Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Transformaciones lineales
Señales y Sistemas
Un Sistema puede considerarse como un proceso en el cual se transforman señales. Es
decir, hay una señal de entrada que es transformada dando como resultado una señal
de salida. Por ejemplo, un sistema de alta fidelidad toma una señal de audio grabada
y reproduce dicha señal. Si este sistema tiene controles de tono, podemos cambiar la
calidad de la señal reproducida. Esta diferencia entre la entrada y la salida se puede
pensar matemáticamente como una función.
Un tipo particular de sistema son los sistemas lineales, dichos sistemas poseen la pro-
piedad de superposisción. La propiedad de superposición implica que si la entrada es una
suma ponderada de varias señales entonces la salida es la superposición de las respuestas
del sistema a cada una de esas señales. Es decir, por ejemplo, que si sumamos dos señales
de entrada, el sistema dará como señal de salida a la suma de las salidas de cada señal.
Veamos esto matemáticamente, si un sistema lineal transforma X1 en Y1 y X2 en Y2
entonces transformará X1 + X2 en Y1 + Y2 . O si pensamos al sistema como a una función
f que transforma X en Y :
Pero cuando la definición de sistema lineal habla de suma ponderada de varias señales se
refiere a algo más general. Con ponderada se refiere a que cada señal está multiplicada por
algún escalar. Por ejemplo, en vez de tener como entrada X1 , tendríamos α1 X1 . Ahora
si el sistema transforma X1 en Y1 entonces tendrá que transformar α1 X1 en α1 Y1 . O si
pensamos esto en terminos de funciones:
Si f (X1 ) = Y1 ⇒ f (α1 X1 ) = α1 Y1 .
Álgebra II - Ingeniería en Sonido
Más aún, si Y1 , Y2 , ....., Yn son las salidas que da el sistema para las entradas
X1 , X2 , ....., Xn y α1 , α2 , ....., αn son números reales entonces un sistema lineal va a trans-
formar: α1 X1 + α2 X2 + ..... + αn Xn en α1 Y1 + α2 Y2 + ..... + αn Yn . Esto se puede escribir,
pensando al sistema como una función, de la siguiente manera:
1. Consideremos las siguientes funciones como si fuesen sistemas. ¿Cuál de ellas representa-
rían a un sistema lineal? Explicá en cada caso el porqué de tu respuesta:
Definición
Si una función f : V → W , con V y W espacios vectoriales, cumple que:
b) f (λX) = λf (X) ∀X ∈ V ∀λ ∈ R
b) Si sabemos que el sistema con el cuál estamos trabajando es un sistema lineal ¿Sería
correcto representarlo con una función que no sea tranformación lineal?
2
Álgebra II - Ingeniería en Sonido
3. La siguiente afirmación vale para sistemas lineales: “En un sistema lineal, si la entrada es
nula, la salida también debe serlo”.
b) f : R2 → R2 / f (x, y) = (x + 1, y − 1)
c) f : R3 → R / f (x, y, z) = x + y + z
Definición
Una simetría con respecto a una recta r es un movimiento en el plano. Recordemos
que el simétrico de un punto P con respecto a r es un punto P’ tal que el segmento
PP’ es perpendicular a r y r corta a PP’en su punto medio.
Decidí cuáles de los siguientes gráficos representan simetrías. Explicá por qué.
3
Álgebra II - Ingeniería en Sonido
6. Dibujá los vectores simétricos a los dados, con respecto a la recta indicada.
7. Encontrá y dibujá la recta que hace de simetría de los siguientes vectores. Nota: con
s(v) indicamos el simétrico del vector v
4
Álgebra II - Ingeniería en Sonido
a) Hallá los vectores simétricos, con respecto a r, de u = (2, 3), de v = (1, 0) y w = (0, 3)
b) Hallá los vectores simétricos, con respecto a r, de u + v y 7w. ¿Notás alguna relación
con el item anterior?
c) Proponé una fórmula que permita obtener el simétrico de un vector (x, y) con res-
pecto a la recta r
9. a) ¿Cuál es el vector simétrico de cada uno de los siguientes vectores con respecto a
la recta y = x?
1) v1 = (1, 3) 5) v1 + v2
2) v2 = (4, 0) 6) v2 + v4
3) v3 = (5, 3) 7) 7v1
b) ¿Se te ocurre alguna fórmula que permita obtener el simétrico de un punto cualquiera
del plano?
c) ¿Podrías hallar una fórmula para una simetría respecto de una recta r usando la
fórmula de la proyección ortogonal sobre esa misma recta?
Sugerencia: Podes pensar este problema primero con una recta r que vos elijas y después
intentá generalizarlo.
5
Álgebra II - Ingeniería en Sonido
11. Sea sr : R2 → R2 la simetría con respecto a una recta r. Decidí si las siguientes afirmacio-
nes son verdaderas o falsas. Recordá que podes dar argumentos que tengan que ver con
lo geométrico o que tengan que ver con la fórmula de la simetría.
a) Calculá f (0, 1),f (1, 0),f (7, 0),f (0, −4) y f (7, −4)
6
Álgebra II - Ingeniería en Sonido
Definición
Si una función f : V → V , con V un espacio vectorial, está definida por f (v) = v+w
con w ∈ V un vector fijo, decimos que f es una Traslación.
f (x, y) = (x + 1, y − 2).
f (x, y) = (x + y, x + y).
b) De las funciones del item anterior que son traslaciones, ¿Alguna es transformación
lineal?
a) f : R2 → R2 / f (x, y) = (0, y)
c) f : R2 → R2 / f (x, y) = (2x, y)
e) f : R3 → R3 / f (x, y, z) = (0, 0, z)
g) f : R3 → R3 / f (x, y, z) = (x, 0, z)
h) f : R3 → R2 / f (x, y, z) = (x, y)
a) f (0V ) = 0W
b) f (−v) = −f (v)
7
Álgebra II - Ingeniería en Sonido
f (1, 0) = (1, 1)
f (0, 1) = (2, 1)
d ) ¿Se te ocurre alguna matriz A ∈ R2×2 que cumpla que f (x, y) = A.(x, y)t ?
e) ¿Encotrás alguna relación entre los tranformados de los vectores canónicos y la matriz
A?
f (1, 1) = (3, 1)
f (−1, 1) = (−1, 2)
b) Si (α, β) son las coordenadas del vector (x, y) en la base B ¿Es cierto que (x, y) =
α(1, 1) + β(−1, 1)?
d ) ¿Se te ocurre alguna matriz A ∈ R2×2 que cumpla que f (x, y) = A.(α, β)t ?
f ) Recordá que existe una Matriz de cambio de base que cuando la multiplicas por (x, y)
te da el vector (α, β). Dicha matriz se nota CEB y cumple que CEB .(x, y)t = (α, β)t .
Es decir, la matriz transforma las coordenadas en base canónica en coordenadas en
base B.
8
Álgebra II - Ingeniería en Sonido
b) Si A es la matriz que tiene como primer columna a f (1, 1) y como segunda columna a
f (−1, 1), deducí que f (x, y) = A.[(x, y)]tB . Calculá una fórmula para f (x, y) usando
alguna matriz de cambio de base.
9
Álgebra II - Ingeniería en Sonido
Definiciones
Sea f : R2 → R2 una transformación lineal. Sean B, B 0 bases de R2 y E la base
canónica de R2 .
10
Álgebra II - Ingeniería en Sonido
Observación
Las matrices del recuadro anterior se pueden definir cualquiera sea la dimensión de
V y de W con la misma idea. M (f ) tendrá como columnas a los transformados de
los vectores de la base canónica (en el caso de que V tenga una base canónica).
MBE (f ) tendrá como columnas a los transformados de los vectores de la base B(O
a las coordenadas en base canónica de dichos transformados, en este caso también
debería haber una base canónica en el espacio V ). MBB 0 (f ) tendrá como columnas
a las coordenadas en base B 0 de los transformados de los vectores de la base B
(Este es el caso más general, en donde tendríamos que tener una base B de V y
una base B 0 de W ). Muchas veces cuando la base de entrada y de salida son las
mismas escribiremos MB (f ) en lugar de MBB (f ). En cualquier caso, siempre nos
permitirían trabajar provisoriamente con matrices. Restaría pensar:
¿Qué dimensión tendrían esas matrices? ¿Hay alguna relación con las dimen-
siones de V y de W ?
¿Por qué dice trabajar provisoriamente? ¿Qué diferencia hay entre trabajar
con las matrices y trabajar directo con la transformación lineal?
No hace falta responder estas preguntas ahora, tal vez resolver algunos de los ejer-
cicios que siguen te ayude a pensar una posible respuesta.
a) Hallá M (f ).
11
Álgebra II - Ingeniería en Sonido
Propiedades
Hay algunas operaciones con matrices que podemos hacer para cambiar las bases
con las cuales trabajamos. Sea f : R2 → R2 una transformación lineal. Sean B, B 0 ,
B 00 bases de R2 y E la base canónica de R2 . Sean
a) M (f ) = MBE (f )CEB .
b) M (f ) = CB 0 E MBB 0 (f )CEB .
2 3
21. Sea f : R2 → R2 la transformación lineal tal que MBE (f ) = . En donde
1 2
B = {(1, 1), (−1, 1)}.
c) Hallá M (f ).
2 3
22. Sea f : R2 → R2 la transformación lineal tal que MBB 0 (f ) = . En donde
1 2
B = {(1, 1), (−1, 1)} y B 0 = {(2, −1), (1, 0)}.
c) Hallá M (f ).
1 0 −1
23. Sea la transformación lineal f : R3 → R2 / f (v) = Av con A =
1 1 1
a) Calculá f (1, 0, 2)
12
Álgebra II - Ingeniería en Sonido
0 1 0
b) Encontrá una base B de R3 / MBE (f ) =
0 0 1
Definiciones
Sea f : V → W una transformación lineal.
N u(f ) = {v ∈ V /f (v) = 0W }.
13
Álgebra II - Ingeniería en Sonido
28. Para cada una de las siguientes transformaciones, hallá una base de la imagen y otra del
núcleo, e indicá sus dimensiones.
a) f : P2 → R3 / f (a0 + a1 x + a2 x2 ) = (a0 + a1 , a1 + a2 , a0 − a2 )
29. Sea u0 ∈ R3 −{0} y sea f : R3 → R la función definida por f (v) = v ·u0 donde · representa
el producto escalar.
14
Álgebra II - Ingeniería en Sonido
Teorema de la dimensión
Sea f : V → W una transformación lineal. Entonces:
Podes ver una prueba de este teorema en el Anexo 3. Podes también revisar los
ejercicios que ya hiciste para verificar que las dimensiones te dieron lo que indica
el teorema.
b) Para algun valor de k hallado en el inciso anterior, escribí una base de Nu(f ) y una
base de Im(f ). ¿Se comprueba el teorema de la dimesión en este caso?
b) Encontrá, si existen, todos los valores de k para que la dimensión del Nu(f ) sea 2.
c) Encontrá, si existen, todos los valores de k para que la dimensión del Im(f ) sea 2.
Encontrá todos los valores de k para los cuales dim(Nu(f ))=dim(Im(f )).
1 0
2 3
34. Sea la transformación lineal f : R → R con MB1 B2 (f ) = 1 3
1 a
siendo B1 y B2 bases de R2 y R3 respectivamente.
15
Álgebra II - Ingeniería en Sonido
b) Si B1 = {(1, 0), (1, −1)} y B2 = {(1, 0, 0), (1, 1, 0), (0, 0, 1)}, determiná el valor de a
para que (1, 1, 1) ∈ Im(f )
f (v1 + v2 ) = v3
f (v1 − v2 ) = 2v2 + v3
f (v1 + v3 ) = v1
a) Hallá MB (f )
b) Calculá f (2v1 − v2 − v3 )
c) ¿Es f un isomorfismo?
16
Álgebra II - Ingeniería en Sonido
N u(f ) 6= {0}
N u(f ) ⊂ Im(f )
Observación
Dada una transformación lineal, pudimos ver con algunos de los ejemplos que parece
ser suficiente con definirla en vectores de una base del espacio de salida. Es decir,
si decimos cuánto vale la transformación en los vectores de una base de salida,
entonces podremos decir cuánto vale en el resto de los vectores del espacio de salida.
Esto está explicado y desarrollado con detalle como un teorema fundamental de las
transformaciones lineales en el primer anexo de esta práctica.
39. Sea C = {v1 , v2 , v3 } Supongamos que existe una transformación lineal que verifica:
f (v1 ) = (1, 1, 1)
b) Para los casos del inciso anterior donde la existencia de la transformación es única,
encontrá la expresión analítica de f .
f (1, 1) = (2, 1)
¿Se puede saber cuál es la imagen del vector (1, 0)? ¿Por qué?
17
Álgebra II - Ingeniería en Sonido
f (1, 0) = (1, 0, 0)
f (1, 1) = (0, 1, 1)
a) ¿Se puede saber cuál es la imagen del vector (−1, 1)? ¿Por qué?
d ) Encontrá MB1 B2 siendo B1 = {(1, 1), (1, −1)} y B2 = {(0, 0, 1), (0, 1, 0), (1, 0, 0)}
42. En cada caso, encontrá si es posible, una transformación lineal que verifique:
a) f : R3 → R3 / Im(f ) = {(x, y, z) ∈ R3 /x + y − z = 0}
b) f : R3 → R3 / Nu(f ) = {(x, y, z) ∈ R3 /x + 3y = 0}
d ) f : R2 → R3 / f sea un epimorfismo.
f ) f : R3 → R3 / Im(f ) = Nu(f )
g) f : R3 → R3 / Nu(f ) ⊂ Im(f )
h) f : R3 → R3 / f sea un isomorfismo.
0 1
2 3
43. Sea la transformación lineal f : R → R con MB1 B2 (f ) = 1 0
1 0
siendo B1 = {(1, 1), (0, 1)} y B2 = {(0, 0, 1), (0, 1, 1), (1, 1, 1)}
a) Calculá f (2, 3)
18
Álgebra II - Ingeniería en Sonido
f (v) = 2v ∀v ∈ S
Interconexión de sistemas
Muchos sistemas están construidos mediante interconexiones de varios sistemas. Es
decir, la entrada es transformada por un sistema y luego por otro. Un ejemplo pue-
de ser una guitarraa que pasa por una pedalera para luego ir a un amplificador.
Tanto la pedalera como el amplificador transformarán la señal inicial que emite la
guitarra para crear una señal de salida que es resultado de dos transformaciones.
Esto matemáticamente se podría pensar como una composición de funciones, y si
además ambos sistemas son lineales entonces tendríamos la composición de dos
transformaciones lineales. Por otro lado, se dice que un sistema lineal es inversi-
ble si distintas entradas producen distintas salidas y hay una entrada para cada
salida posible. Si un sistema es inversible entonces existe el sistema inverso que al
estar interconectado con el sistema original produce una salida que es igual a la
entrada. Si además ambos sistemas son lineales entonces estaríamos hablando de
transformación lineal inversible y de transformación lineal inversa.
a
Pusimos la guitarra como un ejemplo pero podría ser cualquier otro instrumento, Elvis Cos-
tello diría: “Si todos piden una guitarra, no voy a tener suficientes para todos, pero hay otros
instrumentos divertido como.... el bajo"
19
Álgebra II - Ingeniería en Sonido
46. La siguiente afirmación refiere a sistemas "Se dice que un sistema lineal es inversible si
distintas entradas producen distintas salidas y hay una entrada para cada salida posi-
ble".¿Cómo sería una afirmación equivalente para transformaciones lineales?
47. Sea f : R2 → R2 la transformación lineal dada por f (x, y) = (x + 3y, 2x − y). Sin calcular
f −1 , hallá:
a) M (f −1 )
b) M (f −1 )B2 B1 con B1 = {(1, 1), (2, 1)} y B2 = {(−1, 2), (0, 1)}
a) Calculá f og(1, 1)
20
Álgebra II - Ingeniería en Sonido
1 2 0
49. Sea f : R3 → R3 la transformación lineal tal que M (f ) = 1 1 −2 y sea B =
0 −1 −1
{(1, 0, 2), (0, 1, 1), (2, 1, 0)}
a) Hallá M (f )BE y M (f )B
b) Hallá M (f −1 )BE
a) ¿En que orden se aplican los sistemas si utilizamos la transformación lineal gof ?
c) Hallá M (g)B1 B2 .
21
Álgebra II - Ingeniería en Sonido
c) Im(f ◦ g) ⊆ Im(f ).
1 −2 1
−1 1 −1
M (f )B1 B2 =
2 1 4
3 −2 5
22
Álgebra II - Ingeniería en Sonido
Teorema
Sean V y W dos espacios vectoriales de dimensión finita.
Si B = {v1 , ..., vn } es una base de V y w1 , w2 , w3 , ..., wn son n vectores arbitrarios de W ,
entonces ∃! f : V → W , transformación lineal, tal que f (vi ) = wi ∀1 ≤ i ≤ n
Antes de escribir una demostración, les proponemos algunas preguntas que estaría bueno
tenerlas presentes durante la lectura: ¿por qué el teorema se llamará “fundamental”? ¿Qué
información nos brinda el teorema? ¿Qué problemas, como consecuencia, resuelve?
En general, a un resultado matemático se lo llama teorema (y no, simplemente, propiedad o
proposición) por la importancia que tiene. De alguna manera un teorema es el enunciado de un
problema y su solución. Por ejemplo, el problema: “Juan tiene 50 figuritas y María 20, ¿Cuántas
tienen en total?” se lo podría reordenar como teorema: “Sean 50 y 20 la cantidad de figuritas que
tienen Juan y María, respectivamente. Entonces la cantidad que tienen en total es 70 figuritas”.
La importancia de un resultado matemático (el problema y su solución) se lo puede “medir” de
distintas maneras. Por ejemplo:
es importante porque resolvió un problema que hacía mucho tiempo se estaba pensando.
etc.
Esto, para los matemáticos, no pasa con el problema de las figuritas (no es un problema que se
estuvo pensando durante mucho tiempo, no tiene muchas aplicaciones, no es general, etc) pero
sí pasa con el teorema fundamental que estamos estudiando.
23
Álgebra II - Ingeniería en Sonido
El teorema que nos involucra nos dice varias cosas y para empezar a poder escucharlas es
necesario ponerlo en práctica. Veamos:
Supongamos que V = R3 y W = R2 . Consideremos la base B = {(1, 1, 0), (0, 2, 0), (0, 0, −1)}
de R3 y w1 = (1, 1), w2 = (0, 1) y w3 = (−1, 0). Según el teorema, existe una única t.l. tal que:
1. f (1, 1, 0) = (1, 1)
2. f (0, 2, 0) = (0, 1)
¿Cómo hacemos para probar que existe una única transformación lineal que cumple lo di-
cho?¿Cómo hacemos para probar que existe al menos una?
Una de las propiedades más importantes de los espacios vectoriales es que, dado un espacio
vectorial de dimensión finita y una base, cualquier vector del espacio se puede escribir como
una combinación lineal de los vectores de la base (¡y esa combinación es única!). En este caso,
como V = R3 y B = {(1, 1, 0), (0, 2, 0), (0, 0, −1)}, el resultado anterior nos dice que: dado
cualquier (x, y, z) ∈ R3 , ∃! α, β y γ ∈ R tales que (x, y, z) = α(1, 1, 0) + β(0, 2, 0) + γ(0, 0, −1).
Por lo tanto, esto nos da una pauta de cómo tiene que ser la transformación. Como queremos
que sea lineal, f (x, y, z) = f (α(1, 1, 0) + β(0, 2, 0) + γ(0, 0, −1)) = αf (1, 1, 0) + βf (0, 2, 0) +
γf (0, 0, −1) = α(1, 1) + β(0, 1) + γ(−1, 0). Es decir, para cada v ∈ R3 , calculo las coordenadas
de v en la base B y hago “la cuenta” de más arriba. Por ejemplo:
Como (1, 5, 0) = 1(1, 1, 0)+2(0, 2, 0)+0(0, 0, −1), f (1, 5, 0) = 1(1, 1)+2(0, 1)+0(−1, 0) =
(1, 3)
Lo anterior se puede resumir así: Defino f : R3 → R2 f (v) = α(1, 1) + β(0, 1) + γ(−1, 0), donde
(α, β, γ) = [v]B .
Tareas:
24
Álgebra II - Ingeniería en Sonido
Antes de ver la demostración del teorema, veamos algunas cuestiones generales: por un lado
el teorema nos dice que conociendo solo las imágenes de los vectores de una base de V, pode-
mos conocer toda la función (transformación). Esta idea es análoga al axioma de la geometría
que dice: “dados dos puntos, existe una única recta que pasa por ellos”. O, pensando en las
funciones lineales de análisis, conocidas dos imágenes de dos puntos del dominio, puedo deducir
la fórmula de la función.
1. f es lineal.
Veamos 1:
Sean a y b dos vectores de V y (α1 , ..., αn ) = [a]B y (β1 , ..., βn ) = [b]B
f (a+b) = f (α1 (v1 ) + ... + αn (vn ) + β1 (v1 ) + ... + βn (vn )) = f ((α1 + β1 )(v1 ) + ... + (αn + βn )(vn )) =
(α1 + β1 )w1 + ... + (αn + βn )wn = α1 w1 + β1 w1 + ... + αn wn + βn wn = α1 w1 + ... + αn wn + β1 w1 +
... + βn wn = f (a) + f (b)
Sean k ∈ K y v ∈ V y (α1 , ..., αn ) = [v]B
f (kv) = kα1 w1 + ... + kαn wn = k(α1 w1 + ... + αn wn ) = kf (v)
Veamos 2: Observemos que [vi ]B = (0, 0, ..., 0, 1, 0, ..,0), donde el 1 está en la coordenada i. Por
lo tanto, f (vi ) = 0.w1 + ... + 0.wi−1 + 1.wi + 0.wi+1 + ... + 0.wn = wi
Veamos 3:
Supongamos que existe g : V → W que cumple 1 y 2. Sea v ∈ V y (α1 , ..., αn ) = [v]B
25
Álgebra II - Ingeniería en Sonido
(1, 1, 0) ∈ Nu(f )
dim(Im(f )) = 1
Este problema se lo puede pensar a partir del teorema anterior. Podemos definir la trans-
formación sobre una base (el teorema nos dice que de esa manera estaría bien definida) sin
necesidad de encontrar la expresión analítica. Entonces, una posible definición sería:
f (0, 1, 0) = (0, 0, 0) (porque, como la dimensión de la imagen es 1, la del núcleo tiene que
ser 2)
f (0, 0, 1) = (0, 0, 1)
Demostrá que la función del inciso anterior verifica todo lo pedido. ¿Exitirá otra?¿Por qué?
El teorema, además, nos permite pensar otra manera de representar una transformación: a
partir de una matriz.
Sean V y W dos espacios vectoriales de dimensión finita y f : V → W una t.l. Sean B1 =
{v1 , ..., vn } una base de V y B2 = {w1 , w2 , w3 , ..., wm } una base de W . Afirmo que existe una
matriz M (f )B1 B2 ∈ Rm×n tal que [f (v)]B2 = M (f )B1 B2 ([v]B1 )t
Observemos que si tomamos M (f )B1 B2 = [f (v1 )]B2 |...| [f (vn )]B2 se verifica lo afirmado (la
matriz propuesta tiene como columnas a las imágenes de los vectores de la base B1 escritas en
base B2 ).
A la matriz M (f )B1 B2 se la llama “Matriz asociada a la transformación f en las bases B1 y B2 ”
Para terminar, algunos comentarios sobre la notación: Supongamos que tenemos una t.l
f :V →W
26
Álgebra II - Ingeniería en Sonido
Cuando en la notación de la matriz asociada se escribe una sola letra, se debe considerar
que las bases son iguales (esto también nos dice que en este caso V = W . Es decir:
M (f )B = M (f )BB
27
Álgebra II - Ingeniería en Sonido
Dado un punto fijo C del plano y un ángulo θ, una rotación es un movimiento del plano que
consiste en girar los vectores un ángulo θ, alrededor del punto C, llamado centro de rotación.
Las siguientes imágenes son tres ejemplos:
Para fijar un sentido, pensemos que la rotación que queremos estudiar y definir es en el
sentido antihorario y que el centro de rotación es el origen de coordenadas. La tercera figura
sería un ejemplo de este tipo de rotación.
Podemos considerar esta rotación de vectores del plano como una función r : D ⊆ R2 → R2
en donde los vectores v = (x, y) del dominio representan los vectores “a rotar” y sus imágenes
r(x, y) representan los vectores rotados el ángulo fijo θ. En lo que sigue, cada vez que nos
refiramos a una rotación, supondremos C = (0, 0) salvo que se indique lo contrario.
1. Explicá por qué una función de rotación tendrá que verificar las siguientes propiedades:
kr(v)k = kvk ∀v ∈ D.
28
Álgebra II - Ingeniería en Sonido
5. Sea rθ : R2 → R2 la
transformación lineal
del problema 4.
cos(θ) − sen(θ)
Probá que M (r) =
sen(θ) cos(θ)
6. Sea rθ la transformación lineal del problema 4. Decidí si las siguientes afirmaciones son
verdaderas o falsas.
a) Graficá el triángulo.
b) Rotá el triángulo 45◦ en el sentido antihorario. ¿Cuáles serán los vértices del nuevo
triángulo?
8. Sea A ∈ R2×2 una matriz cuadrada. Se dice que la matriz es ortogonal si A.At = In .
Probá que la matriz asociada a una rotación es una matriz ortogonal.
a) Graficá la recta.
29
Álgebra II - Ingeniería en Sonido
0 −1 x
b) Sea r(x, y) = . Probá que r es una rotación. ¿Cuál es el ángulo?
1 0 y
c) Graficá r(L)
30
Álgebra II - Ingeniería en Sonido
Esto no quiere decir tampoco que probar “a mano” con muchos problemas para obtener
resultados no sea algo valioso. En primer lugar nos puede dar una idea de cual puede ser el
resultado a probar. En segundo lugar nos puede ayudar a entender mejor la situación e incluso
a obtener una idea valiosa para la prueba del teorema. En tercer lugar, aunque el resultado
sea falso, muchas veces el contraejemplo es tan difícil de encontrar que en la práctica podemos
usar las conclusiones obtenidas por más de que no sean verdaderas en todos los casos (También
se podrían pedir hipótesis extras para que pueda ser verdadero). Un ejemplo de esto último
es el método Simplex, un algoritmo que sirve para encontrar el máximo de una función bajo
ciertas condiciones dadas por inecuaciones lineales. En las mayoría de los casos el algoritmo
encuentra la solución muy rápido pero hay ciertos casos “patológicos” que hacen que el algoritmo
tarde mucho más de lo que tarda habitualmente. De esta manera, si queremos probar que el
algoritmo tarda poco no vamos a poder hacerlo pero en la práctica sigue siendo un algoritmo
muy recomendable para usar ya que los casos “patológicos” no suelen aparecer. Es decir, no hay
un teorema que diga “el método Simplex tarda poco” pero se usa igual porque la mayoría de
31
Álgebra II - Ingeniería en Sonido
Bueno, nos fuimos un poco por las ramas (si conoces el Simplex esta frase es prácticamente
un chiste, pero no te preocupes si no lo entendiste, por un lado los chistes matemáticos no
suelen ser muy buenos y por otro lado, no vamos a ver el método Simplex en esta materia).
Lo que sí vamos a ver es el teorema de la dimensión y su demostración. Empecemos por un
ejercicio para que puedas ver cual es la idea detrás de la prueba.
d ) Tratá de pensar un argumento para justificar que si {v1 } es una base de N u(f ) y
{v1 , v2 , v3 } es una base de R3 entonces {f (v2 ), f (v3 )} va a ser una base de Im(f )
más allá de cual sea la transformación lineal.
Teorema de la dimensión
Si f : V → W es una transformación lineal con dim(V ) < ∞ entonces:
Para probarlo vamos a usar un argumento parecido al del ejercicio que pensamos. Supon-
gamos que dim(V ) = n, entonces:
Tomamos primero un conjunto de vectores {v1 , ....vk } que sea base de N u(f ). Esto se
puede hacer siempre y k va a depender de la dimensión de N u(f ) en cada caso particular,
32
Álgebra II - Ingeniería en Sonido
incluso podría ser que no haya ningún vector en el núcleo además del vector nulo ( en ese
caso k = 0).
Completamos la base de N u(f ) a una base de V . Es decir, tomamos {w1 , ....., wn−k } tal
que {v1 .....vk , w1 ....wn−k } sea una base de V . Fijate que la cantidad agregada es n − k
porque la cantidad total de vectores en una base de V tiene que se n.
Argumentamos que {f (w1 ), ....., f (wn−k )} es una base de Im(f ). Para esto hay que pro-
bar que ese conjunto es un conjunto L.I que genera Im(f ). En efecto, como f es una
transformación lineal:
Im(f ) = gen{f (v1 ), ....., f (vk ), f (w1 ), ...., f (wn−k )} = gen{f (w1 ), ...., f (wn−k )}
ya que f (vi ) = 0 ∀i ≤ k (recordá que son vectores del núcleo de la transformación lineal).
Pero como N u(f ) = gen{v1 , ....vk } y {v1 , ....vk , w1 , ...., wn−k } es un conjunto L.I podemos
concluir que
λ1 w1 + ..... + λn−k wn−k = 0
ya que si no, estaríamos agregando un nuevo vector al núcleo que es linealmente indepen-
diente con todos los demás de la base del núcleo. Entonces, como además sabemos que
que {w1 , ...., wn−k } es un conjunto L.I, podemos concluir que:
λ1 = ... = λn−k = 0.
33
Álgebra II - Ingeniería en Sonido
Hasta aquí tenemos entonces que dim(N u(f )) = k y dim(Im(f )) = n − k. Ahora como
dim(V ) = n probamos que
Fijate que lo que usamos es que f es una transformación lineal, todo lo demás es una conse-
cuencia de la estructura de los espacios vectoriales y de las propiedades de las transformaciones
lineales. Lo otro que Supusimos es que dim(V ) = n, eso supone que V es un espacio de dimen-
sión finita. Ahora como dim(V ) es parte de la ecuación no tendría sentido siquiera plantear el
resultado con dim(V ) = ∞ ya que nos quedaría una ecuación numérica con un infinito de un
lado de la igualdad.
34