Coordinación de Matemática III (MAT023)

Primer Semestre 2018

Semana 1: Viernes 2 – Viernes 9 de Marzo

Semana 1

Contenidos

Clase 0 (Viernes 2 de marzo): Presentación del curso.

Definir y dar ejemplos de Aplicaciones lineales.

Clase 1: Espacio de las Transformaciones Lineales de V en W .

Definir Kernel e Imagen de una Transformación Lineal y sus propieda-
des.

Clase 2: Acción de una Transformación Lineal sobre una base.

Teorema de las dimensiones.

Clase 3: Representación Matricial de una Transformaión Lineal.

Matriz cambio de base.

En lo que sigue K Representa R o C .

Clase 0

Presentación del curso

En esta clase se presentan las reglas del curso:

Programa y contenidos del curso.

Fechas de evaluaciones y ponderaciones.
Reglas del curso.
Bibliografı́a.
etc.
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática

Transformaciones Lineales
Definición 1.1. Sean U y V espacios vectoriales sobre K . Una transformación lineal de U
en V es una función T : U → V tal que para todo u, v ∈ U y α ∈ K cumple:

1. T (u + v) = T (u) + T (v)

2. T (α u) = α T (u)

Ejemplo 1.1. La función nula y la identidad son transformaciones lineales.

Ejemplo 1.2. T : R2 → R3 , (x, y) → T (x, y) = (x − 2y , 2x + y, 3y − 5x) es una transforma-

ción lineal. (Probar) .

Ejemplo 1.3. Sea C el espacio vectorial de todas las funciones continuas de R en R y sea
T : C → C, f → T (f ) donde T (f ) es la función definida por:
Z x
T (f ) (x) = f (t) dt
1

Entonces, T es una transformación lineal.

 
Z1
Ejemplo 1.4. T : R[x] → R2 tal que T (p(x)) =  p(x) dx , p0 (1) es una aplicación
−1
lineal .
(Mencionar que derivar es lineal)

Ejemplo 1.5. Sea A una matriz n × m con coeficientes reales fija.

Considerar T : Mm×n (R) → Mn (R) definida como T (X) = XA . Probar que T es lineal.

Observación 1.1. Si T : U → V es una aplicación lineal se cumple:

T (0U ) = 0V . Una transformación lineal debe llevar, necesariamente, el vector nulo en
el vector nulo.

T ( nk=1 αk vk ) =
P Pn
k=1 αk T (vk ) , para todos ak ∈ K y todo vk ∈ U .

Ejemplo 1.6. T : R2 → R2 , tal que T (x, y) = (x − 3y , x + y − 2) no es lineal.

Ejemplo 1.7. T : R2 → R , tal que T (x, y) = x + y es lineal. Sin embargo T : R2 → R tal

que T (x, y) = xy no es lineal, pese a que T (0, 0) = 0 .

MAT022 (Complementos) 2
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática

Clase 1

Motivación e Interpretación Gráfica

 √ √ 
√ 2 −√2
Sea A =
2 2
Considerar T : R2 → R2 tal que
√ √ !  

x
 2 − 2 x
T = √ √ ·
y 2 2 y
◦
Muestre graficamente que √la imagen del cuadrado [0, 1] × [0, 1] es un cuadrado girado en 45
con aristas de longitud 2 y área 2. Argumentar que esta transformación representa una
rotación en 45◦ seguido de una expansión.
 √ √   √ √ 
2 2 2 2
 
x 2
− 2
 
x 2
− 2
 
x
T : →  √ √
 · →2·  √ √
 ·
y 2 2 y 2 2 y
2 2 2 2

Observación 2.1. Una transformación lineal de R2 en R2 es de la forma T (x, y) = (ax +

by , cx + dy) para ciertos a , b , c , d ∈ R . Por otra parte usando las coordenadas de (x, y) en
la base canónica, se puede escribir
      
x ax + by a b x
T = =
y cx + dy c d y
ya que en la base canónica las coordenadas de un vector coinciden con el vector. De esta forma
toda transformación lineal de R2 en R2 se puede representar (al menos en la base canónica)
como una matriz. Por cierto este argumento se puede trasladar a cualquier Transformación
lineal de Rn en Rm .

Ejemplo 2.1. Considerar la simetrı́a respecto del eje x , T (x, y) = (x, −y) . Esta se puede
representar como       
x x 1 0 x
T = =
y −y 0 −1 y
Ası́
 la simetrı́a
 respecto del eje x se puede representar en la base canónica con la matriz
1 0
0 −1

Ejercicio 2.1.
(i) Encuentre la transformación lineal que represente la simetrı́a respecto de la recta y = 2x
en R2 . Encuentre su representación matricial (siempre en la base canónica) .
(ii) Considerar el plano S : x + y + z = 0 . Hallar una representación matricial para la
simetrı́a respecto de S .

MAT022 (Complementos) 3
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática

Kernel y Imagen de una transformación lineal

Definición 2.1. Sea T : V → W lineal. Llamaremos

1. Kernel o Nucleo de T al conjunto:

Ker(T ) = {v ∈ V : T (v) = 0}

2. Llamaremos Imagen de T al conjunto:

Im(T ) = {w ∈ W : w = T (v) para algún v ∈ V }

Observación 2.2.

Ker(T ) 6= φ , pues 0V ∈ Ker(T ) .

Im(T ) = Rec(T ) .

Ejemplo 2.2. Hallar el Ker(T ) y la Im(T ) de la aplicación lineal

T (x, y, z) = (x − 2y + z , x − 3z)

Para el caso de hallar la Im(T ) argumentar que el sistema

x − 2y + z = a
x − 3z = b
tiene infinitas soluciones (y por tanto T no es inyectiva) cualquiera sean a , b ∈ R .

Teorema 2.1. Sea T : V → W lineal. Se cumple:

1. Ker(T ) ≤ V .

2. Im(T ) ≤ W .

Definición 2.2. Llamaremos Nulidad de T a la dimensión del Kernel de T y la anotare-

mos : η(T ) . Por otra parte llamaremos rango de T a la dimensión de la Imagen de T y lo
anotaremos : ρ(T ) .

Teorema 2.2. Sea T : V → W lineal. Se cumple:

Ker(T ) = {0} ⇔ T es inyectiva

MAT022 (Complementos) 4
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática

Teorema 2.3. Sea T : V → W lineal. Se cumple:

Im(T ) = hv1 , v2 , · · · , vn i

donde B = {v1 , v2 , · · · , vn } es una base de W . Esto es la Im(T ) esta generada por la imagen de
una base (cualquier base) de V .

R1
 
2 0
Ejemplo 2.3. Considerar T : R3 [x] → R dada por T (p(x)) = p(x) dx , p (1) . Hallar
−1
Ker(T ) y la Im(T ) .

Definición 2.3. Diremos que una aplicación lineal T : V → W es un isomorfismo si T es

biyección. En tal caso diremos que los espacios V y W son isomorfos.

Ejemplo 2.4. T : Mn×m (R) → Mm×n (R) tal que T (A) = At . T es un isomorfismo.

Ejemplo 2.5. Los espacios R3 [x] , M2 (R) y R4 son isomorfos.

Clase 2

El espacio L(V , W )

Teorema 3.1. Sean T1 , T2 : V → W lineales, entonces αT1 + βT2 es lineal, cualquiera sean
α, β ∈ K.

Anotamos como L(V , W ) el conjunto de todas las aplicaciones lineales de V en W .

Proposición 3.1. L(V , W ) es un K-Espacio vectorial.

Teorema 3.2. La compuesta de aplicaciones lineales es lineal

Teorema 3.3. Si T ; V → W es un isomorfismo, entonces T −1 es lineal y por tanto isomorfismo.

Probar al menos 2 de estas proposiciones. A veces preguntamos alguna demostración en un

control o certamen.

MAT022 (Complementos) 5
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática

Teorema de las dimensiones

Teorema 3.4. Sea T : V → W lineal ; dim(V ) , dim(W ) < ∞ , entonces

dim(Ker)(T ) + dim(Im)(T ) = dim(V )

(Hacer la demostración).

Observación 3.1.

Si dim(V ) < dim(W ) entonces no existen aplicaciones lineales epiyectivas de V en

W . (ilustrar con R2 y R3 por ejemplo).

Si dim(V ) > dim(W ) entonces no existen aplicaciones lineales inyectivas de V en

W.

Teorema 3.5.
V y W son isomorfos ⇔ dim(V ) = dim(W )

Acción de una transformación lineal sobre una base

Teorema 3.6. Sean B = {v1 , v2 , . . . , vn } base de V y D = {w1 , w2 , . . . , wn } una familia
cualquiera de vectores en W , no necesariamente distintos. Entonces existe una única aplicación lineal
T : V → W tal que T (vi ) = wi .

Observación 3.2. Para una demostración tomar v = α1 v1 + α2 v2 + · · · + αn vn y definir

T (v) = α1 T (v1 ) + α2 T (v2 ) + · · · + αn T (vn )

T es lineal por construcción. (Argumentar unicidad).

Ejemplo 3.1. Hallar explicitamente una transformación lineal T de R3 en R3 tal que

Ker(T ) = h(1, −1, 1)i y que Im(T ) sea el plano x + y + 2z = 0 .

Ejercicio 3.1. Considerar los planos H1 : x − 2y + z = 0 y H2 : x + y + z = 0 . Hallar

una transformación lineal T de R3 en R3 que verifique simultaneamente las 3 condiciones
siguientes:

1. T (1, 1, −1) = (1, −1, −1) .

2. λ = 1 sea un valor propio con espacio propio de dimensión 1.

3. T (H1 ) = T (H2 ) .

MAT022 (Complementos) 6
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática

Clase 3

Representación matricial de una transformación lineal

Sea T : V → W una aplicación lineal y sean

B = {v1 , v2 , . . . , vm }
C = {w1 , w2 , . . . , wn }
bases de V y W respectivamente.
Como T (vi ) es un vector en W se puede escribir en combinación lineal de la base C . Hacer:

T (v1 ) = a1 1 w1 + a2 1 w2 + · · · + an 1 wn

Esto siempre se puede hacer, solo estamos identificando los coeficientes para situarlos en una
matriz. Analogamente:

T (v2 ) = a1 2 w1 + a2 2 w2 + · · · + an 2 wn
..
.
t(vm ) = a1 m w1 + a2 m + · · · + an m wn

Definición 4.1. Llamaremos matriz de T en las bases B y C a la matriz n × m

 
a1 1 a1 2 · · · a1 m
 a2 1 a2 2 · · · a2 m 
[T ]CB = (ai j ) =  ..
 
.. .. .. 
 . . . . 
an 1 an 2 · · · an m

determinada por los coeficientes ai j anteriores.

Observación 4.1. [T ]CB = ([T (v1 )]C [T (v2 )]C . . . [T (vm )]C ) donde [T (vi )]C son las coordenadas
de T (vi ) en la base C .
Ejemplo 4.1. Sean B = {x , x + 1 , x2 + 1} base de R2 [x] y C = {(1, 1, 0) , (1, 0, 1) ,(0, 1, 1)}
R1
base de R3 . considerar T : R2 [x] → R3 tal que T (p(x)) = p(1) , p0 (1) , p(x) dx .
0
 
1 3 1 1
T (x) = 1, 1, = (1, 1, 0) + (1, 0, 1) + (0, 1, 1)
2 4 4 4
 
3 3 5 1
T (x + 1) = 2, 1, = (1, 1, 0) + (1, 0, 1) + (0, 1, 1)
2 4 4 4
 
4 4 2 2
t(x2 + 1) = 2, 2, = (1, 1, 0) + (1, 0, 1) + (0, 1, 1)
3 3 3 3

MAT022 (Complementos) 7
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática

Ası́ la matriz de T en las bases B de R2 [x] y C de R3 es:

3 3 4
 
 4 4 3 
 
C
 1 5 2 
[T ]B = 
 4 4

 3 

 1 1 2 
4 4 3

En lo sucesivo y hasta terminar el tema usaremos los mismos signos para designar a las bases
de V y W .

Teorema 4.1. Para v ∈ V se cumple:

[T (v)]C = [T ]CB · [v]B

Teorema 4.2. Para T1 , T2 : V → W lineales. Se cumple:

[T1 + αT2 ]CB = [T1 ]CB + α[T2 ]CB

Teorema 4.3. Sean T : V → W y S : W → H lineales; B , C , D bases de V , W , y H

respectivamente. Se cumple
[S ◦ T ]D D C
B = [S]C · [T ]B

Teorema 4.4. Si T es un isomorfismo, entonces

−1
[T −1 ]BC = [T ]CB

Definición 4.2. Sean B1 , B2 bases de un mismo espacio V . Llamaremos matriz cambio de

base, de la base B1 a la base B2 , a la matriz de la función identidad en las bases B1 y B2 .
Esto es la matriz: [Id]BB21 .

Observación 4.2. La matriz cambio de base toma las coordenadas de un vector en la base B1
y entrega las coordenadas del mismo vector, en la base B2 .

[v]B2 = [Id(v)]B2 = [Id]BB21 [v]B1

MAT022 (Complementos) 8
Universidad Técnica Federico Santa Marı́a
Departamento de Matemática

Ejemplo 4.2. Sean B1 = {(1, 1, 1) , (1, 1, 0) , (1, 0, 0)} , B2 = {(1, 1, 0) , (1, 0, 1) , (0, 1, 1)} ba-
ses de R3 . Observar que:
 
z
[(x, y, z)]B1 =  y − z 
x−y
 
x+y−z
1
[(x, y, z)]B2 =  x+z−y 
2
y+z−x

Por otra parte  

1 2 1
1
[Id]BB21 =  1 0 1 
2
1 0 −1
Se cumple:
    
x+y−z 1 2 1 z
1 1
[(x, y, z)]B2 =  x + z − y  = [Id]BB21 [(x, y, z)]B1 =  1 0 1   y−z 
2 2
y+z−x 1 0 −1 x−y

Teorema 4.5. Sean B1 , B2 bases de V ; C1 , C2 bases de W . Sea T : V → W lineal. Se cumple

[T ]CB22 = [Id]CC21 [T ]CB11 [Id]BB12

MAT022 (Complementos) 9