Vous êtes sur la page 1sur 14

Algebra

Multilineal sobre R
Leccion uno
algebra multilineal abstracta
por J.M. M
arquez-Bobadilla
CUCEI
Universidad de Guadalajara

Algebra
multilineal
-vector o 1-contra-tensor
-covector o 1-forma o proyector o co-tensor de rango uno o 1-co-tensor
-construcci
on pullback
-dualidad de espacios vectoriales
-transformaciones multilineales
-transformaciones bilineales y formas cuadraticas
-transformaciones trilineales
-producto tensorial de transformaciones multilineales
-producto tensorial de espacios vectoriales
-tensores contravariantes, covariantes, mixtos
-algebra tensorial
-producto exterior de tensores
-pfafianas, bi-vector, tri-vector
-k-formas
-algebra exterior (algebra de Grassmann)
-enfasis cambios de bases y cambios de componentes

Espacio dual de un Rn
El espacio dual de Rn se define como el conjunto Rn de los funcionales lineales
R R. Resulta que Rn tambien es una espacio vectorial.
n

El espacio dual se define como Rn = Hom(Rn , R) es decir como el conjunto


de las transformaciones lineales de Rn en su campo (cuerpo) de escalares R.
En el caso de que Rn este generado por la base {b1, b2, ..., bn} tendremos que
cada funci
on lineal Rn R esta determinada por una matriz rengl
on
[a1, a2, ... , an] : Rn R

que mapea va
1

v
v2

.. 7 [a1, a2, ..., an]


.

vn

es decir

v1
v2
..
.

v1
v2
..
.
vn

= a1 v1 + a2v2 + + an vn

on de
va, bajo el mapeo [a1, a2, ..., an], al escalar as vs (convenci

vn
Einstein-Penrose)

El pullback de un covector
Si tenemos una transformaci
on lineal L : Rn Rm y tenemos un covector f :
R R entonces es posible inducir un covector Rn R mediante la composici
on
f L
L
/ Rm
Rn OO
OOO
OOO
OOO
f
OOO

OO' 
L f
R
m

donde L f = f L.
Es decir L : Rm Rn que tambien es lineal.
k

Si L tiene matriz Lbk = Ls k bs, entonces L k = [L ]s s y [L ]s = Lk s

Que sucede si tenemos varias transformaciones lineales con respecto al pullback?


Dejemos que los diagramas lo expliquen en si mismos:
T
S
/ Rl
/ Rm
Rn TTTT
JJ
TTTT
J
JJ f S
TTTT
JJ
TTTT
JJ
TTTT
f
TTTT JJJJ
TTTT JJ
f S T
TTTTJJ 
T$*
R

S T
/ Rl
Rn TTTT
TTTT
TTTT
TTTT
TTTT
f
TTTT
TTTT
TTTT 
f S T
T*
R
Si S f = f S entonces T S f = T (f S) = f S T y (S T ) f = f S T
para cada f entonces:
(S T ) = T S
Esto indica que el operador de dualidad de transformaciones lineales es contravariante.
C
omo cambian de componentes de un covector cuando cambiamos de bases en V ?
Si C : V V es un cambio de bases en V dado por bi 7 ci = Cbi = C si bs
entonces bi = (C 1)s i ci
De la construcci
on pullback deducimos que si las bases covarian con C las
correspondientes bases duales
i (bj ) = i j
en V descrito en la base i y
i (cj ) = i j
en V descrito en la base i .
C : Vb Vc entonces C : V V
Vamos a demostrar que
i

i = (C > )s s ,
Demostraci
on:
Supongamos que i = As i s entonces
ij

= i (bj )
= As i s (bj )
= As i s ((C 1)t j ct )
= As i (C 1)t j s (ct )
= As i (C 1)t j st
= As i (C 1)s j

ij

= (A> )i s(C 1 )s j

(B1)

esta
ultima lnea indica que [A]> = [C] por lo tanto [A] = [C]> y
i
i = (C > )s s

Si i = (C > )s s entonces tambien


i

i = (C > )s s ,

(B2)

Las relaciones (B1), (B2) seran utilizadas cuando consideremos el efecto del
cambio de bases en un espacio vectorial y con respecto a otras construcciones vectoriales llamadas producto tensorial de transformaciones lineales y producto tensorial
de espcios vectoriales... en objetos

Espacio dual de un espacio vectorial abstracto


El espacio dual de V se define como el conjunto V de los funcionales lineales
V R. Resulta que V tambien es una espacio vectorial.
Cual es una base y la dimensi
on de este espacio?
Considere las transformaciones (una para cada i)
i : V R
definida por
X 7 i (X) = X i ,
donde X = X s bs (convenci
on de la suma de Einstein).
Note que esta definici
on permite asignar
i (bj ) = i j
para la correspondiente base {b1, b2, ..., bn}
As i es una funci
on lineal. En otras palabras, el funcional i extrae el
i-esimo componente de X y cumple linealidad:
i (aX) = a i (X)
i (X + Y ) = i (X) + i (Y )
para cualesquiera escalar a y vectores X, Y .

Los elementos de V tambien se llaman covectores.


Todo elemento f V se escribe as ;
f = fs s
donde los componentes satisfacen fs = f(bs )
Hemos visto que si f V entonces f : W R, y si T : V W podremos
T f
construir V R.
T
Lo que tenemos es una asignaci
on W V dada por f 7 T (f) = T f.
Ahora que si la matriz de T es [T ] = [T ij entonces [T ] = [T ]>

Multilinealidad

Mapas bilineales
Una funci
on bilineal queda especificada mediante una matriz: Si B : V V R
es un mapeo bilineal entonces existe una matriz [B] de nn dimensiones que tienen
componentes Bij y con los cuales se determina la forma cuadratica:
1

w
B11 B12 B1n
B21 B22 B2n w2

B(v, w) = v> [B]w = [v1, ..., vn] .


..
.
.
.
Bn1

Bn2

Bnn

v1 w1 B11 + v1 w2 B12 + v1 w3 B13 + + vn wnBnn

vs wt Bst

zn

Observemos que para una forma cuadratica B : Rn Rn R al evaluar en


basicos can
onicos
B(ei , ej ) = ei > [B]ej = Bij

Para un mapa trilineal T : V V V R tenemos


T (u, v, w) = usvt wr Tstr

Producto tensorial de transformaciones multilineales

Cuando tenemos un par de covectores f, g : V R entonces es posible construir


un mapeo bilineal mediante el artificio llamado producto tensorial
f g(v, w) = f(v)g(w)
donde la expresi
on a la derecha es el usual producto de n
umeros reales. Tal construcci
on es bilineal:
f g(kv + lu, w) =
=

f(kv + lu)g(w)
(kf(v) + lf(u))g(w)

=
=

kf(v)g(w) + lf(u)g(w)
kf g(v, w) + lf g(u, w)

y similarmente para f g(v, kw + lu) = kf g(v, w) + lf g(v, u)

Sea bil(V ) = {B : V V R} el conjunto de todos las funciones bilineales


de V . Este es un espacio vectorial con las operaciones
(B + C)(v, w) = B(v, w) + C(v, w)
k(B(v, w)) = kB(v, w)
donde B, C bil(V ) y k R
ArB
Con el producto tensorial de covectores duales basicos i : V R que satisfacen
(bj ) = i j , podemos construir mapas bilineales basicos con el producto tensorial
i

i j
y cumplen
i j (bk , bl )

=
=

i (bk ) j (bl )
ik j l

y que en argumentos arbitrarios


i j (v, w)

=
=
=
=

i (v) j (v)
i (vs bs ) j (wt bt)
vs wt i (bs) j (bt)
vs wt i k j l

= vi wj
Es posible demostrar que una base para bil(V ) es
{ 1 1 , 1 2 , 1 3 , ..., i j , ..., n n }

y entonces para un B arbitrario en bil(V ) tenemos


B = Bst s t
y donde podemos ver que los componentes de esta combinaci
on lineal bi-indexada
son
Bij = B(bi , bj )

As dim bil(V ) = n2
C
omo cambian las componentes de una forma bilineal cuando variamos la
base de V ?
C

Supongamos que V V es un a cambio de base bi 7 ci = Cbi = C si bs


C
omo cambian de componentes de un mapeo bilineal cuando
cambiamos de base en V ?
Sabemos que si C : V V es un cambio de base
bi 7 ci = Cbi = C si bs
entonces entre los componentes de un vector v = vs bs = vt ct de estas dos bases
se tiene
C 1vb = vc
donde

v1

vb = ...
vn

v1

vc = ...
vn

Ahora
vb> [B]wb = ([C][C 1]vb )> [B][C][C 1]wb = ([C 1]vb)> [C]>[B][C][C 1]wb
entonces
vb> [B]wb = ([C 1]vb)> [C]>[B][C][C 1]wb = vc> [C >BC]wc
por lo que la matriz de la misma forma cuadratica -determinada por [B]- en la nueva
base es
[C > BC]
En terminos biindexados una tenemos
v> [B]w = vs wtBst ,

(F C)

pero ct = C s tbs entonces


v b = vt ct = vt C st bs
que despues de reindexar s implica
v b = vt C t b
entonces

(v vt C t )b = 0

pero si los b son linealmente independientes entonces


v = vt C t
que sustituyendo en (F C) arriba tenemos
vb> [B]wb

vs wtBst

=
=
=
=

vu C su w
r C tr Bst
u r s
v w
C u C tr Bst
vu w
r C su Bst C tr
s
vu w
r (C > )u Bst C tr

=
=

vu w
r [C >BC]ur
>
vc [C >BC]wc

Las transformaciones trilineales son similarmente tratadas, por ejemplo


i j k (v, w, u) =
=

i (v) j (v) k (u)


i (vs bs) j (wt bt) k (ur br )

=
=
=

vs wtur i (bs ) j (bt ) k (br )


vs wt i k j l k r
v i w j ur

El conjunto tril(V ) = {B : V V V R} tambien es un espacio vectorial,


generado por los i j k con todas las combinaciones de i, j, k desde 1 hasta
dim V = n, por lo tanto dim tril(V ) = n3.

Producto tensorial de espacios vectoriales


Sean V, W dos espacios vectoriales sobre los reales R. Indicamos con
V = h{b1, ..., bn}i
que el espacio V esta generado por los vectores basicos bi. En otras palabras; si
X V entonces
X = X s bs
es la combinaci
on lineal X = X 1 b1 + X 2 b2 + + X n bn .
Si W = h{d1, ..., dm}i es otro espacio vectorial, entonces definimos
V W = h{b1 d1 , b1 d2, ..., bn dm , }i,
esto implica que si B V W entonces
B = B st bs dt
lo cual es la combinaci
on lineal bi-indexada:
B = B 11 b1 d1 + B 12 b1 d2 + + B nm bn dm
Ejemplo: R2 R3 es generado por el producto de sus bases
 
 
1
0
e1 =
, e2 =
0
1
para R2 y

1
0
0
1 = 0 , 2 = 1 , 3 = 0
0
0
1

para R3

e1 1 , e1 2 , e1 3
e2 1 , e2 2 , e2 3
respectivamente son:



1
0
0
1

1
0
0
1
0
0

1
0
0
1




0
1
0

0
1
0

1
0
0
1




0
0
1

0
0
1

As el espacio vectorial R2 R3 = gen{ei j } donde i = 1, 2 y j = 1, 2, 3,


por lo que si T R2 R3 entonces
T = T e

El espacio
R2 R3
es de dimensi
on 6 y es naturalmente isomorfo a R6 generado por
1
0
0
0
0
E1 =

0
0
0
0
0

, E2 =

1
0
0
0
0

0
1
0
0
0

, E3 =

, E4 =

0
0
1
0
0

, E5 =

Y entonces un isomorfismo es:


e1 1 7 E1
e1 2 7 E2
e1 3 7 E3
e2 1 7 E4
e2 2 7 E5
e2 3 7 E6

que sin embargo no es el


unico. Por ejemplo otro pudiera ser
e1 1

E1

e1 2

E1 + E2

e1 3

E3 8E4

e2 1

E4

e2 2

3E5 + E6

e2 3

E6

e1 1

E1 9E2 + 100E6

e1 2

E3 + 5E4 E6

e1 3

E1 E2 E3 + 8E4 E6

e2 1

E2 E4 E6

e2 2

E1 3E5 + E6

e2 3

E6

0
0
0
1
0

, E6 =

0
0
0
0
0
1

Los objetos en V V se llaman tensor contravariante de rango 2 en V o bien


un 2-contratensor.
Los objetos en V V se llaman tensor covariante de rango 2 en V o bien
un 2-cotensor.
Los objetos en V V se llaman tensor mixto de rango 2 en V .

Los elementos basicos de V V pueden ser visualizados como transformaciones bilineales


i j : V V R
mediante la asignaci
on dada por
(X, Y ) 7 i j (X, Y ) = i (X) j (Y ) = X i Y j
Similarmente los elementos basicos de V V pueden ser considerados como
mapas bilineales
bi bj : V V R
mediante la asignaci
on
(f, g) 7 bi bj (f, g) = f(bi )g(bj ) = fi gj
Un elemento basico de V V se puede ver como un mapa bilineal
V V R
mediante la f
ormula
(X, f) 7 i bj (X, f) = i (X)f(bj ) = X i fj
Efectivamente estas reglas son bilineales, pues por ejemplo, para cualesquiera
escalares a, c R y vectores X, Y, Z V tenemos
i j (aX + cY, Z) = a i j (X, Z) + c i j (Y, Z)
i j (X, aY + cZ) = a i j (X, Y ) + c i j (X, Z)
que son respectivamente
(aX i + cY i )z j = aX i Z j + cY i Z j
X i (aY j + cZ j ) = aX i Y j + cX i Z j
Toda transformaci
on bilineal V V R esta generada por los i j pues si
B : V V R es un mapeo bilineal arbitario, este se expresara como
B = Bst s t

y denotaremos con T (2,0)V el espacio vectorial generado por los i j , en otras


palabras
T (2,0)V = h{ i j }i
C
omo cambian de componentes de un mapeo bilineal cuando
cambiamos de base en V ?
Si B = Bst s t y C : V V es un cambio de bases bi
7 Cbi = C i b o
1
bien bi = (C ) i c entonces
B

Bst s t

Bst (C >) (C > )

(C > ) Bst (C >)

(C > ) Bst C t

B

= C >BC
donde B
Similarmente el conjunto de los mapas tri-lineales
T (3,0)V = h{ i j k }i
donde i j k (X, Y, Z) = X i Y j Z k es una construcci
on tri-lineal basica. As
cualquier otro mapa trilineal T : V V V R se escribe conforme a
T = Tstu s t u
No es difcil visualizar lo que hay en el espacio vectorial T (k,0)V y cual es una
base para el. puede ud. decir cual es las dimensi
on de cada uno de estos espacios
vectoriales?

Espacios de co-tensores
T (0,0)V
T (1,0)V
T (2,0)V
T (3,0)V
T (4,0)V
.
.

=R
=V
= V V = bil(V )
= V V V = tril(V )
=VVV V

Espacios de contra-tensores

T (0,1)V
T (0,2)V
T (0,3)V
T (0,4)V
.
.

=V
= V V = bil(V )
= V V V = tril(V )
=V V V V

Espacios de tensores mixtos


T (1,1)V = V V = hom(V )
T (2,1)V = V V V
T (1,2)V = V V V
T (2,2)V = V V V V
.
.
.
El
algebra tensorial
El algebra tensorial de un espacio V es un espacio vectorial de dimensi
on infinita
y esta definido como
TV =

T (k,l) V

k=l=0

TV = T

(0,0)

V T

(1,0)

V T

(0,1)

V T

(2,0)

V T (1,1)V T 0,2V T (3,0) V T (2,1)V

Algebra
de Grassmann
Importantes son las transformaciones multilineales que son antisimetricas, es
decir transformaciones multilieales que cambian de signo cuando intercambiamos
(transponemos) dos de sus argumentos. Por ejemplo un mapa bilineal B : V V
R es antisimetrico (o alternante) si satisface
B(X, Y ) = B(Y, X)
un trilineal alternante cumple
T (X, Y, Z)

=
=
=

T (Y, X, Z)
T (Y, Z, X)
T (Z, Y, X)

La construcci
on
i j = j j i
define un operador bilineal antisimetrico basico y satisface
i j (X, Y ) = X i Y j X j Y i

Otra notaci
on es
i j = [i j]
Estos objetos generan un subespacio de mapas bilineales tambien llamados
bivectores o 2-formas y los simbolizamos con
2 V = gen{ 1 2 , 1 3 , ..., n1 n }
esto implica que si B 2V entonces B = Bst s t
Observe que i i = 0 para cada i.
Observa que si dim V = 3 entonces
1 2 , 1 3 , 2 3
son los
unicos bivectores basicos por lo tanto dim 2V =

3
2

=3

Ahora que si dim V = 4 entonces


1 2, 1 3 , 2 3 , 2 4, 3 4

son los
unicos bivectores basicos por lo tanto dim 2V = 42 = 6
Generailzando cuando dim V = n entonces
1 2 , 1 3 , 2 3 , ..., n1 n

son los
unicos bivectores basicos por lo tanto dim 2V = n2
El espacio vectorial k V generado por los productos exteriores de k-covectores
basicos
i1 i2 ik

donde los indices cumplen i1 < i2 < < ik , tiene dimensi
on nk i.e.


dim V
k
dim( V ) =
k
El espacio nV esta generado por la
unica n-forma 1 2 n por lo
n
que dim( V ) = 1.
El
algebra exterior
El espacio vectorial
V = 0V 1 V n1V nV
junto con el producto exterior constituyen un
algebra que recibe el nombre de
algebra de Grassmann (o algebra exterior) de V