Вы находитесь на странице: 1из 5

Transformaciones Lineales y Espacio Dual

Juan Pablo De Rasis

22 de abril de 2018

El presente artículo tiene como objetivo la exposición de soluciones a problemas


de Álgebra Lineal concernientes a transformaciones lineales y espacio dual, con vistas
a desarrollar e interiorizar ideas que resultan útiles a la hora de encarar ejercicios
complejos. Pensaremos y resolveremos problemas obtenidos de exámenes parciales y
finales tomados en la materia de Álgebra Lineal en el Departamento de Matemática de
la Universidad de Buenos Aires, como así también algunos problemas de olimpíadas
universitarias.

1 Transformaciones Lineales
Sean m y n dos números naturales y sea K un cuerpo. Dados dos K-espacios vectoriales
V y W de dimensiones n y m respectivamente, fijando una base B de V y una base B 0
de W tenemos un isomorfismo lineal HomK (V, W ) → K m×n dado por f 7→ |f |BB 0 . Esta
identificación entre matrices y transformaciones lineales nos permite traducir problemas ma-
triciales en problemas de transformaciones lineales, y viceversa. Esta idea puede explotarse
para resolver problemas como el siguiente.

Ejemplo 1.1 (De parcial) Sea n ∈ N y K un cuerpo. Se tienen dos matrices A y B en


K n×n tales que AB = 0. Demostrar que rg (A) + rg (B) ≤ n.

Solución. Sea fA : K n → K n la transformación lineal dada por fA (v) = Av para todo


v ∈ K n . Análogamente, sea fB : K n → K n la transformación lineal dada por fB (v) = Bv
para todo v ∈ K n .
Como AB = 0, para todo v ∈ K n se tiene fA (fB (v)) = fA (Bv) = ABv = 0v = 0. Esto
nos permite concluir que Im (fB ) ⊆ Nu (fA ). Por lo tanto dim (Im (fB )) ≤ dim (Nu (fA )).
Por el Teorema de la Dimensión se tiene dim (Nu (fA )) = n − dim (Im (fA )), con lo cual

dim (Im (fB )) ≤ n − dim (Im (fA )) ⇐⇒ dim (Im (fA )) + dim (Im (fB )) ≤ n

Pero esto es exactamente lo que queríamos probar, ya que la dimensión de la imagen de


una transformación lineal coincide con el rango de su matriz asociada. 

Esta idea puede extenderse para obtener un resultado más general, conocido como la
desigualdad de Sylvester.

Ejemplo 1.2 (De final) Sean m, n, ` ∈ N y K un cuerpo. Sean A ∈ K m×n y B ∈ K n×` .


Demostrar que rg (A) + rg (B) ≤ n + rg (AB).

Solución. Sea fA : K n → K m la transformación lineal dada por fA (v) = Av para todo


v ∈ K n . Análogamente, sea fB : K ` → K n la transformación lineal dada por fB (w) = Bw
para todo w ∈ K ` . Entonces fA ◦ fB : K ` → K m es la transformación lineal cuya matriz
asociada es AB ∈ K m×` .

1
n
B := fB |Nu(fA ◦fB ) : Nu (fA ◦ fB ) → K , es decir, fB es la restricción de fB
Definimos fc c
al subespacio Nu (fA ◦ fB ).
Afirmamos que Im(fc B ) ⊆ Nu (fA ). En efecto, dado x ∈ Im(fB ), se tiene que x = Bv
c
para algún v ∈ Nu (fA ◦ fB ), luego
  ABv = Ax, de donde x ∈ Nu (fA ). Tomando
0 =
dimensión, obtenemos que dim Im(fB ) ≤ dim (Nu (fA )).
c

Afirmarmos también que Nu(fc B ) ⊆ Nu (fB ). En efecto,


 si y ∈ Nu(fc B ), entonces
0 = fB (y) = By, de donde y ∈ Nu (fB ). Así, dim Nu(fB ) ≤ dim (Nu (fB )).
c c

Aplicando el Teorema de la Dimensión a la función fc


B , se tiene que
   
dim (Nu (fA ◦ fB )) = dim Im(fc
B ) + dim Nu(fB ) ≤ dim (Nu (fA )) + dim (Nu (fB ))
c

Concluimos que dim (Nu (fA ◦ fB )) ≤ dim (Nu (fA )) + dim (Nu (fB )). Usando ahora el
Teorema de la Dimensión en las funciones fA ◦ fB , fA y fB obtenemos

` − rg (AB) ≤ (n − rg (A)) + (` − rg (B))

rg (A) + rg (B) ≤ n + rg (AB)


que es lo que queríamos demostrar. 

Para finalizar con Transformaciones Lineales, resolveremos un desafiante ejercicio tomado


de una olimpíada universitaria. Antes demostraremos un lema algebraico.
n X
X i n X
X n
Lema 1.3 Sea n ∈ N. Entonces aij = aij .
i=1 j=1 j=1 i=j

Demostración. Sean

A := {(i, j) ∈ N × N : 1 ≤ i ≤ n ∧ 1 ≤ j ≤ i}

B := {(i, j) ∈ N × N : 1 ≤ j ≤ n ∧ j ≤ i ≤ n}
Afirmamos que A = B.
En efecto, dado (i, j) ∈ A, se tiene 1 ≤ j ≤ i y i ≤ n, de donde 1 ≤ j ≤ i ≤ n. Por
consiguiente 1 ≤ j ≤ n y j ≤ i ≤ n, luego (i, j) ∈ B. Concluimos que A ⊆ B.
Recíprocamente, dado (i, j) ∈ B, se tiene 1 ≤ j y j ≤ i ≤ n, de donde 1 ≤ j ≤ i ≤ n.
Por consiguiente 1 ≤ i ≤ n y 1 ≤ j ≤ i, de donde (i, j) ∈ A y por lo tanto B ⊆ A.
De esta forma,
n X
X i X X n X
X n
aij = aij = aij = aij
i=1 j=1 (i,j)∈A (i,j)∈B j=1 i=j

como queríamos. 

Ejemplo 1.4 (Problema 2 de la I Olimpíada Colombiana de Matemática Universitaria).


Sea K un cuerpo y V un K-espacio vectorial. Sea A = {xn : n ∈ N} ⊆ V un subconjunto
de V tal que x1 6= 0 y tal que existe una transformación lineal ϕ : V → V que satisface
i
X
ϕ (xi ) = xj
j=1

para todo i ∈ N. Demostrar que A es un conjunto linealmente independiente.

2
Solución. Demostraremos por inducción que para todo n ∈ N el conjunto
An := {xn : n ∈ [1, n] ∩ N} = {x1 , · · · , xn }
es linealmente independiente.
Para n = 1 se tiene que A1 = {x1 } es linealmente independiente, dado que x1 6= 0
por hipótesis. Supongamos que para un n ∈ N genérico el conjunto An es linealmente
independiente. Veamos que An+1 es linealmente independiente. Sean α1 , · · · , αn , αn+1 ∈ K
tales que
n+1
X
αi xi = 0
i=1
Queremos ver que αi = 0 para todo i ∈ [1, n + 1] ∩ N. Aplicando ϕ a la igualdad y usando
que ϕ (0) = 0, obtenemos
n+1
! n+1 n+1 i n+1 i
X X X X XX
0=ϕ αi xi = αi ϕ (xi ) = αi xj = αi xj
i=1 i=1 i=1 j=1 i=1 j=1

Usando el Lema 1.3 se tiene


   
n+1
X n+1
X n+1
X n+1
X n
X n+1
X
0= αi xj =  αi  xj = αn+1 xn+1 +  αi  xj
j=1 i=j j=1 i=j j=1 i=j

n+1
X n
X
Reescribiendo la igualdad αi xi = 0 como αn+1 xn+1 + αj xj = 0, podemos resumir
i=1 j=1
nuestros resultados en las siguientes dos igualdades:
n
X
αn+1 xn+1 + αj xj = 0
j=1
 
n
X n+1
X
αn+1 xn+1 +  αi  xj = 0
j=1 i=j

Restándole la primera igualdad a la segunda, vemos que el término αn+1 xn+1 se cancelará
y obtendremos
      
Xn n+1
X n
X Xn n+1
X n
X n+1
X
0=  αi  xj − αj xj =  αi  − αj  xj =  αi  xj
j=1 i=j j=1 j=1 i=j j=1 i=j+1

Por hipótesis inductiva el conjunto An es linealmente independiente, por lo tanto se tiene,


para cada j ∈ [1, n] ∩ N, que
n+1
X
αi = 0
i=j+1
Esto es un sistema homogéneo de ecuaciones lineales que está escalonado:

3
Pn+1Luego la única solución es la trivial, es decir, α2 = · · · = αn = αn+1 = 0. De la igualdad
i=1 αi xi = 0 surge α1 x1 = 0, y como x1 6= 0 entonces α1 = 0. Concluimos que An+1 es
linealmente independiente.
Hemos demostrado que para todo n ∈ N, el conjunto An = {x1 , · · · , xn } es linealmente
independiente. Queremos demostrar que A = {xn : n ∈ N} es linealmente independiente.
Esto ocurre si y solo si cada subconjunto finito de A es linealmente independiente. Y como
cada subconjunto finito de A está contenido en An para algún n ∈ N suficientemente grande,
entonces todo subconjunto finito de A es linealmente independiente. 

Dejaremos como ejercicio para el lector el siguiente ejercicio, que es una variante del
anterior, para poner en práctica las ideas utilizadas.

Ejemplo 1.5 (Problema 2 de la Olimpíada Iberoamericana Matemática Universitaria,


2009) Sea K un cuerpo y V un K-espacio vectorial. Sea A = {xn : n ∈ N} ⊆ V un
subconjunto de V tal que x1 6= 0 y tal que existe una transformación lineal ϕ : V → V que
satisface ϕ (x1 ) = x1 y ϕ (xk+1 ) = xk+1 − xk para todo k ∈ N. Demostrar que A es un
conjunto linealmente independiente.

2 Espacio dual
Definición 2.1 Para cada conjunto I y cada cuerpo K, definimos la función δ : I × I → K
como (
1, i = j
δij =
0, i 6= j
donde notamos δij := δ (i, j). Esta función recibe el nombre de función delta de Kronecker.

La función delta de Kronecker sirve para dar una buena caracterización de las matrices
canónicas en K n×n . En efecto, si E pq es una de las matrices canónicas definidas, se tiene
(E pq )ij = δpi δjq . Además, la regla de multiplicación de matrices canónicas toma la siguiente
forma: E pi E jq = δij E pq .
Sabemos que dado n ∈ N, un cuerpo K y un K-espacio vectorial V n-dimensional,
entonces dada una base B = {v1 , · · · , vn } de V , tomando para todo i ∈ [1, n] ∩ N la
transformación lineal ϕi : V → K definida en B como ϕi (vj ) = δij para cada j ∈ [1, n] ∩ N,
se tiene que {ϕ1 , · · · , ϕn } es una base de V ∗ .
Es natural preguntarse si este resultado puede extenderse a dimensión infinita. Dado
un K-espacio vectorial V de dimensión infinita, y fijada una base B = {vi : i ∈ I} de V ,
entonces para todo i ∈ I podemos definir ϕi ∈ V ∗ en B como ϕi (vj ) = δij para cada j ∈ I.
Esto es, ϕi (vj ) = 0 si i 6= j, y ϕi (vi ) = 1. ¿Es {ϕi : i ∈ I} una base de V ∗ ? El siguiente
ejercicio responde esta interrogante.

Ejemplo 2.2 (De final) Sea K un cuerpo y sea V un K-espacio vectorial de dimensión
infinita. Sea B = {vi : i ∈ I} una base de V . Para cada i ∈ I definimos la transformación
lineal ϕi : V → K tal que ϕi (vj ) = δij para todo j ∈ I. Demostrar que {ϕi : i ∈ I} no es
una base de V ∗ .

Demostración. Supongamos que {ϕi : i ∈ I} es una base de V ∗ . Definimos la transformación


lineal ϕ ∈ V ∗ tal que ϕ (vi ) = 1 para todo i ∈ I. Entonces existe un subconjunto finito
F ⊆ I, y para cada i ∈ F un escalar αi , tales que
X
ϕ= αi ϕi
i∈F

4
Como V tiene dimensión infinita entonces I es un conjunto infinito. Como F es finito
entonces debe existir j ∈ I \ F . Evaluando en vj y observando que δij = 0 para todo i ∈ F
(pues j 6∈ F ) obtenemos
X X
1 = ϕ (vj ) = αi ϕi (vj ) = αi δij = 0
i∈F i∈F

lo cual es imposible. 

Para concluir con el artículo, resolveremos un último ejercicio, donde aprovecharemos la


relación entre la dimensión de un subespacio con la dimensión de su anulador para calcular
una dimensión específica que, de otra forma, sería muy difícil de calcular.

Ejemplo 2.3 (De parcial) Sea K un cuerpo y n ∈ N. Hallar la dimensión del subespacio
de K n×n generado por el conjunto {AB − BA : A, B ∈ K n×n }.

Solución. Sea S el subespacio de K n×n generado por el conjunto {AB − BA : A, B ∈ K n×n }.


Buscaremos el anulador de S.
Observemos que ϕ ∈ S ◦ si y solo si ϕ se anula en un conjunto de generadores de S.
Luego, podemos concluir que ϕ ∈ S ◦ si y solo si ϕ (AB − BA) = 0 para todo par de
matrices A y B de K n×n . Esto equivale a decir que ϕ (AB) = ϕ (BA) para todo par de
matrices A y B de K n×n .
Sea ϕ ∈ S ◦ . En particular se tiene ϕ E pi E jq = ϕ E jq E pi para todo arreglo de
 

números naturales i, j, p, q entre 1 y n.


Usando la linealidad de ϕ y las identidades E pi E jq = δij E pq y E jq E pi = δqp E ji ,
obtenemos δij ϕ (E pq ) = δqp ϕ E ji . Esto lo tenemos probado para cualquier arreglo de
números naturales i, j, p, q entre 1 y n.
En particular, tomando dos números naturales distintos cualesquiera p y q (siempre
entre 1 y n), y tomando i = j = 1, obtenemos ϕ (E pq ) = 0. Concluimos que ϕ se anula en
todas las matrices canónicas E pq con p 6= q.
Ahora, tomando p = q y i = j cualesquiera (números naturales entre 1 y n), obtenemos
ϕ (E pp ) = ϕ E ii . Concluimos que existe α ∈ K tal que ϕ Eii = α para todo i ∈ [1, n]∩N.


Podemos resumir nuestros resultados diciendo que ϕ E ij = δij α para todo arreglo i, j
de números naturales entre 1 y n.
Dada una matriz A = [aij ] ∈ K n×n arbitraria, expresándola como combinación lineal
de las matrices canónicas se tiene que
 
Xn X n n X
X n
ij 
aij ϕ E ij =

ϕ (A) = ϕ  aij E =
i=1 j=1 i=1 j=1

n X
X n n
X
= aij δij α = aii α = α Tr (A)
i=1 j=1 i=1

Concluimos que ϕ = α Tr. Como ϕ era un elemento arbitrario de S ◦ , entonces S ⊆ hTri.


La otra inclusión se sigue directamente de que Tr : K n×n → K es una transformación lineal
tal que Tr (AB) = Tr (BA) para todo par de matrices A y B de K n×n .
Luego, dim (S) = dim (K n×n ) − dim (S ◦ ) = n2 − 1.

Вам также может понравиться