Академический Документы
Профессиональный Документы
Культура Документы
22 de abril de 2018
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.
dim (Im (fB )) ≤ n − dim (Im (fA )) ⇐⇒ dim (Im (fA )) + dim (Im (fB )) ≤ n
Esta idea puede extenderse para obtener un resultado más general, conocido como la
desigualdad de Sylvester.
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
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
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.
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
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
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.
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 ∗ .
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.
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 }.
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