Contenido del curso
Transposición de matrices para multiplicarlas
La transposición de matrices es la operación que te permite reordenar filas y columnas para que dos matrices sean compatibles al multiplicarse. Si trabajas con álgebra lineal, ciencia de datos o programación, dominar esta operación te ahorra errores cuando las dimensiones no coinciden.
En la clase anterior viste que para multiplicar dos matrices, las dimensiones internas deben coincidir. Pero los datos reales no siempre llegan en la orientación correcta. Ahí entra la transposición como herramienta para reorganizar la información sin perderla.
¿Qué es la transposición de una matriz y cómo se calcula?
La transposición consiste en intercambiar las filas por las columnas de una matriz. La primera fila pasa a ser la primera columna, la segunda fila se convierte en la segunda columna, y así sucesivamente [1:05].
Si tienes una matriz A con dimensiones m x n, su transpuesta, denotada con una T mayúscula como superíndice, tendrá dimensiones n x m. Es decir, las dimensiones se invierten.
¿Qué significa transponer una matriz? Significa convertir cada fila en columna y cada columna en fila. Una matriz de 2x3 se transforma en una de 3x2 al transponerla.
¿Cómo se ve la transposición de forma geométrica?
Geométricamente, la transposición cambia la perspectiva de una transformación lineal. Si una matriz A tiene como columnas los vectores base i sombrerito y j sombrerito después de aplicar la transformación, al transponerla esos vectores base cambian de posición [1:35].
Por ejemplo, con la matriz A = [3, 0, 1, 2], su transpuesta es [3, 1, 0, 2]. Al graficarlo en el plano, el paralelogramo original se desplaza ligeramente hacia la izquierda, mostrando visualmente cómo la transformación cambia su orientación [2:20].
¿Cuándo necesitas aplicar una transpuesta para multiplicar matrices?
La regla básica de la multiplicación de matrices dice que el número de columnas de la primera matriz debe ser igual al número de filas de la segunda. Cuando esto no se cumple, la transposición es la salida [3:10].
Mira este caso práctico:
Multiplicar A por C funciona sin problema porque las columnas de A (2) coinciden con las filas de C (2). Pero si quieres multiplicar C por A, las dimensiones 2x3 y 2x2 ya no calzan [3:55].
¿La solución? Transponer C. Al hacerlo, C transpuesta queda como 7, 8, 9, 10, 11, 12, con dimensiones 3x2. Ahora C transpuesta por A sí es válido porque las columnas de la primera (2) coinciden con las filas de la segunda (2).
¿Por qué transponer cuando las dimensiones no coinciden? Porque al invertir filas por columnas, cambias las dimensiones de m x n a n x m, lo que puede hacer compatible la multiplicación.
¿Cuáles son las propiedades clave de la transposición?
La transposición tiene tres propiedades que debes memorizar para operar con confianza [5:00].
Esta última propiedad conecta con lo que viste sobre composición de transformaciones. Si aplicas una rotación seguida de una inclinación, al transponer debes invertir el orden y transponer cada matriz individualmente [5:45].
¿Cómo aplicas estas propiedades en un ejercicio práctico?
Aquí va el reto de la clase [6:15]. Tienes:
La pregunta es: ¿puedes multiplicar A por B directamente? Revisa las dimensiones. A es 2x3 y B es 4x3. Las columnas de A (3) no coinciden con las filas de B (4), así que necesitas transponer alguna. Haz los cálculos y compártelos en los comentarios.
Con transposición, suma, multiplicación y composición ya tienes el kit completo para operar matrices. En las siguientes clases vas a usar estas herramientas para resolver sistemas de ecuaciones lineales, donde todo lo aprendido cobra sentido aplicado.
Daniela Estupiñan
Estudiante
Daniel Erazo
Profesor
José Alejandro Montes Juarez
Estudiante
Ariel Ezequiel Biazzo Genua
Estudiante
Gabriel Obregón
Estudiante
Germán Illanes Salas
EstudianteDaniel Erazo
Profesor
Pablo Mederos
Estudiante
Alex Xiomar Rubio Lopez
EstudianteAlex Xiomar Rubio Lopez
Estudiante
Darlinson Felipe Polania Camacho
Estudiante
El ejercicio está correcto, gran trabajo!
Yo no entiendo porque esta bien si pidio AB y no AB^T.
Alguien me podria explicar?
No es cambiar filas por columnas. Es la funcion inversa de A, sabiendo que A es una funcion( ya que eso son las matrices)
- Bien. Entonces olvidate de "rotar filas y columnas" por los próximos minutos. Eso es el resultado, no el origen.
La pregunta real es: ¿qué problema estaban tratando de resolver cuando inventaron la transpuesta?
Step 8: El problema que la motivó
Acordate que el dot product mide alineación entre dos vectores. Ahora preguntate esto:
Si transformo un vector con A, y después hago el dot product con otro vector y... ¿puedo "mover" A al otro lado del dot product?
En símbolos:
$$(A\vec{x}) \cdot \vec{y} = \vec{x} \cdot (?\vec{y})$$
¿Existe alguna matriz ? que haga esto verdad? Los matemáticos del siglo XIX (Cayley, Sylvester) estaban estudiando formas cuadráticas — expresiones como ax² + bxy + cy² — y se encontraron exactamente con esta pregunta.
La respuesta es sí. Y esa matriz ? es exactamente Aᵀ:
$$(A\vec{x}) \cdot \vec{y} = \vec{x} \cdot (A^T\vec{y})$$
Esa es la definición real de la transpuesta. No "flipeá filas y columnas" — eso es la consecuencia mecánica. La definición es: Aᵀ es la única matriz que te permite mover A de un lado al otro del producto punto.
Por qué esto es poderoso — el espacio dual
Acá viene la historia profunda. Cada espacio de vectores tiene un "espejo" llamado espacio dual — el espacio de todas las funciones lineales que comen vectores y escupen un número.
¿Conocés esa función? Ya la conocés — es el dot product. Fijar un vector y y hacer f(x) = x·y es exactamente una función lineal que come vectores y da números.
Entonces cuando tenés una transformación A que lleva vectores de un espacio a otro:
$$A: \mathbb{R}^n \rightarrow \mathbb{R}^m$$
La transpuesta va exactamente al revés en el espacio dual:
$$A^T: \mathbb{R}^m \rightarrow \mathbb{R}^n$$
No es coincidencia que las dimensiones se inviertan. La transpuesta es la transformación que vive en el mundo espejo. Por eso cambian filas y columnas — es la firma geométrica de invertir la dirección en el espacio dual.
Por qué importa concretamente
De esa propiedad salen tres cosas enormes:
1. Matrices simétricas (A = Aᵀ) Si A es igual a su transpuesta, significa que mover A de un lado al otro del dot product no cambia nada. Esas matrices tienen propiedades brutales: siempre tienen autovalores reales, siempre se pueden diagonalizar perfectamente. Toda la física cuántica, toda la mecánica estructural, vive acá.
2. AᵀA es siempre simétrica y nunca destruye información de más Esto es la base de mínimos cuadrados — cuando tenés más ecuaciones que incógnitas y querés la mejor aproximación posible. La fórmula es x = (AᵀA)⁻¹Aᵀb. La transpuesta aparece porque necesitás "doblar" la transformación sobre sí misma para que las dimensiones cierren.
3. En física, la transpuesta es el "adjunto" Una transformación que no distorsiona distancias (como rotar) cumple que AᵀA = I, o sea Aᵀ = A⁻¹. La transpuesta y la inversa son la misma cosa. Eso es una matriz ortogonal y describe exactamente las rotaciones y reflexiones.
El resumen de la historia:
Los matemáticos no inventaron "flipeá la matriz". Inventaron la pregunta "¿cómo muevo una transformación de un lado al otro del dot product?" La transpuesta es la respuesta. El flipeo de filas y columnas es solo la forma que toma esa respuesta cuando la escribís en papel.
🔄 Transposición de matrices y multiplicación
🔁 ¿QUÉ ES LA TRANSPOSICIÓN?
📌 Definición
· Transponer = intercambiar filas ↔ columnas
📐 Dimensiones
· A es m por n
· A^T es n por m
➡️ La transposición puede habilitar multiplicaciones imposibles sin ella.
🔄 ¿CÓMO SE CAMBIAN FILAS Y COLUMNAS?
Visualízalo así 👀:
➡️ Fila 1 → Columna 1
➡️ Fila 2 → Columna 2
➡️ Fila k → Columna k
⚠️ Los valores no cambian, solo su posición.
📐 COMPATIBILIDAD DE DIMENSIONES
📏 Regla básica
✔ (m por n) · (n por p) → válido
✖ Si las dimensiones internas no coinciden → no válido
🔢 Ejemplo
· A es 2 por 2
· C es 2 por 3
✔ A por C
✖ C por A (3 ≠ 2)
🛠️ Solución
· C^T es 3 por 2 ✔ C^T por A ahora es posible
📊 INTERPRETACIÓN GEOMÉTRICA
🧭 Clave geométrica:
· Las columnas representan la imagen de los vectores base i y j.
🔁 Al transponer:
· Cambia la perspectiva
· Las filas pasan a actuar como columnas
📐 Efecto visual:
· El paralelogramo de la transformación cambia de orientación
· En el ejemplo, se desplaza ligeramente a la izquierda
➡️ VECTORES BASE i Y j
🔹 Antes de transponer:
· Las columnas muestran cómo se transforman i y j
🔹 Después de transponer:
· Las antiguas filas se convierten en columnas
· i y j se transforman según esas nuevas columnas
📌 PROPIEDADES FUNDAMENTALES
🧩 Reglas que debes recordar:
1️⃣ Doble transposición
· (A^T)^T = A
2️⃣ Transpuesta de una suma
· (A + B)^T = A^T + B^T
3️⃣ Transpuesta de un producto
· (AB)^T = B^T A^T
⚠️ ¡El orden importa!
La respuesta es correcta, muy bien!
No me queda claro por qué haríamos la transposición de la matriz. Si son dos matrices incompatibles, esa operación no es válida. No queda claro qué es la matriz C resultante, ya que B^t es una matriz diferente de B, y espacialmente no son equivalentes. Esto tiene una utilidad en motores gráficos, para por ejemplo, calcular en producto punto de vectores y determinar si estan a un lado u otro de varios planos de los que se conocen sus vectores normales. Por ejemplo en una operación de A(2x3) x B(4x3), donde hay 2 vectores 3D en A y 4 vectores 3D normales en B, podemos hacer A(2x3) x B^t(3x4) para enviar toda la operación a una funcion SIMD y ahorrar ciclos de CPU/GPU. Pero es una deducción por conveniencia, no sé qué utilidad matemática o espacial real tendría representar C en una gráfica o un espacio multidimensional.
Reto: La Traspuesta de una matriz:
Reto 2 : A x B traspuesta:
