M

etodos Matem
aticos
Capitulo IV
Estructura Algebraica
D.U. Campos-Delgado
Facultad de Ciencias
UASLP

Septiembre/2007-Enero/2008
1

CONTENIDO
Espacios y Subespacios Lineales
Transformaciones Lineales
Transformaciones Inversas
Isomorfismos
Independencia y Dependencia Lineal
Bases de Hamel y Dimensi
on
Equivalencia entre Transformaciones Lineales
Sumas Directas y Sumas
Proyecciones

Espacios y Subespacios Lineales

Un espacio lineal consiste de un conjunto base, un campo escalar y una estructura
propia.
El campo escalar a considerar son los n
umeros
reales R, o los complejos C.
En general se denotar
a como F el campo escalar.

DEFINICION:
un espacio lineal sobre un campo escalar F , es un conjunto no vaco X y

1. Un mapeo de X X dentro de X, llamado

suma y escrito como x1 + x2.

2. Un mapeo de F X dentro de X, llamado

multiplicaci
on escalar y escrito como x.
3

La adici
on y multiplicaci
on deben satisfacer:

(A1) x1 + x2 = x2 + x1.
(A2) x1 + (x2 + x3) = (x1 + x2) + x3.
(A3) Existe un
unico elemento en X denotado
como 0 (origen), tal que 0 + x = x.
(A4) Asociado con cada x X, existe un
unico
punto x X tal que x + (x) = 0.
(SM1) (x) = ()x.
(SM2) 1x = x.
(SM3) 0x = 0.
(A & SM1) (x1 + x2) = x1 + x2.
(A & SM2) ( + )x = x + x.

, F y x, x1, x2, x3 X.

 Un subconjunto Y de un espacio lineal X se

dice subespacio lineal, si se satisfacen y1, y2, y
Y y F dos condiciones:
y1 + y2 Y .
y Y .
Ejemplo 1: los siguientes conjuntos son espacios lineales:
R y C,
Rn y Cn ,
lp con 1 p < , y
C[0, T ].
Ejemplo 2: tomar X = Lp[0, T ] con 1 p <
, como el conjunto de todas las funciones
definidas sobre [0, T ] tal que x X
Z T
0

|x(t)|pdt <

Todas las propiedades de un espacio lineal

se cumplen considerando que la igualdad se define como:
x=y

Z T
0

|x(t) y(t)|pdt = 0

X es un espacio con estructura lineal.

5

Ejemplo 3: considerar los subespacios lineales

en R2 y R3, los cuales se pueden definir por
S2 = {x R2 : x2 = mx1 m R
0}
S3 = {x R3 : x3 = m1x1+m2x2 m1, m2 R
0}

donde R
0 = R {0}.
S2 # rectas que cruzan el origen dentro del
plano.
S3 # planos que intersectan el origen. 
x

S2

S3
0

x
0

Transformaciones Lineales

DEFINICION:
una transformaci
on o mapeo L
de un espacio lineal X dentro de otro espacio
lineal Y , con el mismo campo escalar, se dice
transformaci
on lineal si:
(i) L(x) = L(x) x X y F ,
(ii) L(x1 + x2) = L(x1) + L(x2) x1, x2 X.
de otra manera se denomina transformaci
on
no-lineal.

DEFINICION:
el espacio nulo N (L) de una
transformaci
on lineal L : X 7 Y , es un subconjunto de X tal que
N (L) = {x X : L(x) = 0}.

N (L) es un subespacio lineal de X (N (L)

X).


DEFINICION:
el espacio rango R(L) de una
transformaci
on lineal L : X 7 Y , es un subconjunto de Y tal que
R(L) = {y Y : y = L(x) x X}.

R(L) es un subespacio lineal de Y (R(L)

Y ).

LEMMA: una transformaci

on L : X 7 Y , donde
X, Y son espacios lineales, es lineal
L(1x1 + + nxn) = 1L(x1) + + nL(xn)
x1, . . . , xn X, escalares 1, . . . , n y todo n
!!).
finito (PRINCIPIO DE SUPERPOSICION

Ejemplo 1: considerar el sistema masa-resorte

mostrado, sin fuerza externa aplicada f , el equilibrio o posici
on de reposo es x = 0.
Considerar que existe una fuerza de fricci
on viscosa con la superficie de deslizamiento, modelada por b dx/dt.
x
x
x
x
x
x
x
x
x
xxxxxxxxxxxxxxx
x
x
x
x
x
x
x

x(t)

xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

f(t)

resorte

resorte

Masa
m

Asumir que x(0) = 0 y (dx/dt)(0) = 0, el

sistema se modela aplicando la ley de Newton:
dx k
k
d2x
fexternas = f b
x x=m 2
dt
2
2
dt
9

 La ecuaci
on diferencial que obedece el sistema es
d2x
dx
m 2 +b
+ kx = f (t)
dt
dt
Tomar f C[0, ), entonces el desplazamiento x(t) se puede expresar como una convoluci
on
x(t) =
donde

Z t
0

h(t s)f (s)ds

h
i
1

t
1
2
h(t) =
e
e
m(1 2)

y 1, 2 son las races de ({i} < 0)

m2 + b + k = 0

Asumir que las races son reales y diferentes !!.

Definir entonces la transformaci
on L : C[0, ) 7
C[0, )
x(t) = L(f (t)) ,

Z t
0

h(t s)f (s)ds

L es lineal. (Qu
e pasa con L si existe fricci
on est
atica?)
10

Ejemplo 2: considerar X = L2(j, j) (j =

1) como el conjunto de todas las funciones

complejas que satisfacen:
1
|x(j)|2d <
2
Definir el mapeo L sobre L2(j, j) como
Z

y(j) = h(j)x(j) , L(x)

donde h(j) es una funci

on medible y acotada
para toda frecuencia, es decir
M > 0 s.t. |h(j)| < M

R(L) L2(j, j).

L es lineal.

11

Tarea # 7
Ejercicios 2,3,y 10 (p
aginas 164 y 165)

Ejercicios 4,7,y 8 (p
aginas 170 y 171)

Entrega: Diciembre/2007.

12

Transformaciones Inversas
TEOREMA: tomar L : X 7 Y como una
transformaci
on lineal sobre dos espacios lineales X y Y . Entonces la transformaci
on L
es uno-a-uno (inyectiva) el espacio nulo es
trivial, es decir, N (L) = {0}.
Demostraci
on: (a) (b) asumir que L es
uno-a-uno, y considerar que x N (L), como
L(x) = 0

&

L(0) = 0 (subespacio lineal)

Como L es uno-a-uno, entonces x = 0 y N (L) =

{0}.
(a) (b) asumir que N (L) = {0}. Tomar dos
puntos x1, x2 X, como L es lineal
L(x1) = L(x2) L(x1 x2) = 0
(x1 x2) N (L) = {0}
x1 = x2

L es uno-a-uno (inyectiva) .

13

TEOREMA: tomar L : X 7 Y como una

transformaci
on lineal invertible (biyectiva) de
X sobre Y , donde X y Y son espacios lineales
el mapeo inverso L1 : Y 7 X es lineal.
Demostraci
on: para cualquier x1, x2 X, considerar sus im
agenes y1 = L(x1) y y2 = L(x2)
donde y1, y2 Y , como L es lineal y L1L = IX
tenemos
L1(y1 + y2) = L1(L(x1) + L(x2))
= L1L(x1 +x2) = x1 +x2 = L1(y1)+L1(y2)
As L1 es lineal. 
Ejemplo: recordar el operador L definido como
y(j) = h(j)x(j) , L(x)

on
con X = L2(j, j) y h(j) una funci
continua y acotada.
14

 L es uno-a-uno, si y solo si, el conjunto

N = { : h(j) = 0}
tiene medida cero.
El operador L nace de aplicar la transformada
de Fourier a la ecuaci
on de convoluci
on
y(t) =

Z t
0

h(t s)x(s)ds

donde x, y L2(, ), h L1(, ) y

y(j) = F {y(t)}, x(j) = F {x(t)}
h(j) = F {h(t)}
con
F {x(t)} =

x(t)ejtdt

15

Isomorfismos

DEFINICION:
los espacios lineales X y Y sobre un campos escalar F se dicen isom
orficos,
si existe un mapeo lineal uno-a-uno T de X sobre Y (biyectivo). El mapeo T se denota como
un isomorfismo de X sobre Y .
El concepto de un isomorfismo entre dos espacios lineales es an
alogo al concepto de espacios isom
etricos en topologa.
Ejemplo 1: tomar X = R2, y Z como el espacio lineal conformado por todas las funciones
z definidas sobre [0, T ] de la forma
z(t) = a0 + a1t
umero reales arbitrarios.
donde a0 y a1 son n

X y Z son isom
orficos.
Un isomorfismo podra ser T1 : R2 7 Z
T1(x) = x1 + x2t,

"

x1
x=
x2

16

Mientras tanto, el mapeo inverso T11 : Z 7 R2

est
a dado por
T11(z) =

"

z(0)


dz 
dt t=0

Ejemplo 2: tomar X = l2(, ) (secuencias

infinitas con energa finita) y Z como el espacio lineal conformado por todas las funciones
complejas f (z) definidas sobre el circulo unitario tal que
dz
1
<
|f (z)|2
2i
z
Considerar el mapeo T
I

T : (. . . , x1, xo, x1, . . .) 7 f (z)

f (z) =

xnz n

n=

entonces T define un isomorfismo. La convergencia de la sumatoria se considera en t

ermino
de su promedio.
17

El mapeo T se conoce como Transformadaz bilateral, y tiene aplicaciones en procesamiento digital de se

nales y control digital.
La transformaci
on inversa est
a dada por
1
dz
1
k
xk = T (z) =
z f (z)
2i
z
donde k = . . . , 1, 0, 1, 2, . . .. 
I

Otros ejemplos son la Transformada de Laplace

y Fourier.

18

Indep. y Dependencia Lineal

DEFINICION:
tomar A como un conjunto en
un espacio lineal X. Un punto x X se dice una
combinaci
on lineal de puntos en A, si existe
un conjunto finito de puntos {x1, . . . , xn} en A
y un conjunto finito de escalares {1, . . . , n}
tal que
x = 1 x1 + . . . + n xn
Definir V (A) como el conjunto de todas las
combinaciones lineales finitas de A, es decir
V (A) = {x X|x = 1x1 + . . . + nxn,
xi A, i R}
V (A) es el subespacio engendrado por A
(span(A)).

19


DEFINICION:
un conjunto A en un espacio
lineal X se dice linealmente independiente,
si para cada punto x A, x NO ES una combinaci
on lineal de los puntos restantes en A,
es decir en A {x}. En otras palabras, x NO
ESTA en el subespacio lineal V (A {x}).

DEFINICION:
un conjunto A en un espacio
lineal X se dice linealmente dependiente, si
existe cuando menos un punto x A tal que x
es una combinaci
on lineal del conjunto A {x}.
TEOREMA: un conjunto A es un espacio lineal X es linealmente independiente para
cada subconjunto no vaco de A, sea {x1, . . . , xn},
el
unico arreglo de n-escalares que satisfacen
la ecuaci
on
1 x1 + 2 x2 + + n xn = 0
es la soluci
on trivial 1 = = n = 0.
20

Demostraci
on: Asumir que A es linealmente
independiente.
Tomar a {x1, . . . , xn} como una colecci
on distinta de puntos de A, asumir que la ecuaci
on
1 x1 + 2 x2 + + n xn = 0
tiene una soluci
on no-trivial para los escalares
1, . . . , n, estos es cuando menos uno de ellos
es diferente de cero.
Asumir que 1 6= 0 y definir i = i para
1
i = 2, . . . , n
x1 = 2 x2 + + n xn ,
on lineal de {x2, . . . , xn}.
As x1 es una combinaci

CONTRADICCION
!! Ya que A es linealmente independiente 1 = = n = 0.

21

 Asumir que solamente existe la soluci

on trivial para
1 x1 + 2 x2 + + n xn = 0
Si existe un punto x1 A que pueda ser escrito como una combinaci
on lineal en A {x1},
entonces se cumple
x1 = 2 x2 + + n xn ,
para unos determinado puntos {x2, . . . , xn} en
A donde xi 6= x1 2 i n.
Lo cual CONTRADICE el planteamiento original con 1 = 1, 2 = 2, . . . , n = n.
Entonces A es linealmente independiente. .
Ejemplo 1: tomar X = R3, y definir el conjunto
A como {x1, x2, x3} donde

x1 = 0 , x 2 = 1 , x 3 = 0 .

22

El conjunto A es linealmente independiente y

V (A) = R3. Para todo x = (a1, a2, a3) R3 ,
existe solo una forma de representar x de la
forma
x = a 1 x1 + a 2 x2 + a 3 x3


TEOREMA: tomar A como un conjunto novaco de un espacio lineal X. El conjunto A es
linealmente independiente para cada x
V (A) (x 6= 0), existe uno y solo un subconjunto
finito de A, decir {x1, . . . , xn}, y un arreglo de
n-componentes reales no-cero, decir a1 = =
an tal que
x = a 1 x1 + + a n xn ,

23

Ejemplo 2: tomar X = L2[0, T ] y considerar

las siguientes funciones v1(t), v2(t), v3(t), v4(t)
y v5(t) L2[0, T ]
v (t)

v (t)

T
2

T
2

-1

-1

v4 (t)

v (t)
3

T
2
0

3T
4

T
4

T
2

t
T

-1

-1

v (t)
5

1
0.5

t
T
2

-1

24

Si se definen los conjuntos

A1 = {v1(t), v2(t), v3(t), v4(t)}
A2 = {v1(t), v2(t), v3(t), v4(t), v5(t)}
A1 es linealmente independiente.
Sin embargo, A2 es linealmente dependiente
ya que
v5(t) =

1
v1(t) v3(t) + v4(t)
2


Ejemplo 3: tomar X = l2(, ). Considerar
Sr : X 7 X como el desplazamiento unitario a
la derecha en una secuencia infinita, y la composici
on del mapeo Sr n-veces como Srn.
Claramente Srn es invertible (Srn n desplazamientos a la izquierda) y Sr0 = I.

25

Tomar x X diferente de cero, y considerar el

conjunto Ax de todas las secuencias y X que
pueden expresarse como
y=

M
X

nSrnx,

n=N

donde N, M = . . . , 2, 1, 0, 1, 2, . . . y ns son
escalares.
Ax es un subespacio lineal de X, y es engendrado por el conjunto
. . . , Sr2x, Sr1x, x, Sr x, Sr2x, . . .

Se puede utilizar la transformada-z bilateral

para caracterizar Ax
T : (. . . , x1, xo, x1, . . .) 7

xk z k

k=

26

Si se analiza entonces el subespacio lineal T (Ax)

en el espacio Z, esto ser
a equivalente a caracterizar Ax en X.
Primero,
(

Entonces

M
X

n=N

T (Sr x) = z 1T (x)
T (Srnx) = z nT (x)

nSrnx =

M
X

n=N

nz n T (x)

Cada punto en el subespacio lineal T (Ax) de

Z es de la forma
p(z)T (x)

donde

p(z) =

M
X

n z n

n=N

En otras palabras, un punto en X esta en el

subespacio Ax su transformada-Z es de la
forma p(z)T (x).

27

Bases de Hamel y Dimensi

on

DEFINICION:
un conjunto B es un espacio
lineal X se dice una base de Hamel para X,
si (i) B es linealmente independiente, y (ii)
V (B) = X, esto es, el espacio engendrado por
B es X.
Ejemplo 1: en R2 un conjunto B que contenga
dos vectores no-colineales es una base de Hamel,
o un sistema de coordenadas para el plano. 
Ejemplo 2: considerar X como el conjunto de
todas las funciones continuas a pedazos, peri
odicas e integrables en su cuadrado. Asumir que
el periodo es T , entonces una base para X
est
a dada por
B = {1, sin(ot), cos(ot),
sin(2ot), cos(2ot), sin(3ot), cos(3ot) . . .}
donde o = 2
T .
28

 Cada x(t) X se puede expresar como

x(t) = ao +

n=1

{an cos(not) + bn sin(not)}

Serie de Fourier !! 
TEOREMA: Si un conjunto A es linealmente
independiente en un espacio lineal X, entonces
existe una base de Hamel B para X tal que
A B.
Ya que cada espacio lineal contiene al conjunto
vaco, y el conjunto vaco es linealmente independiente cada espacio lineal tiene una base
de Hamel.

29

TEOREMA: si B1 y B2 son dos bases de

Hamel para un espacio lineal X, entonces B1 y
umero cardinal, es decir,
B2 tienen el mismo n
ambos conjuntos tienen el mismo n
umero de
elementos.

DEFINICION:
el n
umero cardinal de cualquier
base de Hamel para un espacio lineal X se llama
la dimensi
on de X (dim(X)).
Si la dimensi
on de X es finita X es un espacio lineal de dimensi
on-finita.
De lo contrario X es un espacio lineal de
dimensi
on-infinita.
TEOREMA: tomar L : X 7 Y como una
transformaci
on lineal donde X y Y son espacios lineales. Entonces la dimensi
on de N (L),
R(L), y X est
an relacionadas de la siguiente
manera
dim{N (L)} + dim{R(L)} = dim{X}.
Este resultado es particularmente
util si X tiene
dimensi
on finita.
30

Ejemplo 1: considerar X = Rn y Y = Rm donde

m > n, y tomar el mapeo matricial
y = L(x) , Ax
por lo tanto si

A Rmn

r = dim{N (L)} < n

se deduce del teorema anterior que

dim{R(L)} = n r < m

Ejemplo 2: tomar la siguiente ecuaci

on diferencial definida sobre C 2[0, )

d2x
dx
+
3
+ 2x = 0
2
dt
dt
Si X define el conjunto de todas las soluciones
a la ecuaci
on diferencial, entonces X es un
subespacio lineal en C 2[0, ).
Definir el conjunto B = {x1, x2} donde x1(t) =
et y x2(t) = e2t entonces
V (B) = {x|x(t) = 1et + 2e2t 1, 2 R}
V (B) = X y dim(X) = 2. 
31

Equivalencia entre Transf. Lineales

Dos espacios lineales pueden ser vistos como
el mismo espacio lineal, si ambos son isom
orficos.
La misma idea puede aplicarse para transformaciones lineales.
Tomar L : X 7 Y y : 7 como transformaciones lineales.
Asumir que X y son isom
orficos, y que
tambi
en Y y lo son (por medio de los mapeos
U y W respectivamente).
L
X

Y
U -1

W -1

32

 Se pueden definir entonces dos mapeos de

X dentro de Y , denotados como L y L =
W 1U .
De manera similar y = W LU 1 son dos
mapeos de dentro de .
Ejemplo: tomar X = Y = L2(, ) y =
= L2(j, j), y definir el mapeo L : X
7
Y como
L(x)(t) =

Z t

e(t )x( )d

<t<

y : 7 como

1
x(j) < <
(x)(j) =
1 + i
Entonces la transformada de Fourier F es un
mapeo isom
orfico de L2(, ) sobre L2(j, j),
y de hecho
L = F 1F
= F LF 1
33


DEFINICION:
tomar X y como dos espacios lineales isom
orficos. La transformaci
on lineal L : X 7 X y : 7 se dice similar, si
existe un isomorfismo U : X 7 tal que
L = U 1U

&

= U LU 1

L
X

X
U -1

-1

Ejemplos: la transformada de Laplace y Fourier para funciones, y la transformada-z para secuencias.

34

Tarea # 8
Ejercicios 3 y 5 (p
agina 176)

Ejercicios 3 y 8 (p
aginas 181 y 182)

Ejercicios 5 y 10 (p
agina 187)

Ejercicio 2 (p
agina 195)

Entrega: Diciembre/2007

35

Suma Directa y Sumas

Asumir que X1 y X2 son espacios lineales
sobre el mismo campo escalar, estos se pueden
combinar para formar un nuevo espacio lineal
X1 X2 (suma directa de X1 y X2).
X1 X2 , {(x1, x2) : x1 X1 x2 X2}
Asumir ahora que X1 y X2 son subespacios
lineales de X, entonces se define la suma de
X1 y X2 como otro subespacio lineal de X
definido por
X1+X2 , {x X : x = x1+x2, x1 X1, x2 X2}
Se puede entonces observar que
(i)X1 X1 + X2 X2 X1 + X2
(ii)Si X1 X2 X1 + X2 = X2
(iii)X1 + X2 = span(X1 X2)
36

Ejemplo: considerar X = M (Rn, Rn) como el

espacio lineal formado por matrices con dimensiones Rnn. Definir los siguientes subespacios
lineales
X1 = {A Rnn : A = AT }
X2 = {A Rnn : A = AT }
X1
conjunto de matrices sim
etricas, y X2
conjunto de matrices anti-sim
etricas.

X = X 1 + X2
Ya que si A X, entonces

1
1
T
A = (A + A ) + (A AT ) , As + Aas
2
2
donde As X1 y Aas X2. 

DEFINICION:
si X1, X2 son subespacios lineales de X y se dicen disjuntos, entonces X1
X2 = {0}.
37


DEFINICION:
si X = X1 +X2, donde X1 y X2
son disjuntos, entonces se nombra a X2 como
el complemento algebraico de X1.
TEOREMA: tomar X1 como un subespacio
lineal de X, entonces X1 tiene un complemento
algebraico.
La dimensi
on del complemento algebraico de
on) es una
un subespacio lineal X1 (co-dimensi
propiedad de X1.
Al incrementarse la dimensi
on de X1, su codimensi
on disminuye.

38

Proyecciones
Considerar el plano X, con los subespacios
lineales unidimensionales M y N , donde M
N = {0} (disjuntos).

x1

N
x2

Cada x X puede escribirse como x = x1 +

x2 donde x1 M y x2 N .
Definir el mapeo lineal P : X 7 X tal que
P (x) = x1, es decir P proyecta el plano X
sobre el subespacio M a lo largo del subespacio
N (R(P ) = M y N (P ) = N ).
39


DEFINICION:
una transformaci
on lineal P de
un espacio lineal X dentro de si mismo se dice
proyecci
on, si P 2 = P .
TEOREMA: tomar a P como una proyecci
on
en el espacio lineal X, entonces su rango y el
espacio nulo (R(P ) y N (P )) son subespacios
lineales disjuntos de X tal que
X = R(P ) + N (P )
es decir, R(P ) y N (P ) y complementos algebraicos uno del otro.
Demostraci
on: para demostrar que R(P ) y
N (P ) son disjuntos, considerar que la intersecci
on no est
a vaca, es decir tomar x R(P )
N (P ), entonces y X tal que x = P (y) y
x = P (x) = P 2(y).
Ahora, como tambi
en x N (P ) se tiene que
P (x) = 0 o x = 0. En conclusi
on x = 0, por lo
tanto R(P ) N (P ) = {0}.
40

Para demostrar que X = R(P ) + N (P ), tomar

cualquier x X y aplicar la proyecci
on P para
obtener y = P (x) R(P ).
Definir z = x y, es decir x = z + y pero
P (z) = P (xy) = P (x)P (y) = P (x)P 2(x) = 0
y en conclusi
on z N (P ). 
Observar que si P es una proyecci
on I P
tambi
en lo es !!
R(I P ) = N (P )
N (I P ) = R(P )
Por lo que x X, x = x1 + x2 donde
x1 = P (x) , x2 = (I P )(x)
TEOREMA: tomar M y N como 2 subespacios lineales disjuntos de X, tal que X = M +N ,
entonces existe una proyecci
on P definida sobre X tal que R(P ) = M y N (P ) = N .
41

TEOREMA: tomar M como un subespacio

lineal de X, entonces existe una proyecci
on P
tal que R(P ) = M .
Ejemplo 1: tomar X(j) como la transformada de Fourier de la se
nal x(t), donde X(j)
on P (filL2(j, j). Definir la transformaci
tro pasa-bajos) que va de L2(j, j) dentro
de si mismo
P [X(j)] =

X(j) o o
0
|| > o

donde o > 0. Para demostrar que P es una

proyecci
on se deben comprobar 2 cosas: (i) P
es una transformaci
on lineal, y (ii) P 2 = P .
Tomar X(j) L2(j, j), entonces
Y (j) = P [X(j)] L2(j, j)
Ahora X1(j), X2(j) L2(j, j)
P [X1(j) + X2(j)] = P [X1(j)] + P [X2(j)]
Finalmente P [Y (j)] = P 2[X(j)] = P [X(j)].

42

Ejemplo 2: considerar X como el espacio lineal L2(, ), y para cada T > 0 definir la
transformaci
on PT : X 7 X
PT (x)(t) =

x(t) < t T
0
T <t<
x(t)

t
0
PT (x)(t)

t
0

PT cumple con las propiedades de una proyecci

on. Cu
al sera la definici
on del espacio nulo
de PT ?
A PT se le conoce como operador de truncaci
on en tiempo. 
43

Tarea # 9
Ejercicios 1,3 y 5 (p
agina 200)

Ejercicios 3,4 y 6 (p
aginas 2004)

Entrega: Diciembre/2007

44