Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

ESPACIOS VECTORIALES. VARIEDADES LINEALES, APLICACIONES ENTRE ESPACIOS VECTORIALES. TEOREMAS DE ISOMORFIA.
ndice de contenido 1. Espacio vectorial. .........................................................................................2 Estructura de espacio vectorial......................................................................................................................2 Subespacios vectoriales..................................................................................................................................4 Combinaciones lineales. Sistemas de generadores........................................................................................5 Bases de un espacio vectorial. .......................................................................................................................7 Suma directa de subespacios vectoriales.....................................................................................................13 Variedades lineales. Espacios cocientes......................................................................................................14 2. Aplicaciones lineales................................................................................................................................1 El concepto de aplicaci!n lineal...................................................................................................................1 "ropiedades de las aplicaciones lineales. ...................................................................................................2# $tras propiedades.........................................................................................................................................21 %somor&ismos................................................................................................................................................25 3. Conclusi!n...............................................................................................................................................2

1. Espacio vectorial.
Estructura de espacio vectorial.
Sea ' un cuerpo conmutativo. (n con)unto no vac*o V se denomina ESPACIO VECTORIAL V sobre el cuerpo '1. Si e+isten dos operaciones ,una interna - otra e+terna. en V/ denominadas suma - producto por elementos de '0 1 0 V + V V 0 ,+/-. + 1 -. 2 0 ' + V V 0 ,/+. 2 +. 3al 4ue se cumple0 1.5 , V / 1 . es un grupo conmutativo. Es decir dic6a operaci!n cumple las propiedades0 Asociativa0 Conmutativa0 de neutro #0 + 1 ,- 1 7. 8 ,+ 1 -. 1 79 +/ -/ 7 V. +1-8-1+9 +1#8+9 +/ - V. + V.

de sim:trico de +0 5 + V tal 4ue + 1 ,5+. 8 ,5+. 1 + 8 #. 2.5 El producto 2 de elementos de ' cumple0
1

En caso de que K sea un anillo A conmutativo con elemento unidad se denomina mdulo

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

2 , + 1 - . 8 2 + 1 2 - 9 ,1.2+82+12+9 , .2+82,2+.9 ,1 ; . 2 + 8 + 9

'. +/ - V. / '. + V. / '. + V. + V.

<os elementos del cuerpo ' se denominan escalares - suelen representarse por s*mbolos griegos/ - los elementos del grupo V se denominan vectores - suelen representarse por letras del al&abeto. El espacio vectorial V sobre el cuerpo ' suele representarse como (V,+,*) / o si no 6a- riesgo de con&usi!n mediante V. En el caso de =ue ' 8 o ' 8 / se denomina espacio vectorial real comple)o respectivamente.
En el caso de 4ue ' sea solamente anillo/ se denomina >$?(<$ ,submodulo si es subanillo./ en el caso de 4ue el grupo ,V/1. est: dotado de una segunda operaci!n 4ue le d: estructura algebraica de cuerpo/ se denomina @<AEBBA.

Ejemplo.a) Si en n definimos las operaciones: ( x 1 , x , ..., x n ) ! ( " 1 , " , ..., " n ) # ( x 1 ! " 1 , x ! " ,..., x n ! " n ).

$ ( x 1 , x , . . . , x n ) # ( $ x 1 , $ x , . . . , $ x n ).
Siendo un n%mero real ar&itrario. Es f'cil compro&ar que n se convierte en un espacio vectorial so&re . &) Sea [x] el con(unto de polinomios p # p(x) con coeficientes reales. )on las operaciones de suma de polinomios " producto de n%meros reales por polinomios, es inmediato compro&ar que [x] adquiere estructura de espacio vectorial so&re . c) Si * es el con(unto de matrices (m filas, n columnas), con coeficientes reales, con la suma de matrices " producto n%meros reales por matrices, * es espacio vectorial real. d) +ado un sistema de ecuaciones ,omo-.neas, con coeficientes reales: a 1 1 x 1 ! . . . ! a 1 n x n # /. .................... a m 1 x 1 ! . . . ! a m n x n # /. El con(unto de sus soluciones forman un espacio vectorial so&re con las operaciones ,a&ituales de suma " producto por n%meros reales. e) Sea el con(unto " el cuerpo de los n%meros comple(o , con las operaciones: ( x , " ) ! ( u , v ) # ( x ! u , " ! v ).

$(x,") # ( 0e() x - 1m(). ", x.1m()!".0e() )

Es f'cil compro&ar que es un espacio vectorial comple(o.

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

Subespacios vectoriales.
(n s!"es#ac$o vector$al ( de un espacio vectorial , V / 1 / 2 . ' V es un con)unto no vac*o ( 4ue cumple0 1.5 +/ - ( se cumple 4ue + 1 - (. 2.5 + ( - ' se cumple 4ue 2 + (. (Se suele representar como 2 3 *) Es decir el con)unto ( con las operaciones 6eredadas de V es un espacio vectorial sobre '. AdemCs/ se cumple el siguiente corolario0 ( es subespacio vectorial +/ - ( / ' es 2+ 1 2- (. 4 +emostracin:

) Si 2 es un su&espacio vectorial de *:
5or la propiedad de la definicin ser':

$x,$x2
5or la propiedad 1 de la definicin ser' ( $ x ) ! ( $ " ) 2.

) Si x 2 " K se cumple que $ x ! $ " 2.

6omando los casos particulares de # # 1 " # /. 7os queda: ( x ! " ), ( $ x ) 2. 8ue-o 2 es su&espacio vectorial de *. Ejemplo.a) Sea el espacio vectorial real n con las operaciones: ( x 1 , x ,..., x n ) ! ( " 1 , " ,..., " n ) # ( x 1 ! " 1 , x ! " ,..., x n ! " n ).

$ ( x 1 , x ,..., x n ) # ( $ x 1 , $ x , . . . , $ x n ).
Siendo un n%mero real ar&itrario. El con(unto: 2 # 9 ( x 1 , x , ..., x n ) 0 n : $ x 1 ! $ x !...! $ x n # / : Es un su&espacio vectorial de &) Sea n .
[ x ] el con(unto de polinomios p # p(x) con coeficientes reales. )on las operaciones

,a&ituales de suma de polinomios " producto por n%meros reales por polinomios es inmediato compro&ar que: n [ x ] # 9 p(x) 0[x] : ;rado p(x) n :. Es un su&espacio vectorial de [ x ] .

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

Combinaciones lineales. Sistemas de generadores.

Sea V un espacio vectorial sobre un cuerpo ' - S 8 D x1 , x2 , < , xn E un con)unto &inito de vectores de V. ?iremos 4ue v V es C$>B%FAC%GF <%FEA< de S. CuandoH a 1 , a 2 , < , a n ' tal 4ue v =a1 . x1 a 2 . x 2< a n . x n . +iremos que v depende linealmente de S (d. l. S). Es &Ccil comprobar 4ue el con)unto0 ISJ 8 I D + 1 / + 2 /.../ + n E J 8 D a 1 + 1 1. . .1 a n + n 0 a 1 / a 2 / . . . / a n ' E. Es un subespacio vectorial de V. 4 +emostracin: Si , K= u # a 1 x 1 ! a x ! ...! a n x n , v # & 1 x 1 ! & x ! ...! & n x n 3S>. Ser':

u! v

# $( a 1 x 1 ! a x ! <! a n x n ) ! $(& 1 x 1 ! & x !...! & n x n ) # # ( a 1 ! & 1 ) x 1 !...! ( a n ! & n ) x n 3S>.

Al subespacio vectorial ISJ se le denominamos subespacio vectorial de V generado por S/ en particular/ es el espacio vectorial mCs pe4ueKo 4ue contiene al con)unto S. El con)unto S se dice 4ue es un sistema generador. ?e 6ec6o/ se puede comprobar 4ue dic6o subespacio vectorial/ es el mCs pe4ueKo 4ue contiene al con)unto S. Ejemplo, Sea el espacio vectorial

[ x ]

de los polinomios de una indeterminada con coeficientes reales

con la operacin ! (suma de polinomios) " . (producto de un n%mero real por un polinomio) " sea el vector f(x) # a x ? ! & x ! c x ! d. Entonces si S es el con(unto: S # 9f(x), f@(x), fAA(x), fAAA(x) : Es un sistema -enerador del su&espacio vectorial 3 [ x ] . Cuando un sistema generador S tiene un nLmero &inito de elementos/ decimos 4ue es %$&$to. En el caso de 4ue S - 3 sean dos sistemas generadores de un mismo subespacio vectorial ,ISJ8I3J. se dice 4ue S - 3 son e'!$vale&tes. Ejemplo El espacio vectorial [ x ] no es finitamente -enerado, "a que si suponemos que el con(unto S # 9 u 1 , u ,..., u n : es un sistema -enerador de 0[x] existir' un n%mero finito de n%meros reales a 1 , a , . . . , a n , tales que : 3S> # 9 a 1 u 1 ! a u ! ... ! a n u n : a 1 , a ,..., a n K :. B puesto que los vectores ui son polinomios, existir' un n%mero natural q, tal que: q # max 9 -rado (u1 (x)),..., -rado (u (x) ) :. 8ue-o, polinomio f(x) tal que -rado(f(x)) > q no pertenecer' a 3S>. En contra de lo supuesto. 8ue-o, S est' infinitamente -enerado. 2na &ase de 0CxD puede ser el con(unto 6 # 91, x,..., xn ,... : 2n sistema -enerador de [ x ] serEa 6 ( S).

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

Bases de un espacio vectorial.

Sea V un espacio vectorial sobre un cuerpo ' - S 8 D+1/ +2/.../ +nE un con)unto &inito de vectores de V. ?iremos 4ue los vectores de S son l$&eal(e&te $&)e#e&)$e&tes (l. $.) cuando no sean dependientes. Es decir0 D+1/+2/.../+nE son vectores linealmente independientes si a1 / a2 /.../ an '/ tal 4ue0 a 1 + 1 1 a 2 + 2 1 . . . 1 a n + n 8 # ,vector nulo. Ejemplo . sea el espacio vectorial real 3 , el con(unto de vectores: 9 (1,/,/) , (1,1,/) , (1,1,1) :. Son linealmente independientes "a que: a .(1,/,/) ! &.(1,1,/) ! c.(1,1,1) # / Es equivalente al sistema: 9 a ! & ! c # / = & ! c # / = c # / :. Es decir: a # & # c # /. (n con)unto B del espacio vectorial V es *ASE de V si veri&ica las propiedades0 1.5 B es un con)unto linealmente independiente. 2.5 IBJ 8 V ,B es un sistema generador de V.. 3eorema.5 (n subcon)unto B de un espacio vectorial V es una base de V si - solo si todo elemento de V admite una Lnica representaci!n como combinaci!n lineal de elementos de B. 4 +emostracin: a) Supon-amos que F # 9 x 1 , x , . . . , x n : es una &ase vectorial de *. )omo 3F> *= todo elemento u de * se expresa como com&inacin lineal %nica de elementos de F. Ba que si existiera m's de una, serEa: u # a1 x1 ! a x ! . . . ! an xn . u # &1 x1 ! & x ! . . . ! &n xn . B tomando diferencia de am&as expresiones se o&tiene: / # ( a1 - &1 ) x1 ! ( a - & ) x ! . . . ! ( an - &n ) xn . B dado que el con(unto F es linealmente independiente se cumplir': ( a1 - &1 ) # ( a - & ) # . . . # ( an - &n ) # / . Es decir: a1 # &1 = a # & = . . . = an # &n . B por tanto dic,a expresin es %nica. &) Si para todo elemento u de * se puede expresar de forma %nica como com&inacin lineal de elementos de F, entonces u 3F> , lue-o 3F> # *. 5 a 1 8 a 2 8 . . . 8 a n 8 #.

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

Adem's si x 1 , x ,..., x n F tal que a 1 x 1 ! a x ! . . . ! a n x n #/. )omo/ es un vector de *, " por ,iptesis que se expresar' de forma %nica, se cumplir': a 1 # a # . . . # a n # /. ?e la propia de&inici!n de base de un espacio vectorial V/ se deduce 4ue si S es un subcon)unto linealmente independiente de un espacio vectorial V/ entonces S es base de ISJ. Conviene destacar los siguientes teoremas0 +. Teore(a )e Ste$&$t,.5 Si B es una base de un espacio vectorial &inito V de dimensi!n n - C es un con)unto linealmente independiente de m vectores de V. Entonces se veri&ica 4ue m n. -. Teore(a )e la "ase.. Sea V un espacio vectorial no vac*o de dimensi!n &inita. Entonces0 a. E+iste una base B de V con un nLmero &inito de vectores. b. 3odas las bases de V tiene el mismo nLmero de vectores. /. Teore(a )e #rolo&0ac$1& )e la "ase.. Si la dimensi!n de un espacio vectorial V es n - S es una sistema de r vectores linealmente independiente de V/ con r n. Entonces e+iste una base B de V de la &orma B 8 DS <E/ siendo < un sistema linealmente independiente de n 5 r vectores. 4 +emostracin. 1. Si F es una &ase de dimensin n de * " ) # 9v1, v , ... ,vm: es un sistema de m vectores linealmente independientes de *. Si G 3)>, se cumple que G * # 3F>, " como 3)> es un su&espacio vectorial de *, ser' 3)> 3F>. Adem's, como F " ) son con(untos linealmente independientes de n " m vectores respectivamente, ser' m # )ard ) )ard F # n. .a) Si * es finito, existir' un sistema finito S # 9e 1 , e , ... ,e m: de -eneradores, de m vectores de * tal que 3S> # *. Si S es linealmente independiente, por definicin, S es una &ase F de * de la forma indicada, " si no es linealmente independiente entonces existir' un vector v S tal que: 3S> 3 S - 9v :>. Si S - 9 v : # SA es un sistema linealmente independiente, entonces, ser' SA una &ase F de m - 1 vectores de * de la forma indicada, " si no es linealmente independiente, entonces, existir' un vector v@S@ tal que: 3S @ > 3 S @ - 9v :>. Si-uiendo este procedimiento, encontrarEamos un sistema -enerador de m - r vectores linealmente independientes de *: e # 9S - 9v,vA,...,v rH:: con / 3 r 3 m que serEa una &ase F con un n%mero finito de vectores. .&) Si F fuera una &ase de n vectores de un espacio vectorial * " FA fuera otra &ase de * de m vectores. Entonces, como 3F> # 3FA> # *, se cumplir' : 1) 5ara cada vector u 3F>, ser' u 3FIA> Es decir 3F> 3FA>. 11) 5ara cada vector u 3F@>, ser' u 3F> Es decir 3FA> 3F>.

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

)omo F " FA son sistemas l. i., se cumplir' por 1) " por 11) que n m " m n. Es decir m # n. ?. Si S es un sistema l. i. de r vectores de *, ser' S una &ase del su&espacio vectorial 3S> *. Si r # n entonces por ) S es una &ase F de * de la forma 9 S :. Si r 3 n, S no es un sistema -enerador de * " por , tenemos que todas las &ase de * tiene n vectores. 8ue-o, &astar' con que encontremos un con(unto 8 de n-r vectores linealmente independientes tal que para cada vector u 8 sea u l. i. S. <a dimensi!n de un espacio vectorial N%F%3$ es el nLmero de elementos de una cual4uiera de sus bases. (Se representa por +im (*) # n). Ejemplo. a) )omo el con(unto e # 9e1 , e ,..., en : es una &ase de n , siendo : e i # ( / , . . . ,/ , 1 , / , . . . , / ). +im n # n. &) )omo en el con(unto
F =D x 0 n # E
n

es una &ase de

[ x ] , " el n%mero de elementos de

esta &ase es el cardinal de los n%meros naturales, ser' de dimensin dim [ x ] # / . <as coor)e&a)as )el vector e = e 1 , e 2/ < , e n , es el u * ,espacio vectorial so&re un cuerpo K. respecto de la base de escalares a 1/ a2 ,< , a n K tal 4ue con)unto

u =a 1 . e 1a 2 . e 2< . an . e n . Las coor)e&a)as )e los vectores )e V/ vienen dadas por la &unci!n0

x 0 * J K 0 u = a1 . e 1 a2 . e2 < .a n . e n J x u = a1 a2 < .a n
n

Ejemplo . Sea el espacio vectorial p(x) = 4.x + 5 tiene de coordenadas L(p(x)) # ( ? , K , / , / , / ) respecto de la &ase ( ? , (x-1) , x , x ? , x K ). "a que p x =3 .3 4 . x 1 # . x # . x #. x
2 3 4

4 [ x ] de los polinomios de -rado menor o i-ual que K, con

coeficientes reales " el polinomio cero. El polinomio:

?adas dos bases e - eO de un espacio vectorial &inito V/ como cada vector de una base se puede poner como combinaci!n lineal de vectores de la otra base/ si denominamos +,v. a las coordenadas del vector v respecto de la base e/ - denominamos -,v. a las coordenadas del vector v respecto de la base eO / podremos cambiar de coordenadas mediante 0 x(v) # "(v).x(eA) Ejemplo. Sea el espacio vectorial 2 , con las &ases 7 +onde x(eA) #

x e @ 1 ... x e @ n

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

e # 9 (1,/) , (/,1) :. x(u,v) # (u,v).

eA # 9 (1,/) , (1,1) :.

+ado, que para cada (u,v) de 2 , tiene de coordenadas respeto de e: B los vectores de e (1,/) " (/,1) tienen de coordenadas respeto de eA "(1,/) # (1,/)= "(/,1) # (-1,1) 8as coordenadas del vector (u,v) respecto a la &ase eA ser' : "(u,v) # x(u,v)."(e) # (u,v).

1 # 1 1

# (u-v,v).

Suma directa de subespacios vectoriales.

Sean
* 1 ,* 2/ * 3/ < ,* n

subespacios vectoriales del espacio vectorial V/ &Ccilmente podemos

comprobar 4ue0
* 1* 2* 3< * n=D u1 u 2u 3< un 0 u 1 , u2 , u3 , < , un * E

* 1* 2* 3< * n=D u * 1 u * 2u * 3< u * n E

M =D u * 0 u M E

Son subespacios vectoriales/ denominados0 S(>A de * 1 ,* 2/ * 3/ < , * n %F3EBSECC%GF de * 1 ,* 2/ * 3/ < , * n C$>"<E>EF3AB%$ de V. En particular el subespacio vectorial contiene al con)unto subespacio vectorial. Ejemplo. 6omando los su&espacios vectoriales * # 3(1,/)> " M # 3(1,1)>, de 2 , si fuera el con(unto * M su&espacio vectorial, para cualquier com&inacin lineal de vectores de * M serEa tam&i.n un vector de * M. 6omando el caso particular de (1,1) - (1,/) # ( /,1), se ve, que no pertenece ni a * ni a M. Es evidente comprobar 4ue el complementario de P es P. Q teniendo en cuenta el teorema de prolongaci!n de la base como P P 8 , SerC dim V8 dim,V. 5 dim ,P . ?iremos 4ue un espacio vectorial V es S(>A ?%BEC3A2 de los subespacios vectoriales ( - P si se cumple0 V8(1P 8 ( P.
2

* 1* 2* 3< * n / es el menor subespacio 4ue

* 1* 2* 3< * n / -a 4ue dic6o con)unto no es necesariamente

El concepto de suma directa se puede -eneraliNar sin dificultad a n su&espacios vectoriales. * # * 1 ... * n = si para u # u 1 ! . . . ! u n.

cada vector u de *, u se escri&e de manera %nica como:

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

Q 4ue representamos mediante V 8 ( P. Ejemplo. 6omando los su&espacios vectoriales * # 3(1,/)> " M # 3(1,1)>, de 2 , si fuera el con(unto * M su&espacio vectorial, para cualquier com&inacin lineal de vectores de * M serEa tam&i.n un vector de * M. 6omando el caso particular de (1,1) - (1,/) # ( /,1), se ve, que no pertenece ni a * ni a M. Sean los su&espacios vectoriales * # 3(1,/,/)> " M # 3(/,1,/),(/,/,1)> de 3 , Ser' * =M 8ue-o
3 =* M .

3 = * M

=* M

Variedades lineales. Espacios cocientes.

Sea V un espacio vectorial sobre un cuerpo ' - sea N un subespacio vectorial del espacio vectorial V. Como ,V/1. es un grupo conmutativo si de&inimos la relaci!n B en V dada por0 uBv u 5 v N ,que es de equivalencia.. El con)unto cociente VSB/ 4ue representamos por VSN/ con la operaci!n 1 es otro grupo conmutativo/ donde los elementos son las clases de e4uivalencia de la &orma0 [u] 8 D v V 0 u 5 v N E. Q la operaci!n 1 se de&ine como0 [u] 1 [v] 8 [u 1v]. =ue estC bien de&inida - es independiente de los representantes elegidos de la clase - cumple las propiedades de grupo conmutativo. "ara cada u V/ al con)unto [! ] 2 3 ! + 4 5 4 F 6 <o denominamos Var$e)a) l$&eal 4ue pasa por u - 4ue posee un espacio de direcciones N/ 3eniendo en cuenta la de&inici!n de espacio cociente - 4ue el vector cero pertenece a N/ es evidente 4ue [!] 2 [v] ! . v F. <a variedad corresponde al resultado de la operaci!n de trasladar el subespacio vectorial N segLn el vector de traslaci!n u. "or esta ra7!n las variedades lineales se denominan espacios lineales trasladados. Si dim N 8 m se dice 4ue m es la dimensi!n lineal de la variedad [u]. Si m 8 # [u] es un punto de V. Si m 8 1 [u] es una recta de V. Si m 8 2 [u] es un plano de V.

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

Si m 8 dim V 51 [u] es un 6iperplano de V. Si D x 1 , x 2 , < , x m E sea una base del subespacio vectorial N/ entonces
[ u ]=D u x 0 x O E u1/ u 2/ < , u n =D u a 1 . x 1a 2 . x 2 < am . x m 0 a1 , a2 ,< , a m K E

=ue se denomina ecuaci!n vectorial de la variedad lineal [u] . En forma vectorial ser'

Si

1 "1 a1 " 2 = u , x , x , ... , x . a2 1 2 m ... ... "n am

es una &ase del espacio vectorial *, entonces podemos

n n

F =D e 1 , e 2 , < , e n E
n

descomponer los vectores " = N ( . e (

( =1

u = ( . e (
(= 1

x i= (i . e (
(=1

B la ecuacin vectorial se convierte en: N 1 , N 2 , < , N n =D 1 1i . a i , 2 2i . ai ,< . , n . a i 0 a1 , a2 , ... , am K E

i= 1 i=1 i=1 m m m

Pue se denomina ecuaciones param.tricas de la variedad lineal [u]. B en forma matricial ser'

E7e(#lo.

N1 Q1 Q 11 = . .. .. . . .. Nn Qn Q n1

.. . .. . .. .

Q 1m . .. Q nm

a1 ... an

En el espacio vectorial 3 la variedad lineal que pasa por el (1,1,1) " tiene por direccin el su&espacio vectorial 3(/,1,/)> . 6iene por ecuacin vectorial respecto de la &ase de F # 9(/,1,/): de O: " 1 , " 2 , " 3= 1/1/1 a. #/1/# = a El con)unto de variedades lineales de espacio de direcciones N/ con las operaciones 6eredadas de V0 [u] 1 [v] 8 [u1v] a2[v] 8 [a2v] ( u, v *, a K) EstC bien de&inida/ - son independiente de los representantes de la clase elegidos. AdemCs/ es un espacio vectorial denominado es#ac$o vector$al coc$e&te V )e (1)!lo F - 4ue se denota por V8F. Teore(a.5 Sea V un espacio vectorial sobre un cuerpo ' - N un subespacio vectorial de V/ entonces se cumple0 )$( (V8F) 2 )$( V . )$( F. 1#

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

4+emostracin: Fasta tener en cuenta que si D e 1 , e 2 ,< , e m E es una &ase de O, por el teorema de ampliacin de la &ase, podemos ,alar una &ase F de * de la forma:
F =D e 1 , e 2 ,< , e m , e m1 , ... , e n E con e m1 , ... , e n O

B como para cada u O una representacin respecto de la &ase F:

u = a 1 . e 1 a 2 . e 2 < a n . e n

B como [ u ] * / O . Se cumplir' [ u ]=a1 . [ e 1]a 2 . [ e 2]< a n . [ e n ] 8 (como e1 ,e ,...,em O [e1] # [e ] # ... # [em ] # C/D) 8 a m1 . [ e m1 ] a m2 . [ e m2 ]< a n . [ e n ] 5or tanto
D [ e m 1 ] , [ e m 2 ] , < , [ e n ] E

es un sistema -enerador de * R O. B si se cumple # =a m1 . [ e m 1 ]a m2 . [ e m2 ]< a n . [ e n ] Se cumplir' que

a m1 . e m 1 a m2 . e m 2< an . e n O

B por tanto, se podr' poner como com&inacin lineal de elementos de la &ase de O: a m1 . e m 1 a m2 . e m 2< an . e n=& 1 . e 1& 2 . e 2... & n . e n 5ero por ser F &ase de * esto solo es posi&le si
a m 1= a m2=... =a n= #

8ue-o D [ e m1 ] , [ e m 2 ] , < , [ e n ]E es un sistema linealmente independiente de *RO Es decir

D [ e m1 ] , [ e m 2 ] , < , [ e n ]E es una &ase de *R0 de dimensin n - m.

11

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

2. Aplicaciones lineales.
El concepto de aplicacin lineal.
Sea& V 9 : )os es#ac$os vector$ales so"re !& c!er#o APLICACI<N LINEAL )e V e& : s$ se ver$%$ca5 +.. %(4+9) 2 %(4) + %(9)= -.. %(a4) 2 a %(4)= 4, 9 V. a = 4 V. 4,9 V. . ;&a a#l$cac$1& % 5 V : es

Como consecuencia de esta de&inici!n/ se obtiene el teorema0 %5 V: es a#l$cac$1& l$&eal %(a4+"9) 2 a%(4)+"%(9) a, " 4 +emostracin: ) Si f es aplicacin lineal: f(a x ! & ") # S por propiedad 1 S # f(ax) ! f(&") # S por propiedad # a f(x) ! & f("). ) Si f(a x + b y) = a f(x) + b f(y). S#

a, & K. x, " *. a, b K. x, y V.

5ara a # & # 1 Se cumple la propiedad 1. +e la definicin. 5ara a # 1 " & # /. Se cumple la propiedad . +e la definicin. Ejemplo . Si * # [x] " M # 2 . 5odemos definir la aplicacin lineal. f : * M dada por f an n.x a n 1 . x n 1... a1+ a # = a 1/ a #

Pue evidentemente cumple las dos propiedades de aplicacin lineal.

Propiedades de las aplicaciones lineales.

1.5 &,#. 8 # Tvector ceroT. 2.5 &,5+. 8 5 &,+.. 3.5 &,V. es subespacio vectorial de P. 4.5 Si S es un Sistema generador de V &,S. es un Sistema generador de &,V.3. 4 +emostracin: 1.- f(x) # f(/!x) # f(/) ! f(x) f(/) # /. .- f(-x) # f((-1).x) # (-1).f(x) # - f(x).

A partir de 4.- se demuestra el 6eorema. fundamental de ,omomorfismos: Si F # 9u1,...,ur: es &ase de * " v 1,...,v r M, T ,omomorfismo f: de * en M : f(u i) # v i . Adem's: 9v 1,...,v r : es l. i. f es monomorfismo. 9v 1,...,v r : es -enerador de M f es epimorfismo. 9v 1,...,v r : es &ase de M f es isomorfismo.

12

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

?.- Si a,& K " f(x), f(") f(*). 5or ser f aplicacin lineal f(a x ! & ") # a f(x) ! & f("). B por * espacio vectorial a x ! & " *. 8ue-o f(a x ! & ") # f(*). 5or lo tanto por definicin f(*) es su&espacio vectorial de M. K.- Si S # 9 s 1 , s , . . . , s r : es un sistema -enerador de *. 5ara cada vector v *, a1, a ,..., ar K con (a1 , a ,..., a r ) / : v # a1 s1 ! a s ! . . . ! ar sr . B como f es aplicacin lineal para cada v *: f(v ) # a 1 f(s 1 ) ! a f(s )! . . . ! a r f(s r ). 8ue-o f(S) es un sistema -enerador de f(*). ?ecimos 4ue una aplicaci!n lineal & es0 (n (o&o(or%$s(o cuando & es in-ectiva. (n e#$(or%$s(o cuando & es sobre-ectiva. (n $so(or%$s(o cuando & es bi-ectiva. A las aplicaciones lineales de V en si mismo se les denomina e&)o(or%$s(os. =ue en el caso de 4ue sean isomor&ismos/ se les denomina a!to(or%$s(os. Se denomina FLcleo de una aplicaci!n lineal & al con)unto0 er % 2 3 v V 5 %(v) 2 > 6 2 N!c %.

Otras propiedades.
+.. er % es s!"es#ac$o vector$al )e V. 5ues si u, v Ker f " a K, se cumple f( u ! v ) # f(u) ! f(v) # / ! / # / f(a.u) # a.f(u) # a./ # /. -.. % es !&a a#l$cac$1& $&9ect$va SI ? SOLO SI Ba que se cumple: a) Si f es in"ectiva, como f(/) # / si x * tal que f(x) # / ser' x # /. &) Si Ker f # 9/: " sean x, " * tales que f(x) # f("). Entonces: f(x - " ) # f(x) - f(") # /. x - " Ker f . 5or tanto x # ". Es decir f es in"ectiva. Se denomina Con)unto %magen de & a con)unto0 I(0 % 2 3 @ : 5 e4$ste !& v V , %(v) 2 @ 6. Ejemplo. Sea la aplicacin lineal f 0 3 J 0 f x , " , N = x " N . )omo para cada er % 2 3>6.

existen

x , " , N tal que f( x , " , N ) # G. Ser' f una aplicacin so&re"ectiva e %m f = .

13

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

Evidentemente no es una aplicacin in"ectiva "a que: Ker f =D x , " , N 3 0 x " N E=I 1/1/# , 1/# ,1 J # . Sean E - N/ dos espacios vectoriales sobre un mismo cuerpo ' - sea el con)unto L(E,F) 2 3 % 5 E F 5 tal '!e % es a#l$cac$1& l$&eal6. "odemos de&inir las operaciones interna 1/ - e+terna . en <,E/N.0 1 0 <,E/N. + <,E/N. <,E/N. 0 ,&/g. & 1 g. f ! - es el ,omomorfismo tal que (f!-) (x) # f(x) ! -(x) x E. . 0 ' + <,E/N. <,E/N. 0 ,/&. &.

f es el ,omomorfismo tal que (f) (x) # f(x) x E K.

( L (E,F) , + , . ) 2 ( L (E,F) , + , . ) es un espacio vectorial. AdemCs/ si dim,E. 8 n - dim,N. 8 m/ dim,<,E/N.. 8 m n . Ba que si 9 u1,..., un: es una &ase de E, " 9 v1,..., vm : es una &ase de O, entonces, si definimos el con(unto de aplicaciones lineales: D f i( Ei , (=1/2 /3 , ... , m +adas por: f i( u U = # si U i " ( si U = i Se tiene, que: ID f i( Ei , (=1/2/3 , ... ,m J # 8(E,O). Ba que para cualquier aplicacin lineal f : E O tal que: f uU =
(= 1/2 , ... , m

}
U # 1 , ...., n
i = 1/2 , ... ,n , (= 1/2 , ... ,m

U( . v (
(

i = 1/2 , ... , n , (= 1/2 , ... , m

ai . f i( u U =

a i . f i( u U =

( = 1/2 , ... , m

a U . v ( = f uU

B adem's, el con(unto D f i( Ei , (= 1/2/3 , ... , m es linealmente independiente, "a que:

i = 1/2 , ... ,n , ( = 1/2 , ... ,m

a i( . f i( u U = #

i= 1/2 , ... ,n , ( =1/2 , ... , m

a i( . f i( u U = # U =1/2 , ... , n a U( . v ( = # U =1/2 , ... , n

i= 1/2 , ... ,n , ( =1/2 , ... , m

a U . v ( = # U =1/2 , ... , n = ( =1/2 , ... , m Cuando E 8 N/ denominamos <,E/E. 8 <,E.. Q podemos de&inir la operaci!n interna producto & g tal 4ue , & g . ,+. 8 &,+. g,+.. Q as* el espacio vectorial <,E./ ad4uiere la estructura de Al0e"ra )e e&)o(or%$s(os. Al subespacio vectorial de <,E./ tal 4ue las &unciones son bi-ectivas se denomina es#ac$o vector$al )e a!to(or%$s(os de E , A(E) .. 14

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

Si V es un espacio vectorial sobre un cuerpo '. Entonces/ el con)unto0 V* 2 3 B 5 V AdemCs/ si viene dada por 5 B es !&a a#l$cac$1& l$&eal 6. es una base de V. Entonces/ la correspondiente base dual
2 2 2 u 1 , u 2 , < ,u n ,< viene dado por las ecuaciones0

es espacio vectorial denominado ESPACIO VECTORIAL D;AL )e V. F = D u 1/ u 2/ < , u n ,< E

2 2 2 2 F = D u 1 , u 2 , < , un , < E . ?onde/

u2 1 u2 2 2 2 u2 3 . u u2 u2 ...= 1d 1 2 3 un u2 n ...

Q utili7ando las matrices asociadas ,en caso de dimensiones &initas.0 V F = V F 1t Ejemplos 1.- Sea * # 3 " la &ase (en vectores columnas): 1 1 3 F = # 1 1 # 3 2

Se tiene que la &ase F$ en vectores columna ser': F2 = F 1 t =

1 # # 7 2 3 2 1 1

.- Sea * el espacio vectorial 1 [ x ] " sean W1 , W : * J tal que (W1(p(x)),W (p(x))) # (

a p ( x ) .dx = ( a.x + & ) .dx = + & 2 #

p ( x ) .dx = ( a x + & ) .dx = 2.a + 2.& )

# #

)ompro&ar que (W1 , W ) es una &ase dual de *$ " ,allar la &ase (p(x), q(x)) de * que tiene como &ase dual (W1 , W ) 4 Solucin: )omo para al-%n A, F, ) " +., existen p(x) # A x ! F= Ser' (W1(p(x)), W (p(x))) # (AR ! F , (W1(q(x)), W (q(x))) # ( )R ! + , 2tiliNando matrices se de&e de cumplir: A ! )! F) +) q(x) # ) x ! +

15

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

1 2 1 . A ) = 1 # 2 2 F + # 1 Es decir F # 9 p(x) , q(x) : # 9 -

2 2 A ) 1 F + = 1 2 xXY:

x!1,

7Z6A.- Al espacio vectorial dual del dual, se le denomina F1+2A8, " se representa por * $$.

Isomorfismos.
(n $so(or%$s(o entre dos espacios vectoriales V - P sobre un mismo cuerpo '/ es una aplicaci!n lineal bi-ectiva

f 0 * JM .

Si * # M, f es automorfismo)

Cuando e+iste una aplicaci!n lineal bi-ectiva entre V - P/ decimos 4ue V - P son espacios vectoriales isomor&os - se denota por V :. Algunos teoremas importantes sobre aplicaciones lineales son0 Si

f 0 * JM P es una aplicaci!n lineal0

V8 er % I( %. V : )$( V 2 )$( :.

Si V - P tienen dimensi!n &inita0

4 +emostracin: 8os elementos de * R Ker f son de la forma

[u] # 9 u ! x : x Ker f : , u *.
5ara cada u CuD, se cumple f(u!x) # f(u) ! f(x) # f(u) ! / # f(u). Si definimos la aplicacin - : * R Ker f 1m f : [u] -([u]) # f(u). )ompro&amos que es una aplicacin so&re"ectiva, pues v 1ma -, CuD *RKer f tal que -(CuD) # v. (&asta que tomemos CuD tal que f(u) # v). (5ues si CuD CvD -C(u)D # f(u) f(v) # -C(v)D), Adem's, la aplicacin - es tam&i.n in"ectiva, "a que si -([u]) # /. Entonces f(u) # /. 8ue-o *RKer f 1m f.

Si * " M son isomorfos, existe un isomorfismo

f (a 1 v 1 ! a v ! . . . . ! a n v n ) # / Es decir: a 1 # a # . . . # a n # /. lue-o, f(F) es linealmente independiente

f : * M.

Sea F # 9v 1, v , . . . , v n : una &ase de *, como f es in"ectiva

a 1 f(v 1 )! a f(v )! . . . . ! a n f(v n ) # /.

1M

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

5or ser f supra"ectiva, para todo G M, existir' un u * # 3F>. 6al que f(u) M. 8ue-o M # 3f(F)>, " f(F) es sistema -enerador de M. )omo f(F) es un sistema -enerador " linealmente independiente, f(F) es una &ase de M de n vectores. 5or tanto dim * # dim M.

Si dim * # dim M, existir'n &ases con el mismo n%mero de elementos

9 v 1, v , . . . , v n : " 9 G 1, G , . . . , G n : en * " M respectivamente. 5oniendo v como com&inacin lineal de vectores de sus &ases, " definiendo: f (a 1 v 1 ! a v ! . . . . ! a n v n ) # a 1 G 1 ! a G ! . . . . ! a n G n . +etermina un isomorfismo f : * M. 8ue-o * " M son isomorfas. Corolario0 Si N - A son subespacios de E ,N 1 A. S N A S N A. 4 +emostracin: 8a aplicacin: f : ; (O!;)RO : v CvD es lineal. Su n%cleo est' formado por aquellos v G tales que CvD # O, es decir, tales que v F. Por tanto: 7uc f = F n G. )omo f es ex,austiva, "a para cada CuD, podemos escri&ir u # G ! v con G F,v G; CuD # Cv1 # f (v). B por el teorema visto anteriormente, se tiene: (O ! ;) R O ; R O ;. Corolario0 Si N A son subespacios de E/ entonces0 ,ESN. S ,ASN. ESA 4 +emostracin: )omo F ; si una clase [ u ] E / O tiene un representante en ;, todos sus elementos

son de ;. 5or tanto, G/F es un su&con(unto de E/F. +efinimos, a,ora, f : E/F [u]

E/G {u}.

donde 9u: indica la clase de u mdulo ;. 8a aplicacin est' &ien definida, "a que los elementos equivalentes respecto a F tam&i.n lo son respecto a G.

17

Espacios vectoriales. variedades lineales, aplicaciones entre espacios vectoriales. teoremas de isomorfia.

Adems, f es una aplicacin lineal " ex,austiva " su n%cleo est' formado por las clases CuD tales que 9u: # / es decir, tales que u ;. AsE pues, 7uc f = G/F ", aplicando el teorema estudiado anteriormente, se tiene: (ERO) R (;RO) ER;. Z&servacin: Si la dimensin del espacio E es finita, 1m f " ER7uc f tienen la misma dimensin, " son, por tanto, espacios isomorfos. Adem's, se pueden definir un isomorfismo de una manera mu" natural " sin intervencin de &ases. 2na aplicacin lineal definida sin utiliNar nin-una &ase, se denomina aplicacin cannica. 6odos los isomorfismos esta&lecidos en las tres proposiciones anteriores son isomorfismos cannicos. (sando el teorema de prolongaci!n de la base se puede demostrar0 Si E es un espacio vectorial de dimensi!n &inita. Entonces/ si N - A son subespacios vectoriales de E. N/ A - N A son subespacios de dimensi!n &inita/ se cumple ?im N 1 ?im A 8 ?im ,N1A. 1 ?im,N A ..

3. Conclusin.
<a estructura de espacio vectorial es mu- importante en >atemCticas/ tanto en la geometr*a/ como en @lgebra ! en AnClisis >atemCtico/ para el estudio de espacios - trans&ormaciones geom:tricas/ estudio de polinomios o espacios vectoriales topol!gicos. Sin embargo/ - a pesar de su estructura abstracta/ se suele recurrir a espacios vectoriales 6abituales plano - en el espacio para poder entender dic6as estructuras - poder representarlos grC&icamente. ?esde el punto de vista de la teor*a de grupos/ la operaci!n e+terna de un espacio vectorial V es una actuaci!n &iel de un grupo V sobre un con)unto '. Becordando 4ue una actuaci!n es una aplicaci!n V + ' ' 0 tal 4ue0 1.5 2.5 v v @ U =v v @ U . e* U = U .

v , v @ * " U K UK
v U = U [ U K v = e* . Al par (K,*) se le denomina ;EZVE60\A.

Q dic6a actuaci!n es &iel/ cuando/

Algunas aplicaciones lineales/ particularmente utili7adas en Aeometr*a son0 "B$QECC%$F 0 0 V V 0 2 ,v. 8 ,v.. ?onde0 BASE de 8 B 8 %mg . ?%BECC%$F de 8 ? 8 'er . S%>E3B%A 0 0 V V 0 2 ,v. 8 v. ?onde0 BASE de 8 B 8 'er ,5v.. ?%BECC%$F de 8 ? 8 'er ,1v..

1R