Teorema del rango y la nulidad (teorema de la dimensión)

Teorema del rango y la nulidad (teorema de la dimensión)
Índice
  1. Conceptos previos
  2. Enunciado
  3. Demostración
  4. Ejemplos resueltos
    1. Ejemplo 1: una matriz 3 × 3
    2. Ejemplo 2: más incógnitas que ecuaciones
    3. Ejemplo 3: la derivada de polinomios
  5. Consecuencias prácticas
  6. Rango de la matriz ampliada y Rouché-Frobenius
  7. Propiedades del rango de una matriz
  8. Errores habituales
  9. Preguntas frecuentes
    1. ¿Qué dice el teorema del rango y la nulidad?
    2. ¿Qué es la nulidad de una matriz?
    3. ¿Por qué se llama también teorema de la dimensión?
    4. ¿Qué relación tiene con el rango de la matriz ampliada?
  10. Fuentes

Actualizado el

El teorema del rango y la nulidad dice que, en una aplicación lineal, la dimensión del espacio de salida se reparte entre lo que «se pierde» (el núcleo) y lo que «llega» (la imagen): dim V = nulidad + rango. En una matriz con n columnas: rango + número de parámetros libres de Ax = 0 = n. Con él se sabe cuántas soluciones independientes tiene un sistema homogéneo sin resolverlo.

Conceptos previos

  • Dimensión de un espacio vectorial: el número de vectores de cualquiera de sus bases. ℝ3 tiene dimensión 3; los polinomios de grado ≤ 3 forman un espacio de dimensión 4 (base 1, x, x2, x3).
  • Núcleo de T: V → W: Ker T = {v ∈ V : T(v) = 0}. Su dimensión es la nulidad.
  • Imagen: Im T = {T(v) : v ∈ V}. Su dimensión es el rango.
  • Rango de una matriz: el número máximo de columnas (o de filas, da igual) linealmente independientes. Coincide con el número de pivotes al escalonarla.

Enunciado

Sea T: V → W una aplicación lineal y V de dimensión finita. Entonces:

dim V = dim Ker T + dim Im T, es decir, dim V = nulidad(T) + rango(T)

Versión para matrices: si A es una matriz m × n,

rango(A) + dim Ker(A) = n (el número de columnas)

El espacio de llegada W puede tener cualquier dimensión, incluso infinita: el teorema solo pide que V sea de dimensión finita. Se le llama también teorema de la dimensión, sobre todo en los cursos de álgebra lineal en español.

Demostración

  1. Se toma una base {u1, …, uk} del núcleo, con k = nulidad.
  2. Se completa hasta una base de V: {u1, …, uk, v1, …, vr}, con k + r = dim V.
  3. Los T(vj) generan la imagen. Cualquier vector de V es combinación de la base; al aplicar T, los T(ui) valen 0, así que toda imagen es combinación de T(v1), …, T(vr).
  4. Son independientes. Si c1T(v1) + … + crT(vr) = 0, por linealidad T(c1v1 + … + crvr) = 0, así que ese vector está en el núcleo y es combinación de los ui. Como la base de V es independiente, todos los coeficientes son 0.
  5. Por tanto {T(v1), …, T(vr)} es base de la imagen, rango = r y dim V = k + r = nulidad + rango.

Ejemplos resueltos

Ejemplo 1: una matriz 3 × 3

A tiene por filas (1, 2, 3), (2, 4, 6) y (1, 0, 1).

  1. La segunda fila es el doble de la primera; la tercera no es proporcional a la primera. Rango = 2.
  2. Por el teorema, nulidad = 3 − 2 = 1: las soluciones de Ax = 0 forman una recta.
  3. Comprobación: de x + 2y + 3z = 0 y x + z = 0 sale x = −z, y = −z. Con z = 1, el vector (−1, −1, 1). Efectivamente, A·(−1, −1, 1) = (−1 − 2 + 3, −2 − 4 + 6, −1 + 0 + 1) = (0, 0, 0).

Ejemplo 2: más incógnitas que ecuaciones

B es 3 × 4 con filas (1, 2, 0, 1), (0, 1, 1, 1) y (1, 3, 1, 2). La tercera fila es la suma de las dos primeras, así que el rango es 2 y la nulidad 4 − 2 = 2. Escalonando: x1 = 2x3 + x4 y x2 = −x3 − x4. Una base del núcleo es {(2, −1, 1, 0), (1, −1, 0, 1)}: dos vectores, como predice el teorema.

Ejemplo 3: la derivada de polinomios

D: P3 → P2, D(p) = p′, de los polinomios de grado ≤ 3 a los de grado ≤ 2. El núcleo son los polinomios constantes (derivada cero): nulidad 1. La imagen es todo P2, porque cualquier polinomio de grado ≤ 2 es la derivada de otro: rango 3. Y 1 + 3 = 4 = dim P3.

Consecuencias prácticas

Situación (A de m × n)Lo que dice el teorema
n > m (más incógnitas que ecuaciones)Rango ≤ m < n, así que nulidad ≥ 1: Ax = 0 tiene soluciones no nulas
Rango = nNulidad 0: la única solución de Ax = 0 es x = 0 y T es inyectiva
Rango = mLa imagen es todo ℝm: T es sobreyectiva
Matriz cuadrada (m = n)Inyectiva ⟺ sobreyectiva ⟺ det A ≠ 0
Ax = b compatibleSus soluciones tienen n − rango(A) parámetros libres

La cuarta fila es especialmente útil: para un endomorfismo de un espacio de dimensión finita basta comprobar que el núcleo es {0} para saber que es biyectivo.

Rango de la matriz ampliada y Rouché-Frobenius

Para un sistema Ax = b se forma la matriz ampliada (A | b), añadiendo la columna de términos independientes. El teorema de Rouché-Frobenius dice:

  • Si rango(A) ≠ rango(A | b), el sistema es incompatible.
  • Si rango(A) = rango(A | b) = n, compatible determinado.
  • Si rango(A) = rango(A | b) < n, compatible indeterminado con n − rango(A) parámetros. Ese número es la nulidad de A, y aquí es donde entra el teorema del rango.

Ejemplo incompatible. x + y + z = 1 y 2x + 2y + 2z = 3. La matriz de coeficientes tiene rango 1 (filas proporcionales), pero la ampliada tiene rango 2, porque 3 no es el doble de 1. No hay solución.

Ejemplo indeterminado. x + y + z = 6, x − y + 2z = 5, 2x + 3z = 11. La tercera ecuación es la suma de las dos primeras: rango(A) = rango(A | b) = 2 < 3, con 3 − 2 = 1 parámetro. Tomando z = λ: x = 11/2 − 3λ/2, y = 1/2 + λ/2. Con λ = 1 sale (4, 1, 1), que cumple las tres ecuaciones.

Propiedades del rango de una matriz

  • rango(A) ≤ mín(m, n).
  • rango(A) = rango(AT): el rango por filas y por columnas coinciden.
  • Las operaciones elementales de fila no cambian el rango.
  • rango(AB) ≤ mín(rango A, rango B).
  • Una matriz cuadrada n × n tiene rango n si y solo si su determinante no es cero. Para calcular determinantes grandes es útil el desarrollo de Laplace por una fila o columna.

Errores habituales

  • Restar el rango del número de filas. La nulidad es n − rango, con n el número de columnas (incógnitas), no de ecuaciones.
  • Confundir rango con dimensión del espacio de llegada. El rango es la dimensión de la imagen, que puede ser menor que dim W.
  • Contar filas no nulas sin escalonar. Una matriz puede no tener filas nulas y tener rango bajo, como la del ejemplo 1.

El teorema también sostiene resultados más avanzados: en el teorema espectral, la dimensión de cada subespacio propio es la nulidad de A − λI, que se calcula como n − rango(A − λI).

Preguntas frecuentes

¿Qué dice el teorema del rango y la nulidad?

Que para una aplicación lineal T: V → W con V de dimensión finita, dim V = dim Ker T + dim Im T. Para una matriz m × n, rango + nulidad = n.

¿Qué es la nulidad de una matriz?

La dimensión de su núcleo, es decir, el número de parámetros libres de las soluciones de Ax = 0.

¿Por qué se llama también teorema de la dimensión?

Porque relaciona tres dimensiones: la del espacio de partida, la del núcleo y la de la imagen.

¿Qué relación tiene con el rango de la matriz ampliada?

Rouché-Frobenius compara el rango de A con el de la ampliada para saber si hay solución; si la hay, el teorema del rango dice cuántos parámetros tiene: n − rango(A).

Fuentes

Teoremas

RELACIONADOS

Subir