Libro 2

Notas para un curso de
Algebra y Geometra
Jose Antonio Vallejo Rodrguez
Departamento de Matematicas
Facultad de Ciencias
Universidad Autonoma de San Luis Potos
Lat. Av. Salvador Nava s/n. CP 78290
San Luis Potos (SLP), Mexico
e-mail: jvallejo@fciencias.uaslp.mx
21 Agosto 2006
ii
RESUMEN
Estas notas se corresponden con el contenido ampliado de unos cursos im-
partidos en la Facultad de Ciencias de la Universidad Autonoma de San
Luis Potos y el Centro de Investigacion en Matematicas A.C. en Guana-
juato.
Constituyen una introduccion al algebra a nivel intermedio y van acom-
pa nadas de una extensa coleccion de problemas de diferentes grados de
dicultad.
Indice
Prefacio VII
1. Repaso de teora de grupos y anillos 1
1.1. Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Anillos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2. Espacios vectoriales 7
3. Morsmos de espacios vectoriales. Matriz asociada a una
aplicacion lineal 13
4. Espacio dual. Reexividad. Aplicacion adjunta 19
5. Formas bilineales. Metricas y formas simplecticas sobre un
espacio vectorial 25
6. Incidencia y ortogonalidad.

Angulos 31
7. El algebra tensorial T (V ) asociada a un espacio vectorial V 37
8. Accion del grupo de permutaciones en T
0
p
(V ). Los proyec-
tores Alt y Sym 43
8.1. Propiedades functoriales de T
0
p
(V ) . . . . . . . . . . . . . . 48
iv

Indice
9. El algebra exterior (V ). Derivaciones en (V ): operador
insercion i
v
51
9.1. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . 58
9.2. Orientacion y volumen en un espacio vectorial. . . . . . . . 62
9.3. Dualidad de Hodge. El operador . . . . . . . . . . . . . . 66
A. Propiedad Universal del producto tensorial 71
B. Indicaciones para algunos de los ejercicios 75
C. Problemas propuestos 87
C.1. Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
C.1.1. Grupos . . . . . . . . . . . . . . . . . . . . . . . . . 87
C.1.2. Anillos . . . . . . . . . . . . . . . . . . . . . . . . . . 88
C.2. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . 89
C.2.1. Espacios vectoriales y subespacios . . . . . . . . . . 89
C.2.2. Dependencia e independencia lineal . . . . . . . . . . 92
C.2.3. Sistemas generadores. Bases . . . . . . . . . . . . . . 93
C.2.4. Espacios suplementarios . . . . . . . . . . . . . . . . 96
C.2.5. Espacio vectorial cociente . . . . . . . . . . . . . . . 96
C.3. Aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . 97
C.3.1. Primeras deniciones y propiedades . . . . . . . . . 97
C.3.2. Teoremas fundamentales . . . . . . . . . . . . . . . . 98
C.3.3. Aplicaciones lineales y matrices . . . . . . . . . . . . 98
C.4. Espacio dual . . . . . . . . . . . . . . . . . . . . . . . . . . 99
C.5. Formas bilineales . . . . . . . . . . . . . . . . . . . . . . . . 100
C.5.1. Metricas: ortogonalidad e incidencia . . . . . . . . . 100
C.5.2. Aplicaciones ortogonales.

Angulos . . . . . . . . . . 101
C.5.3. Orientacion. Operador de Hodge . . . . . . . . . . 102
C.6.

Algebra Multilineal . . . . . . . . . . . . . . . . . . . . . . . 103
C.6.1. Tensores . . . . . . . . . . . . . . . . . . . . . . . . . 103
C.6.2. Formas multilineales alternadas. Determinantes . . . 105
Indice alfabetico 106

A mi bebe, Alexandra
vi

Indice
Prefacio
En general, los cursos de licenciatura sobre

Algebra que se imparten en
las universidades de provinicia mexicanas son muy decientes, y esto es
as debido a diversos factores. A mi modo de ver uno de los mas decisivos
es la escasa formacion de gran parte del profesorado. La mayor parte de los
profesores en las universidades de provincia se compone de gente ya entrada
en a nos, en muchos casos carentes de una titulacion adecuada (sin maestra
ni doctorado, y en muchos casos ni siquiera una licenciatura en Matemati-
cas), que ademas no ha tenido el mas mnimo interes por actualizar sus
conocimientos. La inercia natural en estos casos conlleva que se reutilice el
material que ellos mismos estudiaron en su momento. El resultado de este
estado de cosas se hace evidente cuando uno observa los programas de las
asignaturas relacionadas con el

Algebra o se da un paseo por las bibliotecas
de los centros docentes. Se puede comprobar entonces que los contenidos
de las materias se adec uan a la de los colleges estadounidenses de los
a nos 5060 y, en corcondancia, los textos que se ven en las bibliotecas son
ediciones o reediciones de materiales de esos a nos.
El problema es que estos libros ya eran anticuados en el momento en que
se escribieron, y estaban a unos 150 a nos de distancia del

Algebra que se
cultivaba por aquella epoca. Su objetivo fundamental es el estudio de las
soluciones de sistemas de ecuaciones lineales (muchos de ellos lo expresan
as, explcitamente, en sus introducciones) y dan una vision tan elemental de
los temas que tratan que los hace totalmente inservibles para un estudiante
moderno que simultaneamente al de

Algebra siga (o vaya a seguir) un curso
de Sistemas Dinamicos, Ecuaciones Diferenciales o Geometra Diferencial.
viii Prefacio
Por supuesto, en la literatura matematica existe una multitud de textos
adecuados a la licenciatura que hacen una presentacion moderna, y cierta-
mente algunos de ellos son difcilmente mejorables, de manera que a la hora
de impartir un curso sobre el tema, si se quiere evitar la continuacion de la
penosa situacion que acabo de describir, uno puede optar por seguir uno
de ellos. El problema entonces es el idioma. Las casas editoriales en Ibe-
roamerica parecen haberse puesto de acuerdo en traducir del ingles y editar
al a no unos 200 ttulos en la mejor tradicion de los famosos mamotretos
de 1200 paginas titulados Calculo con Geometra Analtica,
Algebra y
Trigonometra,
Algebra elemental,
Algebra Intermedia, etc. Casi to-

dos estos libros estan dirigidos a estudiantes de ciencias e ingeniera y
a un al area de humanidades, pero practicamente no hay nada enfocado es-
peccamente hacia el nicho de los estudios de matematicas. Como el ingles
tampoco es la especialidad de nuestros estudiantes, al nal uno se enfrenta
con la necesidad de contar con un material apto para un curso moderno de
Algebra para matematicos y cientcos serios que este en espa nol, y esta
es la justicacion de haber escrito estas notas.
Su contenido se adec ua al de algunas asignaturas que he impartido en la
Universidad Autonoma de San Luis Potos (Temas selectos de Geometra,
Algebra Lineal) y un curso que dicte en la I Escuela de

Algebra del Centro
de Investigacion en Matematicas A. C. de Guanajuato (
Algebra Multili-
neal). La idea que me ha guiado en su elaboracion es la de hacer un texto
sobre el que el alumno pueda trabajar, pero que tambien le sirva de ma-
terial de referencia. As, hay muchos resultados teoricos que se proponen
para demostrar en forma de ejercicio, pero para la mayor parte de ellos se
da la solucion en un apendice.
Un aspecto fundamental presente en todo el desarrollo y que se hace
patente desde un principio, es el de la utilizacion del lenguaje moderno del
Algebra y tecnicas actuales de demostracion, de forma que el estudiante

pueda darse cuenta en cursos mas avanzados (y en otra asignaturas) que en
realidad esta tratando con cosas que ya conoce. Un estudio con cierto detalle
de las formas bilineales en espacios vectoriales, por ejemplo, le resultara util
cuando estudie Topologa de espacios metricos, Geometra Riemanniana
o Geometra Simplectica; las formas lineales son indispensables para un
posterior curso de Geometra Diferencial, etc.
Naturalmente, razones de espacio han determinado los topicos que se
han includo, y no he dudado en eliminar los contenidos sobre resolucion
de sistemas de ecuaciones lineales, operaciones con matrices, etc. Habitual-
mente, los estudiantes que llegan a un curso de mitad de licenciatura sobre
Algebra Lineal o Geometra ya han visto estos temas en otros cursos (in-
cluso es probable que eso sea lo unico que hayan visto en otros cursos...),
as que esta no parece ser una omision muy importante.
Hay algunas personas a las que tengo mucho que agradecer por diversos
motivos relacionados con la elaboracion de estas notas. A Gil Salgado por
numerosas discusiones e ideas, por la invitacion para impartir el curso en la I
Prefacio ix
Escuela de

Algebra del CIMAT (donde presente una primera version de etas
notas) y por la inspiracion proporcionada por su curso de

Algebras de Lie. A
Afolfo Sanchez Valenzuela por todo su apoyo en mis estancias en el CIMAT,
lo mismo que a Isabel Hernandez y Mary Carmen Rodrguez. Y sobre todo
a Juan Monterde y Jaime Mu noz Masque, mis maestros, por numerosa
informacion (de Jaime he utilizado sus notas del curso impartido en la
ETSAB de Barcelona y otros en Salamanca). Sin embargo, en un trabajo
de esta extension es inevitable que aparezcan erratas y a un errores, de los
que la unica y exclusiva responsabilidad es ma. Agradecere muchsimo la
comunicacion de cualquiera de ellos.
San Luis Potos, Agosto 2006
x Prefacio
1
Repaso de teora de grupos y anillos
1.1. Grupos
Sean X, Y conjuntos. El producto cartesiano X Y es otro conjunto
dado por los pares ordenados de elementos de X e Y :
X Y = (x, y) : x X, y Y .
En particular, podemos formar X X.
Denicion 1 Un grupo es un conjunto G junto con una aplicacion :
GG G (usualmente llamada producto y denotada (g, h) = g h, a
veces incluso gh si no hay riesgo de confusion) con las propiedades:
1. Asociativa: f (g h) = (f g) h, f, g, h G.
2. Existencia de elemento neutro: e G : f e = e f = f, f G.
3. Existencia de inverso: f G, f
1
G : f f
1
= e = f
1
f.
Si solo se cumple (1), se dice que (G, ) es un semigrupo. Si se cumplen
(1), (2) se dice que (G, ) es un semigrupo con identidad o monoide.
Se llama orden del grupo (G, ) al cardinal del conjunto G.
Ejemplo 2 Dado un conjunto cualquiera X, el conjunto
(X) = f : X X biyeccion
tiene estructura de grupo con la composicion habitual de aplicaciones.
2 1. Repaso de teora de grupos y anillos
Denicion 3 Un grupo (G, ) se dice que es abeliano (o conmutativo) si
verica
4. f g = g f, f, g G.
Ejemplo 4 El subconjunto U(1) = e
i
: [0, 2[ = z C : [z[ =
1 C con la operacion denida por
e
i
1
e
i
2
= e
i(
1
+
2
) mod 2
es un grupo abeliano. El conjunto Z
2
= 1, 1 con el producto usual de
enteros es tambien un grupo abeliano.
Ejercicio 5 Considerese N con la suma. Es grupo?, lo es (Z, +) ?, es
alguno abeliano?. Que se puede decir de (Q, )?, se puede modicar (Q, )
para obtener un grupo?.
Ejercicio 6 Consideremos C
0
(R) = f : R R continua. Es un grupo
para la suma denida como (f +g)(x) = f(x) +g(x)?, y para el producto
con (f g)(x) = f(x) g(x) (siendo el producto de n umeros reales usual)?.
Ejercicio 7 Sea (G, ) un grupo. Probar lo siguiente:
1. La identidad de G, e, es unica.
2. Si g G, su inverso g
1
G es unico.
3. Si g, h G, entonces (g h)
1
= h
1
g
1
.
4. Si a, b, c G, la ecuacion a x b = c tiene solucion unica (ayuda:
x = a
1
c b
1
).
5. (g
1
)
1
= g, g G.
6. Dado g G, la aplicacion L
g
: G G tal que L
g
(h) = g h es
una biyeccion (ayuda: (L
g
)
1
= L
g
1). Analogamente, la aplicacion
R
g
: G G tal que R
g
(h) = h g tambien es una biyeccion. estas
aplicaciones se denominan traslacion izquierda y derecha, res-
pectivamente.
Nota 8 Dado un grupo (G, ), un subconjunto H G se dice que es un
subgrupo de G, y se denota H G, si H con las operaciones restrin-
gidas de G es un grupo. En ese caso, H induce una relacion binaria de
equivalencia en G de la siguiente manera: para a, b G arbitrarios,
a b sii h H tal que a = bh.
Las clases de equivalencia bajo esta relacion, llamadas coclases derechas,
se denotan [a], a o L
a
(H).

Esta ultima notacion es la mas sugerente, ya
que como se comprueba de forma inmediata:
[a] = L
a
(H) = ah : h H.
1.1 Grupos 3
De analoga forma se denen las coclases izquierdas R
a
(H), mediante la
relacion
a b sii h H tal que a = hb.
Denicion 9 Sea n N. Llamemos I
n
= 1, 2, ..., n; entonces, a (I
n
)
(denido en el ejemplo 2) se le denota
n
y se llama grupo de permu-
taciones de n objetos o grupo simetrico de n elementos. Los elementos
de
n
se escriben explicitando sus imagenes:
f
n
=
_
1 2 . . . n
f(1) f(2) . . . f(n)
_
.
Las permutaciones f
n
siempre se pueden descomponer en unas per-
mutaciones especiales que solo involucran dos objetos, las llamadas traspo-
siciones. Para ello, se escribe f dando unicamente los elementos de I
n
que
mueve (la llamada descomposicion en ciclos) y luego se intercambian
esos elementos dos a dos.
Ejemplo 10 En I
6
= 1, 2, 3, 4, 5, 6:
f =
_
1 2 3 4 5 6
3 5 6 2 1 4
_
= (136452) = (13)(36)(64)(45)(52)
y
g =
_
1 2 3 4 5 6
3 5 4 1 6 2
_
= (134)(256) = (13)(34)(25)(56).
Denicion 11 Sea (f) el n umero de trasposiciones en que se descompone
una permutacion f
n
. A (1)
(f)
se le llama signatura de f, y se
escribe sig(f) o (f). Si sig(f) = +1(resp. 1) se dice que f es par (resp.
impar). El subconjunto de las permutaciones pares (es decir, con signatura
igual a 1) forma un subgrupo de
n
que se denota A
n
y se denomina grupo
alternado de n elementos.
Ejemplo 12 Las permutaciones f, g
6
del ejemplo 10 tienen
sig(f) = (f) = (1)
5
= 1 (f impar)
sig(g) = (g) = (1)
4
= 1 (g par).
Ejercicio 13 Calcular las signaturas de las siguientes permutaciones:
f =
_
1 2 3 4 5 6 7
2 3 5 1 4 7 6
_
, g =
_
1 2 3 4 5 6 7 8
6 4 5 1 8 3 2 7
_
.
Denicion 14 Sea f : (G, ) (H, ) una aplicacion entre grupos. Se
dice que es un morsmo de grupos si
f(g
1
g
2
) = f(g
1
) f(g
2
), g
1
, g
2
G.
Un morsmo que, como aplicacion entre cojuntos es inyectiva (resp. so-
breyectiva, biyectiva) se dice que es un monomorsmo (resp. epimorsmo,
isomorsmo).
Ejemplo 15 Dado el grupo de permutaciones
p
, la aplicacion signatura
dene un morsmo
sig :
p
Z
2
.
En otras palabras, si f, g
p
, entonces sig(f g) = sig(f)sig(g).
Ejemplo 16 El conjunto de las matrices reales cuadradas de orden n que
son invertibles, forman un grupo respecto del producto matricial. Este gru-
po se denomina grupo general lineal
1
(real) de orden n, y se denota
GL
n
(R).
Ejercicio 17 Considerar el conjunto SO(2, R) de las matrices 2 2 con
coecientes reales de la forma
_
a b
b a
_
tales que a
2
+ b
2
= 1. Probar que (SO(2, R), ), con el producto usual de
matrices, es un grupo isomorfo al U(1) del ejemplo 4.
Proposicion 18 Si f : (G, ) (H, ) es un morsmo, entonces:
1. f(e
G
) = e
H
.
2. f(g
1
) = (f(g))
1
, g G.
Demostracion. La primera parte es inmediata: se tiene que, por ser e
G
el neutro de G, f(e
G
) = f(e
G
e
G
) y por ser f morsmo: f(e
G
) = f(e
G
)
f(e
G
). Multiplicando a la izquierda por f(e
G
)
1
(que existe por ser H
grupo), se obtiene e
H
= f(e
G
). Para la segunda, como consecuencia de la
primera, si g G:
f(g) f(g
1
) = f(g g
1
) = f(e
G
) = e
H
,
luego f(g
1
) = (f(g))
1
.
Denicion 19 Si f : G G es morsmo (resp. isomorsmo), se dice que
es un endomorsmo (resp. automorsmo). El conjunto de los endo-
morsmos (resp. automorsmos) de G se denota End(G) (resp. Aut(G))..
Ejemplo 20 f : (R, +) (R
+
, ), dado por f(x) = e
x
, es un automors-
mo.
Denicion 21 Sea X un conjunto. Se dice que el grupo (G, ) act ua so-
bre X (por la izquierda) si se tiene una aplicacion
: GX X
1
El espacio R puede sustiturse por cualquier otro cuerpo K, vease mas adelante la
denicion de cuerpo.
1.2 Anillos 5
donde (g, x) X se denota por g.x X y a veces por
g
x X, de manera
que:
1. (g
1
g
2
).x = g
1
.(g
2
.x), g
1
, g
2
G y x X.
2. e.x = x, x X.
A se la llama aplicacion accion. La denicion de accion por la derecha
es totalmente analoga, en este caso (x, g) X se denota por x.g o por
x
g
.
Ejemplo 22 Consideremos X = R
2
y G = R
= R 0 con la multipli-
cacion. Entonces, la aplicacion
: R
R
2
R
2
t.(x, y) = (tx, ty)
es una accion (accion de las homotecias sobre el plano).
Ejercicio 23 Comprobar que tomando X = R
2
y considerando sus ele-
mentos como matrices columna, el producto de matrices usual determina
una accion del grupo SO(2, R) (vease ejercicio 17) sobre R
2
(accion de las
rotaciones en el plano).
Proposicion 24 Sea : G X X una accion del grupo G sobre el
conjunto X.
1. Para cada g G, la aplicacion
g
: X X con
g
(x) = (g, x) =
g.x, es biyectiva con inversa
g
1.
2. La aplicacion : G (X) tal que (g) =
g
es un morsmo de
grupos.
Ejercicio 25 Probar la proposicion (24).
1.2. Anillos
Denicion 26 Un anillo es un conjunto A sobre el que se tienen dos
operaciones, usualmente denotadas suma + y producto , tales que:
1. (A, +) es un grupo abeliano (vease denicion 3).
2. (A, ) es un semigrupo (vease denicion 1).
3. Se tiene la siguiente propiedad distributiva: si a, b, c A,
a (b +c) = a b +a c.
En el caso de que (A, +, ) admita alg un neutro para el producto (i.e. que
(A, ) sea un monoide) se dice que es un anillo con unidad. El elemento
neutro de la suma se suele denotar 0, el inverso de a A respecto de +
como a, y el neutro del producto (si existe) como 1. Si (A, +, ) es un
anillo con unidad, se denomina caracterstica de A, denotado (A), al
menor p N tal que p 1 = 1 +
p)
+ 1 = 0.
Ejemplo 27 El conjunto Z
2
= 0, 1, con las operaciones dadas por las
tablas
+ 0 1
0 0 1
1 1 0
0 1
0 0 0
1 0 1
es un anillo. Tiene unidad, 1, y es de caracterstica 2.
Ejercicio 28 Es (N, +, ) (suma y productos habituales) un anillo?Es
(Z, +, ) (suma y productos habituales) un anillo?, lo es (Q, +, )?
Ejercicio 29 Comprobar que el conjunto C
0
(R) con la suma y el producto
denidos en el ejercicio 6 es un anillo. Probar que, si se restringe el con-
junto soporte a C
0
a
([a, b]) (las funciones continuas denidas en el intervalo
[a, b], con a > 0 jo, y que se anulan en a), entonces se obtiene un anillo
sin identidad.
Ejercicio 30 Comprobar que el conjunto /at
2
(R) de las matrices 2 2
con coecientes reales, forma un anillo con respecto a la suma y producto
habituales de matrices.
En general, dado un grupo abeliano (G, ), el conjunto (End(G), , )
(donde es la composicion de aplicaciones), tiene estructura de anillo.
En un anillo arbitrario, puede ocurrir que existan elementos a, b distintos
de cero tales que a b = 0. En ese caso, se dice que ambos elementos son
divisores de cero. Los anillos sin divisores de cero revisten particular
interes.
Denicion 31 Un anillo (K, +, ) es un cuerpo si (K, ) es un grupo. Si
ademas (K, ) es abeliano, se dice que (K, +, ) es un cuerpo conmutativo.
Ejemplo 32 (Q, +, ), (R, +, ), (C, +, ) con las operaciones habituales, son
cuerpos. Z
2
con las operaciones dadas en el ejemplo 27 es un cuerpo.
(Z, +, ) no es un cuerpo, y tampoco lo es /at
2
(R) con las operaciones
habituales de matrices.
Ejercicio 33 Dar una denicion analoga a la 14, es decir, enunciar lo que
seran los morsmos de anillos y cuerpos.
2
Espacios vectoriales
Denicion 34 Sea (K, +, ) un cuerpo y (V, ) un grupo abeliano. Una es-
tructura de espacio vectorial sobre K en V (o de Kespacio vectorial)
es una aplicacion
KV V
(k, v) k.v
que verica:
1. k.(u v) = k.u k.v, k K, u, v V .
2. (k +k
t
).v = k.v k
t
.v, k, k
t
K, v V .
3. (k k
t
).v = k.(k
t
.v), k, k
t
K, v V .
4. 1.v = v, v V .
Los elementos de K se denominan escalares, y los de V vectores.
Observese que del cuerpo K no se utiliza la invertibilidad de sus elemen-
tos. De hecho, la denicion de espacio vectorial puede darse igualmente
para el caso en que K es un anillo A (y entonces se habla de modulos
sobre A o de Amodulos).
Nota 35 Es frecuente escribir (la suma de vectores) con el mismo smbo-
lo que la suma en el cuerpo K (suma de escalares), y tambien se escribe
8 2. Espacios vectoriales
la accion de K sobre V con el mismo smbolo que el producto de escala-
res, pero hay que tener presente que son operaciones distintas. As, lo mas
com un es encontrar la propiedad distributiva escrita como
k(v
1
+v
2
) = kv
1
+kv
2
.
Ejercicio 36 Comparar la denicion anterior con la denicion de espacio
vectorial en un texto cualquiera de

Algebra Lineal y comprobar que son
equivalentes.
Tras hacer este ejercicio, no debera haber problemas en utilizar la iden-
ticacion mencionada en la nota 35. Por tanto, en lo que sigue y por como-
didad, utilizaremos la misma notacion para la suma de escalares y vectores,
as como para el producto de escalares y de un escalar por un vector. Tam-
bien, hablaremos de (K, +, ) como del cuerpo K.
Ejemplo 37 Todo cuerpo es un espacio vectorial sobre si mismo. As,
(Q, +, ), (R, +, ), (C, +, ) con las operaciones habituales, son espacios vec-
toriales. Z
2
con las operaciones dadas en el ejemplo 27 es un espacio vecto-
rial. Las matrices de /at
2
(R) (de tipo 2 2 con coecientes reales) junto
con la suma forman un espacio vectorial sobre R; de hecho, las matrices
/at
mn
(K) (de tipo m las, n columnas con coecientes en un cuerpo K)
con la suma habitual forman un espacio vectorial sobre K.
Ejercicio 38 Sea R
3
= (x, y, z) : x, y, z R = R R R, con la
estructura de grupo abeliano dada por la suma (x, y, z) + (x
t
, y
t
, z
t
) =
(x + x
t
, y + y
t
, z + z
t
). Probar que es un espacio vectorial sobre (R, +, ).
Generalizar a R
n
.
Este ejercicio a un se puede ampliar mas: de acuerdo con el ejemplo 37,
dado un cuerpo cualquiera K, el producto cartesiano K
n
= K K
tiene una estructura de espacio vectorial totalmente analoga a la de R
n
.
Notese tambien que las matrices de /at
mn
(K) act uan sobre K
n
(si los
elementos de K
n
se ven como vectores columna, esto es, matrices n 1)
mediante el producto matricial usual.
Ejemplo 39 El espacio C
0
(R) de las funciones reales continuas (vease
ejercicio 6) tiene estructura de espacio vectorial sobre R.
Denicion 40 Sea V un espacio vectorial sobre K. Se dice que un subcon-
junto S V es un subespacio vectorial si S es un espacio vectorial sobre
K.
Ejercicio 41 Probar que la interseccion de subespacios vectoriales es un
subespacio vectorial.
Ejemplo 42 Si v
1
, ...v
r
V son vectores de V , entonces el subconjunto
v
1
, ..., v
r
) = v V : k
1
, ..., k
r
K, v = k
1
v
1
+... +k
r
v
r
V
es un subespacio vectorial de V , denominado subespacio generado por
el subconjunto v
1
, ..., v
r
. Esta denicion se generaliza inmediatamente al
caso de un subconjunto S V arbitrario, no necesariamente nito.
Ejercicio 43 Probar que v
1
, ..., v
r
) es el menor subespacio vectorial que
contiene a v
1
, ..., v
r
(ayuda: utilizar el ejercicio 41).
Ejercicio 44 Probar que S = z = (a, b) C : b = 0 C es un subespa-
cio vectorial de C (con las operaciones habituales entre complejos).
Denicion 45 Sea V un espacio vectorial sobre K. Sean W
1
, W
2
V dos
subespacios tales que W
1
W
2
= 0; entonces, se llama suma directa de
W
1
, W
2
, y se denota W
1
W
2
, al subespacio generado por la union:
W
1
W
2
= W
1
W
2
) .
Ejercicio 46 Probar que V se descompone en suma directa de los subes-
pacios W
1
, W
2
si y solo si, para cada v V , existen w
1
W
1
, w
2
W
2
unicos tales que v = w
1
+w
2
.
Denicion 47 Sea V un espacio vectorial sobre K. Un subconjunto S V
se dice que es linealmente dependiente (LD), o que forma un sistema
libre, si existen unos vectores disitntos v
1
, ...v
p
y unos escalares k
1
, ..., k
p
,
no todos nulos, tales que
k
1
v
1
+... +k
p
v
p
= 0.
Un conjunto que no es linealmente dependiente se dice que es linealmente
independiente (LI) o que forma un sistema ligado. Si el conjunto S
tiene solo un n umero nito de vectores S = v
1
, ..., v
s
se dice que los
v
1
, ..., v
s
son linealmente (in)dependientes, en lugar de S.
Ejercicio 48 Probar las siguientes propiedades:
1. Todo conjunto S V que contiene un subconjunto LD es LD.
2. Todo subconjunto de un S V LI, es LI.
3. Todo conjunto que contiene al 0 V , es LD.
4. Un subconjunto S V es LI si y solo si cualquier subconjunto nito
de S es LI.
Denicion 49 Sea V un espacio vectorial. Una base de V es un subcon-
junto S V linealmente independiente y tal que es un sistema genera-
dor de V , esto es, S) = V (recuerdese el ejemplo 42). Se dice que V es
de dimension nita si admite una base formada por un n umero nito de
vectores.
Ejemplo 50 Dado un cuerpo cualquiera K, en K
n
= K K (vease
ejercicio 38) el subconjunto formado por los vectores
e
1
= (1, 0, ..., 0)
e
2
= (0, 1, ..., 0)
...
e
n
= (0, 0, ..., 1)
es LI y ademas e
1
, e
2
, ..., e
n
) = K
n
. Por tanto, e
1
, e
2
, ..., e
n
es una
base de K
n
, que se denomina base canonica.
Nota 51 Es posible probar (aplicando el Lema de Zorn al conjunto de los
sistemas generadores de V ordenado por la inclusion) que todo espacio
vectorial admite una base.
Ejemplo 52 El espacio /at
nn
(K) de las matrices cuadradas de orden
n, tiene por base el conjunto de n
2
matrices I
i
j
(donde I
i
j
es la matriz que
tiene un 1 en el lugar indicado por la la i y la columna j y el resto 0): es
obvio que si A /at
nn
(K) tiene elementos A = (A
j
i
)
1i,jn
, entonces
A = A
j
i
I
i
j
.
En estas notas, trabajaremos fundamentalmente con espacios vectoriales
de dimension nita.
Teorema 53 Sea V un Kespacio vectorial generado por un n umero -
nito de vectores v
1
, ...v
p
. Entonces, todo conjunto LI de vectores de V es
nito y no contiene mas de p elementos.
Demostracion. Veamos que todo subconjunto S V con mas de p vec-
tores es LD. Por hipotesis, en S hay unos vectores diferentes u
1
, ..., u
q
con
q > p, como estamos suponiendo que los v
1
, ..., v
p
generan V , existiran
unos escalares a
i
j
K tales que u
j
=
p
i=1
a
i
j
v
i
y entonces para cualesquiera
escalares k
1
, ..., k
q
se tendra
k
1
u
1
+... +k
q
u
q
=
q
j=1
k
j
p
i=1
a
i
j
v
i
=
p
i=1
_
_
q
j=1
a
i
j
k
j
_
_
v
i
,
pero como q > p el sistema de ecuaciones lineales denido por la matriz
a
ij
es compatible indeterminado (hay mas ecuaciones que incognitas), y
siempre admite una solucion no nula: existen unos k
1
, ..., k
q
(no todos nulos)
tales que
q
j=1
a
i
j
k
j
= 0, 1 i p, as que k
1
u
1
+ ... + k
q
u
q
= 0 y S es LD.
Corolario 54 Si V es un espacio vectorial de dimension nita, dos bases
cualesquiera de V tienen el mismo n umero (nito) de elementos.
Ejercicio 55 Probar el corolario 54.
De acuerdo con este resultado, podemos dar la siguiente denicion.
Denicion 56 Se llama dimension del espacio vectorial V al cardinal de
una cualquiera de sus bases. Se denota dimV .
Resulta obvio que en un espacio vectorial de dimension nita n, no puede
haber mas de n vectores linealmente independientes.
Ejemplo 57 El espacio C
0
(R) de las funciones reales continuas es de
dimension innita. Es facil comprobar, por ejemplo, que los monomios
x
k
kN
son LI, por lo que C
0
(R) no puede contener ninguna base ni-
ta, de acuerdo con el teorema 53.
Proposicion 58 Sea V un Kespacio vectorial de dimension nita dimV =
n. Entonces, todo subconjunto linealmente independiente de V , v
1
, ..., v
r
(con r n), puede completarse para dar una base de V .

Demostracion. Si v
1
, ..., v
r
) = V no hay nada que probar. Sea u V
tal que u / v
1
, ..., v
r
); es inmediato que en ese caso v
1
, ..., v
r
u es
LI (pues si a
1
v
1
++a
r
v
r
+bu = 0 y fuese b ,= 0, se tendra u =
1
b
(a
1
v
1
+
+a
r
v
r
) contra hipotesis). Llamemos u = v
r+1
; si v
1
, ..., v
r+1
) = V el
enunciado esta probado, en caso contrario se repite el algoritmo hasta que
as sea (el procedimiento es nito por ser nito n).
3
Morsmos de espacios vectoriales.
Matriz asociada a una aplicacion lineal
Denicion 59 Sea K un cuerpo y V, W espacios vectoriales sobre el. Una
aplicacion L : V W se dice que es un morsmo de Kespacios vec-
toriales o una aplicacion lineal (sobre K) si es un morsmo de grupos
L : (V, +
V
) (W, +
W
) (donde +
V
denota la suma en V y lo mismo +
W
con W) y conmuta con la accion de los escalares, esto es
L(v +
V
v
t
) = L(v) +
W
L(v
t
),
L(kv) = kL(v),
k K y v
1
, v
2
V . El espacio de los morsmos entre los Kespacios
vectoriales V, W se denota /
K
(V, W), y con las operaciones suma (L
1
, L
2

/
K
(V, W)):
L
1
+L
2
: V V
v L
1
(v) +L
2
(v)
y producto por un escalar (L /
K
(V, W), k K):
kL : V V
v kL(v)
tiene estructura de espacio vectorial.
Cuando W = V , se dice que una aplicacion lineal L : V V es un
operador lineal, y se escribe /
K
(V ) para el espacio de todos ellos (tambien
se las llama endomorsmos, y se denota End
K
(V )).
14 3. Morsmos de espacios vectoriales. Matriz asociada a una aplicacion lineal
Ejemplo 60 Recuerdese el ejemplo 37 y el ejercicio 38. Sea A /at
mn
(K);
entonces, la aplicacion
P
A
: K
n
K
m
P
A
(v) A v
dada por el producto matricial sobre los vectores columna, es una aplicacion
lineal.
Ejemplo 61 Sean A /at
mm
(K), B /at
nn
(K). Entonces, la apli-
cacion
C
AB
: /at
mn
(K) /at
mn
(K)
dada por C
AB
(M) = AMB es una aplicacion lineal.
Ejemplo 62 Consideremos el espacio vectorial C
0
(R) (vease ejemplo 39).
Denimos una aplicacion I : C
0
(R) C
0
(R) mediante
(If)(x) =
_
x
0
f(t)dt.
Entonces, la aplicacion I es lineal.
Ejercicio 63 Comprobar que la denicion de aplicacion lineal es equiva-
lente a que se preserven las combinaciones lineales, esto es, a que
L(k
1
v
1
+k
2
v
2
) = k
1
L(v
1
) +k
2
L(v
2
),
k
1
, k
2
K y v
1
, v
2
V . Como consecuencia de este hecho, una aplica-
cion lineal queda determinada por su actuacion sobre los vectores
de una base de V .
Ejercicio 64 Sea L : V W un morsmo de Kespacios vectoriales.
Probar lo siguiente:
1. Si U V es un subespacio vectorial, L(U) es subespacio vectorial de
W. En particular, la imagen de L, Im(L) = L(V ) es un subespacio
vectorial de W.
2. Si T W es un subespacio vectorial, L
1
(T) = v V : L(v)
T es un subespacio de V . En particular, el n ucleo de L, ker L =
L
1
(0), es un subespacio de V .
3. Si V es de dimension nita se tiene la formula de las dimensio-
nes:
dimker L + dimImL = dimV .
El siguiente resultado y su corolario seran de gran utilidad mas adelante.
3. Morsmos de espacios vectoriales. Matriz asociada a una aplicacion lineal 15
Teorema 65 Sea V un Kespacio vectorial de dimension nita n = dimV ,
con base e
i
n
i=1
. Sea W otro Kespacio vectorial y u
1
, ..., u
n
vectores cua-
lesquiera de W. Entonces, existe una unica transformacion lineal L : V
W tal que
L(e
j
) = u
j
, j = 1, ..., n.
Demostracion. Sea v V arbitrario, que escribimos como v =
n
i=1
x
i
e
i
.
Se dene
L(v) =
n
i=1
x
i
u
i
.
Es claro que, en particular, L(e
j
) = u
j
, j = 1, ..., n. La linealidad tambien
es facil de probar, si v, w V con expresiones respectivas v =
n
i=1
x
i
e
i
, w =
n
k=1
y
k
e
k
, se tiene a, b K, av +bw =
n
l=1
_
ax
l
+by
l
_
e
l
y por tanto
L(av +bw) =
n
l=1
_
ax
l
+by
l
_
u
l
= a
n
l=1
x
l
u
l
+b
n
l=1
y
l
u
l
= aL(v) +bL(w).
Por ultimo, la unicidad. Si T es una aplicacion lineal T : V W tal que
T(e
j
) = u
j
, j = 1, ..., n entonces es obvio que v V , v =
n
i=1
x
i
e
i
se tiene
T(v) =
n
i=1
x
i
T(e
i
) =
n
i=1
x
i
u
i
= L(v),
es decir, T = L.
Corolario 66 Si v V es un vector no nulo, existe una aplicacion lineal
L : V K tal que
L(v) ,= 0.
Denicion 68 Un isomorsmo de Kespacios vectoriales es una
aplicacion lineal biyectiva. En ese caso, automaticamente la aplicacion in-
versa es nuevamente un isomorsmo (esta propiedad es muy peculiar de
la categora de espacios vectoriales). En el caso particular en que el espa-
cio imagen es el mismo que el origen, se dice que el isomorsmo es un
automorsmo.
Nota 69 Los automorsmos de un Kespacio vectorial V , Aut
K
(V ), for-
man un subespacio vectorial del espacio de los endomorsmos de V (vease
la denicion 59).
Como consecuencia del ejercicio 64, si L : U W es inyectiva y dimImL =
dimW, entonces U es isomorfo a W, denotado U W.
Teorema 70 Todos los Kespacios vectoriales con una misma dimension
nita n, son isomorfos.
Ejercicio 71 Probar el teorema 70 (ayuda: utilizar el ejercicio 63 y el
teorema 65).
Veamos ahora la estructura algebraica de los espacios de morsmos de
espacios vectoriales sobre un cuerpo K.
Sea K un cuerpo y V, W dos Kespacios vectoriales. En el conjunto
/
K
(V, W) de las aplicaciones lineales entre V y W se denen las siguientes
operaciones: si L, L
t
/
K
(V, W) su suma, denotada L+L
t
, es la aplicacion
L+L
t
: V W dada por (L +L
t
) (v) = (L) (v) +L
t
(v), v V . Si k K,
el producto de L por k es kL : V W dada por (kL) (v) = k.L(v) = kL(v).
Es inmediato que L +L
t
, kL /
K
(V, W).
Ejercicio 72 Probar que (/
K
(V, W), +) es un grupo abeliano.
Ejercicio 73 Con las operaciones que se acaban de denir, /
K
(V, W) tiene
la estructura de Kespacio vectorial.
Nota 74 Para el caso particular de V = W, el espacio resultante /
K
(V )
tiene una estructura algebraica mucho mas rica que /
K
(V, W). Esto se debe
a la posibilidad de denir en /
K
(V ) un producto mediante la composicion
de aplicaciones, L L
t
, con lo que (/
K
(V ), +, ) se convierte en un anillo
(con unidad la aplicacion identidad); pero no solo eso, sino que ademas
/
K
(V ) resulta ser lo que se llama una Kalgebra (vease mas adelante la
denicion 149).
Ejemplo 75 Sea V un Kespacio vectorial. Entonces, la aplicacion lineal
ev
1
: /
K
(K, V ) V
L ev
1
(L) = L(1)
es un isomorsmo de Kespacios vectoriales, es decir, /
K
(K, V ) V .
Nos ocuparemos ahora de la representacion coordenada de los morsmos
de Kespacios vectoriales, y de la determinacion de una base del espacio
/
K
(V, W).
Denicion 76 Sea K un cuerpo y V, W dos Kespacios vectoriales de di-
mensiones respectivas n = dimV, m = dimW. Se llama matriz asociada
3. Morsmos de espacios vectoriales. Matriz asociada a una aplicacion lineal 17
a un morsmo L : V W respecto de una pareja de bases e
i
n
i=1
de
V , u
j
m
j=1
de W, a la matriz mn denotada =
_
j
i
_
1jm
1in
y denida
por las condiciones
L(e
i
) =
m
j=1
j
i
u
j

j
i
u
j
, i = 1, ..., n.
N otese el empleo del Convenio de Einstein para las sumas, sera practi-
ca com un a partir de ahora. De manera mas simple, podemos decir que es
la matriz cuya columna isima esta formada por las coordenadas de L(e
i
)
en la base u
j
m
j=1
de W.
Teorema 77 Dadas las bases e
i
n
i=1
y u
j
m
j=1
, de V y W respectivamen-
te, la aplicacion /
K
(V, W) /at
mn
(K) que a cada morsmo L le asocia
su matriz respecto de dichas bases, es un isomorsmo de Kespacios vec-
toriales.
Demostracion. Ya hemos visto que a toda aplicacion lineal le corresponde
una matriz. Por el ejercicio 63, tal asignacion es una aplicacion inyectiva, y
es obvio que es lineal (por serlo L). Veamos que existe la aplicacion inversa.
Dada la matriz arbitraria A =
_
a
j
i
_
1jm
1in
/at
mn
(K), denimos L :
V W mediante su actuacion sobre la base e
i
n
i=1
:
L(e
i
) = a
j
i
u
j
,
y extendiendo por linealidad, de modo que automaticamente L /at
mn
(K).
Por otra parte, por construccion es evidente que la matriz asociada a la
L as denida no es otra que la propia A, de modo que la asignacion A L
es la aplicacion inversa que estabamos buscando.
Ejercicio 78 Para el caso particular en que V = W, un endomorsmo L
/
K
(V ) vendra representado por una matriz cuadrada de tipo dimV dimV .
Probar que L es un automorsmo (vease denicion 68) si y solo si su matriz
asociada es invertible.
Fijadas las bases e
i
n
i=1
, u
j
m
j=1
, consideremos los nm morsmos L
i
j
:
V W (1 i n, 1 j m) denidos por
L
i
j
(e
r
) =
i
r
u
j
, 1 r n,
con
i
r
la delta de Kronecker (
i
r
= 1 si i = r y
i
r
= 0 en otro caso).
Teorema 79 Los morsmos L
i
j
(1 i n, 1 j m) forman una base
del espacio vectorial /
K
(V, W). En consecuencia, dim/
K
(V, W) = nm =
dimV dimW; ademas, si =
_
j
i
_
1jm
1in
es la matriz de un morsmo
L /
K
(V, W) respecto de las bases e
i
n
i=1
, u
j
m
j=1
, se tiene
L =
j
i
L
i
j
.
Demostracion. Sea L /
K
(V, W) con matriz =
_
j
i
_
1jm
1in
respecto
de e
i
n
i=1
, u
j
m
j=1
. Probaremos la segunda parte del enunciado, ya que la
primera se sigue inmediatamente de ella. Se tiene
j
i
L
i
j
(e
r
) =
j
i
i
r
u
j
=
j
r
u
j
= L(e
r
),
para cada 1 r n, de modo que L =
j
i
L
i
j
.
Ejercicio 80 Sean U, V, W espacios vectoriales sobre un cuerpo K. Con-
sideremos unas aplicaciones L
1
/
K
(U, V ), L
2
/
K
(V, W) con matrices
asociadas =
_
j
i
_
1jm
1in
, =
_
j
i
_
1jm
1in
, respectivamente. Probar que la
matriz que corresponde a la composicion L
1
L
2
/
K
(U, W) es el producto
de matrices .
Sea ahora V un espacio vectorial con bases e
i
n
i=1
, u
j
n
j=1
(ambas de
V ).
Denicion 81 Se llama matriz del cambio de base de e
i
n
i=1
a u
j
n
j=1
a la matriz = (
i
j
)
1i,jn
que corresponde al morsmo identidad I : V
V respecto de las bases respectivas u
j
n
j=1
y e
i
n
i=1
(notese el cambio de
orden!). En otras palabras, es la matriz (
i
j
)
1i,jn
dada por
u
j
=
i
j
e
i
.
Ejemplo 82 Si v = x
i
e
i
= y
j
u
j
V es un vector arbitrario, la rela-
cion entre sus coordenadas (x
i
)
1in
, (y
j
)
1jm
en las bases respectivas
e
i
n
i=1
, u
j
n
j=1
esta dada por
x
i
=
i
j
y
j
.
Ejercicio 83 Sea L /
K
(V ) un endomorsmo, sea =
_
j
i
_
1i,jn
su
matriz respecto de una base e
i
n
i=1
. Probar que la matriz que corresponde
a L en una nueva base es
1
(producto matricial), donde es la
matriz de cambio de base.
4
Espacio dual. Reexividad. Aplicacion
adjunta
En toda esta seccion, K sera un cuerpo y V un espacio vectorial sobre
el.
Denicion 84 Se denomina espacio dual de V al Kespacio vectorial
V
= /
K
(V, K). Los elementos de V
(morsmos f : V K) se denominan
formas lineales.
Ejercicio 85 Probar que una forma lineal no nula es un epimorsmo.
El hecho de que el espacio dual sea un espacio de morsmos, tiene con-
secuencias inmediatas.
Proposicion 86 Si V es de dimension nita, tambien lo es V
y ademas
dimV
= dimV .
Demostracion. De acuerdo con el teorema 79, se tiene dimV
= dim/
K
(V, K) =
dimV .
Nota 87 De acuerdo con este resultado, resulta que si V es de dimension
nita, V y V
son isomorfos. Sin embargo, no lo son canonicamente, es

decir, no existe ning un isomorsmo privilegiado : V V
. Si que es po-
sible distinguir tal isomorsmo cuando V posee una estructura geometrica
adicional, como una forma bilineal no degenerada (vease el teorema 120
mas adelante).
El mismo teorema 79 nos proporciona una forma de obtener, dada una
base en V , una base asociada en V
, llamada base dual.

20 4. Espacio dual. Reexividad. Aplicacion adjunta
Ejemplo 88 Consideremos V el espacio de las funciones reales polinomi-
cas con grado a lo sumo 2:
V = p : R R : p(x) = c
0
+c
1
x +c
2
x
2
, c
0
, c
1
, c
2
R.
Consideremos las siguientes formas lineales sobre V :
f
1
(p) =
_
1
0
p(t)dt
f
2
(p) =
_
2
0
p(t)dt
f
1
(p) =
_
0
1
p(t)dt.
Es facil ver que f
1
, f
2
, f
1
es una base de V
. En primer lugar, obser-

vemos que por la proposicion 86, dimV
= 3 = dimV , luego solo hemos

de preocuparnos de ver si f
1
, f
2
, f
1
es LI. Si a, b, c R son tales que
af
1
+bf
2
+cf
1
= 0, entonces, p V se tiene
a
_
1
0
p(t)dt +b
_
2
0
p(t)dt +c
_
0
1
p(t)dt = 0.
Evaluando esta condicion para los polinomios particulares p(x) = 1, p(x) =
x, p(x) = x
2
, se obtiene el siguiente sistema de ecuaciones que debe satis-
facer a, b, c:
_
_
_
a + 2b +c = 0
a + 4b c = 0
a + 8b +c = 0
,
y este sistema implica a, b, c = 0. Ahora, para hallar la base de V de la cual
es dual f
1
, f
2
, f
1
, hay que hallar unos polinomios p
1
, p
2
, p
1
tales que
f
i
(p
j
) =
ij
, i, j 1, 2, 1.
Por ejemplo, para hallar p
1
(x) = c
1
0
+c
1
1
x +c
1
2
x
2
tendramos el sistema
_
_
_
f
1
(p
1
) = c
1
0
+
1
2
c
1
1
+
1
3
c
1
2
= 1
f
2
(p
1
) = 2c
1
0
+ 2c
1
1
+
8
3
c
1
2
= 0
f
1
(p
1
) = c
1
0

1
2
c
1
1
+
1
3
c
1
2
= 0
,
que conduce a c
1
0
=
1
2
, c
1
1
=
1
2
, c
1
2
=
3
4
.
Ejercicio 89 Consideremos nuevamente el espacio V de los polinomios
de grado menor o igual a 2. Sean t
1
, t
2
.t
3
tres n umeros reales distintos y
denamos:
g
i
(p) = p(t
i
) , 1 i 3.
Entonces, g
1
, g
2
, g
3
son formas lineales sobre V . Probar que forman una
base. Calcular la base de V de la cual g
1
, g
2
, g
3
es base dual.
Nota 90 La base de la cual g
1
, g
2
, g
3
es dual en el ejercicio 89 se deno-
mina base de los polinomios interpoladores de Lagrange de segundo
grado. Los polinomios interpoladores de Lagrange proporcionan una herra-
mienta muy util en el Calculo Numerico.
En los siguientes ejercicios se estudiara con cierto detalle una forma li-
neal muy importante: la traza de matrices sobre el espacio vectorial V =
/at
nn
(K).
Denicion 91 La aplicacion traza tr es la forma lineal tr : V K tal
que asigna a cada matriz la suma de sus elementos diagonales, esto es
tr(A) =
n
i=1
A
i
i
.
Ejercicio 92 Si A, B /at
nn
(K), probar que tr (A B) = tr (B A).
Ejercicio 93 Si f V
es una forma lineal tal que f (A B) = f (B A),

A, B /at
nn
(K), probar que f es un m utiplo escalar de la traza. Si,
ademas, f(Id) = n (donde Id es la matriz identidad), entonces, f es la
traza.
Nota 94 El ejercicio 93 dice que, en cierto sentido, la traza es la unica
forma lineal que act ua como si el producto matricial fuese conmutativo.
Ejercicio 95 Denotemos V = /at
nn
(K) y por V
0
al subespacio de las
matrices C de la forma C = ABBA (para algunas A, B V ). Demostrar
que V
0
es exactamente el subespacio de las matrices de traza nula.
A continuacion, repasamos el concepto de reexividad en un espacio vec-
torial de dimension nita.
Denicion 96 Sea V un Kespacio vectorial. Al espacio dual de V
, de-
notado V
, se le denomina bidual de V .
Cada vector v V determina una forma lineal sobre el espacio dual V
que denotaremos
v
, mediante la expresion
v
(g) = g(v).
De esta manera, se tiene una aplicacion del espacio V en el bidual V
que
es claramente lineal:
: V V
v
v
.
Teorema 97 La aplicacion : V V
es un morsmo inyectivo de
Kespacios vectoriales y, por tanto, es isomorsmo cuando V es de
dimension nita.
Demostracion. La unica parte no trivial es ver que ker = 0. Pero
por el corolario 66, el subespacio ker de los vectores sobre los que se
anulan todas las formas lineales es 0. Ademas, si dimV es nita, por la
proposicion 86 se tiene dimV = dimV
= dimV
.
Este resultado, conocido como teorema de reexividad, es funda-
mental: nos dice que un espacio vectorial de dimension nita se identica
canonicamente con su bidual, V V
(comparese con la situacion de

V y V
, nota 87), y los vectores v V pueden ser interpretados como

formas lineales sobre V
por la formula v(f) = f(v), siendo ademas to-

da forma lineal sobre V
la obtenida de alg un vector de V mediante este

procedimiento.
Denicion 98 Sea L : V W una aplicacion lineal entre Kespacios
vectoriales. Se denomina aplicacion adjunta de L a la aplicacion
L
: W
dada por
L
(f) = f L.
Ejercicio 99 Probar que L
es lineal.
Ejercicio 100 Probar que L
es compatible con la composicion de mor-

smos, esto es, si T es otra aplicacion lineal de U a V , se tiene que
(L T)
= T
.
Ejercicio 101 Probar que si = (
j
i
)
1jm
1in
es la matriz de L : V W
(con dimensiones respectivas n, m) en las bases e
i
n
i=1
, u
j
m
j=1
, entonces
la matriz que corresponde a L
en las bases duales respectivas

_
f
i
_
n
i=1
,
_
g
j
_
m
j=1
, es la traspuesta de .
Como consecuencia, probar que la matriz de cambio de base en el espacio
dual V
, de la base f
i
n
i=1
a la h
i
n
i=1
, es la inversa de la traspuesta de
la matriz de cambio de base en V respecto de las bases de las cuales son
duales.
Nota 102 Debido al resultado del ejercicio 101, a veces L
se denomina
aplicacion traspuesta de la L (y se denota L
).
Ejemplo 103 Sean e
i
n
i=1
, u
j
n
j=1
bases del Kespacio vectorial V , y
sean
_
f
i
_
n
i=1
,
_
g
j
_
n
j=1
las bases duales respectivas. Si L : V V es el
automorsmo que lleva e
i
n
i=1
en u
j
n
j=1
(esto es, L(e
i
) = u
i
para 1
i n) entonces
_
L
g
j
_
n
j=1
es la base
_
f
i
_
n
i=1
. En efecto: para todo v V
se tiene, por la linealidad:
(L
g
j
)(v) = g
j
(L(v))
= g
j
(L(v
i
e
i
))
= v
i
g
j
(Le
i
)
= v
i
g
j
(u
i
)
= v
i
j
i
= v
j
= f
j
(v).
5
Formas bilineales. Metricas y formas
simplecticas sobre un espacio vectorial
Sean V
1
, ..., V
s
espacios vectoriales sobre un cuerpo K. Consideremos el
producto cartesiano V
1
V
s
.
Denicion 104 Una aplicacion T : V
1
V
s
K se dice que es
multilineal (de orden s) si para cada i 1, ..., s y , K se tiene
T(v
1
, ..., v
i1
, u +w, v
i+1
, ..., v
s
) =
T(v
1
, ..., v
i1
, u, , v
i+1
, ..., v
s
) +T(v
1
, ..., v
i1
, w, v
i+1
, ..., v
s
).
Nota 105 Una aplicacion T : V
1
V
s
K se llama tambien forma
slineal o forma multilineal de grado s. En el caso particular de s = 2 se
habla de formas bilineales. El conjunto de todas las formas slineales
sobre V
1
V
s
se denota /(V
1
V
s
; K).
Ejercicio 106 Probar que con la suma de aplicaciones y el producto por
escalares de K, /(V
1
V
s
; K) tiene estructura de espacio vectorial, de
dimension n
1
n
s
.
Nota 107 En el resto de la seccion, nos restringiremos al caso en que
V
i
= V , 1 i s, y denotaremos V V = V
s
.
Ejemplo 108 Si f
i
V
, 1 i s, una forma slineal se obtiene

deniendo F : V
s
K mediante
F(v
1
, ..., v
s
) = f(v
1
) f(v
s
).
26 5. Formas bilineales. Metricas y formas simplecticas sobre un espacio vectorial
Ejemplo 109 Sea V = /at
nn
(K). Entonces, la aplicacion (recuerdese
los ejercicios 92 al 95)
T : V V K
(A, B) tr(AB),
es una forma bilineal.
Teorema 110 Sea T una forma bilineal sobre el Kespacio vectorial V .
La aplicacion
P
T
: V V
v P
T
(v),
donde (P
T
(v))(u) = T(u, v), u V , es una aplicacion lineal que se deno-
mina polaridad de la forma bilineal T.
Ejercicio 111 Probar el teorema 110.
Denicion 112 Se llama radical de una forma bilineal T : V V K
al n ucleo de su polaridad:
RadT = ker P
T
.
Nota 113 De la denicion se desprende la caracterizacion
RadT = v V : T(u, v) = 0, u V .
Los ejemplos 108 y 109 tienen una caracterstica com un muy importante:
las formas bilineales denidas en ellos son simetricas. Las formas bilineales
con un comportamiento denido ante la permutacion de sus argumentos,
reciben nombres particulares por su relevancia especial.
Denicion 114 Una forma multilineal T : V
s
K se dice que es simetri-
ca si
T(v
(1)
, ..., v
(s)
) = T(v
1
, ..., v
s
)
para cualquier permutacion de sus argumentos,
s
. Se dice que es
antisimetrica (o alternada) si, en las mismas condiciones,
T(v
(1)
, ..., v
(s)
) = sig()T(v
1
, ..., v
s
),
donde sig() es la signatura de
s
(recuerdese la denicion 11).
Denicion 115 Una forma bilineal se dice que es no degenerada (o , o
regular) si su radical es cero, equivalentemente, si su polaridad es inyec-
tiva.
Denicion 116 Una metrica (o producto escalar) sobre un Kespacio
vectorial V , es una forma bilineal no degenerada y simetrica g : V V K.
Una forma simplectica sobre V es una forma bilineal no degenerada y
antisimetrica : V V K.
5. Formas bilineales. Metricas y formas simplecticas sobre un espacio vectorial 27
Hemos mencionado la importancia de las formas bilineales con simetra
denida. Uno de los motivos de esta importancia, es el siguiente resultado.
Proposicion 117 Toda forma bilineal T sobre un Kespacio vectorial V ,
se puede descomponer como suma de una forma bilineal simetrica y una
forma bilineal antisimetrica.
Demostracion. Dada T : V V K basta con hacer T = g + donde
g(u, v) =
1
2
(T(u, v) +T(v, u))
(u, v) =
1
2
(T(u, v) T(v, u)).
Ejemplo 118 La aplicacion T : /at
nn
(K)/at
nn
(K) K del ejem-
plo 109 es una metrica en V = /at
nn
(K). En efecto, si A RadT, en-
tonces tr(AB) = A
j
i
B
i
j
= 0 para cualquier B /at
nn
(K). En particular,
A
j
i
I
i
j
= 0 con I
i
j
las matrices base de V . Pero, por ser estas un conjunto
LI, necesariamente A
j
i
= 0 en ese caso (1 i, j n), luego A = 0.
Ejemplo 119 En V = R
2
, considerese la siguiente forma bilineal:
: R
2
R
2
R
(u, v) (u, v)
,
donde (u, v) = u
1
v
2
v
1
u
2
(si u = (u
1
, u
2
) y v = (v
1
, v
2
)). Entonces,
dene una forma simplectica en R
2
, pues claramente (u, v) = (v, u) y
si u Rad, (u, v) = 0 v R
2
implica u
1
b au
2
= 0, a, b R. En
particular, tomando a = 1, b = 0 resulta u
1
= 0, y eligiendo a = 0, b = 1 se
tiene u
2
= 0, luego Rad = 0.
A continuacion, se estudiaran algunas propiedades comunes a metricas
y a formas simplecticas, derivadas de la regularidad.
Teorema 120 Sea T una forma bilineal no degenerada sobre el Kespacio
vectorial V . Entonces, la polaridad asociada es un isomorsmo
P
T
: V V
.
Demostracion. Por ser T regular, P
T
es inyectiva y dimImP
T
= dimV .
Pero como sabemos, dimV = dimV
(ver proposicion 86), luego dimImP

T
=
dimV
.
Nota 121 En las hipotesis del teorema 120, es frecuente cuando se trabaja
con una forma bilineal no degenerada T llamar isomorsmo (o isomor-
smo bemol) al isomorsmo P
T
. Otra denominacion com un para P
T
=
es la de isomorsmo de bajada de ndices determinado por T. Analoga-
mente, al isomorsmo inverso P
1
T
: V
V se le denomina isomorsmo
(isomorsmo sostenido) o isomorsmo de subida de ndices.
Denicion 122 Sea T : V V K es una forma bilineal no degenerada,
se dene una operacion inducida en el dual,

T : V
K, dada por
T(f, g) = T(P
1
T
(g), P
1
T
(f)).
Ejercicio 123 Probar que

T es bilineal y no degenerada.
Por el teorema de reexividad (teorema 97), la polaridad asociada a

T
es un morsmo P
T
: V
V , de manera que
(P
T
(f))(g) = g(P
T
(f)) =

T(g, f)
(donde se ha usado la identicacion V
V ).
Ejercicio 124 Probar que P
T
es el morsmo inverso de P
T
(esto es, que
P
T
(f) = P
1
T
(f)). En particular, P
T
es tambien isomorsmo (i.e,

T es no
degenerada).
Por ultimo, veamos la expresion coordenada de una forma bilineal.
Sea V un Kespacio vectorial de dimension nita n y e
i
n
i=1
una base
de V .
Denicion 125 Se llama matriz de la forma bilineal T : V V K
sobre V , respecto de la base e
i
n
i=1
, a la matriz de /at
nn
(K), denotada
t = (t
ij
)
1i,jn
, cuyos coecientes son
t
ij
= T(e
i
, e
j
).
La accion de la forma bilineal sobre un par de vectores u = u
i
e
i
, v = v
j
e
j
:
T(u, v) = u
i
v
j
T(e
i
, e
j
) = u
i
v
j
t
ij
,
se expresa matricialmente como
T(u, v) = u
T
t v,
esto es:
T(u, v) = (u
1
, ..., u
n
)
_
_
_
_
_
_
t
11
. . . t
1n
. .
. .
. .
t
n1
. . . t
nn
_
_
_
_
_
_
_
_
_
_
_
_
v
1
.
.
.
v
n
_
_
_
_
_
_
.
Ejercicio 126 Comprobar que la regularidad de T como forma bilineal
equivale a que la matriz asociada sea no singular (esto es, de determinante
no nulo).
5. Formas bilineales. Metricas y formas simplecticas sobre un espacio vectorial 29
Seg un hemos visto, dada una forma bilineal T se tienen dos matrices
asociadas a ella de manera natural: la matriz de la denicion 125 y la
matriz de su polaridad como aplicacion /
K
(V, V
). El siguiente resultado
nos da la relacion entre ambas.
Proposicion 127 Sean V un Kespacio vectorial de dimension nita n,
e
i
n
i=1
una base de V y
_
f
i
_
n
i=1
su base dual en V
, T una forma bilineal

sobre V y t = (t
ij
)
1i,jn
la matriz de T respecto de la base e
i
n
i=1
. En-
tonces, la matriz de la polaridad P
T
respecto de las bases e
i
n
i=1
y
_
f
i
_
n
i=1
es la matriz traspuesta t
.
Demostracion. Se tiene que, por denicion de matriz asociada a P
T
,
llamemosla p = (p
ij
)
1i,jn
:
P
T
(e
j
) = p
ij
f
i
.
Por otra parte, por denicion de t:
t
rs
= T(e
r
, e
s
) = (P
T
(e
r
)) (e
s
)
= p
kr
f
k
(e
s
) = p
kr
ks
= p
sr
.
6
Incidencia y ortogonalidad.

Angulos
En este captulo, V denotara un espacio Kvectorial de dimension nita
n y U V un subespacio, e
i
n
i=1
una base de V y
_
f
i
_
n
i=1
su base dual en
V
, T una forma bilineal sobre V y t = (t

ij
)
1i,jn
la matriz de T respecto
de la base e
i
n
i=1
.
Denicion 128 Se llama subespacio incidente con U al subespacio

U
V
de todas las formas lineales que son nulas sobre U:
U = f V
: f(u) = 0, u U.
Teorema 129 Sea V un Kespacio vectorial y sean U
1
, U
2
V . Se veri-
ca:
1. Si U
1
U
2
, entonces

U
1

U
2
.
2. 0
= V
y

V = 0.
3. (U
1
+U
2
) = U
1
U
2
.
4. Si V es de dimension nita, U = (
) (por la identicacion canonica

V V
).
5. Si V es de dimension nita,

U
1
+

U
2
= (U
1
U
2
).
Teorema 131 Sea V un Kespacio vectorial y U V . Se tiene entonces
dimU + dim

U = dimV.
32 6. Incidencia y ortogonalidad.

Angulos
Demostracion. Pongamos m = dimU. Consideremos e
i
m
i=1
base de
U de manera que e
j
n
j=1
sea base de V (recordar la proposicion 58) y
denotemos por f
k
n
k=1
la base dual en V
. Sea

U V
de manera
que se podra escribir, para ciertos k
j
K,
=
n
j=1
k
j
f
j
.
Esta forma lineal verica (e
i
) = 0, 1 i m, esto es,
n
j=1
k
j
f
j
(e
i
) = k
j
j
i
= k
i
= 0 , 1 i m.
As,

U se puede escribir como =
n
j=m+1
k
j
f
j
o, lo que es lo mismo,
U V
es el subespacio
U =
f
m+1
, ..., f
n
_
.
Por tanto, dim

U = n m y se cumple
dimU + dim

U = m+n m = n = dimV.
Denicion 132 Se dice que un vector v V es ortogonal a otro u V
respecto de T si T(v, u) = 0.
Si U V , los vectores de V que son ortogonales a todos los de U cons-
tituyen un subespacio de V , que se denota U
y se llama subespacio
ortogonal a U:
U
= v V : T(v, u) = 0, u U.
Proposicion 133 Si P
T
: V V
es la polaridad de T y U V , entonces
U
= P
1
T
(
U).
Demostracion. Por denicion, P
1
T
(
U) esta formado por todos los vecto-

res v de V tales que su imagen por P
T
se anula al actuar sobre cualquier
vector de U: 0 = (P
T
(v))(u) = T(v, u), esto es, U
.
Corolario 134 Si V es de dimension nita y T es regular (esto es, no
degenerada):
dimU
= dimV dimU.
Demostracion. Por hipotesis, la polaridad P
T
: V V
es un isomors-
mo. Por la proposicion 133 se tiene dimU
= dim

U y por el teorema 131
es dimU
+ dimU = dimV .

Angulos 33
Nota 135 Observemos que, a pesar del resultado del corolario 134, en
general no se puede escribir V como la suma directa U U
.
Ejemplo 136 Consideremos V = R
2
(cuyos elementos denotaremos, por
ejemplo, u = (u
1
, u
2
)) con la forma bilineal no degenerada
T(u, v) = u
1
v
1
u
2
v
2
,
y sea U R
2
el subespacio dado por la diagonal U = w = (w
1
, w
2
) :
w
1
= w
2
. Entonces, U
= U, se cumple dimR
2
= dimU
+ dimU pero
R
2
,= U
U.
3
con la forma bilineal no degenerada
T(u, v) = u
1
v
1
+u
2
v
2
u
3
v
3
,
y sea U R
3
el subespacio dado por la diagonal en el plano XZ:
U = w = (w
1
, w
2
, w
3
) : w
1
= w
3
y w
2
= 0.
En este caso, U
= w = (w
1
, w
2
, w
3
) : w
1
= w
3
de modo que U U
,
se cumple dimU = 1, dimU
= 2 (luego dimR
3
= dimU
+ dimU) pero
nuevamente R
3
,= U
U.
Los ejemplos precedentes motivan los siguientes conceptos.
Denicion 138 Sea V un Kespacio vectorial y T una forma bilineal
sobre el. Un vector v V se dice que es isotropo si T(v, v) = 0. Un
subespacio U V se dice que es un subespacio vectorial isotropo si
U U
,= 0, y totalmente isotropo si U U
.
Corolario 139 Si V es de dimension nita, T es no degenerada y U es
un subespacio no isotropo se tiene la descomposicion en suma directa:
V = U U
.
Ejemplo 140 Si T es una forma bilineal denida positiva (esto es T(v, v)
0 v V y T(v, v) = 0 si y solo si v = 0) no puede tener subespacios isotro-
pos: si v U U
ocurre que T(v, v) = 0 y eso solo puede pasar si v = 0.

Ademas, una tal forma T es automaticamente no degenerada: si v RadT,
es T(v, u) = 0 para todo u V en particular T(v, v) = 0 y la condicion de
denicion positiva conduce a v = 0, esto es, RadT = 0. En este caso,
por tanto, se tiene que para todo subespacio U V ,
V = U U
.
Este es la situacion que se da con las metricas euclideas (formas bili-
neales simetricas y denidas positivas). En el ejercicio 142 se explora una
particularidad muy importante de las metricas euclideas.

Angulos
Es com un representar las metricas por g. En adelante adoptaremos esta
notacion.
Denicion 141 Sea V un Kespacio vectorial dotado de una metrica eu-
clidea g. Se llama modulo o norma en V a la aplicacion || : V K
dada por
|v| =
_
g(v, v).
Ejercicio 142 (Ortonormalizacion de Gram-Schmidt) Probar que to-
do espacio euclideo (i.e, dotado de una metrica euclidea) de dimension
nita posee una base una base ortonormal, es decir, una base e
i
n
i=1
de vectores ortogonales dos a dos (T(e
i
, e
j
) =
ij
) y de modulo unidad
(|e
i
| = 1 1 i n).
Este resultado se puede generalizar al caso de una metrica arbitraria (no
necesariamente denida positiva).
Ejercicio 143 Sea V un Kespacio vectorial dotado de una metrica g.
Entonces, existe una base e
i
n
i=1
de V tal que T(e
i
, e
j
) =
ij
, 1
i, j n.
Ejemplo 144 El espacio V = R
4
junto con la metrica (no euclidea) dada
por
(u, v) = u
1
v
1
u
2
v
2
u
3
v
3
u
4
v
4
,
se denomina espacio-tiempo de Minkowski (se suele denotar por M
4
),
y a se la denomina metrica de Minkowski. En la base canonica e
i
4
i=1
de R
4
, la expresion de es
=
_
_
_
_
1
1
1
1
_
_
_
_
.
Ejemplo 145 En R
3
con la metrica euclidea g, veamos como ortonorma-
lizar el sistema de vectores u
1
= (1, 2, 0), u
2
= (0, 3, 1). En primer lugar,
observamos que |u
1
| =
_
g(u
1
, u
1
) =

5, de modo que el primer vector
ortonormal sera
e
1
=
u
1
|u
1
|
=
1
5
(1, 2, 0).
Ahora, como segundo paso, denimos
e
t
2
= u
2
g(u
2
, e
1
)e
1
= (0, 3, 1)
6
5
1
5
(1, 2, 0) =
1
5
(6, 3, 5),
y, nalmente, dividimos por su norma:
e
2
=
e
t
2
|e
t
2
|
=
1
70
(6, 3, 5).
El sistema ortonormal asociado a u
1
, u
2
es e
1
=
1
5
(1, 2, 0), e
2
=
1
70
(6, 3, 5).

Angulos 35
Nota 146 En general, si en el ejemplo anterior hubieramos tenido r vec-
tores u
1
, ..., u
r
, en el paso ksimo habramos formado
e
t
k
= u
k

k1
i=1
g(u
k
, e
i
)e
i
.
Ejemplo 147 Vamos a determinar una base ortonormal para el espacio
de soluciones de la ecuacion en R
3
dada por
x y +z = 0. (6.1)
Consideremos la aplicacion lineal
L : R
3
R
(x, y, z) x y +z.
Entonces, el espacio de soluciones de la ecuacion (6.1) no es otra cosa
que el subespacio (recuerdese el ejercicio 64) de R
3
dado por S = ker L.
Claramente, 1 ImL, de modo que dimImL = 1 y la formula de las
dimensiones nos dice que
dimS = dimker L = 2.
Por otra parte, en R
3
tenemos la metrica euclidea standard, de manera que
el producto de dos vectores u = (u
1
, u
2
, u
3
) y v = (v
1
, v
2
, v
3
) respecto de
esta metrica es
g(u, v) =
3
i=1
u
i
v
i
.
A la vista de esta formula, podemos decir que la ecuacion (6.1) expresa
el hecho de que sus soluciones (x, y, z) S son aquellos vectores de R
3
ortogonales al vector (1, 1, 1):
g((x, y, z), (1, 1, 1)) = x y +z = 0.
Es decir: S = ker L = (1, 1, 1))
. Entonces, para hallar una base de S

extendemos (1, 1, 1) a una base de R
3
siguiendo el procedimiento de la
proposicion 58 (dado que R
3
= (1, 1, 1)) (1, 1, 1))
, los vectores que

completan a (1, 1, 1) seran una base de S = ker L).
Tomemos un vector u R
3
tal que u / (1, 1, 1)). Por ejemplo, po-
demos elegir u = (1, 0, 0). Ahora, es obvio que (1, 0, 0), (1, 1, 1)) ,= R
3
(pues dimR
3
= 3); de hecho, es facil ver que un vector como (0, 1, 0) /
(1, 0, 0), (1, 1, 1)) as que, de acuerdo con lo que acabamos de decir:
S = ker L = (1, 0, 0), (0, 1, 0)) .
En este caso la base de S ya es ortonormal respecto de g, pero en una
situacion mas general habramos obtenido un par de vectores u, v R
3
que
habra que normalizar siguiendo el metodo del ejemplo precedente.

Angulos
Ejercicio 148 Hallar una base ortonormal para el espacio de soluciones
del siguiente sistema lineal en R
4
:
_
3x 2y +z +w = 0
x +y + 2w = 0.
7
El algebra tensorial T (V ) asociada a
un espacio vectorial V
Sea K un cuerpo y (A, +, ) un anillo. En todo lo que sigue supondremos
que A tiene unidad 1
A
. En particular, sabemos que (A, +) es un grupo, de
modo que puede darse el caso de que (A, +) tenga la estructura adicional
de espacio vectorial.
Denicion 149 Se dice que el anillo (A, +, ) es una Kalgebra si (A, +)
es un espacio vectorial sobre K. La dimension de (A, +) sobre K se llama
dimension del algebra. A es conmutativa si lo es como anillo, y los mor-
smos de Kalgebras se entenderan como morsmos entre las estructuras
subyacentes de anillo y Kespacio vectorial.
Se dice que A es una Kalgebra Zgraduada si se descompone, como
espacio vectorial, en suma directa de subespacios (recuerdese la denicion
45) A =

nZ
A
n
y si se cumple que esta descomposicion es compatible con
el producto de vectores, en el sentido
A
n
A
m
A
n+m
.
Nota 150 En general, dado un grupo cualquiera (G, ) se habla de Kalge-
bra Ggraduada si se tiene una descomposicion que puede ser indicada
por los elementos de G, A =

gG
A
g
y se cumple que
A
g
1
A
g
2
A
g
1
g
2
.
Ejemplo 151 Sea K un cuerpo y consideremos el anillo (/at
nn
(K), +, ).
Si se dene el producto por un escalar k K de manera que k.(a
ij
) = (ka
ij
)
38 7. El algebra tensorial T (V ) asociada a un espacio vectorial V
se tiene que /at
nn
(K) adquiere la estructura de Kalgebra (no conmu-
tativa).
Ejemplo 152 Sea U K
n
abierto y consideremos c
(U) (donde el caracter

abierto y la diferenciabilidad se entienden respecto a la norma asociada a la
metrica euclidea standard en K
n
). Resulta que c
(U) con la suma y pro-

ducto puntual de funciones es un anillo. Ademas, si k K yf c
(U)
se dene k.f c
(U) por k.f(p) = k (f(p)), entonces c
(U) es una
Kalgebra conmutativa, trivialmente graduada por G = 0.
Ejemplo 153 Consideremos K = R y el anillo formado por todos los po-
linomios reales, de variable real:
R[X] = p(x) = a
0
+a
1
x + +a
k
x
k
: k N; a
0
, a
1
, ..., a
k
R
(la suma y el producto de polinomios es la habitual). Entonces, (R[X], +)
tiene estructura de espacio vectorial sobre R y es, de hecho, una Ralgebra.
A un mas, esta algebra se descompone seg un el grado de los polinomios:
R[X] =
nZ
R
n
[X],
donde R
n
[X] es el subespacio vectorial de los polinomios de grado n (y se
asume que R
0
[X] = R y R
n
[X] = 0 para n < 0). Ademas, si p, q son
polinomios de grados respectivos n, m, entonces, p q es un polinomio de
grado n +m. Por tanto, R[X] es una Ralgebra Zgraduada.
Denicion 154 Un tensor pcontravariante, qcovariante denido
sobre un Kespacio vectorial V (o tensor de tipo (p, q) sobre V ), es una
aplicacion multilineal
t : V
q
(V
)
p
K
(v
1
, ..., v
q
, f
1
, ..., f
p
) t(v
1
, ..., v
q
, f
1
, ..., f
p
).
Los tensores de tipo (p, q) constituyen (como en el ejercicio 106) un espacio
vectorial de dimension n
p+q
, que se denota T
p
q
(V ). Por denicion, T
0
0
(V ) =
K.
Ejemplo 155 Los tensores de tipo (0, 1) son aplicaciones lineales t : V
K, es decir, las formas lineales. As: T
0
1
(V ) V
. Si V es de dimension
nita, los vectores de tipo (1, 0) son los vectores, pues si t T
1
0
(V ) entonces
es t : V
K lineal, es decir, t V
V .
Ejemplo 156 Los tensores de tipo (0, 2) son las formas bilineales. Como
casos particulares tenemos las metricas y las formas simplecticas.
Ejercicio 157 Estudiar los tensores de tipo (1, 1).
Nota 158 Seg un se deduce directamente de la denicion, T
0
q
(V
) = T
q
0
(V ),
de modo que el estudio de los tensores covariantes de tipo (0, q) se reduce
al de los tensores contravariantes, de tipo (q, 0), sobre el espacio dual.
A continuacion, introduciremos un producto en los espacios T
q
p
(V ) que
dara lugar a una Kalgebra.
Denicion 159 Sean t T
q
p
(V ), z T
s
r
(V ). Se llama producto tenso-
rial de t y z al tensor de tipo (p +r, q +s), denotado t z, dado por
t z(v
1
, ..., v
p
, ..., v
p+r
, f
1
, ..., f
q
, ..., f
q+s
) =
t(v
1
, ..., v
p
, f
1
, ..., f
q
) z(v
p+1
, ..., v
p+r
, f
q+1
, ..., f
q+s
).
Teorema 160 El producto tensorial tiene las siguientes propiedades:
1. Dene una aplicacion bilineal
T
q
p
(V ) T
s
r
(V ) T
q+s
p+r
(V )
(t, z) t z.
2. Es asociativo: dados los tensores t, z, y se tiene (tz)y = t(zy).
El Kespacio vectorial T (V ) =

p,q0
T
q
p
(V ), suma directa de todos los
espacios tensoriales T
q
p
(V ), junto con el producto tensorial que acabamos
de introducir, tiene estructura de anillo no conmutativo y con identidad (el
tensor 1 T
0
0
(V ) K). A un mas, de acuerdo con la denicion 149, si se
toma T
q
p
(V ) = 0 cuando uno de los p, q es negativo, resulta que se tiene
una estructura de algebra graduada (recuerdese la denicion 149 y la nota
150).
Denicion 162 El espacio T (V ) =

(p,q)ZZ
T
q
p
(V ) es un algebra Z
Zgraduada (a veces se dice bigraduada) denominada el algebra tenso-
rial sobre V.
Nos ocuparemos ahora de la estructura algebraica de los espacios de
tensores, en particular, de la determinacion de una base para ellos. Es
habitual escribir los elementos de las bases del dual (formas lineales) con
letras griegas, as que usaremos indistintamente esta notacion y la que
venamos empleando.
En primer lugar, se tiene el siguiente resultado, consecuencia directa del
hecho de que los tensores son aplicaciones multilineales.
Lema 163 Sea V un Kespacio vectorial de dimension nita, con base
e
i
n
i=1
y base dual
j
n
j=1
. Dos tensores de tipo (p, q) sobre V son igua-
les si y solo si coinciden sobre cualquier familia (e
i
1
, ..., e
i
p
,
j
1
, ...,
j
q
)
formada con elementos de las bases.
Ejercicio 164 Probar el lema 163.
Teorema 165 Los tensores
i
1
...
i
p
e
j
1
... e
j
q
, donde los ndices
i
1
, ..., i
p
y j
1
, ..., j
q
toman todos los valores entre 1 y n, constituyen una base
del Kespacio vectorial T
q
p
(V ). Como consecuencia, dimT
q
p
(V ) = n
p+q
.
Demostracion. Sea t T
q
p
(V ) un tensor de tipo (p, q). Denotemos por
V R
_
n
p
_
el conjunto de las variaciones con repeticion de 1, ..., n tomados de
p en p, y para cada pareja de variaciones I
p
= (i
1
, ..., i
p
), J
p
= (j
1
, ..., j
p
)
V R
_
n
p
_
sea
j
1
,...,j
p
i
1
,...,i
p
= t(e
i
1
, ..., e
i
p
,
j
1
, ...,
j
q
) K.
Entonces, por la multilinealidad, los tensores t y
I
p
,J
p
V R(
n
p
)
j
1
,...,j
p
i
1
,...,i
p
i
1
...
i
p
e
j
1
... e
j
q
coinciden sobre cualquier familia (e
k
1
, ..., e
k
p
,
l
1
, ...,
l
q
) de p vectores y q
formas de la base, as que aplicando el lema 163 ambos tensores son iguales
t =
I
p
,J
p
V R(
n
p
)
j
1
,...,j
p
i
1
,...,i
p
i
1
...
i
p
e
j
1
... e
j
q
.
Con esto, se tiene probado que
i
1
...
i
p
e
j
1
... e
j
q
1j
1
,...,j
q
n
1i
1
,...,i
p
n
es un sistema generador para T
q
p
(V ). Ademas, es un sistema LI, pues si se
tiene
0 =
I
p
,J
p
V R(
n
p
)
j
1
,...,j
p
i
1
,...,i
p
i
1
...
i
p
e
j
1
... e
j
q
jando unos conjuntos de ndices K = (k
1
, ..., k
p
), L
p
= (l
1
, ..., l
p
) V R
_
n
p
_
y aplicando ambos miembros de esta igualdad a (e
k
1
, ..., e
k
p
,
l
1
, ...,
l
q
) se
obtiene que todos los coecientes
j
1
,...,j
p
i
1
,...,i
p
se anulan, luego se tiene una
base.
Nota 166 Fijemonos en que en el curso de la demostracion del teorema
165 se ha obtenido la expresion explcita de un tensor t T
q
p
(V ) en termi-
nos de la base
i
1
...
i
p
e
j
1
... e
j
q
1j
1
,...,j
q
n
1i
1
,...,i
p
n
:
t =
I
p
,J
p
V R(
n
p
)
j
1
,...,j
p
i
1
,...,i
p
i
1
...
i
p
e
j
1
... e
j
q
con
j
1
,...,j
p
i
1
,...,i
p
= t(e
i
1
, ..., e
i
p
,
j
1
, ...,
j
q
).
En lo sucesivo, omitiremos el sumatorio sobre V R
_
n
p
_
, sobreentendiendo
que los dobles ndices indican precisamente esta suma.
Ejemplo 167 Veamos la expresion coordenada de una forma bilineal. Seg un
el teorema 165, una base para el espacio T
0
2
(V ) de las formas bilineales
esta formada por los tensores
i
j
, donde 1 i, j n = dimV . Por la
nota 166, la expresion de una forma bilineal b T
0
2
(V ) es
b = b
ij
j
donde
b
ij
= b(e
i
, e
j
)
son los elementos de la matriz asociada a b en la base e
i
n
i=1
(vease la
denicion 125).
Ejercicio 168 Estudiar la expresion coordenada de un operador lineal L
/
K
(V ).
Finalmente, estudiaremos el efecto de un cambio de base en el espacio V
sobre los tensores de T
q
p
(V ).
Sean e
i
n
i=1
, u
j
n
j=1
bases en V de las cuales son duales, respectivamen-
te, las
k
n
k=1
,
l
n
l=1
. Llamemos A = (A
i
j
)
1i,jn
a la matriz de cambio
de base de e
i
n
i=1
a u
j
n
j=1
, de modo que u
j
= A
i
j
e
i
, y sea B = A
1
la
matriz inversa de A. Por el ejercicio 101, se tiene que el cambio de base de
n
k=1
a
l
n
l=1
esta dado por B
, as que
l
= (B
)
l
k
k
= (A
1
)
k
l

k
.
Teorema 169 Si t =
j
1
,...,j
p
i
1
,...,i
p
i
1
...
i
p
e
j
1
... e
j
q
es la expresion
coordenada de un tensor de tipo (p, q) en las bases e
i
n
i=1
,
k
n
k=1
, de
V y V
respectivamente, la expresion del mismo tensor t respecto de unas

nuevas bases respectivas u
j
n
j=1
,
l
n
l=1
viene dada por
t =
l
1
,...,l
q
k
1
,...,k
p
k
1
...
k
p
u
l
1
... u
l
q
,
donde
l
1
,...,l
q
k
1
,...,k
p
= A
i
1
k
1
A
i
p
k
p
(A
1
)
l
1
j
1
(A
1
)
l
q
j
q
j
1
,...,j
p
i
1
,...,i
p
.
Demostracion. Expresemos el tensor t en las dos bases, de modo que
t =
j
1
,...,j
p
i
1
,...,i
p
i
1
...
i
p
e
j
1
... e
j
q
=
l
1
,...,l
q
k
1
,...,k
p
k
1
...
k
p
u
l
1
... u
l
q
.
Ahora, aplicando las formulas de cambio de base (recordar ejercicio 101),
se tiene (llamando B = A
1
)
t =
j
1
,...,j
p
i
1
,...,i
p
i
1
...
i
p
e
j
1
... e
j
q
=
l
1
,...,l
q
k
1
,...,k
p
(B
)
i
1
k
1
(B
)
i
p
k
p
(A)
j
1
l
1
(A)
j
q
l
q
i
1
...
i
p
e
j
1
... e
j
q
,
de donde
j
1
,...,j
p
i
1
,...,i
p
=
l
1
,...,l
q
k
1
,...,k
p
(A
1
)
k
1
i
1
(A
1
)
k
p
i
p
(A)
j
1
l
1
(A)
j
q
l
q
y al despejar multiplicando por las matrices inversas:
l
1
,...,l
q
k
1
,...,k
p
= A
i
1
k
1
A
i
p
k
p
(A
1
)
l
1
j
1
(A
1
)
l
q
j
q
j
1
,...,j
p
i
1
,...,i
p
.
8
Accion del grupo de permutaciones en
T
0
p
(V ). Los proyectores Alt y Sym
En esta seccion, vamos a estudiar los subespacios del algebra tensorial
formados por los tensores puramente covariantes sobre un Kespacio vec-
torial V , T
0
p
(V ) o T
p
(V ).
Sea p > 0 jo y consideremos el grupo de permutaciones
p
, que opera
sobre T
p
(V ) mediante la accion derecha (recuerdese la denicion 21):
p
T
p
(V ) T
p
(V )
(, t) t
en la que t
es el tensor denido por

t
(v
1
, ..., v
p
) = t(v
(1)
, ..., v
(p)
).
Esta accion tiene la propiedad adicional de ser compatible con la estructura
lineal de T
p
(V ), en el sentido de que si , K, y t, z T
p
(V ), entonces
(t +z)
= t
+z
.
Denicion 170 Un tensor s T
p
(V ) es simetrico si s
= s para toda
permutacion
p
.
Un tensor t T
p
(V ) es antisimetrico si t
= sig()t para toda permu-

tacion
p
.
Ejercicio 171 Utilizando la descomposicion de una permutacion en tras-
posiciones, probar que un tensor s T
p
(V ) es simetrico si y solo si s
= s
para toda trasposicion
p
, y que un tensor es antisimetrico si y solo si
t
= t para toda trasposicion

p
.
44 8. Accion del grupo de permutaciones en T
0
p
Proposicion 172 Si z T
p
(V ) es un tensor que verica z(v
1
, ..., v
i
, ..., v
j
, ..., v
p
) =
0 siempre que v
i
= v
j
(es decir siempre que haya dos argumentos iguales),
entonces z es antisimetrico. Si, recprocamente, K es de caracterstica dis-
tinta de 2 y z es antisimetrico, z(v
1
, ..., v
i
, ..., v
j
, ..., v
p
) = 0 siempre que
v
i
= v
j
.
Demostracion. Si z verica las condiciones del enunciado, para cuales-
quiera v
1
, ..., v
p
y i < j se tiene:
0 = z(v
1
, ..., v
i
+v
j
, ..., v
i
+v
j
, ..., v
p
)
= z(v
1
, ..., v
i
, ..., v
i
, ..., v
p
)
+z(v
1
, ..., v
j
, ..., v
j
, ..., v
p
)
+z(v
1
, ..., v
i
, ..., v
j
, ..., v
p
)
+z(v
1
, ..., v
j
, ..., v
i
, ..., v
p
)
= z(v
1
, ..., v
i
, ..., v
j
, ..., v
p
) +z(v
1
, ..., v
j
, ..., v
i
, ..., v
p
),
luego z(v
1
, ..., v
i
, ..., v
j
, ..., v
p
) = z(v
1
, ..., v
j
, ..., v
i
, ..., v
p
). Recprocamen-
te, si z es antisimetrico y v
i
= v
j
= u (con i < j) resulta 2z(v
1
, ..., u, ..., u, ..., v
p
) =
0 y, siendo la caracterstica de K distinta de 2 (es la misma que tiene como
anillo, recuerdese la denicion 26) eso implica z(v
1
, ..., u, ..., u, ..., v
p
) = 0.
Como consecuencia inmediata, se tiene el siguiente resultado.
Corolario 173 Si la caracterstica de K es distinta de 2 y z es antisimetri-
co, z(v
1
, ..., v
p
) = 0 siempre que los v
1
, ..., v
p
sean linealmente dependientes.
Denicion 175 Los tensores simetricos de orden p forman un subespacio
vectorial de T
0
p
(V ) que se denota S
p
(V ). Analogamente, los tensores an-
tisimetricos de orden p forman un subespacio vectorial de T
0
p
(V ) que se
denota
p
(V ).
Nota 176 Si la caracterstica de K es distinta de 2 y V es de dimension
nita n = dimV , el corolario 173 dice que
p
(V ) = 0 cuando p > n.
Nota 177 En lo que sigue, supondremos que el cuerpo base K tiene carac-
terstica distinta de 2.
Denicion 178 Sobre el espacio tensorial T
p
(V ), se denen los operado-
res:
1. De simetrizacion, Sym : T
p
(V ) T
p
(V ) dado por
Sym(z) =
1
p!
p
z
.
0
p
(V ). Los proyectores Alt y Sym 45
2. De antisimetrizacion, Alt : T
p
(V ) T
p
(V ) dado por
Alt(z) =
1
p!
p
sig()z
.
Proposicion 179 Los operadores Sym y Alt verican las siguientes pro-
piedades:
1. Son lineales y ImSym S
p
(V ), ImAlt
p
(V ).
2. Sym[
S
p
(V )
= Id
S
p
(V )
, Alt [
p
(V )
= Id
p
(V )
.
3. Sym Alt = 0 = Alt Sym y Alt Alt = Alt, Sym Sym = Sym
(estas dos ultimas propiedades se conocen como idempotencia).
4. Si
1
, ...,
p
son formas lineales:
Alt(
1

p
) =
1
p!
p
sig()
(1)

(p)
Sym(
1

p
) =
1
p!
(1)

(p)
.
Demostracion. Para probar (1) considerese la trasposicion de los ndices
i, j,
ij
. Entonces, si t T
p
(V ):
Alt t(v
1
, ..., v
i
, ..., v
j
, ..., v
p
)
=
1
p!
P
p
sig()t(v
(1)
, ..., v
(i)
, ..., v
(j)
, ..., v
(p)
)
=
1
p!
P
p
sig()t(v
ij
(1)
, ..., v
ij
(j)
, ..., v
ij
(i)
, ..., v
ij
(p)
)
=
1
p!
ij
P
p
sig(
ij
)t(v
ij
(1)
, ..., v
ij
(j)
, ..., v
ij
(i)
, ..., v
ij
(p)
)
=
1
p!
P
p
sig()t(v
(1)
, ..., v
(p)
).
0
p
Para la primera parte de (2), considerese por ejemplo:
Sym(Alt t) =
1
p!
P
p
_
_
1
p!
P
p
sig()t
_
_
=
_
1
p!
_
2
P
p
_
_

A
p
t
P
p
A
p
t
_
_
=
_
1
p!
_
2
_
_

A
p
P
p
t
P
p
A
p
P
p
t
_
_
=
_
1
p!
_
2
_
_
p!
2
P
p
t
p!
2
P
p
t
_
_
= 0,
donde se ha utilizado que es un isomorsmo en

p
. La segunda
parte de (2) es inmediata. (3) es consecuencia directa de (1) y (2). Por lo
que respecta a (4), para toda
p
y toda familia v
1
, ..., v
p
de vectores,
(
1

p
)
(v
1
, ..., v
p
) =
1
(v
(1)
)
p
(v
(p)
)
=
1
(1)
(v
1
)
1
(p)
(v
p
)
= (
1
(1)

1
(p)
)(v
1
, ..., v
p
),
as que (teniendo en cuenta que sig() = sig(
1
)):
Alt(
1

p
) =
1
p!
P
p
sig()(
1
(1)

1
(p)
)
=
1
p!
P
p
sig(
1
)(
1
(1)

1
(p)
)
=
1
p!
P
p
sig()
(1)

(p)
.
Nota 180 La propiedad de idempotencia (3) dice que tanto Sym como
Alt son proyectores en T
p
(V ). El siguiente ejercicio explora algunas de las
propiedades de esta clase particular de operadores.
Denicion 181 Dado un Kespacio vectorial V , un operador lineal P
/
K
(V ) se dice que es un proyector de V si L
2
= L L = L.
Ejercicio 182 Sea P /
K
(V ) un proyector, denotemos H = ImP y N =
ker P. Probar que:
0
p
(V ). Los proyectores Alt y Sym 47
1. Para todo vector v V , se tiene que v H si y solo si Pv = v.
2. Se da la descomposicion en suma directa (recuerdese la denicion 45)
V = H N.
3. Cualquier vector v V se expresa de manera unica como v = P(v) +
(v P(v)).
Proposicion 183 El espacio tensorial T
p
(V ) se descompone seg un
T
p
(V ) = ImAlt(V ) ker Alt(V ).
Demostracion. Es una consecuencia inmediata de (3) en la proposicion
179 y de (2) en el ejercicio 182.
Nota 184 Sin embargo, este resultado no implica que sea T
p
(V ) =
p
(V )
S
p
(V ). Por ejemplo se tiene que S
p
(V ) ker Alt(V ), pero no tiene por
que darse la igualdad (esto si ocurre, sin embrago, para el caso p = 2).
3
, con la base canonica e
i
3
i=1
y la
base dual f
j
3
j=1
de V
= (R
3
)
. Sea el tensor z T
3
(R
3
) dado por
z = f
1
f
2
f
3
f
2
f
1
f
3
+f
1
f
3
f
2
.
Se tiene entonces que
Alt(z) =
1
6
f
1
f
2
f
3
+f
2
f
3
f
1
+f
3
f
1
f
2
f
1
f
3
f
2
f
2
f
1
f
3
f
3
f
2
f
1
,
y
z Alt(z) =
5
6
f
1
f
2
f
3
f
2
f
1
f
3
+
7
6
f
1
f
3
f
2
1
6
f
2
f
3
f
1
+f
3
f
1
f
2
f
3
f
2
f
1
.
Claramente, z Alt(z) ker Alt, pero z Alt(z) / S
3
(R
3
) pues, por ejem-
plo, no es simetrico bajo la permutacion = (13).
Ejercicio 186 Sean s T
p
(V ), t T
q
(V ).
1. Si s es tal que Alt(s) = 0, entonces Alt(s t) = Alt(t s) = 0.
2. Si z T
r
(V ),
Alt(Alt(s t) z) = Alt(s t z) = Alt(s Alt(t z)).
3. Para s, t arbitrarios: Alt(s t) = (1)
p+q
Alt(t s).
0
p
8.1. Propiedades functoriales de T
0
p
(V )
Sea K un cuerpo y L : V W un morsmo de Kespacios vectoriales.
Denicion 187 Se llama pull-back o retroaccion por L a la aplicacion
L
: T
p
(W) T
p
(V )
t L
(t) = L
t
denida por
(L
t)(v
1
, ..., v
p
) = t(L(v
1
), ..., L(v
p
)),
para t T
p
(W).
Nota 188 Fijemonos en que efectivamente L
(t) T
p
(V ), por la lineali-
dad de L.
Teorema 189 La aplicacion L
es lineal y respeta las simetras, esto es,

dene morsmos
L
[
S
p
(W)
: S
p
(W) S
p
(V )
L
p
(W)
:
p
(W)
p
(V ).
Demostracion. Es obvio que L
es lineal. Ademas, si
p
(W) y
v
1
, ..., v
p
son vectores de V , para toda
p
se tiene:
(L
)(v
(1)
, ..., v
(p)
) = (L(v
(1)
), ..., L(v
(p)
))
= sig()(L(v
1
), ..., L(v
p
))
= sig()(L
)(v
1
, ..., v
p
).
La prueba para S
p
(W) es analoga.
Ejercicio 190 Dar la prueba del teorema 189 para el caso de L
[
S
p
(W)
.
Teorema 191 Si se tienen morsmos L : V W y P : W U, enton-
ces, los pull-backs asociados verican
(P L)
= L
.
Demostracion. Si t T
p
(U) y v
1
, ..., v
p
son vectores de V , resulta:
((P L)
t)(v
1
, ..., v
p
) = t((P L)(v
1
), ..., (P L)(v
p
))
= (P
t)(L(v
1
), ..., L(v
p
))
= ((L
)t)(v
1
, ..., v
p
).
8.1 Propiedades functoriales de T
0
p
(V ) 49
Teorema 192 El pull-back es compatible con el producto tensorial, esto es,
si t T
p
(W) y z T
q
(W), entonces, L
: T
p+q
(W) T
p+q
(V ) esta dada
sobre t z por:
L
(t z) = L
t L
z
(propiedad functorial de ).
Demostracion. Si v
1
, ..., v
p
, ..., v
p+1
son vectores de V , se tiene:
(L
(t z))(v
1
, ..., v
p+1
) = (t z)(L(v
1
), ..., L(v
p+q
))
= t(L(v
1
), ..., L(v
p
)) z(L(v
p+1
), ..., L(v
p+p
))
= (L
t)(v
1
, ..., v
p
) (L
z)(v
p+1
, ..., v
p+q
)
= (L
t L
z)(v
1
, ..., v
p+1
).
Nota 193 El teorema 192 nos dice que el morsmo lineal L
: T (W)
T (V ) inducido por L (y que sobre cada subespacio T
p
(W) act ua como en la
denicion 187), es un morsmo de Kalgebras (recuerdese la denicion
149).
0
p
9
El algebra exterior (V ). Derivaciones
en (V ): operador insercion i
v
Hasta ahora, hemos considerado solo productos escalares en un espacio
vectorial (cfr. denicion 116), y resulta natural plantearse la construccion
de un producto vectorial para un espacio vectorial arbitrario V , en el
sentido de tener un aplicacion V V V , como sucede en R
3
con el
producto vectorial usual. Resulta que, en general, no puede obtenerse una
tal estructura para un espacio vectorial cualquiera (el caso de R
3
es muy
particular debido a la dimension, y esta es la causa de que pueda denirse el
producto vectorial ), pero si se puede construir en
p
(V ), obteniendose
as lo que se conoce como algebra exterior, (V ).
Denicion 194 Sean
p
(V ),
q
(V ). Se llama producto exte-
rior de , al tensor antisimetrico denotado y denido por
=
(p +q)!
p!q!
Alt( )
p+q
(V )
(recuerdese (4) de la proposicion 179). Analogamente, se llama producto
simetrico de S
p
(V ), S
q
(V ) al tensor simetrico denotado y
denido por
= Sym( ) S
p+q
(V ).
Fijemonos en que si se toman
1
, ...,
p
y
p+1
, ...,
p+q
formas lineales,
entonces
1

p

p
(V ),
p+1

p+q

p
(V ) y
(
1

p
) (
p+1

p+q
)
p+q
(V ).
52 9. El algebra exterior (V ). Derivaciones en (V ): operador insercion i
v
Ejercicio 195 Probar que si
i
V
, 1 i p, entonces
1

p
= p! Alt(
1

p
);
de modo que, como consecuencia,
1

p
=
p
sig()
(1)

(p)
.
Veamos algunas propiedades fundamentales del producto exterior.
Proposicion 196 El producto exterior satisface:
1. Es bilineal.
2. Si
p
(V ),
q
(V ), entonces
= (1)
pq
.
3. Si L : V W es una transformacion lineal, y
p
(W),
q
(W), se tiene (propiedad functorial de , cfr. el teorema 192):
L( ) = L
() L
(),
donde L
es el pull-back de L (vease la denicion 187).

4. Si
p
(V ),
q
(V ),
r
(V ), entonces (asociatividad de
):
( ) = ( ).
Demostracion. La primera parte es inmediata por la bilinealidad de
(ver el ejercicio 161). Para la formula del producto basta considerar la
parte (3) del ejercicio 186. La propiedad functorial del producto exterior
es consecuencia de la correspondiente propiedad del producto tensorial: si
9. El algebra exterior (V ). Derivaciones en (V ): operador insercion i
v
53
w
1
, ..., w
p+q
W, se tiene:
L
( )(w
1
, ..., w
p+q
)
= ( )(L(w
1
), ..., L(w
p+q
))
=
(p +q)!
p!q!
Alt( )(L(w
1
), ..., L(w
p+q
))
=
1
p!q!
p+q
sig()( )
(L(w
1
), ..., L(w
p+q
))
=
1
p!q!
p+q
sig()(L(w
(1)
), ..., L(w
(p)
))(L(w
(p+1)
), ..., L(w
(p+q)
))
=
1
p!q!
p+q
sig()(L
)(w
(1)
, ..., w
(p)
)(L
)(w
(p+1)
, ..., w
(p+q)
)
= (L
() L
())(w
1
, ..., w
p+q
).
La asociatividad se deduce directamente de la propiedad (2) del ejercicio
186.
Con la estructura producto exterior as denida, ((V ) =

pZ
p
(V ), )
(donde se supone que
p
(V ) = 0 si p < 0 y
0
(V ) = K, recuerdese la
denicion 162) tiene una estructura de Kalgebra.
Denicion 197 El Kalgebra ((V ) =

pZ
p
(V ), ) se denomina alge-
bra exterior asociada al espacio vectorial V . Sus elementos se denominan
formas exteriores sobre V .
Nos ocupamos ahora de la tarea de determinar una base para
p
(V ).
Lema 198 Sean
1
, ...,
p
formas lineales sobre V . Para toda permutacion

p
se tiene:
(1)

(p)
= sig()
1

p
,
(1)

(p)
=
1

p
.
Por tanto,
1

p
= 0 siempre que entre la familia
1
, ...,
p
haya
dos elementos iguales.
v
Demostracion. Se tiene que, por denicion de producto exterior,
p!
(1)

(p)
=
p
sig()
((1))

((p))
= sig()
p
=
sig()
(1)

(p)
= p!sig()
1

p
.
La segunda parte se prueba de manera analoga.
Ejercicio 199 Probar el lema 198 para el caso del producto simetrico.
Teorema 200 Sean V un Kespacio vectorial de dimension nita n, e
i
n
i=1
una base de V y
_
j
_
n
j=1
su base dual correspondiente. Entonces:
1. Si t
p
(V ) es un tensor antisimetrico de tipo (0, p) sobre V , con
p n, se verica:
t =
i
1
<<i
p
t(e
i
1
, ..., e
i
p
)
i
1

i
p
.
Por tanto, los productos exteriores ordenados
i
1

i
p
(1 i
1
<
< i
p
n), forman una base del espacio vectorial
p
(V ), de modo
que
dim
p
(V ) =
_
n
p
_
.
2. Si s S
p
(V ) es un tensor simetrico de tipo (0, p) sobre V , se verica:
s =
(a
1
,...,a
n
)N
n
a
1
++a
n
=p
s(e
1
,
a
1
)
... , e
1
, ..., e
n
,
a
n
)
... , e
n
)
_
1
_
a
1
(
n
)
a
n
.
Por tanto, los productos simetricos arbitrarios de p formas de la base
forman una base del espacio vectorial S
p
(V ), de modo que
dimS
p
(V ) =
_
n +p 1
p 1
_
.
Demostracion. De acuerdo con la nota 166, particularizada al caso de
T
p
(V ), se tiene la expresion coordenada
t =
I
p
V R(
n
p
)
t(e
i
1
, ..., e
i
p
)
i
1
...
i
p
.
Ademas, como es antisimetrico, t(e
i
1
, ..., e
i
p
) = 0 si alguno de sus argu-
mentos esta repetido (recordar la proposicion 172). Si no es este el caso, los
v
55
ndices i
1
, ..., i
p
se pueden ver como el resultado de aplicar una permutacion

p
a una familia creciente j
1
, ..., j
p
con j
1
< ... < j
p
, as que
t(e
i
1
, ..., e
i
p
) = t(e
j
(1)
, ..., e
j
(p)
) = sig()t(j
1
, ..., j
p
).
Con esto:
t =
j
1
<...<j
p
t(j
1
, ..., j
p
)
p
sig()
j
(1)
...
j
(p)
=
j
1
<...<j
p
t(j
1
, ..., j
p
)
j
1

j
p
.
Ejercicio 201 Probar el teorema 200 para el caso de tensores simetricos.
Corolario 202 En las condiciones del teorema 200,
1. Una condicion necesaria y sufuciente para que p vectores v
1
, ..., v
p
sean linealmente independientes, es que exista un tensor antisimetrico
t
p
(V ) tal que t(v
1
, ..., v
p
) ,= 0.
2. Una condicion necesaria y sufuciente para que p formas lineales
1
, ...,
p
sean linealmente independientes, es que
1

p
,= 0.
Ejercicio 204 Con las notaciones del teorema 200, un elemento descom-
ponible de
p
(V ) es del tipo
1

p
, y un elemento descomponible de
p
(V
) es de la forma v
1
v
p
con v
j
V
V (bajo el isomorsmo
canonico del teorema 97) linealmente independientes para 1 j p. Se
dene
B :
p
(V
)
p
(V ) K
por
B(v
1
v
p
,
1

p
) =
1

p
(v
1
, ..., v
p
)
y se extiende por linealidad. Comprobar que B determina un isomorsmo
P
B
:
p
(V
)
p
(V )
.
A continuacion, estudiaremos ciertos endomorsmos particulares del alge-
bra exterior (V ) =

pZ
p
(V ).
Sea Auna Kalgebra Zgraduada, que se descompone como A =

pZ
A
p
.
Observese que siempre es 1
A
A
0
(en caso contrario a A
p
sera
a = a1
A
A
p+grado(1
A
)
).
v
Denicion 205 Se denomina derivacion de grado p (con p Z) del
algebra A a todo endomorsmo : A A tal que (A
n
) A
n+p
y
(a b) = (a) b + (1)
np
a (b),
para todos a A
n
y b A. El conjunto de las derivaciones de grado p de
A se denota Der
p
(A
). Tambien se escribe Der(A) =

pZ
Der
p
(A
) (y resulta
ser de manera natural una nueva Kalgebra Zgraduada).
Ejemplo 206 Consideremos el algebra graduada de los polinomios reales
R[X] =

nZ
R
n
[X], y el operador de derivacion formal : R[X] R[X]
que sobre un polinomio
p = a
0
+a
1
x +a
2
x
2
+ +a
n1
x
n1
+a
n
x
n
R
n
[X]
act ua como
(p) = a
1
x + 2a
2
x
2
+ 3a
3
x
2
+ +na
n
x
n
,
de manera que es de grado 0 (intuitivamente podemos ver a como el
operador x
d
dx
). Es inmediato comprobar que es una derivacion.
Ejercicio 207 Probar que si Der(A) y (A) ,= 2, entonces (1
A
) = 0.
Nota 208 Podemos ver a todo k K como un elemento de A bajo la
aplicacion k k 1
A
A. Entonces, el ejercicio precedente nos dice que
por ser morsmo para la estructura vectorial de A, (k) = k(1
A
) = 0.
Denicion 209 Sea v V . Se llama operador insercion de v al opera-
dor del algebra exterior i
v
:
p
(V )
p1
(V ) dado por la accion
(i
v
)(u
1
, ..., u
p1
) = (v, u
1
, ..., u
p1
),
para cualquier
p
(V ) y u
1
, ..., u
p1
V (en particular, i
v
[
0
(V )
= 0).
Proposicion 210 El operador insercion es una derivacion del algebra ex-
terior (V ) con grado 1.
Demostracion. En primer lugar, veamos que es lineal. Si ,
p
(V ) y
a, b K, entonces para cualesquiera u
1
, ..., u
p1
V :
(i
v
(a +b))(u
1
, ..., u
p1
) = (a +b)(v, u
1
, ..., u
p1
)
= a(v, u
1
, ..., u
p1
) +b(v, u
1
, ..., u
p1
)
= a(i
v
)(v, u
1
, ..., u
p1
) +b(i
v
)(v, u
1
, ..., u
p1
),
de modo que i
v
(a + b) = ai
v
+ bi
v
. Ahora, comprobaremos como
se comporta i
v
respecto del producto exterior. Se trata de probar que si
v
57

p
(V ) y
q
(V ), entonces i
v
( ) = (i
v
) + (1)
p
(i
v
).
Esto es trivial para p = 0; procederemos por induccion, as que supongamos
que p = 1 y sean v
1
= v, v
2
, ..., v
q+1
V . Se tiene:
i
v
( )(v
2
, ..., v
q+1
) = ( )(v
1
, v
2
, ..., v
q+1
)
=
(q + 1)!
1!q!
Alt( )(v
1
, v
2
, ..., v
q+1
)
=
1
q!
q+1
sig()(v
(1)
)(v
(2)
, ..., v
(q+1)
).
Ahora bien, jado un j 1, ..., q + 1 para cada permutacion
q+1
tal que (1) = j, el resto de vectores v
(2)
, ..., v
(q+1)
convenientemente
ordenados son los v
1
, ..., v
j
, ..., v
q+1
(el circunejo denota que ese termino
se omite). A un mas, existe una correspondencia biunvoca
:
q+1
: (1) = j
q
donde
()(k) =
_
(k) 1, para k < j
(k + 1) 1, para k j
y sig(()) = (1)
j1
sig(). Con esto:
i
v
( )(v
2
, ..., v
q+1
) =
1
q!
q+1
j=1
(1)
j+1
(v
j
)(v
1
, ..., v
j
, ..., v
q+1
)
=
1
q!
(v)(v
2
, ..., v
q+1
)
+
1
q!
q+1
j=2
(1)
j+1
(v
j
)(v, v
2
, ..., v
j
, ..., v
q+1
)
= ((i
v
) )(v
2
, ..., v
q+1
)
1
q!
q+1
j=2
(1)
j
(v
j
)(i
v
)(v
2
, ..., v
j
, ..., v
q+1
)
= ((i
v
) + (1)
1
i
v
)(v
2
, ..., v
q+1
),
y se tiene probado el resultado para p = 1. Suponiendo que es cierto para
todo a
p
(V ), sea
1
(V ), de manera que
i
v
(( ) ) = i
v
( ( ))
= (i
v
) ( ) i
v
( )
= ((i
v
) ) (i
v
) + (1)
p+1
i
v
= (i
v
( )) + (1)
p+1
( ) i
v
.
v
Como todo elemento de
p+1
es una combinacion lineal de elementos de
la forma , con
1
(V ) y a
p
(V ), y i
v
es lineal, el resultado es
cierto para cualquier elemento de
p+1
(V ).
9.1. Determinantes
De acuerdo con el teorema 200, si V es un Kespacio vectorial de di-
mension nita dimV = n, se tiene que dim
n
(V ) =
_
n
n
_
= 1.
Ejercicio 211 Probar que si F es un Kespacio vectorial de dimension
1, toda aplicacion lineal L : F F consiste en multiplicar por un escalar.
Si L End
K
(V ) es un endomorsmo del espacio vectorial V , el pull-back
inducido (recuerdese la denicion 187 y la proposicion 196) L
:
n
(V )
n
(V ) consiste, de acuerdo con el ejercicio 211, en multiplicar por un es-
calar.
Denicion 212 Se denomina determinante del endomorsmo L End
K
(V )
al escalar det L determinado por el pull-back L
n
(V )
.
Nota 213 De la propia denicion se deduce que al endomorsmo identidad
Id End
K
(V ) le corresponde det Id = 1.
Teorema 214 Sea L End
K
(V ). El determinante det L tiene las siguien-
tes propiedades:
1. Es multiplicativo: si L
1
, L
2
End
K
(V ) se tiene det(L
1
L
2
) = det L
1
det L
2
.
2. Si e
i
n
i=1
es una base de V y
_
j
_
n
j=1
su base dual correspondiente,
se tiene
L
(
1

n
) = det L
1

n
.
3. En las condiciones de (2), se cumple que
det L =
_
L
(
1

n
)
_
(e
1
, ..., e
n
)
=
1

n
(Le
1
, ..., Le
n
).
4. Se tiene det L ,= 0 si y solo si L es un automorsmo.
5. Se cumple que det L
= det L, donde L
= L
End
K
(V
) es el
endomorsmo traspuesto de L (recuerdese la nota 102. Utilizamos
aqu la notacion L
para enfatizar la relacion con las matrices donde

es la habitual para denotar la traspuesta, cfr. el tem siguiente).
9.1 Determinantes 59
6. Si A = (a
j
i
)
1i,jn
es la matriz de L respecto de una base e
i
n
i=1
, de
modo que L(e
i
) = a
j
i
e
j
,
det L =
n
sig()a
1
(1)
a
n
(n)
= det A.
Demostracion. (1) Por las propiedades functoriales del producto exterior
y el pull-back, (L
1
L
2
)
n
(V )
= L
2
[
n
(V )
L
1
[
n
(V )
, luego det(L
1
L
2
) =
det L
1
det L
2
. (2) Es la propia denicion de determinante. (3) Se sigue de la
denicion de pull-back. (4) Si L End
K
(V ) es un automorsmo, se deduce
de (1) que det L det L
1
= det Id = 1, luego det L ,= 0. Recprocamente,
si det L ,= 0 y e
i
n
i=1
es una base de V ,
_
j
_
n
j=1
su base dual, resulta por
(3) que
0 ,= det L =
1

n
(Le
1
, ..., Le
n
),
luego los Le
1
, ..., Le
n
son linealmente independientes (vease el corolario
202) y forman una base de V , por lo que L es un automorsmo. (5) Con
las notaciones anteriores, de la denicion de producto exterior y aplicacion
traspuesta, utilizando el teorema de reexividad se tiene:
det L
= e
1
e
n
(L
1
, ..., L
n
)
=
n
sig()e
1
(L
(1)
) e
n
(L
(n)
)
=
n
sig()
(1)
(Le
1
)
(n)
(Le
n
)
=
n
sig()
(1)

(n)
(Le
1
, ..., Le
n
)
=
1

n
(Le
1
, ..., Le
n
)
= det L.
(6) Por (3) y la denicion de producto exterior:
det L =
1

n
(Le
1
, ..., Le
n
)
=
n
sig()
1
(Le
(1)
)
n
(Le
(n)
),
pero
i
(Le
(i)
) =
i
(a
j
(i)
e
j
) = a
j
(i)
i
(e
j
) = a
j
(i)
i
j
= a
i
(i)
, luego
det L =
n
sig()a
1
(1)
a
n
(n)
.
Nota 215 La propiedad (6) es lo que se encuentra en muchos textos ele-
mentales como denicion de determinante.
v
Recordemos que como caso particular del teorema 77, se establece un
isomorsmo entre End
K
(V ) y /at
nn
(K). Dentro de /at
nn
(K), el sub-
conjunto de las matrices con determinante no nulo forma un grupo con
respecto al producto matricial, llamado el grupo general lineal en n di-
mensiones y denotado GL(n; K). Como consecuencia inmediata del teorema
97 se cumple el siguiente resultado.
Corolario 216 Se tiene un isomorsmo de grupos
Aut
K
(V ) GL(n; K).
Ademas, el determinante tambien induce un morsmo de grupos multipli-
cativos
det : Aut
K
(V ) K0.
Demostracion. La primera parte es consecuencia de (4) en el teorema, la
segunda de (1).
Por otra parte, la denicion de determinante no esta restringida a en-
domorsmos. Cuando se dispone de un morsmo entre espacios vectoriales
con la misma dimension L : V W, puede denirse un determinante,
pero esta vez depende de la eleccion de bases en ambos espacios.
Denicion 217 Sea L : V W un morsmo de Kespacios vectoriales
donde dimV = dimW = n. Sean e
i
n
i=1
, e
i
n
i=1
bases de V y W res-
pectivamente, y
_
j
_
n
j=1
,
_

j
_
n
j=1
sus bases duales correspondientes. Se
denomina determinante de L respecto de las bases anteriores al escalar
det L
e, e
determinado de manera unica por la condicion
L
(
1

n
) = det L
e, e

1

n
.
Teorema 218 Sea L /
K
(V, W). El determinante det L
e, e
tiene las si-
guientes propiedades:
1. Si T /
K
(W, U) es otro morsmo y u
i
n
i=1
es una base de U, se
cumple
det(T L)
e,u
= det L
e, e
det T
e,u
.
2. det L
e, e
= L
(
1

n
)(e
1
, ..., e
n
) =
1

n
(Le
1
, ..., Le
n
).
3. det L
e, e
,= 0 si y solo si L es un isomorsmo.
4. det L
e, e
= det L
,
.
5. Si A = (a
j
i
)
1i,jn
es la matriz de L respecto de las bases e
i
n
i=1
,
e
i
n
i=1
de modo que L(e
i
) = a
j
i
e
j
, se tiene
det L
e, e
=
n
sig()a
1
(1)
a
n
(n)
= det A.
9.1 Determinantes 61
Ejercicio 219 Probar el teorema 218 (ayuda: seguir la demostracion del
teorema 214).
Ejemplo 220 Sea el endomorsmo de R
3
dado en la base canonica por la
actuacion
L : R
3
R
3
(x, y, z) (2x +y, x +y + 4z, 3x + 2y + 5z).
Veamos como calcular su determinante. Seg un la denicion, hemos de cal-
cular el pull-back L
3
(R
3
)
, es decir, L
(
1
3
) donde
i
3
i=1
es la
base dual de la base canonica e
i
3
i=1
= (1, 0, 0), (0, 1, 0), (0, 0, 1) (respec-
to de la cual esta denida L). Ahora bien, por la propiedad functorial del
producto exterior (proposicion 196):
L
(
1

2

3
) = (L
1
) (L
2
) (L
3
).
Para calcular, por ejemplo, L
1
recurrimos a la denicion de pull-back
(denicion 187). Como
1

1
(R
3
), tambien es L
1

1
(R
3
) y basta
con ver como act ua sobre un vector arbitrario v = xe
1
+ye
2
+ze
3
:
L
1
(v) =
1
(L(v)) =
1
((2x +y)e
1
+ (x +y + 4z)e
2
+ (3x + 2y + 5z)e
3
)
= 2x +y.
Pero x =
1
(v), y =
2
(v) (tambien, z =
3
(v)), luego
L
1
(v) = 2
1
(v) +
2
(v),
de modo que
L
1
= 2
1
+
2
.
Analogamente se ve que
L
2
=
1
+
2
+ 4
3
L
3
= 3
1
+ 2
2
+ 5
3
,
y por lo tanto:
L
(
1

2

3
) = (2
1
+
2
) (
1
+
2
+ 4
3
) (3
1
+ 2
2
+ 5
3
).
Aplicando las propiedades del producto exterior (bilinealidad y antisimetra):
L
(
1

2

3
) = (2
1

2
+ 8
1

3
+
2

1
+ 4
2

3
) (3
1
+ 2
2
+ 5
3
)
= (
1

2
+ 8
1

3
+ 4
2

3
) (3
1
+ 2
2
+ 5
3
)
= 5
1

2

3
+ 16
1

3

2
12
2

3

1
= 23
1

2

3
,
v
as que
det L = 23.
Este resultado, por supuesto, coincide con el que se obtendra tradicional-
mente considerando la matriz asociada a L,
L =
_
_
2 1 0
1 1 4
3 2 5
_
_
,
y calculando su determinante matricial.
9.2. Orientacion y volumen en un espacio vectorial.
Volvamos a considerar el espacio
n
(V ), para el cual dim
n
(V ) = 1
(con dimV = n). Nos restringiremos en esta seccion al caso real, K = R.
Sean e
i
n
i=1
y v
j
n
j=1
dos bases de V , y sea L el automorsmo en V
que pasa de una a otra.
Denicion 221 Se dice que las bases e
i
n
i=1
y v
j
n
j=1
estan relaciona-
das si det L > 0.
Nota 222 Es inmediato que la relacion en el conjunto de las bases de V ,
B(V ), dada en la denicion 221 es una relacion de equivalencia: la
propiedad reexiva se deduce del hecho de que det Id = 1 > 0, la simetrica
de que el determinante es multiplicativo y la matriz de cambio de base de
v
j
n
j=1
a e
i
n
i=1
la inversa de la de e
i
n
i=1
a v
j
n
j=1
(as que det L
1
=
(det L)
1
> 0). Por ultimo, la propiedad transitiva es consecuencia directa
de que el determinante es mutiplicativo.
El objetivo del siguiente resultado, es probar que la relacion de la de-
nicion 221 solo tiene dos clases de equivalencia.
Teorema 223 Sean v
j
n
j=1
, e
i
n
i=1
B(V ) dos bases del Respacio vec-
torial V con bases duales respectivas
_
j
_
n
j=1
y
_
i
_
n
i=1
. Sea L Aut
K
(V )
la transformacion que pasa de v
j
n
j=1
a e
i
n
i=1
. Entonces,
1

n
= det L
1

n
.
Demostracion. Por el ejemplo 103,
_
L
j
_
n
j=1
es
_
j
_
n
j=1
, y por la pro-
piedad functorial del determinante combinada con (2) del teorema 214:
1

n
= L
1
L
n
= L
(
1

n
)
= det L
1

n
.
9.2 Orientacion y volumen en un espacio vectorial. 63
Consecuentemente, solo se tienen dos clases de equivalencia: jada una
base cualquiera todas las restantes caen o bien en su clase (si el determi-
nante del automorsmo que las relaciona es positivo) o bien en la otra (si
el determinante del automorsmo que las relaciona es negativo).
Proposicion 224 Dado
n
(V ) con ,= 0, se tiene que existe una
base e
i
n
i=1
en V tal que si
_
j
_
n
j=1
es su base dual correspondiente, =
1

n
, en particular (e
1
, ..., e
n
) = 1.
Demostracion. Si u
j
n
j=1
B(V ) es una base arbitraria, entonces (u
1
, ..., u
n
) =
k ,= 0 para alg un k R (recordar el corolario 173).Sea:
e
1
=
u
1
k
y e
i
= u
i
para 2 i n.
Claramente, e
i
n
i=1
B(V ) (si fuese
1
e
1
+ +
n
e
n
= 0 para algunos
coecientes
1
, ...,
n
R no todos nulos, sera e
i
=
1
i
(
1
e
1
+ +
i
e
i
+
+
n
e
n
) para alg un i 1, ..., n, esto es, u
i
=
1
i
(
1
e
1
+ +
i
e
i
+ +
n
e
n
), lo que contradira que u
j
n
j=1
B(V )). Sea ahora
_
i
_
n
i=1
la base
dual de e
i
n
i=1
, queremos ver que es
1

n
(v
1
, ..., v
n
) = (v
1
, ..., v
n
)
para cualesquiera v
1
, ..., v
n
V . Como
1

n

n
(V ), existe un
R tal que
1

n
= , y se trata pues de ver que es = 1. Por
una parte:
1

n
(e
1
, ..., e
n
) = (e
1
, ..., e
n
)
=
_
u
1
k
, ..., u
n
_
=

k
(u
1
, ..., u
n
) =

k
k = ,
y por otra, obviamente,
1

n
(e
1
, ..., e
n
) = 1, de donde = 1.
Denicion 225 Se dice que se ha dado una orientacion en el Respacio
vectorial V si se ha distinguido un elemento
n
(V ) con ,= 0 (esto es,
un generador de
n
(V )).
De acuerdo con el teorema 223 y la proposicion 224, el dar una orientacion
en V tambien se puede ver como la seleccion de una de las dos clases de
equivalencia en B(V ) inducidas por la relacion de la denicion 221: aquella
a la cual pertenece la base asociada a
n
(V ).
Denicion 226 Se dice que la base e
i
n
i=1
de V esta orientada positi-
vamente (resp. negativamente) si su base dual cumple
1

n
= k
con k > 0 (resp. k < 0), es decir, si esta en la misma clase de equivalencia
que la de la base asociada a
n
(V ) (resp. en la otra clase).
v
Ejemplo 227 En R
n
se tiene la base canonica (base standard) e
i
n
i=1
y
si
_
i
_
n
i=1
es su base dual,
1

n

n
(R
n
) determina la llamada
orientacion standard en R
n
. Si se dene una nueva base u
j
n
j=1
me-
diante u
1
= e
2
, u
2
= e
1
y u
j
= e
j
para 3 j n, se tiene que u
j
n
j=1
esta orientada negativamente.
En general, no hay ninguna manera canonica de elegir un un generador
de
n
(V ) en un espacio vectorial arbitrario. Sin embargo, como veremos a
continuacion, esto si es posible cuando V esta orientado y provisto de una
metrica.
Lema 228 Sea V un Respacio vectorial dotado de la metrica euclidea
g S
2
(V ) y supongamos que se ha tomado una orientacion en V . Sean
e
i
n
i=1
y u
j
n
j=1
dos bases ortonormales respecto de g, con duales respec-
tivas
_
i
_
n
i=1
y
_
i
_
n
i=1
tales que ambas bases estan en la misma clase de
orientacion. Entonces, se tiene que
1

n
=
1

n
.
Demostracion. Sea C = (c
j
i
)
1i,jn
la matriz de cambio de base de
e
i
n
i=1
a u
j
n
j=1
, de modo que u
i
= c
j
i
e
j
. Se tiene entonces (recuerde-
se el ejercicio 101)
ij
= g(u
i
, u
j
)
= g(c
i
k
e
k
, c
j
l
e
l
)
= c
i
k
c
j
l
g(e
k
, e
l
)
= c
i
k
c
j
l
kl
=
n
k=1
c
i
k
c
j
k
.
En otras palabras, si 1 denota la matriz identidad en /at
nn
(R),
1 = C
C.
Tomando determinantes (y utilizando el teorema 214),
(det C)
2
= 1,
luego det C = 1. Pero como por hipotesis ambas bases estan en la misma
clase de orientacion, det C > 0 (de acuerdo con el teorema 223), de modo
que ha de ser det C = 1 y de aqu el enunciado.
Denicion 229 Sea V un Respacio vectorial dotado de la metrica eucli-
dea g S
2
(V ). Se llama elemento (o forma) de volumen , asociado a
g, al generador de
n
(V ) determinado por =
1

n
donde
_
i
_
n
i=1
es la base dual a una base ortonormal e
i
n
i=1
positiva cualquiera (el lema
228 garantiza que esta denicion es independiente de la base elegida).
9.2 Orientacion y volumen en un espacio vectorial. 65
En otras palabras, podramos decir que dada una orientacion
n
(V ),
existe una unica
n
(V ) tal que (e
1
, ..., e
n
) = 1 si e
i
n
i=1
es una base
ortonormal cumpliendo que
1

n
esta en la clase de .

Esta unica
es la forma de volumen asociada a g.
Ejemplo 230 En R
n
con la metrica eucldea standard
g : R
n
R
n
R
(u, v)
n
i=1
u
i
v
i
,
la base canonica e
i
n
i=1
y su base dual
i
n
i=1
, determinan el volumen
standard en R
n
: =
1

n

n
(R
n
) . El origen de la denomina-
cion elemento de volumen reside en este ejemplo: si v
1
, ..., v
n
R
n
son
n vectores linealmente independientes, podemos formar con ellos la matriz
A =
_
_
_
v
1
1
v
1
n
.
.
.
.
.
.
v
n
1
v
n
n
_
_
_
y se tiene que (v
1
, ..., v
n
) = det A es el volumen del paraleleppedo forma-
do por los segmentos de recta que van desde el origen a cada uno de los
extremos de los v
1
, ..., v
n
.
El siguiente ejercicio explora que ocurre en el caso de bases no necesa-
riamente ortonormales.
Ejercicio 231 Sea V un Respacio vectorial dotado de la metrica euclidea
g S
2
(V ). Consideremos en V una orientacion
n
(V ), y sea u
i
n
i=1
una base cualquiera de V con
_
i
_
n
i=1
su base dual. Entonces, el elemento
de volumen en V esta dado por
=
_
det g a
1

n
,
donde det g = det(g(u
i
, u
j
))
1i,jn
.
Ejercicio 232 Hasta el momento, hemos supuesto que la metrica g era
euclidea. Dar las modicaciones pertinentes del lema 228, la denicion 229
y el ejercicio 231 para el caso de una metrica no necesariamente denida
positiva (ayuda: ahora g(e
i
, e
j
) no sera la matriz identidad, pero si se redu-
cira a una con 1 en la diagonal, recuerdese el ejercicio 143. Considerar
entonces
_
[det g[).
v
9.3. Dualidad de Hodge. El operador
Recordemos (teorema 200) la formula que da la dimension del espacio de
pformas exteriores sobre un Respacio vectorial V de dimension n nita:
dim
p
(V ) =
_
n
p
_
.
De esta expresion, se deduce que hay una correspondencia entre las dimen-
siones p y n p:
_
n
p
_
=
_
n
n p
_
=
n!
p!(n p)!
de modo que los espacios
p
(V ) y
np
(V ) son isomorfos. El operador
de Hodge proporciona un isomorsmo canonico entre estos espacios cuando
V es orientado y posee una forma bilineal no degenerada g (se entiende el
caracter canonico salvo el estar asociado a g y la orientacion dada).
Recordemos (ver la nota 121) que = P
g
denota el isomorsmo bajada
de ndices asociado a la metrica. Si v V , escribiremos por comodidad
(v) = v
.
Sea
p
(V ) y sean v
1
, ..., v
np
V . Entonces, se tiene que v
1
, ..., v
np

V
=
1
(V ) y v
1
v
np

n
(V ). Si es el elemento de volumen
determinado por g y la orientacion, existira un unico escalar k R tal que
v
1
v
np
= k .
Denicion 233 Se dene el dual de Hodge de
p
(V ) como el ele-
mento
np
(V ) tal que
(v
1
, ..., v
np
) = k.
As pues, tambien puede caracterizarse por ser el elemento de
np
(V )
que verica, v
1
, ..., v
np
V :
(v
1
, ..., v
np
) = v
1
v
np
.
Denicion 234 La aplicacion :
p
(V )
np
(V ) tal que a cada
p
(V ) le asigna
np
(V ), se denomina operador (estrella) de
Hodge.
Proposicion 235 El operador de Hodge es un isomorsmo de espacios
vectoriales (pero no de algebras).
Demostracion. Si ,
p
(V ) y r, s R, entonces v
1
, ..., v
np
V se
tiene
(r +s)(v
1
, ..., v
np
) = (r +s) v
1
v
np
= r v
1
v
np
+s v
1
v
np
= r (v
1
, ..., v
np
) +s (v
1
, ..., v
np
) ,
9.3 Dualidad de Hodge. El operador 67
luego (r + s) = r + s . Ahora, para ver que es isomorsmo
basta con probar que es inyectivo (recordar la formula de las dimensiones,
ejercicio 64). Sea
p
(V ) y supongamos e
i
n
i=1
base de V y f
j
n
j=1
su dual, de modo que tendra una expresion del tipo
=
i
1
<<i
p
a
i
1
...i
p
f
i
1
f
i
p
,
con 1 i
j
n para 1 j p. Si v
1
, ..., v
np
V por denicion es
a(v
1
, ..., v
np
) =
i
1
<<i
p
a
i
1
...i
p
f
i
1
f
i
p
v
1
v
np
.
Fijemos uno de los factores de , es decir, jemos unos
1
< <
p
y
consideremos los correspondientes f
1
, ..., f
p
V
. Sean f
p+1
, ..., f
n
V
linealmente independientes con ellas y tomemos v

j
= (f
j
) para p + 1
j n. Entonces:
a( v
1
, ..., v
np
) =
i
1
<<i
p
a
i
1
...i
p
f
i
1
f
i
p
f
p+1
f
n
= a
1
...
p
f
1
f
p
f
p+1
f
n
.
Pero si ker , ocurre que
a( v
1
, ..., v
np
) = 0 = a
1
...
p
f
1
f
n
,
de donde resulta que a
1
...
p
= 0. Variando los ndices
1
< <
p
en el
conjunto de los que aparecen en el desarrollo de , se llega a = 0.
Proposicion 236 Sea V un espacio vectorial orientado y provisto de una
metrica euclidea g. El operador de Hodge tiene las siguientes propiedades:
1. Si es el elemento de volumen determinado por g y la orientacion,
= 1 y 1 = . Ademas, para cualquier k R, (k ) = k.
2. Para cualquier
p
(V ) y v
1
, ..., v
np
V ,
()(v
1
, ..., v
np
) = ( v
1
v
np
).
3. Para cualquier
p
(V ) y v V :
( v
) = i
v
(),
donde i
v
es el operador insercion del vector v (recuerdese la denicion
209).
4. Para cualquier
p
(V ) y v V :
(i
v
) = (1)
n1
() v
.
v
5. Para cualquier
p
(V )
= (1)
p(n1)
y si v
1
, ..., v
p
V ,
() v
1
v
p
= (1)
p(n1)
(i
v
p
i
v
1
).
6. Si ,
p
(V ),
= a
= (i
) ,
donde (ver la nota 121) = P
1
g
denota el isomorsmo de subida de
ndices.
Ejercicio 237 Probar la proposicion 236.
Ejemplo 238 (Producto vectorial en R
3
) Sea V = R
3
dotado de la
metrica euclidea g. Consideremos e
i
3
i=1
la base canonica de R
3
y
j
3
j=1
su dual. Sean u, v R
3
dos vectores y consideremos sus 1formas asociadas
bajando ndices mediante g; es facil ver que:
u
= u
1
1
+u
2
2
+u
3
3
v
= v
1
1
+v
2
2
+v
3
3
.
Consideremos tambien la 1forma en R
3
dada por (u
). Seg un la
propiedad 3 de la proposicion 236, se tiene que
(u
) = i
v
(u
).
Calculemos u
. Por la linealidad del operador de Hodge:

u
= u
1
(
1
) +u
2
(
2
) +u
3
(
3
),
as que debemos estudiar los factores
i
(1 i 3). Claramente,
i
2
(R
3
) y, de hecho, aplicando la denicion con a, b R
3
vectores arbitra-
rios, se tiene por ejemplo:
(
1
)(a, b) = (
1
a
).
Esta expresion nos permite calcular las componentes (
1
)
ij
de la 2forma
1
=

i<j
(
1
)
ij
i

j
, sin mas que tomar en lugar de a, b los elementos
de la base canonica e
i
3
i=1
. En efecto, por una parte:
(
1
)(e
i
, e
j
) = (
1
e
i
e
j
)
= (
1

i

j
),
9.3 Dualidad de Hodge. El operador 69
y esto (por la antisimetra del producto exterior) es distinto de cero solo
si (i, j) = (2, 3) (en cuyo caso (
1
)(e
2
, e
3
) = (
1

2

3
) = 1) o si
(i, j) = (3, 2) (en cuyo caso (
1
)(e
3
, e
2
) = (
1

3

2
) = 1). Por
otra parte:
(
1
)(e
i
, e
j
) =
k<l
(
1
)
kl
k

l
(e
i
, e
j
)
=
k<l
(
1
)
kl
k
i

l
j
= (
1
)
ij
.
De estas ecuaciones conclumos
1
que:
1
=
i<j
(
1
)
ij
i

j
=
2

3
.
De modo semejante, se prueba que
2
=
3

1
,
3
=
1

2
.
Con esto:
u
= u
1
(
2

3
) +u
2
(
3

1
) +u
3
(
1

2
),
y
i
v
(u
) = (v
1
i
e
1
+v
2
i
e
2
+v
3
i
e
3
)(u
1
(
2

3
) +u
2
(
3

1
) +u
3
(
1

2
))
= v
1
u
2
3
+v
1
u
3
2
+v
2
u
1
3
v
2
u
3
1
v
3
u
1
2
+v
3
u
2
1
= (u
2
v
3
u
3
v
2
)
1
+ (u
3
v
1
u
1
v
3
)
2
+ (u
1
v
2
u
2
v
1
)
3
.
Por ultimo, calculemos el vector asociado a esta 1forma subiendo ndices
mediante g:
i
v
(u
) = (u
2
v
3
u
3
v
2
)
1
+ (u
3
v
1
u
1
v
3
)
2
+ (u
1
v
2
u
2
v
1
)
3
= (u
2
v
3
u
3
v
2
)e
1
+ (u
3
v
1
u
1
v
3
)e
2
+ (u
1
v
2
u
2
v
1
)e
3
.
En denitiva: si denimos
u v
.
= (u
) = i
v
(u
),
resulta que
(u
1
, u
2
, u
3
) (v
1
, v
2
, v
3
) = (u
2
v
3
u
3
v
2
, u
3
v
1
u
1
v
3
, u
1
v
2
u
2
v
1
),
1
Fijemonos que en la expresion coordenada de
1
los ndices cumplen i < j, de
modo que no hay que tener presente la posibilidad (i, j) = (3, 2) que mencionabamos
antes
v
que es la expresion habitual del producto vectorial en R
3
.
Fijemonos en que la posibilidad de denir este producto de R
n
R
n
en
R
n
, descansa en el hecho de que (u
) es una 1forma, y esto solo

sucede para n = 3 (pues enva la 2forma u
a una n 2 forma).
En este sentido, la existencia del producto vectorial en R
3
se debe a una
casualidad ligada a la dimension del espacio, y no es generalizable a otras
dimensiones.
Ejercicio 239 Consideremos el espacio-tiempo de Minkowski M
4
(esto es,
R
4
con la metrica no euclidea = diag(1, 1, 1, 1), recuerdese el ejem-
plo 144). Calcular (u
) siendo u = (2, 3, 0, 1) y v = (1, 0, 1, 2). Es

posible denir un producto vectorial en M
4
analogo al existente en R
3
?.
Apendice A
Propiedad Universal del producto
tensorial
Tal y como se ha denido el producto tensorial de dos espacios en la
seccion 7, hay algunas sutilezas que se han de resaltar. Por ejemplo, dado
un Kespacio vectorial V el espacio de los tensores 2covariantes se ve
por una parte como T
1
(V ) T
1
(V ), y por otra como /(V V ; K). Ahora
bien, claramente todo elemento de T
1
(V ) T
1
(V ) = V
dene uno de
/(V V ; K), pero el recproco no es tan evidente. Solo despues del teorema
165 queda claro que todo tensor (0, 2), t /(V V ; K), se expresa como
combinacion lineal de objetos del tipo
i
j
, es decir, es un elemento de
V
.
Existe otro enfoque para introducir el producto tensorial, mas elegante
pero menos directo. La motivacion pasa por observar primero que la de-
nicion que dimos de aplicacion multilineal (denicion 104) puede ampliarse
al caso en que los valores se toman en otro Kespacio vectorial (sobre el
mismo cuerpo K!) de la siguiente forma:
Denicion 240 Sean V
1
, ..., V
s
, E espacios vectoriales sobre un mismo cuer-
po K. Una aplicacion T : V
1
V
s
E se dice que es multilineal (de
orden s) si para cada i 1, ..., s y , K se tiene
T(v
1
, ..., v
i1
, u +w, v
i+1
, ..., v
s
) =
T(v
1
, ..., v
i1
, u, , v
i+1
, ..., v
s
) +T(v
1
, ..., v
i1
, w, v
i+1
, ..., v
s
).
El espacio de tales aplicaciones se suele denotar /(V
1
, ..., V
s
; E). Nos
restringiremos en lo que sigue al caso s = 2 por simplicidad (el caso general
solo requiere modicaciones en la notacion).
72 Apendice A. Propiedad Universal del producto tensorial
Ahora supongamos que dados unos espacios vectoriales sobre K, V, W
y E, tenemos una aplicacion bilineal : V W E. Se puede obtener
toda una familia de aplicaciones multilineales sin mas que considerar la
composicion con morsmos L : E F (donde F es de nuevo un Kespacio
vectorial), es decir, L : V W F es una nueva aplicacion bilineal.
La pregunta que surge de manera natural es si cualquier otra aplicacion
bilineal de V W en F se puede obtener de esta forma, es otras palabras:
si es posible denir un Kespacio vectorial | y una aplicacion bilineal
i : V W | tal que cualquier otra aplicacion bilineal : V W F
factorice a traves de (|, i), o sea, exista un unico morsmo de Kespacios
vectoriales L
: | F tal que
= L
i.
Denicion 241 El problema de construir el par (|, i) se denomina pro-
blema universal para el producto tensorial, y cualquier par (|, i) con
esas caractersticas se llama producto tensorial de V y W, aunque es
frecuente reservar ese nombre solo para | (cuando no existe peligro de
confusion).
De acuerdo con esto, parece que no se pueda hablar de producto tenso-
rial en singular, ya que pueden existir muchos productos para los mismos
espacios V y W, sin embargo todos los posibles productos tensoriales de
V y W son isomorfos en un sentido muy preciso, de manera que si tiene
sentido utilizar la expresion producto tensorial de V y W. De hecho, se
tiene el siguiente resultado.
Teorema 242 Sean V y W dos Kespacios vectoriales. Entonces, existe
otro Kespacio vectorial | y una aplicacion bilineal i : V W | tales
que:
1. Si F es otro Kespacio vectorial, dada una aplicacion : V W F
bilineal, existe un unico morsmo de Kespacios vectoriales L
:
| F tal que = L
i.
2. El par (|, i) es unico salvo isomorsmos. En otras palabras: si dos pa-
res (|, i), (|
t
, i
t
) satisfacen la condicion (1) anterior, entonces existe
un unico isomorsmo de Kespacios vectoriales f : | |
t
tal que
i
t
= f i.
Demostracion. Veamos primero la unicidad. Sean (|, i), (|
t
, i
t
) cumplien-
do la condicion (1). Como, en particular, i
t
: V W |
t
es bilineal, resulta
que existe un unico L
i
: | |
t
tal que
i
t
= L
i
i. (A.1)
Analogamente, i : V W | es bilineal, luego existe un unico morsmo
L
i
: |
t
| cumpliendo
i = L
i
i
t
. (A.2)
Apendice A. Propiedad Universal del producto tensorial 73
Combinando (A.1) y (A.2):
i = L
i
i
t
= L
i
L
i
i.
i
t
= L
i
i = L
i
L
i
i
t
.
Ahora bien, tanto id
/
como id
/
verican de forma obvia
i = id
/
i
i
t
= id
/
i
t
,
y aplicando la unicidad de (1) al par (|, i) tomando = i, y al par (|
t
, i
t
)
tomando = i
t
respectivamente, resulta que
L
i
L
i
= id
/
L
i
L
i
= id
/
,
luego L
i
: | |
t
(que ers el unico morsmo entre | y |
t
cumpliendo
i
t
= L
i
i) es isomorsmo.Para probar la primera parte del enunciado
del teorema, denimos explicitamente (el smbolo
.
= signica precisamente
por denicion):
|
.
= /(V
; K) = : V
K ; bilineal
y
i : V W | = /(V
; K)
(v, w) i(v, w) : V

(f, g)
K
(i(v, w))(f, g)
.
= f(v)g(w).
Antes de nada, vamos a ver una propiedad muy importante del par (|, i)
que acabamos de denir. Se trata de que la imagen de i genera | o
bien, en la notacion del ejemplo 42, i(V W)) = |.Sean e
i
n=dimV
i=1
,
u
j
m=dimW
i=1
bases de V , W respectivamente, con bases duales
i
n
i=1
,
m
i=1
. Denimos las mn aplicaciones
ij
: V
K (con 1 i n,
1 j m) mediante
ij
= i(e
i
, u
j
) i(V W),
y extendiendo por bilinealidad, de modo que con
ij
(
k
,
l
)
.
= (i(e
i
, u
j
))(
k
,
l
) =
k
i

l
j
se puede calcular la actuacion sobre elementos arbitrarios como f = f
k
, g = g
l
l
W
. Ahora, es inmediato que cualquier elemento | =

/(V
; K) se expresa como combinacion lineal

1
de las
kl
, pues las
1
Esta construccion es la generalizacion a aplicaciones multilineales de la presentada
en el teorema 79.
74 Apendice A. Propiedad Universal del producto tensorial
aplicaciones bilineales y (
k
,
l
)
kl
act uan de la misma forma sobre
pares (f, g) V
, luego = (
k
,
l
)
kl
. Ademas, las m n
aplicaciones
kl
son claramente independientes en el Kespacio vectorial
| = /(V
; K) (que tiene dim| = m n, recuerdese el ejercicio 106),

por lo que forman una base para | y, por tanto:
i(V W)) = |. (A.3)
Por otra parte, si T es otro Kespacio vectorial, dada : V W T
bilineal denimos una aplicacion L
: | T mediante su actuacion sobre

un elemento arbitrario = a
ij
ij
| (1 i n, 1 j m):
L
() = L
(a
ij
ij
)
.
= a
ij
(e
i
, u
j
).
Claramente, para cualquier par de vectores v = v
i
e
i
V , w = w
j
u
j
W,
(L
i)(v, w) = L
(v
i
w
j
i(e
i
, u
j
)) = L
(v
i
w
j
ij
) = v
i
w
j
(e
i
, u
j
) = (v, w),
luego
L
i = .
Solo nos falta ver que esta aplicacion es unica, y para ello utilizaremos
la propiedad (A.3). Supongamos que existiese otro morsmo L
t
: | T
cumpliendo
L
t
i = .
Resultara entonces que tendramos dos aplicaciones lineales (L
y L
t
) que
coinciden sobre i(V W) (ambas tienen por imagen (V W)), que es
un conjunto generador de | seg un (A.3); por tanto, L
y L
t
seran iguales
actuando sobre cualquier elemento de | y en consecuencia L
t
= L
.
Nota 243 Es com un denotar la aplicacion i por y escribir
i(e
i
, u
j
) = (e
i
, u
j
) = e
i
u
j
.
Con esto, e
i
u
j
es la aplicacion multilineal denida sobre V
que
act ua seg un
e
i
u
j
: V
K
(f, g) f(e
i
)g(u
j
).
Tambien, se suele escribir | = /(V
; K) como | = V W y as que-
da aclarada la identicacion entre tensores entendidos como elementos del
producto tensorial V W y aplicaciones multilineales sobre los duales, es
decir, elementos de /(V
; K).
Apendice B
Indicaciones para algunos de los
ejercicios
Ejercicio 6
_
C
0
(R), +
_
es un grupo, pero no
_
C
0
(R),
_
: las funciones que
se anulan en alg un punto no tienen inverso.
Ejercicio 13 sig(f) = 1, sig(g) = 1.
Ejercicio 17 Dados a, b R tales que a
2
+ b
2
= 1, existe un unico
[0, 2[ tal que a = cos , b = sin. El isomorsmo es
_
a b
b a
_
.
Ejercicio 29 Para la segunda parte del ejercicio, basta con darse cuenta
de que la identidad para el producto, de existir, debera ser la funcion
1(x) = 1. Pero si a > 0, claramente 1 / C
0
a
([a, b]), pues 1(a) = 1 ,= 0.
Ejercicio 43 Se trata de probar que v
1
, ..., v
r
) es la interseccion de to-
dos los subespacios vectoriales que contienen a v
1
, ..., v
r
(mediante
una doble inclusion, por ejemplo).
Ejercicio 55 Como V es de dimension nita, digamos n = dimV , tiene
una base nita e
1
, ..., e
n
. Por el teorema 53, toda base de V es
nita y no contiene mas de n elementos, luego si u
1
, ..., u
m
es otra
tal base, m n. Del mismo modo se prueba m n, de donde m = n.
Ejercicio 64 Veamos que dimker L + dimImL = dimV . Sea v
1
, ..., v
r
una base de ker L. Por la proposicion 58 sabemos que existen v

r+1
, ..., v
n
76 Apendice B. Indicaciones para algunos de los ejercicios
tales que el conjunto v
1
, ..., v
r
, v
r+1
, ..., v
n
es base de V (con dimV =
n). Se trata de ver que L(v
r+1
), ..., L(v
n
) es base de ImL.
Claramente, L(v
1
), ..., L(v
n
)) = ImL y como L(v
i
) = 0 para
1 i r, tambien es L(v
r+1
), ..., L(v
n
)) = ImL. Para ver la inde-
pendencia lineal, se observa que si a
j
K (r+1 j n) son tales que
n
j=r+1
a
j
L(v
j
) = 0, entonces L(
n
j=r+1
a
j
v
j
) = 0 y
n
j=r+1
a
j
v
j
ker L,
como v
1
, ..., v
r
es base de ker L, existen escalares b
s
K (1 s r)
tales que
n
j=r+1
a
j
v
j
=
r
s=1
b
s
v
s
, es decir,
n
j=r+1
a
j
v
j
s=1
b
s
v
s
= 0. Pe-
ro los v
1
, ..., v
r
, v
r+1
, ..., v
n
son LI, por lo que necesariamente a
j
= 0
(r + 1 j n).
Ejercicio 67 Dado v V , consideremos v), que es un espacio vector
unidimensional sobre K con base v. Por su parte K es un espacio
vectorial (tambien unidimensional) sobre si mismo, y de acuerdo con
el teorema 65, L(v) = 1 K dene una aplicacion lineal.
Ejercicio 71 De acuerdo con el ejercicio 63, para dar el isomorsmo pedi-
do es suciente con especicar la actuacion sobre una base. De hecho,
lo que se puede ver es que todos los espacios con dimension n
son isomorfos al K
n
del ejemplo 50: si u
1
, ..., u
n
es una base
(ordenada) del espacio ndimensional V , se establece la correspon-
dencia
L(u
i
) = e
i
, 1 i n
donde u
1
, ..., u
n
es la base canonica de K
n
, y el teorema 65 nos
asegura que esta correspondencia se extiende a una unica aplicacion
lineal. La biyectividad es obvia.
Ejercicio 85 Si f : V K es una forma lineal sobre V , Imf es un
subespacio de K (recuerdese el ejercicio 64), que es unidimensional
sobre si mismo, luego o bien Imf = 0 o bien Imf = V . Si f ,= 0
solo puede ser el ultimo caso.
Ejercicio 89 La base de la cual g
1
, g
2
, g
3
es dual es la
p
1
(x) =
(x t
2
) (x t
3
)
(t
1
t
2
) (t
1
t
3
)
p
2
(x) =
(x t
1
) (x t
3
)
(t
2
t
1
) (t
2
t
3
)
p
3
(x) =
(x t
1
) (x t
2
)
(t
3
t
1
) (t
3
t
2
)
,
Apendice B. Indicaciones para algunos de los ejercicios 77
o, en la notacion con la que suelen encontrarse, para i = 1, 2, 3:
p
i
(x) =
3
j=1
j,=i
x t
j
t
i
t
j
.
Ejercicio 93 Llamemos V = /at
nn
(K). Supongamos f V
tal que
f (A B) = f (B A). Por la linealidad de f, esto equivale a que
f(ABBA) = 0; si C = ABBA = C
j
i
I
i
j
(recuerdese el ejemplo 52)
esto quiere decir que C
j
i
f(I
j
j
) = (A
k
i
B
j
k
B
l
i
A
j
l
)f(I
j
j
) = 0. Como A, B
son arbitrarias, podemos elegirlas de manera que A
k
i
B
j
k
B
l
i
A
j
l
,= 0
si i ,= j (por ejemplo, dados los ndices jos i, j tomando A = I
i
i
,
B = I
j
i
+I
i
j
, pues se tiene A
k
i
B
j
k
=
k
i
B
j
k
= B
j
i
= 1 y B
l
i
A
j
l
= B
l
i
0 = 0,
luego A
k
i
B
j
k
B
l
i
A
j
l
= 1), as puesf(I
j
j
) = 0 si i ,= j. Sin embargo, si
i = j lo que se tiene es
_
A
k
i
B
i
k
B
l
i
A
i
l
_
f
_
I
i
i
_
= (tr(AB) tr(BA))f
_
I
i
i
_
= 0,
y esto es cierto con independencia del valor de f
_
I
i
i
_
, pues tr(AB) =
tr(BA). Por tanto, f esta denida solo por sus valores sobre las ma-
trices diagonales I
i
i
, 1 i n. Lo que falta por ver es que todos esos
valores tienen un factor com un, esto es, que f
_
I
i
i
_
= f(I
j
j
) para cua-
lesquiera i, j. Bastara con que probemos que f
_
I
i
i
_
= f
_
I
i+1
i+1
_
para
todo 1 i n 1, y para eso jado i consideramos unas matrices
A = a
1
I
i+1
i
+a
2
I
i
i+1
B = b
1
I
i+1
i
+b
2
I
i
i+1
tales que a
1
b
2
b
1
a
2
,= 0. As:
AB = a
1
b
2
I
i
i
+a
2
b
1
I
i+1
i+1
BA = b
1
a
2
I
i
i
+b
2
a
1
I
i+1
i+1
,
y como por hipotesis f(AB BA) = 0, se tendra
0 = (a
1
b
2
b
1
a
2
)f(I
i
i
) + (a
2
b
1
b
2
a
1
)f(I
i+1
i+1
)
= (a
1
b
2
b
1
a
2
)(f(I
i
i
) f(I
i+1
i+1
)),
de donde f(I
i
i
) = f(I
i+1
i+1
). Naturalmente, si f(Id) = n es que f(I
i
i
) =
1 para cada 1 i n y se trata pues de la traza.
Ejercicio 95 Consideremos la forma lineal traza tr : V K, con dimV =
n
2
. Queremos ver que V
0
= ker tr; en primer lugar, observamos que
tr ,= 0 luego por el ejercicio 85 es un epimorsmo y aplicando el
ejercicio 64 dimker tr = n
2
1. Por tanto, para ver que V
0
= ker tr,
bastara con probar que dimV
0
= n
2
1; esto lo haremos construyendo
n
2
1 matrices independientes de la forma AB BA (jemonos en
que no puede haber n
2
matrices independientes as, pues para todas
ellas la traza es nula y, por ejemplo, tr(Id) = n ,= 0). La base de la
construccion ya se ha hecho en el ejercicio 93: si i ,= j, la matriz I
j
i
se obtiene como el producto de A = I
i
i
y B = I
j
i
+ I
i
j
. Por tanto, se
tienen n
2
n matrices de la forma pedida. No se ha dicho nada sobre
las matrices diagonales, que se especican dando sus n elementos
diag(a
11
, ..., a
nn
), pero para estas se pueden tomar las n1 matrices
diag(1, 1, 0, ..., 0), diag(0, 1, 1, 0, ..., 0), ..., diag(0, ..., 0, 1, 1),
todas con traza nula: cada una de ellas se puede poner como una
suma I
i
i
I
i+1
i+1
, pero
I
i
i
I
i+1
i+1
=
1
2
(AB BA)
donde A = I
i+1
i
+I
i
i+1
, B = I
i+1
i
+I
i
i+1
. Se tienen as las n
2
n +
n 1 = n
2
1 matrices buscadas.
Ejercicio 101 Sea =
_
j
i
_
1jm
1in
la matriz de L : V W en las bases
e
i
n
i=1
, u
j
m
j=1
. Queremos ver que L
(g
i
) =

1jn
i
j
f
j
, es decir,
que (L
(g
i
))(e
j
) =
j
j
. Pero, por denicion de aplicacion traspuesta:
(L
(g
i
))(e
j
) = g
i
(L(e
j
)) = g
i
(
r
j
e
r
)
=
r
j
i
r
=
i
j
.
Sean ahora e
i
n
i=1
, b
j
n
j=1
bases en V de las cuales son duales, res-
pectivamente, las f
i
n
i=1
, h
j
n
j=1
. La matriz de cambio de base de
e
i
n
i=1
a b
j
n
j=1
es la matriz de la aplicacion identidad en estas ba-
ses, llamemosla A. La matriz de cambio de base en el dual es la matriz
de la identidad en las bases f
i
n
i=1
, h
j
n
j=1
, que es la inversa de la
matriz de la identidad en las bases h
j
n
j=1
, f
i
n
i=1
; y esta, a su vez,
es la traspuesta de A.
Ejercicio 124 Dada una forma f V
, se tiene que P
T
(f) V es el vector
caracterizado por cumplir que g V
es (P
T
(f))(g) = g(P
T
(f)) =
T(f, g). Dada una g V
forma arbitraria, llamemos v = P

T
1(f),
u = P
T
1(g), de manera que (por la denicion 122)
(P
T
(f))(g) =

T(g, f) = T(P
1
T
(f), P
1
T
(g))
= T(v, u) = (P
T
(u))(v)
= v(P
T
(u)) = v(g),
(se ha usado la identicacion V
V para ver a v como elemento

de V
), as: P
T
(f) = v = P
T
1(f).
Ejercicio 130 Los tems (1) y (2) son inmediatos. Para la parte (3), obser-
vemos que U
1
, U
2
U
1
+U
2
, luego por (1) tendremos (U
1
+U
2
)

U
1
y (U
1
+ U
2
)

U
2
de donde (U
1
+ U
2
)

U
1

U
2
. Para la inclu-
sion recproca, consideremos una forma

U
1

U
2
que sera nula
sobre los vectores de

U
1
y de

U
2
, luego tambien sobre sus sumas, es
decir, (U
1
+U
2
)
. Para probar (4), via la identicacion V V
podemos escribir
(
U)
= v V : v() = (v) = 0,

U,
de modo que U (
U)
. Para probar la inclusion recproca, suponga-

mos que u (
U)
pero u / U. En ese caso, existe una forma lineal

V
tal que
(u) ,= 0,
(v) = 0, v U.
En efecto: sea e
1
, ..., e
m
(con m = dimU n = dimV ) una base
de U y f
1
, ..., f
m
su base dual en U
, que puede completarse a la

base f
1
, ..., f
m
, f
m+1
, ..., f
n
de V
(dual de la e
1
, ..., e
m
, e
m+1
, ..., e
n
en V ). Entonces, como u / U, u tendra componentes en alguno de
los f
m+1
, ..., f
n
: supongamos (sin perdida de generalidad) que u =
u
m+1
f
m+1
+ + u
n
f
n
con u
m+1
,= 0. As, tomando = f
m+1
se cumplen las anteriores condiciones. Pero en ese caso

U y
(u) = u() ,= 0 implican que u / (
U)
, contra hipotesis.
Finalmente, la parte (5) es consecuencia de (4) y (2):
U
1
+

U
2
= (
U
1
+

U
2
)
= ((
U
1
)
U
2
)
= (U
1
U
2
)
.
Ejercicio 142 Procederemos por induccion sobre n = dimV . El caso n =
1 es trivial; supuesto el resultado probado para n 1 y sea U V
con dimU = n 1, al cual se puede restringir la metrica T. Seg un el
ejemplo 140, se tiene V = U U
y por el corolario 134 es dimU
=
1, luego U
= u) para un cierto u V . Por induccion, U tiene

una base ortonormal e
1
, ..., e
n1
y el resultado se deduce tomando
e
n
=
u
|u|
.
Ejercicio 143 Por induccion sobre n = dimV . Si n = 1, el resultado es
trivial; supuesto cierto para n1, sea un v V tal que g(v, v) ,= 0, que
existe por ser g no degenerada. Consideremos el subespacio ortogonal
del generado por v: v)
= u V : g(v
1
, u) = 0. Por el corolario
134, resulta que dimv)
= n 1, y existe una base e

1
, ..., e
n1
para v)
con la propiedad del enunciado. Como v es independiente

de los e
1
, ..., e
n1
(pues si fuese dependiente sera v v)
, o sea,
g(v, v) = 0 contrariamente a la hipotesis sobre v), haciendo e
n
=
v
|v|
se tiene el resultado.
Ejercicio 157 Se tiene entonces denida una aplicacion lineal : /
K
(V )
T
1
1
(V ) donde dado el endomorsmo L : V V su imagen es la apli-
cacion t
L
: V V
K tal que t
L
(v, f) = f(L(v)). De aqu se sigue
que es un isomorsmo, pues dimT
1
1
(V ) = n
2
= dim/
K
(V ) y
es sobreyectiva (recuerdese la formula de las dimensiones, ejercicio
64); en efecto: si t T
1
1
(V ) se tiene que t = (L
t
), donde L
t
es
el endomorsmo que resulta de denir, dado v V , L(v) como el
vector dado por la condicion (L(v))(f) = f(L(v)) para toda f V
(haciendo uso de la identicacion V V
).
Ejercicio 161 Son simples calculos directos. Por ejemplo, sean t, z T
q
p
(V ),
y T
s
r
(V ), , K. Veamos que (t + z) y = t y + z y.
Para cualesquiera vectores v
1
, ..., v
p+q
y formas lineales f
1
, ..., f
r+s
se
tiene:
(t +z) y(v
1
, ..., v
p+r
, f
1
, ..., f
q+s
)
= (t +z)(v
1
, ..., v
p
, f
1
, ..., f
q
) y(v
p+1
, ..., v
p+q
, f
q+1
, ..., f
q+s
)
= t(v
1
, ..., v
p
, f
1
, ..., f
q
) y(v
p+1
, ..., v
p+q
, f
q+1
, ..., f
q+s
)
+z(v
1
, ..., v
p
, f
1
, ..., f
q
) y(v
p+1
, ..., v
p+q
, f
q+1
, ..., f
q+s
)
= t y(v
1
, ..., v
p+r
, f
1
, ..., f
q+s
)
+z y(v
1
, ..., v
p+r
, f
1
, ..., f
q+s
).
Ejercicio 168 Se tiene L =
j
i
i
e
j
, donde = (
j
i
) es la matriz del
endomorsmo en la base e
i
n
i=1
(vease ejercicio 78).
Ejercicio 182 Para la parte (1), supongamos primero que v H, de ma-
nera que u V tal que v = P(u). Entonces P(v) = P
2
(u) = P(u) =
v, por ser P proyector. Recprocamente, si v = P(v), es obvio que
v ImP = H. De acuerdo con esto, el unico vector que puede estar
en H y en N es el vector nulo, y por tanto para probar (2) solo hay
que ver que todo vector de V esta en H o en N. Pero esto es la parte
(3): todo v V se descompone como v = P(v) + (v P(v)) con
P(v) H y v P(v) N , pues P(v P(v)) = P(v) P
2
(v) = 0.
Ejercicio 186 Consideremos el subgrupo H de
p+q
dado por los elemen-
tos que dejan jos los ultimos q elementos, cuyo orden es [H[ = p!
(de hecho es isomorfo a
p
):
H =
p+q
: [
p+1,...,p+q]
= Id[
p+1,...,p+q]
,
y el conjunto (de coclases izquierdas, recuerdese la nota 8) C =
R
H :
p+q
. Es facil ver que las clases R
H para distintos
o bien son disjuntas o bien son iguales (esto es una propiedad ge-
neral de cualquier relacion de equivalencia). Ademas, cada una de
estas clases tiene [H[ elementos, por ser R
biyeccion (recuerdese el
ejercicio 7) y ya que forman una particion de
p+q
(cuyo orden es
(p+q)!) hay [C[ = (p+q)!/p! de ellas distintas. Es decir, si llamamos
k = (p +q)!/p!, existiran
1
, ...,
k

p+q
tales que
p+q
=
_
1ik
R
i
H.
De hecho, la clase de cualquier elemento de H es el propio H, de modo
que podemos anar un poco mas y escribir que existen
1
, ...,
k1

p+q
tales que
p+q
= H
_
_
_
1ik1
R
i
H
_
_
.
Ahora, por denicion, para v
1
, ..., v
p+q
V :
(p +q)! Alt(s t)(v
1
, ..., v
p+q
)
=
p+q
sig()(s t)
(v
1
, ..., v
p+q
)
=
p+q
sig()s(v
(1)
, ..., v
(p)
)t(v
(p+1)
, ..., v
(p+q)
).
Pero de la separacion en clases de
p+q
resulta:
(p +q)! Alt(s t)(v
1
, ..., v
p+q
)
=
H:
p
sig()s(v
(1)
, ..., v
(p)
)t(v
p+1
, ..., v
p+q
)
+
k1
i=1
i
H
sig()s(v
(1)
, ..., v
(p)
)t(v
(p+1)
, ..., v
(p+q)
).
Por una parte, de acuerdo con la hipotesis sobre s,
H:
p
sig()s(v
(1)
, ..., v
(p)
)t(v
p+1
, ..., v
p+q
)
= p! Alt(s)(v
1
, ..., v
p
)t(v
p+1
, ..., v
p+q
) = 0;
y por otra, si R
i
H es que =
i
para alg un H, en
cuyo caso sig() = sig()sig(
i
) y si ponemos v
i
(1)
, ..., v
i
(p+q)
=
u
1
, ..., u
p+q
resultara
k1
i=1
=
i
H
sig()s(v
(1)
, ..., v
(p)
)t(v
(p+1)
, ..., v
(p+q)
)
=
k1
i=1
sig(
i
)
H
sig()s(u
(1)
, ..., u
(p)
)t(u
p+1
, ..., u
p+q
)
=
k1
i=1
sig(
i
)t(u
p+1
, ..., u
p+q
)p! Alt(s)(u
1
, ..., u
p
) = 0.
As, Alt(st) = 0; el caso Alt(ts) = 0 se prueba de manera analoga.
Para la parte (2), considerar que, de acuerdo con la idempotencia del
operador Alt (vease la proposicion 179):
Alt(Alt(s t) s t) = 0.
Por tanto, aplicando la parte (1):
0 = Alt((Alt(s t) s t) z)
= Alt((Alt(s t) z) Alt(s t z).
Por ultimo, la parte (3) se prueba como sigue. Sea la permutacion
de
p+q
dada por
((1), ..., (p), (p + 1), ..., (p +q)) = (p + 1, ..., p +q, 1, ..., p);
es claro que sig() = (1)
pq
. Se tiene que (t s)
= s t, pues si
v
1
, ..., v
p+q
V :
(t s)
(v
1
, ..., v
p+q
) = (t s)(v
p+1
, ..., v
p+q
, v
1
, ..., v
p
)
= t(v
p+1
, ..., v
p+q
)s(v
1
, ..., v
p
)
= s t(v
1
, ..., v
p+q
).
De aqu, por ser R
una biyeccion en
p+q
:
(p +q)! Alt(s t) =
p+q
sig()(s t)
(v
1
, ..., v
p+q
)
=
p+q
sig()((t s)
(v
1
, ..., v
p+q
)
= sig()
p+q
sig( )(t s)
(v
1
, ..., v
p+q
)
= (1)
pq
p+q
sig()(t s)
(v
1
, ..., v
p+q
)
= (1)
pq
(p +q)! Alt(t s).
Ejercicio 195 Por la denicion de producto exterior aplicada a
1
,
2
, se tiene:
1

2
=
2!
1!1!
Alt(
1
2
) = 2! Alt(
1
2
).
Supongamos que
1

p1

p1
(V ) se expresa como
1

p1
= (p 1)! Alt(
1

p1
),
entonces, por la denicion de :
(
1

p1
)
p
=
(p 1 + 1)!
(p 1)!1!
Alt(
1

p1
p
)
=
p!
(p 1)!
Alt((p 1)! Alt(
1

p1
)
p
)
= p (p 1)! Alt(Alt(
1

p1
)
p
),
y, por el ejercicio 186, (2), esto es
(
1

p1
)
p
= p! Alt(
1

p1
p
).
Ejercicio 203 Para la parte (1), si existe un t
p
(V ) tal que t(v
1
, ..., v
p
) ,=
0, entonces, los v
1
, ..., v
p
son linealmente independientes por el corola-
rio 173. Recprocamente, si los v
1
, ..., v
p
son linealmente independien-
tes forman parte de una base v
1
, ..., v
p
, v
p+1
, ..., v
n
de V (recuerdese
la proposicion 58), luego si
1
, ...,
n
es la base dual,
1

n
(v
1
, ..., v
p
) = 1 ,= 0.
Para la parte (2), supongamos que
1
, ...,
p
son formas linealmente
independientes, de modo que formaran parte de una base del dual
V
,
1
, ...,
p
, ...,
n
. Por el teorema 200,
1

p
,= 0. Para
el recproco, basta considerar que
1

p
= 0 siempre que sea
i
=
j
para alg un par de ndices i ,= j; por tanto, si
1

p
,= 0
es que no hay ning un ndice repetido y, por el teorema, las
1
, ...,
p
son parte de una base, luego linealmente independientes.
Ejercicio 204 Basta con probar que ker P
B
= 0 (ya que es lineal entre
espacios con la misma dimension nita, recuerdese la formula de las
dimensiones del ejercicio 64). Si v
1
v
p

p
(V
) es tal que
v
1
v
p
ker P
B
, sera que
1

p
(v
1
, ..., v
p
) = 0,
i
1
(V ) = V
con 1 i p, luego (v
1
, ..., v
p
) = 0
p
(V ).
Pero entonces, por el corolario 202, los v
1
, ..., v
p
seran linealmente
dependientes, de modo que v
1
v
p
= 0.
Ejercicio 211 Supongamos que F = k) con k K (estamos utilizando
la notacion del ejemplo 42). Entonces, L(k) = k para cierto K y
dado otro elemento cualquiera f F, que se expresara como f = k,
se tiene (por la linealidad) L(f) = L(k) = L(k) = k = f.
Ejercicio 231 Supongamos primero queu
i
n
i=1
esta positivamente orien-
tada. Sea e
i
n
i=1
una base ortonormal de V positivamente orientada,
con
_
i
_
n
i=1
su base dual. Llamemos C = (c
j
i
)
1i,jn
a la matriz de
cambio de base, de manera que u
j
= c
i
j
e
i
. Se tiene entonces que
g(u
i
, u
j
) = c
r
i
c
s
j
g(e
r
, e
s
) = c
r
i
c
s
j
rs
=
n
r=1
c
r
i
c
r
j
.
Matricialmente, esto es U = C
C, donde U = (g(u
i
, u
j
))
1i,jn
. To-
mando determinantes det g(u
i
, u
j
) = det g = (det C)
2
, luego det C =
det g y por denicion de determinante, si

_
i
_
n
i=1
es la base dual
de u
i
n
i=1
:
_
det g a
1

n
=
1

n
= .
Si u
i
n
i=1
no esta positivamente orientada, entonces u
2
, u
1
, u
3
, u
4
, ..., u
n
si lo esta, y se tiene que

_
det g a
2

1

3

n
=
_
det g a
1

n
=
1

n
= .
Ejercicio 237 La parte (1) es inmediata a partir de la denicion. La parte
(2) se deduce de la denicion y de (1):
( v
1
v
np
) = ((v
1
, ..., v
np
) )
= (v
1
, ..., v
np
).
Para probar (3), consideremos v
1
, ..., v
np1
V arbitrarios; enton-
ces:
( v
)(v
1
, ..., v
np1
) = ( v
1
v
np1
)
= (v, v
1
, ..., v
np1
)
= i
v
()(v
1
, ..., v
np1
).
Por su parte, para la parte (4) tomamos nuevamente unos vectores
arbitrarios v
1
, ..., v
np+1
V y aplicamos (2):
(i
v
)(v
1
, ..., v
np+1
) = (i
v
v
1
v
np+1
),
pero como v
1
v
np+1

n+1
(V ) = 0 y i
v
es una derivacion
de grado 1 en (V ):
0 = i
v
( v
1
v
np+1
)
= i
v
v
1
v
np+1
+
np+1
j=1
(1)
p+j1
v
1
i
v
v
j
v
np+1
,
de donde
i
v
v
1
v
np+1
=
np+1
j=1
(1)
p+j
v
(v
j
)v
j
v
np+1
,
y sustituyendo:
(i
v
)(v
1
, ..., v
np+1
) =
_
_
np+1
j=1
(1)
p+j
v
(v
j
) v
1

v
j
v
np+1
_
_
.
Por otra parte,
(1)
n1
() v
(v
1
, ..., v
np+1
)
=
np+1
j=1
(1)
n1
(1)
np+1j
()(v
1
, ..., v
j
, ..., v
np+1
)v
(v
j
)
=
_
_
np+1
j=1
(1)
p+j
v
(v
j
) v
1

v
j
v
np+1
_
_
,
luego
i
v
= (1)
n1
() v
.
Con esto, la parte (5) resulta de aplicar reiteradamente (4) y (2):
( )(v
1
, ..., v
p
) = (() v
1
v
p
)
= ((1)
n1
(i
v
1
) v
2
v
p
)
=
= ((1)
p(n1)
i
v
p
i
v
1
)
= (1)
p(n1)
(i
v
p
i
v
1
)
= (1)
p(n1)
((i
v
p
i
v
1
) )
= (1)
p(n1)
i
v
p
i
v
1
.
Por ultimo, probaremos (6) teniendo en cuenta que, como y son
lineales, basta con hacer la prueba para el caso en que , son ele-
mentos descomponibles, esto es,
= u
1
u
p
,
= v
1
v
p
,
para unos ciertos u
i
, v
i
V, 1 i p. Se tiene entonces:
= (1)
p(np)

= (1)
p(np)
(v
1
v
p
) u
1
u
p
,
y aplicando (4):
= (1)
p(np)
(1)
n1
(i
u
1
(v
1
v
p
)) u
2
u
p
=
= (1)
p(np)
(1)
p(n1)
(i
u
p
i
u
1
(v
1
v
p
))
= (1)
p(p+1)
v
1
v
p
(u
1
, ..., u
p
) .
Ahora bien, uno de entre p, p+1 es par, de modo que (1)
p(p+1)
= 1
y queda, deshaciendo el argumento:
= v
1
v
p
(u
1
, ..., u
p
)
= u
1
u
p
(v
1
, ..., v
p
)
= .
Nota importante: Observemos que en la demostracion de (6) se ha
obtenido ademas la expresion
= v
1
v
p
(u
1
, ..., u
p
)
= det(v
i
(u
j
)) .
Apendice C
Problemas propuestos
Por diversas razones, entre ellas la adecuacion al ritmo de desarrollo de
los temas en el aula, el orden y la clasicacion de los problemas en secciones
no se corresponde exactamente con los de los temas teoricos expuestos en
el texto. La divergencia sin embargo es mnima y el estudiante debera
atacar tras leer un determinado tema aquellos problemas cuyo enunciado
puede comprender, pues en ese caso seguro que ya tiene a su disposicion las
herramientas necesarias para resolverlo. La idea es que los encabezamientos
de las secciones de problemas den una pista sobre el tipo de resultados
teoricos que se deben aplicar en la resolucion.
C.1. Preliminares
C.1.1. Grupos
1. Comprobar en cada uno de los casos siguientes si se trata o no de un
grupo:
i) El conjunto N para la ley a b = [b a[.
ii) El conjunto N
para la ley a b = mcd(a, b).

iii) El conjunto Q
para la ley a b =
ab
2
.
2. Sean H y K dos subgrupos de un grupo G. Demostrar:
i) H K es subgrupo de G si y solo si H K o K H.
88 Apendice C. Problemas propuestos
ii) Si H y K son propios, entonces G ,= H K.
3. Escribir la tabla de composicion de todos los posibles grupos de orden
3. Hacer lo mismo para orden 4.
4. Construir la tabla de composicion de

3
y obtener todos los subgru-
pos.
5. En el grupo (Z, +) justicar que todos los subgrupos propios son de
la forma aZ = ar : r Z con a Z y a > 1. Calcular las clases
laterales de aZ en Z.
6. Sean G
f
G
t
g
G
tt
morsmos de grupos. Demuestrese que g f
es tambien morsmo.
7. Justicar que si f es un isomorsmo de grupos, f
1
tambien lo es.
8. Dar un ejemplo de dos grupos del mismo orden que no sean isomorfos.
9. Demostrar que si G es un grupo nito de orden n, entonces x
n
= e,
x G.
10. Sea
=
_
1 2 3 4 5 6 7 8
3 4 1 6 8 2 7 5
_
8
.
Hallar el orden del subgrupo generado por . Calcular
250
y calcular
la signatura de .
11. Dadas las permutaciones de

6
,
=
_
1 2 3 4 5 6
4 2 5 1 3 6
_
y =
_
1 2 3 4 5 6
3 2 1 4 6 5
_
,
hallar una permutacion de

6
tal que = . Es unica?.
C.1.2. Anillos
1. Dado n N
, justicar que el grupo (Z/nZ, +) puede dotarse con

estructura de anillo unitario con la ley x y = xy. Caracterizar los
elementos invertibles y demostrar que Z/nZ es cuerpo si y solo si n
es primo.
2. Sea A un anillo y sean a y b dos elementos suyos que conmuitan entre
si. Justifquese que se verica la siguiente igualdad (conocida como
binomio de Newton):
(a +b)
n
= a
n
+
1in1
_
n
i
_
a
ni
b
i
+b
n
.
C.2 Espacios vectoriales 89
3. Sean A y B dos anillos. Justifquese que el producto cartesiano AB
para las leyes
(a, b) + (a
t
, b
t
) = (a +
A
a
t
, b +
B
b
t
)
(a, b) (a
t
, b
t
) = (a
A
a
t
, b
t

B
b)
constituye un anillo (denominado anillo producto). Estudiar la exis-
tencia de neutro para la segunda ley y de divisores de cero.
4. Dar un ejemplo de dos anillos unitarios y un morsmo f entre ellos
de manera que f(1) ,= 1.
5. Sean A
f
A
t
g
A
tt
morsmos de anillos. Justifquese que g f
tambien lo es.
6. Si A es un anillo conmutativo de caracterstica prima p, demuestrese
que la aplicacion
A A
a a
p
es un endomorsmo de anillos.
7. Consideremos en el anillo Z/12Z los subconjuntos H =
0,
4,
8 y
K =
0,
2,
4,
6,
8, 1
0. Compruebese que ambos son subanillos. Son

tambien ideales?. Hallense en cada uno de ellos los divisores de cero.
Compruebese si alguno de ellos es unitario.
8. Comprobar que Zy 2Z son isomorfos como grupos, pero no lo son
como anillos.
C.2. Espacios vectoriales
C.2.1. Espacios vectoriales y subespacios
1. Estudiar la posible estructura de espacio vectorial en cada uno de los
casos siguientes.
i) En R
3
sobre los reales para las leyes
(x, y, z) + (x
t
, y
t
, z
t
) = (x +x
t
, y +y
t
, z +z
t
)
(x, y, z) = (x, y, z).
ii) En R
3
sobre los reales para las leyes
(x, y, z) + (x
t
, y
t
, z
t
) = (x +x
t
, y +y
t
, z +z
t
)
(x, y, z) = (x, y, z).
iii) El conjunto R[X] de los polinomios en la indeterminada X con
coecientes reales, sobre R, para la suma habitual de polinomios
y el producto habitual de un n umero real por un polinomio.
iv) El conjunto V de las aplicaciones de R en R sobre el cuerpo R
para las leyes
f +g : R R
x f(x) +g(x)
f : R R
x f(x).
v) El conjunto V
1
V
n
sobre el cuerpo K, siendo cada V
i
un
Kespacio vectorial para las leyes
(v
1
, ..., v
n
) + (v
t
1
, ..., v
t
n
) = (v
1
+ (v
t
1
, ..., v
n
+v
t
n
)
(v
1
, ..., v
n
) = (v
1
, ..., v
n
).
2. Estudiar si los siguientes subconjuntos de R
n
son subespacios vecto-
riales (con las operaciones usuales).
i) S
1
= (1, x
2
, ..., x
n
) : x
i
R.
ii) S
2
= (0, x
2
, ..., x
n
) : x
i
R.
iii) S
3
= (x
1
, x
1
, x
3
, ..., x
n
) : x
i
R.
iv) S
4
= (x
1
, x
2
, ..., x
n
) : x
1
+ +x
n
= 0.
v) S
5
= (x
1
, x
2
, ..., x
n
) : x
1
x
2
= 0.
3. Pruebese que el grupo abeliano (R
2
, +) no admite estructura de
Respacio vectorial para las siguientes leyes externas.
i) (x, y) = (x
2
, y)
ii) (x, y) = (
3
x,
3
y)
iii) (x, y) = (y, x)
iv) (x, y) = (x, 0).
4. Estudiar la posible estructura de subespacio vectorial en cada uno de
los casos siguientes y obtener cuando corresponda una base.
i) En R[X] los polinomios de grado menor o igual que un n umero
natural dado n.
ii) El conjunto de polinomios de R[X] divisibles por x
2
+ 1.
iii) Cada uno de los siguientes subconjuntos de K
n
, siendo K un
cuerpo:
A = (x
1
, ..., x
n
) K
n
:

1in
x
i
= 0
B = (x
1
, ..., x
n
) K
n
:

1in
x
i
= 1
C = (x
1
, ..., x
n
) K
n
:

1in1
x
i
= x
n
D = (x
1
, ..., x
n
) K
n
: x
i
= nx
i1
para 2 i n.
5. Determnese cuales de los siguientes subconjuntos de R
3
son subes-
pacios.
i) A = (x, 0, z) : x, z R
ii) B = (x, y, 2) : x, y R
iii) C = (x, y, z) : x, y, z Z
iv) D = (2x, x, 3x) : x R
v) E = (x, y, z) : 2x +y +z = 4
vi) F = (x, y, z) : 2x +y +z = 0.
6. Se denota por R
n
[X] el espacio de los polinomios con coecientes
reales de grado menor o igual que n. Establezcase razonadamente
cuales de los siguientes subconjuntos son subespacios de R
n
[X].
i) A = p(x) : p = n p(x) 0.
ii) B el conjunto de todos los polinomios con termino constante igual
a 0.
iii) C el conjunto de todos los polinomios que se anulan en c
1
, c
2
, ..., c
k
con k < n.
iv) D el conjunto de todos los polinomios m ultiplos de un p(x)
R
n
[X] dado.
v) E el conjunto de todos los polinomios cuyo valor en c R es 1.
vi) F el conjunto de todos los polinomios tales que 3p(0) +p(1) = 1.
vii) G el conjunto de todos los polinomios tales que 3p(0)+p(1) = 0.
7. Una funcion f : [a, b] R se dice que es escalonada si existen n ume-
ros a
0
= a < a
1
< < a
n
= b tales que para cada i 1, ..., n la
restriccion de f al intervalo ]a
i1
, a
i
[ (denotada f[
]a
i1
,a
i
[
) es constan-
te. Sea E
[a,b]
el conjunto de las funciones escalonadas denidas sobre
[a, b]. Pruebese que E
[a,b]
con la suma de funciones y el producto por
un escalar habituales es un Respacio vectorial.
8. En el Respacio vectorial E = C
2
(R) de las funciones reales de va-
riable real de clase 2, se considera el subconjunto
F = f E : f
tt
+af
t
+bf = 0.
Pruebese que F E.
9. Demostrar que la condicion necesaria y suciente para que la union
de dos subespacios vectoriales de un espacio vectorial V sea un sub-
espacio, es que uno de ellos este contenido en el otro.
10. Se considera el subconjunto de los n umeros reales dado por
W = a +b
2 +c
3 : a, b, c Q.
Demuestrese que W es un subespacio vectorial de R con las opera-
ciones inducidas. Dar una base y la dimension.
11. Pruebese que (Z, +) no puede admitir ninguna estructura de Qespacio
vectorial.
12. Pruebese que (Q, +) no puede admitir ninguna estructura de Respacio
vectorial.
13. Pruebese que (Z, +) no puede admitir ninguna estructura de Respacio
vectorial.
14. Construir un espacio vectorial con 9 elementos. Construir un espacio
vectorial con p
n
elementos (p primo).
C.2.2. Dependencia e independencia lineal
1. Estudiar la dependencia o independencia lineal de los siguientes sis-
temas de vectores.
i) (0, 1, 2, 1), (1, 7, 2, 4), (1, 3, 2, 1), (1, 0, 0, 1) en R
4
sobre R.
ii) (i, i, i, i), (1, 1, 1, 1), (1 +i, i, 1, i) en C
4
sobre C.
iii) x +x
3
, 1 x
2
+x
3
, x
3
, 1 + 2x +x
2
+ 2x
3
en R[X] sobre R.
iv) x
2n
+x
2n+1
: n N en R[X] sobre R.
2. Compruebese si son libres o ligados los siguientes sistemas de vectores
en R
3
, encontrando la relacion de dependencia lineal en su caso.
i) F
1
= (1, 0, 2), (1, 1, 3), (1, 2, 0).
ii) F
2
= (1, 1, 3), (0, 1, 2).
3. En el espacio vectorial P
4
(x) de los polinomios de grado menor o igual
que 4 con coecientes reales, compruebese si
P
1
= 3 +x
4
, P
2
= 5 x x
2
, P
3
= 2x
3
, P
4
= x + 2x
4
forman un sistema libre.
4. Sea E el Respacio vectorial E = R
R
de las funciones reales de
variable real. Determnese la dependencia o independencia lineal de
las siguientes familias.
i) F
1
= 1, e
ax
, e
bx
: a ,= b, a ,= 0, b ,= 0.
ii) F
2
= e
ax
, xe
ax
, x
2
e
ax
: a R.
iii) F
3
= e
x
, xe
x
, coshx.
iv) F
4
= e
x
cos x, e
x
sinx.
5. Compruebese que los vectores u
1
= (1, 0, 2, 5), u
2
= (2, 1, 1, 4) y
u
3
= (1, 2, 0, 2) en Q
4
son linealmente independientes.
6. Sean E = R
R
y los vectores f
1
(x) = sinx, f
2
(x) = cos x, f
3
(x) =
sin2x.
i) Demostrar que f
1
, f
2
, f
3
es un sistema linealmente independien-
te.
ii) Es x, sinx, cos x, sin2x linealmente dependiente?
C.2.3. Sistemas generadores. Bases
1. Determnense a y b para que

u = (1, 0, a, b) pertenezca a F), con
F = (1, 4, 5, 2), (1, 2, 3, 1). El vector (2, 4, 6, 2), es combina-
cion lineal de

u ?.
2. En R
3
se consideran A = (1, 1, 1), (0, 1, 0) y B = (2, 3, 2), (1, 0, 1).
Compruebese que A) = B).
3. En R
n
se pide hallar las ecuaciones del subespacio vectorial W = S),
donde
S =
v
1
= (1, 1, 0, 0),
v
2
= (0, 1, 1, 0),
v
3
= (2, 1, 1, 0),
v
4
= (3, 3, 0, 0).
Pertenece el vector (1, 1, 1, 0) al subespacio W?.
4. En el espacio vectorial real R
n
[X] se consideran unos polinomios
p
0
, ..., p
n
tales que p
k
= k para k 0, 1, ..., n. Pruebese que
entonces forman una base de R
n
[X].
5. En R
3
[X] se consideran p
0
(x) = 1, p
1
(x) = x + 1, p
2
(x) = (x + 1)
2
,
p
3
(x) = (x + 1)
3
.
i) Pruebese que B = p
0
, p
1
, p
2
, p
3
es base de R
3
[X].
ii) Hallar en esa base las coordenadas del polinomio p(x) = 2x
3
+
x
2
4x 4.
6. Se considera el sistema libre
u
1
, ...,
u
n
con n ,= 1.
i) Como es el sistema
u
1

u
2
,
u
2

u
3
, ...,
u
n1

u
n
,
u
n

u
1
?
ii) Como es el sistema
u
1
+
u
2
,
u
2
+
u
3
, ...,
u
n1
+
u
n
,
u
n
+
u
1
?
7. Pruebese:
i) Todo sistema que contiene al

0 es ligado.
ii) Todo sistema F =
u , con

u ,=

0 , es libre.
iii) Si a un sistema ligado se le a nade un vector, resulta un sistema
ligado.
iv) Si a un sistema libre se le quita un vector, resulta un sistema
libre.
8. Considerese P
3
(x). Discutir seg un los valores de a, b, c la dependencia
lineal de
u
1
= 2x
3
5x
2
+ 4x c
u
2
= x
3
+x
2
+ 3x + 2
u
3
= x
3
2x
2
+ax +b.
9. Probar que S = (x, y, z) : x3y +z = 0 es subespacio vectorial de
R
3
y dar una base. Es G = (1, 1, 2), (1, 0, 1), (2, 1, 1) un sistema
generador de S?.
10. Se considera el subconjunto S R
n
formado por las ntuplas cuyos
elementos estan, consecutivamente, en progresion aritmetica. Pruebe-
se que S R
n
y determnese una base. Cuales son las coordenadas
del vector (2, 4, 6, ..., 2n) respecto a la base hallada?.
11. Hallese la dimension y una base del espacio vectorial C
2
sobre R,
denotado C
2
(R).
12. Consideremos en R
3
el subconjunto S formado por los elementos de
la forma (1, 1, z). Calc ulese una base de S).
13. Sea el cuerpo K = Z/5Z Z
5
. Calcular el n umero de vectores en K
3
y obtener v +v +v +v +v siendo un vector de K
3
.
14. Sea K = Z/3Z Z
3
el cuerpo de las clases de restos modulo 3. Se
considera el espacio vectorial de las ntuplas sobre K, K
n
= Z
n
3
.
i) Cuantos vectores hay en este espacio?
ii) Siendo

u Z
n
3
, que puede decirse de 3
u ?
iii) Expresar (0, 0, 2) como combinacion lineal de (1, 1, 1) y (1, 1, 2).
15. Se considera el Z
3
espacio vectorial Z
3
3
. Se pide:
i) Probar que un subconjunto S Z
3
3
es subespacio vectorial si y
solo si es un subgrupo.
ii) Hallar el n umero de subespacios de Z
3
3
.
iii) Hallar el n umero de bases de Z
3
3
.
16. En el espacio R
3
hallese una base que contenga al vector (1, 1, 1).
17. En R
2
[X] sea M el subespacio generado por el sistema
F = x
2
1, x + 1, 3x
2
7x 10.
Hallese una base de R
2
[X] que contenga una base de M. Cuales son
las coordenadas de p(x) = x en la base hallada?.
18. En R
4
se consideran

u
1
= (1, 2, 1, 3),

u
2
= (2, 4, 0, 2),

u
3
=
(3, 6, 1, 5),

u
4
= (2, 4, 4, 6). Se pide:
i) Determinar si

u
1
,
u
2
,
u
3
,
u
4
son o no linealmente independien-
tes.
ii) Dimension y una base de L =
u
1
,
u
2
,
u
3
,
u
4
).
iii) Formar combinaciones lineales nulas no triviales, en caso de que
existan.
iv) Ecuaciones implcitas de L =
u
1
,
u
2
,
u
3
,
u
4
).
v) Coordenadas de los vectores dados respecto de la base hallada en
ii).
vi) Prolongacion de una base de L a una base de R
4
.
19. En el Qespacio vectorial Q
3
se pide la dimension, una base con-
tenida en el sistema de genradores y unas ecuaciones implcitas del
subespacio generado por el sistema
v
1
,
v
2
,
v
3
= (2, 1, 2), (4, 3, 2), (2, 5, 6).
C.2.4. Espacios suplementarios
1. Sean H y T dos subespacios vectoriales de un espacio vectorial V
sobre un cuerpo K. Demuestrese que
dim
K
(H +T) = dim
K
(H) + dim
K
(T) dim
K
(H T).
2. En Q
3
como espacio vectorial sobre el cuerpo Q, consideremos los
subespacios H = (x, y, z) Q
3
: x = 0 y T = (1, 1, 1), (1, 2, 3)).
Hallese una base de H T y otra de H +T.
3. Probar que todo subespacio vectorial propio de un espacio vectorial
posee al menos un suplementario.
4. Consideremos el subespacio de R
3
dado por H = (x, y, z) R
3
: z =
0. Hallense dos suplementarios distintos de H en R
3
.
5. En el espacio vectorial V de las aplicaciones de R en R compruebese
que los conjuntos H = f V : f(x) = f(x), x R y T = f
V : f(x) = f(x), x R son subespacios suplementarios.
C.2.5. Espacio vectorial cociente
1. En R
3
se considera

a = (1, 1, 1). En el conjunto A de los vectores
uno a uno independientes con

a , se dene la relacion
x 1
y sii
a ,
x ,
y es un sistema ligado.
i) Compruebese que 1 es una relacion binaria de equivalencia.
ii) Calcular [
v ] si

v = (1, 2, 1).
iii) Como son las clases de equivalencia?.
2. Consideremos en R
4
el subespacio H = (x, y, z, t) R
4
: 2x y +
z + 2t = 0. Hallese una base del espacio vectorial cociente R
4
/H.
3. En R
3
se considera el subespacio vectorial
L =
v
1
,
v
2
,
v
3
) = (2, 0, 1), (1, 2, 0), (0, 4, 1)) .
Se pide determinar una base de E = R
3
/L y las coordenadas respecto
a ella de

a +L = [
a ], siendo

a = (1, 1, 1).
4. En R
3
se considera el subespacio vectorial
S =
v
1
,
v
2
,
v
3
,
v
4
)
= (1, 3, 1, 4), (1, 0, 2, 5), (2, 3, 1, 1), (1, 2, 0, 1)) .
Se pide determinar una base de E = R
4
/S y las coordenadas respecto
a ella de

a +S = [
a ], siendo

a = (1, 2, 3, 4).
C.3 Aplicaciones lineales 97
5. En Q
4
se considera el subespacio
T =
v
1
,
v
2
,
v
3
,
v
4
)
= (1, 1, 1, 1), (1, 4, 3, 1), (3, 2, 5, 1), (2, 3, 4, 0)) .
Se pide determinar una base de E = Q
4
/T y las coordenadas respecto
a ella de

a +T = [
a ], siendo

a = (1, 4, 0, 1).
6. Sea V un espacio vectorial real y B =
e
1
,
e
2
,
e
3
,
e
4
una base su-
ya. Se considera el subespacio F =
v
1
,
v
2
,
v
3
,
v
4
) donde, en la
base B,

v
1
= (2, 4, 3, 2),

v
2
= (1, 2, 0, 5),

v
3
= (1, 2, 2, 3),
v
4
= (3, 6, 4, 1). Se pide: determinar una base de E = V/L y el
valor de m para que los vectores

a = (2, 3, 0, 1),

b = (1, m, 1, 0)
esten en la misma clase de E.
C.3. Aplicaciones lineales
C.3.1. Primeras deniciones y propiedades
1. Estudiar en cada uno de los casos siguientes si se trata o no de una
aplicacion lineal.
i) h
: V V dada por h
(v) = v, donde V es un Kespacio

vectorial y K.
ii) t
w
: V V dada por t
w
(v) = v + w, donde V es un Kespacio
vectorial y w V .
iii)
i
: K
n
K dada por
i
(x
1
, ..., x
n
) = x
i
donde K es un cuerpo
e i 1, ..., n.
iv) f : R
3
R
3
dada por f(x, y, z) = (2x z, y +z, x).
v) g : R
3
R
4
dada por g(x, y, z) = (x z, 2x, 4z y, z).
vi) h :: R
3
R
2
dada por h(x, y, z) = (x y, x z).
2. Analizar la inyectividad y suprayectividad de cada una de las aplica-
ciones lineales del problema anterior y calcula bases de ker f e Imf.
Si alguna de ellas es invertible, obtener la aplicacion inversa.
3. Sea f Hom
K
(V, V
t
) y dim
K
V = dim
K
V
t
. Justifquese que f es
inyectiva si y solo si es suprayectiva.
4. Estudiar, seg un los valores de el rango de la aplicacion f Hom
R
(R
3
, R
3
)
denida por
f(x, y, z) = (x y +z, x +y z, x +y +z).
5. Sea f Hom
K
(V, V
t
). Si f(v) = v
t
, pruebese que f
1
(v
t
) = v +ker f.
C.3.2. Teoremas fundamentales
1. Encontrar un f End
R
(R
3
) tal que ker f = (0, 0, 1)) e Imf =
(x, y, z) R
3
: z = 0.
2. Sea R y f End
R
(R
3
) tal que
f(x, y, z) = (3x + 4y +z, 2x + 6y + 3z, x + 3y +z).
Analcese para que valores de es f Aut
R
(R
3
).
3. Encontrar un f End
R
(R
4
) que verique las siguientes condiciones:
_
_
f
2
= 0
dimImf = 2
(1, 0, 0, 2) Imf
(0, 1, 1, 0) ker f.
C.3.3. Aplicaciones lineales y matrices
1. Dada una matriz cuadrada A = (a
i
j
)
1i,jn
(i ndice de la, j ndice
de columna) con coecientes en un cuerpo K, recordamos que se llama
matriz traspuesta A
T
a aquella con componentes A
T
= (a
j
i
)
1i,jn
(es decir, se obtiene de A intercambiando las con columnas). Tam-
bien recordamos que la traza de una matriz es la suma de los terminos
de su diagonal principal. Demuestrese:
i) tr(A) = tr(A), K.
ii) tr(A+B) = tr(A) +tr(B), B /at
n
(K).
iii) tr(AB) = tr(BA), B /at
n
(K).
iv) tr(A) = tr(A
T
).
2. Calcular la potencia nsima de la matriz
A =
_
_
1 0 0
1 1 0
1 1 1
_
_
.
3. Sea A /at
n
(K). Demuestrese que las matrices A + A
T
, AA
T
y
A
T
A son simetricas y la matriz AA
T
es antisimetrica.
4. Sea S el conjunto de las matrices simetricas del espacio vectorial
/at
n
(K) y H el de las hemisimetricas (o antisimetricas). Demuestre-
se que si K es de caracterstica distinta de 2 entonces /at
n
(K) =
S H.
C.4 Espacio dual 99
5. Demostrar que el producto de dos matrices simetricas no necesaria-
mente es una matriz simetrica. Obtener una condicion necesaria y su-
ciente para que el producto de dos matrices simetricas sea simetrica.
Idem con matrices antisimetricas.

6. Dada una forma bilineal con matriz asociada B en el Kespacio vec-
torial V , se dice que un f End
K
(V ) es Bortogonal (o simplemente
ortogonal si se sobreentiende B) si para todos u, v V se cumple
B(f(u), f(v)) = B(u, v).
Si A es la matriz de f End
K
(V ), probar que f es ortogonal si y solo
si A
T
BA = B = ABA
T
.
7. Como caso particular del problema precedente, una matriz A /at
n
(K)
se dice que es ortogonal (se sobreentiende respecto a la metrica eu-
clidea) si y solo si A
T
A = Id
n
= AA
T
. Compruebese que las matrices
ortogonales de /at
n
(K) forman un subgrupo de GL
n
(K), denotado
O
n
(K).
8. Sean B = (1, 1), (1, 0) una base de R
2
y B
t
= (1, 1, 1), (1, 1, 0), (1, 0, 0)
una base de R
3
. Sea f Hom
R
(R
2
, R
3
) tal que
f(x, y) = (2x y, x +y, x y).
Calcular la matriz de f en esas bases, M
B
B
(f), y dim
R
ker f.
9. Sea f Hom
R
(R
2
, R
4
) tal que
f(2, 1) = (1, 0, 1, 3)
f(4, 1) = (2, 2, 3, 1).
Calcular la matriz asociada a f respecto a las bases canonicas de R
2
y R
4
respectivamente.
C.4. Espacio dual
1. En el espacio vectorial (R
3
)
se consideran los vectores u

1
, u
2
, u
3
de-
nidos seg un su actuacion en R
3
:
u
1
(x, y, z) = 2x y +z
u
2
(x, y, z) = x + 2y
u
3
(x, y, z) = x +y +z.
i) Compruebese que forman una base de (R
3
)
y calcular una base

de R
3
cuya dual sea la u
1
, u
2
, u
3
.
ii) Encuentrense las coordenadas en la base u
1
, u
2
, u
3
de un ele-
mento f (R
3
)
tal que
f(x, y, z) = 2z.
2. Sean V un espacio vectorial real, B = e
1
, e
2
una base de V y
1
,
2
V
tales que verican

_
1
(e
1
) = 2
1
(e
2
) = 3
2
(e
1
) = 3
2
(e
2
) = 5.
Justifquese que
1
,
2
es una base de V
y hallar una base de V

de manera que esta sea su base dual.
3. Sea V un espacio vectorial sobre un cuerpo K y sean H y T dos
subespacios vectoriales. Demuestrese que si V = H T entonces
V
=

H

T.
4. Sea V un espacio vectorial real y B = e
1
, e
2
, e
3
, e
4
una base de
V . Sea L el subespacio vectorial de V formado por los vectores cu-
yas coordenadas en la base B verican las siguientes ecuaciones pa-
rametricas:
_
_
x
1
= 2
x
2
= 3 +
x
3
= 2 + 5
x
4
= +.
, , R.
Calc ulese

L.
C.5. Formas bilineales
C.5.1. Metricas: ortogonalidad e incidencia
1. Justicar que en el espacio vectorial real R
n
la siguiente aplicacion
constituye un producto escalar para el que la base canonica es orto-
normal:
., .) : R
n
R
n
R
n
(x = (x
1
, ..., x
n
), y = (x
1
, ..., x
n
)) x, y) =
1in
x
i
y
i
C.5 Formas bilineales 101
2. En el espacio vectorial real /at
n
(R), justifquese que la siguiente
aplicacion constituye un producto escalar:
T : /at
n
(R) /at
n
(R) /at
n
(R)
(A, B) tr(A B
T
)
3. Sea V un espacio vectorial real y u
i
3
1=1
una base de V . Supongamos
que f es una forma bilineal simetrica sobre V vericando
_
_
_
f(u
i
, u
i
) = 1 para 1 i 3
f(u
1
, u
2
) = f(u
1
, u
3
) = 0
f(u
2
, u
3
) = 1.
Est udiese si se trata o no de un producto escalar.
4. Sea V un espacio vectorial euclideo cuya matriz metrica respecto de
una base B tiene por expresion
M =
_
_
1 1 1
1 2 2
1 2 3
_
_
.
Si W es el subespacio vectorial de V cuyas ecuaciones en B son x
1
=
x
2
= x
3
, calc ulese una base ortonormal de W
. Si v es un vector
con coordenadas en B (1, 0, 1), determnese su proyeccon ortogonal
sobre W.
5. Alg un problema sobre incidencia, subespacios hiperbolicos, etc...
C.5.2. Aplicaciones ortogonales.

Angulos
1. Sea f un endomorsmo de R
2
cuya matriz asociada en la base canoni-
ca es
f
_

3
2

1
2
1
2
3
2
_
.
Consideremos en R
2
el producto escalar habitual. Est udiese si f es o
no una transformacion ortogonal.
2. Sea B = e
i
1i3
una base ortonormal de R
3
y sea f GL(R
3
) tal
que
f(e
1
) = e
2
, f(e
2
) = e
3
, f(e
3
) = e
1
.
Est udiese si f es o no una transformacion ortogonal.
3. Sean B = e
i
1in
y B
t
= e
t
i
1in
dos bases ortonormales de un
espacio vectorial euclideo V . Demuestrese:
i) Si B y B
t
estan igualmente orientadas, !f O
+
(V ) : f(e
i
) = e
t
i
.
ii) Si B y B
t
tienen opuesta orientacion, !f O
(V ) : f(e
i
) = e
t
i
.
4. Sean u y v dos vectores de un espacio vectorial euclideo orientado de
dimension 3; entonces,
|u v| = |u| |v| [sin[
donde = (u, v) es el angulo que forman u y v.
5. Sean u y v dos vectores no nulos de un espacio vectorial euclideo
orientado. Demuestrese que son ortogonales si y solo si forman un
angulo recto.
6. Si es un angulo no recto denimos su tangente como
tan =
sin
cos
.
Demuestrense, cuando tengan sentido, las siguientes identidades tri-
gonometricas:
i) cos( +) = cos cos sinsin
ii) sin( +) = sincos + cos sin
iii) tan( +) =
tan +tan
1tan tan
7. Sea V un espacio vectorial euclideo de dimension 2. Sea B = e
1
, e
2
una base de V de manera que la matriz metrica respecto de B es

_
3 1
1 1
_
.
Si u = 2e
1
+ 3e
2
y v = 4e
1
e
2
, calc ulese el coseno del angulo que
forman u y v.
C.5.3. Orientacion. Operador de Hodge
1. Sea V un espacio vectorial euclideo orientado de dimension 3. De-
mostrar que si u y v son dos vectores cualesquiera de V , entonces
|u v|
2
+ (u v)
2
= |u|
2
|v|
2
.
2. Sea V un espacio vectorial euclideo orientado de dimension 3. Jus-
tifquese qe si u, v es un sistema ortonormal entonces u, v, u v
es una base ortonormal positiva.
C.6

Algebra Multilineal 103
C.6.

Algebra Multilineal
C.6.1. Tensores
1. Estudiar la posible naturaleza tensorial del sistema de segundo orden
denominado delta de Kronecker, construdo sobre un espacio vec-
torial V de dimension n y cuyas componentes respecto de cualquier
base toman los valores de la matriz unidad Id
n
, es decir:
(i, j) =
_
1 si i = j
0 si i ,= j.
2. Sea V un espacio vectorial real de dimension 2 y sean H, T T
2
(V )
de manera que respecto a una base B de V se tiene
T
ij
=
_
1 2
0 1
_
, H
ij
=
_
2 0
1 1
_
(i la, j columna).
Si consideramos en V una base B
t
de manera que
M
B
B
(Id
V
) =
_
1 3
1 1
_
,
obtener las coordenadas del tensor S
ij
= T
ij
2H
ij
respecto de la
base asociada a B
t
.
3. Sea V un espacio vectorial de dimension 2 sobre un cuerpo K. Sea
B = e
1
, e
2
una base de V y sea T T
1
2
(V ) un tensor de manera
que
T = 2e
1
e
1
e
1
e
1
e
1
e
2
+ 3e
1
e
2
e
2
2e
2
e
1
e
2
+e
2
e
2
e
1
+e
2
e
2
e
2
.
Sea B
t
= u
1
, u
2
otra base de V vericando e
1
= 3u
1
u
2
y e
2
=
u
1
+u
2
. Calcular la expresion de T en la base asociada a la base B
t
.
4. Sea V
1
un espacio vectorial real de dimension 2 y V
2
otro espacio
vectorial real de dimension 3. Sean B
1
= e
1
, e
2
y B
t
1
= e
t
1
, e
t
2
bases de V
1
tales que
e
t
1
= 2e
1
e
2
e
t
2
= 3e
1
+e
2.
Sean tambien B
2
= d
1
, d
2
, d
3
y B
t
2
= d
t
1
, d
t
2
, d
t
3
bases de V
2
tales
que
d
1
= d
t
1
2d
t
2
d
2
= d
t
1
+ 4d
t
3
d
3
= d
t
2
+d
t
3
.
Compruebese que los sistemas
B = e
i
d
j
: 1 i 2, 1 j 3
B
t
= e
t
i
d
t
j
: 1 i 2, 1 j 3
forman una base del espacio vectorial /(V
1
V
2
). Si
F = 2e
1
d
1
e
1
d
3
3e
2
d
2
,
obtener sus coordenadas en la base B
t
.
5. Sea B = e
1
, e
2
, e
3
una base de un espacio vectorial real V . Con-
sideremos los tensores T, H T
2
1
(V ) cuyas coordenadas en la base
asociada a la B son
T
ij
k
=
_
_
_
_
1 0 0
2 1 0
0 0 1
_
_
_
_
1 1 1
1 0 0
1 0 1
_
_
_
_
1 0 0
0 1 0
0 0 3
_
_
_
_
H
ij
k
=
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
0 0 0
0 0 0
0 0 1
_
_
_
_
0 0 2
0 2 0
2 0 1
_
_
_
_
,
_
_
_
i la
j columna
k matriz
.
i) Calc ulese el tensor T +H.
ii) Calc ulense todas las contracciones posibles del tensor T.
6. Sea V un espacio vectorial real de dimension 2 y consideremos los
tensores S T
1
1
(V ) y T T
2
1
(V ) cuyas coordenadas en las bases
asociadas a la base B = e
1
, e
2
son
S
i
j
=
_
1 0
2 1
_
,
_
i la
j columna
T
ij
k
=
__
1 1
1 1
_ _
0 0
1 0
__
,
_
_
_
i la
j columna
k matriz
.
Calcular todos los poisbles productos contractos de S por T.
7. Consideremos un tensor de segundo orden contravariante simetrico
T
ij
y otro covariante antisimetrico H
ij
. Calc ulese su producto com-
pletamente contracto en el caso en que la caracterstica del cuerpo
base sea distinta de 2.
8. Determinar todos los tensores de tercer orden sobre un espacio vecto-
rial real (o, en general, un Kespacio vectorial con K de caracterstica
distinta a 2) que son simultaneamente simetricos respecto a los ndices
1
y 3
, y antisimetricos respecto al 2
y 3
.
C.6

Algebra Multilineal 105
C.6.2. Formas multilineales alternadas. Determinantes
1. Sea K un cuerpo de caracterstica 2. Demuestrese que la aplicacion
F : KK K
(a, b) ab
es bilineal, antisimetrica y no alternada.
2. Sea F una forma bilineal alternada (i.e: una 2forma) sobre un
Kespacio vectorial V y sea f T
1
(V ). Consideremos la aplicacion
F f : V V V K
denida por
F f(v
1
, v
2
, v
3
) = F(v
1
, v
2
)f(v
3
) +F(v
2
, v
3
)f(v
1
) +F(v
3
, v
1
)f(v
2
).
Se pide:
i) Demostrar que F f es trilineal alternada (i.e: una 3forma).
ii) Si V es el Respacio vectorial R
3
, la matriz de F asociada a la
base canonica es
F =
_
_
0 1 3
1 0 0
3 0 0
_
_
,
y f(x, y, z) = x y, calcular en este caso F f(v
1
, v
2
, v
3
) como
funcion de las componentes de cada uno de los vectores v
1
, v
2
, v
3
.
3. Calc ulese el determinante de la siguiente matriz,
A =
_
_
1 2 3 1
2 0 2 0
3 5 1 1
2 4 1 4
_
_
.
Indice alfabetico
Kalgebra, 16, 37
Ggraduada, 37
Zgraduada, 37, 55
Kalgebras
morsmo, 49
algebra
bigraduada, 39
exterior, 51, 53
tensorial, 39
accion
de un grupo, 5
anillo, 5
caracterstica, 6
con unidad, 6
aplicacion adjunta, 22
aplicacion lineal, 13
imagen, 14
matriz asociada, 16
n ucleo, 14
aplicacion traspuesta, 22, 58
base
ortonormal, 34, 64
base canonica, 10, 47, 64, 65
base dual, 19
bases relacionadas, 62
convenio de Einstein, 17
cuerpo, 6
conmutativo, 6
delta de Kronecker, 17
dependencia lineal, 9
derivacion
de un algebra graduada, 56,
85
formal en R[X], 56
descomposicion en ciclos, 3
determinante
de un endomorsmo, 58
de un morsmo, 60
divisor de cero, 6
elemento
inverso, 1
neutro, 1
elemento de volumen, 64
espacio euclideo, 34
espacio vectorial, 7
Indice alfabetico 107

base, 9
bidual, 21
dimension, 11
dimension nita, 9
dual, 19
espacios vectoriales
automorsmo, 15, 58, 62
endomorsmos, 13
espacios de morsmos, 13
isomorsmo, 15, 60, 66
con K
n
(dimension nita),
76
morsmo, 13
formula de las dimensiones, 14,
67, 83
forma
de volumen, 64
exterior, 53, 66
forma bilineal, 25
denida positiva, 33
expresion coordenada, 41
irreducible, 26
matriz asociada, 28
no degenerada, 26, 28
operacion inducida, 28
polaridad, 26, 27, 32
radical, 26, 33
regular, 26, 28, 32
forma lineal, 19
forma multilineal, 25
antisimetrica, 26
simetrica, 26
forma simplectica, 26
Gram-Schmidt, proceso, 34
grupo, 1
SO(2, R), 4
U(1), 2
abeliano, 2
alternado, 3
coclases, 2
de permutaciones, 3
general lineal, 4
general lineal GL(n; K), 60
orden, 1
simetrico, 3
traslaciones, 2
grupos
accion, 5
automorsmo, 4
endomorsmo, 4
morsmo, 3
Hodge
dual de una forma, 66
operador , 66
operador estrella, 66
idempotencia, 45
independencia lineal, 9
isotropo
subespacio, 33
vector, 33
isomorsmo
, 27
, 27
bajada de ndices, 27, 66
subida de ndices, 27, 68
metrica, 26
de Minkowski, 34
euclidea, 33, 64, 67
euclidea standard en R
n
, 65
modulo, 7
de un vector, 34
matrices, 8, 10, 14, 17, 21, 27, 60
matriz de cambio de base, 18
matriz ortogonal, 99
Minkowski
espacio-tiempo, 34
metrica, 34
monoide, 1
norma, 34
operador
Alt, 45
insercion, 56, 67
Sym, 44
operador lineal, 13
108

Indice
orientacion, 63
negativa, 63
positiva, 63
standard en R
n
, 64
ortogonalidad
respecto de una forma bili-
neal, 32
ortonormalizacion, 34
polinomios interpoladores, 21
producto escalar, 26
producto exterior, 51
producto simetrico, 51
producto tensorial, 39, 72
propiedad universal, 72
producto vectorial, 70
propiedad
asociativa, 1
distributiva, 5
propiedades functoriales
del producto exterior, 52
del producto tensorial, 49
proyector, 46
pull-back, 48, 58
relacion
binaria de equivalencia, 2, 62
retroaccion
ver pull-back, 48
semigrupo, 1
signatura, 3
sistema generador, 9
sistema libre, 9
sistema ligado, 9
subespacio vectorial, 8
generado, 9
incidente, 31
isotropo, 33
ortogonal, 32
totalmente isotropo, 33
subgrupo, 2
suma directa, 9
descomposicion, 33
tensor
antisimetrico, 43
de tipo (p, q), 38
simetrico, 43
tensores
cambio de base, 41
subespacio
p
(V ), 44
subespacio S
p
(V ), 44
teorema de reexividad, 22, 59
traza, 21
volumen
standard en R
n
, 65
Zorn
lema, 10

Libro 2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Libro 2

Transféré par

Droits d'auteur :

Formats disponibles

Notas para un curso de

Indice alfabetico 106

Algebra Intermedia, etc. Casi to-

Algebra Lineal) y un curso que dicte en la I Escuela de

Algebra y tecnicas actuales de demostracion, de forma que el estudiante

(con r n), puede completarse para dar una base de V .

son isomorfos. Sin embargo, no lo son canonicamente, es

, llamada base dual.

. En primer lugar, obser-

= 3 = dimV , luego solo hemos

es una forma lineal tal que f (A B) = f (B A),

(comparese con la situacion de

, nota 87), y los vectores v V pueden ser interpretados como

por la formula v(f) = f(v), siendo ademas to-

la obtenida de alg un vector de V mediante este

es compatible con la composicion de mor-

en las bases duales respectivas

, 1 i s, una forma slineal se obtiene

(ver proposicion 86), luego dimImP

, T una forma bilineal

, T una forma bilineal sobre V y t = (t

de todas las formas lineales que son nulas sobre U:

) (por la identicacion canonica

U) esta formado por todos los vecto-

ocurre que T(v, v) = 0 y eso solo puede pasar si v = 0.

. Entonces, para hallar una base de S

, los vectores que

(U) (donde el caracter

(U) con la suma y pro-

(U) por k.f(p) = k (f(p)), entonces c

respectivamente, la expresion del mismo tensor t respecto de unas

es el tensor denido por

= sig()t para toda permu-

= t para toda trasposicion

es lineal y respeta las simetras, esto es,

es el pull-back de L (vease la denicion 187).

). Tambien se escribe Der(A) =

para enfatizar la relacion con las matrices donde

linealmente independientes con ellas y tomemos v

. Por la linealidad del operador de Hodge:

) es una 1forma, y esto solo

) siendo u = (2, 3, 0, 1) y v = (1, 0, 1, 2). Es

. Ahora, es inmediato que cualquier elemento | =

; K) se expresa como combinacion lineal

; K) (que tiene dim| = m n, recuerdese el ejercicio 106),

: | T mediante su actuacion sobre

una base de ker L. Por la proposicion 58 sabemos que existen v

T(f, g). Dada una g V

forma arbitraria, llamemos v = P

V para ver a v como elemento

. Para probar (4), via la identicacion V V

. Para probar la inclusion recproca, suponga-

pero u / U. En ese caso, existe una forma lineal

, que puede completarse a la

y por el corolario 134 es dimU

= u) para un cierto u V . Por induccion, U tiene

= n 1, y existe una base e

con la propiedad del enunciado. Como v es independiente

(haciendo uso de la identicacion V V

det g y por denicion de determinante, si

si lo esta, y se tiene que

para la ley a b = mcd(a, b).

, justicar que el grupo (Z/nZ, +) puede dotarse con