TRANSFORMACIONES LINEALES Y MATRICES

Comenzamos definiendo una tranformacin lineal. Ejemplos tpicos son la

derivada y la integral, al igual que las proyecciones. Definimos el kernel y rango
de una transformacin lineal T : V W y los denotamos por N(T) y R(T)
respectivamente. Es un ejercicio verificar que N(T) V y R(T) W. Definimos
nulidad(T) = dim(N(T)) y rango(T) = dim(R(T)).
TEOREMA 2.1 Si T : V W es una transformacin lineal, entonces V es
dimensionalmente finito si y slo si N(T) y R(T) son dimensionalmente finitos, y
en este caso,
dim(V) = nulidad(T) + rango(T).
Demostracin
Dados dos espacios vectoriales V y W sobre un campo F, definimos
L(V, W) = {T : V W | T es una transformacin lineal}.
Si T, U L(V, W) y a F, definimos aT + U : V W como (aT + U)(x) = aT(x)
+ U(x) para toda x F. Es un ejercicio verificar que aT + U es una
transformacin lineal y que L(V, W), junto con estas operaciones de suma y de
multiplicacin por escalares, es un espacio vectorial sobre F.
Definimos el que una funcin fuera inyectiva, sobre y biyectiva. Es un ejercicio
demostrar que para una transformacin lineal T : V W, las siguientes
condiciones son equivalentes:

T es inyectiva

N(T) = {0} (es decir, nulidad(T) = 0)

Para todo S V, S es linealmente independiente si y slo si T(S) W es

linealmente independiente

Tambin se deja como ejercicio el verificar que si V y W son dos espacios

vectoriales con la misma dimensin (finita) y T : V W es una transformacin
lineal, entonces T es inyectiva o sobre si y slo si es biyectiva.
Una transformacin lineal es una funcin que preserva la estructura algebraica de
espacio vectorial, por lo que no toda funcin entre espacios vectoriales es una
transformacin lineal. De hecho, es sencillo encontrar funciones inyectivas, sobre,

y biyectivas que no son transformaciones lineales. Esto motiva las definiciones de

monomorfismo, epimorfismo e isomorfismo.
LEMA 2.2 Sean V y W dos espacios vectoriales sobre un campo F. Supongamos
que V es dimensionalmente finito y que = {x1, ..., xn} es una base de V. Entonces
para todo {y1, ..., yn} W, existe una unica transformacin lineal T : V W tal
que T(xi) = yi para toda i = 1, ..., n.
Demostracin
TEOREMA 2.3 En la categora de los espacios vectoriales dimensionalmente
finitos, la dimensin es un invariante completo de isomorfismo. Es decir, para
cualesquiera dos espacios vectoriales dimensionalmente finitos V y W sobre un
campo F, existe un isomorfismo entre V y W si y slo si dim(V) = dim(W).
Demostracin
Sea V un espacio vectorial dimensionalmente finito sobre un campo F y sea =
(x1, ..., xm) una base ordenada de V. Para cada x V, existen escalares nicos
a1, ..., am F tales que x = a1x1 + ... + amxm. Definimos al vector coordenado de x
relativo a como

[ x ] =

a1
:
am

Es fcil ver que el mapeo x | [ x ] constituye un isomorfismo : V Mn x 1(F).

Sean V y W dos espacio vectoriales dimensionalmente finitos sobre un campo F,
= {x1, ..., xm} una base ordenada de V y = {y1, ..., xn} una base ordenada de W.
Para cada T L(V, W), definimos la matriz asociada a T con respecto a las bases
ordenadas y como
[T]

[T(x1)] ... [T(xm)]

Por otro lado, dada una matriz A Mn x m(F), la funcin LA : Fm Fn definida por
LA(x) = Ax, es una transformacin lineal (ejercicio).
TEOREMA 2.4 Sean V y W dos espacio vectoriales dimensionalmente finitos
sobre un campo F, = {x1, ..., xm} una base ordenada de V y = {y1, ..., yn} una
base ordenada de W. Entonces el mapeo T | [T] constituye un isomorfismo :
L(V, W) Mn x m(F). Ms an, para toda A Mn x m(F), se tiene que -1(A)

L(V, W) es tal que [-1(A)] = A.

Demostracin
Sean V y W dos espacios vectoriales sobre un campo F. Si T L(V, W), entonces
existe una matriz asociada a T por cada par de bases ordenadas y de V y W
respectivamente. El siguiente teorema (cambio de coordenadas) establece la
relacin entre estas matrices.
TEOREMA 2.5 Sean V y W dos espacio vectoriales dimensionalmente finitos
sobre un campo F. Si , ' son dos bases ordenadas de V y ' son dos bases
ordenadas de W, entonces existe una matriz invertible Q tal que . Entonces el
mapeo T | [T] constituye un isomorfismo : L(V, W) Mn x m(F). Ms an,
para toda A Mn x m(F), se tiene que -1(A) L(V, W) es tal que [-1(A)] = A.

lunes, 23 de noviembre de 2009

Rango y Nulidad de una Matriz

Rango y Nulidad de una Matriz

La dimensin comn del espacio rengln y del espacio columna de una matriz A se denomina
rango y se denota rango (A), la dimensin del espacio nulo de A se llama nulidad y se denota
nulidad (A).
Propiedad
Rango (A)= Rango (AT)
Teorema de la dimensin
Si es una matriz A con n columnas, entonces:
Rango (A) + nulidad (A) = n
El procedimiento para calcular el rango de una matriz es el siguiente
Se utiliza los procesos elementales por filas para transformar A en una matriz B en forma
escalonada.
El rango de A es igual al nmero de filas no nulas (aquellas que se lograron escalonar).
Ejemplo
Sea A. determinar su rango y nulidad

Por procesos elementales

f1+f2f2^f1+f3f3f2+f3f3

rango (A)= 2
Ejercicios
Calcule el rango y la nulidad de A

En cada caso usa la informacin que proporciona la tabla para encontrar la nulidad de Ay AT
a

Tamao de A

3x3

3x3

3x3

5x9

9x5

4x4

6x2

Rgo A