Documentos de Académico
Documentos de Profesional
Documentos de Cultura
APUNTES DE
MATEMATICAS
IV
Autor:Jorge Garca Nieva
Tecnologico de Estudios
Superiores del Oriente del
Estado de Mexico
29 de julio de 2010
V.Transformaciones Lineales.
1
INTRODUCCION
El Algebra Lineal es el estudio de los espacios
vectoriales y de los conceptos derivados de ellos, como
son las combinaciones lineales, los conjuntos bases y
la representacin de los elementos de un espacio
vectorial mediante ellas, las bases ortogonales , las
transformaciones lineales y sus representacion
matricial, los espacios asociados a los autovalores y
vectores
propios
de
una
transformacion
lineal(descomposicion espectral), etc.
El conocimiento de los conceptos anteriores y su
interrelacion, proporciona a los estudiantes de las
areas de ingeniera una solida base para trabajar en
la modelacion matematica de los fenomenos fsicos
dentro de sus respectivas areas.En efecto,la teora de
los espacios vectoriales tiene amplias aplicaciones ,
interviniendo por ejemplo en la resolucion matem
atica de problemas de optimizacion, como sucede
con el metodo simplex en la Ingeniera Industrial, o
bien en el tratamiento simplificado y elegante de la
teora de la regresion lineal y multilineal, la estad
stica avanzada , la teora del control de calidad, la
teora de la simulacion, la teora de las ecuaciones
diferenciales,etc.
Por lo anterior, es muy importante proporcionar a los
estudiantes material didactico de calidad, que no se
reduzca a la reproduccion sin sentido de calculos,
sino que tenga un nivel adecuado de la exposicion de
la parte teorica. Es con este fin como el autor de estas
notas ha recolectado una serie de resultados
importantes dentro del Algebra Lineal que han sido
considerados tradicionalmente como fundamentales
por los especialistas de esta area y que son
consideradas basicas dentro de un curso basico de
eta asignatura.
Estas notas comienzan con una exposicion acerca de
los numeros
V.Transformaciones Lineales.
2
V.Transformaciones Lineales.
4 Espacios vectoriales.
128
4.1.
Definicion de espacio
vectorial. . . . . . . . . . . . 128
4.2.
Definicion de subespacio vectorial y sus
propiedades. 135
4.3.
Combinacion lineal. Independencia lineal.
. . . . . . 140
4.4.
Base y dimension de un espacio vectorial,
cambio de
base. . . . . . . . . . . . . . . . . . . . . . . . 153
4.5.
Espacio vectorial con producto interno y
sus
propiedades. 179
4.6.
Base ortonormal, proceso de
ortonormalizacion de
Gram-Schmidt. . . . . . . . . . . . . . . . . . .
. 183
5 Transformaciones lineales.19315
5.1.
Introduccion a las transformaciones
lineales. . . . . 193
5.2.
Nucleo e imagen de una transformacion
lineal. . . . 212
5.3.
La matriz de una transformacion lineal
205
5.4.
Aplicacion de las transformaciones
lineales: reflexion,
dilatacion, contraccion y rotacion . . . . . . . 219
V.Transformaciones Lineales.
5
UNIDADIV
Espacios Vectoriales
Espacios Vectoriales, subespacios, combinaciones lineales y
bases.
128
IV.Espacios Vectoriales
M3. () v = ( v) = ( v) para cualesquiera
, R y v V
129
IV.Espacios
2. El conjunto Mmn(R) junto con las operaciones + y , dadas en las
definiciones 1.4 y 1.5 respectivamente, del captulo 1, es un espacio
vectorial
130
Espacios Vectoriales
6. El conjunto
V = {(x,y) R2 : y = x + 1}
junto con las operaciones definidas en la parte 1 de este ejemplo, no es un
espacio vectorial ya que (2,3),(0,1) V (por que?) pero
(2,3) + (0,1) = (2 + 0,3 + 1) = (2,4) / V
pues 4 =6 3 = 2 + 1, es decir, la adicion no es cerrada en V o V no es
cerrado bajo la adicion.
Sin embargo, si definimos sobre V las operaciones
131
Definamos 0 V = (0,1). Entonces 0/VV (por que?) y ademas
/
= (x + 1) + 2
= x 1 + 2
(por que?)
= x + 1
Ademas
(x,y) + (x,y + 2) = (x + (x),y + (y + 2) 1) = (0,1) = 0/V
=
=
tales que
v + v = 0/V
(4.2)
v + v = 0/V
b
(4.3)
132
IV.Espacios
Luego
bv = v + 0/V (por A3.) v
+ (v + v) (por 4.2)
=
= (vb+ v) + v (por
A2.)
=
(/vV + vb) + v (por
= A1.)
0 +v (por 4.3)
= v + 0/V (por A1.)
= v
(por A3.)
133
Teorema 4.2. Sea V un espacio vectorial.
Entonces
1. 0/V = 0/V para cada R.
2. 0v = 0/V para cada v V.
3. Si v = /0V, entonces = 0 o v = 0/V.
4. ()v = (v) = (v) para cualesquiera R y v V. En consecuencia
(1)v = v.
Demostracion.
1. Sea R cualquiera. Entonces
0/V +0/V
= (0/V
M2.)
+0/V)
(por
v = 1v
R tal que
tanto
=1=
. Por lo
(por M4.)
= (1)v
(por la
Con lo que
4. Sean R
= 1(v)
M3.)
(por
1 0/V
= otesis)
(por
v + ()v =
hip
y v V cualesquiera. Entonces
( + ())v (por M1.)
=
=
parte 1)
culmina la prueba de la parte 3.
0v
134
Luego, por A4. (unicidad del opuesto aditivo), se tiene que ()v = (v).
De manera analoga se prueba que (v) = (v). Finalmente, haciendo
= 1 y por M4., obtenemos
(1)v = (1v) = v.
4.2.
Definicion de subespaciovectorial y sus
propiedades.
Algunos subconjuntos de un espacio vectorial V son, a su vez, espacios
vectoriales, considerando sobre ellos las operaciones + y de V. En esta seccion
nos ocuparemos de dichos espacios vectoriales los cuales son llamados
subespacios vectoriales de V.
Definicion 4.3. Sea W un subconjunto no vaco de un espacio vectorial V.
Diremos que W es
un subespacio vectorial o simplemente subespacio de V si W junto con las
operaciones + y de V es un espacio vectorial.
Ejemplo 4.2.1. Dado un espacio vectorial V, entonces W = {0
V} es un subespacio de V, el cual es llamado
espacio vectorial nulo, as como tambien V (ver ejemplo 4.1 parte 7).
Estos subespacios son llamados subespacios triviales de V. Cualquier otro
subespacio de V, distinto de estos dos, es llamado subespacio no trivial.
Un subespacio de V distinto de V es llamado subespacio propio.
2. Dada una matriz real A Mmn(R). Los espacios S y R, dados en la parte 3 del
ejemplo
.1, son subespacios de Mn1(R) y Mm1(R) respectivamente.
3. De la parte 4 del ejemplo 4.1 podemos garantizar que para cada n N se
tiene que Pn[x] es un subespacio de Pn+1[x] y de P[x].
4. El conjunto C [a, b] formado por todas las funciones reales continuas sobre
el intervalo cerrado [a, b], es un subespacio de F [a, b].
En efecto, es claro que C [a, b] F [a, b] (por que?) y ademas, la funcion
nula esta en C [a, b] (por que?), por lo tanto C [a, b] es un subconjunto
no vaco de F [a, b].
135
. As
que
s olo
resta
probar
Como
W
=6 ,
existe
v0
de la condicion 3, 0v0 W, pero por la parte
W. Entonces,
que 0
en
virtud
2 del teorema 4.2 se tiene que 0v0 = 0/V, as que 0/VW y en consecuencia
existe 0/VW tal que para cada v W se tiene que v + 0/V = v, es decir, la
136
Finalmente, sea v W cualquiera. Entonces, por la condicion 3, tenemos que
(1)v W y dado que (1)v = v (por la parte 4 del teorema 4.2), entonces v
W, en consecuencia para cada v W existe v W tal que v + (v) = 0 /V, es
decir, la condicion A4. se satisface si sustituimos V por W. Otra lectura que le
podemos dar a este resultado es que el vector opuesto aditivo de cualquier
vector en un subespacio, es tambien un vector del subespacio.
espacio
As
que para
/V
W.
vectorial
V,
probar que
entonces
un subconjunto
W de un
( tomando
137
Observacion 4.8. Segun la observacion 2.7, la condicion 1 en el teorema 2.3
y la condicion
1 en el corolario 2.4, pueden ser sustituidas por la
siguiente condicion.
/V
W.
1. 0
Observacion 4.9. Recordemos que para probar que los conjuntos S y R,
definidos en la parte 3 del ejemplo 4.1, son subespacios de Mn1(R) y Mm1(R),
respectivamente (ver parte 2 del ejemplo 4.2), fue necesario probar que eran
espacios vectoriales (se dejo como ejercicio), sin embargo, al usar el teorema
4.3 o el corolario 4.4, vemos que no es necesario.
Ejercicio 4.3. Sean U, V y W espacios vectoriales. Pruebe que si W es un
subespacio de V y V es un subespacio de U, entonces W es un subespacio de U.
Ejemplo 4.3. Pruebe que W = {a+bx+cx2+dx3 P3[x] : 2ab+3cd =
0;a+b4c2d = 0} es un subespacio de P3[x].
Solucion. Es claro que WP3[x].
Por otro lado, el polinomio nulo O(x) = 0 = 0+0x+0x2+0x3 (vector nulo de P3[x])
pertenece a W ya que
( 2 0 0
0
+3 0
+0 4 0 2 0 =
0
0
Sean p(x) = a1 + b1x+ c1x2 +d1x3 y q(x) = a2 + b2x+ c2x2 +d2x3 polinomios
cualesquiera en W y R cualquiera. Entonces
2a1 b1 +3c1 d1
a1 +b1
4c1
2d1
0
0y
a2
( 2a2 b2 +3c2 d2 =
+b2
4c2
2d2
Segun el corolario 2.4 y la observacion 2.8, solo falta probar que p(x) +
q(x) W. Pero p(x) + q(x) = (a1 + b1x + c1x2 + d1x3) + (a2 + b2x +
c2x2 + d2x3)
=
(Ademas
(por que?)
138
y
(a1 + a2) + (b1 + b2) 4(c1 + c2) 2(d1 + d2)
= a1 + a2 + b1 + b2 4c1 4c2 2d1 2d2
= (a1 + b1 4c1 2d1) + (a2 + b2 4c2 2d2) = 0
(por que?)
139
4.3.
0#"0
1#"0
0#"0
0#
=a+b+c+dcd00001001
Ejemplo 4.4.
1. El ejemplo hecho al comienzo de la seccion nos dice que cualquier matriz
real cuadrada de orden 2 es combinacion lineal de las matrices
.
En general, si para cada i {1,...,m} y cada j {1,...,n} definimos la matriz Eij
Mmn(R) como aquella matriz cuya ij-esima componente es igual a 1 y el
resto es 0 , entonces toda matriz A Mmn(R) es combinacion lineal de las
matrices
E11,E12,...,E1n,E21,E22,...,E2n ...,Em1,Em2,...,Emn
140
Espacios Vectoriales
3. Cualquier vector (x1,x2,...,xn) Rn es combinacion lineal de los vectores de
Rn
e1 = (1,0,...,0), e2 = (0,1,0,...,0),..., en = (0,...,0,1)
2 3 =
6 +2 =
5
6
23 1395 F1
4 33 14
F2
1243145
F + F
6 26
26
6F
78
26
F13F13+426F2F2
FF
141
Solucion. Al igual que en ejemplo precedente, vamos a suponer que la respuesta
a la pregunta es s, entonces existen 1,2,3 R tales que p(x) = 1p1(x) +
2p2(x) + 3p3(x), para cada x R, esto es,
5 4x + 9x2 = 1(2 x + 2x2) + 2(2 2x + 6x2) + 3(x 4x2)
x R)
obteniendo el sistema de ecuaciones
21
1 22
21
+22 = 5
+3 = 4
+62 43 =
(para cada
112
1
0 19
( verifquelo !)
0
originalno
tiene
solucion
012
(por
que?),
en
es llamado el espacio
142
1. Segun la parte 1 del ejemplo 4.4 se tiene que
Mmn(R) = gen({E11,E12,...,E1n,E21,E22,...,E2n ...,Em1,Em2,...,Emn}) y
segun las partes 2 y 3 del mismo ejemplo, tenemos que
Pn[x] = gen({1,x,...,xn})
+3
= a
= b
21 +62 43 = c
tiene al menos una solucion.
Resolvamos este sistema. La matriz ampliada del sistema es
2 2 0a
1 2
1b
2
6 4c
143
Hallemos la FERF de esta matriz
0a 1
1a +b
a + b 1 0
1a + b
a + 2b F2 21F2 00
16
162a21a2bb+ c
F3 F3 2
6 6 2a 2b + c
F3 F3 6F2 00
10 10
a+b
a+12a4b+bc
4.6.
Sean
un
espacio
vectorial
v1,v2,...,vn V.
Entonces
gen({v1,v2,...,vn}) es un subespacio de V.
Demostracion.
Definamos
{v1,v2,...,vn}.
Por
definicion,
gen(S)
Por lo tanto
u + v
=
=
144
As que u + v gen(S) y en consecuencia gen(S) es un subespacio de V.
Definicion 2.6. Sean V un espacio vectorial y v1, v2, . . . , vn V. Diremos que v1,
v2, . . . , vn generan a V o que el conjunto S = {v1, v2, . . . , vn} genera a V o que
S es un conjunto generador de V si V = gen(S) = gen({v1, v2, . . . , vn}).
Ejemplo 4.9. Por la parte 1 del ejemplo 4.7 podemos decir que:
1. Los vectores (matrices) E11,E12,...,E1n,E21,E22,...,E2n ...,Em1,Em2,...,Emn generan a
Mmn(R).
2. El conjunto {1,x,...,xn} genera a Pn[x].
3. {e1, e2,..., en} es un conjunto generador de Rn.
Ejemplo 4.10. Hallar un conjunto generador del subespacio W de P3[x] dado en
el ejemplo 2.3
Solucion. Sabemos que
W = {a + bx + cx2 + dx3 P3[x] : 2a b + 3c d = 0;a + b 4c 2d = 0}
As que a + bx + cx2 + dx3 W si y solo si
(
2a b +3c d
0a
+b
4c
2d
( verifquelo !)
Por lo tanto, a + bx + cx2 + dx3 W si y solo si
(
a 13c d =
131c d =
0b
0
145
IVEspacios
o equivalentemente
(a
1
3
=
b =
113
c+d
c + d Haciendo c = 3 y d = , con
v gen({v1,v2,...,vn,u}) cualquiera.
146
entonces
= 0. /V, entonces 1 = 2 = =
147
2. No es difcil probar que los conjuntos
{1,x,...,xn}, {e1, e2,..., en} y
{E11,E12,...,E1n,E21,E22,...,E2n,...,Em1,Em2,...,Emn}
son linealmente independientes (en sus correspondientes espacios).
3. Dados un espacio vectorial V y v1,v2,...,vn V, entonces {v1,v2,...,vn,0/V} es
linealmente dependiente pues
0/V = 0v1 + 0v2 + + 0vn + 10/V
es decir, en un espacio vectorial, cualquier conjunto finito de vectores que
contenga al vector nulo, es linealmente dependiente.
4. Sea v un vector no nulo en un espacio vectorial V, entonces el conjunto {v}
es linealmente independiente ya que si v = 0/V y dado que v =6 0/V,
entonces = 0 (en virtud de la parte
3 del teorema 4.2).
Antes de dar algun otro ejemplo, debemos hacer notar que para determinar
si un conjunto de vectores {v1,v2,...,vn}, en un espacio vectorial V, es
linealmente independiente o dependiente, debemos plantearnos la ecuacion
1v1 + 2v2 + + nvn = 0/V, la cual conduce, en general, a
n.
Si la solucion de
+4(1 2x + 3x2)
=
2
(21 + 2
+ 4) + (1 2
+ 3
4)x
+(21 + 6 2 4 3 + 3 4)x2
148
Obteniendo el siguiente sistema de ecuaciones homogeneo
21
1 22
21
+22 +4
+3 24
=
=
0
0
+62 43 +34 =
Ejemplo 4.13. Consideremos los polinomios p1(x), p2(x) y p4(x) del ejemplo
anterior son linealmente independientes?
Solucion. Como en el ejemplo anterior, debemos plantearnos la ecuacion
1p1(x) + 2p2(x) + 4p4(x) = 0
(para todo x R)
(4.6
)
Obteniendo el sistema
21 +22
+4 0
=
2
0
1
22 24 =
0
1
+62
+34 =
La matriz de este
sistema es Hallemos su
FERF.
2 2 1 1 1 2 1 0 1
2 2
1
1 2 2
2 6
3
1 2 2 F F + F 12 26 23
F F 00 16
2
2 12 2
1 0 132 3 3 2 1 0
F F 6F 00 10
1 0
FF2FF2+F32F3 00
10
01
1
0
1
F23 F23+ F1 1 0 2 3 5
F F 2F 0 6
13
13 3
14 3 1
F
F
0
2
149
4
0
De donde
1 = 2 = 4 = 0
5 4#
2
" 3 1 # y
. Es
, A2 =
1 1
3
Sean
"
41 2 3 # = " 0
0#
21 + 2 43 1 + 32 + 53
0
0
De donde
51 +32
+3 = 0
41 2 3 =
21
+2 43
1 +32 +53 =
4 1 1 2 1
4
1 3
Hallemos su FERF.
150
Vectoriales
00
10
1 0 2
1
1 1
1
F3 F3 0
0
1
F4 F4 8F3 0 0 0
0 0
8
2 1
3 10
0
Por lo tanto 1 = 2 = 3 = 0 y en consecuencia
{A1,A2,A3} es linealmente independiente.
Supongamos
que
u,v
son
Sea
Mmn(R).
Entonces
IV. Espacios
olo si existen escalares 1,2,...,n R, no todos
nulos, tales que
1A(1) + 2A(2) + + nA(n) = 0 m1
/
(1)
+ 2A(2) + + nA(n) = A
1
A
As
que
A(1),A(2),...,A(n)
son
linealmente
151
Como consecuencia del teorema 4.9 obtenemos
los siguientes corolarios.
Corolario 4.10. Sea A Mnn(R). Entonces las
siguientes proposiciones son equivalentes.
1. det(A) =6 0.
2. Las
columnas
de
son
linealmente independientes.
3. Las filas de A, A(1),A(2),...,A(n), son linealmente
independientes.
Demostracion. (Ejercicio)
de
que
son
linealmente
independientes.
Demostracion. (Ejercicio)
{v1,v2,...,vn,u}
es
linealmente
IV. Espacios
152
4.4.Base y dimension un
espacio vectorial,cambio
de base.
Segun el ejemplo 4.9 y la parte 2 del ejemplo
4.11 tenemos que:
1. {1,x,...,xn} es un conjunto generador de Pn[x] y
ademas es linealmente independiente.
2. {e1, e2,..., en} es un conjunto linealmente
independiente y genera a Rn.
3. {E11,E12,...,E1n,E21,E22,...,E2n ...,Em1,Em2,...,Emn} es
un
conjunto
generador
de
Mmn(R)
es
linealmente independiente.
Ejemplo 4.15.
1. {1,x,...,xn} es una base de Pn[x].
2. {e1, e2,..., en} es una base de Rn.
3. {E11,E12,...,E1n,E21,E22,...,E2n ...,Em1,Em2,...,Emn} es
una base de Mmn(R).
estandar
del
correspondiente
espacio.
Ejemplo
4.16.
Ningun
conjunto
finito
de
digamos
{p1(x),p2(x),...,pn(x)},
cualquier
combinacion
lineal
de
los
153
de grado k, en consecuencia p(x) = xk+1 P[x] pero
p(x)
gen({p1(x),p2(x),...,pn(x)}),
de
donde
IV. Espacios
Solucion.
si y solo si 5a+6b+4c2d
= 0 o bien, si y solo si
As que
si y solo si
Por lo tanto
Ejemplo
4.18.
Considere
los
polinomios
Sabemos
que
el
conjunto
154
para todo x R, tiene solucion para 1,2,4 R.
Pero dicha ecuacion es equivalente al sistema
de ecuaciones
21
1 +22 +4 =
21 22 24 =
La matriz de este sistema es
+62 +34 =
2
a
b
c
1
1
2
2
2
6
3
y por el ejemplo 4.13, sabemos que es equivalente
por filas a I3, en consecuencia, el sistema en cuesti
on, tiene solucion (unica), lo cual concluye la
prueba.
IV. Espacios
v = 1v1 + 2v2 + + nvn
y
+ nvn
v = 1v1 + 2v2 +
Luego
0/V =
vv
=
(1v1 + 2v2 + + nvn)
(1v1 + 2v2 + + nvn)
=
(1 1)v1 + (2 2)v2 +
+ (n n)vn
Como = {v1,v2,...,vn} es una base, entonces es
linealmente independiente, por lo tanto
1 1 = 2 2 = = n n = 0
155
es decir,
1 = 1, 2 = 2,..., n = n
con lo cual obtenemos la unicidad de los escalares.
= {u1,u2,...,un} y
1j,2j,...,mj
tales
que
{1,...,n},
existen
escalares
uj = 1jv1 + 2jv2 + + mjvm
Sean 1,2,...,n R tales que
Luego
0/V = 1(11v1 + 21v2 + + m1vm) + 2(12v1 +
22v2 + + m2vm) + +
+n(1nv1 + 2nv2 + + mnvm)
=
Pero
2
=
{v1,v2,...,vm}
es
linealmente
independiente, por ser una base de V, as que
111 + 122 + + 1nn =
.
.
el
sistema
anterior
tiene
soluciones
no
es
decir,
156
{u1,u2,...,un}
es
linealmente
IV. Espacios
4.9.
Sea
un
espacio
vectorial.
157
Teorema 4.16. Sean V un espacio vectorial de
dimension n y S = {v1,v2,...,vn}V.
1. Si S es linealmente independiente, entonces S
es una base de V.
2. Si S genera a V, entonces S es una base de V.
Demostracion. Ejercicio!
Sugerencia: En ambos casos suponga que S no
es una base, luego para la parte 1 use el teorema
4.12 y para la parte 2 use el teorema 4.7.
IV. Espacios
independiente en V (por que?). Por lo tanto,
por la parte
1 el teorema 2.15, W tiene a lo sumo n elementos,
esto es, dim(W) n = dim(V).
Ademas, si dim(W) = dim(V), entonces W es un
conjunto linealmente independiente con n
elementos. Por lo tanto W es una base de V (por
que?). En consecuencia W = gen(W) = V.
tal
que
vm+1 /
gen({v1,v2,...,vm}).
{v1,v2,...,vm,vm+1}
es
Luego
linealmente
es
linealmente
independiente.
Continuamos
completar
con
un
este
proceso
conjunto
hasta
linealmente
independiente = {v1,v2,...,vm,vm+1,...,vn}, el
cual es, por lo tanto, una base de V y ademas
S .
2. Ejercicio!
Sugerencia:
Si
es
linealmente
vk
gen({v1,v2,...,vk1,vk+1,...,vm}).
seccion
se
probara
formalmente,
IV. Espacios
Antes que nada definiremos mas formalmente
dichos conjuntos.
Definicion 4.10. Consideremos una matriz A
Mmn(R). El conjunto
N(A) = Ker(A) = {x Mn1(R) : Ax = 0/m1}
es llamado espacio nulo, nucleo o kernel de A;
y el conjunto
Im(A) = {y Mm1(R) : Ax = y
Mn1(R)}
para algunx
1 0
F F 00
2 3
10 10
159
40
x1
As que
si y solo si
o bien
De donde
Por lo tanto
N(
, 4
1 0
es linealmente independiente (pruebelo!) y por lo
tanto es una base de N(A). As que
y12 31
Por otro lado, sea y = y M (R). Entonces y
Im(A) si y solo si existe y3
IV. Espacios
M41(R) tal que Ax = y, es decir, y Im(A) si y solo
si el sistema Ax = y tiene solucion.
160
Resolvamos entonces este sistema, la matriz
ampliada de este sistema es
2 3
7 18y1
[A|y] = 2 0 4 6y2
2 9
13 42y3
La cual es equivalente por filas a la matriz ( verif
quelo !)
1 0
2 331 112y213
0
1 1 4 y y2
0 0
0
03y1 2y2 + y3
Por lo tanto y Im(A) si y solo si
3y1 2y2 + y3 = 0
(por que?)
equivalentemente
En
consecuencia
y por lo tanto
Im(
3
2
IV. Espacios
0
,
3
1
2
161
son linealmente independientes (use el corolario
2.11) y ademas
7
0
3 7
186
1 =
0
4
A
10
=
3 0
22 9 13
0
02
42 0 9
2 3
es decir
10 2 3 4 186 0 2 2
A 0 = 2 0 0 13
0 =
9
2
42 0 2
0
,
0
I
m
(
A
)
y por lo tanto
2
2 ,
0
2 9
es un subconjunto linealmente independiente de
Im(A). Al usar la parte 1 del teorema 4.16 tenemos
que
IV. Espacios
162
Paso 2. La matriz hallada en el paso previo,
nos
permite
escribir
la
solucion
del
hallada
representan
las
en
el
primer
columnas
de
paso,
A
que
daremos
Consideremos
una
algunos
matriz
resultados.
A
Mmn(R).
A, el cual llamaremos
espacio
Demostracion.
1. Por definicion de Im(A) sabemos que y
Im(A) si y solo si existe x Mn1(R) tal que Ax
= y.
x1
x2
Si hacemos x =
, entonces
.
xn
y =Ax = x1A(1) + x2A(2) + + xnA(n)
(ver observacion 1.20)
es
decir,
Im(A)
si
solo
si
163
2. Como A y B son equivalentes por filas,
entonces cada fila de B es combinacion lineal
de las filas de A y viceversa (ver ejercicio 4.7),
es decir, para cada i {1,...,m} se tiene que
B(i) gen({A(1),A(2),...,A(m)}) y A(i)
gen({B(1),B(2),...,B(m)}). En consecuencia
R(A) = R(B)
3. Sea F Mmn(R) la FERF de A. Entonces las filas
no nulas de F son linealmente indepen dientes
(por que?) y en consecuencia forman una
base para R(F), por lo tanto, si k es el numero
de filas no nulas de F, entonces dim(R(F)) = k,
pero por la parte 2 R(A) = R(F ), asque
dim(R(A)) = dim(R(F )) = k.
Por otro lado, las columnas de F con los
pivotes, representan las columnas de A que
son linealmente independientes (en virtud del
corolario 4.11) y que en consecuencia forman
IV. Espacios
una base para C(A), pero la cantidad de
pivotes que tiene F es k, por lo tanto dim(C(A))
= k = dim(R(A)) y por la parte 1 tenemos que
dim(R(A)) = dim(C(A)) = dim(Im(A)) = r(A)
4.Queda como ejercicio.
5.Queda como ejercicio.
164
Solucion. Solo hace falta hallar la FERF de A.
6
14
2 6 1
A = 4 1 3 2 19
1 3 1
F1 F3 42 12
36 21 198
1 1 3
2 4 16
3
14 2 4
16
3
14
1 1
F 2 F2 + 4F1 0
3 3 1
6 1 1 3
1
6
FF43 FF34 22FF11 00 02 15100 112
452 F2 F2 F4 000 201 1050 111
432
1 1
1 0
0
F 4 F 4 F 2
FF3
F F 2F
F 3 F3
0
0
50
2
3
00
3 2
00
10 50 10 4 1
0 1 4 0
1
3
0
01 14
0
x1
x2
x1
2 +2x33
4
10 50 11 43 FF4FF4+
As
+3x555
= 0 x
5x
x = 0
+4x =
IV. Espacios
o equivalentemente
165
Luego
y as
N(A) = gen 1
0
0
3 i,h 0
0
1
1 5 0 1 i,h 0
4 io
luego
R(
4 , 1 , 2
1
1
1
166
, 1
1
1
1
, 2
IV. Espacios
167
IV. Espacios
IV. Espacios Vectoriales
basesla
baseordenadascanonicac ordenada=
{(1,0,..o.,simplemente0),(0,1,0,...,base0),..canonica.,(0,...,0de,1)R}2.yN
otese
que{(0,..c.,y0,1)son,(0,iguales...,0,1como,0),..bases.,
(1,de0,.R..2,,0)pero}
sondistintasdistintas,comoperobasescomoordenadas.bases son iguales. c
es llamada base canonica ordenada o simplemente base canonica
de Rn.
son bases
onica ordenada o
simplemente
168
Vectoriales
4. En el espacio de las matrices Mmn(R), para cada i {1,...,n} y j {1,...,m},
consideremos la matriz Eij, cuya componente ij es igual a 1 y las restantes
son iguales a 0
( cero ).
La base
= {E11,E12,...,E1n,E21,E22,...,E2n,...,Em1,Em2,...,Emn} es llamada la
IV. Espacios
[v] =
.
n
169
IV. Espacios Vectoriales
Entonces, para cada x R, tenemos
p(x) =
(1 + 3) + (1 + 2)x +
3)x2
De donde se obtiene el sistema
11
Resolvemos el sistema
10
1a01
10
01aa 3 F F F
0a 0
+3 =
a0
a1
a2
+2
11
1 0
+3
10
10a0
00 11 11aa+2 a1
23
F F F 00 10 12 a01aa+1 1+aa2 1F F
a12a+1 +a
12a2
(2 +
10a0
00 10 1112a0
1
F F + F 00
Luego
0a+a
1 2 a 0 2a 1 + 2a 2
2 2 2
a11 a2
[p(x)] =
[a + a x + a x ] = a
2 1a0 12a1 +
1 1 1 a01 1 1 1
1
= 2 1
+a+a
12a2
1 a00+
= 2 a + a + a2
a0 a1 + a2
1 1
= 2 1
1 a2 1 1
[p(x)]c
170
2. [u] = [u]
Demostracion. Ejercicio!
espacio vectorial V. Entonces existe una unica matriz A Mnn(R) tal que
[v]2 = A[v]1
para cada v V
(4.1)
nj
Entonces
vj = 1ju1 + 2ju2 + + njun
Sea v V cualquiera. Hagamos 1
1
2
[v]1 =
.
y
[v]2 =
. n
n
Entonces
1u1 + 2u2 + + nun = v
=
=
171
IV. Espacios Vectoriales
Por lo tanto
1 111 + 122 + + 1nn 11
=
=
12
n2
nnn 2nn21
22
11
[v]2 =
211 +
222 +
1n1 2
2n
21 1222 12nn
[v]1
n1 n2 nn
Haciend
o
2111
ij nn
= [ ]=
.
.
n1
1222
1n
2n
[vn]2 i
= h [v1]2 [v2]2
.
n2
nn
(j)
2j
= [vj]2 A
.
1j
nj
para cada v V As
[vj]2 = B[vj]1
172
IV. Espacios Vectoriales
Pero
0
.
0
[vj]1 =
1 j-esima fila
0
0
Luego
.
0
A(j) = [vj]2 = B[vj]1 = B 1
= B(j)
0
0
Por lo tanto B = A.
(por que?)
173
IV. Espacios Vectoriales
donde c es la base canonica ordenada de P2[x].
Antes de dar algun otro ejemplo, enunciaremos un primer resultado que
involucra matrices de transicion.
Teorema 4.3.3. Si V es un espacio vectorial de dimension n y 1 y 2 son dos
bases ordenadas de V, entonces la matriz M 1,2 es invertible y su inversa es M
.
2,1
[v]1 = M2,1[v]2
se tiene que
0
j-esima fila 1 = [vj]2 = M1,2[vj]1 = M1,2M2,1[vj]2 = C(j) 0
0
.
donde C(j) es la j-esima columna de M1,2M2,1.
En consecuencia M1,2M2,1 = In y por lo tanto (M1,2)1 = M2,1.
[(1,2,0)] =
11
12
13
21
,
[(3, 1,1)] =
31 32
33
22
[(0,1,3)] = 23
174
IV. Espacios Vectoriales
Entonces
(1,2,0)
11
21(1,0,1)
(0,2,1) +
31
(3,1,2)
= (21 + 331 , 2 11 31 , 11 + 21 + 2
31)
(3,1,1) =
12(0,2,1) + 22(1,0,1) +
32(3,1,2)
=
(22 + 332 , 2
+ 2
12
32 ,
12
+ 22
32)
De donde
=
13(0,2,1) + 23(1,0,1) +
33(3,1,2)
(0,1,3)
=
(23 + 333 , 2 13 33 , 13 + 23
+ 2
+331
=
1 22 +332 =
21
33)
211
31 = 2 , 212
11
+21 +231
=
+232
=
23 +333
y
=
213
13
=
32 =
0 12
0
33 =
1
+23 +233
3
Debido a que la
1
matriz de cada
1uno de estos
sistemas
+22
la
misma, podemos
resolverlos
manera
de
simult
anea
considerando
la
siguiente matriz
tres
ampliada
0 1 31
3
0
2
0 12 1 1
1
1
20
1
3
es
veces
Notese que las tres primeras columnas de esta matriz, son las matrices de
coordenadas de cada uno de los vectores de la base 2 respecto a la base canonica,
y las tres ultimas colum nas, son las matrices de coordenadas de cada uno de los
vectores de la base 1 respecto a la base canonica. Este procedimiento es estandar
cada vez que busquemos una matriz de cambio de base.
0 1
31
21
01 1220 11 13
1 3
1 1
20
F F 0210 1321 13
10
175
IV. Espacios Vectoriales
1 1
2 3
1 1
F F 2F 00 21 53 21 33 50 F F 00 12 53 12 33 50
5
2 2 1 1
2
0
1
3 1 1
2 1 0
1
4
3
F F 00 21 53 21 33 50 F
F3
+ 2F
F 3 F
2 00
01 113
9 14 193 8 50
3 1 1
3 1 0
0 11111 161 1 1111 15
F F 5F 0
1
0
F
F F 00 01 31 1141 1193
1150 2 F2 + 3F3 0
0
1
114
1119
11 5
111 31
As que
que
para
0
1
0
0
0
1
obtener
1
0
1112 111
112
0
1
0111151
6
111
0 11
115
11
Por lo tanto
=
2
1 1
2,c 0
1
0 1
2
176
IV. Espacios Vectoriales
Finalmente ( verifquelo !)
[(x,y,z)]2 y [(x,y,z)]1. c
Solucion.
Sabemos
que
[(x,y,z)]
por
lo
tanto
177
IV. Espacios Vectoriales
En este ultimo ejemplo se verifica que
c1
21
15 7
3 1 5 1
M , = M , M , =5 7 135 3 6 3 7 5 2 1 2
14
11
4 9 3
c1
M , =6
14
2 1
5
Este resultado no es casual, como se puede ver en el siguiente teorema
Teorema 4.4.4. Sean 1,
dimensi on n. Entonces
M , = M , M ,
1
[v] = M , [v]
3
[v] = M , [v]
2
Luego
[v] = M , [v] = M , M , [v]
3
178
IV. Espacios Vectoriales
{ }
n
decir, si y solo si v1,v2,...,vn es linealmente independiente que a su vez, dado que
dim(V) = n, equivale a que {v1,v2,...,vn} es una base de V.
179
IV. Espacios Vectoriales
1.
Finalmente
Ademas, hu, ui = 0 si y solo si u2i = 0 para cada i {1,...,n} (por que?), esto
es, si y solo si u = 0/Rn.
Este producto interno es llamado producto interno euclidiano, usual o est
andar de Rn, salvo que se indique lo contrario, este es el producto interno que
consideraremos sobre Rn.
2.
interno
que
180
IV. Espacios Vectoriales
Ejemplo 4.5.8. En el espacio de las funciones reales continuas en el intervalo [a, b],
C [ a,b], la funcion
b
b hf + g , hi = Za (f(x) + g(x))h(x)dx = Za
(f(x)h(x) + g(x)h(x))dx
b
= Za f(x)h(x)dx + Za g(x)h(x)dx = hf , hi
+ hg , hi
hf , gi = Za f(x)g(x)dx = Za
f(x)g(x)dx = hf , gi
b b
[f(x)]2dx 0
hf , fi = Za f(x)f(x)dx = Za
181
IV. Espacios Vectoriales
.
Ademas, hp, pi = 0 si y solo si p(i) = 0 para cada i {0,...,n}.
3.
(pruebelo!).
182
IV. Espacios Vectoriales
4. Sean u,v,w V cualesquiera. As que
183
considerando:
1. El producto interno definido en la parte 1 del ejemplo 3.9 con a = 1 y b = 1.
2. El producto interno definido en la parte 2 del ejemplo 3.9.
3. El producto interno definido en la parte 3 del ejemplo 3.9.
Solucion.
1.
2.
184
IV. Espacios Vectoriales 3.
hu, vi 1
En consecuencia
|hu, vi| 1
185
IV. Espacios Vectoriales
Teo-4.6.8. Sean u y v dos vectores en un EPI. Entonces 1.
|hu, vi|kukkvk (Desigualdad de Cauchy-Schwarz).
u
v
,
kuk kvk
1
hu, vi
kuk kvk
1
hu, vi 1, es decir,hu, vi kuk kvk.
Porlo tanto
kuk kvk
sonunitarios,
es decir,
186
IV. Espacios Vectoriales
Ejem. 4.6.13. Hallar el angulo entre los vectores u = (0,3,3) y v = (2,2,1)
Solucion.hu, vi = 0 2 + (3)2+ 3(1) = 9
kuk = p02 + (3)2 + 32= 18 = 32
kvkp22 + 22 + ( 1)2 = 9 = 3
As que
Def.4.6.8. Sea V un EPI y sea S = {v1, v2, . . . , vk}V. Diremos que S es un conjunto
ortogonal si vi vj para cualesquiera i, j {1, . . . , k} con i 6 = j. Si adicionalmente
vi es unitario para cada i {1, . . . , k}, diremos que S es un conjunto ortonormal.
Ejem. 4.6.14. Consideremos las siguientes matrices en M22(R)
y
Es S = {A1,A2,A3} un conjunto ortogonal? Es S ortonormal?
Solucion.
hA1 , A2i = 1 0 + 0 2 + 0(2) + 0 0 =
0 hA1 , A3i = 1 0 + 0 1 + 0 1 + 0 3 =
y
s es un conjunto ortonormal ( verifquelo !).
187
IV. Espacios Vectoriales
Demostracion. Sea V un EPI y sea S = {v1,v2,...,vk}V un conjunto ortogonal de
vectores no nulos.
Sean 1,2,...,k R tales que
1v1 + 2v2 + + kvk = 0/V
Entonces, para cada j {1,...,k}, se tiene que
k k
0 = hvj , 0/Vi = hvj , 1v1 + 2v2 + + kvki = Xhvj , ivii = Xi hvj , vii = j hvj , vji
i=1
i=1
pero no es ortonormal.
3. Una base ortonormal de P2[x], considerando el producto interno definido en la
parte 1 del ejemplo 4.6 .9 con a = 1 y b = 1, es
En efecto,
188
IV. Espacios Vectoriales
Ademas
v2 = xy
Entonces
v3 = x2
kv1k = sZ dx =
2
1
1
Sea
1 1 u1 =
k v1 = v1
2
As que ku1k = 1.
Ahora hagamos
w2 = v2 hv2 , u1iu1
189
IV. Espacios Vectoriales
Pero
.
Luego w2 = v2 = x, ademas
x
31
2 kw2k = Z1 x2dx = s 3
Si hacemos
1
3
u2 =
w2 = r x
kw2k 2
entonces ku2k = 1 y u1 u2 (ver ejemplo 3.15). Consideremos
= r3
Pero
De donde
Finalmente, hagamos
190
IV. Espacios Vectoriales
un conjunto ortonormal.
Ademas gen({u1,u2}) = gen({v1,v2}). En efecto, sea v gen({u1,u2} cualquiera.
Entonces existen 1,2 R tales que v = 1u1 + 2u2.
Luego
191
IV. Espacios Vectoriales
De donde v gen({v1,v2}), por tanto gen({u1,u2}) gen({v1,v2}) y as
gen({u1,u2}) es un subespacio de gen({v1,v2}), como {u1,u2} es un
conjunto ortonormal, y en consecuencia linealmente independiente
(por que?), entonces dim(gen({u1,u2})) = 2 = dim(gen({v1,v2})), as
que
gen({u1,u2}) = gen({v1,v2}) (por que?)
De manera recursiva, para k < m, obtenemos un conjunto ortonormal {u1,u2,...,uk}
tal que
gen({u1,u2,...,uk}) = gen({v1,v2,...,vk})
Paso 4. Sea
wk+1
(por que?)
h
i h
. Entonces {u1,u2,...,uk,uk+1} es
192
Captulo V
Transformaciones Lineales. Autovalores y Autovectores de una
Matriz
193
T((x,y,z))
= T(x,y,z)
(2(x) + (y),(x)
=
(z))
= ((2x + y),(x z))
= (2x + y,x z)
= T(x,y,z)
194
T(u)
T((a1,b1,c1))
, c ) =
T(a1, b
= b1 + (2a1 + c1)x + (b1 3c1)x3
= b1 + (2a1 + c1)x + (b1 3c1)x3
= [b1 + (2a1 + c1)x + (b1 3c1)x3]
= T(a1,b1,c1)
= T(u)
195
Demostracion. Supongamos que T : VW es una transformacion lineal. Sean u,v
V y R cualesquiera. Entonces
T(u + v)
T(u) + T(v)
= T(u) + T(v)
=
+
=
+
Dado dos espacios vectoriales V y W, este ultimo teorema nos dice que el
conjunto formado
por todas las transformaciones lineales de V en W, junto con las operaciones usuales
de suma de funciones y multiplicacion por escalar, forman un espacio vectorial.
Teorema 5.5. Sean V y W dos espacios vectoriales y = {v1,v2,...,vn} una base de V.
Supongamos que T y L son dos transformaciones lineales de V en W tales que T(vi)
=
L(vi)
para cada i {1,...,n}. Entonces T = L, esto es, T(v) = L(v) para cada v V.
1,2,...,
v = 1v1 + 2v2 + +
as que
(teorema 5.2 parte 3)
v ) T( ) =
T(
( hipotesis )
(teorema 5.2 parte
3) =
L(v)
Luego T = L.
T(x) = (3,4);
(1,5)
T(x2) =
=
a0(2,1) + a1(3,4) +
a2(1,5)
= (2a0 + 3a1 a2,a0 + 4a1 +
5a2)
Definamos
, donde i = 0 si i 6= j y
199
Lineales.
Probemos ahora que T es lineal. Sean u,v V y R cualesquiera, entonces existen
unicos escalares 1,2,...,n,1,2,...,n R tales que
As que
Ademas
Por lo tanto
En consecuencia T es lineal.
Finalmente, probemos que T es unica. Supongamos que existe otra transformacion
lineal L :
VW tal que L(vi) = wi para cada i {1,...,n}.
Luego, por el teorema 5.5, se tiene que L = T.
Ejemplo 5.3. Hallar una transformacion lineal T : R3 M22(R) (si existe) tal que
T(2,2,1) = " 12 20 #;
T(2,1,2) =
"
T(0,1,3) = " 40 3 #;
32 51 #;T(1,1,0) = " 14 2 0 #
200
y hallemos su FERF.
2
0 2 1
1 3
1 3
1 1
1 3 2 0
2 1 1 1 F F 2 1 1 1 F F 2 1 1 1 1 3 2 0 2 0 2 1 2 0 2
1
F + 2F
6 6
1 0
F 3 F 3 3F 2
F F 6F 0
Dado que los pivotes
1 1
631 162
010
1
0
0
1 1 0
0
0
1
se encuentran en las columnas 1, 2 y 4, los vectores
(2,2,1),(0,1,3),(1,1,0)
T(0,1,3) = " 40 1 3 #;
T(1,1,0) = " 14 0 #
Hallemos T. Sea (x,y,z) R3 cualquiera. Hagamos
= {(2,2,1),(0,1,3),(1,1,0)}
debemos hallar [(x,y,z)], para ello hallemos la matriz Mc,.
2
12
31 1000 10
11
1 3
01 F F 22
F1 F1
122
301 11000
01 53 1000 10
12
010
F
1
F + 2F
11
201
0 2
00
01 1101
1
01
00
F2 F2 + F3 100 316
001010
010110
Por lo tanto
M
En consecuencia
c, 3 3 1
=
1
1
0
5 6 2
[(x,y,z)] = M
[(x,y,z)]
c,
Es decir
3x
3y
1
1
0
y
=
x+y
5 6 2 z 5x 6y 2z
1 2 + (x + y)
+(5x 6y 2z)" 1 0 #
4x 5y 3z
9x + 9y + 2z
Por ultimo
Ejemplo 5.4. Hallar una transformacion lineal (si existe) T : R4 M31(R) tal que
0
T(1,2,1,1) =
202
T(2,1,3,0) = 1
2
3
T(0,5,1,2) = 5
;
T(1,7,0,3) =
7
8
11
Solucion. Veamos si el conjunto S = {(1,2,1,1);(2,1,3,0);(0,5,1,2);(1,7,0,3)} es
linealmente independiente, para ello consideremos la matriz
y hallemos su FERF
2 2
1 2
F
+ 2 F
2 1
5 7 F34F 34 F 1 1
00
F2 F3 00 51
51 1 5
3
1
0
1
1
0 2 3 F F F 0 2 2
F
31F 315
F4 F4 + 2F2 0
2 F
F 22 100
51
51
0 2 2 2
1
15
00 1 210 1 30
hallemos su FERF.
2
F
2 2
203
1 1 2
21 13
112 001
00
010
10
01
0 10
1 0
00
0 0
F
+
2 F
FF34F F34 F F1 1 000 251
F 1 F 1 2F2
F3 F3 5F2
0 0 0
1 1 0 1
F2 F3 0
2 0
0
0
2 1
0 2
1
0 3
0
1 0
0
F3 17F3
1 1 1
5
0
F4 F4 + 2F2
1
F
F 3F3
0
0
1
1
1
0
1
1
1 5 0
1
0
2 0
0 0 7 0 2
1 0 3 3
1
0
7 7 0
0 0 1
2
0
F2 F2 + F3
1 0
1
7 7 0 F4 F4 + 3F3 00
0 0 3 0
2
1
7
1
00
2
0
0
0
0
377
1
0
1
3
2
0
7
5
01
0
0
177
10
Sin necesidad de llegar a la FERF, nos damos cuenta que los vectores que
completan una base de R4 son (1,0,0,0);(0,1,0,0), es decir,
= {(1,2,1,1);(2,1,3,0);(1,0,0,0);(0,1,0,0)}
0
T(1,0,0,0) = T(0,1,0,0) = 0
garantizamos, segun el teorema 4.6, que existe una unica transformacion lineal
T : R4 M13(R)
que satisface las dos primeras igualdades en el enunciado del
0
ejercicio y
T(1,0,0,0) = T(0,1,0,0) = 0 0 4
Hallemos T. Al calcular la matriz de coordenadas de (x,y,z,w) R cualquiera, respecto
a la base , obtenemos ( verificarlo !)
i
(x,y,z,
w)
13
x
2 3z
13 w
13z
73w
13
204
Por lo tanto
T(x,y,z,w) =1z +
7
3
23
131w
Se puede verificar que T satisface las ultimas dos igualdades en el enunciado del
ejercicio, as que T es la transformacion buscada, pero a diferencia de la
transformacion hallada en el ejercicio anterior, esta no es unica, depende de la
escogencia de los vectores que completan la base del espacio de partida y la
escogencia de las imagenes de estos.
5.2.
En la seccion anterior, vimos que toda matriz A Mmn(R), define una transformaci
on lineal de Mn1(R) en Mm1(R), ademas, se comento que toda transformacion
lineal, entre espacios vectoriales de dimension finita, esta asociada con una matriz,
a continuacion enunciaremos y demostraremos un teorema que garantiza esta u
ltima afirmacion.
205
Teorema 5.7. Sean V y W dos espacios vectoriales, V = {v1,v2,...,vn} una base
ordenada de V,
transformacion
lineal.
Entonces existe un unica matriz A Mmn(R) tal que para cada v V
[T(v)]W = A[v] V
1j,2j,..., mjR
tales que
Demostracion. Para cada j {1,...,n}, existen escalares
mjwm
decir
.
W mj
[T(vj)] =
1
2
[v]V =
. n
es decir
=
nT(vn)
T(1v1 + 2v2 + +
= 1T(v1) + 2T(v2) + +
1(11w1 +
+
mnwm)
= (111 +
21w2
+ +
+n(1nw1 +
12 2 +
+
+
m1wm)
+ 2(12w1 +
22w2
+ +
m2wm)
w2 + +
2n
1n n)w1 +
(211 +
22 2 +
2n n)w2 +
mn11n1)+wm1+(22 m+11++m12n2+n
11 12 1n 1
[T(v)]W =
Por lo tanto
=
m11 + m22 + + mnn m1 m2
22
2n
= A[v]V211 +
222 +
+
mnn
2nn
21
206
donde
11 12 1n
h
A=
=
[T(v1)]
.
.
.
m1
i 21 22
[T(vn)]W
W
2n
m2 mn
[T(vj)]W = B[vj]V
Pero
0
.
0
[vj]V =
1 j-esima fila
0
0
Luego
.
A(j) = [T(vj)]W = B[vj]V = B(j)
Por lo tanto B = A.
207
2. Si V es un espacio vectorial de dimension n y es una base ordenada de V,
entonces
[IV] = In, donde IV es la transformacion identidad sobre V.
Ejemplo 5.6.
;
y as, por definicion de la matriz [T]V,W
1 0
0
1
0
[T]V,W = "T
!# W "T
0 0
0
0
1
0
!# W "T
0
0
0
1
!# W "T
!#
0
2 1 0
1 1 0
1
3 1 1
1
bV,bW
208
Solucion. En primer lugar, hallaremos las imagenes, a traves de T, de cada uno de
los vectores de la base canonica V.
10
00 ! = 1 + x x2 ;
0
0!
T 00 1 0 ! = 1 + 2x 3x2
0
0 !
= 1 + x 3x ; T
= x 2x
T
T
11
0 2 ! = 4 + 4x 4x2 ; T 11
2
4x
2
0 1 ! = 2 + x
1
3 ! = 4 + 8x 12x2 ; T 32 ! = 4 + 5x 14x2
1 1
0
1
14 2
04
1
1 1 24 4 12 14
las
tres
4 4
8
primeras
W,W
esta matriz es
2 0
0
0
209
00 9 12 27
1
04
10
0
14
20
16
32
23
Por lo tanto
9 12 27
3
10 20
2
7
bV bW 0
El ejemplo 5.7 nos permite
16
[T] , = 4
23 escribir el siguiente algoritmo.
4
Algoritmo para hallar la
matriz [T]V,W, donde T : VW es una transformacion lineal; V = {v1,v2,...,vn} es
una base ordenada de V; W es una base ordenada del espacio vectorial W de dimensi
on m; y Wc es la base canonica ordenada de W. En general W = Rm, W = Pm1[x] o
W = Mpq(R) con pq = m.
Paso 1. Hallar T(v1),T(v2),...,T(vn).
Paso 2. Hallar las matrices MW,Wc y [T]V,Wc .
Paso 3. Formar la la matriz ampliada
lineales
U,
V y
W bases
ordenadas
respectivamente. Entonces
T
[ L] , = [T] , [L] ,
U
= [T] , [L(u)]
V
[T(L(u))]W
[(T L)
de
U,
(u)]W.
210
Luego, por unicidad de la matriz [T L]U,W, se tiene que
T
[ L] , = [T] , [L] ,
U
bases
lineal. Entonces
[v]V = MbV,V[v]bV
Luego
5.9.
Solucion. Sabemos que
bV,bW 0
9 12
[T]
=
4
273
10
20 4 2
7
23
16
0
V,W 1
1 1
1
[T]
=
1
2
1 2
1 3 3
Por otro lado, facilmente obtenemos que
1 1
2
0
21
2
3
MbV,V =
1
1
1
3
0 1 1 2
211
y haciendo algunos calculos (no muchos ni muy complicados) obtenemos
bW
2 1 1 M , , = 2 2
1 1 1
Al sustituir, se obtiene que
dos bases
5.3.
Nucleo e Imagen de una Transformacion
Lineal
Definicion 5.3. Sean V y W dos espacios vectoriales y T : VW una transformacio
n lineal.
Definiremos
1. El nucleo o kernel de T como el conjunto
N(T) = Ker(T) = {v V : T(v) = 0/W}
2. La imagen o recorrido de T como el conjunto
Im(T) = {w W : T(v) = w
para algunv V}
212
Demostracion. Es claro que N(T) V e Im(T) W.
Por la parte 1 del teorema 4.2, se tiene que T(0/V) = 0/W, as que 0/V N(T) y 0/W
Im(T), de donde, N(T) =6 e Im(T) =6 .
Por otro lado, sean v1,v2 N(T) y R cualesquiera. Entonces
T(v1) = 0/W = T(v2)
As que
T(v1 + v2) = T(v1) + T(v2) = 0/W +0/W = 0/W
Por lo tanto v1 + v2 N(T), en consecuencia, N(T) es un subespacio de V.
Finalmente, sean w1,w2 Im(T) y R cualesquiera. Entonces, existen v1,v2 V
tales que
T(v1) = w1 y T(v2) = w2.
Consideremos v = v1 + v2. As que v V y
T(v) = T(v1 + v2) = T(v1) + T(v2) = w1 + w2
De donde w1 + w2 Im(T), luego Im(T) es un subespacio de W.
Ejemplo 5.9.
1. Consideremos la transformacion nula O : VW. Entonces N(O) = V e Im(O) =
{0/W}
(pruebelo!).
2. Para la transformacion identidad sobre V, IV : VV, se puede probar que Im(IV)
= V y N(IV) = {0/V} (pruebelo!).
Ejemplo 5.10. Sea T la transformacion dada en el ejemplo 4.6. Hallar n(T) y r(T).
213
Solucion. Por definicion
N(
si y solo si
Pero
2y z=
0
x y +w
3x y z
Es decir
sistema.
+w
(5.1)
0 2 1 0
1 2
1 1
13 11 10
3 3
1 1
1 1 F F 30 12 11 1 0 F F 3F1 00
22
11 20
F2
12F2 100
13F 13+F22
0221 201
2F
12 3
0 212
1 1
1 0 221
100
10
01
F F 00
10 0
01 F F F
00
01 0
01
De donde
x1212z
=
0
yz=
0;
o bien
Haciendo
2,
w
=
con
x=
y
=
0
R,
1
212
w =
0
obtenemos
!
Por lo tanto
N(
214
y la nulidad de T es
n(T) = dim(N(T)) = 1
Por otro lado
Im(
para algun
si y solo si
Pero
2y z=
a
x y
3x y z
+w
+w
(5.2)
12a
y
+
12b + 12c x=
21z 12b + 12c
1
z
=
o bien
y
=
2a ;
1
2
32b
12c
w=
21a
32b
3
1
2
z+
1
2
12c
Por lo tanto, el sistema (4.2) tiene solucion para cada (a,b,c) R , en consecuencia
Im(T) = R3 y r(T) = 3.
Observa
5.3. Notese que la matriz de los sistemas (5.2) y (5.1) no es otra que la
que la matriz [T ]V,W, donde Vy Wson las bases canonicas de lo5 espacios M22(R) y
R3respectivamente .
Al igual que en el caso matricial, no hace falta resolver el sistema (4.2), la FERF de
la matriz de este sistema nos da toda la informacion, pero a diferencia del caso
matricial, los pivotes de esta matriz nos dan las coordenadas, respecto a la base can
onica de R3, de los vectores que forman una base para Im(T ). Para entender bien
este comentario, consideremos el siguiente ejemplo.
Ejemplo 5.11. Hallar el nucleo, la nulidad, la imagen y el rango de la transformacio
n lineal T dada en el ejemplo 4.7.
Solucion.
si y solo si
215
a
a
+b
c
= 0
+2b +c +d = 0
a
3b 3c 2d = 0
La matriz de este sistema es
V,W
[T]
1
1
(5.3)
1 1 0
2
1
1 3 3 2
donde V y W son las bases canonicas de M22(R) y P2[x] respectivamente. Su FERF
es
1 0 3 1
0 1
2
1
0 0
0
0
Por lo tanto
a
3c
; o bien ( b = 2c d
As que
En consecuencia
N(
y una base para N(T) es
luego n(T) = dim(N(T)) = 2. Los pivotes de la FERF de la matriz del sistema, estan en
las columnas 1 y 2, asque las columnas 1 y 2 de la matriz original, son las matrices
de coordenadas, respecto a W, de dos vectores que forman una base para Im(T), por
lo tanto r(T) = dim(Im(T)) = 2 ,
ademas
Im(
216
y una base para Im(T) es
,[u2]V,...,[uk]V} es una
,[z2]W,...,[zr]W} es una
2. r(T) = r([T]V, W)
3. n(T) + r(T) = n = dim(V)
Demostracion. Ejercicio!
Ejemplo 4.12.
En primer
Sean T
217
Sabemos que
0 9 12 27
4
10
20
32
7
16
23
bV,bW
[T]
=
4
0
0
533
1
0
12
3
0
es
5 1
4 ; 6
3 0
y usando el teorema 4.12, tenemos que estas dos matrices son las matrices de
coordenadas resdpecto a la base de dos vectores que forman una base para N(T),
hallemos estos vectores.
(5)
1
1
(1)
1
1
3!+
0
1
1
2
3
5 17
!
4
1
1
2
3
1
Luego, una base para N(T) es
1 1
!+2
0!
2
y as
N(
y n(T) = 2.
218
x1'= x1 s 1 x2 '= x2 s 2
Sea s = ( s1 ,s2 ) el vector de factores de escalamiento, y S(s) la matriz de escalamiento, en
coordenadas homogneas el escalamiento de un punto p en 2D se puede expresar como el producto
matricial p' = pS(s), es decir:
s1
1] 0
x2
0
s2
La Figura
5.1 muestra
el efecto de escalamiento de una
s1=
figura
1.5 yscon
2 = 2.
X
X2
X1
1
X1
1
V.Transformaciones Lineales.
114
Dilatacin o escalamineto 3D
Extendiendo la idea anterior a 3D, el escalamiento implica el cambio de tamao de un poliedro,
donde cada punto p = ( x1 ,x2 ,x3 ) es transformado por la multiplicacin de tres factores de
escalamiento: s1, s2 y s3 a lo largo de los ejes X1, X2 y X3 respectivamente, de esta forma, las
coordenadas del nuevo punto p' = (x1 ',x2 ',x3 ') se obtienen como:
x1'= x1 s 1 x2 '= x2 s 2
x3 '= x3 s 3
Sea s = ( s1 , s2 , s3 ) el vector de factores de escalamiento, y S(s) la matriz de escalamiento, en
coordenadas homogneas el escalamiento de un punto p en 3D se puede expresar como el producto
matricial p' = pS(s), es decir:
[x1 '
x2 '
x3 '
1]=
[x
x2
x3
s1
0
1]
0
s2
s3
La Figura 5.2 muestra el efecto de escalamiento de una figura con s1 = 2, s2 = 2.5 y s3 = 1.5.
V.Transformaciones Lineales.
115
X2
X2
X1
1
X3
X1
X3
Escalamiento o dilatacin 4D
Extendiendo nuevamente la idea anterior a 4D, el escalamiento implica el cambio de tamao
de un politopo 4D, donde cada punto p = ( x1 ,x2 ,x3 ,x4 ) es transformado por la multiplicacin de
cuatro factores de escalamiento: s1, s2, s3 y s4 a lo largo de ejes que
forman
el
espacio
4D,
de
esta
forma, las
coordenadas del
nuevo
punto
x1'= x1 s 1 x2 '= x2 s 2
x3 '= x3 s 3 x4 '= x4 s
4
116
s1
0
[x '
x2 '
x3 '
x4 '
1]0 0
s3
1]= [x1
x2
0 0
0
s
0
0
2
x3
x4 0
0
s4
0
0
Escalamiento o dilatacin nD
De esta forma, el escalamiento nD implica el cambio de tamao de un politopo nD en todas
sus dimensiones, como se observ anteriormente, se puede representar el escalamiento nD en su
forma matricial, donde los factores de escalamiento se localizan en la diagonal principal, cada uno
colocado en la columna que le corresponde a su respectivo eje. As, se obtiene la expresin
matricial de escalamiento para cualquier dimensin:
s1
[x '
1
x2 '
x3 ' xn'
1]= [x1 x2
x3
xn
s2
s3
0 0
0
1]
0 0
0
0
0
sn
0
0
117
Translacin
La translacin permite desplazar un objeto a lo largo de sus dimensiones, como resultado se
obtiene un cambio de posicin.
V.Transformaciones Lineales
Lineales.
Translacin 2D
La translacin 2D implica el desplazamiento de un polgono, donde cada punto p = ( x1
,x2 ) es trasladado d1 unidades en el eje X1 y d2 unidades en el eje X2, de esta forma, las
coordenadas del nuevo punto p' = (x 1 ',x2 '), se obtienen como:
x1'= x1 + d 1 x2 '=
x2 + d 2
Sea d = ( d1 ,d2 ) el vector de distancias, y T(d) la matriz de translacin, en coordenadas
homogneas la translacin de un punto p en 2D se puede expresar como el producto matricial
p ' = pT(d), es decir:
1
[x '
1
1] 0 1
d2
d1
118
X2
X2
X1
X1
Translacin 3D
Basndose en la idea anterior, se tiene que la translacin 3D implica el desplazamiento de
un poliedro, donde cada punto p = ( x1 ,x2 ,x3 ) es trasladado d1 unidades
V.Transformaciones Lineales.
en el eje X1 , d2 unidades en el eje X2 y d3 unidades en el eje X3, de esta forma, las coordenadas del
nuevo punto p' = (x1 ',x2 ',x3 ') se obtienen como:
x1'= x1 + d 1 x2 '= x2 +
d 2 x3 '= x3 + d 3
Sea d = ( d1 , d2 ,d3 ) el vector de distancias, y T(d) la matriz de translacin, en coordenadas
homogneas la translacin de un punto p en 3D se puede expresar como el producto matricial p ' =
pT(d), es decir:
[x '
1
x2 '
x3 ' 1]=
[x
x2
x3
0
1]
0
d1
119
0
d2
1
d3
X2
X1
1
X1
X3
X3
4
5
4
5
V.Transformaciones Lineales.
Translacin 4D
Nuevamente tomando como base esta idea, se tiene que la translacin 4D implica el
desplazamiento de un politopo 4D, donde cada punto p = ( x1 ,x2 ,x3 ,x4 ) es trasladado por la suma de
cuatro distancias: d1, d2, d3, d4 a cada uno de los ejes que forman el espacio 4D, de esta forma, las
coordenadas del nuevo punto p' = (x1 ',x2 ',x3 ',x4 ') se obtiene como:
x1'= x1 + d 1 x2 '= x2 +
d 2 x3 '= x3 + d 3 x4 '=
x4 + d 4
120
[x '
0
0
x2 '
x3 '
x4 '
1] 0 0
1]= [x1
x2
1
x3
x4
1
d4
0
0
d1
d3
d2
Translacin nD
De esta forma, la translacin nD implica el desplazamiento de un politopo nD sumando
parmetros de distancias a todas sus dimensiones, como se observ anteriormente, se puede representar
la translacin nD en su forma matricial, donde los parmetros de distancia se localizan en el ltimo
rengln de la matriz, cada uno colocado en la columna que le corresponde a su respectivo eje, y
colocando valores de 1 en la diagonal principal.
As, se obtiene la expresin matricial de translacin para cualquier dimensin:
V.Transformaciones Lineales.
1
[x '
1
x2 '
x3 ' xn'
1]= [x1 x2
x3
121
xn
0 0
1]
d2
0
d1
d3
0
0
0
1
dn
0
Rotacin
La rotacin permite girar un objeto sobre un eje de rotacin, dado un valor de ngulo de
rotacin y su direccin.
Rotaciones 2D
La rotacin de un objeto en 2D se lleva a cabo alrededor de un punto, que es el eje
puntual (cero-dimensional) de rotacin. Las rotaciones principales 2D son aquellas que se
llevan a cabo alrededor del origen, las rotaciones sobre cualquier otro punto arbitrario se
llaman rotaciones generales 2D. En esta Seccin 5.5 , se analizan slo las rotaciones
principales para todas las dimensiones, en la Seccin 5.6 se discuten las rotaciones generales.
Si el punto pivote se encuentra sobre el origen (Figura 5.5), se tiene que: r es la distancia del
punto p = ( x 1 ,x2 ) al origen, define la posicin angular del punto p desde la horizontal, y el
ngulo de rotacin de p para producir el nuevo punto p ' = (x 1 ',x2 ').
X2
p=(x
1,x2)
r
p=(x
1,x2 )
X1
x1 = r cos() x2 = rsin()
x1'= rcos(+)
x2 '= rsin(+)
Substituyendo los valores de x1 = rcos() y x2 = rsin() se obtienen las ecuaciones para rotar un
punto p = ( x 1 ,x2 ) alrededor del origen dado un ngulo :
V.Transformaciones Lineales.
123
p = p R , es decir:
cos
x2 '
[x '
1
[x
1]=
1]
x2
sin
sin
cos
0
0
X2
X1
-1
-2
X1
-1
-2
-1
-1
-2
-2
Rotaciones 3D
124
X2
X2
X2
X1
X3
X1
X3
X1
X3
Figura 5.7: Regla de la mano derecha para obtener la direccin de un giro positivo en 3D.
Para entender el concepto de rotacin en 3D como una extensin de la rotacin 2D, hay que
recordar que la rotacin 2D es el giro sobre el eje de rotacin, que es perpendicular al plano X1X2, el
cual en 3D corresponde al eje X3, entonces se tiene la primera de las rotaciones principales .
125
De esta forma, por cada punto p = ( x1 ,x2 ,x3 ) dado un ngulo , puede ser rotado sobre el eje X3
en sentido contrario a las manecillas del reloj, obteniendo las coordenadas del nuevo punto p ' = (x1 ',x2
',x3 ') de la misma forma en como se analiz en el espacio 2D
V.Transformaciones Lineales.
quedando la coordenada x3 sin cambio, entonces, se extienden las formulas para la rotacin 2D
(Ecuacin 3.9) a 3D como:
x 3' = x 3
Ecuacin 5.11: Frmulas para la rotacin 3D alrededor del eje X3.
Sea R3() la matriz de rotacin alrededor del eje X3, en coordenadas homogneas la rotacin de
un punto p alrededor de dicho eje, se puede expresar como el producto matricial
'
()
p = p R3 , es decir:
[x '
1
x2 '
x3
cos sin
cos
sin
0
1]
0
0
0 0
0
0
1
0 0
Ecuacin 5.12: Expresin matricial para la rotacin 3D alrededor del eje X3.
126
La Figura 5.8 muestra el efecto de rotacin sobre el eje X3 de una figura con = 20.
X2
X2
X1
X1
X3
X3
4
5
4
5
V.Transformaciones Lineales.
Las ecuaciones para las rotaciones sobre el eje X1, y eje X2, pueden ser obtenidas mediante las
permutaciones cclicas de los parmetros x1, x2, x3:
x1 x2 x3 x1
como se muestra en la Figura 3.9
X2
X3
X1
X1
X3
X2
X1
X3
X2
127
Entonces, aplicando estas substituciones cclicas en la Ecuacin 5.11, se obtienen las ecuaciones
un ngulo .
x2
cos x3 sin
Sea R1() la matriz de rotacin alrededor del eje X1, en coordenadas homogneas la rotacin de
un punto p alrededor de dicho eje, se puede expresar como el producto matricial
p = p R1 , es decir:
[x '
1
x2 '
x3
0
1]
0
0
cos
0
sin
0
sin cos
0
0
0
Ecuacin 5.14: Expresin matricial para la rotacin 3D alrededor del eje X1.
V.Transformaciones Lineales.
Aplicando nuevamente las substituciones cclicas en la Ecuacin 3.13, se obtienen las
frmulas para la rotacin alrededor del eje X2 dado un ngulo .
128
Sea R2() la matriz de rotacin alrededor del eje X2, en coordenadas homogneas la
rotacin de un punto p alrededor de dicho eje, se puede expresar como el producto matricial
p = p R2 , es decir:
[x '
1
x2 '
x3
cos
0
1]
sin
0 sin 0
1
0
0
0 cos
0
0
0
Ecuacin 3.16: Expresin matricial para la rotacin 3D alrededor del eje X2.
129