El teorema rango-nulidad es un resultado fundamental del álgebra lineal que establece una relación precisa entre las dimensiones del núcleo y la imagen de una transformación lineal. Este teorema, también conocido como teorema de la dimensión, proporciona una herramienta esencial para analizar la estructura de los espacios vectoriales y las aplicaciones lineales entre ellos.

La importancia de este teorema radica en su capacidad para conectar conceptos clave como la independencia lineal, la generación de espacios y la solvabilidad de sistemas de ecuaciones lineales. Al relacionar la dimensión del dominio con las dimensiones del núcleo y la imagen, el teorema rango-nulidad permite determinar propiedades esenciales de las transformaciones lineales sin necesidad de calcular explícitamente todos los vectores involucrados.

Definición y concepto

El teorema rango-nulidad constituye uno de los pilares fundamentales del álgebra lineal, estableciendo una relación estructural precisa entre las dimensiones de los espacios vectoriales asociados a una transformación lineal. Este resultado matemático afirma que la dimensión del dominio de una transformación lineal es exactamente igual a la suma de su rango y su nulidad. Esta igualdad no es meramente aritmética, sino que revela cómo se distribuye la información del espacio de partida al ser mapeada hacia el espacio de llegada.

Definición formal y componentes

Para comprender la profundidad de este teorema, es necesario definir con rigor los términos que lo componen. En el contexto de una transformación lineal T que mapea un espacio vectorial V hacia un espacio vectorial W, el dominio de la transformación es el espacio V. La dimensión de este dominio representa el número total de grados de libertad o la cantidad mínima de vectores necesarios para generar todo el espacio V.

El rango de la transformación lineal se define como la dimensión de la imagen de T, denotada comúnmente como Im(T). La imagen es el conjunto de todos los vectores en el espacio de llegada W que son alcanzables a partir de al menos un vector en el dominio V. Por lo tanto, el rango mide la "extensión" o la dimensión del subespacio que ocupa la transformación dentro del espacio codominio.

Por otro lado, la nulidad de la transformación se define como la dimensión del núcleo de T, también conocido como el kernel o Ker(T). La nulidad, por tanto, cuantifica cuántos grados de libertad del espacio original se "pierden" o se colapsan en el punto cero durante la transformación.

Relación dimensional

La fórmula que encapsula el teorema rango-nulidad expresa esta relación de suma directa: dim(Im(T)) + dim(Ker(T)) = dim(V). Esta ecuación indica que la dimensión total del espacio de partida (V) se descompone en dos partes complementarias: la parte que se proyecta efectivamente en el espacio de llegada (el rango) y la parte que se contrae al vector cero (la nulidad). No hay superposición ni huecos en esta descomposición dimensional, lo que hace de este teorema una herramienta esencial para analizar la inyectividad y la sobreyectividad de las transformaciones lineales en espacios de dimensión finita.

Formulación matemática

La formulación matemática del teorema rango-nulidad se expresa mediante una ecuación fundamental que vincula las dimensiones de los espacios asociados a una transformación lineal. Sea T una transformación lineal definida entre dos espacios vectoriales, V y W. Para que el teorema se aplique directamente en su forma clásica, se requiere que la dimensión del espacio de dominio, V, sea finita. Bajo esta condición, la relación se establece como la suma de la dimensión de la imagen de T y la dimensión del núcleo de T, las cuales equivalen exactamente a la dimensión total de V.

Definición de términos

Es fundamental definir con precisión los componentes de la ecuación para evitar ambigüedades en su aplicación:

Expresión formal

La igualdad matemática que resume el teorema se presenta a continuación:

dim ( Im ( T ) ) + dim ( Ker ( T ) ) = dim ( V )

Esta fórmula indica que cada dimensión en el dominio V contribuye exclusivamente a una de dos posibilidades: o bien genera una dimensión independiente en la imagen (aumentando el rango), o bien se pierde en el núcleo (aumentando la nulidad). No hay superposición ni pérdida adicional de dimensión en el mapeo lineal cuando el dominio es finito. Esta relación es una herramienta central en el análisis de sistemas de ecuaciones lineales, ya que permite determinar la cantidad de soluciones libres (nulidad) una vez conocido el número de restricciones efectivas (rango) y el número total de variables (dimensión del dominio).

Demostración del teorema

La demostración del teorema rango-nulidad se fundamenta en las propiedades de las bases de espacios vectoriales y las definiciones de núcleo e imagen de una transformación lineal. El objetivo es establecer la relación entre la dimensión del dominio, la dimensión del núcleo y la dimensión de la imagen.

Construcción de la base extendida

Se inicia el proceso considerando una base del núcleo de la transformación lineal T, denotada como {u1,..., um}. Dado que el núcleo es un subespacio del dominio V, se puede extender esta base para formar una base completa de V. Esta extensión se realiza mediante el teorema de intercambio de Steinitz, lo que permite añadir vectores linealmente independientes al conjunto inicial. El resultado es una base de V compuesta por los vectores del núcleo y un conjunto adicional de vectores {w1,..., wn}, formando el conjunto {u1,..., um, w1,..., wn}.

Generación de la imagen

A continuación, se analiza cómo estos vectores se comportan bajo la transformación T. Los vectores w1,..., wn son fundamentales para caracterizar la imagen de T. Se demuestra que el conjunto {T(w1),..., T(wn)} genera la imagen de T. Esto significa que cualquier vector en la imagen puede expresarse como una combinación lineal de las imágenes de los vectores w. Esta propiedad surge directamente de la definición de la base extendida y las propiedades de linealidad de la transformación.

Independencia lineal y conclusión

Para completar la demostración, se verifica que el conjunto {T(w1),..., T(wn)} es linealmente independiente. Esta independencia asegura que no hay redundancia en la generación de la imagen, lo que permite establecer que la dimensión de la imagen es exactamente n. Dado que la base del núcleo tiene m vectores y la base extendida tiene m + n vectores en total, se concluye que la dimensión del dominio V es igual a m + n. Por lo tanto, se cumple la relación dim(Im(T)) + dim(Ker(T)) = dim(V), confirmando el teorema rango-nulidad.

¿Qué es el núcleo y la imagen de una transformación lineal?

Para comprender plenamente el teorema rango-nulidad, es fundamental definir con precisión los dos conceptos centrales que lo componen: el núcleo y la imagen de una transformación lineal. Estos dos conjuntos no son meras colecciones de vectores, sino estructuras algebraicas específicas que permiten descomponer el comportamiento de la transformación lineal T.

Definición y propiedades del núcleo (Ker T)

El núcleo de una transformación lineal T, denotado como Ker(T), se define como el conjunto de todos los vectores en el espacio vectorial de partida V que son mapeados por T al vector cero del espacio de llegada W. En términos formales, un vector v pertenece al núcleo si y solo si T(v) = 0_W. Este conjunto representa, por tanto, la "pérdida de información" o la compresión que opera la transformación sobre el espacio original, ya que todos estos vectores distintos pueden colapsar en un único punto: el origen del espacio imagen.

Una propiedad esencial del núcleo es que constituye un subespacio vectorial de V. Para verificar esto, se debe comprobar que el conjunto es cerrado bajo la suma de vectores y la multiplicación por escalar. Si dos vectores u y v pertenecen al núcleo, es decir, T(u) = 0 y T(v) = 0, entonces, por la linealidad de T, la imagen de su suma es T(u + v) = T(u) + T(v) = 0 + 0 = 0. Por lo tanto, la suma también pertenece al núcleo. De manera análoga, si v está en el núcleo y c es un escalar, T(cv) = cT(v) = c·0 = 0, lo que confirma que la multiplicación por escalar mantiene al vector dentro del núcleo. La dimensión de este subespacio se conoce como la nulidad de T.

Definición y propiedades de la imagen (Im T)

La imagen de una transformación lineal T, denotada como Im(T), se define como el conjunto de todos los vectores resultantes de aplicar T a cada uno de los vectores del espacio de partida V. Es decir, un vector w pertenece a la imagen si existe al menos un vector v en V tal que T(v) = w. La imagen representa, por tanto, el alcance efectivo de la transformación dentro del espacio de llegada W. Si la imagen abarca todo el espacio W, se dice que la transformación es sobreyectiva.

Al igual que el núcleo, la imagen es un subespacio vectorial, pero en este caso del espacio de llegada W. La demostración de su estructura de subespacio sigue un razonamiento similar basado en la linealidad. Si dos vectores w1 y w2 pertenecen a la imagen, existen vectores v1 y v2 en V tales que T(v1) = w1 y T(v2) = w2. La suma w1 + w2 puede expresarse como T(v1) + T(v2) = T(v1 + v2), lo que demuestra que la suma también está en la imagen. Del mismo modo, para cualquier escalar c, c·w1 = c·T(v1) = T(cv1), confirmando el cierre bajo la multiplicación por escalar.

Estas dos definiciones establecen la base estructural necesaria para aplicar la fórmula dim(Im(T)) + dim(Ker(T)) = dim(V), ya que el rango y la nulidad miden, respectivamente, la dimensión del subespacio imagen y la dimensión del subespacio núcleo, ambos derivados directamente de la acción lineal de T sobre V.

Aplicaciones en álgebra lineal

El teorema rango-nulidad constituye una herramienta fundamental para el análisis estructural de las transformaciones lineales en álgebra lineal. Su aplicación directa permite determinar propiedades esenciales de mapeo, como la inyectividad y la sobreyectividad, sin necesidad de examinar cada vector del dominio individualmente. Al establecer que la dimensión del dominio es igual a la suma de la dimensión de la imagen y la dimensión del núcleo, el teorema ofrece un mecanismo eficiente para deducir dimensiones desconocidas a partir de datos parciales. Esta relación algebraica simplifica el estudio de espacios vectoriales finitos y proporciona criterios claros para la clasificación de operadores lineales.

Determinación de la inyectividad

Una transformación lineal se considera inyectiva cuando distintos vectores del dominio se mapean a distintos vectores en el codominio. El teorema rango-nulidad permite verificar esta propiedad analizando la dimensión del núcleo. Si la dimensión del núcleo es cero, lo que implica que solo el vector nulo se mapea al vector nulo, la transformación es inyectiva. En términos del teorema, esto significa que la dimensión de la imagen debe ser igual a la dimensión total del dominio. Por lo tanto, al conocer el rango de la transformación y compararlo con la dimensión del dominio, se puede concluir si el núcleo es trivial. Esta deducción evita el cálculo explícito de todos los vectores del núcleo, optimizando el proceso de verificación en espacios de alta dimensión.

Evaluación de la sobreyectividad

La sobreyectividad de una transformación lineal indica que cada vector del codominio es imagen de al menos un vector del dominio. El teorema rango-nulidad facilita esta evaluación al relacionar la dimensión de la imagen con la dimensión del codominio. Si la dimensión de la imagen es igual a la dimensión del codominio, la transformación es sobreyectiva. Dado que la dimensión del dominio es la suma del rango y la nulidad, conocer la nulidad permite calcular el rango y compararlo con la dimensión del codominio. Este enfoque es particularmente útil cuando la dimensión del núcleo es fácil de determinar, permitiendo inferir la cobertura completa del codominio sin calcular explícitamente la imagen de cada vector del dominio.

Cálculo de dimensiones desconocidas

Una de las aplicaciones más prácticas del teorema rango-nulidad es el cálculo de dimensiones desconocidas en espacios vectoriales. Cuando se conoce la dimensión del dominio y una de las otras dos dimensiones (rango o nulidad), la tercera se determina directamente mediante la fórmula: dim(Im(T)) + dim(Ker(T)) = dim(V). Este cálculo es esencial en problemas de álgebra lineal donde la información completa del espacio no está disponible inicialmente. Por ejemplo, si se sabe que una transformación lineal tiene un núcleo de dimensión conocida y el dominio tiene una dimensión establecida, el rango se obtiene por resta directa. Esta capacidad de deducción simplifica el análisis de sistemas de ecuaciones lineales y la caracterización de subespacios asociados a la transformación.

Ejercicios resueltos

La aplicación práctica del teorema rango-nulidad permite determinar propiedades fundamentales de una transformación lineal cuando se conoce la dimensión de al menos dos de los tres espacios involucrados: el dominio, la imagen y el núcleo. A continuación, se presentan ejercicios resueltos que ilustran este procedimiento paso a paso, utilizando la relación matemática establecida.

Ejercicio 1: Cálculo del rango conocido el núcleo

Considérese una transformación lineal T cuyo dominio V tiene dimensión 1. Supóngase que la dimensión del núcleo de T, denotada como dim(Ker(T)), es igual a 0. El objetivo es hallar la dimensión de la imagen, es decir, el rango.

Aplicando la fórmula del teorema rango-nulidad:

dim ( V ) = dim ( Im ( T ) ) + dim ( Ker ( T ) )

Sustituyendo los valores conocidos en la ecuación:

1 = dim ( Im ( T ) ) + 0

Al resolver para la incógnita, se obtiene que dim(Im(T))=1. Esto indica que la transformación es sobreyectiva si el codominio también tiene dimensión 1, y que el núcleo contiene únicamente al vector nulo.

Ejercicio 2: Determinación de la nulidad

Se requiere calcular la dimensión del núcleo.

Utilizando la misma relación estructural:

1 = 1 + dim ( Ker ( T ) )

Ejercicio 3: Verificación de consistencia dimensional

Se presenta una transformación lineal con un dominio de dimensión 1. Si se afirma que tanto el rango como la nulidad son iguales a 0, se puede verificar la consistencia de estos datos mediante el teorema.

dim ( Im ( T ) ) + dim ( Ker ( T ) ) = 0 + 0 = 0

Como la suma es 0 pero la dimensión del dominio es 1, hay una inconsistencia a menos que el dominio sea el espacio nulo. Por lo tanto, para un dominio de dimensión 1, no es posible que tanto el rango como la nulidad sean simultáneamente 0; al menos uno debe ser positivo para sumar 1.

Relación con el teorema de intercambio de Steinitz

La demostración del teorema rango-nulidad se fundamenta en principios básicos de la teoría de espacios vectoriales, entre los cuales destaca el teorema de intercambio de Steinitz. Este resultado proporciona el marco lógico necesario para analizar cómo las bases de subespacios se relacionan con la base total del espacio vectorial de partida. Al comprender esta conexión estructural, se revela por qué la dimensión del dominio se descompone exactamente en la suma de la dimensión de la imagen y la dimensión del núcleo.

Fundamentos del intercambio de bases

El teorema de intercambio de Steinitz establece que si un espacio vectorial tiene una base finita, cualquier conjunto linealmente independiente puede extenderse hasta formar una base completa. Además, el tamaño de cualquier conjunto generador es mayor o igual que el tamaño de cualquier conjunto linealmente independiente. Este principio es crucial porque permite comparar sistemáticamente los conjuntos de vectores que definen el núcleo y la imagen de una transformación lineal.

En el contexto de una transformación lineal, el núcleo consiste en todos los vectores del dominio que se mapean al vector cero. Este subespacio posee su propia base, que es un conjunto linealmente independiente. Por otro lado, la imagen representa el conjunto de todos los vectores resultantes en el codominio, los cuales también forman un espacio vectorial con su respectiva base. El teorema de intercambio garantiza que estas dos estructuras pueden analizarse conjuntamente dentro del espacio del dominio original.

Construcción de la base combinada

Para demostrar el teorema rango-nulidad, se comienza con una base del núcleo de la transformación. Dado que el núcleo es un subespacio del dominio, esta base es un conjunto linealmente independiente dentro del espacio mayor. Aplicando el teorema de intercambio de Steinitz, se puede extender esta base del núcleo añadiendo vectores adicionales del dominio hasta obtener una base completa del espacio vectorial total.

Los vectores añadidos durante esta extensión tienen propiedades específicas. Cuando se aplica la transformación lineal a estos nuevos vectores, sus imágenes resultan ser linealmente independientes en el codominio. Estas imágenes forman precisamente una base de la imagen de la transformación. Este paso crítico vincula directamente la estructura del dominio con la estructura de la imagen a través de la transformación.

Relación dimensional resultante

La dimensión del dominio corresponde al número total de vectores en la base construida. Esta base se compone de dos partes distintas: los vectores originales de la base del núcleo y los vectores añadidos durante la extensión. El número de vectores en la primera parte es exactamente la dimensión del núcleo, es decir, la nulidad de la transformación.

El número de vectores en la segunda parte coincide con la dimensión de la imagen, que es el rango de la transformación. Esto se debe a que cada vector añadido genera una imagen linealmente independiente, y el conjunto completo de estas imágenes constituye una base de la imagen. Por lo tanto, la suma de estos dos números debe igualar el número total de vectores en la base del dominio.

Esta relación se expresa mediante la fórmula fundamental: dim(Im(T)) + dim(Ker(T)) = dim(V). El teorema de intercambio de Steinitz asegura que esta descomposición es única y completa, sin vectores sobrantes ni faltantes. Cada vector en el dominio contribuye exactamente una vez a contar la dimensión total, ya sea como parte del núcleo o como generador de la imagen.

La elegancia de esta demostración radica en su dependencia mínima de cálculos específicos. En lugar de analizar coordenadas individuales o matrices concretas, el argumento se basa en propiedades estructurales generales de los espacios vectoriales. El teorema de intercambio proporciona la herramienta conceptual que hace posible esta abstracción, permitiendo que el resultado sea válido para cualquier transformación lineal entre espacios vectoriales de dimensión finita.

Esta conexión entre el teorema de intercambio de Steinitz y el teorema rango-nulidad ilustra cómo resultados aparentemente distintos en álgebra lineal están profundamente entrelazados. Comprender esta relación ayuda a ver el teorema rango-nulidad no como un hecho aislado, sino como una consecuencia natural de la estructura básica de los espacios vectoriales y sus bases.

Preguntas frecuentes

¿Qué establece exactamente el teorema rango-nulidad?

El teorema rango-nulidad establece que para cualquier transformación lineal T de un espacio vectorial V de dimensión finita hacia un espacio vectorial W, la suma de la dimensión del núcleo de T y la dimensión de la imagen de T es igual a la dimensión del espacio V. Es decir, dim(Ker(T)) + dim(Im(T)) = dim(V).

¿Qué es el núcleo de una transformación lineal?

El núcleo es siempre un subespacio vectorial de V.

¿Qué es la imagen de una transformación lineal?

La imagen de una transformación lineal T, denotada como Im(T), es el conjunto de todos los vectores en el espacio de llegada W que son resultados de aplicar T a al menos un vector del espacio de partida V. La imagen es siempre un subespacio vectorial de W.

¿Cómo se aplica el teorema rango-nulidad en la resolución de sistemas de ecuaciones lineales?

En un sistema de ecuaciones lineales Ax = b, el teorema rango-nulidad permite determinar la cantidad de soluciones libres (parámetros) al calcular la diferencia entre el número de variables (dimensión del dominio) y el rango de la matriz A (dimensión de la imagen). Esto ayuda a caracterizar completamente el conjunto solución del sistema.

¿Cuál es la relación entre el teorema rango-nulidad y el teorema de intercambio de Steinitz?

Ambos teoremas están profundamente conectados en la teoría de espacios vectoriales de dimensión finita. El teorema de intercambio de Steinitz establece propiedades sobre la sustitución de vectores en conjuntos generadores e independientes, y su demostración utiliza conceptos similares a los del teorema rango-nulidad. De hecho, el teorema rango-nulidad puede considerarse una consecuencia directa o una generalización de las ideas presentes en el teorema de Steinitz.

¿Es necesario que el espacio vectorial tenga dimensión finita para aplicar el teorema rango-nulidad?

Sí, la formulación clásica del teorema rango-nulidad requiere que al menos el espacio de partida tenga dimensión finita. En espacios de dimensión infinita, la relación entre las dimensiones del núcleo y la imagen se vuelve más compleja y requiere extensiones del concepto de dimensión, como la dimensión de Hamel o la dimensión de Schauder, dependiendo del contexto.

Resumen

Este resultado fundamental permite analizar propiedades estructurales de las aplicaciones lineales, determinar la solvabilidad de sistemas de ecuaciones y comprender la relación entre independencia lineal y generación de espacios vectoriales.

La demostración del teorema se basa en la extensión de bases del núcleo a bases completas del espacio de partida, mostrando que la imagen está generada por las imágenes de los vectores adicionales. Su conexión con el teorema de intercambio de Steinitz revela la coherencia interna de la teoría de espacios vectoriales de dimensión finita, haciendo del teorema rango-nulidad una herramienta indispensable tanto en la teoría como en las aplicaciones prácticas del álgebra lineal.

Referencias

  1. «Teorema rango-nulidad» en Wikipedia en español
  2. Rank-Nullity Theorem — Wolfram MathWorld
  3. Linear Algebra — MIT OpenCourseWare (18.06)
  4. Rank-Nullity Theorem — ProofWiki
  5. Linear Algebra and Its Applications — Gilbert Strang (MIT Press)