Archivo de la etiqueta: base

Álgebra Lineal I: Problemas de transformaciones lineales, vectores independientes y forma matricial

Por Ayax Calderón

Introducción

En esta entrada resolveremos algunos problemas acerca de transformaciones lineales, de su efecto en conjuntos generadores, independientes y bases, y de la forma matricial de transformaciones lineales.

Problemas resueltos

El siguiente problema es para repasar qué le hace una transformación lineal a una combinación lineal, y cómo podemos usar este hecho para saber cuánto vale una transformación lineal evaluada en un vector, sabiendo qué le hace a los elementos de una base.

Problema 1. Sean $v_{1} = (1, 0, 0), v_{2} = (1, 1, 0), v_{3} = (1, 1, 1),$

y sea $T : R^{3} \to R^{2}$ una transformación lineal tal que $\begin{aligned} T (v_{1}) & = (3, 2) \\ T (v_{2}) & = (- 1, 2) \\ T (v_{3}) & = (0, 1) . \end{aligned}$

Calcula el valor de $T (5, 3, 1)$ .

Solución. Primero observemos que $(1, 0, 0), (1, 1, 0), (1, 1, 1)$ es una base de $R^{3}$ , entonces existen $a, b, c \in R$ tales que $(5, 3, 1) = a (1, 0, 0) + b (1, 1, 0) + c (1, 1, 1) .$
Si logramos expresar a $(5, 3, 1)$ de esta forma, después podremos usar que $T$ es lineal para encontrar el valor que queremos. Encontrar los valores de $a, b, c$ que satisfacen la ecuación anterior lo podemos ver como el sistema de ecuaciones $(\begin{matrix} 1 & 1 & 1 \\ 0 & 1 & 1 \\ 0 & 0 & 1 \end{matrix}) (\begin{matrix} a \\ b \\ c \end{matrix}) = (\begin{matrix} 5 \\ 3 \\ 1 \end{matrix}) .$

Para resolver este sistema, consideramos la matriz extendida del sistema y la reducimos
$\begin{aligned} (\begin{array}{c} 1 & 1 & 1 & 5 \\ 0 & 1 & 1 & 3 \\ 0 & 0 & 1 & 1 \end{array}) \\ \to & (\begin{array}{c} 1 & 0 & 0 & 2 \\ 0 & 1 & 1 & 3 \\ 0 & 0 & 1 & 1 \end{array}) \\ \to & (\begin{array}{c} 1 & 0 & 0 & 2 \\ 0 & 1 & 0 & 2 \\ 0 & 0 & 1 & 1 \end{array}) \end{aligned}$

Así, $a = 2, b = 2, c = 1$ .

Finalmente, usando que $T$ es transformación lineal,

$\begin{aligned} T (5, 3, 1) & = T (2 (1, 0, 0) + 2 (1, 1, 0) + (1, 1, 1)) \\ = 2 T (1, 0, 0) + 2 T (1, 1, 0) + T (1, 1, 1) \\ = 2 (3, 2) + 2 (- 1, 2) + (0, 1) \\ = (6, 4) + (- 2, 4) + (0, 1) \\ = (4, 9) . \end{aligned}$

$△$

Veamos ahora un problema para practicar encontrar la matriz correspondiente a una base.

Problema 2. Sea $R_{n} [x]$ el espacio de los polinomios de grado a lo más $n$ con coeficientes reales.

Considera la transformación lineal $T : R_{3} [x] \to R_{2} [x]$ dada por $T (p (x)) = p^{'} (x)$ , es decir, aquella que manda a cada polinomio a su derivada.

Sean $β = (1, x, x^{2}, x^{3})$ y $γ = (1, x, x^{2})$ las bases canónicas ordenadas de $R_{3} [x]$ y $R_{2} [x]$ , respectivamente. Encuentra la representación matricial de la transformación $T$ .

Solución. Primero le aplicamos $T$ a cada uno de los elementos de $β$ , que simplemente consiste en derivarlos. Obtenemos que:

$T (1) = 0 = 0 \cdot 1 + 0 \cdot x + 0 \cdot x^{2}$
$T (x) = 1 = 1 \cdot 1 + 0 \cdot x + 0 \cdot x^{2}$
$T (x^{2}) = 2 x = 0 \cdot 1 + 2 \cdot x + 0 \cdot x^{2}$
$T (x^{3}) = 3 x^{2} = 0 \cdot 1 + 0 \cdot x + 3 \cdot x^{2}$

Para construir la matriz de cambio de base, lo que tenemos que hacer es formar una matriz con cuatro columnas (una por cada elemento de la base $β$ ). La primera columna debe tener las coordenadas de $T (1)$ en la base $γ$ . La segunda columna, las coordenadas de $T (x)$ en la base $γ$ . Y así sucesivamente. Continuando de este modo, llegamos a que

$(\begin{matrix} 0 & 1 & 0 & 0 \\ 0 & 0 & 2 & 0 \\ 0 & 0 & 0 & 3 \end{matrix})$
es la forma matricial de $T$ con respecto a las bases canónicas.

$△$

Finalmente, el siguiente problema combina muchas de las ideas relacionadas con la forma matricial de una transformación. Se recomienda fuertemente que lo leas con detenimiento. Es un ejemplo en el que encontramos tres formas matriciales: las de dos transformaciones y las de su composición. Después, se verifica que la de la composición en efecto es el producto de las correspondientes a las dos transformaciones.

Problema 3. Considera las transformaciones

$\begin{aligned} T : R^{3} & \to R_{2} [x] y \\ S : R_{2} [x] & \to M_{2} (R) \end{aligned}$

dadas por

$\begin{aligned} T (a, b, c) & = a + 2 b x + 3 c x^{2} y \\ S (a + b x + c x^{2}) & = (\begin{array}{c} a & a + b \\ a - c & b \end{array}) . \end{aligned}$

Consideramos la base ordenada $B_{1} = (1, x, x^{2})$ de $R_{2} [x]$ , la base canónica ordenada $B_{2}$ de $R^{3}$ y la base ordenada $B_{3} = (E_{11}, E_{12}, E_{21}, E_{22})$ de $M_{2} (R)$ .

Verifica que $T$ y $S$ son transformaciones lineales.
Escribe las matrices asociadas a $T$ y $S$ con respecto a las bases dadas.
Encuentra la matriz asociada a la composición $S \circ T$ con respecto a las bases anteriores usando el resultado que dice que es el producto de las dos matrices que ya encontraste.
Calcula explícitamente $S \circ T$ , después encuentra directamente su matriz asociada con respecto a las bases anteriores y verifica que el resultado obtenido aquí es el mismo que en el inciso anterior.

Solucion. 1. Sea $u \in R$ y sean $(a, b, c), (a^{'}, b^{'}, c^{'}) \in R^{3}$ .
Entonces

$\begin{aligned} T (u & (a, b, c) + (a^{'}, b^{'}, c^{'})) \\ = T (a u + a^{'}, b u + b^{'}, c u + c^{'}) \\ = (a u + a^{'}) + 2 (b u + b^{'}) x + 3 (c u + c^{'}) x^{2} \\ = u (a + 2 b x + 3 c x^{2}) + (a^{'} + 2 b^{'} x + 3 c^{'} x^{2}) \\ = u T (a, b, c) + T (a^{'}, b^{'}, c^{'}) . \end{aligned}$

Así, $T$ es lineal.

Ahora, sea $u \in R$ y sean $a + b x + c x^{2}, a^{'} + b^{'} x + c^{'} x^{2} \in R_{2} [x]$ .
Entonces

$\begin{aligned} S (u & (a + b x + c x^{2}) + (a^{'} + b^{'} x + c^{'} x^{2})) \\ = S (u a + a^{'} + (u b + b^{'}) x + (u c + c^{'}) x^{2}) \\ = (\begin{array}{c} u a + a^{'} & (u a + a^{'}) + (u b + b^{'}) \\ u a + a^{'} - (u c + c^{'}) & u b + b^{'} \end{array}) \\ = u (\begin{array}{c} a & a + b \\ a - c & b \end{array}) + (\begin{array}{c} a^{'} & a^{'} + b^{'} \\ a^{'} - c^{'} & b^{'} \end{array}) \\ = u S (a + b x + c x^{2}) + S (a^{'} + b^{'} x + c^{'} x^{2}) . \end{aligned}$

Así, $S$ es lineal.

2. Empezamos calculando la matriz ${Mat}_{B_{1}, B_{2}} (T)$ de $T$ con respecto a $B_{1}$ y $B_{2}$ . La base $B_{2}$ es la base canónica ordenada de $R^{3}$ , es decir, $B_{2} = (e_{1}, e_{2}, e_{3})$ . Aplicando $T$ en cada uno de estos vectores,

$\begin{aligned} T (e_{1}) & = T (1, 0, 0) = 1 = 1 \cdot 1 + 0 \cdot x + 0 \cdot x^{2}, \\ T (e_{2}) & = T (0, 1, 0) = 2 x = 0 \cdot 1 + 2 \cdot x + 0 \cdot x^{2}, \\ T (e_{3}) & = T (0, 0, 1) = 3 x^{2} = 0 \cdot 1 + 0 \cdot x + 3 \cdot x^{2} . \end{aligned}$

Así, ${Mat}_{B_{1}, B_{2}} (T) = (\begin{matrix} 1 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 3 \end{matrix}) .$

De manera análoga, calculamos

$\begin{aligned} S (1) & = (\begin{array}{c} 1 & 1 \\ 1 & 0 \end{array}) \\ = 1 \cdot E_{11} + 1 \cdot E_{12} + 1 \cdot E_{21} + 0 \cdot E_{22}, \\ S (x) & = (\begin{array}{c} 0 & 1 \\ 0 & 1 \end{array}) \\ = 0 \cdot E_{11} + 1 \cdot E_{12} + 0 \cdot E_{21} + 1 \cdot E_{22}, \\ S (x^{2}) & = (\begin{array}{c} 0 & 0 \\ - 1 & 0 \end{array}) \\ = 0 \cdot E_{11} + 0 \cdot E_{12} + (- 1) \cdot E_{21} + 0 \cdot E_{22} . \end{aligned}$

Por lo tanto ${Mat}_{B_{3}, B_{1}} (S) = (\begin{matrix} 1 & 0 & 0 \\ 1 & 1 & 0 \\ 1 & 0 & - 1 \\ 0 & 1 & 0 \end{matrix}) .$

3. Usando el resultado de que la forma matricial de una composición de transformaciones es el producto de sus formas matriciales, ${Mat}_{B_{3}, B_{2}} (S \circ T) = {Mat}_{B_{3}, B_{1}} (S) \cdot {Mat}_{B_{1}, B_{2}} (T) .$

Así, tenemos que:
$\begin{aligned} {Mat}_{B_{3}, B_{2}} (S \circ T) & = (\begin{array}{c} 1 & 0 & 0 \\ 1 & 1 & 0 \\ 1 & 0 & - 1 \\ 0 & 1 & 0 \end{array}) (\begin{array}{c} 1 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 3 \end{array}) \\ = (\begin{array}{c} 1 & 0 & 0 \\ 1 & 2 & 0 \\ 1 & 0 & - 3 \\ 0 & 2 & 0 \end{array}) . \end{aligned}$

4. Calculamos la composición directamente como sigue:

$\begin{aligned} (S \circ T) (a, b, c) & = S (T (a, b, c)) \\ = S (a + 2 b x + 3 c x^{2}) \\ = (\begin{array}{c} a & a + 2 b \\ a - 3 c & 2 b \end{array}) . \end{aligned}$

Para encontrar la matriz que representa a esta transformación lineal, evaluamos en cada elemento de $B_{2}$ .

$\begin{aligned} (S \circ T) (e_{1}) & = (\begin{array}{c} 1 & 1 \\ 1 & 0 \end{array}) \\ = 1 \cdot E_{11} + 1 \cdot E_{12} + 1 \cdot E_{21} + 0 \cdot E_{22}, \\ (S \circ T) (e_{2}) & = (\begin{array}{c} 0 & 2 \\ 0 & 2 \end{array}) \\ = 0 \cdot E_{11} + 2 \cdot E_{12} + 0 \cdot E_{21} + 2 \cdot E_{22}, \\ (S \circ T) (e_{2}) & = (\begin{array}{c} 0 & 0 \\ - 3 & 0 \end{array}) \\ = 0 \cdot E_{11} + 0 \cdot E_{12} + (- 3) \cdot E_{21} + 0 \cdot E_{22} . \end{aligned}$

Así, la matriz asociada a $S \circ T$ con las bases indicadas es ${Mat}_{B_{3}, B_{2}} (S \circ T) = (\begin{matrix} 1 & 0 & 0 \\ 1 & 2 & 0 \\ 1 & 0 & - 3 \\ 0 & 2 & 0 \end{matrix}) .$

Esto es, por supuesto, justo lo que se obtuvo en el inciso 3.

$△$

Entradas relacionadas

Ir a Álgebra Lineal I
Entrada anterior del curso: Forma matricial de una transformación lineal
Siguiente entrada del curso: Matrices de cambio de base

Agradecimientos

Trabajo realizado con el apoyo del Programa UNAM-DGAPA-PAPIME PE104721 «Hacia una modalidad a distancia de la Licenciatura en Matemáticas de la FC-UNAM»

Seminario de Resolución de Problemas: Bases numéricas y dígitos

Por Leonardo Ignacio Martínez Sandoval

Deja un comentario

Introducción

En las entradas anteriores de teoría de números hemos hablado acerca de divisibilidad, de aritmética modular y de factorización única en primos. En esta entrada vamos a hablar de propiedades que podemos deducir de ciertos números a partir de su dígitos.

Usualmente escribimos a los números en base $10$ , usando los dígitos de $1$ a $9$ . En realidad, esto es relativamente arbitrario. Podemos usar bases distintas de $10$ para expresar cualquier número de manera (casi) única. Conocer la expresión de un número en cierta base nos permite deducir propiedades algebraicas y de divisibilidad que nos ayuden a resolver problemas.

Expresión en una base arbitraria

Para cualquier base entera $b \geq 2$ que elijamos, cualquier número real se puede expresar de manera (casi) única en base $b$ . La afirmación precisa es el siguiente resultado.

Teorema. Sea $r$ un número real y $b \geq 2$ un entero. Entonces, existen únicos enteros $A_{0}, A_{1}, \dots, a_{1}, a_{2}, \dots$ en ${0, 1, \dots, b - 1}$ tales que $r = \sum_{i = 0}^{\infty} A_{i} b^{i} + \sum_{i = 0}^{\infty} a_{i} 10^{- i}$ y $a_{i} \neq b - 1$ para una infinidad de $i$ ’s.

Para estos $a_{i}$ y $A_{i}$ escribimos $r = (\dots A_{2} A_{1} A_{0} . a_{1} a_{2} \dots)_{b},$ en donde el subíndice indica la base que se está usando.

La condición de $a_{i} \neq b - 1$ para una infinidad de $i^{'} s$ está ahí para garantizar que la expresión sea única pues, por ejemplo, $1 = \sum_{i = 0}^{\infty} 9 \cdot 10^{- i} = 0.9999 \dots$ , pero esa condición descarta la expresión de la derecha.

Si $b = 2$ , a esta expresión le llamamos la expresión binaria de $r$ .

Ejemplo. La expresión binaria de $4 / 3$ es $(1.010101 \dots)_{2}$ . ¿Por qué?

Multiplicar y dividir entre $10$ cuando tenemos números en base $10$ es sencillo: simplemente recorremos el punto decimal. Lo mismo sucede en cualquier base $b$ .

Proposición. Cuando tenemos un número en base $b$ y multiplicamos por $b$ , el «punto decimal» se recorre a la derecha. Cuando dividimos entre $b$ se recorre a la izquierda.

Problema. Determina si existe un real $x$ tal que $⌊ x ⌋ + ⌊ 2 x ⌋ + ⌊ 4 x ⌋ + ⌊ 8 x ⌋ = 2222.$

Sugerencia pre-solución. Trabaja hacia atrás suponiendo que la ecuación sí tiene una solución para determinar cómo tiene que verse $x$ . Usa la expresión binaria de $x$ .

Solución. Tenemos que $r \geq ⌊ r ⌋$ para todo real $r$ , de modo que si dicho número $x$ existe, se cumple $17 x \geq ⌊ x ⌋ + ⌊ 2 x ⌋ + ⌊ 4 x ⌋ + ⌊ 8 x ⌋ = 2222.$ De aquí, $x \geq 2222 / 17 = 130.705 \dots \geq 130$ . También, $r \leq ⌊ r ⌋ + 1$ , de modo que si $x$ existe necesitamos $17 x \leq ⌊ x ⌋ + ⌊ 2 x ⌋ + ⌊ 4 x ⌋ + ⌊ 8 x ⌋ + 4 = 2226.$

De aquí, $x \leq 2226 / 17 = 130.94 \leq 131$ .

Esto nos dice que $x$ es un real entre $130$ y $131$ . Escribámoslo como $130$ más una parte fraccional en base $2$ , es decir, de la forma $x = 130 + (a b c d e \dots)_{2}$ . Multiplicar por $2$ simplemente recorre el punto decimal en base $2$ un lugar hacia la derecha, de modo que
$\begin{aligned} 2 x & = 260 + (a . b c d e \dots)_{2} \\ 4 x & = 520 + (a b . c d e \dots)_{2} \\ 8 x & = 1040 + (a b c . d e \dots)_{2}, \end{aligned}$ y por lo tanto
$\begin{aligned} ⌊ x ⌋ & = 130 \\ ⌊ 2 x ⌋ & = 260 + (a)_{2} = 260 + a \\ ⌊ 4 x ⌋ & = 520 + (a b)_{2} = 520 + 2 a + b \\ ⌊ 8 x ⌋ & = 1040 + (a b c)_{2} = 1040 + 4 a + 2 b + c . \end{aligned}$

Concluimos entonces que la suma buscada es igual a $1950 + 7 a + 3 b + c$ . Si existe el número que queremos, la ecuación $1950 + 7 a + 3 b + c = 2222$ debe tener una solución con $a$ , $b$ y $c$ iguales a $0$ o a $1$ . Pero esto es imposible, pues incluso aunque los tres sean iguales a $1$ , tenemos a lo más $1950 + 11 = 1961$ . De esta forma, no existe la $x$ que buscamos.

Bases y números racionales

Una sucesión infinita ${a_{1}, a_{2}, \dots,}$ es preperiódica si existen enteros positivos $n$ y $d$ tales que $a_{m} = a_{m + d}$ para todo entero $m \geq n$ . A $d$ se le llama un periodo de la sucesión, y decimos que ${a_{1}, a_{2}, \dots}$ es periódica a partir de $a_{n}$ .

Teorema. Sea $r$ un número real. Las siguientes tres afirmaciones son equivalentes:

$r$ es racional.
Para toda base $b$ la sucesión de dígitos después del punto ${a_{1}, a_{2}, \dots}$ es preperiódica.
Para alguna base $b$ la sucesión de dígitos después del punto ${a_{1}, a_{2}, \dots}$ es preperiódica.

Problema. Considera el número en binario $r = (0. a_{1} a_{2} a_{3} \dots)_{2}$ en donde $a_{i} = 0$ si $i$ es primo y $a_{i} = 1$ si no. Determina si $r$ es un número racional o irracional.

Sugerencia pre-solución. Procede por contradicción, suponiendo que $r$ es racional.

Solución. Si $r$ fuera racional, la sucesión ${a_{1}, a_{2}, \dots}$ sería preperiódica, de modo que existirían $n$ y $d$ tales que $a_{m + d} = a_{m}$ para todo $m \geq n$ . Consideremos el bloque de $d$ dígitos $(a_{n} a_{n + 1} \dots a_{n + d - 1})_{2}$ . Como el periodo de la sucesión es $d$ , a partir de $a_{n}$ este bloque de dígitos se repite.

Los números

$\begin{aligned} M & = n (2 d + 1)! + 2, \\ M + 1 & = n (2 d + 1)! + 3, \\ ⋮ \\ M + (2 d - 1) & = n (2 d + 1)! + (2 d + 1) \end{aligned}$

son $2 d$ números consecutivos mayores a $n$ y tales que ninguno de ellos es primo, pues el primero es divisible entre $2$ , el segundo entre $3$ , …, y el último entre $2 d + 1$ . Esto muestra que el bloque de $d$ dígitos debe consistir de puros $1$ ’s, pues uno de los bloques del ciclo queda contenido en el bloque de $2 d$ dígitos $(a_{M} a_{M + 1} \dots a_{M + 2 d - 1})_{2}$ . Así, a partir de $a_{n}$ todos los dígitos son iguales a $1$ .

Pero esto es imposible, pues quiere decir que todos los enteros mayores o iguales a $n$ no son primos. Esto contradice que hay una infinidad de números primos.

Criterios de divisibilidad

Si sabemos cómo es la expresión de un número en una base, entonces a veces podemos decir cosas acerca de su divisibilidad o residuo al dividirse entre algunos enteros relacionados con la base. Cuando estamos trabajando módulo $10$ tenemos el siguiente resultado.

Proposición (criterios de divisibilidad base 10). Sea $n$ un entero positivo. En base $10$ ,

$n$ es congruente con el número formado por sus últimos $k$ dígitos módulo $10^{k}$ , y por lo tanto también módulo $2^{k}$ y módulo $5^{k}$ .
$n$ es congruente con la suma de sus dígitos módulo $9$ , y por lo tanto también módulo $3$ .
Agrupemos los dígitos de $n$ de derecha a izquierda en grupos de $j$ elementos, donde el último puede tener menos de $j$ . Un número es congruente con la suma alternada (más, menos, más, etc) de estos grupos módulo $10^{j} + 1$ .

Demostrar estos criterios es sencillo. Por ejemplo, un número $(A_{n} A_{n - 1} \dots A_{0})_{10}$ en base $10$ es igual a $10^{n} A_{n} + 10^{n - 1} A_{n - 1} + \dots + 10 A_{1} + A_{0} .$ Trabajando módulo $9$ , todos los $10$ son $1$ , así que $n = 10^{n} A_{n} + \dots + A_{0} \equiv A_{n} + A_{n - 1} + \dots + A_{0} .$

Como ejemplo del último criterio, considera el siguiente problema:

Problema. ¿Cuál es el residuo que queda al dividir $n = 1512513514515$ entre $13$ ?

Sugerencia pre-solución. Usa el tercer criterio de divisibilidad base $10$ para $j = 3$ . Factoriza $1001$ .

Solución. Vamos a estudiar al número módulo $1001$ . Para esto, agrupamos los dígitos de tres en tres, de derecha a izquierda $515, 514, 513, 512, 1$ y hacemos la suma alternada $515 - 514 + 513 - 512 + 1 = 3.$ Por el tercer criterio de divisibilidad, tenemos que $n \equiv 3 (\mod 1001)$ . Notemos que $1001 = 7 \cdot 11 \cdot 13$ , de modo que $n \equiv 3 (\mod 13)$ . Así, el residuo al dividir $n$ entre $13$ es $3$ .

En general, tenemos lo siguiente.

Proposición (criterios de divisibilidad base $b$ ). Sea $n$ un entero positivo. En base $b$ :

$n$ es congruente con el número formado por sus últimos $k$ dígitos módulo $b^{k}$ , y por lo tanto también módulo $d^{k}$ para cualquier divisor $d$ de $b$ .
$n$ es congruente con la suma de sus dígitos módulo $b - 1$ (y por lo tanto también módulo cualquier divisor de $b - 1$ )
Agrupemos los dígitos de $n$ de derecha a izquierda en grupos de $j$ elementos, donde el último puede tener menos de $j$ . Un número es congruente con la suma alternada (más, menos, más, etc) de estos grupos módulo $b^{j} + 1$ .

Problema. Considera los números del $1$ al $500$ (inclusive). ¿Cuántos de estos números tienen una cantidad impar de $1$ ’s en su expresión en base $3$ ? ¿Cuántos de estos números tienen una cantidad impar de $1$ ’s en su expresión en binario?

Sugerencia pre-solución. Haz casos pequeños para encontrar un patrón que te diga cuántos números del $1$ al $n$ tienen una cantidad impar de $1$ ’s en su expresión en base $2$ y $3$ . Para demostrar el resultado para base $3$ , usa criterios de divisibilidad generalizados. Para base $2$ usa paridad y aprovecha la simetría.

Solución. Un número en base $3$ es congruente con la suma de sus dígitos módulo $2$ . En base $3$ el único dígito impar es el $1$ . Así, un número en base $3$ es congruente a su cantidad de dígitos $1$ módulo $2$ . De esta forma, $n$ tiene una cantidad impar de $1$ ’s si y sólo si es impar. Por lo tanto, hay $250$ números entre $1$ y $500$ que tienen una cantidad impar de $1$ ’s en su expresión en base $3$ .

En base $1$ el patrón no es tan claro. Los primeros números son $1$ , $10$ , $11$ , $100$ , $101$ , $110$ , $111$ . A veces cuando se cambia de cantidad de dígitos se cambia la paridad de $1$ ’s (como de $11$ a $100$ ) y a veces no (como de $111$ a $1000$ ). Haremos entonces un argumento de emparejamiento.

Notemos que cualquier número par $2 n$ termina en $0$ en binario y que $2 n + 1$ tiene la misma expansión salvo el último dígito, que ahora es $1$ .Así, a los números del $2$ al $499$ los podemos agrupar en parejas en donde en cada pareja los números tienen distinta paridad de $1$ ’s. De esta forma, aquí hay $498 / 2 = 249$ números con una cantidad impar de $1$ ’s. El $1$ tiene una cantidad impar de $1$ ’s. El $500$ en binario es $(111110100)_{2}$ , que tiene una cantidad par de $1$ ’s. Así, hay $250$ números entre $1$ y $500$ con una cantidad impar de $1$ ’s en binario.

Más ejemplos

Puedes ver más ejemplos del uso de esta teoría en la Sección 3.4 del libro Problem Solving through Problems de Loren Larson.

Álgebra Lineal I: Matrices de cambio de base

Por Leonardo Ignacio Martínez Sandoval

10 respuestas

Introducción

Anteriormente platicamos de cómo al elegir una base ordenada $B$ de un espacio vectorial $V$ de dimensión finita $n$ , podemos expresar a cada uno de sus vectores en términos de «coordenadas», que vienen de los coeficientes de la combinación lineal de elementos de $B$ que da el vector. Así mismo, vimos cómo podemos comenzar con una transformación lineal $T : V \to W$ entre espacios vectoriales $V$ y $W$ y de ahí obtener una «matriz que la represente». Para ello, necesitamos elegir bases ordenadas $B_{V}$ y $B_{W}$ de $V$ y $W$ respectivamente. Tanto las coordenadas, como las matrices que representan a transformaciones lineales, dependen fuertemente de las bases ordenadas elegidas. En esta entrada hablaremos de las matrices de cambio de base, pues nos ayudarán a pasar de unas coordenadas a otras.

Siento más concretos, es posible que en algunas aplicaciones de álgebra lineal tengamos una transformación $T : V \to W$ , y que los vectores de $V$ o los de $W$ los tengamos que entender en más de una base. Así, los dos siguientes problemas aparecen frecuentemente:

Supongamos que tenemos dos bases (ordenadas) $B_{1}$ y $B_{2}$ de un espacio vectorial $V$ y que tomamos un vector $v$ en $V$ . Si ya sabemos la combinación lineal de elementos de $B_{1}$ que da $v$ , ¿cómo podemos saber la combinación lineal de elementos de $B_{2}$ que da $v$ ? En otras palabras, ¿cómo podemos pasar a $v$ de su expresión en base $B_{1}$ a su expresión en base $B_{2}$ ?
Supongamos que tenemos una transformación lineal $T : V \to W$ entre dos espacios vectoriales $V$ y $W$ , dos bases (ordenadas) $B_{1}$ y $B_{2}$ de $V$ y dos bases (ordenadas) $C_{1}$ y $C_{2}$ de $W$ . Si ya sabemos qué le hace $T$ a los elementos de $V$ en términos de las bases $B_{1}$ y $C_{1}$ , ¿cómo podemos saber qué hace $T$ en términos de las bases $B_{2}$ y $C_{2}$ ?

La herramienta que necesitamos para responder ambos problemas se le conoce como matrices de cambio de base. El objetivo de esta entrada es definir estas matrices, ver algunas propiedades básicas que cumplen y ver cómo nos ayudan a resolver el primero de los problemas de aquí arriba. En una segunda entrada veremos cómo también sirven para resolver el segundo.

Matrices de cambio de base

Definición. Sea $V$ un espacio vectorial de dimensión $n$ sobre el campo $F$ . Sean $B = (v_{1}, \dots, v_{n})$ y $B^{'} = (v_{1}', \dots, v_{n}^{'})$ dos bases ordenadas de $V$ . La matriz de cambio de base de $B$ a $B^{'}$ es la matriz $P = [p_{i j}]$ en $M_{n} (F)$ cuya columna $j$ tiene como entradas a las coordenadas de $v_{j}^{'}$ escrito en términos de la base $B$ . En otras palabras, las entradas $p_{1 j}, \dots, p_{n j}$ de la $j$ -ésima columna de $P$ son los únicos elementos de $F$ para los cuales $v_{j}^{'} = p_{1 j} v_{1} + \dots + p_{n j} v_{n},$ para toda $j = 1, 2, \dots, n$ .

Ejemplo. Considera la base ordenada $B = (1, x, x^{2})$ de $R_{2} [x]$ , el espacio vectorial de polinomios de coeficientes reales grado a lo más $2$ . Veremos que $B^{'} = (3 x^{2}, 2 x, 1)$ es también una base de $R_{2} [x]$ . Encontraremos la matriz de cambio de base de $B$ a $B^{'}$ y la matriz de cambio de base de $B^{'}$ a $B$ .

La dimensión de $R_{2} [x]$ es $3$ y $B^{'}$ tiene $3$ elementos, así que basta ver que los elementos de $B^{'}$ son linealmente independientes para ver que $B^{'}$ es base. Una combinación lineal $a (3 x^{2}) + b (2 x) + c (1) = 0$ es equivalente a que $3 a x^{2} + 2 b x + c = 0$ , lo cual sucede si y sólo si $a = b = c = 0$ . Esto muestra que $B^{'}$ es base.

Para encontrar a la matriz de cambio de base de $B$ a $B^{'}$ lo que tenemos que hacer es escribir a los elementos de $B^{'}$ como combinación lineal de los elementos de $B$ . Esto lo hacemos de la siguiente manera (recuerda que el orden es importante):

$\begin{aligned} 3 x^{2} & = 0 \cdot 1 + 0 \cdot x + 3 \cdot x^{2} \\ 2 x & = 0 \cdot 1 + 2 \cdot x + 0 \cdot x^{2} \\ 1 & = 1 \cdot 1 + 0 \cdot x + 0 \cdot x^{2} . \end{aligned}$

Como los coeficientes de $3 x^{2}$ en la base ordenada $B$ son $0$ , $0$ y $3$ , entonces la primer columna de la matriz de cambio de base será $(\begin{matrix} 0 \\ 0 \\ 3 \end{matrix})$ . Argumentando de manera similar para $2 x$ y $1$ , tenemos que la matriz de cambio de base de $B$ a $B^{'}$ es $(\begin{matrix} 0 & 0 & 1 \\ 0 & 2 & 0 \\ 3 & 0 & 0 \end{matrix}) .$

Para encontrar a la matriz de cambio de base de $B^{'}$ a $B$ , expresamos a los elementos de $B$ en términos de la base $B^{'}$ como sigue:

$\begin{aligned} 1 & = 0 \cdot (3 x^{2}) + 0 \cdot (2 x) + 1 \cdot 1 \\ x & = 0 \cdot (3 x^{2}) + \frac{1}{2} \cdot (2 x) + 0 \cdot 1 \\ x^{2} & = \frac{1}{3} \cdot (3 x^{2}) + 0 \cdot (2 x) + 0 \cdot 1. \end{aligned}$

En este caso fue sencillo hacerlo, pero en otros problemas frecuentemente esto se hace resolviendo un sistema de ecuaciones.

De esta manera, tenemos que la matriz de cambio de base de $B^{'}$ a $B$ es $(\begin{matrix} 0 & 0 & \frac{1}{3} \\ 0 & \frac{1}{2} & 0 \\ 1 & 0 & 0 \end{matrix}) .$

$△$

Cambio de coordenadas usando matrices de cambio de base

Las matrices de cambio de base nos ayudan a responder la primer pregunta que planteamos al inicio de esta entrada. Si conocemos las coordenadas de un vector en una base, podemos usar la matriz de cambio de base para encontrar las coordenadas del vector en otra base.

Proposición. Sea $V$ un espacio vectorial de dimensión $n$ , $B = (v_{1}, \dots, v_{n})$ , $B^{'} = (v_{1}', \dots, v_{n}^{'})$ bases ordenadas de $V$ y $P$ la matriz de cambio de base de $B$ a $B^{'}$ . Supongamos que el vector $v$ de $V$ se escribe en base $B$ como $v = c_{1} v_{1} + c_{2} v_{2} + \dots + c_{n} v_{n}$ y en base $B^{'}$ como $v = c_{1}^{'} v_{1}^{'} + c_{2}^{'} v_{2}^{'} + \dots + c_{n}^{'} v_{n}^{'} .$ Entonces: $P (\begin{matrix} c_{1}' \\ ⋮ \\ c_{n}^{'} \end{matrix}) = (\begin{matrix} c_{1} \\ ⋮ \\ c_{n} \end{matrix}) .$

En otras palabras, la matriz $P$ de cambio de base de $B$ a $B^{'}$ manda las coordenadas de un vector en base $B^{'}$ a coordenadas en base $B$ al multiplicar por la izquierda. Ojo: para construir $P$ expresamos a $B^{'}$ en términos de $B$ , pero lo que hace $P$ es expresar a alguien de coordenadas en $B^{'}$ a coordenadas en $B$ .

Demostración. El vector de coordenadas de $v_{j}^{'}$ escrito en base $B^{'}$ es el vector canónico $e_{j}$ de $F^{n}$ . Además, $P e_{j}$ es la $j$ -ésima columna de $P$ , que por construcción es el vector de coordenadas de $v_{j}^{'}$ en la base $B$ . Así, el resultado es cierto para los vectores $v_{j}^{'}$ de la base $B^{'}$ . Para cualquier otro vector $v$ , basta expresarlo en términos de la base $B^{'}$ y usar la linealidad de asignar el vector de coordenadas y la linealidad de $P$ .

Problema. Escribe a los vectores $v_{1} = (4, 3, 5, 2)$ , $v_{2} = (2, 2, 2, 2)$ y $v_{3} (0, 0, 0, 1)$ de $R^{4}$ como combinación lineal de los elementos de la base $B$ de $R^{4}$ conformada por los vectores $(1, 0, 0, 0)$ , $(1, 1, 0, 0)$ , $(1, 1, 1, 0)$ y $(1, 1, 1, 1)$ .

Solución. Conocemos las coordenadas de $v_{1}, v_{2}, v_{3}$ en la base canónica $(1, 0, 0, 0)$ , $(0, 1, 0, 0)$ , $(0, 0, 1, 0)$ , $(0, 0, 0, 1)$ . De hecho, el vector de coordenadas de $v_{1}$ es exactamente $v_{1}$ (esto es algo que sucede pues estamos trabajando en $R^{4}$ ). Lo que nos estan pidiendo son las coordenadas de $v_{1}, v_{2}, v_{3}$ en la base $B$ . Nos gustaría usar la proposición anterior. Para ello, necesitamos encontrar la matriz de cambio de base de $B$ a la base canónica. Escribamos entonces a la base canónica en términos de los vectores de $B$ :

$\begin{aligned} (1, 0, 0, 0) & = 1 \cdot (1, 0, 0, 0) + 0 \cdot (1, 1, 0, 0) + 0 \cdot (1, 1, 1, 0) + 0 \cdot (1, 1, 1, 1) \\ (0, 1, 0, 0) & = - 1 \cdot (1, 0, 0, 0) + 1 \cdot (1, 1, 0, 0) + 0 \cdot (1, 1, 1, 0) + 0 \cdot (1, 1, 1, 1) \\ (0, 0, 1, 0) & = 0 \cdot (1, 0, 0, 0) - 1 \cdot (1, 1, 0, 0) + 1 \cdot (1, 1, 1, 0) + 0 \cdot (1, 1, 1, 1) \\ (0, 0, 0, 1) & = 0 \cdot (1, 0, 0, 0) + 0 \cdot (1, 1, 0, 0) - 1 \cdot (1, 1, 1, 0) + 1 \cdot (1, 1, 1, 1) \end{aligned}$

A estas coordenadas las ponemos como columnas para encontrar la matriz de cambio de base de $B$ a la base canónica:
$(\begin{matrix} 1 & - 1 & 0 & 0 \\ 0 & 1 & - 1 & 0 \\ 0 & 0 & 1 & - 1 \\ 0 & 0 & 0 & 1 \end{matrix}) .$

Para encontrar las coordenadas de $v_{1}, v_{2}, v_{3}$ en términos de la base $B$ , basta con multiplicar esta matriz a la izquierda para cada uno de ellos:

$(\begin{matrix} 1 & - 1 & 0 & 0 \\ 0 & 1 & - 1 & 0 \\ 0 & 0 & 1 & - 1 \\ 0 & 0 & 0 & 1 \end{matrix}) (\begin{matrix} 4 \\ 3 \\ 5 \\ 2 \end{matrix}) = (\begin{matrix} 1 \\ - 2 \\ 3 \\ 2 \end{matrix}),$

$(\begin{matrix} 1 & - 1 & 0 & 0 \\ 0 & 1 & - 1 & 0 \\ 0 & 0 & 1 & - 1 \\ 0 & 0 & 0 & 1 \end{matrix}) (\begin{matrix} 2 \\ 2 \\ 2 \\ 2 \end{matrix}) = (\begin{matrix} 0 \\ 0 \\ 0 \\ 2 \end{matrix})$ y

$(\begin{matrix} 1 & - 1 & 0 & 0 \\ 0 & 1 & - 1 & 0 \\ 0 & 0 & 1 & - 1 \\ 0 & 0 & 0 & 1 \end{matrix}) (\begin{matrix} 0 \\ 0 \\ 0 \\ 1 \end{matrix}) = (\begin{matrix} 0 \\ 0 \\ - 1 \\ 1 \end{matrix}) .$

En efecto, se puede verificar que estos nuevos vectores dan las combinaciones lineales de la base $B$ que hacen a $v_{1}$ , $v_{2}$ y $v_{3}$ , por ejemplo, para $v_{1}$ tenemos: $(4, 5, 3, 2) = (1, 0, 0, 0) - 2 (1, 1, 0, 0) + 3 (1, 1, 1, 0) + 2 (1, 1, 1, 1) .$

$△$

Matrices de cambio de base como la forma matricial de una transformación lineal

A la matriz de cambio de base de $B$ a $B^{'}$ la denotamos por ${Mat}_{B} (B^{'})$ .

Una observación crucial es que podemos pensar a las matrices de cambio de base en un espacio vectorial $V$ justo como formas matriciales correspondientes a una transformación lineal específica. De hecho, la transformación lineal que le corresponde es muy bonita: es la identidad ${id}_{V}$ que manda a cada vector de $V$ a sí mismo.

De manera más concreta, si $B$ y $B^{'}$ son bases de $V$ y ${Mat}_{B} (B^{'})$ es la matriz de cambio de base de $B$ a $B^{'}$ , entonces ${Mat}_{B} (B^{'}) = {Mat}_{B, B^{'}} ({id}_{V}) .$ A estas alturas tienes todas las herramientas necesarias para demostrar esto.

¿Qué sucede si ahora tenemos tres bases $B$ , $B^{'}$ y $B »$ de $V$ y componemos a la identidad consigo misma? Utilizando los argumentos de la entrada anterior, la matriz correspondiente a la composición es el producto de las matrices de cada transformación. Juntando esto con la observación anterior, tenemos la siguiente propiedad para matrices de cambio de base:

${Mat}_{B} (B ») = {Mat}_{B} (B^{'}) \cdot {Mat}_{B^{'}} (B ») .$

Finalmente, ¿qué sucede si en la igualdad anterior ponemos $B » = B$ ? Al lado izquierdo tenemos la matriz de cambio de base de $B$ a sí misma, que puedes verificar que es la identidad. Al lado derecho tenemos al producto de la matriz de cambio de base de $B$ a $B^{'}$ con la matriz de cambio de $B^{'}$ a $B$ . Esto muestra que las matrices de cambio de base son invertibles.

Resumimos todas estas observaciones en la siguiente proposición:

Proposición. Sean $B$ , $B^{'}$ y $B »$ bases del espacio vectorial de dimensión finita $V$ .

La matriz de cambio de base de $B$ a $B^{'}$ corresponde a la matriz de la transformación identidad de $V$ a $V$ , en donde el primer $V$ lo pensamos con la base $B^{'}$ y al segundo con la base $B$ .
El producto de matrices de cambio de base de $B$ a $B^{'}$ y de $B^{'}$ a $B »$ es la matriz de cambio de base de $B$ a $B »$ .
La matriz de cambio de base de $B$ a $B^{'}$ es invertible, y su inversa es la de cambio de base de $B^{'}$ a $B$ .

En la próxima entrada veremos cómo las matrices de cambio de base también nos ayudan a entender transformaciones lineales bajo distintas bases.

Más adelante…

En esta entrada ya vimos cómo cambian las coordenadas de un vector cuando cambiamos de base. Lo que haremos en la siguiente entrada es estudiar cómo cambia la forma matricial de una transformación lineal cuando cambiamos las bases de su espacio vectorial origen y su espacio vectorial destino.

Tarea moral

Los siguientes ejercicios no forman parte de la evaluación del curso, pero te servirán para entender mucho mejor los conceptos vistos en esta entrada, así como temas posteriores.

¿Qué sucede en el primer ejemplo si multiplicas ambas matrices de cambio de base que encontramos?
En el segundo ejemplo, encuentra la matriz de cambio de base de la base canónica a la matriz $B$
Considera las cuatro matrices de $2 \times 2$ que puedes formar colocando tres unos y un cero. Muestra que estas cuatro matrices forman una base $B$ de $M_{2, 2} (R)$ . Determina la matriz de cambio de base de $B$ a la base canónica de $M_{2, 2} (R)$ . Ojo: Una cosa son los elementos del espacio vectorial y otra cosa van a ser las matrices de cambio de base. Como $M_{2, 2} (R)$ es de dimensión $4$ , la matriz de cambio de base que tienes que determinar en realidad es de $4 \times 4$ .
Da una demostración de que, en efecto ${Mat}_{B} (B^{'}) = {Mat}_{B, B^{'}} ({id}_{V}) .$
Verifica que la matriz de cambio de base $B$ a sí misma es la identidad.

Entradas relacionadas

Ir a Álgebra Lineal I
Entrada anterior del curso: Problemas de transformaciones lineales, vectores independientes y forma matricial
Siguiente entrada del curso: Cambio de base de transformaciones lineales

Agradecimientos

Trabajo realizado con el apoyo del Programa UNAM-DGAPA-PAPIME PE104721 «Hacia una modalidad a distancia de la Licenciatura en Matemáticas de la FC-UNAM»

Álgebra Lineal I: Transformaciones lineales en bases, conjuntos independientes y generadores

Por Leonardo Ignacio Martínez Sandoval

11 respuestas

Introducción

El objetivo de esta entrada es entender qué efecto tienen las transformaciones lineales en bases, en conjuntos linealmente independientes y en conjuntos generadores. En la siguiente lista recordamos brevemente estas nociones:

Una transformación lineal $T : V \to W$ entre espacios vectoriales $V$ y $W$ es una función que «abre sumas» (es decir $T (x + y) = T (x) + T (y)$ ) y «saca escalares» (es decir $T (c x) = c T (x)$ ). Recuerda que es necesario que $V$ y $W$ estén sobre el mismo campo, cosa que asumiremos cuando hablemos de transformaciones lineales.
Un conjunto de vectores ${v_{1}, \dots, v_{n}}$ en $V$ es linealmente independiente si la única combinación lineal de ellos que da $0$ es la trivial, osea en la que todos los coeficientes son $0$ .
Si cualquier vector de un espacio vectorial $V$ puede escribirse como combinación lineal de un conjunto de vectores $S = {v_{1}, \dots, v_{n}}$ , entonces decimos que $S$ genera a $V$ .
Un conjunto de vectores en $V$ es base si es linealmente independiente y genera a $V$ .

La idea de esta entrada es entender lo siguiente:

¿Cuándo las imágenes de linealmente independientes/generadores/bases son linealmente independientes/generadores/bases tras aplicar una transformación lineal?
¿Cómo saber si una transformación lineal es inyectiva?
¿Cómo el efecto de transformaciones lineales en bases nos permite determinar exactamente qué le hacen al resto de los vectores?

Exploración

Tomemos espacios vectoriales $V$ , $W$ y una transformación lineal $T : V \to W$ . Si comenzamos con un conjunto $S = {v_{1}, \dots, v_{n}}$ de vectores en $V$ que es linealmente independiente (o generador, o base) en $V$ , ¿cuándo sucede que $T (S) = {T (v_{1}), \dots, T (v_{n})}$ es linealmente independiente (o generador, o base, respectivamente) en $W$ ?

Esto definitivamente no sucede siempre. La tranformación $Z : R^{3} \to R [x]$ que manda a todo vector $(x, y, z)$ al polinomio $0$ es una transformación lineal. Sin embargo, a la base canónica ${e_{1}, e_{2}, e_{3}}$ la manda al conjunto ${0, 0, 0} = {0}$ , que no es un conjunto ni linealmente independiente, ni generador de los polinomios con coeficientes reales.

De esta forma, tenemos que pedirle más a la transformación $T$ para que preserve las propiedades mencionadas.

Intuitivamente, si la imagen de $T$ no cubre a todo $W$ , entonces los vectores de la forma $T (v)$ con $v$ en $V$ no deberían de poder generar a $W$ . Así, para que $T$ mande generadores a generadores, tiene que pasar que « $T$ pase por todo $W$ ». Esta noción queda capturada formalmente al pedir que $T$ sea suprayectiva.

Del mismo modo, también intuitivamente si « $T$ manda elementos distintos al mismo elemento», entonces perderemos familias linealmente independientes al aplicarla. Así, para preservar conjuntos linealmente independientes, necesitamos que vectores distintos vayan a valores distintos. En términos formales, necesitamos que $T$ sea inyectiva.

Resultados principales de transformaciones lineales en bases, generadores y linealmente independientes

El primer resultado es que los requisitos que descubrimos intuitivamente en la sección pasada son suficientes.

Teorema. Sea $T : V \to W$ una transformación lineal y $S = {v_{1}, \dots, v_{n}}$ un conjunto de vectores de $V$ . Entonces:

Si $T$ es inyectiva y $S$ es linealmente independiente, entonces $T (S)$ es linealmente independiente.
Cuando $T$ es suprayectiva y $S$ es generador, entonces $T (S)$ es generador.
Si $T$ es biyectiva y $S$ es base, entonces $T (S)$ es base.

Demostración. Comencemos suponiendo que $T$ es inyectiva y $S$ es linealmente independiente. Entonces $T (v_{1}), \dots, T (v_{n})$ son todos distintos. Tomemos una combinación lineal de elementos de $T (S)$ igual a cero, es decir, $a_{1} T (v_{1}) + a_{2} T (v_{2}) + \dots + a_{n} T (v_{n}) = 0.$ Debemos mostrar que todos los coeficientes son iguales a cero. Como $T$ es transformación lineal, podemos juntar las sumas y productos escalares como sigue: $T (a_{1} v_{1} + a_{2} v_{2} + \dots + a_{n} v_{n}) = 0 = T (0) .$

Como $T$ es inyectiva, esto implica que $a_{1} v_{1} + a_{2} v_{2} + \dots + a_{n} v_{n} = 0,$ pero como $S$ es linealmente independiente, concluimos que $a_{1} = \dots = a_{n} = 0.$ Así, $T (S)$ es linealmente independiente.

Supongamos ahora que $T$ es suprayectiva y $S$ es generador. Tomemos un $w \in W$ . Como $T$ es suprayectiva, existe $v \in V$ tal que $T (v) = w$ y como $S$ es generador, existen $a_{1}, \dots, a_{n}$ tales que $a_{1} v_{1} + \dots + a_{n} v_{n} = v .$ Aplicando $T$ en ambos lados, abriendo las sumas y sacando escalares obtenemos que $a_{1} T (v_{1}) + \dots + a_{n} T (v_{n}) = T (v) = w .$ Así, todo elemento de $W$ se puede escribir como combinación lineal de elementos de $T (S)$ , como queríamos.

Finalmente, supongamos que $T$ es biyectiva y $S$ es base. Como $T$ es inyectiva y $S$ linealmente independiente, entonces $T (S)$ es linealmente independiente. Como $T$ es suprayectiva y $S$ generador, entonces $T (S)$ es generador. Así, $T (S)$ es base.

Una consecuencia fudamental del resultado anterior es que si $V$ y $W$ son espacios de dimensión finita y existe una transformación lineal inyectiva $T : V \to W$ , entonces $\dim (V) \leq \dim (W)$ . En efecto, si $B$ es base de $V$ y $T$ es inyectiva, entonces $T (B)$ es linealmente independiente en $W$ y sabemos que $W$ tiene a lo más $\dim (W)$ vectores linealmente independientes, así que $\dim (V) = | B | = | T (B) | \leq \dim (W)$ . De manera similar, si existe una transformación lineal $T : V \to W$ suprayectiva, entonces $\dim (V) \geq \dim (W)$ . Demuestra esto. ¿Qué pasa con las dimensiones si existe una transformación lineal biyectiva entre $V$ y $W$ ?

¿Cuándo una transformación lineal es inyectiva?

El teorema anterior también sugiere que es importante saber cuándo una transformación lineal es inyectiva, suprayectiva o ambas. Resulta que en el caso de la inyectividad hay un criterio que nos ayuda.

Proposición. Sean $V$ y $W$ espacios vectoriales. Una transformación lineal $T : V \to W$ es inyectiva y si sólo si el único vector $v$ de $V$ tal que $T (v) = 0$ es el vector $v = 0$ . En otras palabras $T$ es inyectiva si y sólo si $\ker (T) = {0}$ .

Demostración. Sean $V$ y $W$ espacios vectoriales y $T : V \to W$ una transformación lineal. Recordemos que sabemos que $T (0) = 0$ .

Si $T$ es inyectiva y $T (x) = 0$ , entonces $T (x) = T (0)$ y por inyectividad $x = 0$ , de modo que $x$ es el único vector que va a $0$ bajo $T$ .

Si el único vector que bajo $T$ va a $0$ es el $0$ y tenemos que $T (x) = T (y)$ , entonces usando que $T$ es lineal tenemos que $0 = T (y) - T (x) = T (y - x)$ . Así, por hipótesis $y - x = 0$ , es decir, $x = y$ . Con esto queda mostrado que $T$ es inyectiva.

Transformaciones lineales en bases dan toda la información

Conociendo los valores de una transformación lineal en algunos vectores, es posible determinar el valor de la transformación en otros vectores que son combinación lineal de los primeros. Considera el siguiente ejemplo.

Problema. La transformación lineal $T : M_{2} (R) \to R^{2}$ cumple que $T (\begin{matrix} 1 & 1 \\ 0 & 0 \end{matrix}) = (1, 0)$ , $T (\begin{matrix} 0 & 1 \\ 0 & 1 \end{matrix}) = (0, - 1)$ , $T (\begin{matrix} 0 & 0 \\ 1 & 1 \end{matrix}) = (- 1, 0)$ y $T (\begin{matrix} 1 & 0 \\ 1 & 0 \end{matrix}) = (0, 1)$ . Determina el valor de $T (\begin{matrix} 3 & 3 \\ 3 & 3 \end{matrix})$ .

Intenta resolver el problema por tu cuenta antes de ver la solución. Para ello, intenta poner a la matriz $(\begin{matrix} 3 & 3 \\ 3 & 3 \end{matrix})$ como combinación lineal de las otras matrices y usar que $T$ es lineal.

Solución. Sean $A$ , $B$ , $C$ y $D$ las matrices de las cuales conocemos cuánto vale $T$ en ellas y $E$ la matriz con puros $3$ ’s. Queremos determinar el valor de $T (E)$ . Notemos que $E = \frac{3}{2} (A + B + C + D)$ . Como $T$ es transformación lineal, tenemos que

$\begin{aligned} T (E) & = \frac{3}{2} (T (A) + T (B) + T (C) + T (D)) \\ = \frac{3}{2} ((1, 0) + (0, - 1) + (- 1, 0) + (0, 1)) \\ = (0, 0) . \end{aligned}$

En este problema lo que sirvió para encontrar el valor de $T (E)$ fue poner a la matriz $E$ como combinación lineal de las matrices $A, B, C, D$ . De hecho, para cualquier matriz que sea combinación lineal de las matrices $A, B, C, D$ , pudiéramos haber hecho lo mismo.

A partir de esta observación, podemos intuir que al conocer el efecto de transformaciones lineales en bases, podemos saber qué le hacen a cada elemento del espacio vectorial. El siguiente teorema enuncia esto de manera formal y dice un poco más.

Teorema. Sean $V$ , $W$ espacios vectoriales, $B = {v_{1}, v_{2}, \dots, v_{n}}$ una base de $V$ y $w_{1}, w_{2}, \dots, w_{n}$ vectores cualesquiera de $W$ . Entonces, existe una y sólo una transformación lineal $T : V \to W$ tal que $T (v_{1}) = w_{1}, T (v_{2}) = w_{2}, \dots, T (v_{n}) = w_{n} .$

Demostración. Probemos primero la parte de existencia. Como $B$ es base, cualquier vector $v$ de $V$ se puede escribir como $a_{1} v_{1} + a_{2} v_{2} + \dots + a_{n} v_{n} .$ Construyamos la función $T : V \to W$ tal que $T (v) = a_{1} w_{1} + a_{2} w_{2} + \dots + a_{n} w_{n} .$

Como para cada $i = 1, \dots, n$ tenemos que la combinación lineal de $v_{i}$ en términos de $B$ es $v_{i} = 1 \cdot v_{i}$ , tenemos que $T (v_{i}) = 1 \cdot w_{i} = w_{i}$ , que es una de las cosas que queremos. La otra que queremos es que $T$ sea lineal. Mostremos esto. Si $v = a_{1} v_{1} + a_{2} v_{2} + \dots + a_{n} v_{n}$ y $w = b_{1} v_{1} + b_{2} v_{2} + \dots + b_{n} v_{n},$ entonces $v + w = (a_{1} + b_{1}) v_{1} + (a_{2} + b_{2}) v_{2} + \dots + (a_{n} + b_{n}) v_{n},$ y por definición $T (v + w) = (a_{1} + b_{1}) w_{1} + (a_{2} + b_{2}) w_{2} + \dots + (a_{n} + b_{n}) w_{n} .$ Notemos que el lado derecho es igual a $T (v) + T (w)$ , de modo que $T$ abre sumas. De manera similar se puede mostrar que $T$ saca escalares.

Esbocemos ahora la demostración de la unicidad. Supongamos que $T$ y $T^{'}$ son transformaciones lineales de $V$ a $W$ tales que $T (v_{i}) = T^{'} (v_{i}) = w_{i}$ para toda $i = 1, \dots, n$ . Tenemos que mostrar que $T (v) = T^{'} (v)$ para toda $v$ . Para ello procedemos como en el problema antes de este teorema: escribimos a $v$ como combinación lineal de elementos de $B$ . Esto se puede hacer de una única forma. El valor de $T (v)$ a su vez depende únicamente de $w_{1}, \dots, w_{n}$ y de la los coeficientes en combinación lineal. El de $T^{'} (v)$ también. Por lo tanto son iguales.

Una consecuencia del teorema anterior, en la que no es necesario enunciar a las imágenes de la base, es la siguiente.

Corolario. Sean $V$ y $W$ espacios vectoriales, $B$ una base de $V$ , y $T$ y $T^{'}$ transformaciones lineales de $V$ a $W$ . Si $T (v) = T^{'} (v)$ para toda $v \in B$ , entonces $T (v) = T^{'} (v)$ para toda $v \in V$ .

Más adelante…

Las propiedades que demostramos en esta entrada se usan con tanta frecuencia que muchas veces se aplican sin siquiera detenerse a argumentar por qué son válidas. Por esta razón, es importante que te familiarices con ellas. Otra ventaja de conocerlas a profundidad es que muchas veces ayudan a dar demostraciones sencillas o elegantes para algunos problemas. Finalmente, los hechos que aquí mostramos los usaremos prácticamente sin demostración en las siguientes entradas, en donde desarrollaremos la teoría de la forma matricial de transformaciones lineales.

Tarea moral

Los siguientes ejercicios no forman parte de la evaluación del curso, pero te servirán para entender mucho mejor los conceptos vistos en esta entrada, así como temas posteriores.

Encuentra qué le hace al vector $(7, 3)$ una transformación lineal $T : R^{2} \to R$ tal que $T (2, 1) = 20$ y $T (7, 2) = 5$ .
Determina si las matrices $A, B, C, D$ del problema de la entrada son una base para $M_{2} (R)$ . Si no son una base, ¿cuál es la dimensión del subespacio que generan?
En el último teorema se afirma que la función que construimos saca escalares. Muestra esto.
De ese mismo teorema, escribe los detalles de que dicha función es única.
Demuestra el corolario enunciado en la entrada.

Entradas relacionadas

Ir a Álgebra Lineal I
Entrada anterior del curso: Proyecciones, simetrías y subespacios estables
Siguiente entrada del curso: Forma matricial de una transformación lineal

Agradecimientos

Trabajo realizado con el apoyo del Programa UNAM-DGAPA-PAPIME PE104721 «Hacia una modalidad a distancia de la Licenciatura en Matemáticas de la FC-UNAM»

El lema de intercambio de Steinitz

Por Leonardo Ignacio Martínez Sandoval

7 respuestas

Introducción

En esta entrada platicaré de un lema muy útil en álgebra lineal, sobre todo cuando se están definiendo las nociones de base y de dimensión para espacios vectoriales de dimensión finita. Se trata del lema de intercambio de Steinitz.

Supondré que el lector ya sabe un poco de álgebra lineal, pero muy poquito. Basta con saber la definición de espacio vectorial. Lo demás lo definiremos sobre el camino.

El nombre del lema es en honor al matemático alemán Ernst Steinitz. Sin embargo, personalmente a mi me gusta pensarlo como el lema del «regalo de vectores», por razones que ahorita platicaremos. El enunciado es el siguiente:

Teorema (Lema de intercambio de Steinitz). Sea $V$ un espacio vectorial. Tomemos un conjunto finito y linealmente independiente $L$ de $V$ , y un conjunto finito y generador $S$ de $V$ . Supongamos que $L$ tiene $m$ elementos y que $S$ tiene $n$ elementos. Entonces:

$m \leq n$
Se puede tomar un subconjunto $T$ de $S$ de tamaño $n - m$ tal que $L \cup T$ sea generador de $V$ .

En pocas palabras, «cualquier conjunto linealmente independiente tiene a lo mucho tantos elementos como cualquier conjunto generador y, además, cualquier generador le puede regalar vectores al linealmente independiente para volverlo generador».

De manera esquemática, está pasando lo siguiente:

Diagrama del lema de intercambio de Steinitz

Lo que haremos es hablar de las definiciones necesarias para entender el lema, hablar de la intuición detrás, dar un par de ejemplos y luego dar la demostración. La presentación está ligeramente basada en el libro de álgebra lineal de Titu Andreescu.

Definiciones e intuición

Sea $V$ un espacio vectorial sobre un campo $F$ .

Si tenemos vectores $v_{1}, \dots, v_{n}$ de $V$ y escalares $a_{1}, \dots, a_{n}$ en $F$ , podemos considerar al vector formado por multiplicar los vectores por los escalares correspondientes y sumarlos todos, es decir al vector $v$ dado por la expresión $a_{1} v_{1} + \dots + a_{n} v_{n}$ . En este caso, decimos que $v$ es una combinación lineal de $v_{1}, \dots, v_{n}$ , o a veces que $v_{1}, \dots, v_{n}$ generan a $v$ .

Un conjunto $S = {v_{1}, v_{2}, \dots, v_{n}}$ de vectores de $V$ es generador si para cualquier $v$ de $V$ existen escalares $a_{1}, \dots, a_{n}$ en $F$ para los cuales $v = a_{1} v_{1} + \dots + a_{n} v_{n}$ . Dicho de otra forma, « $S$ es generador si cualquier vector del espacio vectorial es combinación lineal de vectores de $S$ ».

De esta definición es fácil ver que si $S$ es un conjunto generador y $T$ es un conjunto que contiene a $S$ (es decir, $T \supset S$ ), entonces $T$ también es generador: simplemente para cualquier $v$ usamos la combinación lineal que tenemos en $S$ y al resto de los vectores (los de $T ∖ S$ ) les ponemos coeficientes cero.

Un conjunto $L = {w_{1}, w_{2}, \dots, w_{m}}$ de vectores de $V$ es linealmente independiente si la única combinación lineal de vectores de $L$ que da $0$ es aquella en la que todos los escalares son $0$ . Dicho de otra forma, « $L$ es linealmente independiente si $a_{1} w_{1} + \dots + a_{m} w_{m} = 0$ implica que $a_{1} = a_{2} = \dots = a_{m} = 0$ .»

Con los conjuntos linealmente independientes pasa lo contrario a lo de los generadores. Si $L$ es un conjunto linealmente independiente y $M$ está contenido en $L$ (es decir, ahora $M \subset L$ ), entonces $M$ es linealmente independiente. Esto sucede pues cualquier combinación lineal de $M$ también es una combinación lineal de $L$ . Como no hay ninguna combinación lineal no trivial de elementos de $L$ que sea igual a cero, entonces tampoco la hay para $M$ .

Los párrafos anteriores dejan la idea de que «los conjuntos generadores tienen que ser grandes» y que «los conjuntos linealmente independientes tienen que ser chiquitos». El lema de intercambio de Steinitz es una manera en la que podemos formalizar esta intuición.

Como los conjuntos generadores son «grandes», entonces son bien buena onda y bien generosos. Tienen muchos elementos. Como los conjuntos linealmente independientes son «chiquitos», entonces necesitan elementos. Lo que dice el lema de intercambio de Steinitz es que si tenemos a un generador $S$ y a un linealmente independiente $L$ , entonces $S$ tiene más elementos y que puede regalar al linealmente independiente $L$ algunos elementos $T$ para que ahora $L \cup T$ tenga tantos elementos como tenía $S$ y además se vuelva generador. Una cosa importante es que no cualquier subconjunto $T$ funciona. Este tiene que estar bien elegido.

Ejemplo concreto del lema de intercamio de Steinitz

Veamos un ejemplo muy concreto. Supongamos que nuestro espacio vectorial es $R^{3}$ , osea, los vectores con $3$ entradas reales. Tomemos a los siguientes conjuntos de vectores:

$L = {(1, 2, 3), (0, 3, 0)}$
$S = {(0, 1, 0), (1, 0, 0), (0, 0, - 1), (2, 4, 6)}$

Por un lado, el conjunto $L$ es linealmente idependiente. Una combinación lineal $a (1, 2, 3) + b (0, 3, 0) = (0, 0, 0)$ implica de manera directa que $a = 0$ (por la primer o tercer coordenadas) y de ahí $b = 0$ (por la segunda coordenada).

Por otro lado, el conjunto $S$ es generador, pues con $(0, 0, - 1)$ podemos obtener a $(0, 0, 1)$ como combinación lineal, de modo que $S$ genera a los tres de la base canónica y por tanto genera a todo $R^{3}$ .

Notemos que en efecto $L$ tiene menos elementos que $S$ . Además, el lema de intercambio de Steinitz garantiza que $S$ puede pasarle $| S | - | L | = 4 - 2 = 2$ elementos a $L$ para volverlo generador. Pero hay que ser cuidadosos. Si le regala los elementos $(0, 1, 0)$ y $(2, 4, 6)$ , entonces no funciona (se puede verificar que este conjunto no genera a $R^{3}$ ). Pero si le regala, por ejemplo, los elementos $(1, 0, 0)$ y $(0, 0, - 1)$ entonces ahora sí generará (se puede argumentar viendo que entonces ahora genera a los tres de la base canónica).

Demostración del lema de intercambio de Steinitz

Pasemos ahora a la demostración del lema de Steinitz. Lo demostraremos por inducción en la cantidad de elementos que tiene $L$ , el linealmente independiente. Si $| L | = m = 0$ , entonces claramente $m = 0 \leq n$ , y además $S$ le puede pasar $n - 0 = n$ elementos (todos) a $L$ y volverlo generador.

Supongamos entonces que es cierta la siguiente afirmación.

Hipótesis inductiva Sea $V$ un espacio vectorial. Tomemos un conjunto finito y linealmente independiente $L$ de $V$ , y un conjunto finito y generador $S$ de $V$ . Supongamos que $L$ tiene $m$ elementos y que $S$ tiene $n$ elementos. Entonces:

$m \leq n$
Se puede tomar un subconjunto $T$ de $S$ de tamaño $n - m$ tal que $L \cup T$ sea generador de $V$ .

Para el paso inductivo, tomemos $L = {w_{1}, w_{2}, \dots, w_{m}, w_{m + 1}}$ un linealmente independiente de $V$ y $S = {v_{1}, v_{2}, \dots, v_{n}}$ un generador de $V$ . Aplicándole la hipótesis inductiva al linealmente independiente $L^{'} = L ∖ {w_{m + 1}} = {w_{1}, \dots, w_{m}}$ y al generador $S$ , tenemos que:

$m \leq n$
Se puede tomar un subconjunto $T^{'} = {s_{1}, s_{2}, \dots, s_{n - m}}$ de $S$ tal que $L^{'} \cup T^{'} = {w_{1}, w_{2}, \dots, w_{m}, s_{1}, \dots, s_{n - m}}$ sea generador de $V$ .

Como $L^{'} \cup T^{'}$ es generador, entonces podemos poner a $w_{m + 1}$ como combinación lineal de elementos de $L^{'} \cup T^{'}$ , es decir, existen $a_{1}, \dots, a_{m}, b_{1}, \dots, b_{n - m}$ tales que $w_{m + 1} = a_{1} w_{1} + \dots + a_{m} w_{m} + b_{1} s_{1} + \dots + b_{n - m} s_{n - m} .$

Ya sabemos que $m \leq n$ . Si $m = n$ , la combinación lineal anterior no tendría ningún $s_{i}$ , y entonces sería una combinación lineal no trivial para los elementos de $L$ , lo cual es una contradicción pues $L$ es linealmente independiente. Entonces $m \neq n$ y $m \leq n$ , así que $m + 1 \leq n$ , que era el primer punto que queríamos probar.

También, como $L$ es linealmente independiente, no se vale que todos los $b_{i}$ sean iguales a cero. Sin perder generalidad, podemos suponer que $b_{1} \neq 0$ . Así, $s_{1}$ se puede despejar como combinación lineal en términos de $w_{1}, \dots, w_{n}, w_{n + 1}, s_{2}, \dots, s_{n - m}$ y por lo tanto $L \cup (T^{'} ∖ {s_{1}})$ genera lo mismo que $L^{'} \cup T^{'}$ , que era todo $V$ . Así, $T := T^{'} ∖ {s_{1}}$ es el subconjunto de $S$ de tamaño $n - (m + 1)$ tal que $L \cup T$ es generador. Esto termina la prueba del lema.

Algunas aplicaciones

El lema de intercambio de Steinitz se puede utilizar para probar varias afirmaciones con respecto a bases de un espacio vectorial de dimensión finita.

Un espacio vectorial es de dimensión finita si tiene un conjunto generador con una cantidad finita de elementos. Una base de un espacio vectorial es un conjunto que sea simultáneamente generador y linealmente independiente.

Las siguientes afirmaciones se siguen directamente del lema de Steinitz.

Todas las bases de un espacio vectorial finito tienen la misma cantidad de elementos.
En un espacio vectorial de dimensión $d$ :
- Todo conjunto linealmente independiente tiene a lo más $d$ elementos.
- Todo conjunto generador tiene al menos $d$ elementos.
Si $S$ es un conjunto con $n$ vectores de un espacio vectorial de dimensión $n$ , entonces las siguientes tres afirmaciones son equivalentes:
- El conjunto $S$ es base.
- $S$ es linealmente independiente.
- $S$ es generador.

Como primer ejemplo, haremos (1). Tomemos $B_{1}$ y $B_{2}$ bases de un espacio vectorial de dimensión finita $B$ . Pensando a $B_{1}$ como linealmente independiente y a $B_{2}$ como generador, tenemos $| B_{1} | \leq | B_{2} |$ . Pensando a $B_{2}$ como linealmente independiente y a $B_{1}$ como generador, tenemos $| B_{2} | \leq | B_{1} |$ . Así, $| B_{1} | = | B_{2} |$ .

Como segundo ejemplo, haremos una parte de (3). Suponiendo que $S$ es un conjunto de $n$ vectores de un espacio vectorial de dimensión $n$ , veremos que su independencia lineal implica $S$ es base. Sea $B$ una base de $V$ . Por el lema de Steinitz, podemos pasar $| B | - | S | = n - n = 0$ elementos de $B$ a $S$ para volverlo generador. Es decir, $S$ ya es generador. Como además es linealmente independiente, entonces es base.

El resto de las demostraciones son igual de sencillas, como puedes verificar.

Más adelante…

El lema de Steinitz es la herramienta clave para definir dar la definición de dimensión de espacios vectoriales en el caso de dimensión finita. Lo usaremos una y otra vez. Por esta razón, es muy recomendable repasar su demostración y entender a profundidad qué dice.

Tarea moral

A continuación hay algunos ejercicios para que practiques los conceptos vistos en esta entrada. Te será de mucha utilidad intentarlos para entender más la teoría vista.

Replica por tu cuenta la demostración del lema de Steinitz hasta que te sientas cómodo con los argumentos.
En el ejemplo que se dio de la aplicación del lema de Steinitz, ¿cuáles son todas las posibilidades de $2$ elementos que se pueden pasar para que $L$ se convierta en generador?
Usa el lema de Steinitz para demostrar el resto de consecuencias que mencionamos.
¿Qué te dice el lema de Steinitz cuando $L$ y $S$ son inicialmente del mismo tamaño?
Muestra que en el lema de Steinitz la hipótesis de que $L$ sea finito no es necesaria, es decir, que incluso sin esta hipótesis se pueden mostrar todas las conclusiones.

Entradas relacionadas

Ir a Álgebra Lineal I
Entrada anterior del curso: Problemas de combinaciones lineales, generadores e independientes
Siguiente entrada del curso: Bases y dimensión de espacios vectoriales

¿Ahora qué?

Si te gustó esta entrada, puedes compartirla o revisar otras relacionadas con matemáticas a nivel universitario:

Mariposa de 7 equivalencias de matrices invertibles
Una demostración del teorema de la función inversa
Un ejemplo de aplicación del teorema de la función inversa
Los teoremas fundamentales de los cuadraditos, o bien, una introducción amigable a los teoremas fundamentales del cálculo
Un problema de probabilidad y escuchar música
Mariposa de siete equivalencias de invertibilidad de matrices

Agradecimientos

Trabajo realizado con el apoyo del Programa UNAM-DGAPA-PAPIME PE104721 «Hacia una modalidad a distancia de la Licenciatura en Matemáticas de la FC-UNAM»