Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Transf Lin1 PDF
Transf Lin1 PDF
[Versión preliminar]
__________________________________________________________________ 1
Algebra Lineal
Sean V y W espacios vectoriales sobre
el cuerpo ℜ de los números reales. Una
transformación lineal o aplicación lineal de V
en W es una función T : V W que
satisface:
i) T(u + v ) = T ( u ) + T ( v ); ∀ u , v ∈ V
ii ) T( α v ) = α T ( v); ∀ α ∈ ℜ; ∀ v ∈ V
__________________________________________________________________ 2
Algebra Lineal
Si T es una transformación lineal de V en W, entonces
T(0) = 0. Esto se enuncia de manera equivalente así,
T (0 ) ≠ 0 ⇒ T no es aplicación lineal
Ejemplos de aplicaciones lineales
1) Consideremos f : ℜ → ℜ la función f(x) = 3x.
Entonces,
f(x + a) = 3(x + a) = 3x + 3a = f(x) + f(a)
f ( α x ) = 3( α x ) = α ( 3 x ) = α f ( x )
Luego f es una aplicación lineal.
Pero si definimos g(x) = x + 3, g no es aplicación lineal
puesto que g ( 0 ) ≠ 0. Observe que la función g
tampoco cumple las condiciones i) y ii) exigidas para ser
transformación lineal.
__________________________________________________________________ 3
Algebra Lineal
Las siguientes funciones de ℜ en ℜ no son lineales:
f(x) = x2 f(x) = x f(x) = 1
x
f(x) = e x f(x) = ln x f(x) = cos x
__________________________________________________________________ 4
Algebra Lineal
Ejercicio: Muestre una aplicación de ℜ 2 en ℜ3 que
sea lineal y otra que no lo sea.
3) Consideremos F : M mxn (ℜ ) → M nxm (ℜ ); F(A) = A t
Entonces,
F ( A + B ) = ( A + B ) t = A t + B t = F ( A ) + F (B )
F(α A ) = (α A )t = α A t = α F( A )
Por lo tanto, F es una transformación lineal.
dp
4) La función T : P3 [x] → P2 [ x]; T(p) = p' =
dx
es lineal; en efecto,
T(p + q) = (p + q)’ = p’ + q’ = T(p) + T(q)
T (a p) = (a p)’ = a p’ = a T(p) , a ∈ ℜ
__________________________________________________________________ 5
Algebra Lineal
Destacamos los
siguientes dos
ejemplos
__________________________________________________________________ 6
Algebra Lineal
El siguiente teorema nos enseña a extender a todo el
espacio dominio, una aplicación lineal que se conoce
sólo en una base de dicho espacio.
__________________________________________________________________ 7
Algebra Lineal
Ejemplo: ¿Cuál es la aplicación lineal T de ℜ2 en ℜ2 tal que
T(1, 0) = (-2, 5) y T(0, 1) = (3, -4)?
Ejercicio:
a) ¿Cuál es la aplicación lineal T de ℜ3 en
ℜ2 tal que
T(1, 0, 0) = (2, -3), T(0, 1, 0) = (1, 1) y
T(0, 0, 1) = (6, 5)
__________________________________________________________________ 8
Algebra Lineal
Ejercicio: Determine la aplicación lineal T de ℜ3 en
P2[x] tal que
T(1, 1, 1) = 2 + x, T(1, 1, 0) = x - x2 , T(1, 0, 0) = 1 + 3x + 2x2
__________________________________________________________________ 11
Algebra Lineal
¿Cuál es el kernel y la imagen de las aplicaciones
To : V → W; To (v) = 0 W
I : V → V; I(u) = u
__________________________________________________________________ 12
Algebra Lineal
La nulidad de T y el rango de T serán denotados así,
η( T ) = dim (Ker T) ρ(T) = dim (Im T)
Y estos números se relacionan mediante la igualdad,
η(T) + ρ(T) = dim V
Ejemplo: Consideremos la aplicación lineal
T : P2 [ x] → ℜ2; T(a + bx + cx2 ) = (a − b, 2a + c)
Entonces, Ker T = {a + bx + cx 2 ∈ P2 [ x] / (a − b, 2a + c) = (0, 0) }
= {a + bx + cx 2 ∈ P2 [ x] / a = b ∧ c = -2a }
= { a + ax - 2a x 2 / a ∈ ℜ }
= {a(1 + x - 2x 2 ) / a ∈ ℜ }
= < {1 + x - 2x 2 } >
__________________________________________________________________ 13
Algebra Lineal
Como B = {1 + x − 2 x 2 } genera a Ker T y es linealmente
independiente, B es una base de Ker T; luego η( T ) = 1 y
ρ(T) = dim V - η(T) = 3 - 1 = 2
2
Si la dimensión de la imagen de T es 2, Im (T) = ℜ
__________________________________________________________________ 14
Algebra Lineal
Isomorfismos
Recordemos que una función f posee función inversa
f −1 si y sólo si f es biyectiva. La función f −1 resulta
ser biyectiva también y tal que
(f −1 o f )(x) = x y (f o f -1)(x) = x
__________________________________________________________________ 15
Algebra Lineal
Ejercicio: Muestre que la siguiente aplicación de ℜ3
3
en ℜ es un isomorfismo,
T(x, y, z) = (x - y, 2y + z, x + 2y + z)
Si T es una aplicación de V en W,
observe que,
• T isomorfismo ⇔ T invertible
−1
• T isomorfismo ⇔ T isomorfismo
__________________________________________________________________ 16
Algebra Lineal
Ejercicio: ¿Cuál (es) de las siguientes funciones T son
invertibles?
1) T : ℜ3 → ℜ3; T(x, y, z) = (x, 2x - y, x + 4y - z)
2) T : ℜ3 → P2[x]; T(a, b, c) = (a − c) + (2a + b + c)x + (3a + b + c)x2
4 a b
3) T : M2 (ℜ) → ℜ ; T = (a + d, 2c, a + c, c - d)
c d
Si T: V W es un isomorfismo,
entonces se dice que los espacios V y
W son isomorfos, en cuyo caso se
anota V≅ W .
__________________________________________________________________ 17
Algebra Lineal
Ejemplo: Los espacios ℜ3 y P2[x] son isomorfos; el
isomorfismo “natural” entre ellos es
T(a, b, c) = a + bx + cx2
a b
El isomorfismo T = (a, b, c, d) establece que los
c d
espacios M2 (ℜ) y ℜ4 son isomorfos.
__________________________________________________________________ 18
Algebra Lineal
Aplicaciones lineales y matrices
Sea A ∈ Mmxn(ℜ) y consideremos la aplicación,
TA : ℜn → ℜm definida por TA (X) = A X
i) TA (X + Y) = A (X + Y) = A X + A Y = TA (X) + TA (Y)
ii) TA (α X) = A (α X) = α (A X) = α TA (X)
__________________________________________________________________ 19
Algebra Lineal
1 − 3
Ejemplo: Sea A = − 4 0 y determinemos la aplicación
2 1
lineal asociada a A.
TA : ℜ2 → ℜ3 ; TA (x, y) = ??
1 − 3 x − 3y
x
− 4 0 = − 4x
2 1 y 2x + y
__________________________________________________________________ 20
Algebra Lineal
Denotemos por,
L(ℜn , ℜm) = { T : ℜn → ℜm / T lineal}
¿Por qué?
L(ℜn , ℜm) es un espacio vectorial
real: el espacio de las aplicaciones
lineales de ℜn en ℜm .
__________________________________________________________________ 21
Algebra Lineal
9 F es una función bien definida y además es lineal, puesto
que TA + B = TA + TB y TαA = αTA , α ∈ ℜ
Ejercicio: Demuestre estas igualdades.
__________________________________________________________________ 22
Algebra Lineal
Sean {e1, ..... , en} y {e1, ..... , em} las bases canónicas
de ℜn y ℜm respectivamente. Entonces,
T (e1 ) = a11e1 + a 21e 2 + . . . . . + a m1e m
T (e 2 ) = a12 e1 + a 22 e 2 + . . . . . + a m2 e m
...... ......
T (e n ) = a1n e1 + a 2 n e 2 + . . . . . + a mn e m
y la matriz,
t
a 11 a 21 .... a m1
a 12 a 22 . . . . a m2 es tal que F([T]) = T
[T ] =
.... .... .... ....
a a 2n . . . . a mn
1n
__________________________________________________________________ 23
Algebra Lineal
Ejemplo: Consideremos la aplicación lineal,
T : ℜ 2 → ℜ 3 ; T ( x , y ) = (3x + y, x - y, 7x − 2 y)
y determinemos la matriz asociada a T.
Procedemos a evaluar T en los vectores de la base canónica
de ℜ2 y luego, escribir estas imágenes como combinación
lineal de los vectores de la base canónica de ℜ3 .
T (1, 0 ) = ( 3, 1, 7) = 3(1, 0, 0) + 1(0, 1, 0) + 7(0, 0, 1)
T ( 0 , 1) = (1, - 1, - 2) = 1(1, 0, 0) − 1(0, 1, 0) - 2(0, 0, 1)
Entonces la matriz asociada a T es:
t 3 1
3 1 7
[ T ] = = 1 − 1
1 −1 − 2 7
− 2
__________________________________________________________________ 24
Algebra Lineal
Ejercicio: Encuentre la matriz asociada a las
aplicaciones lineales,
T : ℜ 3 → ℜ 2 ; T ( x , y, z ) = (x + 6 y - z, 4x - 5y + 2z)
T : ℜ 3 → ℜ 3 ; T ( x , y, z ) = (y - 2z, 3x + z, 9x − 2 y + z)
__________________________________________________________________ 25
Algebra Lineal
Matriz de cambio de base
n m
Sea T : ℜ → ℜ una aplicación lineal. Repetiremos
el procedimiento realizado para obtener la matriz
asociada a T pero considerando las bases B ={ v1, ..... , vn}
y E ={ w1, ..... , wm} de ℜn y ℜm respectivamente.
Evaluamos T en los vectores de la base B y luego,
expresamos estas imágenes como combinación lineal de
los vectores de la base E.
T ( v1 ) = a11w1 + a 21w 2 + . . . . . + a m1w m
T(v 2 ) = a12 w1 + a 22 w 2 + . . . . . + a m2 w m
...... ......
T ( v n ) = a1n w1 + a 2 n w 2 + . . . . . + a mn w m
__________________________________________________________________ 26
Algebra Lineal
t
a 11 a 21 .... a m1
a
La matriz, 12
a 22 .... a m2 se denota [T] E
B
.... .... .... ....
a a 2n .... a mn
1n
a 11 a 12 .... a 1m
E a 21 a 22 .... a 2m
Luego, [T ] B =
.... .... .... ....
a a m2 .... a mn
m1
__________________________________________________________________ 27
Algebra Lineal
La matriz [T]E
B está caracterizada así:
n
Si las coordenadas de v ∈ ℜ con respecto
a la base B son [v]B = X = (x1, . . . . , x n ) ,
E
entonces [T]B ⋅ X son las coordenadas de
la imagen T(v) con respecto a la base E
En este caso, el isomorfismo entre transformaciones
lineales y matrices establece que:
[T + S] E E E n m
B = [T] B+ [S] B , T, S ∈ L(ℜ , ℜ )
[α T] E
B = α [T] E
B , α ∈ ℜ, T ∈ L(ℜ n
, ℜ m
)
[T o S] C
B = [T] C
E ⋅ [S] E
B , T ∈ L(ℜn m
, ℜ ), S ∈ L(ℜm k
,ℜ )
__________________________________________________________________ 28
Algebra Lineal
Ejemplo: Consideremos la aplicación lineal,
T : ℜ 3 → ℜ 2 ; T ( x , y, z ) = (x + 2 y - z, 3x + z)
E
y determinemos la matriz [T]B donde,
3
B = { v = (1, 1, 1), u = (1, 1, 0), w = (1, 0, 0)} base de ℜ y
E = {(2, 3), (-3, -5)} base de ℜ2.
Tenemos que, T (1, 1, 1) = ( 2 , 4) = α 1 (2, 3) + α 2 (-3, - 5)
T (1, 1, 0 ) = ( 3, 3) = β1 (2, 3) + β 2 (-3, - 5)
T (1, 0, 0 ) = (1, 3) = γ1 (2, 3) + γ 2 (-3, - 5)
Calculando las coordenadas obtenemos la matriz:
t
− 2 − 2
E − 2 6 − 4
[T ] B = 6 3 =
−2 3 − 3
− 4
− 3
__________________________________________________________________ 29
Algebra Lineal
Observación: Si B es cualquier base de ℜn , entonces
la matriz de la aplicación identidad es [I n ]B = [ I ]B = In .
ℜ
Pero si E es otra base de ℜ , entonces [ I ] E
n
B ≠ In .
La matriz [ I ]E
B es una matriz invertible, su inversa es [ I ]B
E
y ambas son llamadas matrices de cambio de base,
nombre que se deriva de lo siguiente:
[ I] B
E ⋅ [T]E
E ⋅ [ I ] E
B = [T]B
B , T∈ ℜ
L( n n
,ℜ )
aquí, E y B son bases de ℜn .
__________________________________________________________________ 30
Algebra Lineal
Valores y vectores propios
En lo que sigue, T será una transformación lineal de
ℜn en ℜn ; por lo tanto cualquier matriz asociada a
T es una matriz cuadrada.
__________________________________________________________________ 31
Algebra Lineal
Ejemplo: λ = 2 es un valor propio de la aplicación lineal
T : ℜ 2 → ℜ 2 ; T ( x , y ) = (27x − 10 y, 75x - 28y)
puesto que T(2, 5) = (4, 10) = 2 (2, 5). En este caso,
v = (2,5) es un vector propio de T asociado al valor propio 2.
__________________________________________________________________ 32
Algebra Lineal
¿Cómo determinamos
los valores y vectores
propios de T?
λ es un valor propio de T ⇔
∃ v ∈ ℜ n , v ≠ 0 tal que T ( v) = λ v ⇔
∃ v ∈ ℜ n , v ≠ 0 tal que T ( v) − λ v = 0 ⇔
∃ v ∈ ℜ n , v ≠ 0 tal que (T − λ I n )( v) = 0 ⇔
∃ v ∈ ℜ n , v ≠ 0, v ∈ Ker (T - λ I n ) ⇔
T − λ I n no invertible ⇔
det [T − λ I n ] = 0
__________________________________________________________________ 33
Algebra Lineal
Observe que p(λ ) = det [T − λ I n ] es un polinomio en λ
de grado n y, los valores propios de T son las raíces
reales de dicho polinomio.
= { v ∈ ℜ n / T(v) - λ v = 0}
= { v ∈ ℜ n / (T - λ I n )(v) = 0}
= Ker (T - λ I n )
Es decir, los vectores propios de T asociados a λ son
los vectores del kernel de la transformación lineal (o
matriz) [T − λ I n ] .
__________________________________________________________________ 34
Algebra Lineal
Ejemplo: Sea T la transformación lineal
T : ℜ2 → ℜ2 ; T(x, y) = (−y, x)
0 −1
La matriz asociada a T es A = . Como la “ecuación
1 0
característica” de T,
λ 1
p(λ) = 0 ⇔ det[λ I - T] = 0 ⇔ = 0 ⇔ λ2 +1 = 0
−1 λ
no tiene raíces reales, T no tiene valores propios.
__________________________________________________________________ 35
Algebra Lineal
Ejemplo: Los vectores propios de la transformación lineal
T : ℜ3 → ℜ3 ; T(x, y, z) = (3x + y - z, 2x + 2y - z, 2x + 2y)
se encuentran en Ker[T − I3 ] y Ker[T - 2I 3 ]
3 2x + y - z = 0
Ker[ T − I 3 ] = { (x, y, z) ∈ ℜ / }
2x + 2y - z = 0
= < { (1, 0, 2) } >
x+y+z = 0
Ker[ T − 2 I 3 ] = { (x, y, z) ∈ ℜ 3 / 2x - z = 0 }
2x + 2y - 2z = 0
= < { (1, 1, 2) } >
__________________________________________________________________ 36
Algebra Lineal
Diagonalización
n
Se dice que una base B de ℜ diagonaliza a la
transformación lineal T si la matriz [T]B asociada a T es
una matriz diagonal. Cuando tal base B existe, se dice
que T es diagonalizable.
Una matriz A ∈ Mn (ℜ) es diagonalizable si la aplicación
lineal asociada a A lo es.
¿Cuándo T es
diagonalizable?
Teorema: T diagonalizable si y
n
sólo si existe B base de ℜ formada
por vectores propios de T.
__________________________________________________________________ 37
Algebra Lineal
Ejemplo: La transformación lineal T : ℜ3 → ℜ3 ;
T(x, y, z) = (-9x− 8y + 4z, 8x + 7y - 4z, - 8x − 8y + 3z)
tiene dos valores propios: 3 y -1. Los espacios propios
asociados son,
Ker[T - 3I 3 ] = < { (1, - 1, 1) } >
Ker[T + I3 ] = < { (1, 0, 2), (0, 1, 2) } >
Y B = {(1, -1, 1), (1, 0, 2), (0, 1, 2)} es una base de ℜ3 que
diagonaliza a T; en este caso,
3 0 0
[T ]B = 0 −1 0
0 0 − 1
__________________________________________________________________ 38
Algebra Lineal
Ejemplo: La transformación lineal T : ℜ3 → ℜ3 ;
T(x, y, z) = (3x+ y - z, 2x + 2y − z, 2x + 2y)
tiene dos valores propios: 1 y 2. Sin embargo, T no es
diagonalizable. Los espacios propios asociados son,
__________________________________________________________________ 39
Algebra Lineal
Ejercicio: Determine si la siguiente transformación
lineal T es o no es diagonalizable.
T : ℜ3 → ℜ3 ; T(x, y, z) = (3x- y + z, 7x − 5y+ z, - 6x + 6y - 2z)
−1
Existe P matriz invertible tal que [T]B = P [T] P
__________________________________________________________________ 40
Algebra Lineal