Transformaciones Lineales PDF

Instituto de Matemtica
Universidad Austral de Chile
Transformaciones
Lineales
Transformaciones Lineales Instituto de Matemtica

Las transformaciones lineales intervienen en muchas situaciones

en Matemticas y son algunas de las funciones ms importantes.
En Geometra modelan las simetras de un objeto, en Algebra se
pueden usar para representar ecuaciones, en Anlisis sirven para
aproximar localmente funciones, por ejemplo.
Sean V , W espacios vectoriales sobre un mismo cuerpo K

Una funcin T de V en W transforma vectores de V en vectores de W.
Impondremos condiciones para que T preserve las operaciones de
suma de vectores y multiplicacin por escalar, esto es, que sea
equivalente sumar y multiplicar por escalar las preimgenes en V
como las imgenes en W .
1
T
V W
T(u)
u v
T(v)
u+v T(u) + T(v)
au
T(u+v)
T(au)
aT(u)

Definicin:
Sean V , W dos espacios vectoriales sobre un cuerpo K
T : V W es una transformacin lineal de V en W si:
1) u, v V , T (u + v ) = T (u ) + T (v )
2) a K , v V , T (av ) = aT (v )
Observaciones:
1) Es usual denotar con los mismos smbolos
+y (smbolo que se omite) la suma y el producto
por escalar definidos sobre los espacios vectoriales V y W
como se hizo en la definicin, que pueden ser diferentes.
2) T tambin se llama aplicacin lineal.
4
2
3) T es transformacin lineal a, b K , u , v V , T (au + bv ) = aT (u ) + bT (v )
4) Transformaciones lineales preservan combinaciones lineales.

Esto es:
Sea T :V W transformacin lineal. Entonces, para ai K , vi V , i = 1,2,..., n
T (a1 v1 + a 2 v 2 + ... + a n v n ) = a1T (v1 ) + a 2 T (v 2 ) + ... + a n T (v n )
Se cumple que:
Si V , W son espacios vectoriales sobre un cuerpo K y T :V W
una transformacin lineal. Entonces:

1)T ( 0V ) = 0W
2)T ( v ) = T ( v ) , v V
3)T ( v w) = T ( v ) T ( w) , v, w V
5

Algunas transformaciones lineales:

1) T : V W , T ( v ) = 0W , v V Transformacin lineal Nula .
2) T : V V , T ( v ) = cv, v V , con c K , c fijo.
En particular, si c =1:
IV : V V , IV ( v ) = v, v V Transformacin lineal Identidad .
3) Sea A M mn (R)
Entonces T : Rn R m , T ( v ) = Av es transformacin lineal.

Transformacin determinada por la matriz A
(El producto matricial Av est definido si los vectores se
colocan como vectores columnas).
3
No son transformaciones lineales:
1) La funcin determinante det : M n ( K ) K ya que:

det ( A + B ) det A + det B, det ( kA) = k det A k det A,
n
para n >1
2) Si V es un espacio vectorial sobre K y v0 V , v0 0V ,

la funcin traslacin por el vector v0 definida por
T ( v ) = v + v0 v V ya que T ( 0 V ) = v 0 0V

KERNEL E IMAGEN DE UNA TRANSFORMACION LINEAL
Definicin:
Sean V , W espacios vectoriales sobre un cuerpo K , con T : V W

una transformacin lineal
1) El kernel de T denotado KerT es el conjunto
KerT = {v V / T (v ) = 0 W }
(Tambin se le llama ncleo y se anota Nu T )
2) La imagen de denotada Im T , es el conjunto:
ImT ={wW / w = T ( v) , para algun v V }
4
T
V W

ImT

Ker T 0

0


Se cumple:
1) KerT es un subespacio vectorial de V .

La nulidad de T , es la dimensin del kernel de T . Se anota: n (T )
2) Im T es un subespacio vectorial de W .
El rango de T es la dimensin de la imagen de T . Se anota: r (T )
3) Sean V , W espacios vectoriales sobre un cuerpo K con dim V < .
Sea T :V W una transformacin lineal. Entonces:

dim ( KerT ) + dim ( Im T ) = dim V
10
5
TRANSFORMACIONES LINEALES INYECTIVAS,

SOBREYECTIVAS Y BIYECTIVAS.
Sean V , W espacios vectoriales sobre un cuerpo K ,

y T :V W una transformacin lineal.
Entonces:
1) T es inyectiva KerT = {0V }
2) T es sobreyectiva ImT = W
3) T es biyectiva KerT = {0 } , Im T = W
V
11

Sean V ,W espacios vectoriales sobre un cuerpo K ,

con dim V = n, dim W = m
Sea T : V W una transformacin lineal. Entonces:
1) T es inyectiva r (T ) = n
2) T es sobreyectiva r (T ) = m
Sean V , W espacios vectoriales sobre un cuerpo K , y T : V W

una transformacin lineal. Entonces:
{v1 , v 2 ,..., v n } genera a V {T ( v1 ) , T ( v2 ) ,..., T ( vn )} genera a Im T .
O sea:
Si {v1 , v 2 ,..., v n } es una base de V , entonces Im T = {T ( v1 ) , T ( v2 ) ,..., T ( vn )}
12
6
Sean V ,W espacios vectoriales sobre un cuerpo K .
Sean {v1, v2 ,...,vn } una base de V y {w1 , w2 ,..., wn } W

un conjunto de n vectores arbitrarios
Entonces existe una nica transformacin lineal T :V W
tal que T (v i ) = w i , i = 1,2,..., n
O sea: una transformacin lineal queda completamente

determinada por sus imgenes en una base del dominio.
13

La composicin de transformaciones lineales es transformacin lineal.

Esto es:
Si T : U V , S : V W son dos transformaciones lineales
entonces S T : U W es transformacin lineal.
Sea T : V W una transformacin lineal, con V, W espacios

vectoriales sobre K
1) T es invertible existe T 1 : W V / T 1 T = IV , T T 1 = IW
Si T es invertible se dice que es un isomorfismo
2) T : V W transformacin lineal invertible

T 1 : W V es transformacin lineal.
( )
1
3) T 1 =T 14
7
Si T : V W es un isomorfismo, se dice que los dos espacios vectoriales

V y W son isomorfos o que V es isomorfo a W y se anota
V W.
Si dos espacios vectoriales son isomorfos no significa que sean
iguales, pero toda propiedad relacionada con la estructura de
espacio vectorial que posea uno de ellos se transfiere al otro a
travs del isomorfismo.
Se cumple que:
Dos espacios vectoriales finito dimensionales son isomorfos si y
solo si tienen la misma dimensin.
Esto es, V ,W espacios vectoriales de dimensin finita:

V W dim V = dim W
15

VALORES PROPIOS Y VECTORES PROPIOS
INTRODUCCIN
Los conceptos de valores propios y de vectores propios de

transformaciones lineales o de matrices que estudiaremos son de
importancia en:
aplicaciones de matemticas, como :

diagonalizacin de matrices
rotacin de ejes coordenados
soluciones de sistemas de ecuaciones diferenciales
lineales
16
8
otras disciplinas, como:

economa
biologa
fsica
mecnica
En esta parte, las matrices sern cuadradas y las funciones sern

operadores lineales, esto es, transformaciones lineales de un espacio
vectorial en si mismo
17

Definicin:
1) Sea A M n ( K ), K = R o C
R o C se llama valor propio de A , si:
v R n o Cn , v 0 , tal que Av = v.
Cada vector v, v 0, que satisface Av = v,
se llama vector propio de A, asociado al valor propio .
2) Sean V espacio vectorial sobre un cuerpo K y T : V V una
transformacin lineal.
K se llama valor propio de T , si:
v V , v 0V , tal que T ( v ) = v.
Cada vector vV, v 0V que satisface T ( v ) = v,
se llama vector propio de T , asociado al valor propio .
18
9
Los valores propios tambin se denominan valores caractersticos,

autovalores o eigenvalores
Los vectores propios tambin se denominan vectores caractersticos,
autovectores o eigenvectores.
Si es valor propio de una matriz A, el conjunto W = {v K n / Av = v}

es subespacio vectorial de K n llamado espacio propio de A asociado
al valor propio .
(Observar que 0 W , pero 0 no es vector propio de A)
Si es valor propio de una transformacin lineal T, el conjunto
W = {v V / T (v) = v} es subespacio vectorial de V llamado espacio propio

de T asociado al valor propio .

(Observar que 0 W , pero 0 no es vector propio de T)

19

Sea A M n ( K ) . Entonces:
es valor propio de A Av = v , con v 0 K n
Av = ( I n ) v , con v 0K n
( In identidad de orden n)
( A I n ) v = 0K , v 0K
n n
det ( A I n ) = 0
a11 a12 a1n

a21 a22 a2 n
= 0, con A = ( aij )

an1 an 2 ann
Los valores que satisfacen esta ecuacin, son los valores

propios de A.
20
10
Sea T : V V transformacin lineal. Entonces:

K es valor propio de T v V , v 0V , T ( v ) = v
v V , v 0V , (T IV )( v ) = 0V
IV identidad en V
v Ker (T IV ) , v 0V
Ker (T IV ) {0V }
As, los vectores propios de T asociados al valor propio , son los

vectores no nulos del kernel de la transformacin lineal T - IV .
21

POLINOMIO CARACTERISTICO.
ECUACION CARACTERISTICA DE UNA MATRIZ
Definicin:
Sea A M n ( K )
La matriz caracterstica de A es la matriz A In .
El polinomio caracterstico
A de es el polinomio pA ( ) = det ( A I n )
La ecuacin caracterstica de A es la ecuacin pA ( ) = det ( A I n ) = 0
22
11
Sean A = ( aij ) M n ( K ) y p A ( ) = det ( A I n ) el polinomio caracterstico

de A.
Entonces:
1) p A ( ) = det ( A I n ) es un polinomio de grado n.
pA ( ) = c0 + c1 + c2 2 + ... + cn1 n1 + cn n
2) Los valores propios de la matriz A son las races de la ecuacin

caracterstica de A, esto es:
K es un valor propio de A si y slo si p A ( ) = det ( A I n ) = 0
23

3) Para determinar los valores propios de A, debemos encontrar las
races de su ecuacin caracterstica p A ( ) = 0, ecuacin de grado n
que tiene n races reales y/o complejas, de manera que A tiene a lo ms

n valores propios.
Dada A M n ( C ) , entonces A tiene exactamente n valores propios, no

necesariamente distintos entre s.
Una matriz real, esto es, todos sus elementos son reales, es tal que
su ecuacin caracterstica podra no tener races reales sino
complejas.
24
12
4) Sean 1 , 2 ,..., n todos los valores propios de la matriz A. Entonces:
La suma de los valores propios de la matriz A es igual a su traza:

1 + 2 + ... + n = trA, con trA = a11 + a22 + ... + ann
El producto de los valores propios de la matriz A es igual al

determinante de A :
1 2 ... n = det A
5) A es matriz no invertible (singular) =0 es valor propio de A

Basta considerar:
= 0 es valor propio de A det A = 0 A es no invertible o singular
25

6) Algunos autores definen el polinomio caracterstico de A

en la forma:
pA ( ) = det ( I n A)
Ambas definiciones difieren a lo ms en el signo, pues
det ( A I n ) = ( 1) det ( I n A )
n
La ecuacin caracterstica queda igual.
26
13
POLINOMIO CARACTERISTICO.
ECUACION CARACTERISTICA DE UNA TRANSFORMACIN LINEAL
Sean V espacio vectorial de dimensin n y T : V V una

transformacin lineal. Sean A = [T ] , A ' = [T ] las matrices asociadas a
T respecto de dos bases ordenadas distintas B, B ' de V .
B B'
Entonces: det ( A I n ) = det ( A ' I n )

As, el polinomio det ( A I n ) = det ([T ]B I n ) depende slo del operador
lineal T y no depende de la base ordenada B.
El hecho de que un cambio de base no afecta a este polinomio nos

permite definir el polinomio caracterstico de una transformacin lineal.
27

Sean V un espacio vectorial de dimensin n, B una base ordenada de

V y T : V V una transformacin lineal.
Se llama polinomio caracterstico del operador lineal T , al polinomio:

pT ( ) = det ([T ]B I n )
Se tiene que: grado pT ( ) = n = dimV

K es valor propio de T es cero del polinomio
caracterstico de T .
Los valores propios de la transformacin lineal T dependen de T

y no dependen de la base escogida para representarla.
28
14
Sean: V espacio vectorial sobre un cuerpo K , dim V = n,
T :V V transformacin lineal y
A = [T ]B , la matriz representativa de T
relativa a alguna base B de V .

Entonces: K , es valor propio de T es valor propio de A.
Se cumple que.
1) Si A es matriz cuadrada, entonces pA ( A) = O
donde pA ( A) = a0 I + a1 A + a2 A2 + ... + an An si p A ( x ) = a0 + a1x + a2 x + ... + an x
2 n
2) Si T : V V es transformacin lineal, entonces p (T ) = 0 T
donde pT (T ) = a0 I + a1T + a2T 2 + ... + anT n si pT ( x ) = a0 + a1x + a2 x2 + ... + an xn
29

MATRICES SIMILARES
Definicin:
Sean A , B matrices de orden n.
B se dice similar ( o semejante ) a A si existe matriz P de orden n,
invertible, tal que: B = P 1 AP
1) La similaridad es una relacin de equivalencia, en el conjunto
M n ( K ) , esto es:
A es similar a A.
Si B es similar a A, entonces A es similar a B.
Si A es similar a B y B es similar a C , entonces A es similar a C
( Por el segundo punto, podemos decir que A y B son similares ).
30
15
2) Como: B = P 1 AP PB = AP, 1)entonces:

A y B son semejantes existe P matriz invertible de
orden n tal que: PB = AP.
La ventaja de esta equivalencia es que slo se requiere
conocer que P es invertible y no calcularla.
3) Sean A, B matrices de orden n, 1)similares entonces:
A y B tiene el mismo polinomio caracterstico y los mismos
valores propios.
4) Sea V un espacio vectorial sobre un cuerpo K , de dimensin finita
n, y sean A, A ' dos matrices n n sobre K . Entonces:
A, A ' son similares si y solo si A, A ' representan a la misma
transformacin lineal T :V V relativo a bases diferentes de V .
31

DIAGONALIZACION
Para A matriz cuadrada, nos interesa saber si existe una matriz

similar a A, que sea diagonal.
Si T : V V es una transformacin lineal, con V espacio vectorial,

nos interesa saber si existe una base de V de modo que la
matriz asociada a T en esa base sea matriz diagonal.
Mostraremos que esto no siempre es posible y determinaremos

condiciones para que lo sea.
32
16
Pero, por qu interesa que estas matrices sean diagonales?

Recordemos que una matriz diagonal D = ( d ij ) de orden n
es tal que todos los elementos de D fuera de la diagonal principal son
ceros:
11

d 0 0
D=
0 d 22 0

d nn

0 0
Se puede anotar: D = diag ( d11 , d 22 ,..., d nn )
Cumple con lo siguiente:

1) Si es otra matriz diagonal entonces
D ' = diag ( d '11 , d '22 ,..., d 'nn )
DD ' tambin es matriz diagonal de orden n,
y el producto es: DD ' = diag ( d11d '11 , d 22 d '22 ,..., dnn d 'nn )
33

2) det D = d11d 22 ...d nn
det D k = d 1k1 d 2k2 ...d nkn , donde (

D k = diag d11k , d 22
k k
,..., d nn )
3) D es invertible si y solo si dii 0, para todo i = 1, 2,..., n

Ms an, en este caso:
D1 = diag (1/ d11 ,1/ d 22 ,...,1/ d nn )
4) Los valores propios de la matriz diagonal D son los elementos

de la diagonal principal.
34
17
MATRIZ DIAGONALIZABLE
Definicin:
Sea A matriz de orden n.
Se dice que A diagonalizable si es similar a una matriz diagonal.
1) Diagonalizar una matriz A consiste en encontrar una matriz
diagonal similar a la matriz A. En tal caso, tambin se dice que A
se puede diagonalizar.
2) Si A es diagonalizable, entonces existe D matriz diagonal de orden

n tal que A y D son similares.
Esto es: existe matriz P de orden n invertible tal que P 1 AP = D
Se dice que P diagonaliza a la matriz A.

35

3) Si A es diagonalizable, entonces A es similar a una matriz diagonal

cuyos elementos en la diagonal principal, son los valores propios de
A.
Esto es consecuencia de que si A y D son similares, entonces tienen
los mismos valores propios, y si D es matriz diagonal, entonces
sus valores propios son sus elementos en la diagonal principal.
4) La mayora de las matrices no son matrices diagonales, pero

muchas de ellas se pueden diagonalizar.
No toda matriz es diagonalizable, esto es, puede no existir una matriz
P tal que P 1 AP sea matriz diagonal.
36
18
La siguiente es una condicin necesaria y suficiente para que una matriz

sea diagonalizable.
Sea A M n ( K )
A es diagonalizable A tiene n vectores propios linealmente

independientes.
En este caso:
A es similar a una matriz diagonal D, D = P 1 AP donde D tiene en la
diagonal principal los valores propios de A, y P es una matriz
cuyas columnas son respectivamente n vectores propios L. I. de A.
Esto es, la columna j de P es un vector propio de A, asociado al
valor propio j , j = 1, 2,..., n
37

Vectores propios asociados a valores propios distintos, son L.I.
Si A tiene n valores propios distintos, entonces A

es diagonalizable.
El recproco de lo anterior no es cierto.

Una matriz puede ser diagonalizable y tener valores propios
repetidos.
38
19
TRANFORMACIN LINEAL DIAGONALIZABLE
Sean: V un espacio vectorial de dimensin finita n
T :V V una transformacin lineal.

Sabemos que:
T se puede representar mediante muchas matrices diferentes
de orden n, una por cada base ordenada en V .
En particular, si A1 y A son las representaciones matriciales de T
2
respecto a bases B1 y B2 de V , respectivamente, entonces sabemos

que A2 = P 1 A1P con P matriz invertible, esto es, A1 y A2
son similares, y por tanto, tienen los mismos valores propios.
Usamos esto para la definicin siguiente.
39

Definicin:
Sea T :V V una transformacin lineal, con V espacio vectorial de
dimensin n. T se dice diagonalizable si existe alguna base B de
V , de modo que la representacin matricial de T en dicha base,
es una matriz diagonal.
Se dice que la base B diagonaliza al operador T.
Sea T : V V una transformacin lineal tal que dimV = n

Entonces:
T es diagonalizable si y solo si existe una base B de V
de vectores propios de T .
Adems, si D es la matriz diagonal, entonces los elementos de la
diagonal principal de D son los valores propios de T .
40
20

Transformaciones Lineales PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Transformaciones Lineales PDF

Cargado por

Copyright:

Formatos disponibles

Instituto de Matemtica

Universidad Austral de Chile

Transformaciones Lineales Instituto de Matemtica

Las transformaciones lineales intervienen en muchas situaciones

Sean V , W espacios vectoriales sobre un mismo cuerpo K

Transformaciones Lineales Instituto de Matemtica

3) T es transformacin lineal a, b K , u , v V , T (au + bv ) = aT (u ) + bT (v )

4) Transformaciones lineales preservan combinaciones lineales.

una transformacin lineal. Entonces:

Transformaciones Lineales Instituto de Matemtica

Algunas transformaciones lineales:

Entonces T : Rn R m , T ( v ) = Av es transformacin lineal.

No son transformaciones lineales:

1) La funcin determinante det : M n ( K ) K ya que:

2) Si V es un espacio vectorial sobre K y v0 V , v0 0V ,

Transformaciones Lineales Instituto de Matemtica

KERNEL E IMAGEN DE UNA TRANSFORMACION LINEAL

Sean V , W espacios vectoriales sobre un cuerpo K , con T : V W

ImT ={wW / w = T ( v) , para algun v V }

Transformaciones Lineales Instituto de Matemtica

1) KerT es un subespacio vectorial de V .

3) Sean V , W espacios vectoriales sobre un cuerpo K con dim V < .

Sea T :V W una transformacin lineal. Entonces:

TRANSFORMACIONES LINEALES INYECTIVAS,

Sean V , W espacios vectoriales sobre un cuerpo K ,

1) T es inyectiva KerT = {0V }

Transformaciones Lineales Instituto de Matemtica

Sean V ,W espacios vectoriales sobre un cuerpo K ,

Sean V , W espacios vectoriales sobre un cuerpo K , y T : V W

Sean V ,W espacios vectoriales sobre un cuerpo K .

Sean {v1, v2 ,...,vn } una base de V y {w1 , w2 ,..., wn } W

Entonces existe una nica transformacin lineal T :V W

tal que T (v i ) = w i , i = 1,2,..., n

O sea: una transformacin lineal queda completamente

Transformaciones Lineales Instituto de Matemtica

La composicin de transformaciones lineales es transformacin lineal.

Sea T : V W una transformacin lineal, con V, W espacios

Si T es invertible se dice que es un isomorfismo

2) T : V W transformacin lineal invertible

Si T : V W es un isomorfismo, se dice que los dos espacios vectoriales

Esto es, V ,W espacios vectoriales de dimensin finita:

Transformaciones Lineales Instituto de Matemtica

VALORES PROPIOS Y VECTORES PROPIOS

Los conceptos de valores propios y de vectores propios de

aplicaciones de matemticas, como :

otras disciplinas, como:

En esta parte, las matrices sern cuadradas y las funciones sern

Transformaciones Lineales Instituto de Matemtica

Los valores propios tambin se denominan valores caractersticos,

Si es valor propio de una matriz A, el conjunto W = {v K n / Av = v}

de T asociado al valor propio .

Transformaciones Lineales Instituto de Matemtica

Los valores que satisfacen esta ecuacin, son los valores

Sea T : V V transformacin lineal. Entonces:

As, los vectores propios de T asociados al valor propio , son los

Transformaciones Lineales Instituto de Matemtica

La ecuacin caracterstica de A es la ecuacin pA ( ) = det ( A I n ) = 0

Sean A = ( aij ) M n ( K ) y p A ( ) = det ( A I n ) el polinomio caracterstico

1) p A ( ) = det ( A I n ) es un polinomio de grado n.

2) Los valores propios de la matriz A son las races de la ecuacin

Transformaciones Lineales Instituto de Matemtica

3) Para determinar los valores propios de A, debemos encontrar las

races de su ecuacin caracterstica p A ( ) = 0, ecuacin de grado n