Professional Documents
Culture Documents
Versión Corregida
La presente versión, recoge las sugerencias dadas por los profesores que
han impartido esta cátedra. Se espera que el texto siga siendo perfeccionado
durante el transcurso de los periodos lectivos siguientes, y desde ya el autor
agradece a quienes deseen hacer sugerencias y aportes para este fin.
2
necesariamente finita, de manera de preparar y orientar al estudiante a un
curso superior (Análisis Funcional, Análisis Armónico, Análisis Numérico,
Ecuaciones Diferenciales) y justificar ası́, debidamente, el análisis de una
variedad de conceptos que en principio pueden parecer meramente abstrac-
ción matemática.
También, para una mayor y mejor comprensión del capı́tulo II, es fun-
damental aprender las formas canónicas que adquieren, bajo un cambio de
base apropiado, los diferentes tipos de transformaciones lineales en el caso de
dimensión finita. El Teorema 49 del capı́tulo II en este sentido es uno de los
principales de este texto. La elegante demostración basada en aspectos tanto
algebraicos como analı́ticos corresponde al libro de W. H. Greub citado en
3
la bibliografı́a. Por otra parte, las formas canónicas de los diferentes tipos
de transformaciones lineales son fácilmente asimilables por medio de la com-
paración con el cuerpo de los números complejos. Ası́, si z ∈ C representa
una transformación lineal y z, el conjugado de z, la transformación adjunta,
entonces una transformación lineal autoadjunta significa z = z y, luego, se
podrı́a representar como los elementos del eje real del plano complejo.
Noviembre de 2000
4
Prólogo a la versión corregida
Octubre de 2002
5
Índice General
2 Transformaciones lineales 46
2.1 Espacios vectoriales normados . . . . . . . . . . . . . . . . . . 46
2.1.1 Transformaciones lineales acotadas . . . . . . . . . . . 47
2.2 Transformaciones lineales en espacios con producto interno . . 50
2.2.1 Transformación adjunta . . . . . . . . . . . . . . . . . 50
2.2.2 Transformación lineal adjunta . . . . . . . . . . . . . . 51
6
7
y
φ(x, λy1 + µy2 ) = λφ(x, y1 ) + µφ(x, y2 ) ; x ∈ E ; y1 , y2 ∈ F.
8
1.1. EL PRODUCTO INTERNO 9
de donde
1
hx, yi = (kx + yk2 − kxk2 − kyk2 ).
2
Esta ecuación muestra que el producto interno puede ser expresado en términos
de la norma. La restricción de la función bilineal h, i a un subespacio E1 ⊆ E
tiene otra vez las propiedades (i) y (ii) y, luego, cada subespacio de un e.p.i.
es en si mismo un e.p.i.
X
Ejemplo :Rn es un e.p.i. con hx, yi = xi yi , donde x = (x1 , . . . , xn );
i
y = (y1 , . . . , yn ).
P
Demostración. Si i αi xi = 0 entonces αj hxj , xj i = 0 para j = 1, 2, . . . , n.
Luego αj = 0 para j = 1, 2, . . . , n.
10 CAPÍTULO 1. ESPACIOS CON PRODUCTO INTERNO
−hx,yi
es cero; luego, la ecuación (1.1) tiene una solución real λ0 (= kyk2
); esto es :
f (λ0 ) = kx + λ0 yk2 = 0. Por lo tanto, x + λ0 y = 0, es decir, x e y son L.D.
Recı́procamente, si x e y son L.D. entonces x = αy. Luego, hx, yi = αhy, yi =
αkyk2 y kxk2 kyk2 = α2 kyk2 obteniendose la igualdad.
hx, yi
−1 ≤ ≤1
kxk kyk
hx, yi
entonces, existe ω; 0 ≤ ω ≤ π tal que cos ω = .
kxk kyk
Definición 6 El número ω se llama el ángulo entre los vectores x e y.
1.1. EL PRODUCTO INTERNO 11
Observaciones:
π
1) Si x e y son ortogonales, entonces cos ω = 0 luego ω =
.
2
2) Supongamos que x e y son L.D. Entonces, y = λx. Luego :
λ 1, si λ > 0
cos ω = =
|λ| −1, si λ < 0
Por lo tanto,
0, si λ > 0
ω= .
π, si λ < 0
hx, yi
3) Ya que cos ω = entonces, de la fórmula
kxk kyk
obtenemos :
kx − yk2 = kxk2 + kyk2 − 2kxk kyk cos ω
kx + yk ≤ kxk + kyk
kx + yk2 = kxk2 + 2hx, yi + kyk2 ≤ kxk2 + 2kxk kyk + kyk2 = (kxk + kyk)2 .
x = λy (1.3)
luego λ = |λ| ≥ 0.
Recı́procamente; supongamos que x = λy, λ ≥ 0. Entonces
kx − yk
esto es, kx0 − y 0 k = . Aplicando (1.4) a los vectores x0 , y 0 , z 0 se
kxk kyk
obtiene :
kx0 − y 0 k ≤ kx0 − z 0 k + kz 0 − y 0 k
o equivalentemente,
kx − yk kx − zk kz − yk
≤ + .
kxk kyk kxk kzk kzk kyk
Multiplicando esta última desigualdad por kxk kyk kzk se obtiene (1.5).
es un producto interno en X.
14 CAPÍTULO 1. ESPACIOS CON PRODUCTO INTERNO
Ejemplos
1) Si h, i es un producto interno, entonces es una función bilineal no dege-
nerada.
2) Sea E = E ∗ = R. Se define :
hλ, µi = λµ ; λ, µ ∈ R.
Demostración. Se define
τ (x)(y) := hx, yi ; x ∈ E , y ∈ E.
(c) Veamos ahora que el hecho de poseer E dimensión finita implica que
τ es sobreyectiva. Para esto vamos a probar que dim L(E) = dim E, lo cual
prueba la sobreyectividad (Ejercicio).
Sea {x1 , x2 , . . . , xn } base de E. Definimos en L(E) las funciones :
1, si i = j
f j (xi ) = δij = ; j = 1, 2, . . . , n
0, si i 6= j
α1 f 1 + α2 f 2 + · · · + αn f n = 0
Notar que
f 1 (x) = f 1 (α1 x1 + · · · + αn xn ) = α1
f 2 (x) = α2
..
.
f n (x) = αn .
Luego :
f (x) = ha, xi ∀ x ∈ E.
τ (a) = f.
1.2. BASES ORTONORMALES 17
Ejercicios
1. Sea φ : R2 × R2 → R definida por φ((x1 , y1 ), (x2 , y2 )) = x1 x2 − y1 x2 −
x1 y2 + 3y1 y2 . Demuestre que φ es bilineal y definida positiva.
P P
2. Sea l2 := {(x1 , x2 , . . .) / i x2i < ∞}. Demuestre que i xi yi con-
verge y que la función bilineal
X
φ(x, y) = xi yi
i
hei , ej i = δij ∀ i, j = 1, . . . , n.
P P
donde x = i xi ei , y = i yi ei .
Demostración.
X X XX XX X
hx, yi = h xi e i , yj e j i = xi yj hei , ej i = xi yj δij = xi yi .
i j i j i j i
hx, ei i
Demostración. Por Definición 7 y Corolario 14 tenemos : cos θi = =
kxk kei k
xi
.
kxk
−ha1 , a2 i
Como a1 6= 0 , se tiene que λ = . Notar que b2 6= 0 (si no α2 =
ha1 , a1 i
−λa1 y a2 son L.I. lo que es una contradicción). Para obtener b3 , definimos
b3 = a3 + µb1 + νb2 donde µ y ν se determinan de manera que
hb1 , b3 i = 0 y hb2 , b3 i = 0.
hbi , bj i = 0 ∀ i 6= j.
En particular, {bi } son L.I. y luego forman una base para E. En consecuencia
los vectores
bi
ei = i = 1, . . . , n
kbi k
forman una base ortonormal.
E1⊥ := {x ∈ E / hx, yi = 0 ∀ y ∈ E1 }
Observaciones:
1) E1⊥ es un subespacio de E.
2) E1⊥ ∩ E1 = {0}.
3) Si E tiene dimensión finita :
en particular,
E = E1 ⊕ E1⊥ . (1.6)
Observaciones :
1) La idea en la definición anterior es la siguiente : Si x ∈ E entonces por
(1.6)
x = p + h; p ∈ E1 , h ∈ E1⊥ . (1.7)
Como {yk }m
k=1 es base de E1 y p ∈ E1 :
m
X
p= αk yk .
k=1
Notar que :
m
X m
X
hp, yj i = αk hyk , yj i = αk δkj = αj
k=1 k=1
hp, yj i = hx − h, yj i = hx, yj i
1.3. FUNCIÓN DETERMINANTE 23
luego
m
X
p= hx, yk iyk .
k=1
Ejercicios
1. Dada la base {(1, 0, 1), (2, 1, −3), (−1, 1, 0)}, construir una base ortonor-
mal por el proceso de ortogonalización de Gram-Schmidt.
con i = 1, 2, . . . , n.
donde (
1 para una permutación σ par
²σ =
−1 para una permutación σ impar
∆(x1 , . . . , xi , . . . , xj , . . . , xn ) = −∆(x1 , . . . , xj , . . . , xi , . . . , xn ).
En particular, si xi = xj = x ;
∆(x1 , . . . , x, . . . , x, . . . , xn ) = 0 (1.8)
Esto es, una función determinante asume el valor cero siempre que dos de
sus argumentos coinciden. Más generalmente :
Luego:
X X X
∆(x1 , . . . , xn ) = ∆( α1j1 ej1 , α2j2 ej2 , . . . , αnjn ejn )
j1 =1 j2 =1 jn
XX X
= ... α1j1 α2j2 . . . αnjn ∆(ej1 , ej2 , . . . , ejn )
j1 =1 j2 =1 jn =1
X
= ∆(e1 , . . . , en ) ²σ α1σ(1) . . . αnσ(n) .
σ
26 CAPÍTULO 1. ESPACIOS CON PRODUCTO INTERNO
Análogamente,
X
∆1 (x1 , . . . , xn ) = ∆1 (e1 , . . . , en ) ²σ α1σ(1) . . . αnσ(n) .
σ
∆(e1 , . . . , en )
Sea λ := entonces
∆1 (e1 , . . . , en )
∆(x1 , . . . , xn ) = λ∆1 (x1 , . . . , xn )
Ejercicios
1. Sea E = R2 y ∆ : R2 × R2 −→ R definida por :
à !
x1 x 2
∆((x1 , y1 ), (x2 , y2 )) = x1 y2 − x2 y1 = det .
y1 y2
donde fi ∈ E ∗ , xi ∈ E y α ∈ R.
∗
Demostración. Sea Ω : E · · × E}∗ × E
| × ·{z | × ·{z
· · × E} −→ R definida por:
n n
hf1 , x1 i . . . hf1 , xn i
.. ..
Ω(f1 , . . . , fn , x1 , . . . , xn ) = det
. . .
hfn , x1 i . . . hfn , xn i
Es claro que Ω es lineal con respecto a cada argumento. También es claro que
Ω es antisimétrica con respecto a los vectores fi y con respecto a los vectores
xi (i = 1, . . . , n). Luego, Ω es una función determinante y, por unicidad (con
respecto a los argumentos x1 , . . . , xn ; dejando f1 , . . . , fn fijos)
Esta relación muestra que α(f1 , . . . , fn ) es lineal con respecto a cada ar-
gumento y antisimétrica. En efecto ; por ejemplo con respecto al primer
argumento tenemos
o equivalentemente
λΩ(f1 , . . . , fn , x1 , . . . , xn ) + Ω(g1 , . . . , fn , x1 , . . . , xn )
= α(λf1 + g1 , . . . , fn )∆(x1 , . . . , xn )
28 CAPÍTULO 1. ESPACIOS CON PRODUCTO INTERNO
esto es,
como ∆ 6= 0 obtenemos
Combinando se obtiene :
∆0 (e1 , . . . , en )2 = α.
30 CAPÍTULO 1. ESPACIOS CON PRODUCTO INTERNO
Observaciones:
1) De (1.11) concluimos que existen exactamente dos funciones determinantes
normadas ∆ y −∆ en un e.v. E.
2) Si se define una orientación en E, entonces una de las funciones ∆ y
−∆ representa la orientación. En consecuencia, en un e.v. con p.i. orientado
existe una única función determinante normada que representa la orientación.
hx, yi ∆(x, y)
cos θ = , sin θ = . (1.14)
kxk kyk kxk kyk
Demostración.
Caso 1 : Los vectores {x1 , . . . , xp } son L.D. Entonces existen escalares α1 , ..., αn
no todos cero tales que α1 x1 + ... + αn xn = 0. Luego, para cada i = 1, ..., n
se tiene:
Caso 2 : Los vectores {x1 , . . . , xp } son L.I. Sea E1 el subespacio generado por
x1 , . . . , xp con el producto interno de E. Sea ∆1 una función determinante
normada en E1 . Entonces de (1.13)
∆1 (x1 , . . . , xp )2 = G(x1 , . . . , xp ).
G(x1 , . . . , xp ) > 0.
Ejemplo: Si p = 2 entonces
P = {αa + βb : 0 ≤ α ≤ 1, 0 ≤ β ≤ 1}.
Observaciones :
1) En vista de la identidad
hx1 , x1 i . . . hx1 , xp i
.. ..
∆2 (x1 , . . . , xp ) = det
. .
hxp , x1 i . . . hxp , xp i
2) Si p = 2, se obtiene de (1.16):
o sea,
V (a1 , a2 ) = ka1 k ka2 k sin θ
que es una fórmula conocida para calcular el área de un paralelógramo.
f : E −→ R (1.17)
1.3. FUNCIÓN DETERMINANTE 35
hx × y, zi = ∆(x, y, z) (1.19)
h(λx1 + x2 ) × y, zi = ∆(λx1 + x2 , y, z)
= λ∆(x1 , y, z) + ∆(x2 , y, z)
= λhx1 × y, zi + hx2 × y, zi
= hλ(x1 × y) + x2 × y, zi
36 CAPÍTULO 1. ESPACIOS CON PRODUCTO INTERNO
Proposición 34
(a) x × y = −y × x
(b) hx × y, xi = 0, hx × y, yi = 0.
Demostración.
(a) Sea z ∈ E:
x = λy ; λ ∈ R ; λ 6= 0.
1.3. FUNCIÓN DETERMINANTE 37
x × y = λy × y = λ(y × y)
−y × x = −y × λy = −λ(y × y)
lo que implica que y×y = −y×y. Luego y×y = 0, lo que es una contradicción
pues 0 6= x × y = λ(y × y). Inversamente, supongamos que x e y son L.I.
Sea z ∈ E tal que {x, y, z} es base de E. Entonces
hx × y, zi = ∆(x, y, z) 6= 0.
Luego, x × y 6= 0.
Proposición 35
hx1 × x2 , x3 i = ∆(x1 , x2 , x3 ) ; x3 ∈ E
hy1 × y2 , y3 i = ∆(y1 , y2 , y3 ) ; y3 ∈ E.
Luego,
e1 × e2 = e3 ; e2 × e3 = e1 ; e3 × e1 = e2 .
he1 × e2 , e1 i = 0 , he1 × e2 , e2 i = 0
1.3. FUNCIÓN DETERMINANTE 39
Pero:
he1 , e1 i he1 , e2 i he1 , e3 i 1 0 0
∆(e1 , e2 , e3 )2 = det
he2 , e 1 i he 2 , e 2 i he 2 , e 3 i = det 0 1 0 = 1.
he3 , e1 i he3 , e2 i he3 , e3 i 0 0 1
3
X 3
X
Corolario 38 Si x = αi ei , y = βi ei ; entonces
i=1 i=1
Demostración.
à 3 ! à 3 !
X X
x×y = αi ei × βj ej
i=1 j=1
3 X
X 3
= αi βj ei × ej
i=1 j=1
= α1 β1 e1 × e1 + α1 β2 e1 × e2 + α1 β3 e1 × e3
+ α2 β1 e2 × e1 + α2 β2 e2 × e2 + α2 β3 e2 × e3
+ α3 β1 e3 × e1 + α3 β2 e3 × e2 + α3 β3 e3 × e3
= (α1 β2 − α2 β1 )e1 × e2 + (α1 β3 − α3 β1 )e1 × e3 + (α2 β3 − α3 β2 )e2 × e3
= (α1 β2 − α2 β1 )e3 − (α1 β3 − α3 β1 )e2 + (α2 β3 − α3 β2 )e1
40 CAPÍTULO 1. ESPACIOS CON PRODUCTO INTERNO
hα, βi = x1 y1 − x2 y1 − x1 y2 + 4x2 y2 .
|x1 y1 −x2 y1 −x1 y2 +4x2 y2 | ≤ ((x1 −x2 )2 +3x2 )1/2 ((y1 −y2 )2 +3y 2 )1/2 .
(c) Muestre que en R2 con este producto interno los vectores (x, y)
1 √
y (−y, x) son ortogonales si y sólo si y = (−3 ± 13)x .
2
1.4. EJERCICIOS DE RECAPITULACIÓN 41
hX, Y iA = Y t AX
13. Sea B una función bilineal con la propiedad que B(A) = 0 para todas
las matrices A ∈ M (2 × 2, R) que tienen filas iguales. Demuestre que
B es antisimétrica.
23. Sea T : P1 [0, 1] → R tal que T (p) = 2a + b; donde p(x) = a + bx. Sea
h, i el producto interno para P1 [0, 1] definido en el problema anterior.
Encuentre q ∈ P1 [0, 1] tal que:
25. Calcule el volumen del paralelepipedo generado por los vectores {(−5, 6), (1, 7)}.
Capı́tulo 2
Transformaciones lineales
Definiremos por medio de tres axiomas lo que entenderemos por una norma,
concepto ya conocido.
N 2 : kx + yk ≤ kxk + kyk
Un e.v. donde se define una norma se llama e.v normado. La distancia entre
dos vectores x e y en un e.v. normado se define por
d(x, y) = kx − yk.
46
2.1. ESPACIOS VECTORIALES NORMADOS 47
d(x, y) > 0 si x 6= y
Ejemplos
kf k := sup |f (t)|.
t∈[0,1]
{kϕ(x)k : kxk = 1}
es acotado. Denotemos :
Demostración.
N 2 : Para cada x ∈ E,
kψ ◦ ϕk ≤ kψk kϕk.
Ejercicios
1. Una sucesión infinita de vectores (xn ) en un e.v. normado E se dice
convergente a x si : ∀ ² > 0 ∃ N tal que kxn − xk < ² ∀ n > N
(a) (1 − ϕ) ◦ ψ = ψ ◦ (1 − ϕ) = 1
1
(b) kϕk ≤ .
1 − kϕk
En todo lo que sigue se supone que los espacios vectoriales son de dimensión
finita.
hϕ∗ (y ∗ ), xi = hy ∗ , ϕ(x)i ; x ∈ E , y ∗ ∈ F ∗ .
Observación : (ϕ∗ )∗ = ϕ.
con lo que ϕ∗ ∗ = ϕ.
y
ϕ∗ (e
e) = µe
e.
y
he, ϕ∗ (e
e)i = he, µe
ei = µhe, eei
Teorema 44 L(E; E) ∼
= B(E × E).
2.2. TRANSFORMACIONES LINEALES EN ESPACIOS CON PRODUCTO INTERNO53
2) ρ es 1-1 :
Si ρ(ϕ) = 0 entonces ρ(ϕ)(x, y) = 0 ∀ x, ∀ y. Luego, hϕ(x), yi = 0 ∀ x, ∀ y.
De esta manera ϕ(x) = 0 ∀ x. Por lo tanto, ϕ ≡ 0.
3) ρ es sobreyectiva :
Sea φ ∈ B(E × E). Sea x ∈ E fijo y definamos fx : E −→ R por
fx (y) := φ(x, y) entonces fx ∈ L(E).
Por Teorema de Representación de Riesz (Teorema 11), existe un único ax
en E tal que
fx (y) = hax , yi ∀ y ∈ E.
o sea
ρ(ϕ)(x, y) = φ(x, y) ó ρ(ϕ) = φ
e y) = hϕ∗ (x), yi
φ(x,
= hx, ϕ(y)i
= hϕ(y), xi
= φ(y, x).
(a) ϕ es normal
hy, (ϕ∗ ◦ ϕ)(x)i = hϕ(y), ϕ(x)i = hϕ∗ (y), ϕ∗ (x)i = hy, (ϕ ◦ ϕ∗ )(x)i ∀ y.
Demostración.
hx, ϕ(x)i
Demostración. Sea F : E −→ R definida por F (x) = , x 6= 0.
kxk2
Claramente F es continua. Como {x ∈ E / kxk = 1} es un subconjunto
cerrado y acotado de E, se tiene que inf F (x) se alcanza en el subconjunto,
kxk=1
esto es, existe e1 ∈ E, ke1 k = 1 tal que
Más aún, probaremos que el valor propio es he1 , ϕ(e1 )i. Esto es :
f 0 (0) = 0 (2.6)
De la definición de F obtenemos :
he1 + ty, ϕ(e1 + ty)i
f (t) = F (e1 + ty) =
he1 + ty, e1 + tyi
he1 + ty, ϕ(e1 ) + tϕ(y)i
= .
he1 + ty, e1 + tyi
o equivalentemente
(1+2thy, e1 i+t2 hy, yi)f (t) = he1 , ϕ(e1 )i+the1 , ϕ(y)i+thy, ϕ(e1 )i+t2 hy, ϕ(y)i.
Evaluando en t = 0 :
de esta manera
Por lo tanto,
ϕ(e1 ) = he1 , ϕ(e1 )ie1 .
Esto prueba la afirmación.
hei , ej i = δij .
ϕ(ei ) = λi ei
2.2. TRANSFORMACIONES LINEALES EN ESPACIOS CON PRODUCTO INTERNO59
hϕ(x), yi = b(x, y) ∀ x, y ∈ E.
Teorema 53 Sea b una función bilineal simétrica (i.e. b(x, y) = b(y, x)) en
E × E. Entonces existe una base ortonormal {en } de E tal que b tiene una
forma diagonal. Esto es, existen escalares {λi } en C tal que
b(ei , ej ) = λi δij .
2.2. TRANSFORMACIONES LINEALES EN ESPACIOS CON PRODUCTO INTERNO61
Demostración. Sea b bilineal. Entonces existe una única ϕ en L(E) tal que
b(x, y) = hϕ(x), yi. Como b(x, y) = b(y, x), entonces hϕ(x), yi = hx, ϕ(y)i.
Luego; ϕ = ϕ∗ (i.e. ϕ es autoadjunta). Por lo tanto, existe una base {en }
de E que consiste de vectores propios de E. Sean {λn } los correspondientes
valores propios. Entonces ϕ(en ) = λn en . Luego :
b(ei , ej ) = hϕ(ei ), ej i
= hλi ei , ej i
= λi hei , ej i
= λi δij .
Además, P 2 = P pues:
P (P (x)) = P (hx, eie) = hx, eiP (e) = hx, eihe, eie = hx, eie = P (x).
62 CAPÍTULO 2. TRANSFORMACIONES LINEALES
x = (x − π(x)) + π(x).
Demostración. Se define
(
y si y ∈ E1
π(y) =
0 si y ∈ E1⊥
Verifiquemos (*) :
Sea x ∈ (E1 ⊕ E2 )⊥ entonces hx, x1 + x2 i = 0 ∀ x1 ∈ E1 , x2 ∈ E2 . Luego,
hx, x1 i = 0 (con x2 = 0) y hx, x2 i = 0 (con x1 = 0) lo que implica que x ∈ E1⊥
y x ∈ E2⊥ . Por lo tanto, x ∈ E1⊥ ∩ E2⊥ .
Inversamente, sea x ∈ E1⊥ ∩ E2⊥ . Entonces hx, x1 i = 0 ∀ x1 ∈ E1 , hx, x2 i =
0 ∀ x2 ∈ E2 . Sea y ∈ E1 ⊕ E2 . Entonces y = y1 + y2 ; y1 ∈ E1 , y2 ∈ E2 .
Luego: hx, yi = hx, y1 i + hx, y2 i = 0 + 0 = 0. Ası́ x ∈ (E1 ⊕ E2 )⊥ . De esta
manera, hemos probado que π1 + π2 es una proyección sobre E1 ⊕ E2 .
(π1 + π2 )2 = π1 + π2
2.2. TRANSFORMACIONES LINEALES EN ESPACIOS CON PRODUCTO INTERNO65
o equivalentemente
(π1 + π2 ) ◦ (π1 + π2 ) = π1 + π2
o sea,
π12 + π1 ◦ π2 + π2 ◦ π1 + π22 = π1 + π2
lo que es equivalente a
π1 + π1 ◦ π2 + π2 ◦ π1 + π2 = π1 + π2
de esta manera,
π1 ◦ π2 + π2 ◦ π1 = 0 (2.8)
π1 ◦ π2 ◦ π1 + π2 ◦ π1 = 0 (2.9)
π1 ◦ π2 + π1 ◦ π2 ◦ π1 = 0.
π1 ◦ π2 ◦ π1 + π2 ◦ π1 + π1 ◦ π2 +π1 ◦ π2 ◦ π1 = 0
| {z }
=0 por (2.8)
ası́,
π1 ◦ π2 ◦ π1 = 0
π2 ◦ π1 = 0
ψ 2 = (I − π)2 = I − 2π + π 2 = I − 2π + π = I − π = ψ.
hx, zi = hy − π(y), zi
= hy − π(y), π(w)i
= hπ(y) − π 2 (y), wi
= hπ(y) − π(y), wi
= 0
(im ψ)⊥ ⊆ E1
esto es
ker ψ ⊆ E1 .
Demostración.
E2 ⊆ E1 ⇐⇒ E1⊥ ⊆ E2⊥
⇐⇒ E1⊥ ⊥E2 (Ejercicio)
⇐⇒ (I − π1 ) + π2 =: ϕ es proyección (Teorema 59 y Lema 60)
⇐⇒ I − (π1 − π2 ) =: ϕ es proyección
(∗)
⇐⇒ π1 − π2 es proyección .
En efecto:
(a) Sea x ∈ E1 ∩ E2 entonces
En consecuencia
2.3 Isometrı́as
Demostración.
(i) Suponer que ϕ es una isometrı́a y tomar x1 = x2 = x.
= 2hx1 , x2 i.
Demostración.
Luego kϕ(e)k = |λ|kek pero, como ϕ es una isometrı́a, se tiene que kek =
|λ|kek. De esta manera, λ = ±1.
Demostración. Ejercicio.
Demostración. Ejercicio.
Q−1 = QT
Demostración.
a11 a12 · · · a1n a a ··· an1
11 21
a21 a22 · · · a2n a12 a22 · · · an2
Sea Q = .. . Entonces QT = . .
. ..
an1 an2 · · · ann a1n a2n · · · ann
es decir, B = I.
Ejemplos
√ √ √ √ √
1) Es fácil ver que los vectores (1/ 2, 1/ 2, 0), (−1/ 6, 1/ 6, 2/ 6),
√ √ √
(1/ 3, −1/ 3, 1/ 3) forman una base ortonormal en R3 . Ası́, la matriz
√ √ √
1/ 2 −1/ 6 1/ 3
√ √ √
1/ 2 1/ 6 −1/ 3
√ √
0 2/ 6 1/ 3
es ortogonal.
à √ √ !
1/ 2 1/ 2
2) La matriz √ √ es ortogonal.
1/ 2 −1/ 2
Ejercicios
2/3 1/3 2/3
1. Demuestre que Q = 1/3 2/3 −2/3
es ortogonal. Halle la
−2/3 2/3 1/3
3 3
rotación ϕ : R −→ R asociada.
(a) R2 .
Sea {e1 , e2 } la base canónica de R2
Y
6
e2 •
• -X
e1
Si se rotan los ejes en un ángulo θ en sentido positivo alrededor del origen,
entonces e1 rota a un vector v1 y e2 rota a un vector v2 tal que {v1 , v2 } es
una base ortonormal para R2 .
74 CAPÍTULO 2. TRANSFORMACIONES LINEALES
Y
6
v2 e2 • v1 = (x, y)
@
I
@ µ
¡
¡
@ ¡
@ ¡
@¡ θ • -X
e1
(a, b) • b
@
I
@
@θ
@
¾ • @
a
Note que
Luego: T (e1 ) = (cos θ, sin θ) , T (e2 ) = (− sin θ, cos θ). Por lo tanto,
à !
cos θ − sin θ
[T ] = .
sin θ cos θ
(b) R3 .
En R3 se puede rotar en sentido positivo alrededor del eje x, eje y o eje z
(ası́, los ejes x, y y z forman un sistema coordenado de la mano derecha).
Ejercicios
E = E1 ⊕ E2 ⊕ · · · Er
Pr
donde dim Ei = 1 ó 2 ∀ i = 1, . . . , r y i=1 dim Ei = dim E.
E1 ⊕ E2 ,
x = ϕ(x1 + x2 ) ; x1 ∈ E1 , x2 ∈ E2
= ϕ(x1 ) + ϕ(x2 )
= x 1 − x2 ∈ E 1 ⊕ E 2 .
ϕ(F ) ⊆ F ( pues F ⊥⊥ = F ).
ϕ(e0 ) = λ0 e0 , e0 6= 0. (2.11)
ψ = ϕ + ϕ∗ = ϕ + ϕ−1 : F −→ F.
Proposición 76 ϕ(F1 ) ⊆ F1 .
Luego,
E = E1 ⊕ E2 ⊕ F (F = (E1 ⊕ E2 )⊥ )
= E1 ⊕ E2 ⊕ F1 · · · ⊕ Fr .
Demostración.
=⇒)hψ(x), yi+hx, ψ(y)i = hx, ψ ∗ (y)i+hx, ψ(y)i = hx, −ψ(y)i+hx, ψ(y)i = 0.
Demostración.
=⇒) Tomar x = y en la proposición anterior. De esta manera, se obtiene
hψ(x), xi + hx, ψ(x)i = 0; esto es, hx, ψ(x)i = 0.
luego hx, ψ(y)i + hy, ψ(x)i = 0. Por lo tanto, ψ es antisimétrica por proposi-
ción anterior.
Por lo tanto, λ = 0.
En efecto:
λi < 0 (i = 1, 2, . . . , p) y λi = 0 (i = p + 1, . . . , n).
1
a1 = e1 , a2 = √ ψ(e1 ) , a3 = e2 ,
−λ1
1
a4 = √ ψ(e2 ) , . . . , ap+1 = ep+1 , ap+2 = ep+2 , . . .
−λ2
84 CAPÍTULO 2. TRANSFORMACIONES LINEALES
p
ψ(a1 ) = ψ(e1 ) = −λ1 a2
1 1 λ1 p p
ψ(a2 ) = √ ψ 2 (e1 ) = √ ϕ(e1 ) = √ e1 = − −λ1 e1 = − −λ1 a1
−λ1 −λ1 −λ1
p
ψ(a3 ) = ψ(e2 ) = −λ2 a4
1 1 λ2 p p
ψ(a4 ) = √ ψ 2 (e2 ) = √ ϕ(e2 ) = √ e2 = − −λ2 e2 = − −λ2 a3
−λ2 −λ2 −λ2
..
.
p
o, si definimos Kj := −λj :
0 −K1 0 0
K1 0 0 0
0 0 0 −K2
0 0 K2 0
..
. .
0 −Kp
Kp 0
..
.
0
2.3. ISOMETRÍAS 85
Ejercicios
1. Sea ψ una transformación antisimétrica. Sea
ϕ = (ψ + I) ◦ (ψ − I)−1 .
es antisimétrica.
ϕ = ψ1 + iψ2
φ(x, y) = φ(y, x) ∀ x, y ∈ E.
Demostración.
Demostración. Sea
1
φ(x, y) := {ψ(x + y) − ψ(x) − ψ(y)}. (2.13)
2
Probaremos que φ es bilineal y simétrica. Luego a fin de ver que ψ(x) =
φ(x, x), definimos ψ1 (x) := φ(x, x) y se tiene:
ψ1 (x + y) = φ(x + y, x + y)
= φ(x, x) + 2φ(x, y) + φ(y, y)
= ψ1 (x) + 2φ(x, y) + ψ1 (y).
con x = 0 se tiene
Ası́ concluimos de (*) que 2ψ1 (x) = 2ψ(x), esto es, ψ1 (x) = ψ(x). Esto
prueba que : φ(x, x) = ψ(x).
Luego,
esto es,
Concluimos que:
p p
qφ( x, y) = φ(q · x, y) = φ(px, y) = pφ(x, y).
q q
Luego,
p p
φ( x, y) = φ(x, y). (2.20)
q q
Sea λ ∈ R. Entonces existe una sucesión λn en Q tal que λn → λ.
Ahora notamos que como ψ es continua entonces φ es continua y, luego, como
Luego:
XX
φ(x, y) = xi yj φ(ei , ej ).
i j
φ(ei , ej ) = λi δij
92 CAPÍTULO 2. TRANSFORMACIONES LINEALES
1 si i = j
donde δij = .
0 si i 6= j
En consecuencia: Existe una base ortonormal {vn } de E donde
λ1 0
...
A=
.
0 λn
Entonces à !à !
³ ´ 2 −6 x1
ψ(x1 , x2 ) = x1 x2
−6 5 x2
à !
2 −6
donde A = = (aij ).
−6 5
x1 = y1 + y2 , x2 = y1 − y2 , x3 = y3 , . . . , xn = yn
donde (b11 , b22 ) 6= (0, 0) y se puede aplicar el caso 1. (Note que puede ser
aún b11 = 0).
xi = y i + y j
xj = yi − yj
xp = yp si p 6= i , p 6= j
Esto lleva a una forma como (*) con (bii , bjj ) 6= (0, 0) ( o sea bii 6= 0 o
bjj 6= 0).
94 CAPÍTULO 2. TRANSFORMACIONES LINEALES
à ! à !
a11 a12 2 −6
Usemos este método en el ejemplo anterior: Allı́ = ,
a21 a22 −6 5
luego hacemos la sustitución
1
x1 = y1 − ((−6)y2 ) = y1 + 3y2
2
x2 = y 2 ,
obtenemos
Luego:
esto es: ψ(x1 , x2 , x3 ) = 2y11 − (7y22 + 18y2 y3 + 27y32 ) = 2y12 − ψ1 (y2 , y3 ) donde
ψ1 (y2 , y3 ) = 7y22 + 18y2 y3 + 27y32 es un polinomio cuadrático donde volvemos
a aplicar la sustitución. Aquı́
à !
7 9
A1 =
9 27
luego, sea
y1 = z1
1 9
y2 = z2 − (9z3 ) = z2 − z3
7 7
y3 = z3
96 CAPÍTULO 2. TRANSFORMACIONES LINEALES
entonces
9 9
ψ1 (y2 , y3 ) = 7(z2 − z3 )2 + 18(z2 − z3 )z3 + 27z32
7 7
9
= (z2 − z3 )[7z2 − 9z3 + 18z3 ] + 27z32
7
9
= (z2 − z3 )(7z2 + 9z3 ) + 27z32
7
1
= (7z2 − 9z3 )(7z2 + 9z3 ) + 27z32
7
1
= (49z22 − 81z32 ) + 27z32
7
81 81
= 7z22 + z32 + 27z32 = 7z22 + ( + 27)z32 .
7 7
Por lo tanto, ψ(x1 , x2 , x3 ) = 2z12 − 7z22 − ( 81
7
+ 27)z32 es la forma diagonal
pedida.
Ejemplos
1) La forma bilineal ψ(x1 , x2 ) = 2x21 − 12x1 x2 + 5x22 se escribe en forma
diagonal como
ψ(x1 , x2 ) = 2y12 − 13y22 ;
1
x1 = y1 − (−2y2 ) = y1 + y2
2
x2 = y2 .
Luego:
Ası́, P = 2 y luego, S = 2.
2.4. EJERCICIOS DE RECAPITULACIÓN 99
De esta manera, S = 2.
Nótese que el cambio de coordenadas con respecto al método 1 es diferente.
cos(135◦ ) sen(135◦ ) 0 cos(30◦ ) 0 sen(30◦ )
R=
−sen(135◦
) cos(135 ◦
) 0
0 1 0
◦ ◦
0 0 1 −sen(30 ) 0 cos(30 )
satisface la ecuación:
18. Sea T : C2 → C2 definida por T (e1 ) = (1, 2), T (e2 ) = (i, −1) , donde
{e1 , e2 } es la base canónica de C2 . Hallar T ∗ (x, y) .
19. Sea T : C2 → C2 definida por T (e1 ) = (1 + i, 2), T (e2 ) = (i, i). Hallar
T ∗ . ¿Es T normal ?
(a) Suponga que J es estable bajo π (esto es, π(J) ⊆ J). Demuestre
que
J = J ∩ E1 ⊕ J ∩ E1⊥ .
(a) Hallar T ∗ .
φ(x, y) = −φ(y, x) ∀ x, y ∈ E.
35. Hallar la matriz simétrica que corresponde a cada una de las siguientes
formas cuadráticas.
x1 = y 1 + y 3
x2 = y 2
x3 = y1 − y3 .
Producto tensorial
Además, denotamos
Si definimos
106
3.1. TRANSFORMACIONES MULTILINEALES 107
(λϕ)(x, y) = λϕ(x, y) ; x ∈ E, y ∈ F, λ ∈ R ó C.
Entonces B(E, F ; G) es un espacio vectorial.
⊗1 : im ϕ = G.
Demostración.
(i) Sea ψ : E × F −→ H y supongamos que existen dos transformaciones
lineales f1 : G −→ H y f2 : G −→ H tales que
ψ = f1 ◦ ϕ y ψ = f2 ◦ ϕ.
Entonces
(f1 − f2 ) ◦ ϕ = 0.
ϕ∗
E × F −→ im ϕ
ϕ ↓ .
G %f
(j ◦ f ) ◦ ϕ = j ◦ (f ◦ ϕ) = j ◦ ϕ∗ = ϕ.
3.1. TRANSFORMACIONES MULTILINEALES 109
j ◦ f = i.
(λx1 + x2 ) ⊗ y = λx1 ⊗ y + x2 ⊗ y ; x1 , x2 ∈ E, y ∈ F
x ⊗ (λy1 + y2 ) = λx ⊗ y1 + x ⊗ y2 ; x ∈ E, y1 , y2 ∈ F, λ ∈ R ó C.
Ejemplos
β((α11 , α21 , . . . , αn1 ), (1, 0, 0, . . .)) + β((α12 , α22 , . . . , αn2 ), (0, 1, 0, . . .))
+ · · · + β((α1m , α2m , . . . , αnm ), (0, 0, . . . , 1))
α11 0 · · · 0 0 α12 0 · · · 0 ··· 0 α1m
α21 0 · · · 0 0 α22 0 · · · 0 ··· 0 α2m
= . .. .. + + ··· +
.. . . ... ..
.
..
. ..
.
..
.
..
.
αn1 0 · · · 0 0 αn2 0 · · · 0 ··· 0 αnm
α11 · · · α1m
. ..
=
.
. .
αn1 · · · αnm
ψ
Rn × Rm −→ H
β ↓ %f .
Mn×m (R)
à !
a b
f = ψ((1, 0), (a, b)) + ψ((0, 1), (c, d)).
c d
Entonces f lineal:
à à ! à !! à !
a1 b1 a 2 b2 λa1 + a2 λb1 + b2
f λ + =f
c1 d 1 c2 d2 λc1 + c2 λd1 + d2
= λψ((1, 0), (a1 , b1 ))+ψ((1, 0), (a2 , b2 ))+λψ((0, 1), (c1 , d1 ))+ψ((0, 1), (c2 , d2 ))
= λ[ψ((1, 0), (a1 , b1 ))+ψ((0, 1), (c1 , d1 ))]+[ψ((1, 0), (a2 , b2 ))+ψ((0, 1), (c2 , d2 ))]
à ! à !
a1 b1 a2 b2
= λf +f
c1 d1 c2 d2
Finalmente,
112 CAPÍTULO 3. PRODUCTO TENSORIAL
à !
x1 y1 x1 y2
(f ◦ β)((x1 , x2 ), (y1 , y2 )) = f
x2 y1 x2 y2
Luego, f ◦ β = ψ.
1.- a ⊗ b 6= 0 si a 6= 0 y b 6= 0.
Pr Pr
Demostración. Sea z ∈ E ⊗ F entonces z = i=1 λi wi ⊗ yi = i=1 xi ⊗ y i
donde xi ≡ λi wi ∀ i y r es el mínimo de manera que la descomposición
anterior se cumple.
Si r = 1 entonces x1 6= 0 y y1 6= 0 (por la Propiedad 1), en consecuencia {x1 }
y {y1 } son dos conjuntos de vectores L.I. cada uno.
Supongamos que {xi }ri=1 son L.D. entonces, sin pérdida de generalidad,
r−1
X
xr = λ i xi
i=1
luego,
r−1
X r−1
X r−1
X
z = xi ⊗ yi + xr ⊗ yr = xi ⊗ y i + ( λi xi ) ⊗ yr
i=1 i=1 i=1
r−1
X r−1
X
= xi ⊗ yi + λi (xi ⊗ yr )
i=1 i=1
r−1
X
= xi ⊗ (yi + λi yr )
i=1
r−1
X
= xi ⊗ yei
i=1
gi (bj ) = δij
P
(e.g.: ge : h{b1 , . . . , br }i −→ R tal(que g1 (x) = g1 ( ri=1 λi bi ) = λ1 . Luego:
ge1 (x) , x ∈ h{b1 , . . . , br }i
Sea g1 : F −→ R tal que g1 (x) =
0 , otro caso
entonces g1 (b1 ) = 1 y g1 (bj ) = 0 ∀ j = 2, . . . , r. )
E × F −→ R
⊗↓ %h .
E⊗F
luego,
Xr X
h( aj ⊗ bj ) = h(aj ⊗ bj )
j=1 j
XX
= fi (aj )gi (bj )
j i
r
X
= fi (ai ).
i=1
3.1. TRANSFORMACIONES MULTILINEALES 115
Pr Pr
Ahora, por hipótesis: j=1 aj ⊗ bj = 0; por lo tanto, i=1 fi (ai ) = 0.
Como los fi son cualesquiera, elegimos fi ≡ 0 para cada i 6= k (por cada
k = 1, . . . , r fijo), esto da:
fk (ak ) = 0.
Demostración. Ejercicio.
4.- E ⊗ F ∼
= F ⊗ E (conmutatividad del producto tensorial).
Demostración.
ϕ2
E × F −→ F ⊗ E
ϕ1 ↓ %f
E⊗F
esto es: ϕ1 (x, y) =: x ⊗ y y ϕ2 (x, y) =: y ⊗ x. Luego, debemos demostrar que
ϕ1 = ϕ2 .
Ya que ϕ2 es bilineal, existe f : E ⊗ F −→ F ⊗ E lineal tal que
f ◦ ϕ1 = ϕ2 .
Esto es: f (x ⊗ y) = y ⊗ x.
De la misma forma
ϕ1
E × F −→ E ⊗ F
ϕ2 ↓ %g
F ⊗E
existe g : F ⊗ E −→ E ⊗ F tal que g ◦ ϕ2 = ϕ1 ; esto es:
g(y ⊗ x) = x ⊗ y.
116 CAPÍTULO 3. PRODUCTO TENSORIAL
Entonces:
g ◦ f ◦ ϕ1 = g ◦ ϕ2 = ϕ1 y f ◦ g ◦ ϕ2 = f ◦ ϕ1 = ϕ2
esto es:
g ◦ f ◦ ϕ1 = ϕ1 y f ◦ g ◦ ϕ2 = ϕ2
o equivalentemente:
(g ◦ f )(x ⊗ y) |{z}
= (x ⊗ y) y (f ◦ g)(y ⊗ x) = (y ⊗ x).
(1)
Demostración.
ϕ2
e
E × F −→ E ⊗F
ϕ1 ↓ %f
E⊗F
3.1. TRANSFORMACIONES MULTILINEALES 117
e
luego, ϕ1 (x, y) = x ⊗ y y ϕ2 (x, y) = x⊗y.
Ya que ϕ2 es bilineal, la propiedad de factorización implica que existe f :
e lineal tal que:
E ⊗ F −→ E ⊗F
f ◦ ϕ1 = ϕ2 .
Análogamente:
ϕ1
E × F −→ E ⊗ F
ϕ2↓ %g
e
E ⊗F
e −→ E ⊗F tal que g ◦ϕ2 = ϕ1 . Combinando ambas relaciones
existe g : E ⊗F
se obtiene:
(g ◦ f )(x ⊗ y) = x ⊗ y y e = x⊗y.
(f ◦ g)(x⊗y) e
e se obtiene que f ◦ g = i
Nuevamente, como im ϕ1 = E ⊗ F y im ϕ2 = E ⊗F
y g ◦ f = i, de donde sigue el resultado.
βz (λx1 + x2 , y) = (λx1 + x2 ) ⊗ (y ⊗ z)
= λx1 ⊗ (y ⊗ z) + x2 ⊗ (y ⊗ z)
= λβz (x1 , y) + βz (x2 , y)
βz (x, λy1 + y2 ) = x ⊗ (λy1 + y2 ⊗ z)
= x ⊗ [λy1 ⊗ z + y2 ⊗ z]
= x ⊗ (λy1 ⊗ z) + x ⊗ (y2 ⊗ z)
= λx ⊗ (y1 ⊗ z) + x ⊗ (y2 ⊗ z)
= λβz (x, y1 ) + βz (x, y2 )
118 CAPÍTULO 3. PRODUCTO TENSORIAL
βz
E × F −→ E ⊗ (F ⊗ G)
⊗ ↓ %hz
E⊗F
esto es, existe una única transformación lineal hz : E ⊗ F → E ⊗ (F ⊗ G)
tal que hz ◦ ⊗ = βz , esto es:
hz (x ⊗ y) = βz (x, y) = x ⊗ (y ⊗ z) ∀ x ∈ E, y ∈ F.
ψ(x ⊗ y, z) = hz (x ⊗ y).
Además, por unicidad, hλz1 +z2 = λhz1 + hz2 de donde sigue la linealidad en
la segunda componente (Ejercicio).
Ası́, el siguiente diagrama es conmutativo:
ψ
(E ⊗ F ) × G −→ E ⊗ (F ⊗ G)
⊗ ↓ %g
(E ⊗ F ) ⊗ G
esto es, existe una única transformación lineal g : (E ⊗F )⊗G → E ⊗(F ⊗G)
tal que g ◦ ⊗ = ψ, esto es:
b
hx (y ⊗ z) = αx (y, z) = (x ⊗ y) ⊗ z.
b y ⊗ z) = αx (y ⊗ z).
ψ(x,
b
esto es, existe una única gb : E ⊗ (F ⊗ G) → (E ⊗ F ) ⊗ G tal que: gb ◦ ⊗ = ψ,
esto es:
b y ⊗ z) = (x ⊗ y) ⊗ z.
gb(x ⊗ (y ⊗ z)) = ψ(x, (3.2)
y
(b
g ◦ g)((x ⊗ y) ⊗ z) = gb(x ⊗ (y ⊗ z)) = (x ⊗ y) ⊗ z.
L(E ⊗ F ; G) ∼
= B(E, F ; G)
φ(f ) := f ◦ ⊗ ∀ f ∈ L(E ⊗ F ; G)
Claramente φ es lineal:
i) φ es sobreyectiva.
ii) φ es inyectiva.
Ejercicios
1. Suponga que a ⊗ b 6= 0. Demuestre que a ⊗ b = a0 ⊗ b0 si y sólo si
a0 = λa y b0 = λ−1 b; λ ∈ R, λ 6= 0.
4. Demuestre que
6. Sea E = E1 ⊕ E2 y F = F1 ⊕ F2 . Entonces
E ⊗ F = E1 ⊗ F1 ⊕ E1 ⊗ F2 ⊕ E2 ⊗ F1 ⊕ E2 ⊗ F2 .
ϕ : E → E0 ; ψ : F → F 0.
122 CAPÍTULO 3. PRODUCTO TENSORIAL
ϕ ⊗ ψ : E ⊗ F → E0 ⊗ F 0
p : E × F → E0 ⊗ F 0
T k (E) := {f : E
| × ·{z
· · × E} → R / F es multilineal }
k−veces
3.1. TRANSFORMACIONES MULTILINEALES 123
T k (E) ∼
= L(⊗k E; R)
T : ⊗k E → R S : ⊗l E → R.
T ⊗ S : ⊗k+l E → R,
tal que (T ⊗ S)(x ⊗ y) = T (x)S(y). Notar que T (x) ⊗ T (y) = T (x)T (y) pues
se trata del producto tensorial en R y R ⊗ R ∼
= R.
Más precisamente,
Ejemplos de Tensores
1. Una función determinante es un tensor.
En efecto, basta recordar la definición de la sección 1.3: Es una función
∆ : E × · · · × E → R multilineal y antisimétrica.
2. Un producto interior es un tensor de orden 2.
En efecto: Recordemos de la sección 1.1 que un producto interior en una fun-
ción h, i : E × E → R bilineal, que es además simétrica y definida positiva.
a) (S1 + S2 ) ⊗ T = S1 ⊗ T + S2 ⊗ T
b) S ⊗ (T1 + T2 ) = S ⊗ T1 + S ⊗ T2
c) (aS) ⊗ T = S ⊗ (aT ) = a(S ⊗ T )
d) (S ⊗ T ) ⊗ U = S ⊗ (T ⊗ U )
Demostración. Usando la definición (∗), se probará (a). Las partes (b), (c)
y (d) quedan de ejercicio.
[(S1 + S2 ) ⊗ T ](x1 , x2 , . . . , xk , y1 , y2 , . . . , yl )
= (S1 + S2 )(x1 , . . . , xk )T (y1 , . . . , yl )
= [S1 (x1 , . . . , xk ) + S2 (x1 , . . . , xk )]T (y1 , . . . , yl )
= S1 (x1 , . . . , xk )T (y1 , . . . , yl ) + S2 (x1 , . . . , xk )T (y1 , . . . , yl )
= (S1 ⊗ T )(x1 , . . . , xk , y1 , . . . , yl ) + (S2 ⊗ T )(x1 , . . . , xk , y1 , . . . , yl )
= [(S1 ⊗ T ) + (S2 ⊗ T )](x1 , . . . , xk , y1 , . . . , yl )
(fi1 ⊗ fi2 ⊗ · · · ⊗ fik )(x1 , . . . , xk ) = fi1 (x1 )fi2 (x2 ) · · · fik (xk )
(fi1 ⊗ fi2 ⊗ · · · ⊗ fik )(ej1 , ej2 , . . . , ejk ) = fi1 (ej1 )fi2 (ej2 ) · · · fik (ejk )
= δi1 ,j1 δi2 ,j2 · · · δik ,jk
(
1 si j1 = i1 , j2 = i2 , . . . , jk = ik ,
= (∗)
0 otro caso
Luego :
n
X n
X
T (w1 , . . . , wk ) = T ( a1j1 ej1 , . . . , akjk ejk )
j1 =1 jk =1
n
X
= a1j1 · · · akjk T (ej1 , . . . , ejk ) (∗ ∗ ∗)
j1 ,··· ,jk =1
Xn n
X
fi1 (w1 ) = fi1 ( a1j ej ) = a1j fi1 (ej ) = a1i1 .
j=1 j=1
Ası́,
(fi1 ⊗ fi2 ⊗ · · · ⊗ fik )(w1 , . . . , wk ) = a1i1 a2i2 · · · akik ;
luego ,
n
X
T = T (ei1 , . . . , eik )(fi1 ⊗ fi2 ⊗ · · · ⊗ fik ).
i1 ,...,ik =1
Aplicando el vector de la base (ej1 , . . . , ejk ) se obtiene de (∗) que todos los
elementos de la suma son cero excepto cuando j1 = i1 , j2 = i2 , . . . , jk = ik ,
esto es:
aj1 , aj2 , . . . , ajk = 0.
como
1 X
Alt(T )(v1 , . . . , vk ) = sgn σT (vσ(1) , . . . , vσ(k) )
k! σ∈S
k
Teorema 99
(1) Si T ∈ T k (E) entonces Alt(T ) ∈ Λk (E).
(2) Si w ∈ Λk (E) entonces Alt(w) = w.
(3) Si T ∈ T k (E) entonces Alt(Alt(T )) = Alt(T ).
1
Alt(T )(v1 , v2 ) = [T (v1 , v2 ) − T (v2 , v1 )].
2
En lo que sigue probaremos el teorema en el caso k = 2. El caso general
queda de ejercicio para el lector.
(1) Sea T ∈ T 2 (E) entonces es claro que Alt(T ) está en T 2 (E) (i.e. es
bilineal) pues, por ejemplo,
1
Alt(T )(λv1 + w1 , v2 ) = [T (λv1 + w1 , v2 ) − T (v2 , λv1 + w1 )]
2
1
= [λT (v1 , v2 ) + T (w1 , v2 ) − λT (v2 , v1 ) + T (v2 , w1 )]
2
1 1
= λ [T (v1 , v2 ) − T (v2 , v1 )] + [T (w1 , v2 ) − T (v2 , w1 )]
2 2
= λAlt(T )(v1 , v2 ) + Alt(T )(w1 , v2 )
1
Alt(T )(w)(v1 , v2 ) = [w(v1 , v2 ) − w(v2 , v1 )]
2
1
= [2w(v1 , v2 )] pues w es alternada ssi w(v1 , v2 ) = −w(v2 , v1 )
2
= w(v1 , v2 ).
Por lo tanto, Alt(w) = w.
(3) Sea T ∈ T 2 (E). Entonces por (1) w := Alt(T ) ∈ Λ2 (E). Luego, por (2):
(k + l)!
ω ∧ η := Alt(ω ⊗ η).
k!l!
Observaciones:
1) Note que, efectivamente, ω ∧ η ∈ Λk+l (E) gracias a que por el Teorema
anterior parte (1), si ω ⊗ η ∈ T k+l (E) entonces Alt(ω ⊗ η) ∈ Λk+l (E).
2) El producto ω ⊗ η no sirve pues no está en Λk+l (E) necesariamente.
a) (ω1 + ω2 ) ∧ η = ω1 ∧ η + ω2 ∧ η
b) ω ∧ (η1 + η2 ) = ω ∧ η1 + ω ∧ η2
c) aω ∧ η = ω ∧ aη = a(ω ∧ η)
d) ω ∧ η = (−1)kl η ∧ ω.
(k + l)!
(ω1 + ω2 ) ∧ η = Alt((ω1 + ω2 ) ⊗ η)
k!l!
(k + l)!
= Alt(ω1 ⊗ η + ω2 ⊗ η)
k!l!
(k + l)! (k + l)!
= Alt(ω1 ⊗ η) + Alt(ω2 ⊗ η) (Ejercicio)
k!l! k!l!
= ω1 ∧ η + ω2 ∧ η.
130 CAPÍTULO 3. PRODUCTO TENSORIAL
Teorema 101
(1) Si S ∈ T k (E), T ∈ T l (E) y Alt(S) = 0, entonces
Alt(S ⊗ T ) = Alt(T ⊗ S) = 0.
(k + l + m)!
(ω ∧ η) ∧ θ = ω ∧ (η ∧ θ) = Alt(ω ⊗ η ⊗ θ)
k!l!m!
Demostración. Ejercicio.
Bibliografı́a
131