CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
MATEMÁTICA
PURA Y “MATRICES,
APLICADA TRANSFORMACIONES
LINEALES Y ESPACIO
UNIDAD I DUAL”
MÓDULO 2
Ica: Cl. Bolívar 335 (+51) 933 336 358 E-mail: informes@[Link] Web: [Link]
[Link] – informes@[Link]
Ica: Cl. Bolívar 345 (+51) 980 478 969 E-mail: gerenciaeducativa@[Link] Fijo: (056) 773365
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
II. MATRICES Y TRANSFORMACIONES LINEALES
1. MATRICES ......................................................................................................................................1
1.1. DEFINICIONES Y PROPIEDADES .......................................................................... 1
1.2. MATRICES INVERSIBLES ....................................................................................... 4
1.3. MATRICES ELEMENTALES .................................................................................... 7
1.4. COORDENADAS ....................................................................................................... 9
2. TRANSFORMACIONES LINEALES ...........................................................................................13
2.1. DEFINICIONES, EJEMPLOS Y PROPIEDADES BÁSICAS ................................ 13
2.2. NÚCLEO E IMAGEN DE UNA TRANSFORMACIÓN LINEAL ......................... 16
2.3. COMPOSICIÓN DE TRANSFORMACIONES LINEALES ................................... 19
2.4. ESPACIOS VECTORIALES DE DIMENSIÓN FINITA ......................................... 20
2.5. TEOREMA DE LA DIMENSIÓN ............................................................................ 21
2.6. PROYECTORES ....................................................................................................... 22
2.7. REPRESENTACIÓN MATRICIAL ......................................................................... 24
2.8. RANGO DE UNA MATRIZ ..................................................................................... 26
2.9. ESPACIOS VECTORIALES DE TRANSFORMACIONES LINEALES ............... 29
3. ESPACIO DUAL ............................................................................................................................32
3.1. EL ESPACIO DUAL DE UN ESPACIO VECTORIAL ........................................... 32
3.2. ANULADOR DE UN SUBESPACIO ....................................................................... 35
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
MATRICES
En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones
lineales y hemos visto que, para n, m ∈ N, el conjunto de las matrices de n filas y m columnas
con coeficientes en un cuerpo K es un K-espacio vectorial. A continuación, estudiaremos más
en detalle estos conjuntos de matrices, así como también ciertas matrices particulares que nos
serán de utilidad.
DEFINICIONES Y PROPIEDADES
Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo
anterior.
Sean n, m ∈ N. El conjunto de las matrices de n filas y m columnas con coeficientes en un
cuerpo K es:
Para definir una matriz en Kn×m basta especificar, para cada 1 ≤ i ≤ n y cada 1 ≤ j ≤ m, que
elemento de K se halla en el lugar ij (correspondiente a la intersección de la fila i y la columna
j) de la matriz.
Ejemplo. Sean n, m ∈ N, y sean 1 ≤ k ≤ n, 1 ≤ l ≤ m. Se define la matriz Ekl ∈ Kn×m como:
Estas matrices se llaman las matrices canónicas de Kn×m.
Una primera observación que debemos hacer se refiere a como determinar si dos matrices (de
las mismas dimensiones) son iguales:
Observación: Sean A, B ∈ Kn×m. Entonces A = B si y solo si Aij = Bij para cada 1 ≤ i ≤ n, 1 ≤
j ≤ m.
1
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Podemos definir una operación (suma) en Kn×m y una acción de K en Kn×m que transforman a
este conjunto en un K-espacio vectorial:
Definición: Se definen la suma de matrices y el producto por escalares como
Es fácil verificar que (Kn×m, +, ·) es un K-espacio vectorial.
Definiremos ahora un producto que, dadas dos matrices A y B con coeficientes en K tales que
la cantidad de columnas de A es igual a la cantidad de filas de B, calcula una nueva matriz C.
Definición: Sean A ∈ Kn×m y B ∈ Km×r. Se define el producto de A por B como la matriz C
∈ Kn×r tal que:
Analizaremos ahora algunas propiedades del producto de matrices y su relación con la suma
de matrices.
Proposición: Propiedades del producto de matrices:
Demostración.
Para Para cada 1 ≤ i ≤ n, 1 ≤ j ≤ s, se tiene:
2
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
De la misma manera, ([Link])ij = Aij para cada 1 ≤ i ≤ n, 1 ≤ j ≤ m.
3. Queda como ejercicio.
Observemos que, en particular, el producto de matrices está definido para cualquier par de
matrices en Kn×n y, por lo tanto, se tiene una operación “producto” en Kn×n para cada n ∈ N. De
la proposición anterior se deduce:
Si bien el producto de matrices comparte muchas de sus propiedades con el producto usual de
números reales, hay propiedades que verifica ´este que no son válidas para el producto de
matrices:
Observación: Dos de las propiedades que no se cumplen para el producto de matrices son las
siguientes:
El conjunto Kn×n resulta ser a la vez un anillo y un K-espacio vectorial. La noción que engloba
a los conjuntos con estas características es la siguiente:
Definición 2.7 Sea K un cuerpo y sea A un conjunto con dos operaciones, + y · , y una acción
·K de K en A tales que:
3
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Se dice entonces que A es una K-álgebra.
Observación: (Kn×n, +, ·K, ·) es una K-álgebra.
Observamos que el producto de matrices nos permite escribir un sistema lineal de n ecuaciones
con m incognitos.
en la forma
donde A ∈ Kn×m es la matriz asociada al sistema, x ∈ Km×1 se define como xi1 = xi (matriz
de una columna cuyos elementos son las incógnitas del sistema), y b ∈ Kn×1 se define como bj1
= bj (matriz de una columna cuyos elementos son los resultados a los que están igualadas las
ecuaciones). De esta manera, un sistema lineal puede verse como una ´única ecuación con una
única incógnita x, pero que involucra matrices en lugar de escalares.
El hecho que la solución en K de la ecuación a.x = b con a, b ∈ K, a 6= 0, se obtiene haciendo
simplemente x = a−1 b, nos lleva a pensar que el sistema lineal Ax = b podrÍa resolverse
análogamente como x = A−1 b en caso de disponer de una matriz A−1 que sea una inversa de A
para el producto de matrices. Este será el tema a estudiar en la próxima sección. ´
Concluimos esta sección introduciendo dos nociones que nos serán de utilidad en lo sucesivo:
MATRICES INVERSIBLES
4
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
En esta sección nos ocuparemos de las matrices que sí tienen inversa y veremos también cómo
hallar la inversa de una matriz en el caso en que ´esta exista.
Definición: Una matriz A ∈ Kn×n se dice inversible si existe una matriz B ∈ Kn×n tal que A.B
= B.A = In.
Proposición: Para cada n ∈ N, se verifican las siguientes propiedades:
5
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Proposición: (GL(n, K), ·) es un grupo, que se denomina el grupo lineal general (n, K).
Para concluir esta sección, veremos un método para determinar si una matriz en Kn×n es
inversible y, en caso de serlo, encontrar su inversa. Lo describimos en el siguiente ejemplo:
Cómo decidir si una matriz es inversible y hallar su inversa:
• Dada A ∈ Kn×n, se arma una matriz en Kn×2n cuyas primeras n columnas corresponden a la
matriz A y cuyas ´ultimas n columnas están formadas por los n vectores de la base canónica
de Kn.
6
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Esto corresponde a plantear la ecuación A.B = In con B ∈ Kn×n, subdividirla en n
sistemas lineales [Link] = ei , 1 ≤ i ≤ n, igualando columna a columna, y escribir la matriz
ampliada de los n sistemas.
• Si al triangular la matriz no aparece ningún cero en la diagonal, se pueden resolver los
sistemas que resultan (que tienen solución única) y hallar entonces la inversa de A. Para esto
se puede proceder como en el ejemplo anterior: al no aparecer ceros en la diagonal, se
continúa aplicando operaciones elementales sobre las filas de la matriz de manera que en
las primeras n columnas quede formada la matriz In. Entonces A−1 es la matriz que aparece
en las ´ultimas n columnas (esto puede probarse de la misma manera que se hizo en el
ejemplo).
MATRICES ELEMENTALES
El método de triangulación que hemos visto para la resolución de sistemas de ecuaciones
lineales se basa en la aplicación de ciertas operaciones elementales a las ecuaciones o,
equivalentemente, a las filas de la matriz del sistema.
Como veremos a continuación, cada una de estas operaciones puede verse como la
multiplicación a izquierda de la matriz del sistema por una matriz conveniente. A cada
n×n
operación de filas en una matriz de , le asociaremos la matriz que se obtiene al aplicarle
dicha operación a la matriz identidad In. Las matrices obtenidas de esta forma se denominan
matrices elementales.
Tendremos entonces tres familias de matrices elementales, correspondientes a los tres tipos de
operaciones de filas permitidas. A continuación, damos las definiciones precisas y estudiamos
el comportamiento de las matrices elementales con respecto al producto.
Comenzamos definiendo las matrices que corresponden a la operación “Intercambiar dos
ecuaciones”.
7
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Ahora introducimos las matrices elementales asociadas a la operación “Multiplicar una
ecuación por una constante no nula.”
Finalmente, la tercera de las familias de matrices elementales es la que representa la operación
“Reemplazar una ecuación por ella misma más un múltiplo de otra.”
8
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
De las propiedades de las matrices elementales que hemos visto, se deduce que triangular una
matriz mediante operaciones sobre sus filas es multiplicarla a izquierda por matrices
elementales. En forma totalmente análoga, puede verse que multiplicar una matriz a derecha
por matrices elementales corresponde a efectuar operaciones sobre las columnas de la matriz.
En particular, esta observación nos dice que, si por medio de la aplicación de operaciones
elementales a las filas de la matriz A obtenemos la matriz identidad I, entonces aplicando las
mismas operaciones en las filas de I obtendremos A−1.
Por otro lado, nos da un teorema de estructura para GL(n, K): así como el Teorema
Fundamental de la Aritmética en Z dice que todo número entero no nulo es producto de enteros
primos, la observación anterior nos dice que toda matriz en GL(n, K) es producto de matrices
elementales.
COORDENADAS
Dado un K-espacio vectorial V de dimensión n y fijada una base B de V, mediante el concepto
de coordenadas de un vector en la base B podremos “identificar” cada elemento de V con un
vector en Kn y trabajar entonces con elementos de Kn.
Coordenadas de un vector en una base
9
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Cambios de base
Dadas dos bases de un mismo K-espacio vectorial V de dimensión finita, cada elemento de V
tiene asociados dos vectores de coordenadas (generalmente distintos), uno en cada una de las
bases. Con la ayuda de cierta matriz, llamada de cambio de base, se pueden obtener las
coordenadas de un vector con respecto a una base de V a partir de las coordenadas del vector
en otra base.
10
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
11
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
12
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
TRANSFORMACIONES LINEALES
Las transformaciones lineales son las funciones con las que trabajaremos en Algebra Lineal.
Se trata de funciones entre K-espacios vectoriales que son compatibles con la estructura (es
decir, con la operación y la acción) de estos espacios.
DEFINICIONES, EJEMPLOS Y PROPIEDADES BÁSICAS
En esta sección introduciremos la noción de transformación lineal, así como también ciertas
nociones básicas asociadas a estas funciones.
13
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Como hemos mencionado al comienzo, las transformaciones lineales respetan la estructura de
K-espacio vectorial. Esto hace que en algunos casos se respete la estructura de subespacio, por
ejemplo, en las imágenes y preimágenes de subespacios por transformaciones lineales:
De la Definición se deduce inmediatamente que una transformación lineal preserva
combinaciones lineales. Veremos que, debido a esto, una transformación lineal queda
unívocamente determinada por los valores que toma en los elementos de una base cualquiera
de su dominio. Comenzamos con un ejemplo.
14
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
15
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
En algunos casos, consideraremos transformaciones lineales de un K-espacio vectorial en sí
mismo:
NÚCLEO E IMAGEN DE UNA TRANSFORMACIÓN LINEAL
A una transformación lineal f: V → W podemos asociarle un subespacio de V, llamado su
núcleo, que de alguna manera mide el tamaño de la preimagen por f de un elemento de su
imagen. En particular, conocer este subespacio nos permitirá determinar si f es inyectiva.
16
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
17
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
18
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
COMPOSICIÓN DE TRANSFORMACIONES LINEALES
La composición de funciones usual puede realizarse, en particular, entre dos transformaciones
lineales. El resultado es, en este caso, una nueva transformación lineal.
19
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
ESPACIOS VECTORIALES DE DIMENSIÓN FINITA
Al estudiar espacios vectoriales de dimensión finita en los capítulos anteriores, dijimos que
podríamos trabajar en un K-espacio vectorial arbitrario de dimensión n “como si fuese” Kn
simplemente considerando vectores de coordenadas. La noción de isomorfismo nos permite
formalizar esta idea.
Observar que, teniendo en cuenta que la aplicación f definida en la demostración de la
Proposición es tomar coordenadas en la base B, esto nos permite trabajar con coordenadas en
una base en el siguiente sentido:
20
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
TEOREMA DE LA DIMENSIÓN
El siguiente resultado relaciona las dimensiones del núcleo y de la imagen de una
transformación lineal con la de su dominio.
21
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
PROYECTORES
22
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
23
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
REPRESENTACIÓN MATRICIAL
En esta sección todos los espacios vectoriales considerados serán de dimensión finita.
Matriz de una transformación lineal
Si V y W son K-espacios vectoriales de dimensión n y m respectivamente, una transformación
lineal f: V → W queda unívocamente determinada por los n vectores de W que son los valores
de f en una base cualquiera de V. Además, fijada una base de W, estos n vectores quedan
determinados por medio de sus vectores de coordenadas en Km. Se define entonces una matriz
asociada a f que contiene toda esta información.
24
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Matriz de la composición y cambios de bases
La composición de dos transformaciones lineales “se traduce” como la multiplicación de sus
matrices.
25
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
RANGO DE UNA MATRIZ
Utilizando la relación entre matrices y transformaciones lineales introduciremos una nueva
invariante asociado a una matriz: su rango.
Esto motiva la siguiente definición:
26
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Nuestro siguiente objetivo es mostrar que el rango fila y el rango columna de una matriz
coinciden. Para hacer esto nos basaremos en la observación anterior. Primero mostraremos que
el rango columna de una matriz A no cambia si se la multiplica a izquierda o derecha por
matrices invertibles.
27
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Equivalencia de matrices
28
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
Finalmente, la siguiente proposición caracteriza matrices equivalentes por medio de
transformaciones lineales: dos matrices son equivalentes si y solo si son las matrices de una
misma transformación lineal en distintas bases.
ESPACIOS VECTORIALES DE TRANSFORMACIONES LINEALES
Fijados dos K-espacios vectoriales V y W, tiene sentido considerar el conjunto de todas las
transformaciones lineales de V en W. En esta sección, estudiaremos la estructura de estos
conjuntos de transformaciones lineales.
29
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
30
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
31
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
ESPACIO DUAL
EL ESPACIO DUAL DE UN ESPACIO VECTORIAL
32
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
33
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
34
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
ANULADOR DE UN SUBESPACIO
En lo que sigue vamos a relacionar los subespacios de V con ciertos subespacios de V ∗ .
Esencialmente, dado un subespacio S de V consideraremos el conjunto de todas las ecuaciones
lineales que se anulan en S y veremos que tiene una estructura de subespacio.
35
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
36
[Link] – informes@[Link]
CENTRO DE CAPACITACIÓN PROFESIONAL Y TÉCNICO
37
[Link] – informes@[Link]
