Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Por qu?
Gran parte de los modelos de sistemas con los que la Fsica describe la Naturaleza
estn denidos sobre espacios vectoriales. El motivo es su sencillez y versatilidad, que
proporciona interesantes propiedades que resultan muy tiles desde el punto de vista
operativo.
En este primer captulo recordaremos la denicin de espacio vectorial dedicando
especial atencin al caso de los espacios vectoriales complejos, que sern de gran
importancia en la modelizacin de sistemas en Mecnica Cuntica. Pasamos ahora a
resumir las deniciones y propiedades principales de los espacios vectoriales, que es el
principal objetivo de este captulo. Estamos particularmente interesados en el caso de
los espacios vectoriales construidos sobre nmeros complejos aunque veremos que es
un caso que no tiene apenas diferencias respecto a su anlogo real.
2. Nmeros complejos
2.1. Denicin de cuerpo numrico. Recordemos en primer lugar la denicin
de cuerpo de nmeros:
Denicin 1.1. Denominaremos cuerpo a todo conjunto K dotado de dos opera-
ciones, que denotaremos como + (suma) y (producto), que satisfacen las propiedades
que convierten al conjunto en un grupo abeliano con respecto a ellas, es decir:
son operaciones asociativas, es decir, dados tres elementos cualesquiera
1 , 2 , 3 K se cumple:
1 + (2 + 3 ) = (1 + 2 ) + 3 , 1 (2 3 ) = (1 2 ) 3 , (1)
existe un elemento neutro para cada operacin, es decir, existen en K un
elemento que denotaremos como 0 y otro que denotaremos como 1 que
satisfacen que:
0+=+0= 1=1= K (2)
las operaciones son conmutativas, es decir, para cualesquiera dos elementos
1 , 2 K, se cumple que:
1 + 2 = 2 + 1 1 2 = 2 1 (3)
para cualquier elemento K existe un elemento que representaremos por
tal que sumado a es igual al elemento cero (el elemento neutro para
la suma). Diremos que es el elemento opuesto de :
+ () = () + = 0. (4)
Para cualquier elemento excepto para el elemento cero, existir otro ele-
mento cuyo producto con es igual al elemento neutro de la operacin
producto, es decir:
1 = 1 = 1. (5)
Diremos que 1 es el elemento inverso de respecto a la operacin pro-
ducto.
Las dos operaciones estn adems relacionadas por la propiedad distributiva, es
decir, para cualesquiera tres elementos 1 , 2 , 3 K se cumple que
1 (2 + 3 ) = 1 2 + 1 3 (6)
En el caso de que consideremos un conjunto con una suma que forme un grupo
conmutativo, en la que el producto tenga unicamente la propiedad asociativa (es decir,
2. NMEROS COMPLEJOS 9
Fue tambin Euler quien introdujo la notacin i para representar la unidad imaginaria,
aunque fue Gauss quien populariz su uso.
Pero sin duda son los trabajos de Caspar Wessel (1745-1818), Jean-Robert Ar-
gand (1768-1822) y Karl Friedrich Gauss (1777-1855) los que conforman la poca
madura. Gauss acu el trmino nmero complejo para representar los objetos, y
comenz a usar la representacin
a + i b,
z C z = x + i y x, y R (9)
2. NMEROS COMPLEJOS 11
(13)
z1 z2 = (x1 x2 y1 y2 ) + i (x1 y2 + x2 y1 ) (14)
Existe una operacin caracterstica en el conjunto de los nmeros complejos,
que denominamos conjugacin compleja. Desde un punto de vista grco,
se reduce a la reexin del nmero complejo respecto al eje de abscisas.
En otras palabras,
z1
z2 B
c
y
z1 +z2
2
z1 z2
2 B
denen el mismo vector, como se puede vericar inmediatamente observando que
z1 + z2 z1 z2
v = z1 e1 + z2 e2 = v1 + v2 . (26)
2 2
Ejercicio 1.1. Probar que todas las bases de un espacio vectorial tienen el mismo
nmero de elementos.
4. Subespacios vectoriales
4.1. Denicin general. El concepto de subespacio vectorial en el caso com-
plejo es completamente anlogo al caso real. Decimos entonces:
Denicin 1.9. Sea V un espacio vectorial sobre K y consideremos un subcon-
junto W V . Decimos que W es un subespacio vectorial de V si es un espacio
vectorial (sobre K) en s mismo. En particular, esto se traduce en tres condiciones:
dados w1 , w2 W , entonces w1 + w2 W ,
dado w W y K, entonces w W ,
y nalmente, el vector 0 W .
Ejercicio 1.2. Probar que el subespacio (31) es un espacio real, para el caso
n = 2, con |z1 = (1, i ) y |z2 = (1, i ), utilizando la relacin 1:1 entre los vectores
de C2 , |z = (c1 , c2 ) = (a1 + i b1 , a2 + i b2 ) (con ci C, ai , bi R) y |r ( z) =
(a1 , b1 , a2 , b2 ) R4 .
4. SUBESPACIOS VECTORIALES 19
5. Denicin de endomorsmo
5.1. Denicin de aplicacin lineal. Consideremos un espacio vectorial V so-
bre el cuerpo K. Podemos pensar que est formado por los estados de un cierto siste-
ma fsico, aunque los conceptos que vamos a presentar son puramente matemticos
y tienen inters per se.
Denicin 1.12. Sean V1 , V2 dos espacios vectoriales sobre un cuerpo K. Diremos
que una aplicacin T : V1 V2 entre los conjuntos es una aplicacin lineal si se
verica que
T (1 v1 + 2 v2 ) = 1 T (v1 ) + 2 T (v2 ) 1 , 2 K v1 , v2 V1 (34)
Desde un punto de vista menos formal, podemos usar como regla: la imagen de una
combinacin lineal en V1 es la combinacin lineal de las imgenes en V2 .
Desde un punto de vista prctico estamos pues considerando aquellas transfor-
maciones que respetan la estructura que est identicando a nuestro conjunto, que
es la estructura de espacio vectorial.
Un tipo especial de aplicacin lineal va a ser aquella que tiene al mismo espacio
como conjunto inicial y nal de la aplicacin, es decir aquel en el que V 1 = V = V2 :
5. DEFINICIN DE ENDOMORFISMO 21
donde las componentes {v } son elementos del cuerpo K. Consideremos ahora que
j
conocemos los valores de la aplicacin T actuando sobre los elementos de dicha base,
es decir, conocemos los valores de
T |ej1 j
En ese caso, el valor que la aplicacin lineal T tome sobre el vector genrico v
ser:
T (v ) = T v j |ej1 = v j T |ej1
j j
As pues, conociendo el valor que toma T sobre los elementos de la base podemos
obtener el valor que toma sobre un vector genrico: basta con calcular la combinacin
lineal de esos valores usando los coecientes {v j } de la descomposicin de v respecto
a la base.
Si adems de la base considerada sobre V1 consideramos una base en el espacio
vectorial V2 {|ek2 }, podemos asociar a la aplicacin lineal una matriz que representar
de manera unvoca toda la transformacin. Consideremos as la imagen de un elemento
arbitrario de la base de V1 , T |ej1 . Al ser un elemento de V2 debe de poder escribirse
como combinacin lineal de los elementos de su base, dado que todos los elementos
24 1. ESPACIOS VECTORIALES COMPLEJOS Y SUS ENDOMOFISMOS
T (v ) = T v j |ej1 = v j T |ej1 = vj T kj |ek2
j j j k
Dado que para una misma base la descomposicin de un vector es nica, podemos
escribir:
wk = T kj v j ,
j
1 1
w1 T1 T 12 ... T 1n1 v
w 2 T 21 T 22 ... T 2n1 v2
w . = . ..
.. .. .
w n2 T n12 T n22 ... T nn21 v n1
T 11 T 12 ... T 1n1
T 21 T 22 ... T 2n1
..
.
T n12 T n22 ... n2
T n1
representa de forma unvoca a la aplicacin una vez que las dos bases han sido jadas.
En el caso en que la aplicacin lineal es un endomorsmo, debemos considerar
unicamente una base, y deniremos as:
6. MATRICES ASOCIADAS A ENDORMORFISMOS 25
Por tanto:
Lema 1.6. Los vectores {f |ej } forman un sistema generador de Im (f ).
Pero estos vectores son, precisamente, los que expresados en la base original
aparecen en las columnas de la matriz. Para vericarlo, basta vericar que si tomamos
las coordenadas de los elementos de la base (es decir, una entrada igual a uno, y
todas las dems iguales a cero), la expresin que obtenemos es precisamente la que
corresponde a las entradas de la columna correspondiente en la matriz.
Desde otro punto de vista, podemos pensar que aquellos endomorsmos para los
que tengamos un ncleo no nulo (esto es, corresponda a un subespacio vectorial de
dimensin mayor o igual que uno, al contener el vector 0 V y algn otro elemen-
to), tendrn asociado un conjunto imagen de dimensin menor que la dimensin de
V . Y recordemos que todo ello puede leerse a partir de las soluciones del sistema
de ecuaciones (47). Efectivamente, si esto ocurre, dada la matriz que representa al
endomorsmo en la base escogida, existe al menos una combinacin lineal entre los
n vectores que forman las las de la matriz que den como resultado el vector nulo.
Pero esto quiere decir que esos vectores no seran linealmente independientes, puesto
que una combinacin con coecientes no nulos sera igual al vector cero. Con esto
concluimos inmediatamente que:
Lema 1.7. La dimensin de Im (f ) coincide con el nmero de vectores la de la
matriz asociada que sean linealmente independientes.
En consecuencia, debe existir el mismo nmero de vectores la y de vectores
columna que sean linealmente independientes.
Pero es evidente tambin que
Lema 1.8. Sea f : V V un endomorsmo. Entonces,
dim Im (f ) + dim Ker (f ) = dim V (48)
Denicin 1.18. Llamaremos rango de una matriz T y denotaremos por Rank T
al nmero de vectores la o al nmero de vectores columna que son linealmente inde-
pendientes. Anlogamente, llamaremos ncleo de una matriz al subespacio generado
por las soluciones de la ecuacin (47). Ambos conceptos estn relacionados por la
expresin
Rank T + dim Ker T = dim V,
que re-escribe la ecuacin (48).
Ejercicio 1.8. Sea el endomorsmo denido sobre C3 en la forma:
A|e1 = 5|e1 + 6|e2 i |e3
A|e2 = 5|e1 + 6|e3
A|e3 = 0
Determinar la matriz del endomorsmo en esa base. Determinar tambin su ncleo y
su rango.
28 1. ESPACIOS VECTORIALES COMPLEJOS Y SUS ENDOMOFISMOS
6.3. Cambio de base y conjugacin. Hemos visto hasta ahora que la eleccin
de una base establece una relacin unvoca entre un endomorsmo y una matriz
cuadrada. Sin embargo, dado que en Fsica no hay una base privilegiada respecto a
otras, es natural preguntarse, qu ocurre cuando cambiamos de base? Hay alguna
relacin entre la matriz que est asociada al endomorsmo en una de ellas y la que
est asociada en la otra?
La respuesta es armativa y es sencilla de obtener empleando la linealidad del
endomorsmo. Consideremos entonces un endomorsmo f sobre un espacio vectorial
V , y dos bases {|vj }j=1,...,n y {|w }=1,...,n . Consideremos tambin la expresin de
cada uno de los elementos de una base respecto a la otra, es decir:
|w = C k |vk
k
o
|vj = S j |w .
La informacin de estas transformaciones queda pues codicada en dos matrices:
1 1
C 1 C 12 . . . C 1n S 1 S 12 . . . S 1n
C 21 C 22 . . . C 2n S 21 S 22 . . . S 2n
C= . .. .. .. S = .. .. .. .. (49)
.. . . . . . . .
C n1 C n2 . . . C nn S n1 S n2 . . . S nn
Evidentemente, ambas verican que
CS = SC = In .
Veamos ahora si podemos relacionar, usando estas matrices, las expresiones ma-
triciales del endomorsmo f en una u otra base. Si consideramos que:
f |vj = T kj |vk
k
y
f |w = U |w
Podemos usar la expresin de una base respecto a la otra y escribir:
f |vj = T kj |vk = S k T kj |w (50)
k k
por lo que sabemos que las coordenadas en una y otra base estn relacionadas como
xj = C j x (51)
Y con estas relaciones obtenemos:
T kj x j |vk
f |v = j,k
U x |w
7. EL ESPACIO VECTORIAL DE LOS ENDOMORFISMOS DE UN ESPACIO VECTORIAL 29
a11 a12 ... a1n
a21 pr imer a f ila 2a f ila
a22 ... a2n
nesima f ila
.. .. .. ..
{a 11 , . . . , a , a
1n 21 , . . . , a2n , . . . , a n1 , . . . , ann }
. . . .
an1 an2 ... ann
Si no consideramos ninguna restriccin sobre las matrices (como que sean si-
2
mtricas, o invertibles, etc) , nuestro conjunto es pues isomorfo al conjunto K n .
Denotaremos este conjunto como Mn (K)
Una vez determinado el conjunto, podemos pasar a considerar si podemos exten-
der al conjunto de matrices la operacin suma de vectores que sabemos que existe
2
sobre Kn . Efectivamente, es sencillo ver que dadas dos matrices, la operacin que
2
traduce al lenguaje de matrices la operacin suma de K n es:
a11 a12 ... a1n b11 b12 ... b1n a11 + b11 a12 + b12 ... a1n + b1n
a21 a22 ... a2n b21 b22 ... b2n a21 + b21 a22 + b22 ... a2n + b2n
. .. .. .. + .. .. .. .. = .. .. .. .. .
.. . . . . . . . . . . .
an1 an2 ... ann bn1 bn2 ... bnn an1 + bn1 an2 + bn2 ... ann + bnn
2
Con estas dos relaciones, y usando el hecho de que sobre K n sabemos que denen
una operacin de espacio vectorial, probamos que:
Lema 1.9. El conjunto de matrices Mn (K) tiene una estructura de espacio vec-
torial sobre el cuerpo K.
7. EL ESPACIO VECTORIAL DE LOS ENDOMORFISMOS DE UN ESPACIO VECTORIAL 31
Desde el punto de vista anterior es sencillo entender que la base cannica de este
espacio de matrices sea Eij , denida por la matriz:
j
0 ... 0 0 ... 0
.. .. .. .. .. ..
. . . . . . (55)
Eij = 0 . . . 1 0 . . . 0 i
. .. .. .. .. ..
.
. . . . . .
0 ... 0 0 ... 0
2
Estas matrices traducen directamente los elementos de la base cannica de K n a la
forma de matrices.
Ejercicio 1.9. Probar que el conjunto {Eij } con i , j = 1, . . . , n forman una base
de Mn (K).
Aunque no de forma directa se puede probar tambin usando el hecho de que son
estructuras isomorfas que:
Corolario 1.1. El conjunto de endomorsmos de un espacio vectorial V tiene
tambin estructura de espacio vectorial. Lo denotaremos como End(V ).
La justicacin rigurosa no la presentaremos pero s emplearemos en lo que sigue
el resultado.
7.2. Producto de matrices: estructura de lgebra. Aunque no forme parte de
la estructura de espacio vectorial, aprovecharemos aqu para implementar sobre este
conjunto la ley de composicin de endomorsmos que vimos en la seccin anterior.
Si consideramos la composicin de dos endomorsmos f1 : V V y f2 : V V ,
denimos el objeto f2 f1 : V V . Qu expresin adopta la matriz correspondiente?
Podemos escribir esa matriz en funcin de las matrices de f 1 y f2 ?
Supongamos entonces que T1 y T2 son las matrices correspondientes a los endo-
morsmos f1 y f2 respecto a una cierta base de V , {|e }. Sabemos que para determinar
la expresin de la matriz asociada al endomorsmo f2 f1 debemos escribir la imagen
de un elemento arbitrario de la base en funcin de esta misma. Por tanto buscamos
una matriz P que cumpla que:
f2 f1 (|ej ) = P l j |el .
l
Consideramos la accin de cada una de las aplicaciones de forma consecutiva y
la linealidad que asumimos que poseen:
k
f2 f1 (|ej ) = f2 (T1 ) j |ek .
k
Pero como f2 es lineal, podemos escribir:
k
f2 f1 (|ej ) = (T1 ) j f2 (|ek ) = (T2 )l k (T1 )kj |el .
k k l
Descubrimos entonces:
32 1. ESPACIOS VECTORIALES COMPLEJOS Y SUS ENDOMOFISMOS
7.3. La no existencia del inverso del producto. Una de las propiedades que
ms diferencia el producto de matrices del producto numrico usual es la conmutativi-
dad, a la que ya nos hemos referido. Pero uno no menos importante es la no existencia
de inverso para todas las matrices.
En efecto sabemos que en cualquier cuerpo todo elemento tiene asociado un
inverso para la operacin producto que pertenece al conjunto. Esto, sin embargo, no
es cierto en el caso de una matriz. Por ejemplo, la matriz 3 3 denida como
1 0 0
A = 0 1 0 ,
0 0 0
no tiene inverso. Es decir, no existe ninguna matriz B de dimensin tres que verique
AB = I3 .
Si pensamos en el endomorsmo como una aplicacin que transforma un espacio
vectorial V por la transformacin lineal:
V v w = Av V, (57)
7. EL ESPACIO VECTORIAL DE LOS ENDOMORFISMOS DE UN ESPACIO VECTORIAL 33
es sencillo entender que esta transformacin tendr un inverso solo en aquellos casos
en los que el rango de la matriz sea igual a la dimensin del espacio, o equivalente-
mente, en aquellos casos en los que el ncleo del endomorsmo se reduzca al vector
0:
Teorema 1.4. Un endomorsmo f : V V es invertible si y solo si Ker f = 0
Demostracin. Sabemos por el Lema 1.8 que la condicin de que el ncleo se
anule es equivalente a que el rango de la aplicacin f sea igual a la dimensin del
espacio. Pero si el ncleo se anula tambin sabemos que la aplicacin es inyectiva: a
elementos distintos les corresponden imgenes diferentes. Al cubrir todos las posibles
imgenes, sabemos que el endomorsmo dene una biyeccin a travs de (57). Por
tanto, la aplicacin es invertible.