Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Transformaciones Lineales
TRANSFORMACIONES LINEALES
Ejemplos:
1) Sea f : , definida por: f x 3.x
a) f v1 v2 3. v1 v2 Definición de esta función.
f v1 f v2
Entonces, la función lineal f x 5.x 2 NO es transformación lineal.
2. v 2v1.v2 v2
1
2 2
Desarrollo de binomio al cuadrado.
2.v12 4.v1.v2 2.v2 2 Propiedad asociativa.
f v1 4.v1.v2 f v2 Definición de esta función.
f v1 f v2
Entonces, la función f x 2.x 2 NO es transformación lineal.
Se puede observar con estos ejemplos, que estructuras cuadráticas (potencias, multiplicación
de variables) o constantes sumando en la función no determinan transformaciones lineales.
f x1 , x2 , x3 Pues v x1 , x2 , x3
x1 2 x2 x3 ,3 x1 x2 5 x3 Definición de esta función.
x1 2 x2 x3 ,3 x1 x2 5 x3 Operaciones en , en cada coordenada.
x1 2 x2 x3 , 3x1 x2 5x3 es factor común en cada coordenada.
x1 2 x2 x3 ,3x1 x2 5x3 Producto del escalar por un vector de
2
NOTA:
b) Si w , ¿cómo se obtiene f 1 w ?
Como se están buscando los vectores de cuya imagen sea el vector w , se debe
plantear f v w y “despejar v ”.
Este es un sistema de ecuaciones lineales:
-Si el sistema es un S.C.D., existe un único v que verifica f v w , entonces
f 1 w v .
-Si el sistema es un S.C.I., existen infinitos vectores v que verifican f v w ,
entonces f 1 w todos los vectores cuya imagen es w .
-Si el sistema es un S.I., no existe v que verifica f v w , entonces f 1 w . En
este caso, w no pertenece a la imagen de la transformación lineal f .
Tener en cuenta que f 1 w es un subconjunto de , no es un subespacio (salvo que
w0 )
Ejemplos:
1) Sea f : 3 3
definida por f x1 , x2 , x3 2 x1 x2 x3 ,3x1 x2 2 x3 , 2 x1 4 x2 2 x3
Hallar:
a) f 2,3, 1
b) f siendo gen 2,3,1 , 3, 2, 1
2 1 1 0 2 1 1 0 0 5 1 6
3 1 2 3 1 3 0 3 1 3 0 3
2 4 2 6 2 6 0 6 0 0 0 0
5 x2 x3 6 x3 6 5 x2
x1 3x2 3 3 3x2 x1
v 3 3x2 , x2 ,6 5x2 3,0,6 x2 3,1, 5
Por lo tanto, f 1 0,3,6 3,0,6 x2 3,1, 5 , x2
Para calcular f 1 3, 2, 2 , debo buscar los vectores v 3
que verifiquen:
f v 3, 2, 2
2 x1 x2 x3 ,3x1 x2 2x3 , 2x1 4x2 2x3 3, 2, 2
Nuevamente, tenemos una igualdad de vectores, por lo tanto, deben ser iguales
sus componentes:
2 x1 x2 x3 3
3x1 x2 2 x3 2 y debemos resolver el sistema de ecuaciones lineales:
2 x 4 x 2 x 2
1 2 3
2 1 1 3 2 1 1 3 0 5 1 5
3 1 2 2 1 3 0 4 1 3 0 4
2 4 2 2 2 6 0 4 0 0 0 4
De la última fila, se concluye que el sistema es incompatible (no tiene solución).
Por lo tanto, f 1 3, 2, 2
(e) Para calcular f 1 siendo gen 1,0, 2 , busco todos los vectores
v 3
que verifican: f v 1 1,0, 2 1 .
2 x1 x2 x3 ,3x1 x2 2x3 , 2 x1 4 x2 2 x3 1 1,0, 2
2 x1 x2 x3 ,3x1 x2 2x3 , 2x1 4x2 2x3 1,0, 21
Como otra vez tenemos una igualdad de vectores, deben ser iguales sus
componentes:
2 x1 x2 x3 1
3x1 x2 2 x3 0 y debemos resolver el sistema de ecuaciones
2 x 4 x 2 x 2
1 2 3 1
lineales:
2 1 1 1 2 1 1 1 0 5 1 31
3 1 2 0 1 3 0 21 1 3 0 21
2 4 2 2 2 6 0 4 0 0 0 0
1 1
5 x2 x3 31 x3 31 5 x2
x1 3x2 21 3x2 21 x1
v 3x2 21 , x2 , 31 5 x2 1 2,0, 3 x2 3,1, 5
Por lo tanto, f 1 gen 2,0, 3 , 3,1, 5
Notar que dim 1 y sin embargo, dim f 1 2 .
2) Sea f : 3 4
definida por f x1 , x2 , x3 2 x1 x2 , x1 x2 2 x3 , x1 x2 2x3 ,3x1 2x2 x3
Hallar:
a) f 2,3, 1
b) f siendo gen 1, 2,3 , 4,3, 2
c) f 0,5,1, 0 y f 1 0,0, 4, 2
1
d) f 1 siendo w 4 / x1 3x2 2 x3 x4 0; 2 x1 x2 2 x3 2 x4 0
Resolución:
(a) Para calcular f 2,3, 1 , reemplazamos las coordenadas del vector en la fórmula
de la transformación lineal, entonces:
f 2,3, 1 2.2 3, 2 3 2. 1 , 2 3 2. 1 ,3.2 2.3 1
4 3, 2 3 2, 2 3 2, 6 6 1
1,3, 7, 1
Por lo tanto, f 2,3, 1 1,3,7, 1
(b) Para calcular f , calculamos la imagen de cada uno de los generadores de
y obtenemos los generadores de f . Como gen 1, 2,3 , 4,3, 2 ,
entonces:
f 1, 2,3 2.1 2,1 2 2.3,1 2 2.3,3.1 2.2 3 0,9, 3, 2
f 4,3, 2 2.4 3, 4 3 2. 2 , 4 3 2. 2 ,3.4 2.3 2 5,3,11, 4
Por lo tanto, f gen 0,9, 3, 2 , 5,3,11, 4
Puede verificarse que los generadores de f son linealmente independientes,
por lo tanto B f 0,9, 3, 2 , 5,3,11, 4 es base de f .
17 37 17 37
Nos queda que v x3 , x3 , x3 x3 , ,1 y por lo tanto
16 16 16 16
17 37
f 1 gen , ,1 .
16 16
Notar que dim 2 y en este caso dim f 1 1
a a
Si v 11 12 entonces
a21 a22
f v a11 2a12 , a11 a21 2a22 , a21 a12 2a22 , a11 2a12 a21
Pedir que f v significa pedir que el vector f v cumpla con las
x1 3x2 2 x3 x4 0
ecuaciones de , en este caso, con las ecuaciones .
2 x1 x2 2 x3 2 x4 0
Reemplazando, queda
a11 2a12 3 a11 a21 2a22 2 a21 a12 2a22 a11 2a12 a21 0
2 a11 2a12 a11 a21 2a22 2 a21 a12 2a22 2 a11 2a12 a21 0
5a11 6a12 2a21 10a22 0
Resolviendo las cuentas:
a11 2a12 a21 6a22 0
Y finalmente, debemos resolver el sistema de ecuaciones lineales:
5 6 2 10 0 0 4 3 20 0 0 4 3 20 0
1 2 1 6 0 1 2 1 6 0 1 0 2
1
4 0
3
4a12 3a21 20a22 0 a12 4 a21 5a22
quedando: 1
a11 a21 4a22 0
2 a 1 a 4a
11 2
21 22
1 3
a 4a22 a21 5a22 1 3 4 5
Nos queda que v 2 21 4 a21 2 4 a22 y
1 0 0 1
a21 a22
por lo tanto
12 4 5
gen
3
f 1 4
;
1 0 0 1
Notar que dim 1 y dim f 1 1 , también.
Sea B v1 , v2 , , vn una base del espacio vectorial y sea w1 , w2 , , wn un conjunto de
vectores del espacio vectorial , entonces existe una única trasformación lineal f : que
verifica: f v1 w1 , f v2 w2 , , f vn wn .
En otras palabras, este teorema nos dice que toda transformación lineal está definida unívocamente
sobre las imágenes de los elementos de una base.
Sólo se necesita conocer los transformados de los elementos de una base del conjunto de partida
para obtener la fórmula de la transformación lineal.
(Demostración en el apéndice)
Ejemplos:
En cada caso decidir si existe una única transformación lineal. En caso de existir, hallarla:
1) f 1,1,1 2,3 ; f 2, 2,0 1, 1 ; f 1,0,0 0, 2
Casi a simple vista, se puede notar que el vector (2, 2,1) es combinación lineal de los otros dos.
Por el Teorema Fundamental de las Transformaciones Lineales, existe una única transformación
lineal.
Como tenemos una base, para todo v 3 existen únicos 1 , 2 , 3 tal que
v 1v1 2v2 3v3
x1 , x2 , x3 1 1,1,1 2 2, 2,0 3 1,0,0
x1 , x2 , x3 1 , 1 , 1 22 , 22 ,0 3 ,0,0
x1, x2 , x3 1 22 3 , 1 22 , 1
f x1 , x2 , x3 2 x3 , x3 , 4 x3 , 2 x3 x2 x3 , 2 x2 2 x3 ,0, x2 x3
f x1 , x2 , x3 x2 3x3 , 2 x2 3x3 , 4 x3 , x2 x3 es la fórmula de la única transformación lineal
que verifica los datos dados y el dato elegido.
1 1 2 1 8 2
4) f 5, 2 ; f 3,1 ; f 2, 2
2 1 3 1 10 10
Conjunto de partida: 2
Conjunto de llegada: 22
El conjunto 5, 2 ; 3,1 ; 2, 2 no es base de 2
Los vectores 5, 2 ; 3,1 son L.I. en 2 , entonces se puede escribir al vector (2, 2) es
combinación lineal del conjunto.
Por lo tanto, no podemos asegurar que existe una única transformación lineal. O sea, puede
significar que no existe transformación lineal o bien, que existe transformación lineal pero no es
única o bien, que existe única transformación lineal.
Para ver en cuál de las dos situaciones estamos, se analiza si se cumple la definición de
transformación lineal a partir de la aplicación de la función a la combinación lineal:
(2, 2) 1 5, 2 2 3,1
(2, 2) 51 32 , 21 2
51 32 2 5 3 2 1 0 4 1 0 4 1 4 1 4
21 2 2 2 1 2 2 1 2 0 1 6 2 6 2 6
En todos los casos, para verificar que la fórmula de la transformación lineal está bien hallada,
alcanza con reemplazar los datos del conjunto de partida dados y ver que se obtienen sus
correspondientes imágenes.
NOTA:
Teorema de la dimensión:
Ejemplos:
0 5 1 2 y2 3 y1
1 3 0 y2 2 y1
0 0 0 y 2y 2y
3 2 1
b) Desde este ejemplo, calcularemos la imagen a través de las imágenes de los vectores de una
base.
Tomemos una base de 3 cualquiera, por ejemplo, la base canónica:
E 1,0,0 ; 0,1,0 ; 0,0,1 , y busquemos sus imágenes
f 1, 0, 0 2,1,1,3
f 0,1, 0 1,1,1, 2 Im f gen 2,1,1,3 ; 1,1,1, 2 ; 0, 2, 2,1
f 0, 0,1 0, 2, 2,1
Por el teorema de la dimensión: dim 3
dim Nu f dim Im f
3 0 dim Im f dim Im f 3
Por lo tanto BIm f 2,1,1,3 ; 1,1,1, 2 ; 0, 2, 2,1
3) Sea f : 4
2
definida por f x1 , x2 , x3 , x4 2 x1 x2 x3 , x1 2 x3 x4
a) Como el núcleo son los vectores v 4
tal que su imagen es el vector nulo de 2
,
igualamos la función a 0 2 :
f x1 , x2 , x3 , x4 0,0
2 x1 x2 x3 , x1 2x3 x4 0,0
2 x1 x2 x3 0 2 1 1 0 0
Desde x2 y x4 la matriz está pivoteada,
x1 2 x3 x4 0 1 0 2 1 0
entonces:
2 x1 x2 x3 0 x2 2 x1 x3
x1 , x2 , x3 , x4 x1 , 2 x1 x3 , x3 , x1 2 x3
x1 2 x3 x4 0 x4 x1 2 x3
x1 , x2 , x3 , x4 x1, 2x1 ,0, x1 0, x3 , x3 , 2x3 x1. 1, 2,0, 1 x3. 0, 1,1, 2
22
4) Sea f : 4
definida por
a a
f 11 12 a11 2a12 , a11 a21 2a22 , a21 a12 2a22 , a11 2a12 a21
a21 a22
a) Como el núcleo son los vectores v 22 tal que su imagen es el vector nulo de
4 , igualamos la función a 0 4 :
a a
f 11 12 0, 0, 0, 0
a21 a22
a11 2a12 , a11 a21 2a22 , a21 a12 2a22 , a11 2a12 a21 0,0,0,0
a11 2a12 0 1 2 0 0
0 1 2 0 0 0
a a21 2a22 0
11 1 0 1 2
0 0 2 1 2 0
a12 a21 2a22 0 0 1 1 2 0 0 1 1 2 0
a11 2a12 a21
0 1 2 1 0 0 0 0 1 0 0
1 2 0 0 0 1 0 0 4 0 1 0 0 0 0 a11 0
6a 0
0 2 0 2 0 0 0 0 6 0 0 0 0 6 0 22
0 1 0 2 0 0 1 0 2 0 0 1 0 0 0 a12 0
a21 0
0 0 1 0 0 0 0 1 0 0 0 0 1 0 0
a11 0
a 0
22 a a 0 0 0 0
11 12 Nu f
a12 0 a21 a22 0 0 0 0
a21 0
Como el núcleo es el vector nulo, no tiene base, y por lo tanto dim Nu f 0
Ejemplos:
Clasificar las transformaciones lineales de los ejemplos anteriores, en los cuales se calculó Nu f
e Im f
1) Sea f : 3
3
definida por f x1 , x2 , x3 2 x1 x2 x3 ,3x1 x2 2 x3 , 2 x1 4 x2 2 x3
BNu f 3,1, 5 por lo tanto, Nu f 0 entonces no es monomorfismo
Por el Teorema de la dimensión, dim Im f 2 , por lo tanto Im f 3 ,
así que no es
epimorfismo.
Como f : 3 3 es un endomorfismo.
No es automorfismo porque no es isomorfismo (no es monomorfismo ni epimorfismo)
Prof: Alejandra Zaia 24 Apunte Teórico TP1
Matemática para Economistas–U.B.A. Transformaciones Lineales
2) Sea f : 3
4
definida por f x1 , x2 , x3 2 x1 x2 , x1 x2 2 x3 , x1 x2 2x3 ,3x1 2x2 x3
Nu f 0,0,0 por lo tanto es monomorfismo.
Por el Teorema de la dimensión, dim Im f 3 , por lo tanto Im f 4
, así que no es
epimorfismo.
Como f : 3 4 no es un endomorfismo.
No es automorfismo porque no es endomorfismo.
3) Sea f : 4
2
definida por f x1 , x2 , x3 , x4 2 x1 x2 x3 , x1 2 x3 x4
BNu f 1, 2,0, 1 ; 0, 1,1, 2 por lo tanto, Nu f 0 entonces no es monomorfismo
Por el Teorema de la dimensión, dim Im f 2 , por lo tanto Im f 2
, entonces es
epimorfismo.
Como f : 4 2 no es un endomorfismo.
No es automorfismo porque no es un endomorfismo.
22
4) Sea f : 4
definida por
a a
f 11 12 a11 2a12 , a11 a21 2a22 , a21 a12 2a22 , a11 2a12 a21
a21 a22
0 0
Nu f por lo tanto es monomorfismo
0 0
Por el Teorema de la dimensión, dim Im f 4 , por lo tanto Im f 4 , es epimorfismo.
Como f : 22 4 no es un endomorfismo.
No es automorfismo porque no es un endomorfismo.
Es importante poder relacionar los temas entre sí. Estos últimos ejemplos también son los mismos
en los que hallamos imagen de un subespacio y preimagen de un elemento w y de un
subespacio .
mn
Sea f : n m una transformación lineal, existe una única matriz A que verifica que para
todo vector v n , f v A.v .
A esta matriz se la denomina matriz de la transformación lineal f y se nota: A M f .
Lo importante es saber cuál es esta matriz.
a11 a12 a1n
a21 a22 a2 n
Supongamos que A
am1 am 2 amn
Como f v A.v v n , en particular f ei A.ei ei n vector canónico, entonces:
a11 a12 a1n 1 a11
a a22 a2 n 0 a21
f e1 A.e1 21 A1 , o sea f e1 es la primera columna de A .
am1 am 2 amn 0 am1
Ejemplos:
Hallar la matriz de las siguientes transformaciones lineales (son las mismas de los ejemplos
anteriores):
1) Sea f : 3 3 definida por f x1 , x2 , x3 2 x1 x2 x3 ,3x1 x2 2 x3 , 2 x1 4 x2 2 x3
f 1,0,0 2,3, 2 es la primera columna de A 2 1 1
f 0,1,0 1,1, 4 es la segunda columna de A
A 3 1 2 33
f 0,0,1 1, 2, 2 es la tercera columna de A 2 4 2
Verificar que la matriz de la transformación lineal es la misma matriz con la que hemos
trabajado al hallar preimagen de un vector, núcleo e imagen (por definición) en el ejercicio 1).
Pero también cuando buscamos imagen aplicándole la transformación a los elementos de una
base, como usamos la base canónica obtuvimos los mismos vectores, por lo tanto, las columnas
de la matriz generan la imagen.
2) Sea f : 3
4
definida por f x1 , x2 , x3 2 x1 x2 , x1 x2 2 x3 , x1 x2 2x3 ,3x1 2x2 x3
f 1,0,0 2,1,1,3 es la primera columna de A 2 1 0
f 0,1,0 1,1,1, 2 es la segunda columna de A
1 1 2
A 43
f 0,0,1 0, 2, 2,1 es la tercera columna de A 1 1 2
3 2 1
Verificar que la matriz de la transformación lineal es la misma matriz con la que hemos
trabajado al hallar preimagen de un vector y núcleo en el ejercicio 2).
Cuando buscamos imagen aplicándole la transformación a los elementos de una base, como
usamos la base canónica obtuvimos los mismos vectores, por lo tanto, las columnas de la matriz
generan la imagen.
3) Sea f : 4
2
definida por f x1 , x2 , x3 , x4 2 x1 x2 x3 , x1 2 x3 x4
f 1,0,0,0 2,1 es la primera columna de A
f 0,1,0,0 1,0 es la segunda columna de A 2 1 1 0 24
A
f 0,0,1,0 1, 2 es la tercera columna de A 1 0 2 1
f 0,0,0,1 0,1 es la cuarta columna de A
Verificar que la matriz de la transformación lineal es la misma matriz con la que hemos
trabajado al hallar preimagen de un vector y núcleo en el ejercicio 3).
Notar que en estos casos, como la matriz coincide con las que estuvimos trabajando en los
ejercicios anteriores para buscar núcleo o preimagen, también podemos obtenerla “por fila”, pues
son los coeficientes de las variables de cada una de las coordenadas de la transformación lineal.
Tener la matriz de la transformación lineal permite hallar de manera más sencilla la imagen de
vectores, porque no se tiene que controlar estar reemplazando bien los vectores en las
correspondientes coordenadas, ya que estas mantienen e l orden natural del producto de matrices.
Tener en cuenta que los vectores se pueden escribir, indistintamente, “parados” o “acostados”. En
general, yo los escribo acostados, pero cuando hay que hacer operaciones de multiplicación, deben
estar escritos en la forma correcta que la operación requiera.
Ejemplos:
Con las transformaciones lineales que venimos trabajando hasta ahora, la primera vez que las
usamos, buscamos la imagen de algún vector. Volvemos a hacerlo con las matrices:
1) Sea f : 3
3
definida por f x1 , x2 , x3 2 x1 x2 x3 ,3x1 x2 2 x3 , 2 x1 4 x2 2 x3
2 1 1 2 0
f 2,3, 1 3 1 2 . 3 7 f 2,3, 1 0,7,14
2 4 2 1 14
2) Sea f : 3
4
definida por f x1 , x2 , x3 2 x1 x2 , x1 x2 2 x3 , x1 x2 2x3 ,3x1 2x2 x3
2 1 0 1
2
1 1 2 3
f 2,3, 1 3 f 2,3, 1 1,3,7, 1
1 1 2 7
1
3 2 1 1
3) Sea f : 4
2
definida por f x1 , x2 , x3 , x4 2 x1 x2 x3 , x1 2 x3 x4
1
2 1 1 0 2 3
f 1, 2, 1,3 f 1, 2, 1,3 3,6
1 0 2 1 1 6
3
Como las columnas de la matriz generan la imagen, el rango columna (cantidad de columnas L.I.)
es la dimensión de la imagen. Rango fila y rango columna son iguales, por lo tanto:
dim Im f Rg A
Por otro lado, si buscamos el Nu f , buscamos los vectores que anulan la función, es decir, los
vectores tales que f v 0 , pero f v A.v , entonces A.v 0 , que es un sistema de ecuaciones
homogéneo, cuya matriz asociada es A . Por el teorema de Rochè-Frobenius, la dimensión del
subespacio de soluciones de este sistema es n Rg A , por lo tanto:
dim Nu f n Rg A
Si multiplicamos esta matriz por las coordenadas de un vector v en base B , obtenemos las
coordenadas en base B de la imagen del vector.
Ver cómo obtener esta matriz ya no es tan sencillo y no hace la materia, sólo necesitamos poder
trabajar con ella, así que veremos cómo se obtiene:
M BB f f v1 B f v2 B f vn B
Las columnas de M BB f son las coordenadas en base B de las imágenes de los vectores de la
base B .
Ejemplo:
Sea f: 3
2
definida por f x1 , x2 , x3 2 x1 x2 x3 ,3x1 2 x2 5x3 y sean las bases
B 1,1,1 ; 1,1,0 ; 1,0,0 de 3 y B 3,1; 5,2 de 2
Para buscar la matriz, necesitamos buscar las coordenadas de las imágenes de los vectores de B , en
base B .
Primero busquemos las imágenes de los vectores de B y luego sus coordenadas en base B .
La matriz A M f de la transformación se obtiene a simple vista, la podemos utilizar para
buscar las imágenes de los vectores de B .
2 1 1
A
3 2 5
1
2 1 1 2 2 3 5 3 5 2
f 1,1,1 1 1 2
3 2 5 6 6 1 2 1 2 6
1
1
2 1 1 3 3 3 5 3 5 3 1 1 1
f 1,1, 0 1 1 2 M BB f
3 2 5 1 1 1 2 1 2 1 2 2 2
0
1
2 1 1 2 2 3 5 3 5 2
f 1, 0, 0 0 1 2
3 2 5 3 3 1 2 1 2 3
0
Tenemos que resolver tres sistemas de ecuaciones cuya matriz asociada es la misma en los tres
casos, podemos resolverlos simultáneamente:
3 5 2 3 2 0 1 16 0 7 0 1 16 0 7 0 1 16 0 7
1 2 6 1 3 1 2 6 1 3 1 2 6 1 3 1 0 26 1 11
De la primera columna: 1 26 ; 2 16
26 1 11
De la segunda columna: 1 1 ; 2 0 M BB f
De la tercera columna: 1 11 ; 2 7 16 0 7
3 5 2 1 1 0 1 7 7 16 0 1 7 7 16 0 1 7 7 16
1 2 3 2 5 1 2 3 2 5 1 2 3 2 5 1 0 11 12 27
De la primera columna: 1 11 ; 2 7
11 12 27
De la segunda columna: 1 12 ; 2 7 M EB f
7 7 16
De la tercera columna: 1 27 ; 2 16
2
Necesitamos calcular las coordenadas de 1 en base B
3
2 1 1 1 1 1 1 2 0 1 1 1
1 1 1 2 1 3 0 1 1 0 1 0 1 0 4
3 1 0 0 1 0 0 3 1 0 3
0
0 0 1 3 3 3 2 3
0 1 0 4 2 4 1 4
1 0 0 3 3 3 3
1 B
Entonces:
2 3
26 1 11 115
f 2, 1,3 B M BB f . 1 4 conocemos las
16 0 7 69
3 3
B
coordenadas, las usamos…
115 3 5 0
f 2, 1, 3 B f 2, 1,3 115 69
69 1 2 23
Dado que en realidad conocemos la transformación lineal, verifiquemos:
2
2 1 1 0
f 2, 1,3 1 llegamos al mismo resultado. Trabajar con bases
3 2 5 23
3
distintas sin conocer la transformación lineal se puede.
x1
0
f v B M BB f .v B M BB f . x2
0 B x3
B
x1
0 26 1 11 26 1 11 0 76 1 0 0
. x
7
2
0 16 0 x3 16 0 7 0 16 0 7 0
B
6
6 x2 x1
vB x1 , x ,1 x 1 conocemos las
x x 0 7 6 1 6
7
1 2
16 x1 7 x3 0 x 16 x 7 7
3
7
1
Notar que los ejemplos que hemos visto para hallar la matriz A M f han sido los ejemplos 1),2)
y 3), pues en esos casos f : n m . En el ejemplo 4), f : 22 4 , por lo tanto es
imprescindible pensar los vectores en coordenadas para poder trabajar con matrices en esta
transformación lineal.
Sea f : 22 4 definida por
a a
f 11 12 a11 2a12 , a11 a21 2a22 , a21 a12 2a22 , a11 2a12 a21
a21 a22
Supongamos que queremos la matriz en bases canónicas M f :
1 0 0 1 0 0 0 0 22
E ; ; ; es la base canónica de
0 0 0 0 1 0 0 1
1 0
f 1,1, 0,1 es la primera columna de M f
0 0
0 1 1 2 0 0
f 2, 0,1, 2 es la segunda columna de M f
1 0 1 2
0 0 M f
0 0 0 1 1 2
f 0,1,1,1 es la tercera columna de M f
1 0 1 2 1 0
0 0
f 0, 2, 2, 0 es la cuarta columna de M f
0 1
5 1
Si queremos buscar, por ejemplo, f utilizando la matriz, primero necesitamos las
2 4
5 1 22
coordenadas en base canónica del vector en base canónica:
2 4
5 1
5,1, 2, 4 entonces:
2 4 E
1 2 0 0 5 3
5 1 1 0 1 2 1 15
f
2 4 0 1 1 2 2 5
1 2 1 0 4 5
5 1
f 3,15, 5,5
2 4
NOTA:
Si llamamos A M f a la matriz en bases canónicas, entonces A1 M BE f ;
A2 M BB f y A3 M EB f . Es indistinta la notación.
1 3
Esta matriz, multiplicada por las coordenadas de un vector en base B (las que ahora
1 2
desconocemos) da por resultado el vector, en la mayoría de los libros se la nota: CBE
1
1 3
Esta matriz, multiplicada por un vector, da por resultado las coordenadas del vector en
1 2
1
base B en la mayoría de los libros se la nota: CEB , pero CEB CBE .
Notar que la matriz de cambio de base, de la base B a la base canónica E tiene por columnas, a los
elementos de la base B .
Si B v1 , v2 , , vn es base de , entonces CBE v1 v2
n
vn es la matriz de cambio de la
base B a la base canónica E , es decir CBE .v B v y por lo tanto v B CBE1 . v
Como los cambio de base que necesitamos hacer son en el conjunto de partida y en el conjunto de
llegada de una transformación lineal, entonces, vamos a denominar P a la matriz de cambio de
base en el conjunto de partida y Q a la matriz de cambio de base en el conjunto de llegada:
P.v B v y por lo tanto v B P 1. v en el espacio vectorial
Q. wB w y por lo tanto wB Q1. w en el espacio vectorial
Cambiemos a base B en
f v A. v
f v A. P.v B f v A. P .v B A1 A.P
A1 M BE f
Cambiemos a base B en
f v A. v
Q. f v B A. v f v B Q1. A. v f v B Q1. A . v A3 Q1. A
A3 M EB f
A2 M BB f
A2 Q1. A.P
Volvamos a calcular las matrices en el ejemplo anterior
Sea f : 3 2 definida por f x1 , x2 , x3 2 x1 x2 x3 ,3x1 2 x2 5x3 y sean las bases
B 1,1,1 ; 1,1,0 ; 1,0,0 de 3
y B 3,1; 5,2 de 2
1 1 1
2 1 1 3 5 1 2 5
Prácticamente son datos: A P 1 1 0 Q Q
3 2 5 1 0 0 1 2 1 3
1 1 1
2 1 1 2 3 2
A1 . 1 1 0 M BE f
3 2 5 6 1 3
1 0 0
2 5 2 1 1 11 12 27
A3 . M EB f
1 3 3 2 5 7 7 16
1 1 1 1 1 1
2 5 2 1 1 11 12 27 26 1 11
A2 . . 1 1 0 . 1 1 0 M BB f
1 3 3 2 5 7 7 16 16 0 7
1 0 0 1 0 0
Se obtuvieron las matrices de manera mucho más sencilla que por definición!!