Subespacio invariante

En álgebra lineal, un subespacio invariante es un subespacio vectorial que contiene las transformadas de sus vectores, dada la aplicación lineal correspondiente.
Si se tienen un subespacio S y una aplicación f, de manera que las transformadas de los vectores de S a través de f pertenecen al mismo S, se dice que el subespacio S es f-invariante, o invariante por f.[1]
Definición
Sea un conjunto de vectores sobre el cual está definida una estructura de espacio vectorial. Dado un endomorfismo se dice que Plantilla:Definición En otras palabras, es un subespacio invariante si .[2]
Ejemplos
- Consideremos y f una aplicación lineal que rota un vector dado alrededor del eje z. Notemos que el plano xy (llamémoslo ) es un subespacio de .
Al rotar un vector cualquiera de este plano alrededor del eje z se obtiene otro vector en el mismo plano. Es decir que para todo se tiene que , o bien, si transformamos cualquier vector contenido en xy obtenemos otro vector también contenido en este plano. Por lo tanto, el plano S es f-invariante.
- El núcleo de una aplicación lineal f es un subespacio f-invariante.
- La imagen de una aplicación lineal también es un subespacio invariante frente la aplicación en cuestión.
- Consideremos ahora una aplicación lineal f con un vector propio v. El subespacio generado por v es un subespacio f-invariante.
- Dado un polinomio , el núcleo y la imagen de la aplicación resultante de aplicar a , y , son subespacios -invariantes.
- Vamos a un ejemplo más concreto, consideremos la transformación lineal definida como T(x)=A x donde entonces el subespacio generado por el vector (1,0,0) es un subespacio invariante frente a T, ya que el vector mencionado es un autovector de T (está asociado al autovalor 1, se ve que ).
- Generalizando el ejemplo anterior, dada la Forma canónica de Jordan de una transformación lineal, cada uno de los subespacios asociados a los bloques de Jordan son subespacios invariantes frente a la transformación en cuestión.
Simetrías
- Consideremos el plano R2 y la transformación lineal que a cada vector de dicho plano le asigna su reflexión respecto al eje y, es decir T(x,y)=(-x,y). El subespacio generado por el vector (1,0) es T-invariante, mientras que (1,1) no.
- Consideremos el plano R2 y la transformación lineal que a cada vector de dicho plano le asigna la reflexión respecto al origen de coordenadas, es decir T(x,y)=(-x,-y). Entonces todo subespacio de R2 es invariante frente a dicha reflexión.
Observación
Notemos que la palabra «invariante» puede generar confusión en el siguiente sentido: un subespacio puede ser invariante y sin embargo «variar» bajo la transformación en cuestión. Esto es posible dado que la condición para que el subespacio sea invariante es y no .
Descomposición en subespacios invariantes
Dado cualquier endomorfismo de un espacio vectorial , siempre se puede descomponer como suma directa de subespacios invariantes por . En esta sección veremos la demostración de ello.
Notemos en primer lugar que todo endomorfismo de tiene algún polinomio anulador. Por ejemplo, por el teorema de Cayley-Hamilton el polinomio característico de lo es. Además, hace falta tener en cuenta que para cualquier polinomio, es -invariante (está demostrado más arriba). Por último, necesitaremos utilizar que todo polinomio se puede descomponer en factores irreducibles y el teorema de Bézout aplicado a polinomios, que afirma que si es el máximo común divisor de dos polinomios , entonces existen polinomios tales que .
Con todo esto, ya podemos enunciar y demostrar el teorema importante: Plantilla:Demostración Como corolario de este teorema tenemos que se puede descomponer como suma directa de subespacios -invariantes, pues basta coger anulador de . El polinomio característico, por ejemplo, por el teorema de Cayley-Hamilton. Así, y, por el teorema anterior, y cada uno de esos núcleos es -invariante, por ser el núcleo de un polinomio aplicado a .