Documente Academic
Documente Profesional
Documente Cultură
Transformaciones lineales
En este captulo estudiamos las primeras propiedades de las transformaciones lineales
entre espacios vectoriales.
1. Construcciones de transformaciones lineales
Lema 4.1. Sean V y W espacios vectoriales y sea X V un subconjunto arbitrario.
(1) Si T, S : V W son transformaciones lineales, tales que T|
X
= S|
X
, entonces
T
X
= S
X
.
(2) Si X es un conjunto linealmente independiente, dada una funcion arbitraria f : X
W, existe una y una sola transformacion lineal T
f
: X W tal que T
f
|
X
= f.
Demostraci
i
a
i
x
i
. Luego T(v) = T
i
a
i
x
i
i
a
i
T(x
i
) =
i
a
i
S(x
i
) =
S
i
a
i
x
i
= S(v).
(2) Primero recordamos que si 0 = v X existe una unica descomposicion de v en una
combinaci on lineal v =
i
a
i
x
i
, con {x
1
, . . . , x
n
} X y {a
1
, . . . , a
n
} escalares no nulos.
Denimos T
f
dando su valor para cada vector v V , mediante la formula T
f
(v) =
a
i
f(x
i
). Observemos que esta denicion tiene sentido por unicidad de la descomposi-
cion de v en combinaci on lineal de elementos de X. Dado otro vector v
V lo representa-
mos como v
m
i=1
a
i
x
i
, con a
i
k y x
i
X. Es claro que podemos suponer, eventual-
mente agregando escalares nulos, que {x
1
, . . . , x
n
} = {x
1
, . . . , x
m
}. Si a, b k son escala-
res arbitrarios, tenemos que av+bv
i
(aa
i
+ba
i
)x
i
, de donde T
f
(av+bv
) =
i
(aa
i
+
ba
i
)f(x
i
) =
i
(aa
i
f(x
i
) + ba
i
f(x
i
)) = a
i
a
i
f(x
i
) + b
i
a
i
f(x
i
)) = aT
f
(v) + bT
f
(v
).
Luego, la funcion T
f
: X W es una transformacion lineal. Es claro que si x X,
entonces T
f
(x) = f(x) por la propia denicion de T
f
. Ademas T
f
: X W es unica
como consecuencia de la primera parte de este teorema.
La relacion entre f : X W y T
f
: X W se puede visualizar en el siguiente
diagrama.
X
f
C
C
C
C
C
C
C
C
W
X
T
f
{
{
{
{
{
{
{
{
donde : X X es simplemente la funcion inclusion.
Las propiedades anteriores se pueden entender de la siguiente manera: la propiedad
(1) dice que una transformacion lineal queda determinada por los valores que toma sobre
35
36 4. TRANSFORMACIONES LINEALES
un conjunto generador, la propiedad (2) dice que si ademas ese conjunto generador es
independiente, para denir la transformacion lineal basta hacerlo sobre los generadores.
Ejemplos 4.2. (1) Si consideramos k[X], el espacio vectorial de los polinomios de
una variable y denimos la siguiente funcion f : {1, X, X
2
, . . . } k[X] dada por
f(X
n
) = nX
n1
, entonces la transformacion lineal asociada T
f
: k[X] k[X] es la
derivada D ver Ejemplo 2.2.38 (6).
(2) El espacio R
3
esta generado por el conjunto linealmente dependiente
.
En este caso no podemos denir arbitrariamente una transformacion lineal dando sus
valores en los generadores. Por ejemplo, si tratamos de denir T : R
3
R por T(1, 0, 0) =
T(1, 1, 0) = T(0, 1, 2) = T(1, 1, 1) = 1, tenemos por un lado que T(2, 2, 2) = 2T(1, 1, 1) =
2 y por otro que T(2, 2, 2) = T
= 3.
En otras palabras, la relacion dependencia no trivial (1, 0, 0) + (1, 1, 0) + (0, 1, 2)
2(1, 1, 1) = 0 impone la relacion entre los valores de T en los generadores: T(1, 0, 0) +
T(1, 1, 0) +T(0, 1, 2) 2T(1, 1, 1) = 0
Definici
iI
V
i
, donde {V
i
: i I} es una familia de subespacios de V . Se
denen las familias de transformaciones lineales {
i
: V
i
V : i I} y {
i
: V V
i
:
i I} como sigue:
i
(v
i
) = v
i
; y
i
j
v
j
= v
i
. Esas familias se llaman respectivamente
las inclusiones y las proyecciones canonicas en la suma directa.
Lema 4.4. (1) Si V = V
1
V
2
, entonces las inclusiones y proyecciones canonicas
verican:
1
1
= id
V
1
,
2
2
= id
V
2
,
1
2
= 0,
2
1
= 0,
1
1
+
2
2
= id
V
.
(2) En la situacion anterior, si W es un espacio vectorial cualquiera y T
1
: W V
1
y T
2
: W V
2
son transformaciones lineales, existe una unica transformacion lineal
T : W V que verica
1
T = T
1
y
2
T = T
2
. Esa situacion es ilustrada en el
siguiente diagrama:
W
T
1
.v
v
v
v
v
v
v
v
v
v
T
2
H
H
H
H
H
H
H
H
H
H
T
V
1
V
1
V
2
V
2
(3) Si V =
iI
V
i
para una familia arbitraria de subespacios, W es un espacio vectorial
cualquiera y {T
i
: V
i
W : i I} es una familia de transformaciones lineales entonces
existe una unica transformacion lineal T : V W de modo que T
i
= T
i
para todo
i I. Esta situacion es ilustrada en el siguiente diagrama:
W
iI
V
i
T
V
i
T
i
G
G
G
G
G
G
G
G
G
G
Demostraci
ON 37
(3) Se dene T
i
v
i
T
i
(v
i
). Esta denicion tiene sentido pues en la expresion
i
v
i
estan involucrados tan solo un n umero nito de vectores no nulos. La vericaci on
de las restantes propiedades es inmediata.
Definici
v p(v)
= p(v) p
2
(v) = p(v) p(v) = 0.
En cuanto al recproco, si aplicamos el Lema 4.4 al caso en que V = N I, para
las transformaciones lineales 0 : N V y : I V , construmos una transformacion
lineal T : V V que simplemente es T(n + i) = i. De ah se deduce inmediatamente
que T
2
= T y las restantes propiedades requeridas.
Corolario 4.7. Supongamos que V = V
1
V
n
. Existe una familia nita de
proyecciones p
i
: V V , i = 1, . . . , n tales que: (1) p
i
p
j
= 0 si i = j, (2)
i
p
i
= id
V
,
(3) Im(p
i
) = V
i
.
Recprocamente, si existen proyecciones p
i
: V V , i = 1, . . . , n, que verican las
condiciones (1),(2),(3) de arriba, entonces V =
i
Im(p
i
).
Demostraci
a
i
T(x
i
) = 0. Como T es lineal, tenemos que T
i
a
i
x
i
= 0 y como T es inyectiva
deducimos que
i
a
i
x
i
= 0. Como los elementos x
i
I, y el conjunto I es linealmente
independiente, conclumos que a
1
= a
2
= = a
n
= 0.
(2) Sea w W un vector arbitrario de W. Como T es sobreyectiva existe un vector
v V tal que w = T(v). Como G genera V existen escalares {a
1
, . . . , a
n
} y vectores de
G, {x
1
, . . . , x
n
} tales que v =
a
i
x
i
. Luego, w = T(v) = T
a
i
x
i
a
i
T(x
i
), y el
vector w se escribe como combinaci on lineal de elementos de T(G).
(3) Esta propiedad se deduce inmediatamente de las anteriores.
(4) Supongamos que un cierto vector v V es tal que T(v) = 0. En ese caso si escribimos
v =
a
i
x
i
en terminos de la base B, i.e., x
i
B para todo i, de la igualdad T(v) = 0
deducimos que
a
i
T(x
i
) = 0. Los vectores T(x
i
) T(B) son diferentes, luego por
hipotesis conclumos que a
i
= 0 para todo i, de donde v = 0.
Corolario 4.9. Sean V y W dos espacios vectoriales, y sean B y C bases de V y
W respectivamente. Entonces existe un isomorsmo entre V y W si y solo si existe una
funcion biyectiva entre B y C. En el caso particular de que V y W tengan dimension
nita, si existe un isomorsmo entre V y W entonces V y W tienen la misma dimension.
Demostraci
on 4.10. Si {V
i
: i I} es una familia de espacios vectoriales, se dene la
suma directa externa de la familia y se denota como
iI
V
i
, de la siguiente manera:
iI
V
i
=
(v
i
)
iI
: v
i
= 0 excepto para un n umero nito de ndices
.
La suma y el producto por un escalar que le dan a
iI
V
i
una estructura de espacio
vectorial se denen punto a punto, i.e. (v
i
)
iI
+(v
i
)
iI
= (v
i
+v
i
)
iI
, y si a k entonces
a(v
i
)
iI
= (av
i
)
iI
. En el caso particular que todos los V
i
son iguales (a un cierto espacio
vectorial que llamamos V ), escribimos
iI
V .
Lema 4.11. (1) Sea {V
i
: i I} una familia de espacios vectoriales y llamemos
V =
i
V
i
. Sea j I y supongamos que W
j
V denota el subconjunto W
j
=
(v
i
)
i
:
v
i
= 0 si i = j
iI
W
i
(suma directa de subespacios).
3. FUNCIONALES LINEALES, ESPACIO DUAL 39
(2) Si V es un espacio vectorial e I un conjunto de ndices nito entonces
iI
V es
isomorfo con V
I
(ver Ejemplo 2.2.7).
Demostraci
iI
V V
I
de la siguiente forma:
(v
i
)
iI
(v
i
)
iI
(i) = v
i
.
Para producir la funcion inversa de procedemos como sigue : V
I
iI
V esta da-
da de la siguiente manera: si f : I V , se dene (f) =
f(i)
iI
. Es inmediato vericar
que es una transformacion lineal y que y son inversas una de la otra.
Corolario 4.12. Si V es un espacio vectorial de dimension d e I es un conjunto
nito cualquiera entonces dim
V
I
= |I|d.
Observaci
Hom(V, W)
=
dim(V ) dim(W). En efecto, sabemos que Hom(V, W)
= W
B
si B es una base de V y
este espacio de acuerdo a lo demostrado antes tiene dimension |B| dim(W).
Lema 4.14. La transformacion lineal M
nm
Hom(k
n
, k
m
) dada por A L
A
es
un isomorsmo.
Demostraci
w f(w)v/a
1
, . . . , e
n
} mediante la siguiente regla, e
j
(e
i
) = 1 si i = j y e
j
(e
i
) = 0 si
i = j.
Lema 4.17. En la situacion anterior, {e
1
, . . . , e
n
} es una base de V
.
Demostraci
1
, . . . , e
n
} son tantos como la dimension de V basta probar que ellos son linealmente
independientes. En efecto, si 0 = a
1
e
1
+ + a
n
e
n
evaluando la expresion de arriba
en e
j
obtenemos 0 = 0(e
j
) = a
1
e
1
(e
j
) + + a
j
e
j
(e
j
) + + a
n
e
n
(e
j
) = a
j
. Como la
igualdad anterior vale para todo j = 1, . . . , n deducimos que las funcionales {e
1
, . . . , e
n
}
son linealmente independientes.
Definici
on 4.18. Si B = {e
1
, . . . , e
n
} es una base del espacio V , la base {e
1
, . . . , e
n
}
se denota como B
1
, . . . , e
n
} tiene las siguientes propiedades.
(1) Si v V entonces v =
n
i=1
e
i
(v)e
i
.
(2) Si f V
entonces f =
n
i=1
f(e
i
)e
i
.
Demostraci
n
i=1
a
i
e
i
y evaluamos e
j
en ambos miembros
de la igualdad obtenemos e
j
(v) =
i
a
i
e
j
(e
i
) = a
j
.
(2) La demostracion de esta parte es semejante a la anterior.