Álgebra Lineal I.
Construcción de Matrices
Teoremazo 2. Sean k un campo y V un k espacio vectorial de dimensión n:
Sea BV = fv1 ; :::; vn g una base (…ja) de V:
Ahora, sea W cualquier k espacio vectorial. Entonces
8 fw1 ; :::; wn g W; 9!f : V ! W función k lineal, (8i = 1; :::; n; f (vi ) = wi ) :
Es decir, tomemos fw1 ; :::; wn g W cualquier conjunto de n vectores en W:
Entonces: Existe una única función k lineal f : V ! W tal que
para cada i = 1; :::; n; f (vi ) = wi :
81 0 0 1 0 1 0 19
1>
> 5 1 1 >
>
<
B 4 C B 0 C B 4 C B 4 C=
Ejemplo. Sean k = R, B = v1 = B C B
@ 3 A ; v2 = @ 3
C ; v3 = B
A
C B
@ 0 A ; v4 = @ 3
C
A>
>
> >
: ;
2 2 2 0
4
es base de R :
Ahora, queremos una función lineal de R4 a R3 que mande a cada vi a wi
donde las wi ’s son las siguientes:
8 0 1 0 1 0 1 0 19
< 21 8 0 8 =
w1 = @ 3 A ; w2 = @ 9 A ; w3 = @ 0 A ; w4 = @ 9 A PUEDEN
: ;
7 10 0 10
ESCOGER CUALESQUIERA wi0 s
Entonces el teoremazo anterior me dice que existe una única función lineal
f : R4 ! R3 tal que 8i = 1; 2; 3; 4; f (vi ) = wi :
0
1
x1
B x2 C
Entonces, por ser B base, 8 B C 4
@ x3 A 2 R ; 9! 1 ; 2 ; 3 ; 4 2 R tales que
x4
0 1 00 11
x1 x1
X 4 X4
B x2 C BB x2 CC
B C= v y por lo tanto, f BB CC := i wi :
@ x3 A i i @@ x3 AA
i=1 i=1
x4 x4
00 11
x1 0
1 0 1 0 1 0 1
BB x2 CC X4 21 8 0 8
fB B CC :=
@@ x3 AA i wi = 1
@ 3 A+ 2
@ 9 A+ 3
@ 0 A+ 4
@ 9 A:
i=1 7 10 0 10
x4
1
AHORA QUEREMOS CONSTRUIR LA MATRIZ DEFINIDA POR f PERO
HASTA ESTE MOMENTO SÓLO HEMOS CONSTRUIDO LAS MATRICES
EN FUNCIÓN
8 DE LA
0 1 BASE0CANÓNICA
1 0DEL1DOMINIO
0 19
>
> 1 0 0 0 >>
< B 0 C B 1 C B 0 C B 0 C=
B C B
C = e1 = @ A ; e2 = @ C ;e = B C ;e = B C
>
> 0 0 A 3 @ 1 A 4 @ 0 A> >
: ;
0 0 0 1
y su matriz asociada tendrá como sus columnas a las f (ei )’s Af = f (e1 ) f (e2 ) f (e3 ) f (e4 ) :
Por lo que tenemos que encontrar para cada ei su expresión como com-
binación lineal de los elementos de la base B y entonces encontrarermos sus
imágenes bajo f:
0 1 0 1 0 1 0 1 0 1
1 1 5 1 1
B 0 C B 4 C B C B C B C
e1 = B C= 2 B C 1B C 1B C 1B 4 C
0 4
@ 0 A 5 @ 3 A + 5 @ 3 A + 5 @ 0 A + 5 @ 3 A;
0 0 1 02 1 02 1 02 1 00 1
0 1 5 1 1
B 1 C B C
3 B 4 C
B C 1B 4 C 1B 4 C
1 B 0 C
e2 = B
@
C=
A 20 @ 3 A
B C B C
20 @ 3 A + 5 @ 0 A + 5 @ 3 A ;
0
0 2 2 2 0
0 1 0 1 0 1 0 1 0 1
0 1 5 1 1
B 0 C B C
1 B 4 C
B 0 C 1B 4 C B 4 C
e3 = B
@
C=
A
B C
3 @ 3 A + 0@ 3 A
B C B C
5 @ 0 A + 0@ 3 A;
1
0 0 1 0 2 1 0 2 1 0 21 0 0 1
0 1 5 1 1
B 0 C B 4 C B 0 C B 4 C B C
e4 = B C= 1 B C B C B C 1 B 4 C:
@ 0 A 2 @ 3 A + 0@ 3 A + 0@ 0 A 2 @ 3 A
1 2 2 2 0
0 1 0 1 0 1
21 8 0
Por lo tanto,como w1 = @ 3 A ; w2 = @ 9 A ; w3 = @ 0 A ; w4 =
7 10 0
0 1
8
@ 9 A
10
0 1 0 1 0 1 0 1 0 42
1
21 8 0 8 5
2 @
f (e1 ) = 5
3 A+ 1 @
5
9 A + 51 @ 0 A + 51 @ 9 A=@ 6
5
A;
14
7 10 0 10
0 1 0 1 0 1 0 1 0 5
103
1
21 8 0 8 20
3 @
f (e2 ) = 20
3 A 1 @
20
9 A + 51 @ 0 A + 15 @ 9 A=@ 27
10
A;
71
7 10 0 10 20
2
0 1 0 1 0 1 0 1 0 1
21 8 0 8 7
f (e3 ) = 13 @ 3 A + 0 @ 9 A 51 @ 0 A + 0@ 9 A=@ 1 A;
7
7 10 0 10
0 1 3
0 0 1 0 1 0 1 0 1
B 0 C 21 8 0 8
f (e4 ) = B C
@ 0 A = 2
1 @
3 A + 0@ 9 A + 0@ 0 A 1 @
2
9 A =
7 10 0 10
1
0 29 1
2
@ 6 A:
17
2
2 42 103 29
3
5 20 7 2
Entonces la matriz asociada a f; Af = 4 6
5
27
10 1 6 5:
14 71 7 17
5 20 3 2
18 0 0 1 0 1 0 19
1 >
> 5 1 1 >>
B 4 C< B 0 C B 4 C B C=
Comprueben (opcional) B = v1 = B C B C B C ; v4 = B 4 C
> @ 3 A ; v2 = @ 3 A ; v3 = @ 0 A @ 3 A>
>
: >
;
2 2 2 0
y 8 0 1 0 1 0 1 0 19
< 21 8 0 8 =
w1 = @ 3 A ; w2 = @ 9 A ; w3 = @ 0 A ; w4 = @ 9 A
: ;
7 10 0 10
1 0
2 42 103 29
3
1 0 1
5 20 7 2 B 4 C 21
4 6
5
27
10 1 6 5B C @ 3 A
@ 3 A=
14 71 7 17
5 20 3 2
7
2
0 1
2 42 103 29
3 5 0 1
5 20 7 2 B 0 C 8
4 6
5
27
10 1 6 5B C @ 9 A
@ 3 A=
14 71 7 17
5 20 3 2
10
0 2 1
2 42 103 29
3 1 0 1
5 20 7 2 B 4 C 0
4 6
5
27
10 1 6 5B C @ 0 A
@ 0 A=
14 71 7 17
5 20 3 2
0
2
0 1
2 42 103 29
3 1 0 1
5 20 7 2 B 4 C 8
4 6
5
27
10 1 6 5B C @
@ 3 A= 9 A
14 71 7 17
5 20 3 2
10
0
Por lo tanto Af es la matriz que le corresponde a f:
De…nición. Sean (V; +V ; V ), (W; +W ; W ) k-espacios vectoriales y f : V ! W
una función (de conjuntos). Diremos que f es una función (o transformación)
(k )lineal si: 8v; v 0 2 V; 8 2 k se tiene que
3
i) f (v +V v ) = f (v) +W f (v 0 )
ii) f ( V v) = W f (v)
Observaciones:
O.1. f (0V ) = 0W :
O.2. f ( x) = f (x): f manda inversos aditivos de V en inversos aditivos
en W:
O.3. ker f V , Im f W:
2 3
a11 a12 a1n
6 a21 a22 a2n 7
6 7
Proposición. Sea A = 6 .. .. .. .. 7 2 Mm n (k) una matriz de
4 . . . . 5
am1 am2 amn
tamaño m n con coe…cientes en k:
A de…ne una función lineal:
A : kn ! km
v 7 ! Av
Recordemos:
0 1
x1
B C
Si v := @ ... A entonces
xn
2 3 0 1
a11 a12 a1n 0 1 (a11 k x1 ) + k +k (a1n k xn )
6 a21 a22 7 x1 B (a21 C
6 a2n 7 B .. C := B k x1 ) + k +k (a2n k xn ) C
6 .. .. . . .. 7 @ . A B .. C
4 . . . . 5 @ . A
xn
am1 am2 amn (an1 k x1 ) + k +k (amn x
k n )
Monomor…smos, Epimor…smos e Isomor…smos.
1. De…nición: Sea f : V ! W k-lineal. Diremos que
a) f es un monomor…smo si f es función inyectiva.
b) f es un epimor…smo si f es una función suprayectiva (o sobreyectiva)
c) f es un isomor…smo si f es una función biyectiva (= inyectiva y suprayec-
tiva).
En este caso diremos que V es isomorfo a W ó V y W son (espacios vecto-
riales) isomorfos. y se denotará V ' W:
Teoremazo 1. Sean k un campo y n:m 1 números naturales.
4
a) La siguiente función lineal es un isomor…smo
A? : Homk (k n ; k m ) ! Mm n (k) 2 3
a11 a1n
6 .. .. .. 7
f 7 ! Af = 4 . . . 5
kn !km
am1 amn
0 1
a1i
B a2i C
B C
donde la i ésima columna de Af es B .. C = f (ei ) 2 k m para i = 1; :::; n; y
@ . A
ami
n
Bkn = fe1 ; :::; en g 0
la base
1 canónica de k :
0
B .. C
B . C
B C
B 0 C
B C
Es decir, ei := B B 1 C
C 2 k n ; i = 1; :::; n:
B 0 C i
B C
B . C
@ .. A
0
b) Donde Af y f de…nen la misma función k-lineal.
0 1
x1
B C
f @ ... A = f (x1 e1 + + xn en ) = x1 f (e1 ) + + xn f (en ) =
f lineal
xn
0 1 0 1
a11 a1n 2 30 1
B C B C a11 a1n x1
B a2i C B a2n C 6 .. .. 7 B .. C =
= x1 B C+ + xn B C = 4 . ..
@
..
A @
..
A . . 5@ . A
. .
am1 amn xn
a amn
0 1 m1
x1
B C
Af @ ... A :
xn
Por lo que llamaremos a Af la forma matricial de la función k-lineal f:
c) La inversa de A? es
A? 1 : M m n (k) ! Homk (k n ; k m )
1
(A? )(M ) : k n ! km
M 7 !
v 7 ! Mv
5
d) Más aún, composición de funciones equivale a producto de matrices.
Es decir,
Si f : k n ! k m y g : k m ! k t entonces Ag f = Ag Af :
NOTA: Cuando les mencioné que las matrices eran LOS ejemplos de funciones
lineales, es que realmente son TODAS las funciones lineales entre los espacios
vectoriales k n y k m . Y algo que se me hace precioso y útil, es que la composición
de funciones equivale al producto de matrices. :)
Ejemplo: Sean k = R y f : R4 ! R3 la función lineal:
f : 0 R4 1 ! R3
a 0 1
B b C a b c+d
B C 7 ! @ 5c 3d A
@ c A
0
d
Entonces
00 11 00 11
1 0 1 0 0 1
BB 0 CC 1 BB CC 1
1 CC @
fB B CC @ 0 A, f BB
@@ 0 AA = @@ = 0 A;
0 AA
0 0
0 0
00 11 00 11
0 0 1 0 0 1
BB 0 CC 1 BB CC 1
0 CC @
fBB CC @ 5 A y f BB
@@ 1 AA = @@ = 3 A:
0 AA
0 0
0 1
2 3
1 1 1 1
Entonces Af := 4 0 0 5 3 5:
0 0 0 0
1 0 0 1
a 2 3 a 0 1
B b C 1 1 1 1 B b C a b c+d
OBSERVACIÓN: Af B C=4 0
@ c A 0 5 3 5@B C=@
A 5c 3d A =:
c
0 0 0 0 0
00 11 d d
a
BB b CC
fBB CC
@@ c AA :
g
Por lo tanto, Af y f de…nen la misma función.
3.2. En k n llamaremos a B = fe1 ; :::; en g la base canónica de k n , donde para
cada i = 1; :::; n;
6
0 1
0
B .. C
B . C
B C
B 0 C
B C
ei := B
B 1 C
C 2 kn :
B 0 C i
B C
B . C
@ .. A
0
Lema. Sean k un campo y V un k espacio vectorial de dimensión n: Sea
BV = fv1 ; :::; vn g una base (…ja) de V: Entonces
X n
8x 2 V; 9! 1 ; :::; n 2 k; x = i vi :
i=1
Teoremazo 2. Sean k un campo y V un k espacio vectorial de dimensión n:
Sea BV = fv1 ; :::; vn g una base (…ja) de V:
Ahora, sea W cualquier k espacio vectorial. Entonces
8 fw1 ; :::; wn g W; 9!f : V ! W función k lineal, (8i = 1; :::; n; f (vi ) = wi ) :
Es decir, tomemos fw1 ; :::; wn g W cualquier conjunto de n vectores en W:
Entonces: Existe una única función k lineal f : V ! W tal que
para cada i = 1; :::; n; f (vi ) = wi :
Teoremazo 2 (Versión Matrices). Sean k un campo y n; m 1: Sea BV =
fe1 ; :::; en g la base canónica de k n : Entonces
8 fw1 ; :::; wn g k m ; 9!f : k n ! k m función k lineal, (8i = 1; :::; n; f (ei ) = wi ) :
Es decir, tomemos fw1 ; :::; wn g k m cualquier conjunto de n vectores en
m
k :
Entonces: Existe una única función k lineal f : k n ! k m tal que
para cada i = 1; :::; n; f (ei ) = wi :
Por lo tanto, (por teoremazo 1), la matriz asociada a f , tiene como i ésima
columna a wi :
Af = w1 w2 wn :
Siguiendo el ejemplo: Sean k = R, R4 y R3 .
7
8 0 1 0 1 0 1 0 19
>
> 1 0 0 0 >>
< B 0 C B 1 C B 0 C B C=
Sea B = e1 = B C ; e2 = B C ; e3 = B C ; e4 = B 0 C la base
> @ 0 A @ 0 A @ 1 A @ 0 A>
>
: >
;
0 0 0 1
canónica de R4 :
8 1 0 0 1 0 1 0 19
< 1 1 1 1 =
Tomemos en R3 el conjunto w1 = @ 0 A ; w2 = @ 0 A ; w3 = @ 5 A ; w4 = @ 3 A :
: ;
0 0 0 0
Entonces
f: R4 ! 0R 1
3
1
e1 7 ! @ 0 A
0 0 1
1
e1 7 ! @ 0 A
0 0 1
1
e1 7 ! @ 5 A
0 0 1
1
e1 7 ! @ 3 A
0 1 0
a 0 1
B b C a b c+d
Por lo tanto, B C
@ c A 7 ! @ 5c 3d A
0
d
2 3
1 1 1 1
Y Af := 4 0 0 5 3 5:
0 0 0 0
1 0 0 1
a 2 3 a 0 1
B b C 1 1 1 1 B b C a b c+d
OBSERVACIÓN: Af B C=4 0
@ c A 0 5 3 5B@ c
C=@
A 5c 3d A =:
0 0 0 0 0
d d
00 11
a
BB b CC
fBB CC
@@ c AA :
g
Por lo tanto, Af y f de…nen la misma función.
8
Teorema3. Sea f : V ! W una función k-lineal. Sea X V subconjunto,
de…nimos "f (X)" := ff (v); v 2 Xg la imagen de X bajo la función f: Entonces
a)
f es monomor…smo () ker f = f0V g
() 8X V conj. lin. ind. =) "f (X)" W es lin. ind.
8Z k [Link] ; : Z ! V k lineales;
()
[f =f =) = ]
b)
f es epimor…smo () Im f = W
() 8X V , hXi = V =) h"f (X)"i = W
8Z k [Link] ; : W ! Z; k lineales
()
[ f= f =) = ]
c)
f es isomor…smo () ker f = f0V g e Im f = W
() 9!g : W ! V k-lineal, g f = 1V y f g = 1W
A g la denotaremos por f 1 y la llamaremos la inversa de f
Corolario del Teorema3. Sean V y W k-espacios vectoriales …nitamente
generados, con dimk V = n y dimk W = m: Y sea f : V ! W k-lineal. Entonces
a)
f es monomor…smo () 8BV base de V; f (BV ) W es lin. independiente
() 9BV base de V; f (BV ) W es linealmente independiente
(Es decir, basta con probarlo para una sola base de V )
() 9g : W ! V; g f = 1V y se le llama una inversa izquierda de f
En este caso, n m
b)
f es epimor…smo () 8BV base de V; hf (BV )i = W
() 9BV base de V; hf (BV )i = W
(Es decir, basta con probarlo para una sola base de V )
() 9h : W ! V; f h = 1W y se le llama una inversa derecha de f
En este caso, n m
c)
f es isomor…smo () 8BV base de V; f (BV ) es base de W
() 9BV base de V; f (BV ) es base de W
(Es decir, basta con probarlo para una sola base de V )
() 9!f 1 : W ! V; f 1 f = 1V y f f 1 = 1W
En este caso, n = m
9
Corolario del Teorema3 (Versión Matrices). Sean A = A1 An 2
Mm n (k) una matriz de m n con coe…cientes en k y Ai es la i ésima columna
de A:
Recordemos que A de…ne una función k lineal, A : k n ! k m ; donde
Ai = A (ei ) la imagen de ei bajo A y B = fe1 ; :::; en g la base canónica de k n :
Es decir, "A(B)" = fA1 ; :::; An g : Entonces
a)
A es monomor…smo () "A(B)" = fA1 ; :::; An g es lin. independiente
2 en3 k m
1 0
6 . 7
() 9M 2 Mn m (k) tal que M A = 4 .. 5 la matriz identidad en k n
0 1 n
En este caso, n m
b)
A es epimor…smo () "A(B)" = fA1 ; :::; An g genera a2k m 3
1 0
6 .. 7
() 9N 2 Mn m (k) tal que AN = 4 . 5 la matriz identidad en k m
0 1 m
En este caso, n m
c)
A es isomor…smo () "A(B)" = fA1 ; :::; An g es base de k m
() 9!A 1 2 Mn m (k), A 1 A = In y AA 1
= Im las identidades en k n y k m ; resp
En este caso, n = m
4. Corolario. Sean V k-espacio vectorial …nitamente generado y f : V ! V
k-lineal. Entonces
f es monomor…smo () f es epimor…smo () f es isomor…smo
4.1 Corolario. Sean V y W k-espacio vectorial …nitamente generados con
dimk V = dimk W y f : V ! W k-lineal. Entonces
f es monomor…smo () f es epimor…smo () f es isomor…smo
10
Sistemas de Ecuaciones Lineales.
Teorema. Sea k un campo y
8
< a11 x1 + a12 x2 +
> + a1n xn = b1
( ): .. .. ..
> . . .
:
am1 x1 + am2 x2 + + amn xn = bm
un sistema de m ecuaciones lineales (reales: ie., 8i; j, aij ; bi 2 k) en n incógnitas.
Entonces
8
< a11 x1 + a12 x2 +
> + a1n xn = b1
( ): .
.. .. .. tiene solución
> . .
:
am1 x1 + am2 x2 + + amn xn = bm
si y sólo si
2 30 1 0 1
a11 a12 a1n x1 b1
6 .. .. .. .. 7 B .. C = B .. C tiene solución
4 . . . . 5@ . A @ . A
am1 am2 amn xn bm
si y sólo si
0 1 2 3
b1 a11 a12 a1n
B .. C 6 .. .. .. .. 7
@ . A 2 Im 4 . . . . 5
bm am1 am2 amn
si y sólo si
2 3 2 3
a11 a12 a1n a11 a12 a1n b1
6 .. 7 = rk 6 .. .. 7
rk 4 ... ..
.
..
. . 5 4 .
..
.
..
.
..
. . 5
am1 am2 amn am1 am2 amn bm
es el número de columnas linealmente independientes de la matriz.
2 3
a11 a1n b1
6 .. .. .. .. 7 se le llama la matriz aumentada del sistema
A 4 . . . . 5
am1 amn bm
( ):
.
.
.
11
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
12
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
14
.
.
.
.
.
.
.
.
.
.
.
15
