Transformaciones lineales y matrices

U.T.N. – F.R.
Haedo Álgebra y Geometría Analítica
TRABAJO PRÁCTICO Nº 5 – TRANSFORMACIONES LINEALES
Se denominan transformaciones (o aplicaciones) entre dos espacios vectoriales, estructurados sobre

un mismo cuerpo de escalares, a las funciones que a cada elemento del primer espacio vectorial le hace
corresponder un elemento del segundo espacio vectorial. Dichas transformaciones se representarán en la
forma f: V→W indicando los nombres de los espacios vectoriales de salida y de llegada, respectivamente.
Caso particular. Transformación traslación (o afín)

f: R2→R2 / f ( x , y ) = ( x − α , y − β ) , α∈R ,β∈R,
f: R3→R3 / f ( x , y , z ) = ( x − α , y − β , z − γ ) , α∈R ,β∈R, γ∈R.
Transformación inyectiva. Dada la transformación f: V→W es inyectiva si y solo sí:
r r r r r r r r r r r r
∀ x ∈V, ∀ y ∈V: x ≠ y ⇒ f ( x ) ≠ f ( y ) o equivalentemente ∀ x ∈V, ∀ y ∈V: f ( x ) = f ( y ) ⇒ x = y .
Transformación suryectiva. Dada la transformación f:V→W es suryectiva si y solo sí todo vector de W
es imagen de algún vector de V, es decir, si y solo si:
r r r r
∀ w ∈W ⇒ ∃ x ∈V tal que f ( x ) = w .
Transformación biyectiva. Dada la transformación f: V→W es biyectiva si y solo sí es inyectiva y
suryectiva.
Transformación lineal (T.L.). Definición. Dados dos espacios vectoriales (V,’+’,K,’·’) y (W,’+’,K,’·’),
se denomina transformación lineal a toda función f definida de V en W que verifica:
r r r r r r
1) f ( x + y ) = f ( x ) + f ( y ), ∀x ∈ V , ∀y ∈ V ,
r r r
2) f (αx ) = αf ( x ), ∀α ∈ R , ∀x ∈ V .
r r r r
Propiedades: f (0 V ) = 0 W ; f ( − x ) = − f ( x ) .
Algunas transformaciones lineales particulares.
r r
T.L. Nula (o T.L. Cero): f: V→W / f ( x ) = 0 W
r r
T.L. Identidad: f: V→V / f ( x ) = x
r r
T.L. Contracción/Extensión (si 0<k<1 / si k>1): f: V→V / f ( x ) = kx
T.L. Contracción/Estiramiento (extensión) en un eje: f: R2→R2 / f ( x , y ) = ( α x , y ) (si 0<α<1/ si α>1)
f: R2→R2 / f ( x , y ) = ( x , β y ) (si 0<β <1/ si β >1)
r r
T.L. Proyección ortogonal sobre un subespacio S⊂W: f: V→W / f ( x ) = proy S x
r r
r r r r r x; wi r
Esto es, si BS = {w1 ; w2 ;L; wr } es una base ortogonal de S ⇒ f ( x ) = ∑ r r wi
i =1 wi ; wi
T.L. Cizallante: f: R2→R2 / f ( x , y ) = ( x + β y , y ) ( de factor β en la dirección del eje x);

f ( x , y ) = ( x , y + α x ) ( de factor α en la dirección del eje y)
T.L. Rotación en el plano de ángulo θ: f: R2→R2 / f ( x, y ) = ( x cos θ − y sen θ , x sen θ + y cos θ )
Núcleo de una transformación lineal f: V→W. Definición. Si f es una transformación lineal entre los
espacios vectoriales V y W, se denomina núcleo (kernel o nulidad) de la transformación lineal f, Nu(f), al
subespacio de vectores de V definido como
r
r
{ r r
Nu ( f ) = Ker( f ) = x ∈ V / f ( x ) = 0 W . }
Observación: 0V ∈ Nu( f ) , cualquiera sea la T.L. f.
__________________________________________________________________________
U.T.N. F.R.H. Algebra y Geometría Analítica - Trabajo Práctico 5 - Página 1
Imagen de una transformación lineal f: V→W. Definición. Si f es una transformación lineal entre los
espacios vectoriales V y W, se denomina imagen (o rango) de la transformación lineal f, Im(f), al
subespacio de vectores de W definido como
r r r r
Im( f ) = {y ∈ W / ∃x ∈ V ∧ f ( x ) = y}.
r
Observación: 0 W ∈ Im( f ) , cualquiera sea la T.L. f.
Dada f: V→W, dim Nu(f) + dim Im(f) = dim(V)
Operaciones definidas entre transformaciones lineales

Dadas las siguientes transformaciones lineales f: V→W, g V→W y h: W→U, se define las siguientes T.L.:
r r r r
T.L. Suma f+g: V→W / ∀x ∈ V : ( f + g )( x ) = f ( x ) + g ( x ) ;
r r r r
T.L. Diferencia f−g: V→W / ∀x ∈ V : ( f − g )( x ) = f ( x ) − g ( x )
r r r
T.L. Producto de un escalar α por una T.L. / ∀x ∈ V : (αf )( x ) = αf ( x )
r r r
T.L.Composición: h o f : V → U / ∀x ∈ V : (h o f )( x ) = h( f ( x ) )
Transformación lineal inversa. Si f: V→V es una transformación lineal biyectiva, exite f−1, llamada
r r r r
transformación lineal inversa de f, que verifica ( f −1 o f )( x ) = ( f o f −1 )( x ) = x , ∀x ∈ V .
r r r r r r r
Matriz asociada a una transformación lineal. Sean BV = {v1 ; v2 ;L; vn } y BW = {w1 ; w2 ; w3 ;L; wm } bases
ordenadas de los espacios vectoriales V y W, respectivamente. Si f: V→W es una transformación lineal
entonces existe una única matriz A ∈ R m×n tal que
∀[X ]BV ∈ V : [ f ( X )]BW = A ⋅ [ X ]BV ,
r
donde [X ]BV es una matriz columna compuesta por las coordenadas de x en la base BV, A es una matriz tal B
r
que su columna i-ésima está por formada por las coordenadas de f (vi ) con i=1,2,…,n expresadas en la
r
base BW. [ f ( X )]BW es una matriz columna compuesta por las coordenadas de f (x ) en la base BW.
B B
Notación: Si f: Rn→Rm, cuando se trabaje con las bases canónicas serán equivalentes:
r r r r
x ∈ R n , f ( x ) = y con y ∈ R m ≡ X ∈ R n×1 , f ( X ) = AX = Y con Y ∈ R m×1
r s r r
x ↔ X ; f ↔ A : f ( x ) = y ↔ AX = Y ; y ↔ Y
Si f: Rn→Rm ↔ A, g: Rn→Rm ↔B, h: Rm→Rp ↔ C,
f+g ↔ A+B; f−g ↔ A−B; αf ↔ αA; h o g ↔ C ⋅ B
Ejemplos
f: R2→R2 Proyección ortogonal sobre el eje x y r
⎛ 1 0 ⎞⎛ x ⎞ ⎛ x ⎞ x
f ( x, y ) = ( x,0) ↔ ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ 0 0 ⎠⎝ y ⎠ ⎝ 0 ⎠
r x
f (x )
f: R2→R2 Reflexión respecto al eje y
y
⎛ − 1 0 ⎞⎛ x ⎞ ⎛ − x ⎞ r r
f ( x, y ) = ( − x, y ) ↔ ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ f ( x) x
⎝ 0 1 ⎠⎝ y ⎠ ⎝ y ⎠
x
__________________________________________________________________________
z
f: R3→R3 Proyección ortogonal sobre el plano xz r

r x
⎛ 1 0 0 ⎞⎛ x ⎞ ⎛ x ⎞ f ( x)
⎜ ⎟⎜ ⎟ ⎜ ⎟
f ( x, y , z ) = ( x,0, z ) ↔ ⎜ 0 0 0 ⎟⎜ y ⎟ = ⎜ 0 ⎟ y
⎜ 0 0 1 ⎟⎜ z ⎟ ⎜ z ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠ x
f: R2→R2 Rotación de ángulo θ

f ( x, y ) = ( x cos θ − y sen θ , x sen θ + y cos θ ) y r
f ( x)
⎛ cos θ − sen θ ⎞⎛ x ⎞ ⎛ x cos θ − y sen θ ⎞
↔ ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ sen θ cos θ ⎠⎝ y ⎠ ⎝ x sen θ + y cos θ ⎠
θ r
x
x
f: R3→R3 Rotación en sentido contrario al movimiento de las agujas del reloj de ángulo θ con respecto al
eje z
z
f ( x, y , z ) = ( x cos θ − y sen θ , x sen θ + y cos θ, z )
⎛ cos θ − sen θ 0 ⎞⎛ x ⎞ ⎛ x cos θ − y sen θ ⎞ θ
⎜ ⎟⎜ ⎟ ⎜ ⎟
↔ ⎜ sen θ cos θ 0 ⎟⎜ y ⎟ = ⎜ x sen θ + y cos θ ⎟
⎜ 0 0 1 ⎟⎠⎜⎝ z ⎟⎠ ⎜⎝ ⎟ r r
f ( x)
⎝ z ⎠ x
y
x
Autovalores y autovectores de una T.L. f: V→V. Dada una transformación lineal f: V→V, se denomina
autovalor (valor propio, valor característico o eigenvalor) de f, al escalar λ para el que exista algún vector
{ }
r r r r
no nulo x ∈ V − 0 V , tal que f ( x ) = λx . Al vector no nulo anterior se lo denomina autovector (vector
propio, vector característico o eigenvector) asociado a λ.
Subespacio propio de una T.L. f: V→V. Cada autovalor de la T.L. f tiene asociado un subespacio
definido por
r r r
S λ = {x ∈ V / f ( x ) = λx},
esto es, por todos los autovectores de autovalo λ y el vector nulo de V.
Observación: como la T.L. f está definida dentro de un mismo espacio vectorial, su matriz asociada, A, es
cuadrada de orden coincidente con la dimensión del espacio vectorial. Se refiere indistintamente
autovalores y autovectores de f ó autovaloresry autovectores
r
de A.
f ( x ) = λx ↔ AX = λX
Condición: λ es autovalor ⇔ det( λI − A) = 0 .
Polinomio característico. Se denomina polinomio característico (o polinomio propio) de la T.L. f: V→V
de matriz asociada A, a la expresión polinómica dependiente de λ, P(λ),que se obtiene del desarrollo:
__________________________________________________________________________
P (λ ) = det(λI − A) ,
donde I es la matriz identidad.
Ecuación característica. Se denomina ecuación característica de la T.L. f: V→V de matriz asociada A, a
la ecuación que permite hallar las raíces (o ceros) del polinomio característico
P (λ ) = 0 ≡ det( λI − A) = 0 .
Observación: la resolución de la ecuación característica permite hallar los autovalores de f (ó de A).
Propiedades. Los autovectores asociados a autovalores distintos, son linealmente independientes.
Si la matriz A es simétrica, sus autovalores son reales y los subespacios asociados a
autovalores diferentes resultan son ortogonales.
Matrices semejantes. Dos matrices son semejantes, si y sólo si, tienen el mismo polinomio característico
y, por lo tanto, los mismos autovalores.
Matriz diagonalizable. La matriz A asociada a una transformación lineal f: V→V es diagonalizable si es
semejante a una matriz diagonal D. Si A es diagonalizable, existe una matriz P inversible denominada
matriz de pasaje, tal que
P −1 AP = D .
La matriz A de orden n es diagonalizable si y sólo si admite n autovectores independientes. Esta afirmación
es equivalente a que si f tiene r autovalores diferentes, λ1, λ2, …, λr entonces
r
dim(V ) = ∑ dim( S λ i ) .
i =1
La matriz de pasaje P se construye tomando como sus columnas, n autovectores lineralmente
independientes de A y la matriz diagonal D tendrá en su diagonal principal los autovalores de A
correspondientes a los autovectores que se emplearon para construir las columnas de P, en el mismo
orden.
Matrices ortogonalmente diagonalizables. La matriz A asociada a una transformación lineal f: V→V es
ortogonalmente diagonalizable si es semejante a una matriz diagonal D con una matriz de pasaje ortogonal,
es decir
Q −1 A Q = D
siendo
Q −1 = Q T .
La diagonalización ortogonal de matrices está directamente ligada a las matrices simétricas a través de las
siguientes propiedades:
Los autovalores de una matriz simétrica real, son reales.
En una matriz simétrica real, los autovectores correspondientes a autovalores diferentes, son
siempre ortogonales.
Una matriz A es diagonalizable ortogonalmente si y solo si A es simétrica.
Procedimiento para diagonalizar ortogonalmente una matriz simétrica:
1) Se forma el polinomio característico f(λ) = det(λIn−A).
2) Se determinan las raíces del polinomio característico de A.
3) Para cada autovalor λi de A, de multiplicidad algebraica ki, se determina una base de ki
autovectores para el espacio propio de λi.
4) Para cada espacio propio, transformamos la base obtenida en 3) en una base ortonormal
mediante el proceso de Gram-Schmidt.
5) Sea Q la matriz cuyas columnas son los n autovectores linealmente independientes determinados
en el paso 4), entonces Q es una matriz ortogonal y Q −1 A Q = Q T A Q = D es una matriz diagonal,
cuyos elementos de la diagonal son los autovalores de A correspondientes a las respectivas
columnas de Q.
__________________________________________________________________________
Ejercicio 1.
Repaso de las características de transformaciones en sentido amplio en cuanto a la inyectividad,
suryectividad y biyectividad. Interpretación literal y gráfica de transformaciones geométricas.
Indicar en la tabla las características de las transformaciones, en sentido amplio, definidas a
continuación considerando en cada caso los dominios indicados. Responder en cada celda con SI ó NO.
Transformación Inyectiva Suryectiva Biyectiva
1
2
3
4
Transformación 1. Proyección desde un punto A exterior a dos rectas r y s del plano R2, los puntos de r
sobre los de s considerando que f: r → s. Discutir si A∈r solamente, o si A∈r∩s.
Transformación 2. Proyección desde un punto P0 exterior a una circunferencia C y a una recta r, los puntos
de la circunferencia sobre la recta, como se indica en la figura. Discutir si P0∈C, o su interior.
A
r
f(P)
P1 f: C → r
P2 f: r → s P
C
P0 f(A)≡f(B)
A B
f(P2)
f(P1)
s r
Representación gráfica de la T.1 Representación gráfica de la T.2

Transformación 3. Asignación a todo punto de la recta real R un punto sobre la recta del plano R2 de
ecuación 3x−y+1=0 de modo que
f : R → R 2 / f ( x) ≡ ( x,3x − 1) .
Transformación 4. Sea N el conjunto se los números naturales y M el conjunto constituido por los enteros
−1 y 1. Sea f la transformación de N en M que a cada número par de N le hace corresponder el número 1
de M, y a cada número impar le hace corresponder el número −1 de M, esto es
f : N → M = {0;1} / f (n) ≡ (−1) n .
Proponer una representación gráfica para la transformación 3. Ídem para la transformación 4.
Ejercicio 2.
Identificación de la condición de linealidad en una transformación. Búsqueda de contraejemplos.
Determinar cuáles de las siguientes transformaciones son lineales. En los casos en los que la
transformación no sea lineal, dar un contraejemplo con el que se visualice esta condición. En los casos
donde la transformación sea geométrica y sea simple, dar una interpretación de la acción que produce al
aplicarla al vector.
2.1) f : R 2 → R 2 / f ( x1 , x2 ) = ( x2 ,0) ; 2.2) f : R 2 → R 2 / f ( x1 , x 2 ) = ( x1 + x 2 , x 2 )
__________________________________________________________________________
2.3) f : R 2 → R 2 / f ( x1 , x 2 ) = ( x1 x 2 ,0) ; 2.4) f : R 2 → R 2 / f ( x1 , x 2 ) = ( x1 − 1, x 2 + 2)
2.5) f : R 3 → R 3 / f ( x1 , x2 , x3 ) = ( x1 , x2 , x3 ) ; 2.6) f : R 3 → R 3 / f ( x1 , x 2 , x3 ) = ( 2 x1 − 7 x3 ,0,3 x 2 + x3 )
2.7) f : R 3 → R 2 / f ( x1 , x 2 , x3 ) = (0,0) ; 2.8) f : R 2 → R 3 / f ( x1 , x 2 ) = ( x1 + 2 x 2 ,− x1 , x1 + x 2 )
⎛ x1,1 x1, 2 ⎞
2.9) f : R 2×2 → R / f ⎜⎜ ⎟⎟ = x1,1 + x2, 2 ; traza de la matriz.
⎝ x 2 ,1 x 2 , 2 ⎠
⎛ x1,1 x1, 2 ⎞
2.9) f : R 2×2 → R / f ⎜⎜ ⎟⎟ = x1,1 x 2, 2 − x1, 2 x 2,1 ; determinante de la matriz.
⎝ x 2,1 x 2, 2 ⎠
2.10) f : P 2 [x] → P 1 [x] / f (ax 2 + bx + c) = 2ax + b ; derivada del polinomio
Recordatorio: P n [x] ={polinomios de grado ≤ n en la variable real x}
2.11) Dada B∈R inversible, f: R →Rn×n → f ( X ) = B −1 XB con X∈Rn×n
n×n n×n
Ejercicio 3.
Identificación de la calidad de suficiencia de la información aplicada a transformaciones lineales.
Reconocimiento de la incompatibilidad en la información.
3.1) Sea la transformación lineal f: R3→R3 de la que se conoce que f(1,−1,2)=(0,3,1) y
f(1,1,0)=(1,2,−1) responder las siguientes cuestiones justificando en cada caso:
i. La información dada, ¿es suficiente para hallar f(2,0,2)?
ii. Con la información dada, ¿es posible hallar los transformados de todos los vectores de la forma
(a,b,c)? En caso negativo, indicar las características de los vectores que sí se pueda hallar f(a,b,c).
3.2) ¿Es posible hallar una transformación lineal f: R3→R3 tal que f(1,−1,2)=(0,3,1) y
f(−2,2,−4)=(0,−6,−1)? ¿Por qué?
3.3) ¿Es posible hallar una transformación lineal f: R3→R3 tal que f(1,−1,2)=(0,3,1) y
f(1,1,−4)=(0,−4,1) y f(1,0,−2)=(0,−1,1)? ¿Por qué?
3.4) Demostrar que existe una única transformación lineal f: R2→R2 tal que f(1,−1)=(6,2) y
f(1,1)=(2,−4). Hallarla.
3.5) ¿Existe y es única la transformación lineal f: R3→R3 tal que f(1,−1,2)=(0,3,1) y
f(1,1,−4)=(0,−4,1) y f(0,−2,6)=(0,7,0)? De no existir, justificar la respuesta. De existir pero no
ser única indicar, por lo menos, dos transformaciones lineales que cumplan con lo pedido.
Ejercicio 4.
Hallar la matriz asociada a una transformación lineal entre dos subespacios de dimensión finita.
Valorizar el aporte de la escritura matricial en el Álgebra Lineal.
Hallar la matriz A asociada a cada una de las siguientes transformaciones lineales, considerando las
bases canónicas de los espacios vectoriales correspondientes.
4.1) f: R2→R2 / f ( x1 , x2 ) = ( x1 + x2 ,2 x1 + 2 x 2 )
4.2) f: R4→R2 / f ( x1 , x 2 , x3 , x 4 ) = ( x1 + x 2 − 3x 4 ,2 x1 − 2 x3 + x 4 )
4.3) f: R3→R / f ( x1 , x 2 , x3 ) = 0
⎛ x1 x2 ⎞
4.4) f: R2×2→R3 / f ⎜⎜ ⎟ = ( x1 + x3 ,2 x 2 , x1 − x 4 )
⎝ x3 x 4 ⎟⎠
__________________________________________________________________________
Ejercicio 5.
Visualización del efecto de aplicar transformaciones lineales elementales a regiones sencillas y
búsqueda de la función adecuada que provoque una modificación prefijado en un conjunto de puntos
dado.
Dada la región D, definida por un cuadrado de lado a formado por dos triángulos isósceles iguales
indicada en la primer figura, identificar la transformación lineal fi: R2→R2 tal que modifica D a fi(D) para
cada valor de i=1,2,...,10. Dar la forma explícita y la matriz asociada a cada una de estas
transformaciones.
y y y
f2(D)
D
x x x
f1(D)
y y f4(D) y
f3(D)
f5(D)
x x x
y y y
f8(D)
f6(D) f7(D)
x x x
y y
f9(D)
f10(D)
x x
__________________________________________________________________________
Ejercicio 6.
Desarrollar el pensamiento visual en su vínculo con las transformaciones lineales. Escritura de
transformaciones en sus expresiones explícita y matricial. Identificación y descripción como lugar
geométrico de las regiones planas y espaciales involucradas.
Proponer, para cada caso, una transformación lineal f que transforme la región indicada en el espacio
vectorial de la izquierda en la región indicada en el espacio vectorial de la derecha, y otras especificaciones
que eventualmente se expliciten.
Caso 1.
y R2 y’ 1.5 R2
1
1 x 1.5 x’
D
f(D)
f: R2→R2
{
D = C ∪ I (C ) = ( x, y ) ∈ R 2 / x 2 + y 2 ≤ 1 } f (D) = {( x, y ) ∈ R 2 / x 2 + y 2 ≤ 1.5}
Caso 2.
y R2 y’ R2
1
D −1.5
1 x x’
f(D)
f: R2→R2
−1.5
{
D = ( x, y ) ∈ R 2 / x 2 + y 2 ≤ 1 ∧ x ≥ 0 ∧ y ≥ 0 } f (D) = {( x, y ) ∈ R 2 / x 2 + y 2 ≤ 1.5 ∧ x ≤ 0 ∧ y ≤ 0}
Caso 3.
y R2 y’ R2
1
1
D f(D)
1 x −1 x’
f: R2→R2
{
D = ( x, y ) ∈ R 2 / x 2 + y 2 ≤ 1 ∧ x ≥ 0 ∧ y ≥ 0 } f (D) = {( x, y ) ∈ R 2 / x 2 + y 2 ≤ 1 ∧ x ≤ 0 ∧ y ≥ 0}
Considerar dos transformaciones para este caso:
i. una tal que f i (1,0) = (−1,0) ,
ii. la otra tal que f ii (1,0) = (0,1) .
__________________________________________________________________________
Caso 4.
y R2 y’ R2
1
1
f(D)
D
1 x −1 x’
f: R2→R2
{
D = ( x, y ) ∈ R 2 / x 2 + y 2 ≤ 1 ∧ x ≥ 0 ∧ y ≥ 0 }
{
f (D) = ( x, y ) ∈ R / x + y ≤ 1 ∧ − 2 / 2 ≤ x ≤ 2 / 2 ∧ y ≥| x |
2 2 2
}
Caso 5.
z z
3
3
C’
−1
C 1 1
1
y y
x x
f :R → R
⎯⎯ ⎯⎯→
3 3
C = {( x, y, z ) ∈ R / x + y = 1 ∧ x ≥ 0 ∧ −1 ≤ y ≤ 1 ∧ 0 ≤ z ≤ 3}
3 2 2
f (C ) = {( x, y, z ) ∈ R 3 / x 2 + y 2 = 1 ∧ x ≤ 0 ∧ −1 ≤ y ≤ 1 ∧ 0 ≤ z ≤ 3}
Considerar dos transformaciones para este caso:
i. una tal que f i (0,1,3) = (0,1,3) ,
ii. la otra tal que f ii (0,1,3) = (0,−1,3) .
Caso 6
z z
3
−3
C’
−1
C 1 1
1
y y
x x
f :R → R
⎯⎯ ⎯⎯→
3 3
C = {( x, y, z ) ∈ R / x + y = 1 ∧ x ≥ 0 ∧ −1 ≤ y ≤ 1 ∧ 0 ≤ z ≤ 3}
3 2 2
f (C ) = {( x, y, z ) ∈ R 3 / y 2 + z 2 = 1 ∧ z ≤ 0 ∧ −1 ≤ y ≤ 1 ∧ −3 ≤ x ≤ 0}
__________________________________________________________________________
Ejercicio 7.
Identificar subespacios especiales (Núcleo, Imagen, Subespacios Propios) asociados a
transformaciones lineales en el plano y en el espacio tridimensional en un acercamiento al tema a partir
de la interpretación geométrica.
Constestar los ítems correspondientes en cada caso.
Caso 1. Sea la transformación lineal f: R2→R2 tal que le haga corresponder a cada vector (x, y) del plano
su proyección ortogonal sobre la recta x=y, como indica la figura.
a) Describir geométricamente cuáles son los subespacios
imagen de f y núcleo de f. Dar para cada uno de ellos una y
x=y
base.
b) Describir geométricamente cuáles son los autovectores y
(x,y)
autovalores de f, esto es los vectores no nulos vr ∈ R 2 tales
que su imagen es un múltiplo escalar de sí mismo,
r r f(x,y)
f (v ) = λv . Indicar los valores posibles de λ y el subespacio
asociado a los autovectores para cada uno de ellos, Sλ. x
c) Escribir la forma explícita de f y su matriz asociada.
Caso 2. Sea la transformación lineal f: R2→R2 tal que le haga corresponder a cada vector (x, y) del plano
su imagen especular con respecto a la recta x = y, como indica la figura.
a) Describir geométricamente cuáles son los subespacios imagen
de f y núcleo de f. Dar para cada uno de ellos una base. y (x,y)
x=y
autovalores de f, esto es los vectores no nulos vr ∈ R 2 tales que
su imagen es un múltiplo escalar de sí mismo, f (vr ) = λvr . f(x,y)
Indicar los valores posibles de λ y el subespacio asociado a los
autovectores para cada uno de ellos, Sλ.
c) Escribir la forma explícita de f y su matriz asociada. x
r
Caso 3. Sea la transformación lineal f: R3→R3 tal que a cada vector del espacio v = ( x, y , z ) le hace
corresponder su proyección sobre el plano coordenado (x, z).
a) Describir geométricamente cuáles son los subespacios imagen de f y núcleo de f.
b) Describir geométricamente cuáles son los autovectores y autovalores de f, esto es los vectores no
nulos vr ∈ R 3 tales que su imagen es un múltiplo escalar de sí mismo. Indicar los valores posibles de
λ y el subespacio asociado a los autovectores para cada uno de ellos, Sλ.
c) Escribir la forma explícita de f y su matriz asociada.
Caso 4. Sea f: R3→R3 una transformación lineal que z
r
representa la proyección ortogonal de cada vector del espacio r nπ
x
sobre un plano π que pasa por el origen, esto es
f ( x, y, z ) = proy π ( x, y, z ) .
a) Describir geométricamente cuáles son los subespacios r
f (x ) π
imagen de f y núcleo de f.
y autovalores de f, esto es los vectores no nulos vr ∈ R 3
tales que su imagen es un múltiplo escalar de sí mismo, x
r r
f (v ) = λv . Indicar los valores posibles de λ y el
__________________________________________________________________________
subespacio asociado a los autovectores para cada uno de ellos, Sλ.
⎛ 2 / 3 − 1 / 3 − 1 / 3⎞
⎜ ⎟
c) Hallar la ecuación del plano π si la matriz asociada a f es A = ⎜ − 1 / 3 2 / 3 − 1 / 3 ⎟ .
⎜ − 1/ 3 − 1/ 3 2 / 3 ⎟
⎝ ⎠
r r r r
Caso 5. Sea f: R3→R3 una transformación lineal definida por f ( x ) = x × v 0 , donde x = ( x, y , z ) es un
vector genérico de R3 y × indica el producto vectorial.
r
a) Si v0 = (0,0,0) , ¿es f una transformación lineal? En caso afirmativo indicar, respectivamente, los
subespacios núcleo e imagen de f mencionando sus dimensiones.
r
b) Si v0 = (a, b, c) , no nulo, describir geométricamente cuáles son los subespacios núcleo e imagen de
f y dar sus dimensiones respectivas.
c) ¿Existen vectores no nulos, vr ∈ R 3 , tales que su imagen es un múltiplo escalar de sí mismo,
r r r r r r
f (v ) = λv ? Plantear por separado si v0 = 0 o si v0 ≠ 0 . Pensar en dos situaciones, si λ=0 y si λ≠0.
Para esta última situación, recordar la característica de la dirección del transformado de un vector con
respecto al propio vector.
Ejercicio 8.
Hallar la imagen de un subespacio mediante transformaciones elementales en el plano.
Hallar la imagen de la recta del plano definida por r: 2x − y=0 a través de cada una de las siguientes
transformaciones. Identificar geométricamente la imagen obtenida y representarla.
8.1) Compresión de factor ½ en la dirección del eje y.
8.2) Deslizamiento constante (cizallamiento) de factor 3 en la dirección del eje x.
8.3) Reflexión respecto al eje y.
8.4) Reflexión respecto a la recta definida por x − y=0.
8.5) Rotación alrededor del origen de ángulo θ=π/3.
Ejercicio 9.
Hallar subespacios especiales en transformaciones lineales no necesariamente geométricas. Afianzar
el concepto. Vincular el núcleo de una transformación lineal con espacio nulo o nulidad de la matriz
asociada de existir la misma; ídem para la imagen de la transformación lineal con el espacio columna de
la matriz.
Para cada una de las siguientes transformaciones lineales, hallar el núcleo y la imagen. Indicar la
dimensión de los mencionados subespacios y una base para cada uno de ellos.
9.1) f: R2→R2 / f ( x1 , x2 ) = ( x1 + x2 ,2 x1 + 2 x 2 )
9.2) f: R4→R2 / f ( x1 , x 2 , x3 , x 4 ) = ( x1 + x 2 − 3x 4 ,2 x1 − 2 x3 + x 4 )
9.3) f: R2→R3 / f ( x1 , x2 ) = (0,0,0)
9.4) f: R3→R3 / f ( x1 , x 2 , x3 ) = ( x1 , x1 + x 2 , x1 + x 2 + x3 )
⎛ x1 x 2 ⎞
9.5) f: R2×2→R3 / f ⎜⎜ ⎟⎟ = ( x1 + x3 ,2 x 2 , x1 − x 4 )
⎝ x3 x 4 ⎠
9.6) f: R3×3→ R3×3 / f ( X ) = X − X T con X∈ R3×3
9.7) f : P 2 [x] → P 1 [x] / f (ax 2 + bx + c) = 2ax + b
Ejercicio 10.
Planificar estrategias de resolución, evaluar alternativas posibles.
__________________________________________________________________________
Resolver cada una de las siguientes cuestiones, o justificar −si así fuere el caso− la no existencia de
respuesta.
10.1) Hallar el valor de k ∈ R para que el núcleo de la transformación lineal f tenga dimensión 2, donde
f : R 4 → R 4 / f ( x1 , x 2 , x3 , x 4 ) = ( kx 2 − 3 x3 ,−2 x1 + x 2 + kx 4 , x1 + x3 + kx 4 , x 2 + 2 x3 ) .
Dar todas las respuestas posibles.
10.2) Hallar una transformación lineal f: R3→R3, tal que
Nu ( f ) = {( x1 , x 2 , x3 ) ∈ R 3 / x1 + x 2 + x3 = 0} ∧ Im( f ) = {( x1 , x 2 , x3 ) ∈ R 3 / x1 + x3 = x 2 − x3 = 0}.
10.3) Hallar los valores de a y b para que los núcleos de las transformaciones lineales f y g sean los
mismos, sabiendo que
f ( x1 , x 2 , x3 ) = ( x1 + x3 ,− x1 − x3 ) ∧ g (1,0,0) = (1,−1) ∧ (0,1,0) ∈ Nu ( g ) ∧ g (0,0,1) = ( a, b) .
10.4) Hallar una transformación lineal f: R2→R2 tal que B = {(1,2)} sea tanto una base para Nu(f) como
para la Im(f).
Ejercicio 11.
Visualizar el mecanismo de composición de transformaciones lineales a partir de aplicaciones
geométricas sucesivas, para luego adquirir la destreza en ejemplos más generales. Relación entre
operaciones entre transformaciones lineales y operaciones entre las matrices asociadas a las mismas.
11.1) Sea la transformación lineal f: R3→R3 que consiste en dos aplicaciones sucesivas. Primero
proyecta cada vector del espacio sobre el plano coordenado (xy), y luego, al vector imagen obtenido
lo gira un ángulo θ=π sobre el mencionado plano.
i. Identificar geométricamente los subespacios núcleo e imagen.
ii. Hallar todos los vectores no nulos vr ∈ R 3 , tales que su imagen es un múltiplo escalar de sí mismo,
r r
f (v ) = λv . Indicar los valores de λ.
iii. Analizar un caso más genérico donde la rotación sobre el plano (x, y) de la imagen dada por la
primera proyección se corresponde con un ángulo θ∈(0,2π) (sentido antihorario) donde θ≠π.
Escribir la forma explícita y la matriz asociada a f.
iv. Dar la forma explícita de f y su matriz asociada A. Constatar que f se puede escribir como la
composición de dos transformaciones lineales g y h, indicando cuáles, y que A se corresponde con
el producto de las matrices asociadas a g y h.
11.2) Sea f la proyección ortogonal sobre el eje x en R3, y g la proyección ortogonal sobre la recta y=x,
z=0.
i. Mostrar con dos ejemplos que la composición de f con g no es conmutativa, esto es g o f ≠ f o g .
ii. Escribir las formas explícitas de f y g, y de las dos composiciones posibles, g o f y f o g .
iii. Verificar el vínculo entre las matrices asociadas a f y a g, y las matrices correspondientes a sus
composiciones.
11.3) Dadas las siguientes transformaciones lineales, efectuar, con cada par de ellas, todas las
composiciones posibles si:
f : R 2 → R 3 : f ( x1 , x2 ) = ( x1 − x2 ,−2 x1 + 3 x2 , x2 − 2 x1 ) ,
g : R 3 → R 3 : g ( x1 , x 2 , x3 ) = ( x3 − x 2 ,0,−3 x 2 + x3 ) ,
h : R 3 → R 2 : h( x1 , x2 , x3 ) = ( x1 − x2 ,− x2 + x3 ) .
11.4) Dada la transformación lineal f: R3→R3 / f ( x1 , x 2 , x3 ) = ( x1 − 2 x3 , x 2 + x3 , x3 ) , hallar en caso de
ser posible, una transformación g tal que al componer f o g resulte la transformación identidad.
Nota: g = f −1 .
11.5) Sea f: R2→R2 la rotación en el plano en un ángulo θ=π/3 y sea A su matriz asociada. Si f se
compone con sí misma 6 veces, esto es f o f o f o f o f o f , ¿cuál será la transformación
__________________________________________________________________________
resultante? (no realizar los cálculos, sino pensarlo en términos de acciones). ¿Qué indica esto para
la potencia sexta de la matriz A, esto es A6? Verificarlo.
11.6) Sea f: R3→R3 la reflexión con respecto al plano α ≡ x + y − z = 0 y sea A su matriz asociada. Si f
se compone con sí misma 2 veces, esto es f o f , ¿cuál será la transformación resultante? (no
realizar los cálculos, sino pensarlo en términos de acciones). ¿Qué indica esto para el cuadrado de
la matriz A, esto es A2? Verificarlo.
Ejercicio 12.
Adquirir el método del cálculo de autovalores y autovectores.
Para cada una de las siguientes transformaciones lineales determinar los autovalores y sus
correspondientes subespacios de autovectores asociados y, en caso de ser posible, encontrar una matriz de
pasaje que diagonalice a la matriz asociada de la transformación. Ortonormalizar la base de autovectores
de la transformación y, en caso de ser posible, escribir una matriz de pasaje ortogonal.
f : R 3 → R 3 / f ( x1 , x 2 , x3 ) = ( x1 + 2 x 2 − x3 ,2 x 2 + 3 x3 ,3 x3 )
g : R 3 → R 3 / g ( x1 , x 2 , x3 ) = (2 x1 + x 2 , x 2 − x3 ,2 x 2 + 4 x3 )
r r r
h : R3 → R3 / h( x ) = proy π ( x ) proyección del vector x sobre el plano π ≡ x + y + z = 0
Ejercicio 13.
Reforzar las destrezas necesarias para distinguir transformaciones diagonalizables o no.
Para cada una de las siguientes matrices A, correspondientes a transformaciones lineales expresadas
en función de la base canónica respectiva, encontrar el polinomio característico, la ecuación característica,
los autovalores y sus autovectores asociados y obtener, si es posible, la matriz de pasaje P que las
diagonalice y la matriz diagonal con la que son semejantes, D = P−1 AP. P
⎛ 5 4 − 4⎞ ⎛ 2 −1 0 ⎞
⎛ 3 2⎞ ⎛ − 2 − 1⎞ ⎛ 0 0⎞ ⎜ ⎟ ⎜ ⎟
i. ⎜⎜ ⎟⎟ ; ii. ⎜⎜ ⎟⎟ ; iii. ⎜⎜ ⎟⎟ ; iv. ⎜ 4 5 4 ⎟ ; v. ⎜ − 1 3 − 1⎟ ;
⎝ −1 0⎠ ⎝ 5 2⎠ ⎝ 0 0⎠ ⎜− 4 4 5 ⎟ ⎜ 0 −1 2 ⎟
⎝ ⎠ ⎝ ⎠
⎛1 3 7 11⎞
⎛0 0 − 2⎞ ⎛ 3 − 2 0⎞ ⎛ 5 0 1⎞ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜0 −1 3 8 ⎟
vi. ⎜ 1 2 1 ⎟ ; vii. ⎜ − 2 3 0 ⎟ ; viii. ⎜ 1 1 0 ⎟ ; ix. ⎜0 0 − 2 4 ⎟ .
⎜1 0 3 ⎟ ⎜ 0 0 5 ⎟⎠ ⎜ − 7 1 0⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎝ ⎠ ⎜0 0 0 2 ⎟⎠
⎝
Ejercicio 14.
Interpretar la información dada; planear e implementar estrategias de resolución.
14.1) Se conoce que la matriz asociada, A, a una transformación lineal, f: R3→R3, es simétrica y verifica
r
que f (iˆ) = 3iˆ + 2 ˆj + 2kˆ , f ( ˆj ) = 2iˆ + 2 ˆj y a = 2iˆ − 2 ˆj − kˆ es un autovector. Hallar la matriz A, los
autovalores y sus subespacios de autovectores asociados.
14.2) Se conoce que los autovalores de una matriz son 3, 2 y −2 y las bases de los subespacios de
r r r
autovectores correspondientes son {u = (1,0,0)}, {v = (−7,3,1)} y {w = (1,−5,5)} , respectivamente.
Encontrar la matriz y la transformación lineal.
r r
14.3) Los vectores u = (1,1,0) y v = (0,1,1) son autovectores linealmente independientes del mismo
autovalor, el cual vale cero, de una transformación lineal f: R3→R3.
i. Justificar la afirmación: el núcleo de f es un subespacio de R3 de, al menos, dimensión 2.
__________________________________________________________________________
r
ii. Proponer una transformación f tal que además verifique que {u } sea una base para el subespacio
imagen de f.
Ejercicio 15.
Trabajo con parámetros a definir para que se cumplan las condiciones solicitadas.
Hallar los subespacios propios de cada una de las transformaciones lineales definidas en el espacio
real tridimensional cuyas matrices en la base canónica son las dadas. ¿Para qué valores reales de k, cada
una de las matrices es digonalizable?
⎛1 2 k ⎞ ⎛1+ k − k k ⎞
⎜ ⎟ ⎜ ⎟
i. ⎜ 0 1 0 ⎟ ; ii. ⎜ 2 + k − k k − 1⎟ .
⎜0 4 3⎟ ⎜ 2 −1 0 ⎟⎠
⎝ ⎠ ⎝
Ejercicio 16.
Diagonalización en forma ortogonal de matrices simétricas.
⎛ 2 −1 0⎞
⎛ 3 1⎞ ⎛ − 3 4⎞ ⎜ ⎟
16.1) Diagonalizar ortogonalmente las matrices A = ⎜⎜ ⎟⎟ , B = ⎜⎜ ⎟⎟ , C = ⎜ − 1 2 −1 ⎟
⎝1 3 ⎠ ⎝ 4 3⎠ ⎜ 0 −1 2 ⎟⎠
⎝
16.2) Observar que, para A simétrica de orden dos, si D = QT A Q, será A = Q D QT
⎛ λ1 0 ⎞⎛ x1T ⎞
Entonces A = ( x1 x 2 )⎜⎜ ⎟⎟⎜⎜ T ⎟⎟ = λ1 x1 x1T + λ 2 x 2 x 2T donde x1 y x2 son las columnas
⎝ 0 λ 2 ⎠⎝ x 2 ⎠
(autovectores ortonormales) de Q; a esta factorización se la llama descomposición espectral de A:
su expresión para el caso general de orden n, en n términos de la forma λi xi xi . Obtener la
T
descomposición espectral para las matrices del ejercicio 16.1).

⎛1 10 −15 ⎞
16.3) La matriz A = ⎜⎜ ⎟ es “casi” simétrica. ¿Qué ángulos forman sus autovectores?
−15 ⎟
⎝ 0 1 + 10 ⎠
¿Son sus autovectores “casi” ortogonales?
Ejercicio 17.
Demostración de proposiciones teóricas vinculadas a autovalores y autovectores.
17.1) Los valores característicos de una matriz triangular son iguales a los elementos de la diagonal.
17.2) El término independiente del polinomio característico de una transformación lineal es el valor del
determinante de la matriz asociada.
17.3) La matriz A satisface su propia ecuación característica, esto es P(A) = O.
⎛a b ⎞
17.4) La matriz A = ⎜⎜ ⎟⎟ tiene un solo autovalor si (a − d ) 2 + 4bc = 0 .
⎝ c d ⎠
17.5) λ=0 es un autovalor de A ∈ Rn×n, si y sólo si, A es una matriz singular (no inversible).
17.6) Sea A ∈ Rn×n, inversible, con autovalor λ ≠ 0 y autovector asociado X. Probar que λ−1 es autovalor
de A−1 con el mismo autovector X.
17.7) Si λ es autovalor de A ∈ Rn×n con autovector X, entonces λ2 es autovalor de A2 con el mismo
autovector X.
17.8) Si λ es autovalor de A ∈ Rn×n con autovector X y B = cI− A, con I la matriz identidad y c ∈ R,
entonces (c - λ) es autovalor de B con autovector X.
__________________________________________________________________________
17.9) Sea B ∈ Rn×n con autovalor λ y autovector asociado X, y sea A = P−1 BP donde P es una matriz
P
inversible. Probar que Y = P−1 X es autovector de A, y encontrar cuál es el correspondiente

P
autovalor.
17.10) Demostrar que si A y B son matrices semejantes de orden n (∃ P inversible tal que A = P−1 BP), P
entonces tienen el mismo polinomio característico.
Aplicaciones
Arte gráfica
• Aplicar la transformación lineal f: R2→R2 / f ( x, y ) = ( x + 0.5 y , y ) , al contorno del dibujo dado.
(0, 2)
(0, 1)
(−1, 1) (1, 1)
(0.5, 0.5)
(−1, 0) (1, 0)
(0, 0)
Cálculo de potencias de una matriz

• Demostrar que si la matriz A ∈ Rn×n es semejante con una matriz diagonal D verificándose que
A = P−1 D P entonces A k= P−1 D kP, con k ∈ N.
P P
• Calcular las potencias indicadas de las siguientes matrices

⎛ 1 1/ 4 0⎞ ⎛ 3 −1 0 ⎞
⎛ 1 0⎞ ⎜ ⎟ ⎜ ⎟
A = ⎜⎜ ⎟⎟ → A ; B = ⎜ 0 1 / 2 0 ⎟ → B ; C = ⎜ − 1 2 − 1⎟ → C k , k ∈ N .
10 100
⎝ −1 2⎠ ⎜ 0 1/ 4 1⎟ ⎜ 0 −1 3 ⎟
⎝ ⎠ ⎝ ⎠
Aplicación a un sistema dinámico

En muchas aplicaciones es necesario modelar matemáticamente un sistema que evoluciona en el
tiempo. Algunas características del sistema se miden a intervalos de tiempo con lo cual se produce una
secuencia de vectores x0, x1,...... Las componentes de cada xk contienen la información acerca del estado
del sistema al momento de la k-ésima medición.
Si existe una matriz A tal que x1 = Ax0, x2 = Ax1, y en general

xk+1 = Axk para k = 0, 1, 2, 3,...
a esta ecuación se la llama ecuación lineal en diferencias y al sistema que representa, sistema lineal
dinámico discreto.
A fin de ilustrar como algunas ideas desarrolladas en este trabajo práctico que se pueden aplicar en
estos casos, plantearemos el siguiente problema sobre movimiento de poblaciones. Vamos a analizar como
cambian las poblaciones urbanas y rurales en una región dada durante un período de varios años. Fijemos
un año inicial, por ejemplo el 2000 y llamemos u0 y r0 a las poblaciones urbanas y rurales respectivamente
en ese año:
__________________________________________________________________________
⎛ r0 ⎞
x 0 = ⎜⎜ ⎟⎟ con u0 población urbana en el año 2000 y r0 población rural en el año 2000.
⎝ u0 ⎠
Para los años 2001 y subsiguientes emplearemos la notación
⎛r ⎞ ⎛r ⎞ ⎛ r3 ⎞
x1 = ⎜⎜ 1 ⎟⎟ x 2 = ⎜⎜ 2 ⎟⎟ x 3 = ⎜⎜ ⎟⎟ .........
⎝ u1 ⎠ ⎝ u2 ⎠ ⎝ u3 ⎠
Supongamos que estudios demográficos revelan que cada año, el 5 % de la población rural se muda
a centros urbanos y el 3 % de la población urbana se muda al zonas rurales (estos valores no son reales
sino apropiados para las cuentas de este ejercicio). Después de un año, la cantidad original u0 de personas
en zonas urbanas se han distribuido entre la ciudad y el campo de la siguiente manera
⎛ 0.95 r0 ⎞ ⎛ 0.95 ⎞
⎜⎜ ⎟⎟ = r0 ⎜⎜ ⎟⎟ (primera fila permanecen en zonas rurales, segunda fila se mudan a zonas urbanas)
⎝ 0.05 r0⎠ ⎝ 0 .05 ⎠
y para la población urbana será
⎛ 0.03 u 0 ⎞ ⎛ 0.03 ⎞
⎜⎜ ⎟⎟ = u 0 ⎜⎜ ⎟⎟ (primera fila se mudan a zonas rurales, segunda fila permanecen en zonas urbanas)
⎝ 0.97 u 0⎠ ⎝ 0 .97 ⎠
De esta forma
⎛r ⎞ ⎛ 0.95 ⎞ ⎛ 0.03 ⎞ ⎛ 0.95 0.03 ⎞ ⎛ r0 ⎞
x1 = ⎜⎜ 1 ⎟⎟ = r0 ⎜⎜ ⎟⎟ + u 0 ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ , es decir x1 = M x 0 donde M es la matriz de
⎝ 1⎠
u ⎝ 0 . 05 ⎠ ⎝ 0.97 ⎠ ⎝ 0.05 0.97 ⎠ ⎝ u0 ⎠
⎛ 0.95 0 .03 ⎞
migración determinada por M = ⎜⎜ ⎟ . Si los porcentajes de migración permanecen
⎝ 0.05 0 .97 ⎟⎠
constantes, para el cambio del 2001 al 2002 será x 2 = M x1 y el cambio del año k-ésimo al k+1 – ésimo
será x k +1 = M x k . La secuencia de vectores {x1, x2, x3, …} describe la evolución en el tiempo de la
población en zonas rurales y urbanas.
Supongamos que la población total en la región en estudio, en el año 2000 es de 1000000 de

personas con 600000 habitantes en zonas urbanas. ¿Cómo sería el comportamiento a largo plazo de este
⎛ 400000 ⎞
sistema? En este caso sería x0 = ⎜⎜ ⎟⎟ . Buscamos los autovalores y autovectores de M y obtenemos
⎝ 600000 ⎠
⎛ 3⎞ ⎛ 1⎞
λ1=1 con autovector v1 = ⎜⎜ ⎟⎟ y λ2 = 0.92 con autovector v 2 = ⎜⎜ ⎟⎟ . El siguiente paso es escribir x0 como
⎝ 5⎠ ⎝ − 1⎠
combinación lineal de v1 y v2 obteniendo x0 = 125000 v1 + 25000 v2. Ahora se reemplaza x0 para obtener x1
en
⎛ 3⎞ ⎛ 1⎞
x1 = M x 0 y así sucesivamente para obtener x k +1 = M x k = 125000 ⎜⎜ ⎟⎟ + 25000 (0.92) k ⎜⎜ ⎟⎟ (k = 0,1, 2, .....)
⎝ 5⎠ ⎝ − 1⎠
lo que nos da la solución explícita a nuestra ecuación en diferencias x k +1 = M x k . Por otra parte, cuando
⎛ 375000 ⎞
k→∞ vemos que xk→ 125000 v1 = ⎜⎜ ⎟⎟ . La población rural tiende a estabilizarse en 375000 habitantes
⎝ 625000 ⎠
y la urbana en 625000. (Verificar que M es una matriz de Markov).
• Suponga una población de cierta especie donde no hay nacimientos en la que cada año el 2% de la
población joven se vuelve vieja y el 3% de la población vieja muere. Comprobar que una ecuación
en diferencias para este sistema es
__________________________________________________________________________
⎛ Joven ⎞ ⎛ 0.98 0.00 0 ⎞ ⎛ Joven ⎞
⎜ ⎟ ⎜ ⎟⎜ ⎟
⎜ Vieja ⎟ = ⎜ 0.02 0.97 0 ⎟ ⎜ Vieja ⎟ . Demostrar que el estado estacionario del sistema según esta
⎜ Muerta ⎟ ⎜ ⎟⎜ ⎟
⎝ ⎠ k +1 ⎝ 0.00 0.03 1 ⎠ ⎝ Muerta ⎠ k
⎛ 0⎞
⎜ ⎟
ecuación es x f = ⎜ 0 ⎟ , es decir, toda la población muerta.
⎜1 ⎟
⎝ ⎠
• La fracción de autos alquilados por una empresa en una ciudad, es el 2% del total de autos que
posee y fuera de esa ciudad alquila el 98% restante. Si cada mes esas fracciones son multiplicadas
⎛ 0.80 0.05 ⎞
por la matriz de Markov A = ⎜⎜ ⎟⎟ encontrar la expresión para las fracciones alquiladas
⎝ 0.20 0.95 ⎠
dentro y fuera de la ciudad en un mes posterior cualquiera y encontrar el estado estacionario del
sistema.
Ecuación general de segundo grado con dos variables. Vínculo con matrices, autovalores y
autovectores.
La ecuación general de segundo grado puede expresarse como
a1,1 x 2 + 2a1, 2 x y + a 2, 2 y 2 + 2a1,3 x + 2a 2,3 y + a 3,3 = 0 .
Así se resalta el hecho que puede expresarse en forma matricial mediante
⎛ a1,1 a1, 2 a1,3 ⎞⎛ x ⎞
⎜ ⎟⎜ ⎟
(x y 1)⎜ a 2,1 a 2, 2 a 2,3 ⎟⎜ y ⎟ = 0 ⇒ X T AX = 0
⎜a ⎟⎜ ⎟
⎝ 3,1 a 3, 2 a 3,3 ⎠⎝ 1 ⎠
donde X T = ( x y 1) y A es una matriz simétrica.
Por los grados de los términos, la ecuación general de segundo grado admite asociarla en
Forma cuadrática: a1,1 x 2 + 2a1, 2 x y + a 2, 2 y 2
Forma lineal: 2a1,3 x + 2a 2,3 y
Término independiente: a 3, 3
Para destacar los distintos términos, también se puede expresar como:

⎛a a ⎞ x
(x y )⎜⎜ 1,1 1, 2 ⎟⎟⎛⎜⎜ ⎞⎟⎟ + 2(a1,3 a 2,3 )⎛⎜⎜ ⎞⎟⎟ + a3,3 = 0 .
x
⎝ a1, 2 a 2, 2 ⎠⎝ y ⎠ ⎝ y⎠
Llamando
⎛ x⎞ ⎛ a1,1 a1, 2 ⎞ ⎛a ⎞
X = ⎜⎜ ⎟⎟ , A3,3 = ⎜⎜ ⎟⎟ , A3 = ⎜⎜ 1,3 ⎟⎟
⎝ y⎠ ⎝ a1, 2 a 2, 2 ⎠ ⎝ a 2, 3 ⎠
es posible escribir la ecuación en la siguiente forma matricial
X T A3,3 X + 2 A3T X + a 3,3 = 0
donde A3,3 también es simétrica.
Eliminación del término de producto cruzado. Si el coeficiente a1,2≠0, la cónica (elipse, hipérbola o
parábola, o algún caso degenerado de ellas) que representa la ecuación está girada con respecto a la
posición que generalmente se estudia (ejes principales paralelos a los ejes coordenados x y). Se requiere
__________________________________________________________________________
girar los ejes de referencia habituales de modo que la ecuación de la cónica en el nuevo sistema x’ y’ no
contenga término de producto cruzado. Esto se puede lograr mediante la sucesión de acciones siguiente.
Paso 1. Encontrar una matriz P que diagonalice ortogonalmente la forma cuadrática X T A3,3 X .
Observación: P estará constituida por una base ortonormal de autovectores de A3,3.
Paso 2. Intercambiar las columnas de P en caso de ser necesario, para hacer det( P ) = 1 , de modo que P
resulta matriz ortogonal propia y geométricamente el cambio de coordenadas se corresponde en forma
estricta a una rotación (en caso que P sea ortogonal impropia se corresponde con una rotación y una
reflexión de uno de los ejes y no resulta conveniente).
Paso 3. Para obtener la ecuación en el sistema x’y’ se sustituye X = PX ′ . Así
(PX ′)T A3,3 (PX ′) + 2 A3T (PX ′) + a3,3 = 0
( X ′)T ( P T A3,3 P) X ′ + 2( A3T P) X ′ + a3,3 = 0 .
Como P diagonaliza ortogonalmente a A,
⎛λ 0⎞
P T AP = P −1 AP = ⎜⎜ 1 ⎟⎟
⎝ 0 λ2 ⎠
Donde λ1 y λ2 son autovalores de A. Así, la ecuación queda
⎛λ 0⎞ ⎛ p1,1 p1, 2 ⎞
(x ′ y ′)⎜⎜ 1 ⎟⎟( x ′ y ′) + 2(a1,3 a 2,3 )⎜⎜ ⎟⎟( x ′ y ′) + a 3,3 = 0 ,
⎝ 0 λ2 ⎠ ⎝ p 2,1 p 2, 2 ⎠
o bien
λ 1 x ′ 2 + λ 2 y ′ 2 + 2a1′,3 x ′ + 2a ′2,3 y + a 3,3 = 0 .
Esta ecuación no contiene término de producto cruzado.
Como X = PX ′ ⇒ P −1 X = X ′ ⇒ X ′ = P T X .
Los transformados de los versores canónicos iˆ , ĵ son
⎛ p1,1 p1, 2 ⎞⎛ 1 ⎞ ⎛ p1,1 ⎞ ⎛ p1,1 p1, 2 ⎞⎛ 0 ⎞ ⎛ p 2,1 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ , ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ p 2,1 p 2, 2 ⎠⎝ 0 ⎠ ⎝ p1, 2 ⎠ ⎝ p 2,1 p 2, 2 ⎠⎝ 1 ⎠ ⎝ p 2, 2 ⎠
{ }
De modo que la base iˆ ′ = ( p1,1 , p1, 2 ); ˆj ′ = ( p 2,1 , p 2, 2 ) indica la orientación de los nuevos ejes.
Eliminación de los términos lineales. Una vez eliminado el término cruzado, los términos lineales se
eliminan completando cuadrados.
Por ejemplo, si λ 1 ≠ 0 , λ 2 ≠ 0 , a1′,3 ≠ 0 y a 2′ ,3 ≠ 0 la ecuación luego de aplicarle la rotación se puede
presentar:
⎛ a1′,3 ⎞ ⎛ a ′2,3 ⎞
λ 1 ⎜⎜ x ′ 2 + 2 x ′ ⎟⎟ + λ 2 ⎜⎜ y ′ 2 + 2 y ′ ⎟ + a 3, 3 = 0
⎝ λ1 ⎠ ⎝ λ 2 ⎟⎠
⎡ a1′,3 ⎛ a1′,3 ⎞
2
⎛ a1′,3 ⎞ ⎤
2
⎡ a ′2,3 ⎛ a ′2,3 ⎞
2
⎛ a ′2,3 ⎞ ⎤
2
λ1 ⎢ x′ + 2
2
x ′ + ⎜⎜ ⎟⎟ − ⎜⎜ ⎟⎟ ⎥ + λ 2 ⎢ y ′ + 2 2
y ′ + ⎜⎜ ⎟⎟ − ⎜⎜ ⎟⎟ ⎥ + a 3,3 = 0
⎢⎣ λ1 λ
⎝ 1 ⎠ λ
⎝ 1 ⎠ ⎦ ⎥ ⎢ λ λ
⎝ 2 ⎠ λ
⎝ 2 ⎠ ⎥⎦
⎣ 2
2 2
a1′,3 ⎞ a ′2,3 ⎞ a1′,3 a 2′ ,3
2 2
⎛ ⎛
λ 1 ⎜⎜ x ′ + ⎟ + λ 2 ⎜⎜ y ′ + ⎟ + a 3, 3 − − =0
⎝ λ 1 ⎟⎠ ⎝ λ 2 ⎟⎠ λ1 λ2
__________________________________________________________________________
⎧ a1′,3
⎪ x ′′ = x ′ +
⎪ λ1
Se propone la traslación ⎨ , de donde se obtiene la forma canónica de la ecuación
a 2′ ,3
⎪ y ′′ = y ′ +
⎪⎩ λ2
a1′,3 a 2′ ,3
2 2
λ 1 x ′′ + λ 2 y ′′ + a 3,3 −
2 2
− = 0,
λ1 λ2
cuyos elementos son fácilmente identificables.
y
y’’ x’’
y’
x’
Ejemplo 1. Graficar la cónica cuya ecuación es 5 x 2 − 4 xy + 8 y 2 − 3 = 0 .

Escrita en la forma X T A3,3 X + 2 A3T X + a 3,3 = 0 :
⎛ 5 − 2 ⎞⎛ x ⎞ ⎛ x⎞
(xy )⎜⎜ ⎟⎟⎜⎜ ⎟⎟ + 2(0 0)⎜⎜ ⎟⎟ − 36 =0
⎝ − 2 8 ⎠⎝ y ⎠ ⎝ y ⎠Término{independiente
144424443 14243
Forma cuadrática Forma lineal
Para eliminar el témino cruzado hay que hallar la matriz P, se calcula el polinomio característico
λ−5 2
det(λI − A) = = (λ − 5)(λ − 8) − 2 2 = λ2 − 13λ + 36 = (λ − 9)(λ − 4) .
2 λ −8
El subespacio de autovectores asociado al autovalor λ=4,
⎛ −1 2 0⎞
⎜⎜ ⎟⎟ ⇒ − x + 2 y = 0 ⇒ x = 2 y ∀y ; S λ = 4 = {(2 y, y ) ∀y ∈ R}; B S ( λ = 4 ) = {( 2,1)},
⎝ 2 − 4 0⎠
⎧⎛ 2 1 ⎞⎫
base ortonormalizada: ⎨⎜⎜ , ⎟⎟⎬ .
⎩ ⎝ 5 5 ⎠⎭
El subespacio de autovectores asociado al autovalor λ=9,

⎛ 4 2 0⎞
⎜⎜ ⎟⎟ ⇒ 2 x + y = 0 ⇒ y = −2 x ∀x ; S λ =9 = {( x,−2 x) ∀x ∈ R}; B S ( λ =9 ) = {(1,−2)}
⎝ 2 1 0⎠
⎧⎛ 1 2 ⎞⎫
base ortonormalizada: ⎨⎜⎜ ,− ⎟⎟⎬ .
⎩⎝ 5 5 ⎠⎭
__________________________________________________________________________
⎛ 2 1 ⎞
⎜ ⎟
La matriz de pasaje P ortogonal será ⎜ 5 5 ⎟.
⎜ 1 2 ⎟
⎜ − ⎟
⎝ 5 5⎠
Dado que el det(P)=−1 (ortogonal impropia), usamos el opuesto del vector base de Sλ=9. Queda
⎛ 2 1 ⎞
⎜ − ⎟
P=⎜ 5 5⎟.
⎜ 1 2 ⎟
⎜ ⎟
⎝ 5 5 ⎠
⎧ ⎛ 2 1 ⎞ ⎛ 1 2 ⎞⎫
Las orientaciones de los nuevos versores son ⎨vˆ1 = ⎜⎜ , ⎟⎟; vˆ 2 = ⎜⎜ − , ⎟⎟⎬ .
⎩ ⎝ 5 5 ⎠ ⎝ 5 5 ⎠⎭
Aplicando la rotación a la ecuación dada, a partir de X = PX ′ .

(PX ′)T A3,3 (PX ′) + 2 A3T (PX ′) + a3,3 = 0 ⇒ ( X ′)T ( P T A3,3 P) X ′ + 2( A3T P) X ′ + a3,3 = 0 .
⎛ 5 − 2 ⎞ ⎛ x' ⎞ ⎛ x' ⎞
( x'
y ')P T ⎜⎜ ⎟⎟ P⎜⎜ ⎟⎟ + 2(0 0)P⎜⎜ ⎟⎟ − 36 = 0
⎝ − 2 8 ⎠ ⎝ y' ⎠ ⎝ y' ⎠
4 0 ⎞⎛ x' ⎞
(x' y')⎛⎜⎜ ⎟⎟⎜⎜ ⎟⎟ − 3 = 0 ⇒ 4 x' 2 +9 y ' 2 −36 = 0
⎝ 0 9 ⎠⎝ y ' ⎠
Dividiendo por 36, resulta la ecuación canónica correspondiente a una elipse con centro en el origen
x ′ 2 y' 2 x′ 2 y' 2
+ =1⇒ 2 + 2 =1
9 4 3 2
Con semieje mayor paralelo al eje x’ de longitud 3, y semieje menor paralelo al eje y’ de longitud 2.
y
y’
x’
20 80
Ejemplo2. Graficar la cónica cuya ecuación es 5 x 2 − 4 xy + 8 y 2 + x− y + 4=0.
5 5
Escrita en la forma X T A3,3 X + 2 A3T X + a 3,3 = 0 :
⎛ 5 − 2 ⎞⎛ x ⎞ ⎛ 10 40 ⎞⎛ x ⎞
(xy )⎜⎜ ⎟⎟⎜⎜ ⎟⎟ + 2⎜⎜ − ⎟⎟⎜⎜ ⎟⎟ +{4 =0
⎝ − 2 8 ⎠ ⎝ y ⎠ ⎝ 5 5 ⎠ ⎝ y ⎠Término independiente
144424443 144 42444 3
Forma cuadrática Forma lineal
Se utiliza la misma transformación que en el ejemplo 1.
__________________________________________________________________________
⎛ 2 1 ⎞
⎜ − ⎟ ⎧
P= ⎜ 5 5 ⎟ ; ⎨vˆ = ⎛⎜ 2 , 1 ⎞⎟; vˆ = ⎛⎜ − 1 , 2 ⎞⎟⎫⎬ .
⎜ 1 2 ⎟ ⎩ 1 ⎜⎝ 5 5 ⎟⎠ 2 ⎜⎝ 5 5 ⎠⎭
⎟
⎜ ⎟
⎝ 5 5 ⎠
Aplicando la rotación a la ecuación dada, a partir de X = PX ′ .
(PX ′)T A3,3 (PX ′) + 2 A3T (PX ′) + a3,3 = 0 ⇒ ( X ′)T ( P T A3,3 P) X ′ + 2( A3T P) X ′ + a3,3 = 0 .
⎛ 2 1 ⎞
⎜ − ⎟
⎛ 5 − 2 ⎞ ⎛ x' ⎞ ⎛ 10 40 ⎞⎜ 5 ⎟⎛⎜ x' ⎞⎟ + 4 = 0
(x' y ')P T ⎜⎜ ⎟⎟ P⎜⎜ ⎟⎟ + 2⎜⎜ − ⎟⎟ 5
2 ⎟⎜⎝ y ' ⎟⎠
⎝ − 2 8 ⎠ ⎝ y'⎠ ⎝ 5 5 ⎠⎜ 1
⎜ ⎟
⎝ 5 5 ⎠
⎛ 4 0 ⎞⎛ x' ⎞ ⎛ x' ⎞
(x' y ')⎜⎜ ⎟⎟⎜⎜ ⎟⎟ + 2(− 4 − 18)⎜⎜ ⎟⎟ + 4 = 0 ⇒ 4 x' 2 +9 y ' 2 −8 x'−36 y '+4 = 0
⎝ 0 9 ⎠⎝ y ' ⎠ ⎝ y'⎠
4( x' 2 −2 x' ) + 9( y ' 2 −4 y ' ) + 4 = 0 ⇒ 4( x' 2 −2 x'+1 − 1) + 9( y ' 2 −4 y '+4 − 4) + 4 = 0
4( x' 2 −2 x'+1) + 9( y ' 2 −4 y '+4 − 4) + 4 − 4 − 36 = 0
4( x'−1) 2 + 9( y '−2) 2 = 36
( x'−1) 2 ( y '−2) 2
+ =1
9 4
⎧ x ′′ = x ′ − 1
Al proponer la traslación ⎨ , resulta la forma canónica de una elipse
⎩ y ′′ = y ′ − 2
x ′′ 2 y ′′ 2
+ 2 = 1.
32 2
y’’
y x’’
y’
x’
• Aplicar el procedimiento anterior para identificar y graficar las siguientes cónicas (o sus
degeneraciones).
a) 4 x 2 − 24 xy + 11y 2 + 56 x − 58 y + 95 = 0 ; b) 4 x − 12 xy + 9 y − 8 13x − 14 13 y + 117 = 0
2 2
c) 11x 2 + 24 xy + 4 y 2 − 15 = 0 ; d) x 2 − 2 xy + y 2 = 0 ; e) 9 x 2 + 12 xy + 4 y 2 − 52 = 0 .
__________________________________________________________________________
U.T.N. − F.R.Haedo Álgebra y Geometría Analítica
RESPUESTAS TRABAJO PRÁCTICO N° 5 TRANSFORMACIONES LINEALES
Ejercicio 1.
Transformación Inyectiva Suryectiva Biyectiva
1 Si Si Si
2 No No No
3 Si Si Si
4 No Si No
Ejercicio 2.
2.1) Es transformación lineal (T.L.); se corresponde con una proyección sobre el eje y para luego efectuar
una rotación en π/2 en sentido antihorario.
2.2) Es T.L.; transformación cizallante de factor 1 en la dirección del eje x.
r r r r
⎧ x = (2,5) ; y = (3,4) x + y = (5,9)
⎪ r r
f (x ) + f ( y ) ≠ f (x + y )
r r
⎪
2.3) No es T.L. Contraejemplo ⎨ .
⎪ (10 ,0 ) + (12 ,0 ) ≠ (5 ⋅ 9 ,0 )
⎪⎩ (22,0) ≠ (45,0)
r r r r
⎧ x = (2,5); y = (3,4) x + y = (5,9 )
⎪ f ( r
x ) + f ( r
y ) ≠ f ( r r
x + y)
⎪⎪
2.4) No es T.L. Contraejemplo ⎨(2 − 1,5 + 2) + (3 − 1,4 + 2) ≠ (5 − 1,9 + 2 ) .
⎪ (1,7 ) + (2,6) ≠ (4,11)
⎪
⎪⎩ (3,13) ≠ (4,11)
3
2.5) Es T.L. Transformación identidad en R ; 2.6) Es T.L.
2.7) Es T.L.; transformación nula de R3 a R2; 2.8) Es T.L.; 2.9) Es T.L.
⎧ r ⎛ 1 2⎞ r ⎛ 2 −1⎞ r r ⎛ 3 1⎞
⎪ x = ⎜⎜ ⎟⎟ ; y = ⎜⎜ ⎟⎟ x + y = ⎜⎜ ⎟⎟
⎪ ⎝ − 3 5 ⎠ ⎝ 7 − 5 ⎠ ⎝ 4 0 ⎠
r r r r
⎪ f (x ) + f ( y ) ≠ f ( x + y )
⎪
2.10) No es T.L. Contraejemplo ⎨ 5 − (− 6 ) + (−10) − (− 7 ) ≠ 0 − 4 .
⎪ 11 + (− 3) ≠ −4
⎪
⎪ 8 ≠ −4
⎪
⎩
2.11) Es T.L.; 2.12) Es T.L.
Ejercicio 3.
3.1) i. Sí es suficiente; f (2,0,2) = f [(1,−1,2) + (1,1,0)] = f (1,−1,2) + f (1,1,0) = (0,3,1) + (1,2,−1) = (1,5,0) .
ii. No. {(1,−1,2); (1,1,0)} no es base de R3.
Es posible hallar los transformados de los vectores: (a; b; c ) / − a + b + c = 0 .
3.2) No. (− 2,2,−4) = (− 2)⋅ (1,−1,2) ∧ f (− 2,2,−4) ≠ (− 2) ⋅ f (1,−1,2)
⎛ 1 ⎞
3.3) Si: {(1,−1,2); (1,1,−4); (1;0;−2)} es base de R3. f : R 3 → R 3 / f ( x, y, z ) = ⎜⎜ 0,−2 y + z , x ⎟⎟
⎝ 2 ⎠
3.4) {(1,−1); (1,1)} es base de R .2
_________________________________________________________________________
UTN – FRH Álgebra y Geometría Analítica – Respuestas Trabajo Práctico 5 – Página 1
r r
∀ x ∈ R 2 : x = α ⋅ (1,−1) + β ⋅ (1,1) y esta combinación lineal es única, por ser combinación lineal de
vectores de una base.
r
Luego: f ( x ) = α. ⋅ f (1,−1) + β ⋅ f (1,1) , que es también combinación lineal única.
f ( x; y ) = (4 x − 2 y ,− x − 3 y ) .
3.5) Existe la transformación lineal f , pero no es única: {(1,−1,2); (1,1,−4); (0,−2,6)}, no es base para R3
(Observación: (0,−2,6) = (1,−1,2) − (1,1,−4) .
Para definir alguna transformación lineal, basta con completar el conjunto {(1,−1,2); (1,1,−4)} , a una
base para R3 y determinar el transformado de dicho vector.
⎧ f (1,−1,2 ) = (0,3,1)
⎪ ⎛ 1 ⎞
Ejemplo 1: si ⎨ f (1,1,−4) = (0,−4,1) ⇒ f1 : R 3 → R 3 / f1 ( x, y, z ) = ⎜⎜ 0,−2 y + z,−3 y − z ⎟⎟ .
⎪ f (1,0,0) = (0,0,0) ⎝ 2 ⎠
⎩
⎧ f (1,−1,2) = (0,3,1)
⎪
Ejemplo 2: si: ⎨ f (1,1,−4) = (0,−4,1) ⇒
⎪ f (0,1,0 ) = (1,1,1)
⎩
⎛1 1 3 4 1 ⎞
f 2 : R 3 → R 3 / f 2 ( x, y, z ) = ⎜⎜ x + y + z, x + y + z, x + y + z ⎟⎟ .
⎝3 3 2 3 3 ⎠
Ejercicio 4.
⎛1 0 1 0 ⎞
⎛1 1⎞ ⎛ 1 1 0 − 3⎞ ⎜ ⎟
4.1) A = ⎜⎜ ⎟⎟ ; 4.2) A = ⎜⎜ ⎟⎟ ; 4.3) A = (0 0 0) ; 4.4) A = ⎜ 0 2 0 0 ⎟ .
⎝ 2 2⎠ ⎝2 0 − 2 1 ⎠ ⎜ 1 0 0 − 1⎟
⎝ ⎠
Ejercicio 5.
⎛1 0 ⎞
f1 ( x, y ) = ( x,− y ), A1 = ⎜⎜ ⎟⎟ , reflexión con respecto al eje x.
⎝ 0 − 1⎠
⎛ −1 0⎞
f 2 ( x, y ) = (− x, y ), A2 = ⎜⎜ ⎟⎟ , reflexión con respecto al eje y.
⎝ 0 1⎠
⎛0 1⎞
f 3 ( x, y ) = ( y, x), A3 = ⎜⎜ ⎟⎟ , reflexión con respecto a la recta y = x.
⎝1 0⎠
⎛ 2 2 2 2 ⎞
f 4 ( x, y ) = ⎜⎜ x− y, x+ y ⎟⎟ ,
⎝ 2 2 2 2 ⎠
⎛ cos(π / 4) − sen(π / 4) ⎞ ⎛ 2 / 2 − 2 / 2 ⎞
A4 = ⎜⎜ ⎟⎟ = ⎜⎜ ⎟,
⎝ sen (π / 4) cos(π / 4) ⎠ ⎝ 2 / 2 2 / 2 ⎟⎠
rotación en π/4 alrededor del origen con sentido antihorario.
⎛ 2 2 2 2 ⎞ ⎛ − 2 / 2 − 2 / 2⎞
f5 ( x, y ) = ⎜⎜ − x− y ,− x+ y ⎟⎟ , A5 = ⎜⎜ ⎟,
⎝ 2 2 2 2 ⎠ ⎝− 2 / 2 2 / 2 ⎟⎠
composición de dos transformaciones: una rotación en π/4 alrededor del origen con sentido horario (g)
y una reflexión con respecto al eje y (h), esto es h o g ⇒ Ah⋅Ag.
⎛ − 1 0 ⎞⎛ cos(−π / 4) − sen (−π / 4) ⎞ ⎛ − 1 0 ⎞⎛ 2 / 2 2 / 2⎞ ⎛ − 2 / 2 − 2 / 2⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟⎜⎜ ⎟= ⎜ ⎟
⎝ 0 1 ⎠⎝ sen ( − π / 4) cos( − π / 4) ⎠ ⎝ 0 1 ⎠⎝ − 2 / 2 2 / 2 ⎟⎠ ⎜− 2 / 2
⎝ 2 / 2 ⎟
⎠
_________________________________________________________________________
⎛k 0⎞
f 6 ( x, y ) = (kx, y ), A6 = ⎜⎜ ⎟, k > 1 , expansión en la dirección del eje x con factor k > 1.
⎝0 1 ⎟⎠
⎛k 0⎞
f 7 ( x, y ) = (kx, y ), A7 = ⎜⎜ ⎟,0 < k < 1 , compresión en la dirección del eje x con factor k < 1.
⎝0 1 ⎟⎠
⎛1 0⎞
f8 ( x, y ) = ( x, ky ), A8 = ⎜⎜ ⎟, k > 1 , expansión en la dirección del eje y con factor k > 1.
⎝0 k ⎟⎠
⎛1 k ⎞
f 9 ( x, y ) = ( x + ky, y ), A9 = ⎜⎜ ⎟⎟, k > 0 , deslizamiento cortante en la dirección del eje x con factor k >
⎝0 1⎠
0.
⎛ 1 0⎞
f10 ( x, y ) = ( x, kx + y ), A10 = ⎜⎜ ⎟⎟, k > 0 , deslizamiento cortante en la dirección del eje y con factor k
⎝ k 1⎠
> 0.
Ejercicio 6.
⎛1.5 0 ⎞
Caso 1: f ( x, y ) = (1.5 x,1.5 y ) , cambio de escala en un factor 1.5, A = ⎜⎜ ⎟⎟ .
⎝ 0 1.5 ⎠
Caso 2: f ( x, y ) = (−1.5 x,−1.5 y ) , cambio de escala en un factor 1.5 y rotación en π alrededor del origen,
⎛ − 1.5 0 ⎞
A = ⎜⎜ ⎟⎟ .
⎝ 0 − 1. 5 ⎠
⎛ −1 0⎞
Caso 3: f i ( x, y ) = (− x, y ) , reflexión con respecto al eje y, Ai = ⎜⎜ ⎟⎟ .
⎝ 0 1 ⎠
⎛ 0 − 1⎞
f ii ( x, y ) = (− y, x) , rotación en π/2 alrededor del origen con sentido antihorario, Aii = ⎜⎜ ⎟⎟ .
⎝ 1 0 ⎠
⎛ 2 2 2 2 ⎞
Caso 4: f ( x, y ) = ⎜⎜ x− y, x+ y ⎟ , rotación en π/4 alrededor del origen con sentido
⎝ 2 2 2 2 ⎟⎠
⎛ cos(π / 4) − sen (π / 4) ⎞ ⎛ 2 / 2 − 2 / 2 ⎞
antihorario, A = ⎜⎜ ⎟⎟ = ⎜⎜ ⎟.
⎝ sen (π / 4) cos(π / 4) ⎠ ⎝ 2 / 2 2 / 2 ⎟⎠
⎛ −1 0 0⎞
⎜ ⎟
Caso 5: f i ( x, y, z ) = (− x, y, z ) , reflexión con respecto al plano coordenado (yz), Ai = ⎜ 0 1 0 ⎟ .
⎜ 0 0 1⎟
⎝ ⎠
f ii ( x, y, z ) = (− x,− y, z ) , rotación en π con respecto al eje z en sentido antihorario,
⎛ −1 0 0⎞
⎜ ⎟
Aii = ⎜ 0 − 1 0 ⎟ .
⎜ 0 0 1⎟
⎝ ⎠
Ejercicio 7.
Caso 1: a) Im(f): recta sobre la cual se proyecta; Im( f ) = {( x, y ) ∈ R 2 / y = x}.
Nu(f): recta que pasa por el origen y es perpendicular a aquella sobre la que se proyecta;
Nu ( f ) = {( x, y ) ∈ R 2 / y = − x}.
b) λ=0; S λ =0 = Nu ( f ) = {( x, y ) ∈ R 2 / y = − x}.
_________________________________________________________________________
λ=1; S λ =1 = Im( f ) = {( x, y ) ∈ R 2 / y = x} (los vectores de este subespacio son invariantes).
No puede haber otro valor de λ pues esta transformación, salvo para los vectores que
pertenecen a la recta y = x implica cambio de dirección.
⎛1 1 1 1 ⎞ ⎛1 / 2 1 / 2 ⎞
c) f ( x, y ) = ⎜ x + y, x + y ⎟ ; A = ⎜⎜ ⎟⎟ .
⎝2 2 2 2 ⎠ ⎝1 / 2 1 / 2 ⎠
{ }
r
Caso 2: a) Im(f)≡R2; Nu(f)= 0 R 2 .
b) λ=1; S λ =1 = {( x, y ) ∈ R 2 / y = x} (los vectores que pertenecen a la recta sobre la que se
refleja; subespacio invariante).
λ=−1; S λ = −1 = {( x, y ) ∈ R 2 / y = − x} (los vectores que pertenecen a la recta que pasa por el
origen y es perpendicular a aquella sobre la que se refleja; cada vector se transforma en su
opuesto).
⎧a1,1 = a 2, 2 = 0
c) f(x, y) = (y, x); A = ((ai , j )) = 1 − δ i , j = ⎨ .
⎩ a1, 2 = a 2 ,1 = 1
Caso 3: a) Im(f): plano sobre el que se proyecta; Im( f ) = {( x, y, z ) ∈ R 3 / y = 0}.
Nu(f): recta que pasa por el origen y es perpendicular al plano sobre el que se proyecta;
Nu ( f ) = {( x, y, z ) ∈ R 3 / x = z = 0}.
b) λ=0; S λ =0 = Nu ( f ) = {( x, y, z ) ∈ R 3 / x = z = 0}.
λ=1; S λ =1 = Im( f ) = {( x, y , z ) ∈ R 3 / y = 0} (los vectores de este subespacio son invariantes).
⎧1 si (i = j = 1) ∨ (i = j = 3)
c) f ( x, y , z ) = ( x,0, z ) ; A = ((ai , j )) = δ i , j − δ 2, 2 = ⎨ .
⎩0 en otro caso
Caso 4: a) Im(f): plano sobre el que se proyecta≡π.
Nu(f): recta que pasa por el origen y es perpendicular al plano sobre el que se proyecta;
r r
nπ ⋅ x = 0 .
b) λ = 0; S λ =0 = Nu ( f ) . λ = 1; S λ =1 = Im( f ) .
c) π ≡ x + y + z = 0.
Caso 5: a) f ( x, y , x) = (0,0,0) es transformación lineal;
{ }
r
Im( f ) = 0 R 3 , dim[Im(f )] = 0; Nu(f )=R3, dim[Nu(f )] = 3.
r
b) Nu(f): el conjunto de todos los vectores paralelos a v0 ;
Nu ( f ) = {x ∈ R 3 / x = αv0 ∀α ∈ R}.
r r r
r
Im(f): plano que pasa por el origen y es perpendicular a v0 ;
Im( f ) = {( x, y, z ) ∈ R 3 / ax + by + cz = 0}.
⎛ 0 c − b⎞
⎜ ⎟
f ( x, y , z ) = (cy − bz ,−cx + az , bx − ay ) ; A = ⎜ − c 0 a ⎟.
⎜ b −a 0 ⎟
⎝ ⎠
r r
c) Si v0 = 0 , el único autovalor es λ=0 con Sλ=0 = R . 3
r r
Si v0 ≠ 0 , el único autovalor es λ=0 con Sλ=0 = Nu(f).
Ejercicio 8.
8.1) r’: x – y = 0; 8.2) r’: 2x – 7y = 0; 8.3) r’: 2x + y = 0; 8.4) r’: x – 2y = 0; 8.5) r’: (8+5 3 )x + 11y = 0
_________________________________________________________________________
Ejercicio 9.
9.1) Nu(f)= {( x1 , x 2 ) ∈ R 2 / x1 + x 2 = 0} = {( x1 ,− x1 ), ∀x1 ∈ R};
dim(Nu(f))=1; Base(Nu(f))={(1,–1)}
Im(f)= {(a, b) ∈ R 2 / b − 2a = 0} = {(a,2a), ∀a ∈ R} ; dim(Im(f))=1; Base(Im(f))= {(1, 2)}
9.2) Nu ( f ) = {( x1 , x 2 , x3 , x 4 ) ∈ R 4 / x1 + x 2 − 3 x 4 = 0 ∧ 2 x1 − 2 x3 + x 4 = 0} =
= {( x1 ,− x1 + 3 x 4 , x1 + 0.5 x 4 , x 4 ), ∀x1 , ∀x 4 ∈ R}
dim(Nu(f))=2; Base(Nu(f))= {(1,−1,1,0); (0,6,1,2)}
Im(f)= R2 ; dim(Im(f))=2; Base (Im(f))= {(0,1);(1, 0)}
9.3) Nu(f)= R2; dim(Nu(f))=2; Base(Nu(f))= {(0,1);(1, 0)}
Im(f)= {(a, b, c) ∈ R 3 / a = b = c = 0} = {(0,0,0)}; dim(Im(f))=0; Base(Im(f)): no posee
9.4) Nu(f)= {( x1 , x 2 , x3 ) ∈ R 3 / x1 = x 2 = x3 = 0} = {(0,0,0)} ; dim(Nu(f))=0; Base(Nu(f)): no posee
Im(f)= R3; dim(Im(f))=3; Base (Im(f))={(1,0,0); (0,1,0); (0,0,1)}
⎧⎛ x x2 ⎞ ⎫ ⎧⎛ x 0⎞ ⎫
9.5) Nu ( f ) = ⎨⎜⎜ 1 ⎟⎟ ∈ R 4 / x1 = − x3 = x4 ∧ x2 = 0⎬ = ⎨⎜⎜ 1 ⎟⎟, ∀x1 ∈ R ⎬
⎩⎝ x3 x4 ⎠ ⎭ ⎩⎝ − x1 x1 ⎠ ⎭
⎧⎛ 1 0 ⎞⎫
dim(Nu(f))=1; Base(Nu(f))= ⎨⎜⎜ ⎟⎟⎬
⎩⎝ − 1 1 ⎠⎭
Im(f)= R3; dim(Im(f))=3; Base(Im(f))= {(1,0,0); (0,1,0); (0,0,1)}
⎧⎛ x1 x2 x3 ⎞ ⎫
⎪⎜ ⎟
9.6) Nu ( f ) = {X ∈ R }
3×3 ⎪
/X =X T
= ⎨⎜ x2 x4 x5 ⎟, ∀xi ∈ R i = 1,2,3,4,5,6⎬ ; dim(Nu(f))=6
⎪⎜ x x6 ⎟⎠ ⎪
⎩⎝ 3 x5 ⎭
⎧⎛ 1 0 0 ⎞ ⎛ 0 1 0 ⎞ ⎛ 0 0 1 ⎞ ⎛ 0 0 0 ⎞ ⎛ 0 0 0 ⎞ ⎛ 0 0 0 ⎞⎫
⎪⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎪
Base(Nu(f)) = ⎨⎜ 0 0 0 ⎟; ⎜ 1 0 0 ⎟; ⎜ 0 0 0 ⎟; ⎜ 0 1 0 ⎟; ⎜ 0 0 1 ⎟; ⎜ 0 0 0 ⎟⎬
⎪⎜ 0 0 0 ⎟ ⎜ 0 0 0 ⎟ ⎜ 1 0 0 ⎟ ⎜ 0 0 0 ⎟ ⎜ 0 1 0 ⎟ ⎜ 0 0 1 ⎟⎪
⎩⎝ ⎠⎝ ⎠⎝ ⎠⎝ ⎠⎝ ⎠⎝ ⎠⎭
⎧⎛ 0 y1 y2 ⎞ ⎫
⎪⎜ ⎟
{ 3× 3
} ⎪
Im( f ) = Y ∈ R / Y = −Y = ⎨⎜ − y1 0 y3 ⎟, ∀yi ∈ R i = 1,2,3⎬ ; dim(Im(f))=3
T
⎪⎜ − y y 0 ⎟⎠ ⎪
⎩⎝ 2 3 ⎭
⎧⎛ 0 1 0 ⎞ ⎛ 0 0 1 ⎞ ⎛ 0 0 0 ⎞⎫
⎪⎜ ⎟⎜ ⎟⎜ ⎟⎪
Base(Im(f)) = ⎨⎜ − 1 0 0 ⎟; ⎜ 0 0 0 ⎟; ⎜ 0 0 1 ⎟⎬
⎪⎜ 0 0 0 ⎟ ⎜ − 1 0 0 ⎟ ⎜ 0 − 1 0 ⎟⎪
⎩⎝ ⎠⎝ ⎠⎝ ⎠⎭
{ }
9.7) Nu ( f ) = ax + bx + c ∈ P2 [ x] / a = b = 0 ; dim(Nu(f))=1; Base(Nu(f))={c, ∀c∈R}
2
Im( f ) = P1[ x] ; dim(Im(f))=2; Base(Im(f))= {x;1}

Ejercicio 10.
10.1) ∃ k∈R / dim(Nu(f))=2.
10.2) Por ejemplo, f : R 3 → R 3 / f ( x1 , x2 , x3 ) = ( − x1 − x2 − x3 , x1 + x2 + x3 , x1 + x2 + x3 ) .
10.3) a = 1 ∧ b = –1; 10.4) Por ejemplo, f : R 2 → R 2 / f ( x1 , x 2 ) = (−2 x1 + x 2 ,−4 x1 + 2 x 2 ) .
Ejercicio 11.
11.1) i. Nu ( f ) = {( x, y, z ) ∈ R 3 / x = y = 0}; recta coincidente con el eje z.
_________________________________________________________________________
Im ( f ) = {( x, y, z ) ∈ R 3 / z = 0}; plano coordenado xy.
ii. λ=0; S λ =0 = Nu ( f ) = {( x, y , z ) ∈ R 3 / x = y = 0}.
λ=–1; S λ = −1 = Im( f ) = {( x, y , z ) ∈ R 3 / z = 0}
⎛ cos θ − senθ 0 ⎞
⎜ ⎟
iii. f ( x, y, z ) = ( x cos θ − y senθ , x senθ + y cos θ , 0 ) ; A = ⎜ senθ cos θ 0 ⎟
⎜ 0 0 0 ⎟⎠
⎝
⎛1 0 0⎞
⎜ ⎟
iv. g ( x, y, z ) = ( x, y,0) ; Ag = ⎜ 0 1 0 ⎟
⎜ 0 0 0⎟
⎝ ⎠
⎛ cos θ − senθ 0 ⎞
⎜ ⎟
h ( x, y, z ) = ( x cos θ − y senθ , x senθ + y cos θ ,1 ) ; Ah = ⎜ senθ cos θ 0 ⎟
⎜ 0 0 1 ⎟⎠
⎝
⎛ x⎞ ⎛ ⎛ x ⎞⎞ ⎛ cos θ − senθ 0 ⎞ ⎛ 1 0 0 ⎞ ⎛ x ⎞ ⎛ cos θ − senθ 0 ⎞ ⎛ x ⎞ ⎛ x cos θ − y senθ ⎞
⎜ ⎟ ⎜ ⎜ ⎟⎟ ⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
(h o g ) ⎜ y ⎟ = h ⎜ g ⎜ y ⎟⎟ = ⎜ senθ cos θ 0 ⎟ . ⎜ 0 1 0 ⎟ ⎜ y ⎟ = ⎜ senθ cos θ 0 ⎟ ⎜ y ⎟ = ⎜ x senθ + y cos θ ⎟
⎜z⎟ ⎜ ⎜ z ⎟⎟ ⎜ 0 0 1 ⎟⎠ ⎜⎝ 0 0 0 ⎟⎠ ⎜⎝ z ⎟⎠ ⎜⎝ 0 0 0 ⎟⎠ ⎜⎝ z ⎟⎠ ⎜⎝ 0 ⎟
⎝ ⎠ ⎝ ⎝ ⎠⎠ ⎝ ⎠
⎛ 3⎞ ⎛ 3⎞ ⎛ 2 ⎞ ⎛ 3⎞ ⎛ 3 / 2 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
11.2) i. Para X = ⎜ 1 ⎟ : ( f o g ) ⎜ 1 ⎟ = ⎜ 0 ⎟ es diferente de ( g o f ) ⎜ 1 ⎟ = ⎜ 3 / 2 ⎟ .
⎜1⎟ ⎜1⎟ ⎜ 0 ⎟ ⎜1⎟ ⎜ 0 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛ − 1⎞ ⎛ − 1⎞ ⎛1 / 2 ⎞ ⎛ − 1⎞ ⎛ − 1 / 2 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
Para X = ⎜ 2 ⎟ : ( f o g ) ⎜ 2 ⎟ = ⎜ 0 ⎟ es diferente de ( g o f ) ⎜ 2 ⎟ = ⎜ − 1 / 2 ⎟ .
⎜ − 1⎟ ⎜ − 1⎟ ⎜ 0 ⎟ ⎜ − 1⎟ ⎜ 0 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛x+ y⎞
⎛ x ⎞ ⎛ x⎞ ⎛ x ⎞ ⎛ ( x + y) / 2 ⎞ ⎛ x⎞ ⎜ ⎟ ⎛ x ⎞ ⎛ x / 2⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 2 ⎟ ⎜ ⎟ ⎜ ⎟
ii. f ⎜ y ⎟ = ⎜ 0 ⎟ ; g ⎜ y ⎟ = ⎜ ( x + y ) / 2 ⎟ ; ( f o g ) ⎜ y ⎟ = ⎜ 0 ⎟ ; ( g o f ) ⎜ y ⎟ = ⎜ x / 2 ⎟ .
⎜ z ⎟ ⎜0⎟ ⎜z⎟ ⎜ 0 ⎟ ⎜z⎟ ⎜ 0 ⎟ ⎜z⎟ ⎜ 0 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎜ ⎟ ⎝ ⎠ ⎝ ⎠
⎝ ⎠
⎛x+ y x+ y ⎞
O, en forma equivalente: f ( x, y , z ) = ( x,0,0) ; g ( x, y, z ) = ⎜ , ,0 ⎟ ;
⎝ 2 2 ⎠
⎛x+ y ⎞ ⎛x x ⎞
( f o g )( x, y, z ) = ⎜ ,0,0 ⎟ ; ( g o f )( x, y, z ) = ⎜ , ,0 ⎟ .
⎝ 2 ⎠ ⎝2 2 ⎠
⎛1 0 0⎞ ⎛1 / 2 1 / 2 0 ⎞
⎜ ⎟ ⎜ ⎟
iii. A f = ⎜ 0 0 0 ⎟ ; Ag = ⎜1 / 2 1 / 2 0 ⎟ ;
⎜ 0 0 0⎟ ⎜ 0 0 0 ⎟⎠
⎝ ⎠ ⎝
⎛1 / 2 1 / 2 0 ⎞ ⎛1 / 2 0 0 ⎞
⎜ ⎟ ⎜ ⎟
Af og =⎜ 0 0 0 ⎟ = A f ⋅ Ag ; Ag o f = ⎜1 / 2 0 0 ⎟ = Ag ⋅ A f .
⎜ 0 0 0 ⎟⎠ ⎜ 0 0 0⎟
⎝ ⎝ ⎠
_________________________________________________________________________
⎛ x1 ⎞ ⎛ − 2 x2 ⎞
⎜ ⎟ ⎛ − x 2 + x3 ⎞ ⎛ x1 ⎞ ⎜ ⎟
11.3) No son posibles : g o h , f o g . (h o g ) ⎜ x 2 ⎟ = ⎜⎜ ⎟⎟ ; ( g o f ) ⎜⎜ ⎟⎟ = ⎜ 0 ⎟;
⎜ x ⎟ ⎝ − 3 x 2 + x3 ⎠ ⎝ x2 ⎠ ⎜ 4 x − 8x ⎟
⎝ 3⎠ ⎝ 1 2⎠
⎛ x1 ⎞ ⎛ x1 − x3 ⎞
⎜ ⎟ ⎜ ⎟ ⎛ x ⎞ ⎛ 3x − 4 x 2 ⎞
( f o h) ⎜ x2 ⎟ = ⎜ − 2 x1 − x2 + 3 x3 ⎟ ; (h o f ) ⎜⎜ 1 ⎟⎟ = ⎜⎜ 1 ⎟⎟ .
⎜ x ⎟ ⎜ − 2x + x + x ⎟ ⎝ x2 ⎠ ⎝ − 2 x2 ⎠
⎝ 3⎠ ⎝ 1 2 3 ⎠
Observación. Si en el par se pudiera utilizar una misma función, esto es la composición de una
función consigo misma, sólo podría realizarse g o g .
11.4) g ( x1 , x2 , x3 ) = ( x1 + 2 x3 , x2 − x3 , x3 ) ; Ag = (A f )
−1
.
11.5) Si se rota seis veces un ángulo θ=π/3, se llega nuevamente al punto de partida. Esta situación indica
que la potencia sexta de A será la matriz identidad de orden 2.
⎛ 1/ 2 − 3 / 2⎞ ⎛1 0⎞
A = ⎜⎜ ⎟ ; A 6 = ⎜⎜
⎟ ⎟⎟ .
⎝ 3/2 1/ 2 ⎠ ⎝0 1⎠
11.6) Si al vector reflejado según el plano α ≡ x + y − z = 0 , se le aplica nuevamente la transformación,
o sea se lo vuelve a reflejar, se vuelve al punto de partida. Por lo tanto la transformación resultante
f o f es la transformación identidad. Esto indica que A2 =I, es decir que A es involutiva.
⎛ 1 / 3 − 2 / 3 2 / 3⎞ ⎛1 0 0⎞
⎜ ⎟ ⎜ ⎟
A = ⎜ − 2 / 3 1 / 3 2 / 3 ⎟ , A = A ⋅A = ⎜ 0 1 0 ⎟ .
2
⎜ 2/3 2 / 3 1 / 3 ⎟⎠ ⎜0 0 1⎟
⎝ ⎝ ⎠
Ejercicio 12.
f : R 3 → R 3 / f ( x1 , x 2 , x3 ) = ( x1 + 2 x 2 − x3 ,2 x 2 + 3 x3 ,3 x3 )
Autovalores: λ = 1; λ = 2; λ = 3
λ = 1; S λ = 1 = {( x , 0 , 0 ), ∀x ∈ R }; B = {(1,0,0)}→ B 'S ( λ =1) = {(1,0,0)} base normalizada
⎧⎪⎛ 2 5 5 ⎞⎫⎪
λ = 2; S λ = 2 = {( 2 y, y ,0), ∀y ∈ R }; B = {( 2 ,1, 0 ) }→ BS' ( λ = 2 ) = ⎨⎜⎜ , ,0 ⎟⎬
⎪⎩⎝ 5 5 ⎟⎠⎪⎭
⎧⎛ 5 ⎞ ⎫ ⎧⎪⎛ 65 6 65 2 65 ⎞ ⎫⎪
λ = 3 ; S λ = 3 = ⎨⎜ z ,3 z, z ⎟ , ∀z ∈ R ⎬; B = {(5,6,2 )}→ BS' ( λ =3) = ⎨⎜⎜ , , ⎟⎬
⎟⎪
⎩⎝ 2 ⎠ ⎭ ⎩⎪⎝ 13 65 65 ⎠⎭
⎛1 2 5⎞
⎜ ⎟
A es diagonalizable. Matriz de pasaje P = ⎜ 0 1 6 ⎟
⎜0 0 2⎟
⎝ ⎠
No es posible hallar una matriz que diagonalice ortogonalmente a A. Esto puede verse fácilmente si se
toma la base de autovectores y se la ortonormaliza
BA = {(1,0,0 ); (2,1,0); (5,6,2)} → BA' = {(1, 0 , 0); (0 ,1, 0); (0 , 0 ,1)},
no se obtiene una base de autovectores que permita diagonalizar a A.
g : R 3 → R 3 / g ( x1 , x 2 , x3 ) = (2 x1 + x 2 , x 2 − x3 ,2 x 2 + 4 x3 )
Autovalores: λ = 2 (multiplicidad 2); λ = 3
λ = 2; S λ = 2 = {( x,0,0), ∀x ∈ R}; B = {(1,0, 0)}→ BS' ( λ =2 ) = {(1,0,0)} base normalizada
_________________________________________________________________________
⎧⎪⎛ 6 6 6 ⎞⎪⎫
λ = 3; S λ = 3 = {( y, y, − 2 y ), ∀y ∈ R}; B = {(1,1,−2)} → B 'S ( λ =3) = ⎨⎜⎜ , , ⎟⎬
⎪⎩⎝ 6 6 3 ⎟⎠⎪⎭
A no es diagonalizable.
Observar que si se ortonormaliza la base de autovectores, deja de ser una base de autovectores
⎧⎪ ⎛ 5 − 2 5 ⎞ ⎫⎪
B A = {(1,0,0 ); (1,1,−2)} → B A' = ⎨(1,0,0); ⎜⎜ 0 , , ⎟⎬
⎟⎪
⎪⎩ ⎝ 5 5 ⎠⎭
r r r
h : R3→ R3 / h( x ) = proy π ( x ) proyección del vector x sobre el plano π ≡ x + y + z = 0
r ⎛ 2x − y − z − x + 2 y − z − x − y + 2z ⎞
h( x ) = ⎜ , , ⎟
⎝ 3 3 3 ⎠
Autovalores: λ = 1 (multiplicidad 2); λ = 0
{ }
λ = 1; S λ =1 = ( x, y, z ) ∈ R 3 / x + y + z = 0 ; B = {(−1,1, 0 ); (1,1, − 2)}→
⎧⎪⎛ − 2 2 ⎞ ⎛ 6 6 − 6 ⎞⎫⎪
BS' ( λ =1) = ⎨⎜⎜ , , 0 ⎟; ⎜ , , ⎟⎬ base ortonormalizada
⎪⎩⎝ 2 2 ⎟⎠ ⎜⎝ 6 6 3 ⎟⎠⎪⎭
⎧⎪⎛ 3 3 3 ⎞⎫⎪
λ = 0 ; S λ =0 = {( x, y, z ) ∈ R 3 / x = y = z}; B = {(1,1, 1) } → B ' = ⎨⎜⎜ , , ⎟⎬
⎪⎩⎝ 3 3 3 ⎟⎠⎪⎭
Base de autovectores ortonormal
⎧⎪⎛ − 2 2 ⎞ ⎛ 6 6 − 6 ⎞ ⎛ 3 3 3 ⎞⎫⎪
B = ⎨⎜⎜ , , 0 ⎟⎟ ; ⎜⎜ , , ⎟ ,⎜ , , ⎟⎬
⎪⎩⎝ 2 2 ⎠ ⎝ 6 6 3 ⎟⎠ ⎜⎝ 3 3 3 ⎟⎠⎪⎭
⎛ − 1 1 1⎞
⎜ ⎟
A es diagonalizable. Matriz de pasaje P = ⎜ 1 1 1⎟
⎜ 0 − 2 1⎟
⎝ ⎠
⎛ 2 6 3⎞
⎜− ⎟
⎜ 2 6 3 ⎟
⎜ 2 6 3⎟
A es diagonalizable ortogonalmente. Matriz de pasaje P = ⎜ ⎟
⎜ 2 6 3 ⎟
⎜ 0 6 3⎟
⎜ −
⎝ 3 3 ⎟⎠
Ejercicio 13.
⎛ 3 2⎞
i. A = ⎜⎜ ⎟⎟ ; polinomio característico P(λ)=λ2–3λ+2; ecuación característica: λ2–3λ+2=0.
⎝ −1 0⎠
r
Autovalores λ1 = 1 ; λ 2 = 2 . Autovectores: vλ =1 = (−1,1) , S λ =1 = {( x,− x), ∀x ∈ R};
r
vλ = 2 = (−2,1) , S λ = 2 = {(−2 y, y ), ∀y ∈ R}.
⎛ −1 − 2⎞ ⎛1 0⎞
Es diagonalizable. P= ⎜⎜ ⎟⎟ ; D=P–1.A.P= ⎜⎜ ⎟⎟ .
⎝1 1 ⎠ ⎝0 2⎠
P
⎛ − 2 − 1⎞
ii. B = ⎜⎜ ⎟⎟ ; polinomio característico P(λ)=λ2–λ+3; no existen autovalores reales (∃ λ∈R).
⎝ 5 2⎠
No es diagonalizable.
_________________________________________________________________________
⎛0 0⎞
iii. O= ⎜⎜ ⎟⎟ ; ecuación característica λ2=0; autovalor λ=0; autovectores Base( S λ =0 ) = {(1,0); (0,1)}.
⎝0 0⎠
⎛1 0⎞ ⎛0 0⎞
Es diagonalizable. P= ⎜⎜ ⎟⎟ ; D=P–1.O.P= ⎜⎜ ⎟⎟ .
⎝0 1⎠ ⎝0 0⎠
P
⎛ 5 4 − 4⎞
⎜ ⎟
iv. C= ⎜ 4 5 4 ⎟ ; ecuación característica (9-λ).(λ2 –6λ–27)=0.
⎜− 4 4 5 ⎟
⎝ ⎠
r r
Autovalores λ1 =λ2 =9, λ3 =–3. Autovectores vλ = −3 = (1,−1,1) ; vλ =9 = {(1,1,0); (0,1,1)}.
⎛1 0 1 ⎞ ⎛9 0 0 ⎞
⎜ ⎟ –1. .
⎜ ⎟
Matriz de pasaje: P= ⎜ 1 1 − 1⎟ ; D=P C P= ⎜ 0 9 0 ⎟ .
P
⎜0 1 1 ⎟ ⎜ 0 0 − 3⎟
⎝ ⎠ ⎝ ⎠
⎛ 2 −1 0 ⎞
⎜ ⎟
v. T= ⎜ − 1 3 − 1⎟ ; ecuación característica (λ-2).(–λ2 +5λ+4)=0.
⎜ 0 −1 2 ⎟
⎝ ⎠
r r r
Autovalores λ1 =2; λ2 =1; λ3 =4. Autovectores vλ =1 = (1,1,1) ; vλ = 2 = (−1,0,1) ; vλ = 4 = (1,−2,1) .
⎛1 − 1 1 ⎞ ⎛1 0 0 ⎞
⎜ ⎟ –1. .
⎜ ⎟
P= ⎜1 0 − 2 ⎟ ; D=P T P= ⎜ 0 2 0 ⎟ .
P
⎜1 1 1 ⎟⎠ ⎜ 0 0 − 4⎟
⎝ ⎝ ⎠
⎛ 0 0 − 2⎞
⎜ ⎟
vi. E= ⎜ 1 2 1 ⎟ ; ecuación característica –λ3 +5λ2 –8λ+4=0.
⎜1 0 3 ⎟
⎝ ⎠
r r
Autovalores λ1 =λ2 =2; λ3 =1. Autovectores vλ =1 = (−2,1,1) ; vλ = 2 = {(− 1,0,1); (0,1,0)} .
⎛ − 2 −1 0⎞ ⎛1 0 0⎞
⎜ ⎟ –1. .
⎜ ⎟
P= ⎜ 1 0 1 ⎟ ; D=P E P= ⎜ 0 2 0 ⎟ .
P
⎜ 1 1 0 ⎟⎠ ⎜ 0 0 2⎟
⎝ ⎝ ⎠
⎛ 3 − 2 0⎞
⎜ ⎟
vii. F= ⎜ − 2 3 0 ⎟ ; ecuación característica (5–λ).(λ2 –6λ+5)=0.
⎜ 0 0 5 ⎟⎠
⎝
r r
Autovalores λ1 =λ2 =5; λ3 =1. Autovectores vλ =1 = (1,1,0) ; vλ =5 = {(− 1,1,0); (0,0,1)} .
⎛1 −1 0⎞ ⎛1 0 0⎞
⎜ ⎟ –1. .
⎜ ⎟
P= ⎜ 1 1 0 ⎟ ; D=P F P= ⎜ 0 5 0 ⎟ .
P
⎜0 0 1⎟ ⎜ 0 0 5⎟
⎝ ⎠ ⎝ ⎠
⎛ 5 0 1⎞
⎜ ⎟
viii. G= ⎜ 1 1 0 ⎟ ; ecuación característica λ3 –6λ2 +12λ–8=0.
⎜ − 7 1 0⎟
⎝ ⎠
r
Autovalores λ1 =2. Autovectores vλ = 2 = (1,1,−3) . No existe la matriz de pasaje P.
_________________________________________________________________________
⎛1 3 7 11⎞
⎜ ⎟
⎜0 −1 3 8⎟
ix. H= ⎜ ; ecuación característica (1–λ).(–1–λ).(–2–λ).(2–λ)=0.
0 0 −2 4⎟
⎜ ⎟
⎜0 0
⎝ 0 2 ⎟⎠
Autovalores:λ1 =1; λ2 =2; λ3 =–1; λ4 =–2.
r r ⎛ 11 ⎞ r ⎛2 ⎞ r
Autovectores vλ =1 = (1,0,0,0) ; vλ = 2 = ⎜ 29, ,1,1⎟ ; vλ = −2 = ⎜ ,3,1,0 ⎟ ; v λ = −1 = (−3,1,0,0) .
⎝ 3 ⎠ ⎝3 ⎠
⎛1 − 3 2 29 ⎞⎟ ⎛1 0 0 0⎞
⎜ 3 ⎜ ⎟
⎜0 1 3 11 ⎟ –1. . ⎜0 −1 0 0⎟
H= ⎜ 3 ⎟ ; D=P H P= ⎜ .
0 0 − 2 0⎟
P
⎜0 0 1 1 ⎟ ⎜ ⎟
⎜0 0 ⎟ ⎜0 0 0 2 ⎟
⎝ 0 1 ⎠ ⎝ ⎠
Ejercicio 14.
⎛ 3 2 2⎞
⎜ ⎟
14.1) A = ⎜ 2 2 0 ⎟ ; el polinomio característico es: P(λ ) = λ3 − 9 λ2 + 18 λ y los autovalores que se
⎜ 2 0 4⎟
⎝ ⎠
obtienen resolviendo la ecuación característica, λ3 − 9 λ2 + 18. λ = 0 , son:
λ1 = 0 ∧ λ 2 = 3 ∧ λ 3 = 6 .
Los subespacios asociados son: {
S λ = 0 = x ∈ R 3 / x = α ⋅ (− 2,2,1) ∧ ∀ α ∈ R }
Sλ =3 = {x ∈ R / x = β ⋅ (1,2,−2 ) ∧ ∀ β ∈ R }
3
Sλ =6 = {x ∈ R / x = δ ⋅ (2,1,2 ) ∧ ∀ δ ∈ R }
3
14.2) La transformación lineal es: f : R 3 → R 3 / f ( x, y, z ) = (3x + y , y + 3z , y − z ) y la correspondiente

matriz asociada, utilizando la base canónica para R3, resulta:
⎛3 1 0 ⎞
⎜ ⎟
A= ⎜0 1 3 ⎟ .
⎜ 0 1 − 1⎟
⎝ ⎠
r r
14.3) i. La afirmación es verdadera, dado que u y v son autovectores linealmente independientes, con un
mismo autovalor, igual a cero, por lo cual se transforman en el vector nulo del segundo espacio, y
{ur ; vr}, es una base para el núcleo de la transformación lineal, que tendrá dimensión dos. Es posible
r r
agregar otro vector, linealmente independiente con los vectores u y v , cuyo transformado también
sea el vector nulo, con lo cual la dimensión para el núcleo será tres.
ii. El conjunto {(1,1,0); (0,1,1)}, debemos completarlo a una base para R3. Para completar a la base,
debemos elegir vectores: (a, b, c ) / a − b + c ≠ 0 .
Si el vector elegido es (a, b, c ) = (1,0,1) → f (1,0,1) = (1,1,0) y para esta elección la transformación
lineal es:
⎛1 1 1 1 1 1 ⎞
f : R 3 → R 3 / f ( x, y, z ) = ⎜⎜ x − y + z , x − y + z , 0 ⎟⎟ .
⎝2 2 2 2 2 2 ⎠
Ejercicio 15.
i. Ecuación Característica: (1 – λ)2 . (3 – λ) = 0; autovalores: λ1 = 1 (doble); λ2 = 3 (simple).
La matriz sólo diagonaliza para k = 1. B = {(1,0,0); (0,1,–2); (1,0,2)}.
_________________________________________________________________________
ii. Ecuación Característica: (λ – 1) . [–(λ2 – 1)] = 0; autovalores: λ1 = 1 (doble); λ2 = –1 (simple)
La matriz sólo diagonaliza para k = 0. B = {(1,0,2); (0,1,–1); (0,1,1)}.
Ejercicio 16.
⎛ − 1 / 2 1 / 2 ⎞⎛ 3 1 ⎞⎛ − 1 / 2 1 / 2 ⎞ ⎛ 2 0 ⎞
16.1) D = P −1 ⋅ A ⋅ P = P T ⋅ A ⋅ P = ⎜⎜ ⎟⎜⎜
⎟ ⎟⎟⎜⎜ ⎟ = ⎜⎜
⎟ ⎟⎟
⎝ 1 / 2 1 / 2 ⎠⎝ 1 3 ⎠⎝ 1 / 2 1 / 2 ⎠ ⎝ 0 4 ⎠
⎛ 1 / 5 2 / 5 ⎞⎛ − 3 4 ⎞⎛ 1 / 5 − 2 / 5 ⎞ ⎛ 5 0 ⎞
D = P −1 ⋅ B ⋅ P = P T ⋅ A ⋅ P = ⎜⎜ ⎟⎜⎜ ⎜ ⎟
⎟ 4 3 ⎟⎟⎜ 2 / 5 1 / 5 ⎟ = ⎜⎜ 0 − 5 ⎟⎟
⎝ − 2 / 5 1 / 5 ⎠⎝ ⎠⎝ ⎠ ⎝ ⎠
⎛ 2/2 0 − 2 / 2 ⎞⎛ 2 − 1 0 ⎞ ⎛⎜ 2 / 2 1/ 2 1/ 2 ⎞
⎟
⎜ ⎟⎜ ⎟
PT ⋅ C ⋅ P = ⎜ 1/ 2 2 /2 1 / 2 ⎟⎜ − 1 2 −1 ⎟⎜ 0 2 / 2 − 2 / 2⎟
⎜⎜ ⎟ ⎜ ⎟
⎝ 1/ 2 − 2 / 2 1 / 2 ⎟⎠⎜⎝ 0 − 1 2 ⎟⎠ ⎜⎝ − 2 / 2 2 /2 1 / 2 ⎟⎠
⎛2 0 0 ⎞
⎜ ⎟
D = ⎜0 2 − 2 0 ⎟
⎜0 0 2 + 2 ⎟⎠
⎝
⎛ − 1/ 2 ⎞
16.2) A = 2⎜⎜
1 / 2
( )
⎛1 / 2 ⎞
⎟ − 1 / 2 1 / 2 + 4⎜
⎟
⎟ ( )
⎜1 / 2 ⎟ 1 / 2 1 / 2 descomposición espectral de A
⎝ ⎠ ⎝ ⎠
⎛ 1 / 2 − 1 / 2 ⎞ ⎛1 / 2 1 / 2 ⎞ ⎛ 1 − 1⎞ ⎛ 2 2⎞
Comprobación: A = 2⎜⎜ ⎟⎟ + 4⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ + ⎜⎜ ⎟
⎝ − 1 / 2 1 / 2 ⎠ ⎝1 / 2 1 / 2 ⎠ ⎝ − 1 1 ⎠ ⎝ 2 2 ⎟⎠
⎛ 1/ 5 ⎞
B = 5⎜⎜
2 / 5
( )
⎟ 1 / 5 2 / 5 − 5⎜
⎟
⎛− 2/ 5⎞
⎟ (
⎜ 1/ 5 ⎟ − 2 / 5 1/ 5 )
⎝ ⎠ ⎝ ⎠
⎛ 1/ 5 2 / 5⎞ ⎛ 4 / 5 − 2 / 5⎞ ⎛ 1 2 ⎞ ⎛ − 4 2⎞
B = 5⎜⎜ ⎟⎟ − 5⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ + ⎜⎜ ⎟
⎝ 2 / 5 4 / 5⎠ ⎝ − 2 / 5 1/ 5 ⎠ ⎝ 2 4 ⎠ ⎝ 2 − 1⎟⎠
⎛ 1 ⎞ ⎛ 1 ⎞
⎛ 1 ⎞ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ 2 ⎟ ⎜ 2 ⎟
⎜ 2 ⎟⎛ 1 1 ⎞ 1 ⎟⎛⎜ 1 1 1 ⎞⎟ + (2 + 2 )⎜ − 1 ⎟⎛⎜ 1 − 1 1 ⎞⎟
C = 2⎜ 0 ⎟⎜ 0 − ⎟ + (2 − 2 )⎜
⎜ − 1 ⎟⎝ 2 2⎠ ⎜ 2 ⎟⎝ 2 2 2⎠ ⎜ 2 ⎟⎝ 2 2 2⎠
⎜
⎜ 1 ⎟ ⎜ 1 ⎟
⎝ 2 ⎟⎠ ⎜ ⎟ ⎜ ⎟
⎝ 2 ⎠ ⎝ 2 ⎠
⎛ 1 1 1 ⎞ ⎛ 1 1 1 ⎞
⎛ 1 1⎞ ⎜ ⎟ ⎜ − ⎟
⎜ 0 − ⎟ ⎜ 4 2 2 4 ⎟ ⎜ 4 2 2 4 ⎟
⎜ 2 2⎟ ⎜ 1 1 1 ⎟ ⎜ 1 1 1 ⎟
C = 2⎜ 0 0 0 ⎟ + (2 − 2 )⎜ ⎟ + (2 + 2 )⎜ − − ⎟
4 4
⎜− 1 0 1 ⎟ ⎜2 2 2 2⎟ ⎜ 2 2 2 2⎟
⎜ 2 2 ⎟⎠ ⎜ 1 1 1 ⎟ ⎜ 1 1 1 ⎟
⎝ −
⎜ 4
⎝ 2 2 4 ⎠ ⎟ ⎜
⎝ 4 2 2 4 ⎟⎠
16.3) Los autovectores no son “casi” ortogonales. Los subespacios de autovectores correspondientes son:
r
S λ =1 = {( x,0 ), ∀x ∈ R}; B S ( λ =1) = {v1 = (1,0)} ,
r
S λ =1+10 −15 = {( x, x ), ∀x ∈ R}; BS ( λ =1+10 −15 ) = {v 2 = (1,1)}.
El ángulo que forman los autovectores de distinto autovalor es π/4 ó 3π/4.
_________________________________________________________________________
Ejercicio 17.
17.1) Base N(A) ={ (-1,-3,0,5,1); (-1,2,1,0,0) }
Base F(A) = { (1,0,1,0,1); (0,1,-2,0,3); (0,0,0,1,-5) }
Base C(A) = { (-7,2,0,0); (1,0,2,0); (0,0,0,1) }
BaseNI(A) = { (-2,-7,1,0) }
17.6) Proyección (1,1,1,1,1) = (295/191,93/191,109/191,81/191,169/191)
F(A)
Proyección (1,1,1,1,1) = (-104/191,98/191,82/191,110/191,22/191)
N(A)
T T
A(1,1,1,1,1) =(-16,5,3,-3)
T
Verificar que A(1,1,1,1,1) = A(Proyección (1,1,1,1,1)+ Proyección (1,1,1,1,1))=
F(A) N(A)
T T
(-16,5,3,-3) + (0,0,0,0) .
_________________________________________________________________________

Transformaciones lineales y matrices

Cargado por

Información del documento

Descripción original:

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 y matrices

Cargado por

Copyright:

Formatos disponibles

U.T.N. – F.R.

Haedo Álgebra y Geometría Analítica

TRABAJO PRÁCTICO Nº 5 – TRANSFORMACIONES LINEALES

Se denominan transformaciones (o aplicaciones) entre dos espacios vectoriales, estructurados sobre

Caso particular. Transformación traslación (o afín)

T.L. Cizallante: f: R2→R2 / f ( x , y ) = ( x + β y , y ) ( de factor β en la dirección del eje x);

Dada f: V→W, dim Nu(f) + dim Im(f) = dim(V)

Operaciones definidas entre transformaciones lineales

f: R3→R3 Proyección ortogonal sobre el plano xz r

f: R2→R2 Rotación de ángulo θ

Representación gráfica de la T.1 Representación gráfica de la T.2

Proponer una representación gráfica para la transformación 3. Ídem para la transformación 4.

descomposición espectral para las matrices del ejercicio 16.1).

inversible. Probar que Y = P−1 X es autovector de A, y encontrar cuál es el correspondiente

entonces tienen el mismo polinomio característico.

Cálculo de potencias de una matriz

• Calcular las potencias indicadas de las siguientes matrices

Aplicación a un sistema dinámico

Si existe una matriz A tal que x1 = Ax0, x2 = Ax1, y en general

Supongamos que la población total en la región en estudio, en el año 2000 es de 1000000 de

Para destacar los distintos términos, también se puede expresar como:

Ejemplo 1. Graficar la cónica cuya ecuación es 5 x 2 − 4 xy + 8 y 2 − 3 = 0 .

El subespacio de autovectores asociado al autovalor λ=9,

Aplicando la rotación a la ecuación dada, a partir de X = PX ′ .

Se utiliza la misma transformación que en el ejemplo 1.

RESPUESTAS TRABAJO PRÁCTICO N° 5 TRANSFORMACIONES LINEALES

Im( f ) = P1[ x] ; dim(Im(f))=2; Base(Im(f))= {x;1}

14.2) La transformación lineal es: f : R 3 → R 3 / f ( x, y, z ) = (3x + y , y + 3z , y − z ) y la correspondiente

También podría gustarte