UNIVERSIDAD TECNOLOGICA NACIONAL

Facultad Regional Córdoba

Departamento de Materias Básicas
Álgebra y Geometría Analítica
UNIDAD 6
TRANSFORMACIONES
LINEALES
 TRANSFORMACIONES LINEALES

Una función vectorial relaciona cada vector de un espacio vectorial con un único vector
de otro espacio vectorial
V F W

F: 𝑉 → 𝑊 w=F(v)
𝒗𝟏 𝒘𝟏
𝒗𝟐
𝒘𝟐
𝒘𝟑 Imagen
𝒗𝟑 La imagen puede coincidir o estar
Incluida en el espacio vectorial W
Dominio Codominio
 TRANSFORMACIONES LINEALES
Definición
Si V y W son espacios vectoriales (EV) y F o T es una función que asocia cada vector de
V con un único vector de W siendo F: 𝑉 → 𝑊 w=F(v)

y además F: 𝑉 → 𝑊 cumple :
1) 𝐹 𝑢 + 𝑣 = 𝐹 𝑢 + 𝐹 𝑣 , 𝑢 𝑦 𝑣 ∈ 𝑉
2) 𝐹( 𝜆u) = 𝜆 𝐹 𝑢 , ∀𝑢 ∈ 𝑉 𝑠𝑖𝑒𝑛𝑑𝑜 𝜆 𝑒𝑠𝑐𝑎𝑙𝑎𝑟
Entonces F o T es transformación lineal (TL)
Consideraciones
• No toda función vectorial será transformación lineal
• Trabajamos sobre espacios vectoriales donde existen dos operaciones, suma y multiplicación
por escalar, la idea es que estas operaciones se preservan a través de la TL

𝑭 𝒖+𝒗 = 𝑭 𝒖 + 𝑭 𝒗 se lee, la imagen de la suma de los vectores u y v, es igual a la suma de las imágenes de cada uno de ellos
𝑭( 𝝀u) = 𝝀 𝑭 𝒖 se lee, la imagen del producto de un escalar landa por un vector u, es igual al escalar por la imagen del vector u
 TRANSFORMACIONES LINEALES
Generalización
Si en vez de dos vectores tenemos “n” vectores y “n” escalares,
combinando los puntos 1) y 2), entonces:

Sean 𝒗𝟏 ; 𝒗𝟐 ; …; 𝒗𝒏 vectores de 𝑉 y 𝒌𝟏 ; 𝒌𝟐 ; …; 𝒌𝒏 son escalares, entonces,

𝐹 𝒌𝟏 𝒗𝟏 +𝒌𝟐 𝒗𝟐 + …+𝒌𝒏 𝒗𝒏 = 𝐹 𝒌𝟏 𝒗𝟏 + 𝐹 𝒌𝟐 𝒗𝟐 + … + 𝑭(𝒌𝒏 𝒗𝒏 ) por condición 1)

𝐹 𝒌𝟏 𝒗𝟏 +𝒌𝟐 𝒗𝟐 + …+𝒌𝒏 𝒗𝒏 = 𝒌𝟏 𝐹 𝒗𝟏 + 𝒌𝟐 𝐹 𝒗𝟐 + … + 𝒌𝒏 𝑭(𝒗𝒏 ) por condición 2)

Veamos algunos ejemplos

 TRANSFORMACIONES LINEALES
Ejemplos
Ejemplo 1
𝑇: 𝑅2 → 𝑅3 / 𝑇 𝑥; 𝑦 = (𝑥; 𝑥 + 𝑦; 𝑥 − 𝑦)

Ejemplo 2 Transformación Matricial

𝑇: 𝑅𝑛 → 𝑅𝑚 / 𝑇 𝑥ҧ = 𝐴. 𝑥ҧ
Observación:
𝐴𝑚𝑥𝑛 ; 𝑥𝑛𝑥1 ; 𝑇 𝑥ҧ 𝑚𝑥1
donde “n” corresponde a la dimensión del dominio y “m” corresponde a la dimensión de la imagen

Ejemplo 3 Transformación Lineal Cero

𝑇: 𝑉 → 𝑊 / 𝑇 𝑣 = 0 , ∀𝑣 ∈𝑉
A todos los e𝑙𝑒𝑚𝑛𝑡𝑜𝑠 𝑑𝑒𝑙 𝐸𝑉 𝑉, 𝑙𝑎 𝑇𝐿 𝑙𝑒 ℎ𝑎𝑐𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑟 𝑒𝑙 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑐𝑒𝑟𝑜
 TRANSFORMACIONES LINEALES
Ejemplos - continuación
Ejemplo 4 Transformación Identidad

Transformación de un EV en si mismo
𝑇: 𝑉 → 𝑉 / 𝑇 𝑣 = 𝑣 es un OPERADOR LINEAL

Ademas, 𝑘 es un escalar , entonces

𝑻 𝒗 = 𝒌𝒗
• 𝑆𝑖 𝑘 > 1 ⇒ 𝑇 𝑒𝑠 𝑢𝑛𝑎 𝑑𝑖𝑙𝑎𝑡𝑎𝑐𝑖ó𝑛 (estira)
• 𝑆𝑖 0 < 𝑘 < 1 ⇒ 𝑇 𝑒𝑠 𝑢𝑛𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑐𝑐𝑖ó𝑛 (comprime)
 TRANSFORMACIONES LINEALES
Propiedades

𝑇: 𝑉 → 𝑊 es transformación lineal
1 𝑻 𝟎 =𝟎 𝑐𝑜𝑚𝑜 0. 𝑣 = 0 ⇒ 𝑇 0 = 𝑇 0. 𝑣 = 0. 𝑇 𝑣 = 0 𝑝𝑎𝑟𝑎 𝑣 ∈ 𝑉

2 𝑻 −𝒗 = −𝑻 𝒗 , ∀ 𝑣 ∈ 𝑉 𝑝𝑢𝑒𝑠 𝑇 −𝑣 = 𝑇 −1. 𝑣 = −1. 𝑇 𝑣 = −𝑇 𝑣

3 𝑻 𝒗−𝒘 =𝑻 𝒗 −𝑻 𝒗 , ∀𝑣𝑦𝑤 ∈𝑉
𝑝𝑢𝑒𝑠 𝑇 𝑣 − 𝑤 = 𝑇 𝑣 + (−1). 𝑤 = 𝑇 𝑣 + −1 𝑇 𝑤 = 𝑇 𝑣 − 𝑇 𝑤
 TRANSFORMACIONES LINEALES
Núcleo, kernel o espacio nulo
Es el subconjunto de los vectores del EV V que tiene como imagen el vector nulo de W
Se indica N(T) o ker(T) Ejemplo
Es un subespacio de V
Su dimensión se denomina Nulidad de T 𝑇: 𝑅𝑛 → 𝑅𝑚 / 𝐴. 𝒙
ഥ=0

T
V Es el núcleo
W
La solución del sistema homogéneo
Siempre compatible

N(T) El núcleo es el espacio de

0
soluciones
 TRANSFORMACIONES LINEALES
Imagen o Recorrido
Es el subconjunto de los vectores del EV W donde todos los vectores son imagen de
algún vector del EV V. Son los valores de la función cuando “v” varía en V
Se indica I(T) o R(T) Ejemplo
Es un subespacio de W 𝑇: 𝑅𝑛 → 𝑅𝑚 / 𝐴. 𝑥ҧ = 𝒃 𝑜 𝑇 𝑥 = 𝑏
Su dimensión se denomina Rango de T
T Imagen
V Sistema no homogéneo
W Será compatible si “b” está en el
𝒗𝟏
𝒘𝟏 espacio de columnas de la matriz A
𝒗𝟐
𝒘𝟐 I(T)
N(T) 0
𝒘𝟑
𝒗𝟑
 TRANSFORMACIONES LINEALES
Teorema de la dimensión

Rango T + Nulidad de T = n
Ejemplo

Núcleo e imagen de una transformación lineal. Interpretación geométrica. Duración 11:28 min.
https://www.youtube.com/watch?v=nSD8uhoDQ_o
Núcleo e imagen de una transformación lineal. Procedimiento de cálculo. Duración 19:18 min
https://www.youtube.com/watch?v=cyuGo5FFfek
Transformaciones lineales- Teorema de la dimensión. Duración 13:31 min
https://www.youtube.com/watch?v=lYOOiT34HR8
 TRANSFORMACIONES LINEALES
Una TL está completamente determinada por los valores de una base

Si tenemos una base 𝑆 = 𝑣1 ; 𝑣2 ; … ; 𝑣𝑛 de V y 𝑇: 𝑉 → 𝑊 𝑒𝑠 𝑇𝐿

y conocemos las imágenes T 𝒗𝟏 ; T(𝒗𝟐 ); … ; T(𝒗𝒏 )
Podemos obtener la imagen de T(v) de cualquier vector “v”

Procedimiento
1 𝐸𝑥𝑝𝑟𝑒𝑠𝑎𝑟 𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 "v" 𝑒𝑛 𝑡é𝑟𝑚𝑖𝑛𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒
𝑣 = 𝑘1 𝑣1 + 𝑘2 𝑣2 , + ⋯ + 𝑘𝑛 𝑣𝑛

2 𝐷𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑇 𝑣 = 𝒌𝟏 𝑇 𝒗𝟏 + 𝒌𝟐 𝑇 𝒗𝟐 + … + 𝒌𝒏 𝑻(𝒗𝒏 )
 TRANSFORMACIONES LINEALES
Una TL está completamente determinada por los valores de una base
Ejemplo
𝑆 = 𝑣1 ; 𝑣2 ; 𝑣2 donde 𝑣1 = 1; 1; 1 ; 𝑣2 = 1; 1; 0 ; 𝑣3 = (1; 0; 0)

𝑇: 𝑅3 → 𝑅2 𝑒𝑠 𝑇𝐿 y T 𝑣1 = 𝟏; 𝟎 ; T 𝑣2 = 𝟐; −𝟏 ; T 𝑣3 = 𝟒; 𝟑
Determinar T 𝑣 ; ? 𝑠𝑖𝑒𝑛𝑑𝑜 𝑣ҧ = 𝟐; −𝟑; 𝟓

1 𝟐; −𝟑; 𝟓 = 𝑘1 1; 1; 1 + 𝑘2 1; 1; 0 + 𝑘3 (1; 0; 0) Siendo 𝑘1 = 5

𝑘2 = −8
𝑘3 = 5
2 𝑇 𝟐; −𝟑; 𝟓 = 𝟓𝑇 𝒗𝟏 − 8𝑇 𝒗𝟐 + 𝟓𝑻(𝒗𝟑 )
𝑇 𝟐; −𝟑; 𝟓 = 𝟓 𝟏; 𝟎 − 8 𝟐; −𝟏 + 𝟓 𝟒; 𝟑
𝑇 𝟐; −𝟑; 𝟓 = 𝟓 𝟏; 𝟎 − 8 𝟐; −𝟏 + 𝟓 𝟒; 𝟑 𝑇 𝟐; −𝟑; 𝟓 = 𝟗; 𝟐𝟑
 MATRIZ ESTÁNDAR
Transformaciones Lineales de 𝑅𝑛 → 𝑅𝑚

Si T: 𝑅𝑛 → 𝑅𝑚 es una transformación lineal,

entonces es posible encontrar una matriz 𝐴𝑚𝑥𝑛 tal que la transformación “T” es la
multiplicación por la matriz A
𝑻 𝒙ഥ =𝑨𝒙 ഥ

En general, si 𝑒1ҧ , 𝑒2ҧ , … , 𝑒𝑛ҧ es la base canónica o estándar para 𝑅𝑛 y A es una matriz
de orden 𝑚𝑥𝑛 (𝐴𝑚𝑥𝑛 )
que tiene como imágenes de los vectores de la base,
a los vectores columna de la matriz A
 MATRIZ ESTÁNDAR CONTINUACIÓN

𝒂𝟏𝟏 𝒂𝟏𝟐 … 𝒂𝟏𝒏

𝒂𝟐𝟏 𝒂𝟐𝟐 … 𝒂𝟐𝒏
𝑨= ⋮ ⋮ ⋮ ⋮
𝒂𝒎𝟏 𝒂𝒎𝟐 … 𝒂𝒎𝒏
𝑻 𝒆ത 𝟏 𝑻 𝒆ത 𝟐 … 𝑻 𝒆ത 𝒏

Demostración: 𝑻: 𝑹𝒏 → 𝑹𝒎 es la multiplicación por la matriz A

𝑥1
Siendo 𝑥ҧ = 𝑥…2 = 𝑥1 . 𝒆ത 𝟏 + 𝑥2 . 𝒆ത 𝟐 + … + 𝑥𝑛 . 𝒆ത 𝒏
𝑥𝑛
Por linealidad T 𝑥ҧ = 𝑥1 . T(ത𝒆𝟏 ) + 𝑥2 . T(ത𝒆𝟐 )+ … + 𝑥𝑛 . T(ത𝒆𝒏 ) 1
 DEMOSTRACIÓN (CONTINUACIÓN) MATRIZ ESTANDAR

Además,
𝒂𝟏𝟏 𝒂𝟏𝟐 … 𝒂𝟏𝒏 𝑥1 𝒂𝟏𝟏 𝒙𝟏 + 𝒂𝟏𝟐 𝒙𝟐 + 𝒂𝟏𝟑 𝒙𝟑 + … + 𝒂𝟏𝒏 𝒙𝒏
𝒂𝟐𝟏 𝒂𝟐𝟐 … 𝒂𝟐𝒏 𝑥2 = 𝒂𝟐𝟏 𝒙𝟏 + 𝒂𝟐𝟐 𝒙𝟐 + 𝒂𝟐𝟑 𝒙𝟑 + … + 𝒂𝟐𝒏 𝒙𝒏
𝐴. 𝑥ҧ = ⋮ ⋮ ⋮ ⋮ . …
⋮ ⋮ ⋮ … ⋮
𝒂𝒎𝟏 𝒂𝒎𝟐 … 𝒂𝒎𝒏 𝑥𝑛 𝒂𝒎𝟏 𝒙𝟏 + 𝒂𝒎𝟐 𝒙𝟐 + 𝒂𝒎𝟑 𝒙𝟑 + … + 𝒂𝒎𝒏 𝒙𝒏

Reexpresando
𝑎11 𝑎12 𝑎1𝑛
𝐴. 𝑥ҧ = 𝑥1 . 𝑎…
21 + 𝑥 . 𝑎22 + … + 𝑥 . 𝑎2𝑛
2 … 𝑛 …
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛

Según 𝐴. 𝑥ҧ = 𝑥1 . T(ത𝒆𝟏 ) + 𝑥2 . T(ത𝒆𝟐 )+ … + 𝑥𝑛 . T(ത𝒆𝒏 ) 2

Luego como los segundos miembros de 1 y de 2 son iguales, entonces ഥ = 𝑨. 𝒙

𝐓 𝒙 ഥ
𝑹𝒆𝒄𝒐𝒓𝒅𝒆𝒎𝒐𝒔 ഥ = 𝒙𝟏 . 𝐓(ത𝒆𝟏 ) + 𝒙𝟐 . 𝐓(ത𝒆𝟐 )+ … + 𝒙𝒏 . 𝐓(ത𝒆𝒏 )
𝐓 𝒙 1
 DEMOSTRACIÓN (CONTINUACIÓN) MATRIZ ESTANDAR
Para ഥ = 𝑨. 𝒙
𝐓 𝒙 ഥ A es la matriz estándar para la transformación T
Y tiene como vectores columna a las imágenes de los vectores de la base estándar
𝐴 = [ T 𝒆ത 𝟏 T(ത𝒆𝟐 ) …. T(ത𝒆𝒏 )]

Ejemplo 𝒙𝟏 𝒙 + 𝟐𝒙𝟐
𝟐
𝑻: 𝑹 → 𝑹 𝟐
𝑻 𝒙 = 𝟏
𝟐 𝒙𝟏 − 𝒙𝟐

𝟏 𝟏 + 𝟐. 𝟎 𝟏
𝑻 = =
𝟎 𝟏 −𝟎 𝟏
𝟏 𝟐
A= Luego 𝑻: 𝑹𝟐 → 𝑹𝟐 ഥ = 𝑨. 𝒙
𝐓 𝒙 ഥ
𝟏 −𝟏
𝟎 𝟎 + 𝟐. 𝟏 𝟐
𝑻 = = 𝒙𝟏 𝟏 𝟐 𝒙𝟏
𝟏 𝟎 −𝟏 −𝟏 𝑻 𝒙 = . 𝒙
𝟐 𝟏 −𝟏 𝟐

Hay ejemplos de T:R2 R2 en el archivo de Transformaciones lineales de R2 R2

 MATRICES DE LAS TRANSFORMACIONES LINEALES

Si V y W son espacios vectoriales con dimensión finita, entonces,

cualquier transformación lineal T:VW

se puede considerar como una transformación matricial,

no necesariamente Rn y Rm
 MATRICES DE LAS TRANSFORMACIONES LINEALES

V T W
x Cada vez que se aplica T
T(x)
de modo que 𝑥 → 𝑇(𝑥)
𝑇ത
Se genera una aplicación 𝑇ത que
𝑥 𝐵 𝑇(𝑥) 𝐵´ relaciona las correspondientes matrices
B 𝑛∗1 𝑚∗1 B´ de coordendas que siempre es TL

B y B´ son las bases elegidas para los espacios

vectoriales V y W respectivamente

Luego ഥ ∶ 𝑹𝒏 → 𝑹𝒎 / 𝐀 𝒙
𝑻 𝑩 = 𝑻(𝒙) 𝑩´
 MATRICES DE LAS TRANSFORMACIONES LINEALES

❑ Si conocemos la matriz A
Si la matriz A es dato entonces podemos encontrar la imagen
de cualquier vector del espacio vectorial V mediante un método indirecto
(eficiente computacionalmente)

x T(x)
1
1 Calcular 𝑥 𝐵
3
2
𝑥 𝑇(𝑥) 𝐵´
2 Determinar A 𝑥 𝐵 = 𝑇(𝑥) 𝐵´
𝐵
𝐀𝒙 𝑩
3 Reconstruir T(x) a partir de 𝑇(𝑥) 𝐵´
 MATRICES DE LAS TRANSFORMACIONES LINEALES

Ejemplo 1 3 2 𝐵= 1; 0; 0 ; 0; 1; 0 ; 0; 0; 1
𝑇: 𝑅3 → 𝑃2 𝐴= 1 1 6
1 −1 2 B´ = 1 − 𝑥 + 𝑥 2 ; 3𝑥 2 ; 5
Determinar 𝑇 𝑣ҧ =? 𝑠𝑖𝑒𝑛𝑑𝑜 𝑣ҧ = (3; 1 ; 7)

Método indirecto
𝑘1 = 3 3
1 3; 1 ; 7 = 𝑘1 1; 0; 0 + 𝑘2 0; 1; 0 + 𝑘3 0; 0; 1 𝑘2 = 1 𝑥 = 1
𝐵
1 3 2 3 20
𝑘3 = 7 7
2 𝐴 𝑥 𝐵= 1 1 6 1 = 46
1 −1 2 7 16

3 𝑇 𝑣ҧ = 20 1 − 𝑥 + 𝑥 2 + 46 3𝑥 2 + 16 . 5
𝑇 𝑣ҧ = 158 𝑥 2 − 20𝑥 + 100
 MATRICES DE LAS TRANSFORMACIONES LINEALES

❑ No conocemos la matriz A
La matriz A debe satisfacer, A𝑥 𝐵 = 𝑇(𝑥) 𝐵´ ∀𝑥 𝜖 𝑉
𝑚∗𝑛 𝑛∗1 𝑚∗1
Sea V un EV de dimensión “n” con base 𝐵 = 𝑢1 ; 𝑢2 ; … ; 𝑢𝑛
Sea W un EV de dimensión “m” con base 𝐵′ = 𝑣1 ; 𝑣2 ; … ; 𝑣𝑚
𝒂𝟏𝟏 𝒂𝟏𝟐 … 𝒂𝟏𝒏
𝒂𝟐𝟏 𝒂𝟐𝟐 … 𝒂𝟐𝒏
𝒚 𝑨= ⋮ ⋮ ⋮ ⋮ 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛 𝑚 ∗ 𝑛
𝒂𝒎𝟏 𝒂𝒎𝟐 … 𝒂𝒎𝒏
 MATRICES DE LAS TRANSFORMACIONES LINEALES
Entonces ,∀𝑥 𝜖 𝑉 A𝑥 𝐵 = 𝑇(𝑥) 𝐵´ 1
➢ S𝑖 𝑥 = 𝑢1 ⟹ A 𝑢1 𝐵 = 𝑇 𝑢1 𝐵´ 𝑦 𝑠𝑖𝑒𝑛𝑑𝑜 0
𝑢1 𝐵 = …
𝑎11 𝑎12 … 𝑎1𝑛 𝑎11 0
1
𝑎21 𝑎22 … 𝑎2𝑛
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 A 𝑢1 𝐵 = ⋮ ⋮ ⋮ ⋮
0
… = 𝑎…21 = 𝑇(𝑢 )
1 𝐵´
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 0 𝑎𝑚1 Primer columna de A

0
➢ S𝑖 𝑥 = 𝑢2 ⟹ A 𝑢2 = 𝑇 𝑢2 𝐵´ 𝑦 𝑠𝑖𝑒𝑛𝑑𝑜
𝐵
1
𝑢2 𝐵 = …
𝑎11 𝑎12 … 𝑎1𝑛 𝑎11 0
0
𝑎21 𝑎22 … 𝑎2𝑛
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 A 𝑢2 𝐵 = ⋮ ⋮ ⋮ ⋮
1
… = 𝑎…21 = 𝑇(𝑢 )
2 𝐵´
𝑎𝑚1 Segunda columna de A
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 0
 MATRICES DE LAS TRANSFORMACIONES LINEALES
Así sucesivamente podemos encontrar todas las columnas de la matriz A.
La matriz que se obtiene es la matriz de las transformaciones lineales
correspondientes a las bases B y B´ y se indica

A = 𝑇(𝑢1 ) 𝐵´ 𝑇(𝑢2 ) 𝐵´ … 𝑇(𝑢𝑛 ) 𝐵´

Las columnas de la matriz A son

Las matrices de coordenadas de las imágenes de los vectores de la base B
respecto a la base B’
 MATRICES DE LAS TRANSFORMACIONES LINEALES

Ejemplo
𝑇: 𝑅2 → 𝑃1 𝑇 𝛼; 𝛽 = 𝛼 + 𝛽 + 2𝛽𝑥
Determinar 𝐴 =?
𝐵= 1; 3 ; 6; 8 B´ = 1; 𝑥
1 𝑎1 = 4 𝑦 𝑎2 = 6
𝑇 = 4 + 6𝑥 4 + 6𝑥= 𝑎1 . 1 + 𝑎2 . 𝑥
3
1 4
𝑇 =
3 6
𝐵´
6 −2 − 16𝑥= 𝑎3 . 1 + 𝑎4 . 𝑥 𝑎3 = −2 𝑦 𝑎4 = −16
𝑇 = −2 − 16𝑥
−8
6 −2
𝑇 =
𝟒 −𝟐 −8 −16
𝐵´
𝐀=
𝟔 −𝟏𝟔
 SEMEJANZA Y SIMILARIDAD

La matriz de un operador lineal depende de la base seleccionada

y uno de los problemas fundamentales del álgebra lineal, es elegir

una base que haga que la matriz de la transformación lineal sea tan sencilla como se pueda.

Esto no necesariamente ocurre con la base estándar.

 SEMEJANZA Y SIMILARIDAD
Si 𝑇: 𝑉 → 𝑉 es un operador lineal en un EV de dimensión finita
A es la matriz de la transformación lineal T respecto a la bases B
A´ es la matriz de las transformación lineal T respecto a las base B´
Entonces, 𝐴´es semejante a 𝐴 , si existe una matriz invertible “𝑃”
que cumple que 𝐴´ = 𝑃−1 𝐴𝑃 siendo “𝑃” la matriz de transición de 𝐵´𝑎 𝐵
Entonces 𝐴´ = 𝑃−1 𝐴 𝑃
𝑃𝐴´ = 𝑃 𝑃−1 𝐴 𝑃 Premultiplicando por 𝑃
𝑃𝐴´𝑃−1 =𝐴 𝑃𝑃−1 Postmultiplicando por𝑃−1
Luego 𝐴 = 𝑃𝐴´𝑃−1 Entonces A y A´son semejantes

Diremos que dos matrices son semejantes

si representan al mismo operador lineal respecto a bases diferentes
 SEMEJANZA Y SIMILARIDAD
Ejemplo 𝑥1 𝑥1 + 𝑥2
2 2
Si 𝑇: 𝑅 → 𝑅 / 𝑇 𝑥 =
2 −2𝑥1 + 4𝑥2
𝐵= 1; 0 ; 0; 1 B´ = 1; 1 ; 1; 2

𝐴´ = 𝑃−1 𝐴 𝑃 𝑃 es la matriz de transición B´ → B

𝐴 es la matriz de la transformación lineal / estándar

Matriz TL respecto a la base B (Matriz Estándar)

1 1
𝑇 = 1 1
0 −2 𝐴=
0 1 −2 4
𝑇 =
1 4
 SEMEJANZA Y SIMILARIDAD

𝐵= 1; 0 ; 0; 1 B´ = 1; 1 ; 1; 2
Matriz de Transición - 𝑃: 𝐵´ → 𝐵
𝑢1 = 𝑎1 . 𝑒1ҧ + 𝑎2 . 𝑒2ҧ 1; 1 = 𝑎1 1; 0 + 𝑎2 0; 1 1
𝑢1 𝐵´ =
𝑎1 = 1 y 𝑎2 = 1 1
𝑢2 = 𝑎3 . 𝑒1ҧ + 𝑎4 . 𝑒2ҧ 1; 2 = 𝑎3 1; 0 + 𝑎4 0; 1 1
𝑢2 𝐵´ =
𝑎 3 = 1 y 𝑎4 = 2 2

1 1
𝑃=
1 2
 SEMEJANZA Y SIMILARIDAD

Inversa de P
2 −1
𝑃−1 =
−1 1

Matriz de la Transformación Lineal - A´

𝐴´ = 𝑃−1 𝐴 𝑃
2 −1 1 1 1 1
𝐴´ =
−1 1 −2 4 1 2
2 0 Matriz de la Transformación Lineal respecto a la base B´
𝐴´ =
0 3

Es una matriz diagonal !!

 Material desarrollado para las clases de Álgebra y Geometría Analítica

con fines didácticos

Bibliografía y webgrafía consultada:

Material de Cátedra
Imágenes