s leer: el trabajo es proporcional a la fuerza yal desplazamiento (se entiende que debe conservarse l a di r e c c i on de ambos para poder hablar de proporcionalidad).

iii} Si F Y D tienen i gua l di r ec ci Sn y sentido, T (F, D) ~ 0 Y s i a d e rna s ninguno de e110s es c e r o, T (F, D) :J o.

iv) si F 1 tiene La di r ec c i Sn de D2, F2 la di r ec ci Sn de Dl y l a r e l a c i ori de las intensidades F /F2 es igual a l a r e l ac i on de las amplitudes de los desplazamientos D2/ Db entonees

Volvienda a la idea de identificar las espacias vectoriales de fuerzas y desplazamientos par medio de una escala cualquiera, pademos interpretar el t r ab aj o coma una op e r a c i ori en la que intervienen dos vectores A, B Y euyo resultado es un es c a l a r , que not a r ern o s (A, B). Las leyes indicadas anteriormente pueden entonces traducirse en:

1) La cuarta dice que S1 resulta

F2 = B, entonces

(A,B)

(B,A)

2) Las propiedades i) y i') pueden escribirse

(Dejamos a car go del lector verificar que esta ultima propiedad es cansecuencia de 2a) y 1).

3) La c oridi c i Sn Li ) s e rf'a entonces

(kA, B) (A,kB)

k(A,B) = k(A,B)

y, por ultimo, iii) dice que si B = kA, k > 0 B:J 0, entonces (A, B) > 0, es decir (A, kA) = k (A, A) > 0, y como k > a, resulta

4) (A, A) > 0 para todo A :J 0

(5i A = 0 us es e 3) para demostrar (A, A) :::: o. )

Como vemos, otra vez las ideas flsicas nos para desarrollar nuevas ideas rnat ernati c as .

dan argumentos

Antes de seguir observemos otro ejemplo. consideramos el espacio vectorial R:3 (pares de definimos una op e r a c i on por I a ley:

Supongamos que numeros reales)y

que, a cada par de vectores, hace corresponder un escalar. Estamos, pues, frente al caso en que el resultado de nuestra operacion entre vectores no es mas un vector.

(c1, ca) se ve r ifi c a:

1) (A,B) = (B,A)

2) (A, B + C) = (A, B) + (A, C)

3) (A,kB) = k(A,B) si k es un escalar

4) (A, A) ~ 0, y (A, A) = 0 solo cuando A = o ,

83

Es de ci r , encontramos otra vez una op e r a ci Sn con las propiedades del primer ejernplo. Estas propiedades son las que caracterizan el producto interno.

Es importante destacar que en un espacio vectorial dado puede h ab e r distintos productos internos. La e xp r e s i o n "distintos productos internos 11 s i gni fi c a distintas operaciones que cumplen las propiedades de La definicion que sigue, y se interpreta como distintas a qu e l Ia s que, para ciertos pares de vectores, dan r e s ul ta do s diferentes.

Es conveniente, pues, interpretar el producto interno como una furic i Sn a dos variables, arnbas v e ct o r e s de un rnismo espacio V, tal que los valores de esta funci Sri son escalares. En otras palabras, una furici Sn del producto cartesiano en los nu rn e r o s reales.

Nosotros trabajaremos siempre con espacios de dimension finita.

Definicion. Se llama producto interne (, ) en un e s pa ci o vectorial V a una funci Sn que a cada par ordenado de vectores A, B hace corresponder un escalar (es d e ci r , un njirrie r o real), (A, B), tal que

P1) (AI + A2, B) == (AI' B) + <~, B) P<!) (kA, B) = k (A, B)

P3) (A, B) == (B, A)

P4) (A, A) ;? 0, y (A, A) == 0 si, y solo s i , A = O.

Ejemplos

1. Sea V == lR3, espacio de ternas, y definamos

2. Sea V = lRz, definamos ahora

Conviene verificar con detalle este ej ernp l.o y ver que ahora s e define un producto i.nt e r no distinto a I d ef'i ni do en el ejemplo con que se i ni ci S este capItulo.

3. Para ver que no es necesario que V tenga dimension finita, tomemos como V el espacio de las funciones continuas definidas en el s egmento [0, 1] Y definamos

8.4

(Para verificar que (f, f) = 0 implica f = 0 debernos reeordar que estamos trabajando con funciones definidas en el intervalo [0, 1]; es d ec i r , que no eonsideramos las posibles extensiones de eada func i Sn fuera de dicho intervalo. )

4. Sea V el conjunto de los polinomios, y si p = ao + a1 X + q = bo + b1 X + ... " definimos

Aqul eonviene observar que tanto los a1 como los b1 valencero de un eierto fridi.c e en adelante y, por 10 tanto, l a s urn a ao bo + +a1b1 + •..• es siempre finita.

5. Sea V un espacio vectorial de dimension finita y supongamos fijadas una base [VI' ... Vnl. Si A:::: a1 VI + + an Vn y B = bi VI + + ..•• bn Vn, definamos

En este ej e rnp l o s e ve como a l carnbiar de base es posible obtener distintos productos internos. Igualmente, 5 e vera mas

adelante que, para cada producto interno existe alguna base donde el producto se puede calcular por la formula anterior.

6. Sea V un espacio vectorial donde e s t a definido un producto interno (, > y sea T: V _, V un i s orno r fi s rno , entonces la fu nci Sn

«A, B» ::: (T (Al, T (B) e s un producto interno.

Nota. El lector debe verificar que cada uno de estos ejemplos s a.ti s fa c e las propiedades P1), P2l, Ps) y P4)'

2. Desigualdad de Schwarz

Hemos visto que en un espacio vectorial s e pueden defini r distintos productos internos. Interesa considerar ahora un espacio donde ya Se suponga definido uri cierto producto interno que se rna nt e nd r a fijo.

La r a z on de esta r e s t r ic ci Sn es facil de entender. Como ver ern o s inmediatamente, el producto i.nt e r no e st a lntimamente ligado a las nociones de distancia y de angulo y, por 10 tanto, tan pronto como queramos introducir dichos conceptos metric os en un espac i o vectorial debemos restringirnos a un producto interno bien determinado.

85

Definici6n. Se llama espaaio eon produeto interne a un espac i o vectorial V junto con un producto interno (,) definido en V.

Estamos, entonces, frente a una estructura mas rica que la del espacio vectorial. La presencia de un producto interno fijo nos p e r rni ti r a obtener propiedades adicionales a las estudiadas en los capltulos anteriores.

Definicion. Si V es un e s p a c i o con producto interno, s e llama norma de un vector A, N (A) = < A, A>.

Entonces, N resulta una func i Sn de una sola variable N: V _, lR.

La norrna verifica las s i gui ent e s propiedades:

En efecto, N(kA) ::: (kA, kA) =

k(A,kA) =k (kA,A):=: k2(A,A):=: k2 N (A)

Nz) N (A + B) - N (A) - N (B) :=: 2 < A, B)

86

Derno st r acf Sn:

N (A + B) "" (A + B, A + B) ""

= (A, A + B> + < B, A + B> = = (A + B, A) + (A + B, B) =

(A,A) + (B,A) + (A,B) + (B,B)= N(A) + 2 (A, B) + N(B).

La propiedad Nz muestra que, conocida La furic i Sn norma, se puede conocer el producto i nt er no usando la formula

(A,B) =t(N(A + B) - N(A) - N(B)).

Puesto que N (A) = (A, A), resulta por P4) que N (A) :2 0 Y N (A) == 0 s i , Y solo s i , A == 0, luego N (Al tiene siemp re ralz cuadrada real.

Definicion. Se llama Lonqi.tud de un vector A (y se escribe II A II) a la r afz cuadrada positi va de Ia norma de A.

Teorema 4.2.1. Si V es un espacio con producto interno, s e verifica

IIAII

== 0 si

s610 s i A == o ,

Dernc st r aci Sn:

= I I (kA,kA) I"" I Ik2(A,A) I

= Ik II j (A, A) I = I k I II A II.

Hemos usado la not aci Sn I I para indicar el valor absoluto. L,g) resulta directamente de la definicion.

Teorema 4.2.2. (Desigualdad de Schwarz) Si V es un e s pa c i o con producto interno, entonces

I (A, B) I :0; II A II . II B II·

Dernost racf Sn, Consideremos N (A + k B), que ya hemos vi s to es siempre no negativa.

N (A + k B) = (A + k B, A + k B) =

= (A, A) + 2k (A, B) + k2 (B, B) == == N (A) + 2 k (A, B) + k2 N (B).

Si consideramos esta ultima exp r e s i on como un trinomio de segundo grado con variable k, sabemos que N (A + k B) :2 0 para

todo k., por 10 que ese trinorniono puede tener do s r a.fc e s diferentes, luego su discrirninante no puede ser positivo, es decir

4(A, B)2 - 4N(A) N(B) ::; 0 (A,B? - N(A)N(B)::; 0 (A, B)2 ::; N (A) N (B).

Tomando las ralces cuadradas positivas (para conservar la desigualdad) resulta

I (A, B> I ::; II A II . II B II·

Teorema 4.2..3. (Desigualdad triangular) Si V es un e s pa ci o con producto interno

II A + B II ::; II A II + II B II·

Dernostraci6n:

II A + B 112 = (A + B, A + B) ""

= (A,A) + 2(A,B) + (B,B)::;

::; N(A) + 211AII'IIBII + N{B) = II A 112 + 2 II A II . II B II + II B 112 = = (II A II + II B II )2,

87

Luego, II A + B II s; II A II + II B II por ser ambas las ralces cuadradas positivas.

Si llarnarnos di s ta nc i a 0 (A, B) entre dos vectores A y B a Ia longitud del vector A-B, queda definida, en el espacio vectorial dado, una rn et r i c a con las propiedades corrientes:

a) is (A, B) :::: 0, La igualdad va Ii da si, y s6lo s i , A B.

b) is (A, B) a (B, A)

c) is (A, B) + is (B, C) :::: a(A, C).

(Queda como ejercicio para e1 lector verificar dichas propiedades.)

Aplicaciones

1. Del ej errip l o 3 del 4.1 resulta, usando el teorerna 4.2.2:

1 1

1 1 ~ 1 '2

I Sa f [x] g (x) dx I s; <So f (x) }2 dx) (So (g (x) )2 dx)

Para cualquier par de funciones continuas f, g.

2. Usando el ej ernp l o 5 se deduce, sial •••• , an, bH •••• , bn son ntiITleros reales, que

3. El t eo r errra 4.2.3 tiene una ap l.i c ac i Sn geoITletrica Lnrn e di at a . Usando la ley del pa r a.l e lo g r arno y suponiendo conocido el hecho de que los l a do s opuestos de un paralelogramo tienen igual longitud, y

A+B considerandountrian5ulocoITlo det e r m i na do por los vertices 0, A, A + B, el t e o r errra 4.203 dice que la longitud de un lado es m erio r que

B la SUITla de los otros dos. (En reaIi d ad, aquf el t eo r ern a di c e "rn erio r

__ -_-'![,. A 0 igualll, aunque se puede deITlostrar que Iliguaill s610 corresponde al caso en que 0, A, A + B e s tan alineados, es d eci r que no existe

o t r i an gu.lo , )

Ejercicio

88

Buscar una d errro s t r a ci o n de la ap li c a.c i Sn dos sin utilizar la desigualdad de Schwarz.

4. La desigualdad de Schwarz puede escribirse

_ 1 ~ (A, B > ~ 1

II A II . II B II

y por consiguiente p e r rrri t e definir dnqulo entre dos vectores a(A, B) por la f6rITlula

cos a (A, B) = <A. B)

IIAII·IIBII

De donde resulta Ia forITlula del "p r odu c to e s ca l a r " que se define en algunas partes como

(A, B) = II All' II B II' cos a(A, B).

5. Volviendo a considerar la figura del 4.2 Y el t ri arigul o 0, A, A + B, observando que el angulo A del t r i arrgu Io es c ornp l ern.entario del angulo a (A, B) de los vectores (luego cos a(A, B) = - cos A)

Resulta

A+B

A

o

II A + B 112 :::: II AI12 II AI12 :::: IIA 112

+ liB 112 + + liB 112 + + liB 112

Z (A, B) ::::

ziiA II' liB II cos a (A, B) == ZIIA II· liB II cos A

(formula del coseno).

6. En otro caso particular, si A y B son ortogonales, el t r i angul o 0, A, A + B es rectangulo, y resulta II A + B 112 :::: II AWOl + II B 112, con 10 que tenemos otra d ern o s t r a ci Sn del teorema de Pitagoras.

3. Bases Ortonormales

En Ia geometria ana lfti ca c Ia s'i c a s e utili zan los sistemas de coordenadas cartesianas ortagonales. Introducidos los conceptos de longitud y angulo, buscaremos un equivalente para nuestra teorIa, es decir, una base farmada par vectores de langitud 1 y ortogonales entre s1.

Definicion. Si V es un espacio con producto i.nt e r no, dos vectores A, B s e di c eri ortogonales (0 perpendiculares) si (A, B):::: o.

Definicion. para to do par (Vi) Vj) = 00

Un conjunto de vectores {VJ s e dice ortogonal si de {ndices i 'f j, Vi es ortogonal a Vj, es d e.c i r ,

eiinicion. Un conjunto de vectares V1 s e dice ortonormal si es ortogonal y ad erna s Ii Vi Ii = 1 para todo 1.

Ejemplos

1. En el ej errip Io i nt r o duc to r-i o de 4.1, los vectores (a, b) y (b, - a) son ortogonales. Ellos s e r a n ortonormales s i , y solo s i , a2+ b2 = 1.

89

90

2. En el ejemplo 3 de 4.1 las funciones

sen x', fa := sen 2x', f3 := casx',ga= cas2x', g3=

sen 3x', cos 3x',

...... ,

can x' :=

1

2n x,

forman un conjunto ortogonal.

3. En el ejemplo 1 de 4.1, los vectores (1,0, a), (0,0,1) forman un conjunto ortonormal.

Ejercicios

Buscar conjuntos ortonormales de los ej emplos 2 y 4 de 4.1.

Definici6n. Si V es un espacio conproducto interno, de dim ensi6n finita, diremos que VI, •• " Vn es una base or tonormal: si e s una base y ad ernfi s es un conjunto ortanormal.

La importancia de las bas es ortanormales radica en el siguiente resultado:

Teorema 4.3.1. Sea V un espacio con producto interno y VI' ... ,Vn una base ortonormal. Para to do par de vectores

s e tiene

Demostraci6n:

(A, B) = (a1 VI + ... + an Vn, bI VI + ... + bn Vn) :::: (a 1 V l' bI V 1 + . .. + bn V n) +

+ (a2Va, b1V1 + ..• + bnVn> +

+ (an Vn, bl VI + ... + bn Vn) =

= al b1 (Vl' Vl) + al ba (VI' V2) + ..• + al bn (VI' Vn) + + a2 b1 (V2' VI> + aa b2 (Va, V2> + ..• + ~ s, (Va, Vn>

Y usanda el hecho que (VI' Vi> = 1,

(VUVJ> = 0 si i, j, resulta (A, B> = alb 1 + ... + an bn•

Nos f'a lt a ver ahora que en todo espacio con producto interno, de dimension finita, existen bases ortonormales.

Esto se hace partiendo de una base cua Iqui e r a y a.pl i c a ndo 10 que se llama el metoda babi.lonioo .

Teorema 4.3.2. Todo conjunto ortogonal de vectores no nulos es 1. i .

Demoet.r aci Sn, Sea VI' ••. , VB unconjunto ortogonal de vecto-

res no nulos. si al VI + + as Vs = ° entonces

pero

por ser ortogona1es, 1uego

luego

91

Del rni s mo modo se verifica para los d ernji s coeficientes (to-

rna ndo , en general, (Vi' »).

Metodo Babilonico. Sea V un espacio con producto interno, de dimension finita, y sea (Ab •. " An] una base.

Tomernos primero V1

entonces

(Esto es posible porque AI' parte de una base, imp1ica Al f 0, luego N (AI) I- 0, es d ec i r , se puede dividir por IIAllI).

Tornemos

entonces tenemos (VI' W2) = ° (ve r iffque s e}.

Y s i l l arria.rn o s ,

V2 =

1

resulta

La c o ns t r uc c i Sn continua obs ervando que V 1 es multiplo de AI' V2 e s c ornbi nac i Sn lineal de Al y A:a, Y s i suponemos encontrado hasta Vr, tal que:

3. Vi es c orn bi na c i Sri l.i n ea l de AI> .. " Au entonces podemos construir Vr+l tomando

y luego

1

II Wr+111

92

Queda a merced de 1a paciencia de11ector verificar que V 1, ••• ,Vn es una base ortonormal.

Ejercicio

Ca1cular una bas e ortonormal para e1 ej emplo 2 de 4. 1.

4. Transformaciones Ortogonales

La idea de t ra nsfo rrnact Sn lineal de un espacio vectorial en otro era la de una furrci Sn 0 aplicaci6n c.p que preservara los elementos fundarnentales de su estructura, en este caso sus operaciones de s urria y producto por un escalar. Esta propiedad se traducla en las condiciones

cp (A + B) = cp (A) + cp (B) c.p (kA) ;: k c.p (A).

5i trabajarnos ahora en espacios vectoria1es con producto interno, deseamos estudiar t arribi en aplicadones que conserven todas sus propiedades e s t r uc t u r a Ie s , e s decir, que a de rna s de respetar La s urna y e1 producto por un e s c a Ia r , conserven e1 producto interno, 10 que se puede expresar por

(c.p(A), c.p(B» (A, B)

Re s tr i njarnono s a las aplicaciones de un espacio V en sf mismo, de dimension fi ni ta,

Definici6n. Si V es un espacio con producto interno, s e llama troansfoPmacion osrtoqonal: en V a una t, 1. cp: V -> V tal que

(cp(A), cp(B) > ::: (A, B).

En particular, si cp e s una t r aris fo r ma c i Sn ortogonal, se t erid r a

(erdA), cp(A» :::: (A, A), es decir, II cp(A) II :::: II A II

por 10 tanto se conservan las longitudes de los vectores.

Como ta.rnbi en resulta

(cp (A), cp (B»

Ilcp (Al II • Ilcp(B) II

entonces el angulo entre A y B es el mismo que entre cp (A) Y cp (B). Esto nos muestra que una t r ans for-ma ci Sn ortogonal conserva las relaciones rn et r i ca s de los vectores.

Teorema 4.4.1. Toda t r a ns fo r mac i Sn ortogonal es unisomorfi s rno,

En efecto, las condiciones (cp (A), cp (A) > :::: (A, A) Y < X, X) :::: '" 0 ~ X:::: 0 nos muestran que cp {A)::: 0 ~ A ::: O. Luego ker cp::: 0; c o ndi ci Sn que, conjuntamente con cp : V ..... V Y Vde dimension finita, i rnp Ii ca n, s egun el teorema 3.4.13, que cp e s un isomorfismo.

Teorema 4.4.2. Una t , 1. cp: V ..... V es ortogonal s i , y 5610 ai , transforma bases ortonormales en bases ortonormales.

Demostraci6n. Supongamos que cp es ortogona1. Por el teorerna anterior es un isomorfismo, luego transforma bases en bases. Sea [V1, ••• , Vn] una base o r tono r rna I, entonces

[e s d ec i r , 1 s i i ::: j, 0 si i I- j), 10 que iITlplica que cp(V 1), ••. , cp(Vn) es una base ortonormal.

Reclprocamente, 6 ea V 1, ••• , Vn una bas e ortonormal tal que cp(V1), "', cp(Vn) es tarnbi e n una base ortonormal. Si A :::: a1 V1 + + ... + an Vn, B:::: b1 V1 + ... + bn Vn, entonces, s egtin el t.eo r erna 4. 3. 1 tenemos

93

Pero t arrrbi.e n tenemos

cp(A) cp(B)

a1 cp(V1) + = b1 cp(V1) +

+ an cp(Vn) + bn cp (Vn)

por la linealidad de cp, y siendo cp(V1), ••• , cp(Vn) una base o.n.por h ip St e s i s , volvemos a aplicar el t eo r erna 4.3.1 que nos die e:

luego

(cp(A), cp(B) :: <A, B)

para todo par de vectores A, B, es decir, cp es ortogonal.

Ejercicios

1. Sea V un espacio de dimension 2 y V1 Va una base ortonormal, a, b dos escalares tales que a2 + b2 = 1. Verifiear que Ia transfo r rria c i Sri definida por

9.4

cp (V 1) :: a V 1 + b v2 cp(V2) = sv, aV1

es ortogonal.

2. Mostrar que la t r an.s fo r rna c i Sn anterior es una r ot a ci Sn del plano de angulo arctg b/a.

3. Verificar que cp, definidapor cp(V1) = V1; cp(Va) :: - V2 es ortogonal. Esta es una r efl exi Sn euyo ej e es el subespacio generado por V1•

Teorema 4.4.3. Sea cp una t. 1., V H •• " Vn una bas e o , n. y II aiJllla matrizde cp respeeto a dicha base. Entonces cp es ortogonal ai , y solo s i , L! a~J = 1, L! aij a1k :: 0 para j f. k ,

Demostraei6n. En efecto, sabernos que cp (VJ) = L! a!jVj, entonces si cp es ortogonal tenernos

s egfin el teorema 4.3.1, por ser Vi' "', Vn una base o. n.

Reclprocamente, si IIa1J II verifica las condiciones citadas, tenemos

1uego por e1 teorema 4.3.2, cp(V1), ••• , cp(Vn) e s un conjunto loL, que resulta o. n , por las condiciones anteriores. Entonces el teorema 4.4.2 asegura que cp es una t r arrs Io r rriac l Sn ortogonal.

Ejercicios

1. Supongamos que cp es una t r arrsfo rrn ac i Sn ortogonal y que existe un vector A tal que cp(A)=k·A. Demostrar que k:::: 10k =-1.

2. Demostrar que toda t r a ns fo r-rna ci Sn ortogonal en un espacio de dimension 2 es 0 bien una r ot a ci Sn 0 bien una r ota ci Sn compuesta con una r efl exi on,

95

BIB LIOGRAFIA

Ultimamente han proliferado, principalmente en el idioma ingles, los textos sobre e s p ac i o s vectoriaies. Una i nt r oduc ci Sn puede verse en el libro def'A Lqebra Noderna de Bi r kh off y Mac Lane, y un estudio mas profundo en "Finite Dimensional Veotoro Spaces de Halmos y.Linearo Algebroa de Hoffmann y Kunze. Es especialmente interesante par sus aplicaciones ge orn et r i ca s la obra Irinear Algebr>a de Greub.

En la actualidad hay muchos textos elementales de i nt r oduc c i Sn al tema, generalmente COn el tftu Io de Linear' Alqebra, como, por ej errip l o, los de Stewart, Swift y Page, Curtis, etc. y Linear> Geometroy como e1 de Artzy. Mas serio, aunque t arn bi e n de c a.rfict e r elernental, es el de E. Artin, intitulado.Geometroio A Lqebra .

97

En e s pafio l se recorniendan la~ota8 de Al.gebroade Gentiley, en particular, su fasclcu10.Espaoios Yeator-ial-ee , que presenta los fundamentos de esta teorla, cuyas aplicaciones georn et r ic a s pueden verse en las No tae de Geometir ia I del autor de este fasclcu- 10; en po r tug ue s , e1 libra Algebroa Linear' e Geometa-ia Eucl idiana de A. A. Martins Rodrigues.