En el cálculo se consideran la línea real R y las funciones de valor real R (o en un

subconjunto de R). Obviamente, cualquiera de estas funciones es un mapeo de su

dominio en R. En el análisis funcional consideramos espacios más generales, tales
como espacios métricos y espacios normados y las aplicaciones de estos espacios.

En el caso de espacios vectoriales y, en particular, espacios, normados, un mapeo se

llama un operador.

De especial interés son los operadores los que "preservan" las dos operaciones
algebraicas de espacio vectorial, en el sentido de la definición siguiente.

Un operador lineal T es un operador tal

que

(i) El dominio de T es un espacio vectorial y el rango se

encuentra en un espacio vectorial sobre el mismo campo,

(ii) Para todo

Observe la notación; escribimos en lugar de ; esta simplificación es estándar

en el análisis funcional. Para el resto del libro, utilizaremos las siguientes notaciones.

Por definición, el espacio nulo de T es el conjunto de todos tal que

(Otra palabra para el espacio nulo es el «núcleo». No adoptaremos este término ya
que debemos reservar la palabra «núcleo» para otro fin en la teoría de ecuaciones
integrales.)
También debemos decir algo sobre el uso de flechas con respecto a los operadores.
Sea y , donde X e Y son espacios vectoriales, reales o
complejos. Entonces T es un operador (o mapeo de) sobre , se escribe

O de en Y, se escribe

Si es todo el espacio X, entonces y sólo entonces escribimos

Claramente, (1) es equivalente a

Tomando en (1) obtenemos la siguiente fórmula que vamos a necesitar muchas

veces en nuestra futura labor:

Fórmula (1) expresa el hecho de que un operador lineal T es un homomorfismo de un

espacio vectorial (su dominio) en otro espacio vectorial, es decir, T conserva las dos
operaciones de espacio vectorial, en el siguiente sentido. En (1) a la izquierda en
primer lugar aplicamos una operación de espacio vectorial (suma o multiplicación por
escalares) y luego asignar el vector resultante en Y, mientras que a la derecha
primero nos mapea 𝒙 e 𝒚 en 𝒀 y luego se realiza las operaciones de espacio vectorial
en 𝒀, el resultado es el mismo. Esta propiedad hace que los operadores lineales
importantes. A su vez, los espacios vectoriales son importantes en el análisis
funcional, principalmente a causa de los operadores lineales definidos en ellos.
Consideraremos ahora algunos ejemplos básicos de los operadores lineales e invitar
al lector a comprobar la linealidad del operador en cada caso.

El operador identidad está definido por

para todo . También escribimos simplemente

Sea X el espacio vectorial de todos los polinomios en .

Podemos definir un operador lineal T sobre X estableciendo

Para todo , donde el primero denota la diferenciación con respecto a t. Este

operador T mapea X sobre sí mismo.

Un operador lineal T de en sí mismo puede ser

definido por

Otro operador lineal de en sí mismo está definido

por

T juega un papel en la física (la teoría cuántica), como veremos en el Cap. 11.
 El producto cruz con un factor fijo define un
operador lineal . Del mismo modo, el producto escalar con un factor
fijo define un operador lineal , así

Donde

Una matriz real con r filas y n columnas define un operador

por medio de

Donde tiene n componentes y tiene r componentes y ambos

vectores se escriben como vectores columna debido a la convención habitual de
multiplicación de matrices; escribiendo tenemos

T es lineal porque la multiplicación de matrices es una operación lineal. Si A fuese

complejo, definiría un operador linear de Una discusión detallada de la
función de matrices en relación con operadores lineales sigue en la Sec. 2.9.

En estos ejemplos podemos comprobar fácilmente que los rangos y los espacios nulos
de los operadores lineales son espacios vectoriales. Este hecho es típico.
Demostremos esto, observando cómo la linealidad se utiliza en simples pruebas. El
teorema tendrá diversas aplicaciones en nuestra futura labor.
 Sea T un operador lineal. Entonces:

(a). Tomamos cualquier y mostramos que

para cualquier escalares Ya que tenemos
para algunos y porque es un espacio vectorial.
La linealidad de los cuerpos (yiels) de T

Por lo tanto Ya que fueron arbitrarios y también los

escalares, esto prueba que es un espacio vectorial.

(b). Elegimos elementos de en forma arbitraria. Entonces

tenemos para algunos en . Ya que
este conjunto deben ser linealmente dependiente. Por
lo tanto

para algunos escalares no todos cero. Como T es lineal y la

aplicación de T en ambos lados da

Esto muestra que es un conjunto linealmente dependiente porque los

no son todos cero. Recordando que este subconjunto de fue elegido de
manera arbitraria, concluimos que no tiene subconjuntos linealmente
independientes de o más elementos. Por la definición esto significa que
(c). Tomamos cualquier Entonces Como T es lineal,
para cualquier escalares tenemos

Esto muestra que Por lo tanto es un espacio vectorial. Una

consecuencia inmediata de la parte (b) de la prueba cabe destacar:

Los operadores lineales conservan dependencia lineal.

Pasemos a la inversa de un operador lineal. En primer lugar, recordemos que un

mapeo se dice que es inyectivo o uno-a-uno si diferentes puntos en el
dominio tienen diferentes imágenes, es decir, si para cualquier

equivalentemente,

En este caso existe la asignación de

que mapea cada sobre para cualquier Ver Fig. 20. El

mapeo es llamado la inversa de T.
A partir de (5) tenemos claramente

Con respecto a los operadores lineales en espacios vectoriales la situación es la

siguiente. El inverso de un operador lineal existe si y sólo si el espacio nulo del
operador consiste solamente en el cero vector. Más precisamente, se tiene el
siguiente criterio útil que vamos a aplicar con bastante frecuencia.

Sean X, Y dos espacios vectoriales, tanto

reales o ambos complejos. Sea un operador lineal con dominio
y rango Entonces:

(a) La inversa existe si y sólo si

(b) Si existe, este es un operador lineal.

(c) Si y existe, entonces

Prueba. (a). Suponga que implica que Sea Como T es

lineal,
así que por la hipótesis. Por lo tanto implica y
existe por (4 *) con y (3) obtenemos

(b). Asumimos que existe y se demuestra que es lineal. El dominio de es

y es un espacio vectorial por el teorema 2,6-9 (a). Consideramos cualquier
y sus imágenes

entonces

T es lineal, de modo que para cualesquier escalares 𝜶 y 𝜷 tenemos

Ya que esto implica

Y se prueba que es lineal.

(c). Tenemos por el teorema 2,6-9 (b), y

por el mismo teorema aplicado a .
Finalmente mencionamos Una Fórmula Útil para la Inversa de la Composición de
Operadores lineales. (El lector puede quizás conocer esta fórmula para el caso de las
matrices cuadradas).

Sea y son operadores

lineales biyectivos, donde son espacios vectoriales (ver Fig. 21). Entonces
la inversa del producto (compuesto) existe, y

Prueba. El operador es biyectiva, de modo que existe. Así

pues, tenemos

donde es el operador de identidad en Z. Aplicando y usando (El

operador identidad en Y), obtenemos

Aplicando y usando obtenemos el resultado deseado

Esto completa la demostración.

El lector puede haber notado que en toda la última sección no hacemos ningún uso de
normas. Debemos ahora volver a tener en cuenta las normas, con la siguiente
definición básica.

Sea X y Y espacios normados y

un operador lineal, donde El operador T se dice que está
acotado si existe un número real c tal que para todos

En (1) la norma de la izquierda está en Y, y la norma a la derecha está en X. Por

simplicidad hemos denotado ambas normas con el mismo símbolo sin peligro de
confusión. La distinción por subíndices parece innecesaria aquí.
Fórmula (1) muestra que un operador lineal acotado mapea conjuntos acotados en
sobre conjuntos acotados en Y. Esto motiva el término "operador acotado."

Advertencia. Tenga en cuenta que el uso actual de la palabra "Acotado" es diferente

de la de cálculo, donde una función acotada es una cuyo rango es un conjunto
acotado. Desafortunadamente, ambos términos son estándar. Pero hay poco peligro
de confusión.

¿Cuál es la c más pequeña posible tal que (1) todavía se cumple para todo
distinto de cero? [Podemos dejar de lado ya que para por (3),
Sec. 2.6.] Por división,
y esto muestra que c debe ser al menos tan grande como el supremo de la expresión
de la izquierda tomada sobre Por lo tanto la respuesta a nuestra pregunta
es que la más pequeña posible c en (1) es el supremo. Esta cantidad se designa por
; así

es llamada la norma del operador T. Si , definimos ; en este

caso (relativamente sin interés), ya que por (3), Sec. 2.6.

Note que en (1) con es

Esta fórmula se aplica con bastante frecuencia.

Por supuesto, hay que justificar el uso del término "norma" en el contexto actual.
Esto se realizará en el siguiente lema.

Sea T un operador lineal acotado como se define en 2.7-1.

Entonces:

Prueba. (a) Escribimos y establecer Entonces

, y puesto que T es lineal, (2) da

Escribiendo x por y en la derecha, tenemos (4).

(b) (N1) es obvia, y también lo es A partir de tenemos

Por lo tanto (N2) se tiene. Además, (N3) se
obtiene a partir

donde Finalmente, (N4) se sigue de

aquí,

Antes de considerar las propiedades generales de los operadores lineales acotados,

vamos a echar un vistazo a algunos ejemplos típicos, para que podamos obtener una
mejor sensación para el concepto de un operador lineal acotado.
 Sea X el espacio normado de todos los
polinomios en con la norma dada Un operador de
diferenciación T se define en X por

donde el primero denota la diferenciación con respecto a t. Este operador es lineal,

pero no acotado. De hecho, sea Entonces y

así que Ya que es arbitrario, esto muestra que no

existe un número fijo c tal que A partir de esto y (1) llegamos a la

conclusión de que T no está acotado.

Puesto que la diferenciación es una operación importante, nuestro resultado parece

indicar que los operadores no acotados son también de importancia práctica. Que son
más simples que los no acotados.

Podemos definir un operador integral

por

Aquí k es una función dada, que se llama el núcleo de T y se supone que es continua
en cuadrado cerrado en el Este operador es
lineal.

T es acotado.

Para probar esto, observamos en primer lugar que la continuidad de k en el cuadrado

cerrado implica que k es acotado, se dice donde es
un número real. Además,
Por lo tanto

El resultado es Esto es (1) con Por lo tanto T es acotado.

Una matriz real con r fijas y n columnas define un

operador por medio de

Donde son vectores de columna con n y r componentes,

respectivamente, y que utilizan la multiplicación de matrices, como en 2,6-8. En
términos de componentes, (5) se convierte en

T es lineal porque la multiplicación de matrices es una operación lineal.

T es acotado.

Para probar esto, lo primero que recordamos de 2.2-2 que la norma sobre está
dada por
de manera similar para De (5 ') y la desigualdad de Cauchy-Schwarz (11) en
la Sec. 1.2 obtenemos así

Tomando nota de que la suma doble en la última línea no depende de x, podemos

escribir nuestro resultado en la forma

Esto da (1) y completa la prueba de que T es acotado.

El papel de las matrices en relación con los operadores lineales se estudiará en una
sección separada (Sec. 2.9). La acotación es típica; se trata de una simplificación
esencial que siempre tenemos en el caso de dimensión finita, de la siguiente manera.

Si un espacio normado X es de dimensión

finita, entonces cada operador lineal sobre X es acotado.

Prueba. Sea una base para X. Tomamos cualquier

y considerar cualquier operador lineal T en X. Como T es lineal.

(Suma de 1 a n). Para la última suma aplicamos Lema 2.4-1 con
Entonces obtenemos

Juntos,

A partir de esto y (1), vemos que T es acotado.

Consideraremos ahora importantes propiedades generales de los operadores lineales

acotados.

Los operadores son aplicaciones, por lo que la definición de continuidad (de. 1.3-3) se
aplica a ellos. Es un hecho fundamental de que para un operador lineal, la continuidad
y acotación convierten en conceptos equivalentes. Los detalles son los siguientes.

Sea cualquier operador, no necesariamente lineal, donde y

X e Y son espacios normados. Por Def. 1,3-3, el operador T es continuo en un
si para cada existe un tal que

T es continuo si T es continua en cada

Ahora, si T es lineal, tenemos el notable teorema:

 Sea un operador
lineal, donde y X e Y son espacios normados. Entonces:

Prueba. (a) Para la afirmación es trivial. Sea Entonces

Suponemos T acotado y consideramos cualquier . Dado cualquier .
Entonces, como T es lineal, para cualquier tal que

obtenemos

Ya que fue arbitraria, esto demuestra que T es continua.

Por el contrario, se supone que T es continua en arbitrario. Entonces,

dado cualquier existe un tal que

Ahora tomamos cualquier y se establece

Por lo tanto , de manera que podemos utilizar (6). Como T es lineal,
tenemos

Advertencia. Por desgracia, los operadores lineales continuos son llamados "operadores lineales" por
algunos autores. No vamos a adoptar esta terminología; de hecho, existen operadores lineales de
importancia práctica que no son continuos. Un primer ejemplo se da en 2,7-5 y más operadores de ese
tipo serán considerados en los capítulos. 10 y 11.

y (6) implica

Esto se puede escribir donde y muestra que T es acotado.

(b) La continuidad de T en un punto implica la acotación de T en la segunda parte de

la prueba de (a), que a su vez implica la continuidad de T por (a).

Sea T un operador lineal acotado.

Entonces:

Prueba. (a) sigue del Teorema 2,7-9 (a) y 1,4 a-8 o directamente de (3), porque,
cuando
(b) Para cada existe una sucesión en tal que
Por lo tanto por la parte (a) de este corolario.
También fue arbitrario,
es cerrado.

Vale la pena señalar que el rango de un operador lineal acotado no puede ser
cerrado. Cf. Pro. 6.

El lector puede dar la simple prueba de otra fórmula útil, es decir,

válido para los operadores lineales acotados y

donde son espacios normados.

Los operadores son aplicaciones, y se han discutido algunos conceptos relacionados

con las aplicaciones, en particular el dominio, rango y el espacio nulo de un operador.
Dos conceptos adicionales (restricción y extensión) serán añadidos ahora. Podríamos
haber hecho esto antes, pero preferimos hacerlo aquí, donde podemos dar
inmediatamente una interesante aplicación (Teorema de 2,7 a 11, más adelante).
Comencemos por definir la igualdad de los operadores de la siguiente manera.

Dos operadores y son definidos para ser igual, se escribe

si tienen el mismo dominio y si para todo

La restricción de un operador a un subconjunto se

denota por

y es el operador definido por

Una extensión de T para un conjunto es un operador

Es decir, [Por lo tanto, es la restricción de para

Si es un subconjunto propio de M, entonces un T dado tiene muchas

extensiones. De interés práctico son generalmente aquellas extensiones que
conservan alguna propiedad básica, por ejemplo linealidad (si T pasa a ser lineal) o la
acotación (si se encuentra en un espacio normado y T es acotado). El siguiente
teorema importante es típico a este respecto. Se refiere a una extensión de un
operador lineal acotado T para la clausura del dominio tal que el operador es de
nuevo acotado y lineal, e incluso tiene la misma norma. Esto incluye el caso de una
extensión a partir de un conjunto denso en un espacio X normado a todo X. También
incluye el caso de una extensión de un espacio X normado a su completación (cf. 2,3-
2).

Sea

es un operador lineal acotado, donde se encuentra en un espacio X normado e

Y es un espacio de Banach. Entonces T tiene una extensión

donde es un operador lineal acotado de norma

Prueba. Consideramos que cualquier Por el teorema 1.4-6 (a) hay una
sucesión en tal que Como T es lineal y acotado, tenemos

Esto muestra que es de Cauchy porque converge. Por supuesto, Y es

completo, así que Converge, es decir,

Definimos por

Mostramos que esta definición es independiente de la elección particular de una

sucesión en convergiendo a x. Supongamos que y
Entonces donde es la sucesión

Por lo tanto converge por 2,7-10 (a), y las dos subsucesiones y de

deben tener el mismo límite. Esto prueba que se define de forma única a

cada

Claramente, es lineal y para cada , así que es una extensión de

T. Ahora usamos
Y sea define una función
continua (véase Sec. 2.2), así obtenemos

Por lo tanto es acotado y Por supuesto, porque la norma,

definida por un supremo, no puede disminuir en una extensión. Juntos tenemos

Un funcional es un operador cuyo rango se encuentra en la recta real R o en el plano

complejo C. Y el análisis funcional fue inicialmente el análisis de funcionales. Estos
últimos aparecen con tanta frecuencia que se utilizan notaciones especiales.
Denotamos funcionales por letras minúsculas el dominio de el
rango por y el valor de en un por , con paréntesis.

Funcionales son operadores, de modo que las definiciones anteriores se aplican.

Vamos a necesitar, en particular, las siguientes dos definiciones porque la mayoría de
los funcionales a considerar serán lineales y acotados.

Un funcional lineal es un operador lineal

con dominio en un espacio vectorial X y rango en el campo escalar K de X; así,

A funcional lineal acotado es

un operador lineal acotado (cf.. Def 2,7-1) con rango en el campo escalar del espacio
normado X en el que el dominio se encuentra en . Por tanto, existe un número
real c tal que para todo ,

Además, la norma de es [cf. (2) en la Sec. 2.7]

Fórmula (3) en la Sec. 2.7 ahora implica

y un caso especial del teorema 2.7-9 es

Un funcional lineal con

dominio en un espacio normado es continuo si y solo si es acotado.
 El producto punto familiar con un factor que mantiene fijo,
define un funcional por medio de

es lineal, es acotado, de hecho

Así que se sigue de (2b) si tomamos el supremo sobre todas las x de la

norma uno. Por otra parte, tomando y usando (3) obtenemos

Por lo tanto la norma de es

La integral definida es un número si lo consideramos para

una sola función, como lo hacemos en el cálculo la mayor parte del tiempo. Sin
embargo, la situación cambia por completo si se considera esa integral para todas las
funciones en un determinado espacio funcional. Entonces la integral se convierte en
un funcional en ese espacio, lo llaman . Como nos permiten elegir el espacio
cf. 2.2-5. Entonces se define por

es lineal. Probamos que es acotada y tiene norma

En efecto, escribiendo y recordando la norma de , obtenemos

Tomando el supremo sobre todos los x de norma 1, obtenemos Para

conseguir elegimos note que y usando (3):

Otro importante funcional en se obtiene si elegimos

un fijo y establecemos

En efecto, tenemos

y esto implica por (2). Por otra parte, para tenemos y obtener
a partir de (3)

Podemos obtener un funcional lineal en el espacio de Hilbert

(cf. 1.2-3) eligiendo un fijo y estableciendo
Donde Esta serie converge absolutamente y es acotada, ya que la
desigualdad de Cauchy-Schwarz (11) en la Sec. 1.2 dada (sumando de j de 1 a
infinito)

Es de fundamental importancia que el conjunto de todos los funcionales lineales

definidos en un espacio vectorial X pueden por sí mismos hacer en un espacio
vectorial. Este espacio se denota por X* y se llama el espacio dual algebraico de X.
Sus operaciones algebraicas de espacio vectorial se definen de una manera natural
como sigue. La suma de dos funcionales y es el funcional s cuyo valor en
cada es

el producto de un escalar y un funcional es el funcional cuyo valor en

es

Tenga en cuenta que esto concuerda con la forma habitual de añadir funciones y
multiplicarlas por constantes.

Podemos ir un paso más allá y considerar el dual algebraico de , cuyos

elementos son las funcionales lineales definidos en . Denotamos por y
lo llaman el segundo dual algebraico del espacio X.

¿Por qué consideramos ? El punto es que podemos obtener una relación

interesante e importante entre X y , como sigue. Elegimos las notaciones:
Podemos obtener un que es una funcional lineal definido en , eligiendo
un y estableciendo

El subíndice es un pequeño recordatorio de que conseguimos por el uso de un

determinado . El lector debe observar cuidadosamente que aquí es la variable
mientras que es fijo. Teniendo esto en cuenta, no debería tener dificultades para
entender nuestra consideración presente.

Esto se puede ver a partir de

Por lo tanto es un elemento de , por la definición de .

Para cada le corresponde un . Esto define una función o mapeo

es llamada la aplicación canónica de sobre .

es lineal ya que su dominio es un espacio vectorial y tenemos

 es también llamada la inmersión canónica de sobre . Para comprender y
motivar este término, en primer lugar explicamos el concepto de "isomorfismo", lo
cual es de interés general. En nuestro trabajo nos preocuparemos de varios espacios.
Común a todas ellos es que constan de un conjunto, lo llaman X, y una "estructura"
definida en X. Para un espacio métrico, esta es la métrica. Para un espacio vectorial,
las dos operaciones algebraicas forman la estructura. Y para un espacio normado la
estructura se compone de estas dos operaciones algebraicas y la norma.

Dados dos espacios y de la misma clase (por ejemplo, dos espacios vectoriales),
es de interés saber si y son "esencialmente idénticos", es decir, si difieren en
algo más por la naturaleza de sus puntos. Entonces podemos considerar y como
idénticos, como dos copias de un mismo espacio "abstracto" siempre que la
estructura sea el objeto principal de estudio, mientras que la naturaleza de los puntos
no importan. Esta situación se produce con bastante frecuencia. Se sugiere el
concepto de un isomorfismo. Por definición, este es una función o aplicación biyectiva
de en que conserva la estructura.

En consecuencia, un isomorfismo T de un espacio métrico en un espacio

métrico es una aplicación biyectiva que conserva distancia, es decir, para
todos

entonces se llama isomorfo con . Esto no es nada nuevo para nosotros, sino
simplemente otro nombre para una isometría biyectiva tal como se hizo en Def. 1.6-
1. Nueva es el siguiente.

Un isomorfismo T de un espacio vectorial sobre un espacio vectorial en el mismo

campo es una aplicación biyectiva que conserva las dos operaciones algebraicas de
espacio vectorial; así, para todo y escalares ,
es decir, es un operador lineal biyectivo. entonces se llama isomorfo
con ,y y son llamados espacios vectoriales isomorfos.

Isomorfismo de espacios normados son isomorfismos de espacios vectoriales que

también preservan las normas. Los detalles siguen en la Sec. 2.10 en el que
necesitamos este tipo de isomorfismos. En la actualidad podemos aplicar
isomorfismos de espacios vectoriales de la siguiente manera.

Si es isomorfo con un subespacio de un espacio vectorial Y, decimos que está

inmerso en Y. Por lo tanto está inmerso en , y es también llamada la
inmersión canónica de sobre .

Si es sobreyectivo (por tanto biyectivo), así que entonces se dice

que es algebraicamente reflexivo. Nosotros demostraremos en la siguiente sección
que si es de dimensión finita, entonces es algebraicamente reflexiva.

Una discusión similar con las normas y que conduce al concepto de reflexividad de un
espacio normado será presentado más adelante (en la Sec. 4,6), después del
desarrollo de herramientas adecuadas (en particular, el famoso teorema de Hahn-
Banach).
Espacios vectoriales de dimensión finita son más simples que los de dimensión
infinita, y es natural preguntarse qué implica esto con respecto a los operadores
lineales y funcionales definidos en tal espacio. Esta es la cuestión a considerar, y la
respuesta será aclarar el papel de las matrices (finitas) en relación con los operadores
lineales, así como la estructura del dual algebraico (Sec. 2.8) de un espacio
vectorial de dimensión finita

Operadores lineales en los espacios vectoriales de dimensión finita pueden ser

representados en términos de matrices, como se explica a continuación. De esta
manera, las matrices se hacen las herramientas más importantes para el estudio de
los operadores lineales en el caso de dimensión finita. Respecto a esto, es necesario
recordar también el teorema 2.7-8 para comprender el pleno significado de nuestra
consideración presente. Los detalles son los siguientes.

Sean y espacios vectoriales de dimensión finita sobre el mismo campo y

Un operador lineal. Elegimos una base para y una
base para con los vectores dispuestos en un orden definido que
mantenemos fijos. Entonces para cada tiene una única representación

Ya que es lineal, tiene la imagen

Como la representación (1) es única, tenemos nuestro primer resultado:

Ya que y etan en tienen representaciones únicas de la forma

Sustituyendo en (2) se obtiene

Ya que forman un conjunto linealmente independiente, donde los coeficientes de

cada de la izquierda y de la derecha deben ser el mismo, esto es,

Esto produce nuestro siguiente resultado:

Tenga en cuenta la posición inusual del índice de suma lo cual es

necesario con el fin de llegar a la posición habitual del índice de suma en (4).

Los coeficientes en (4) forman una matriz

Con filas y columnas. Si una base para y una base para son dadas,
cuando los elementos de y dispuestos en un orden determinado (que es
arbitrario, pero fijo), entonces la matriz se determina únicamente por el operador
lineal Decimos que la matriz representa el operador con respecto a esas
bases.

Mediante la introducción de los vectores columna podemos

escribir (4) en la notación de matriz:

del mismo modo, (3b) también puede ser escrita-en la notación de matriz

donde es el vector columna con componentes (que son en sí

mismos vectores) y es el vector columna con componentes y tenemos
que usar la transposición porque en sumamos sobre que es el
primer subíndice mientras que en (4) se suma sobre que es el segundo subíndice.
Nuestro estudio demuestra que un operador lineal determina una matriz única que
representa a con respecto a una base dada para y una base dada para donde
se supone que los vectores de cada una de las bases pueden ser dispuestos en un
orden fijo. Por el contrario, cualquier matriz con filas y columnas determina un
operador lineal que representa con respecto a determinadas bases para y

Pasemos ahora a las funcionales lineales en dónde y es

una base para como antes. Estos funcionales constituyen el espacio dual
algebraico de como sabemos por la sección anterior para cada funcional y
cada tenemos

donde

Y se determina de forma única por sus valores en los vectores de la base

Por el contrario cada de escalares determinan un funcional
lineal en por En particular, tomemos las

Por esto da funcionales, que denotamos por con valores

es decir tiene el valor 1 en la base vector y 0 en la vectores de la

base.

es llamado se llama la base dual de la base

para Esto es justificado por el siguiente teorema.

Sea un espacio vectorial de dimensión y

una base para Entonces dada por es una
base para el dual algebraico de y

Demostración.

es un conjunto linealmente independiente desde

con da
Para que toda la en son cero. Se demuestra que cada se puede
representar como una combinación lineal de los elementos de de una manera
única. Nosotros escribimos como en

junto con

De ahí la representación única del funcional lineal arbitraria en en términos de

funcionales

Para preparar una interesante aplicación de este teorema, probaremos primero el

siguiente lema. (Un lema similar para espacios arbitrarios normados se dará más
adelante, en 4.3-4).

Sea un espacio vectorial de dimensión finita. Si

tiene la propiedad que entonces

Demostración

Sea una base para y Entonces (5) se convierte en

Por supuesto esta es cero para todos los es decir, para cada elección de
Por lo tanto todo debe ser cero.

Con este lema, ahora podemos obtener.

Un espacio vectorial de dimensión finita es

algebraicamente reflexivo.

Demostración

La aplicación canónica considerada en la sección anterior es lineal.

significa que para todos tenemos

por la definición de . Esto implica que por el lema 2.9-2 Por lo tanto, a
partir del teorema 2,6-10 se deduce que la aplicación de tiene una relación inversa
dónde es el rango de También tenemos

por el mismo teorema. Ahora, según el teorema 2.9-1,

junto con Por lo tanto siempre que es un

espacio vectorial y un subespacio adecuado de tiene dimensión
inferior a por el teorema 2.1-8. Por la definición, esto demuestra la
reflexividad algebraica.