NUCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL:

DEFINICION: Sea una transformacin lnea. La imagen de T, escrito Im T, es el

conjunto de las imgenes de los puntos de E en F.

* ( ) +

El ncleo de T, escrito como , es el conjunto de elementos de E que se aplican en

* ( ) +

Teorema:
Sea una aplicacin o transformacin lineal. Entonces la imagen de T es un sub
espacio de F y el ncleo de T es un sub espacio de E.

Ejemplo:

Sea T: , la aplicacin proyeccin en el plano xy: T(x,y,z)=(x;y;0). Claramente la imagen

de T es el plano xy

imT=*( ) +

podemos observar que el nucleo de T es el eje z

ker T=*( ) +

Ejemplo 2:

Hallar el ncleo e imagen o recorrido de la Transformacin Lineal

, definida por ( ) ( )

Debemos hallar todos los vectores ( ) tal que ( ) ( )

sea el vector 0

Podemos observar que nos encontramos ante los siguientes sistemas de ecuaciones:

Formamos una matriz aumentada:

0 1

Multipliquemos entonces 2da fila por 2 y summoslo a la 1ra fila

( ) ( ) ( ) ( )
0 1 0 1

Observar que a cada columna corresponde a las incgnitas

Ahora formemos ecuaciones con en funcin de

( )
 ( )

Sea ( ) ( )

La solucin del sistema ( ) ( ) para cualquier escalar

El ncleo de T el subespacio unidimensional (una dimensin R) en generado ( )

( )

La imagen o recorrido de la transformacin lineal es:

[ ] [ ] . / . / . /

La imagen de T es el espacio columna de la matriz formada por los vectores:

. / . / . / 0 1

Como las dos primeras columnas de la matriz A son independientes,

( ) . / . /
 REPRESENTACION MATRICIAL DE UNA TRANSFORMACION LINEAL

Cualquier Transformacin lineal entre espacios vectoriales de dimensin finita se puede

representar por medio de una matriz.

TEOREMA:

Sea una transformacin lineal. Entonces existe una matriz nica ; tal que:

( ) ( ), para todo

REPRESENTACIN MATRICIAL CANNICA:

Sea una transformacin lineal y sea * + base cannica para

. La matriz con ( ) como vector columna es la representacin
matricial cannica de T; la notacin lo utilizaremos para denotar un determinado
nmero finito de vectores: vectores.

Si es la representacin matricial cannica de una transformacin lineal ,

entonces la matriz cannica es: ( ) ( ) para todo vector columna.

Ejemplo:

Hallar la representacin matricial cannica para la transformacin lineal:

; Transformacin que parte de un espacio tetradimensional (4 dimensiones) y llega

otro espacio de tres dimensional, definida por:

( ) ( )

La base para formar la matriz es la cannica ( ); donde ( )

( ) ( ) ( )

Escribimos los vectores como vector columna,; siendo la matriz cannica de la Transformacin
T; es la matriz de orden ; cuyas columnas son:

( , ( , ( , ( ,

( ) ( )
En ( , ( , ( + ( +
( ) ( ) ( )

( ) ( )
En ( , ( , ( + ( +
( ) ( ) ( )
 ( ) ( )
En ( , ( , ( + ( +
( ) ( ) ( )

( ) ( )
En ( , ( , ( + ( +
( ) ( ) ( )

Luego la matriz transformada es:

[ ]
 REPRESENTACIONES MATRICIAL RESPECTO A LAS BASES

Sean las bases ordenadas ( ) ( )

Sean una transformacin lineal y sean B y B bases ordenadas por

respectivamente. Sea la matriz de cuyo j-esimo vector columna es vector ordenado
columna ( ) respecto a la base B.

Esta Matriz es la representacin matricial de T respecto a las bases B y B

Tenemos para cada de

( ) ; donde y ( ) ; son vectores coordenados columna para x respecto a B y

B

Para determinar la representacin matricial de respecto a las bases ordenadas B y

B:

a. Forma la matriz partida = [( ( ) ( ) ( ) ( ))]

b. Usamos la reduccin de Gauss-Jordan para obtener la matriz partida , - donde I es
la matriz identidad de orden y es la representacin matricial deseada.

Ejemplo:

Sea la Transformacin lineal se define de la siguiente manera:

( ) ( )

Hallar la representacin matricial , respecto a las bases ordenadas B y B donde:

(( )( )( )) (( )( )( ))

Para formar la matriz partida, hallamos primero los ( ) en la base B

Para [ ] [ ]

[ ]

Apliquemos la Trasformacin lineal definida ( ) ( )

( ) ( ) ( ) ( )
[ ] [ ] [ ] [ ] [ ] [ ]
( ) ( )

( ) ( )
[ ] [ ] [ ]
( )
Debemos hallar el vector coordenado de uno, respecto a la base ordenada, formando luego la
matriz partida, con los vectores B en forma de columna.

[( ( ) ( ) ( ))]

[ ]

Utilizando la reduccin de Gauss Jordan, tenemos:

La 1ra fila multiplicamos por -1 y sumada a la 2da fila

La 1ra fila multiplicamos por -2 y sumada a la 3ra fila

[ ( ) ( ) ( ) ( ) ( ) ( ) ]
( ) ( ) ( ) ( ) ( ) ( )

Desarrollando esta operacin, tenemos:

[ ]

Sumamos la 2da fila con la 3ra fila

[ ]

Operando:

[ ]

Multipliquemos la 3ra fila por

[ ]
( * ( * ( * ( * ( * ( *
Desarrollando

[ ]

Multipliquemos la 2da fila por -1 y sumamos con la 1ra fila

( ) ( ) ( ) ( ) ( ) ( )
[ ]

[ ]

(puntos suspensivos)

[ ]
 MATRIZ DE CAMBIO DE BASE

El cambio de base consiste en conocidas las coordenadas de un vector respecto a una base B,
encontrar las coordenadas de dicho vector con respecto a otra base B.

TEOREMA: Sean ( ) ( ) bases ordenadas de un

espacio vectorial V. La matriz C de cambio de base respecto a las base B, B , que satisfacen la
ecuacin:

Se halla la matriz cambio de base reduciendo la matriz aumentada:

, - , -, los elementos de B, se convierten a matriz

identidad, y los elementos de B as{i convertidos forman la matriz C de cambio de base.

Esta matriz C es invertible y su inversa es la matriz cambio de base respecto a B, B.

 AUTOVALORES Y AUTOVECTORES PROPIOS DIAGONALIZACIN DE UNA MATRIZ

DEFINICION DE VALOR PROPIO:

Sea una matriz de orden , matriz cuadrada. Supongamos que c es un vector distinto de
cero en un nmero (puede ser cero), tal que:

es un mltiplo escalar de x. Entonces x se llama un vector propio de y es un valor

propio de A

Los valores propios y los vectores propios solo estn definidos para matrices cuadradas. El
valor propio es un nmero y el valor propio es un vector.

Ejemplo:

Suponemos que la matriz 0 1, entonces 0 1 es un vector propio que

correspondiente al valor propio 3 y que cumple la siguiente igualdad:

0 10 1 0 1 0 1 0 1

A los valores propios se le denominan tambin eigenvalores, donde eigen es una palabra
alemn y significa propio.

Tambin 0 1 es un vector propio correspondiente al valor propio , ya que:

0 10 1 0 1 0 1 0 1

Supongamos que deseamos encontrar todos los valores propios de una matriz cuadrada de
orden . Sabemos que:

A esta ecuacin la multiplicamos por la matriz identidad del mismo orden ; en ambos
lados encontraremos un polinomio en

por la propiedad simtrica de la igualada, tenemos.

( ) =0

es un valor propio de la matriz A<---->( ) tiene una solucin no trivial

( ) es singular (determinante igual a cero)<---->det( )