PRODUCTOS Y DUALES

1. Espacio dual y doble dual

1.1. El espacio dual.
Definición. Sean V y W espacios vectoriales sobre el campo K. Al conjunto de todas las trans-
formaciones lineales de V en W se le denota como L(V, W ). Además, el espacio dual de V , es el
espacio vectorial
V ∗ = L(V, K).
A los elementos del espacio dual se les denomina comúnmente funcionales.
Teorema 1. Sea V un espacio de dimensión finita sobre K y sea B = {v1 , . . . , vn } una base del
espacio. Entonces, existe una única base B∗ = {f1 , . . . , fn } del espacio dual de V de modo que
fi (vj ) = δij . Además, para cada funcional f en el dual se tiene
n
X
f= f (vi )fi
i=1

y para cada vector v

n
X
v= fi (v)vi .
i=1

Demostración. Que los funcionales existan y sean los únicos con esa regla de correspondencia, es
directo del teorema extensión. Basta mostrar que cumplen con las propiedades propuestas. Primero
realizamos una observación: Supongamos que
n
X
f= ci f i ;
i=1

entonces
n
X
f (vj ) = ci fi (vj )
i=1
Xn
= ci δij
i=1
= cj .
En ese caso, si
n
X
ci fi = 0
i=1
1
es inmediato que ci = 0 para todo 1 ≤ i ≤ n y por tanto los funcionales son linealmente indepen-
dientes. Esto quiere decir que {f1 , . . . , fn } es una base del dual. De la misma igualdad, podemos
también concluir que
Xn
f= f (vj )fi .
i=1
Finalmente, si
n
X
v= ai vi ,
i=1
entonces
n
X
fj (v) = ai fj vi
i=1
Xn
= ai δij
i=1
= aj
Y por tanto
n
X
v= fi (v)vi
i=1
obteniendo el segundo resultado que querı́amos demostrar. ■

Definición. Para un subconjunto S de un espacio vectorial, se define el espacio anulador de S

como
S 0 = {f ∈ V ∗ | ∀v ∈ S . f (v) = 0}
Para justificar la terminologı́a, es necesario mostrar que S 0 es un subespacio de V ∗ (ejercicio 1).
Teorema 2. Sea V un espacio de dimensión finita sobre el campo K y sea W un subespacio de V .
Entonces,
dim W + dim W 0 = dim V.

Demostración. Consideremos una base para W , digamos {v1 , . . . , vm }, la cual extendemos a una ba-
se del espacio V como {v1 , . . . , vn }. Con esta podemos obtener su base dual {f1 , . . . , fn }. Afirmamos
que una base de W 0 puede encontrarse como {fm+1 , . . . , fn }. Que este conjunto sea linealmente
independiente es inmediato por ser un subconjunto de una base ası́ que basta demostrar que le
conjunto genera a W 0 , i. e.,
W 0 = gen(fm+1 , . . . , fn ).
Supongamos primero que f ∈ gen(fm+1 , . . . , fn ); en ese caso,
n
X
f= cj fj
j=m+1

y si tomamos un vector w ∈ W y lo expresamos como

Xm
w= ai vi
i=1
2
entonces
m
X
f (w) = ai f (vi )
i=1
Xm n
X
= ai cj fj (vi )
i=1 j=m+1
Xm Xn
= ai cj δij
i=1 j=m+1
=0
lo que quiere decir que f ∈ W 0 al anular a cualquier elemento del espacio W .
Supongamos ahora que f ∈ W0 , como también f ∈ V ∗ lo podemos expresar como una combina-
ción lineal de la base de V ∗ que ya obtuvimos:
n
X
f= f (vj )fj .
j=1

Además, debemos notar que, para 1 ≤ j ≤ m, tenemos que vj ∈ W y en consecuencia f (vj ) = 0.

Ası́
Xn
f= f (vj )fj
j=m+1
∈ gen(fm+1 , . . . , fn )
De lo anterior, podemos concluir que la igualdad entre conjuntos que afirmamos está demostrada
y por tanto, el conjunto {fm+1 , . . . , fn } resulta una base de W 0 , mostrando ası́ el resultado. ■

1.2. El espacio doble dual.

Lema 3. Sea V un espacio vectorial y sea v un vector en el espacio. Si para todo funcional f en
V , se cumple que f (v) = 0, entonces v = 0.
Demostración. Probaremos el resultado por contraposición suponiendo que tomamos un vector
v ̸= 0. En ese caso, podemos formar una base {v1 , . . . , vn } de forma que v1 = v y usando esta base
tomamos el primer elemento de su base dual, i. e., el funcional f1 tal que f1 (v1 ) = f1 (v) = 1. Esto
prueba que existe un funcional para el cual el vector v no tiene como imagen el escalar nulo. ■

Definición. Sea v ∈ V , entonces definimos la función ev : V ∗ → K como

ev (f ) = f (v).
A la función ev se le denomina frecuentemente la evaluación en v en el espacio de funcionales.
Teorema 4. Para un espacio vectorial de dimensión finita V , la asociación v 7→ ev es un isomor-
fismo entre V y V ∗∗
Demostración. Para dar la prueba del teorema, necesitamos identificar la función con un sı́mbolo:
Denotemos a la función F : V → V ∗∗ como aquella con regla F (v) = ev . Debemos probar que
ésta es una transformación lineal no singular al ser esto suficiente para ser un isomorfismo. Para la
3
linealidad debemos observar que para vectores u y v en el espacio junto a un escalar c, construimos
el elemento ecu+v de V ∗∗ , el cual satisface, para cualquier funcional f

ecu+v (f ) = f (cv + w)
= cf (v) + f (w)
= cev (f ) + ew (f )
= (cev + ew )(f ).

Con lo anterior podemos afirmar que

ecu+v = cev + ew

y finalmente

F (cv + w) = ecv+w
= cev + ew
= cF (v) + F (w).

La no singularidad de la transformación sigue del lema anterior: Si para un vector v, se cumple

F (v) = 0, entonces ev = 0 lo que quiere decir que, para todo funcional f , se tiene f (v) = 0 y
sabemos que eso sólo puede suceder si v = 0. ■

Corolario 5. Para cualquier funcional L : V ∗ → K existe un único vector v ∈ V tal que, para todo
f ∈ V ∗,
L(f ) = f (v).

En el fondo, ese isomorfismo nos permitirá interpretar de manera algebraica la igualdad

V = V ∗∗ .

Lo anterior aparece en [HK71] como el teorema 17 y sus corolarios. De manera similar, podemos
extender esto para el anulador observando que S 00 es un subespacio de V ∗∗ . Sin embargo, podemos
interpretar como si de un subespacio de V se tratara utilizando el isomorfismo —y de hecho serı́a
curioso preguntar de cuál subespacio de V estamos hablando cuando referimos a S 00 —.

Teorema 6. Si S es un subconjunto de un espacio vectorial de dimensión finita, entonces S 00 es

isomorfo al subespacio generado por S.

Observa que el enunciado del teorema anterior no es idéntico al teorema en [HK71]. ¿Por qué
se afirma en la prueba del teorema que W ⊂ W 00 ? ¿Por qué es suficiente para la igualdad que
propone?
La construcción con la que hemos realizado la identificación V = V ∗∗ es muy curiosa por una
razón en particular: El isomorfismo que construimos no depende de una base. En contraste, cuando
afirmamos que V y V ∗ son isomorfos lo hacemos por dimensión, i. e., V ≃ K n ≃ V ∗ ; lo anterior
obliga a pasar por una base. De manera informal, cuando somos capaces de establecer un isomorfismo
sin necesidad de pasar por una base, parece natural y por eso realizamos la identificación. En el caso
de espacios vectoriales, tal identificación es lo más lejos que podemos llegar. Identificado esto, toca
ahora el turno de agregar la estructura de producto interno y preguntar sobre el mismo problema.
4
1.3. Dual y producto interno. Existe una natural asociación para un espacio producto interno
entre éste y su dual: Para cada v ∈ V , se define el funcional lineal Lv como
Lv (w) = ⟨v, w⟩.
Entonces, podemos transformar un vector en un funcional de manera lineal a través de la aplicación
lineal
v 7→ Lv .
Debe observarse el enorme parecido entre tal aplicación y la que hemos usado con anterioridad en
el estudio del dual. Vamos a precisar cómo es que podemos establecer tal analogı́a.
Teorema 7. Sea un espacio vectorial V con producto interno no degenerado. Entonces, la trans-
formación v 7→ Lv es un isomorfismo entre V y su dual V ∗ .
Demostración. Como en el caso para el doble dual, se trata de identificar que la función F : V → V ∗
es una transformación lineal no singular. Para esto observamos lo siguiente: Para cualesquiera
vectores v y w y un escalar c, se define el funcional Lcv+w , el cual satisface, para todo vector u,
Lcv+w (u) = ⟨cv + w, u⟩
= c ⟨v, u⟩ + ⟨w, u⟩
= cLv (u) + Lw (u)
= (cLv + Lw )(u)
Ası́ que Lcv+w = cLv + Lw , y por tanto
F (cv + w) = Lcv+w
= cLv + Lw
= cF (v) + F (w).
La no singularidad sigue de la no degeneración del producto: Si F (v) = 0, entonces Lv = 0 lo que
significa que, para todo vector w, ⟨v, w⟩ = 0 y por tanto v = 0. ■

Definición. Según el teorema anterior, para cada funcional f en el dual V ∗ , existe un único vector
v tal que f = Lv . A tal vector se dice representa al funcional f con respecto al producto interno.
Es posible definir para cada vector w la transformación Rw como Rw (v) = ⟨v, w⟩. Observa que
el teorema 6.2 en [Lan87] sigue siendo válido para esta transformación pero tal transformación no
resulta lineal si el espacio en cuestión presenta un producto hermı́tico (ejercicio 4).
En un espacio vectorial con dimensión n y producto interno no degenerado, el isomorfismo que
hemos presentado garantiza que el complemento ortogonal y espacio anulador son isomorfos, i. e.,
W ⊥ ≃ W 0.
Esto se da simplemente por tener la misma dimensión. Esto es una prueba alternativa del siguiente
teorema:
Teorema 8. Sea V es un espacio vectorial con un producto interno no degenerado y sea W un
subespacio de V . Entonces,
dim W + dim W ⊥ = dim V.
Observa que, a pesar de ser suficiente hablar de la dimensión de los espacios para establecer el
isomorfismo W ⊥ ≃ W 0 , es posible construir un isomorfismo de manera explı́cita (ejercicio 5). Bajo
tal construcción es que podemos dar la prueba alternativa que se menciona.
5
 2. Transpuesta de una transformación
2.1. Transpuesta como transformación entre duales.
Definición. Sean V y W espacios vectorial sobre un campo y sea T : V → W una transformación
lineal. Se define la transpuesta de T como la función T t : W ∗ → V ∗ con regla de correspondencia
T t (g)(v) = g(T v).
Teorema 9. La transpuesta de una transformación lineal también es una transformación lineal.
Demostración. Se trata simplemente de identificar los objetos que son parámetros en la función T t
pues deseamos probar que
T t (cf + g) = cT t (f ) + T t (g)
para lo cual debemos observar que a ambos lados de la igualdad se describen funciones y éstas
coinciden tanto en dominio como en contradominio ası́ que basta que tengan la misma regla de
correspondencia. Para probar esto, observamos que
T t (cf + g)(v) = (cf + g)(T v)
= cf (T v) + g(T v)
= cT t (f )(v) + T t (g)(v)
= [cT t (f ) + T t (g)](v)
De esta forma podemos afirmar simplemente la igualdad de funciones que buscábamos:
T t (cf + g) = cT t (f ) + T t (g).
■

Teorema 10. El espacio nulo de T t es el anulador de la imagen de T .

Demostración. Supongamos primero que g ∈ ker T t . Queremos probar, primero, que g es un miem-
bro del conjunto im(T )0 . Para probar esto, tomamos un elemento cualquiera w ∈ im(T ), i. e., existe
un vector v tal que w = T v, y recordar que T t (g) = 0 para concluir simplemente que
0 = T t (g)(v)
= g(T v)
= g(w).

Lo anterior significa simplemente que g ∈ (im(T ))0 como querı́amos probar.

Por otro lado, si g ∈ (im(T ))0 , observamos de manera inmediata que
T t (g)(v) = g(T v)
=0

por lo que T t (g) = 0 y en consecuencia g ∈ ker T t . ■

Teorema 11. En espacios de dimensión finita, se tiene en particular

ran(T ) = ran(T t ).
6
Demostración. La prueba es una estimación: Observemos primero la igualdad sobre el anulador de
la imagen
ran(T ) + dim im(T )0 = dim W
Y utilizando el teorema anterior, podemos concluir que dim im(T )0 = nul(T t ). Ası́
(1) ran(T ) + (nul(T t ) = dim W
Por (1) y el teorema fundamental aplicado a T t , podemos estimar
ran(T t ) = dim W − nul(T t )
= dim W − (dim W − ran(T ))
= ran(T ).
■

Teorema 12. En espacios de dimensión finita, la imagen de T t coincide con el anulador del espacio
nulo de T .
Demostración. Supongamos, primero, que f ∈ im(T t ), entonces es posible expresar f = T t (g) para
algún funcional g en W . De esta forma, si v ∈ ker T
f (v) = T t (g)(v)
= g(T v)
= g(0)
=0
Por lo que f ∈ (ker T )0 . Con esto hemos probado que
im(T t ) ⊆ (ker T )0 .
Para continuar, aplicamos el teorema de la dimensión del anulador de un subespacio al espacio
nulo de T para obtener la igualdad
(2) dim ker(T ) + dim(ker T )0 = dim V.
De (2) y el teorema fundamental aplicado para T t , podemos concluir inmediatamente que
dim(ker T )0 = dim V − nul(T )
= ran(T )
= ran(T t )
Como ya habı́amos concluido im(T t ) ⊆ (ker T )0 , al tener los dos espacios la misma dimensión,
podemos concluir que son iguales y con esa igualdad establecer el resultado. ■

De todo lo anterior, ya podemos revelar explı́citamente a quién hemos escondido detrás de la

definición de transpuesta de una transformación.
Teorema 13. Sean V y W espacios vectoriales y sea T : V → W una transformación lineal. Si
fijamos bases BV y BW para los espacios y asociamos a cada una las bases duales BV∗ y BW
∗
,
entonces   t
B
[T ]BW
V
= [T t ]B V∗
BW ∗
7
Demostración. Comencemos considerando bases BV = {v1 , . . . , vn } y BW = {w1 , . . . , wm } y sus
B
bases duales BV∗ = {f1 , . . . , fn } y BW
∗
= {g1 , . . . , gm }. Tomamos A = [T ]BWV
y B = [T t ]B V∗
BW ∗ donde
A = (aij ) y B = (bij ) para obtener las expresiones correspondientes a las matrices asociadas a las
transformaciones:
Xm
T vj = aij wi
i=1
y
n
X
T t gj = bij fi
i=1

En ese caso, podemos observar

T t (gj )(vi ) = gj (T vi )
m
!
X
= gj aki wk
k=1
m
X
= aki gj (wk )
i=1
Xm
= aki δik
i=1
= aji .
De las propiedades que hemos estudiado que tiene la base dual, lo anterior permite expresar también
n
X
T t (gj ) = T t (gj )(vi )fi
i=1
n
X
= aji fi .
i=1

Debemos recordar en este punto que los coeficientes de una matriz asociada a una transformación
son únicos, por lo que podemos concluir que bij = aji y por tanto hemos establecido que B = At
de lo que sigue el resultado. ■

2.2. Transpuesta y producto interno. Hasta este punto, hemos definido la transpuesta de una
transformación T : V → W como otra transformación T t : W ∗ → V + con regla de correspondencia
muy curiosa: T t (g) = g ◦ T . Vamos ahora a estudiar una manera alternativa de presentar el mismo
concepto pero ahora desde la perspectiva de un espacio producto interno y en este caso, el objeto
será mucho más sencillo pero requerirá un poco de trabajo antes de poder ser presentado.
Lema 14. Sean V y W espacios producto interno con producto no degenerado y sea T : V → W
una transformación lineal. Entonces, existe una única transformación lineal B : W → V tal que,
para v, w ∈ V ,
⟨T v, w⟩ = ⟨v, Bw⟩.

8
Demostración. Vamos a presentar la transformación B de manera constructiva: Tomamos un vector
w ∈ W y definimos la función L : V → K utilizando éste como
L(v) = ⟨T v, w⟩ .
Es fácil verificar que éste es un funcional para V por lo que es posible encontrar el único vector
u ∈ V tal que L = Lu . Esto significa que, para todo v en el espacio
L(v) = Lu (v)
lo que significa
⟨T v, w⟩ = ⟨v, u⟩ .
Al ser el vector u único, podemos relacionarlo directamente con el vector w y esta asignación define
la transformación B : W → V que buscamos al tomar Bw = u pues, escribiendo con la nueva
notación,
⟨T v, w⟩ = ⟨v, Bw⟩ .
Ya hemos encontrado una función que cumple con la igualdad que buscamos pero aún falta la
transformación es lineal: Consideremos w1 y w2 como vectores de W y un escalar c, entonces, para
todo v ∈ V
⟨v, B(cw1 + w2 )⟩ = ⟨T v, cw1 + w2 ⟩
= c ⟨T v, w1 ⟩ + ⟨T v, w2 ⟩
= c ⟨v, Bw1 ⟩ + ⟨v, Bw2 ⟩
= ⟨v, cBw1 + Bw2 ⟩ .
De esto podemos concluir que, para todo v
⟨v, B(cw1 + w2 ) − cBw1 − Bw2 ⟩ = 0
y al ser el producto interno no degenerado, el segundo componente en el producto interno debe ser
el vector nulo lo que nos permite garantizar que
B(cw1 + w2 ) = cBw1 + Bw2 .
Para la unicidad, observamos que si existiera una transformación con la misma propiedad, en-
tonces, para cualesquier vectores v ∈ V y w ∈ W , tenemos que
⟨v, Cw⟩ = ⟨T v, w⟩ = ⟨v, Bw⟩ .
De manera parecida al caso anterior, podemos establecer que, para todo v ∈ V ,
⟨v, Cw − Bw⟩ = 0
y de la no degeneración del producto podemos afirmar que Cw = Bw para todo w ∈ W de lo que
podemos concluir que C = B. ■

Definición. A la transformación B del lema anterior se le denomina —también— la transformación

transpuesta de T y se denota como T ′ .
Observación. Debe tenerse cuidado con lo anterior, técnicamente es posible confundir la definición
anterior con la transpuesta de una transformación —estamos, de hecho, agregando una ambigüedad
en la terminologı́a— pero para eso hemos usado un sı́mbolo distinto. Vamos a intentar reconciliar
estos dos conceptos para justificar la terminologı́a.
9
 ¿Cómo podemos reconciliar objetos de naturaleza tan distinta? Con isomorfismos, claro. Recor-
demos que, en los espacios producto interno con producto no degenerado hemos también estudiado
isomorfismos entre el espacio y su dual. Si tenemos dos espacios, V y W , atraemos los isomorfismos
ηV : v 7→ Lv
y
ηW : w 7→ Lw .
Junto a estos podrı́amos estudiar la transpuesta de una manera algo más sencilla.
Teorema 15. Sean V y W espacios con producto interno no degenerado y sea T : V → W una
transformación lineal. En ese caso, la transpuesta T ′ (en términos de producto interno) satisface
la siguiente igualdad
T ′ = ηV−1 ◦ T t ◦ ηW .
Demostración. Para mostrar el resultado, vamos a usar la función auxiliar T ∗ : W → V definida
como
T ∗ = ηV−1 ◦ T t ◦ ηW .
Para poder mostrar el resultado, debemos mostrar que la función T ∗ satisface lo siguiente: Para
cualesquiera vectores v ∈ V y w ∈ W ,
⟨T v, w⟩ = ⟨v, T ∗ w⟩ .
Si tal afirmación es cierta, según el lema 14, donde se construye la función T ′ , deberı́amos tener
que T ′ = T ∗ que es el resultado que queremos probar.
Para mostrar la afirmación anterior, tomemos vectores cualesquiera v ∈ V y w ∈ W , y observemos
que podemos atraer el funcional Lw = ηW (w). Éste puede ser evaluado en T t para obtener un
funcional en V : T t (Lw (v). Este funcional satisface
T t (Lw )(v) = Lw (T v) = ⟨T v, w⟩ .
Al ser un funcional, es posible representarlo como un vector u ∈ V como T t (Lw ) = Lu . En ese caso,
podemos establecer una igualdad adicional
⟨T v, w⟩ = T t (Lw )(v)
= Lu (v)
= ⟨v, u⟩
Ahora debemos observar que,
u = ηV−1 T t (Lw )

= ηV−1 ◦ T t ◦ ηW (w)

= T ∗w
ası́ que, de lo anterior podemos, concluir simplemente que ⟨T v, w⟩ = ⟨v, T ∗ w⟩ con lo que garanti-
zamos el resultado. ■

De lo anterior, es posible remover la ambigüedad que habı́amos creado de manera sencilla ob-
servando la estructura con la que contamos: En el caso de estar en un espacio producto interno,
cuando hablemos de transpuesta de una transformación lineal T : V → W , nos referiremos a la
única transformación T t : W → V que satisface ⟨T v, w⟩ = ⟨v, T t w⟩ —debe observarse que ya la
estamos denotando como la transpuesta para espacios generales—. Pero, si el espacio vectorial no
10
viene asociado con un producto interno, entonces la transpuesta de una transformación T : V → W ,
va a referirse a la transformación T t : W ∗ → V ∗ definida como T t (g) = g ◦ T .

Ejercicios
Ejercicio 1. Sea V un espacio vectorial y sea S ⊆ V un subconjunto. Demuestra que S 0 es un
subespacio de V ∗ .
Ejercicio 2. Sea V un espacio vectorial y sea S ⊆ V un subconjunto. Demuestra que S 0 = V ∗
siempre que S = {0}.
Ejercicio 3. Si V es un espacio de dimensión finita, demuestra que V 0 es el subespacio trivial del
dual. Intenta dar una prueba del mismo hecho sin suponer que la dimensión es finita.
Ejercicio 4. Sea V un espacio producto hermı́tico. Para cada vector w se define la función Rw : V →
K como Rw (v) = ⟨v, w⟩.
a) Muestra que la función Rw no es lineal.
b) Muestra que teorema 6.2 en [Lan87] sigue siendo válido.

Ejercicio 5. Sea V un espacio producto interno y sea W un subespacio de V . Encuentra explı́cita-

mente un isomorfismo de modo que W ⊥ ≃ W 0 .

Bibliografı́a
Hoffman, Kenneth, and Kunze, Ray. 1971. Linear algebra. 2nd ed. Prentice-Hall.

11