Escolar Documentos
Profissional Documentos
Cultura Documentos
Carlos Picarte F.
2. Transformaciones Lineales 5
2.1. Transformaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1. Kernel e Imagen de una Aplicacion Lineal . . . . . . . . . . . . . . . . . 7
2.1.2. Composicion de Aplicaciones Lineales . . . . . . . . . . . . . . . . . . . . 11
2.2. Matriz Asociada a una Aplicacion Lineal . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1. Representacion Matricial de una Transformacion lineal . . . . . . . . . . 12
2.3. Matriz Asociada de Algunas Transformaciones . . . . . . . . . . . . . . . . . . . 18
2.4. Cambio de Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3
INDICE GENERAL INDICE GENERAL
4 UBB
2 Transformaciones
Lineales
Definicion 2.1.
1. T (v + w) = T (v) + T (w), v, w V .
2. T (v) = T (v), K, v V .
Ejemplo 2.1.
Demostracion: En efecto:
T (x, y) = 2x + y
1. (x, y), (u, v) R2 { ()
T (u, v) = 2u + v
2. R, (x, y) R2 T (x, y) = 2x + y ()
5
Captulo 2: Transformaciones Lineales C. Picarte F.
Ejemplo 2.2.
Demostracion: En efecto:
I(v1 ) = v1
1. v1 , v2 V { ()
I(v2 ) = v2
2. R, v V I(v) = v ()
I(v) = v = I(v)
Ejemplo 2.3.
Demostracion: En efecto:
(v1 ) = 0V
1. v1 , v2 V { ()
(v2 ) = 0V
6 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales
2. R, v V (v) = 0V ()
(v) = 0V = 0V = (v)
Luego, por (1) y (2), es una Transformacion Lineal.
Ejercicio : Muestre que cada una de las siguientes funciones son Aplicaciones Lineales.
1. T R R, T (x) = 2x.
2. F R2 R2 , F (x, y) = (x + y, x y).
3. H R3 R3 , H(x, y, z) = (x, x + y, y + z).
Definicion 2.3.
Ejemplo 2.4.
Solucion:
Ker(T ) = {(x, y, z) R3 T (x, y, z) = (0, 0)}
= {(x, y, z) R3 (x + y, z) = (0, 0)}
= {(x, y, z) R3 x + y = 0, z = 0}
= {(x, y, z) R3 x = y, z = 0}
= {(y, y, o) R3 }
= {(1, 1, 0)}
UBB 7
Captulo 2: Transformaciones Lineales C. Picarte F.
Teorema 2.1.
T (v1 ) = w
ii) v1 , v2 Ker(T ) {
T (v2 ) = w
8 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales
Definicion 2.4.
Teorema 2.2.
Proposicion 2.1.
T es inyectiva Ker(T ) = {v }
i) Hip: T es inyectiva ()
v = Ker(T ) = { }
v Ker(T ) T (v) = w T (v) = T (v ) v v
Definicion 2.5.
UBB 9
Captulo 2: Transformaciones Lineales C. Picarte F.
Definicion 2.6.
Observacion 2.1.
Teorema 2.3.
Ejemplo 2.5.
10 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales
Ejercicio : Definir si es posible una aplicacion lineal F R2 R3 cuyo Kernel este ge-
nerado por {(1, 3)}.
Proposicion 2.2.
Proposicion 2.3.
Observacion 2.2.
Proposicion 2.4.
UBB 11
Captulo 2: Transformaciones Lineales C. Picarte F.
En otras palabras
a11 a1n
a a
[T (v1 )]B2 = 21 ; ; [T (vn )]B2 = 2n
am1 amn
Definicion 2.7.
[T ]B
B1 = ([T (v1 )]B2 , [T (v2 )]B2 , , [T (vn )]B2 )
2
12 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales
Ejemplo 2.6.
y las bases B1 = {(1, 0), (0, 1)} de R2 y B2 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
Hallar la matriz asociada a T en dichas bases:
Solucion:
4 2
[T ]B2
B1 = 2 1
1 1
Ejemplo 2.7.
Observacion 2.3.
UBB 13
Captulo 2: Transformaciones Lineales C. Picarte F.
Observacion 2.4.
La matriz [T ]B
B1 como recien vimos, queda completamente determinada conocidas
2
Teorema 2.4.
[T (v)]B2 = [T ]B
B1 [v]B1 .
2
Ejemplo 2.8.
Dadas T R3 R3 y las bases B1 = B2 = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} tal que
1 1 0
[T ]B2
B1 = 2 0 0 ,
3 4 1
++ = 2 =2
(2, 0, 1) = (1, 0, 0) + (1, 1, 0) + (1, 1, 1) + = 0 =1
= 1 = 1
1 1 0 2 1
As: [(2, 0, 1)]B1 = (2, 1, 1) y [T (2, 0, 1)]B2 = 2 0 1 1 = 3
3 4 1 1 9
De esto se tiene que:
14 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales
Observacion 2.5.
[T ]C
Cm = A
n
Ejemplo 2.9.
1 1
x x
Sea T R2 R3 , T ( ) = 0 1 ( ) y sean C2 = {(1, 0), (0, 1)} C3 = {(1, 0, 0),
y 2 y
1
(0, 1, 0), (0, 0, 1)} bases de R2 y R3 , respectivamente. Entonces.
1 1 1 1 1 1 0 0
T ( ) = 0 1 ( ) = 0 = 1 0 + 0 1 + 2 0
0 2 1 0 2 0 0 1
0 1 1 0 1 1 0 0
T ( ) = 0 1 ( ) = 1 = 1 0 + 1 1 + 1 0
1 2 1 1 1 0 0 1
Luego,
1 1
[T ]C
C2
3
= 0 1 = A
2 1
Observacion 2.6.
[T ]B
B1 Mmn
2
UBB 15
Captulo 2: Transformaciones Lineales C. Picarte F.
Observacion 2.7.
Observacion 2.8.
[T ]B
B1 = M
2
Ejemplo 2.10.
Solucion: Queremos encontrar T (x, y, z), para ello solo necesitamos [T (x, y, z)]B2 .
+ = x = xz
(x, y, z) = (1, 0, 1) + (1, 1, 0) + (0, 1, 0) + = y = y x + z
= z = z
Luego,
1 2 1
z
3x y 2z
[T (x, y, z)]B2 = ( ) xz =( )
1 0 2 2x + 2y + z
yx+z
As, T (x, y, z) = (3x y 2z)(1, 2) + (2x + 2y + z)(0, 2) = (3x y 2z, 2x + 2y 2z)
Ejercicio : Sea B1 = {p0 , p1 , p2 } con pi (t) = (t + 1)i , t R, i = 0, 1, 2 y B2 = {(1, 1, 0),
(1, 2, 3), (3, 2, 1)} bases de P2 [t] y R3 respectivamente.
16 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales
[T + S]B
B1 = [T ]B1 + [S]B1
2 B2 B2
Teorema 2.6.
[T ]B
B1 = [T ]B1
2 B2
Teorema 2.7.
[T S]B
B1 = [T ]B2 [S]B1
3 B3 B2
UBB 17
Captulo 2: Transformaciones Lineales C. Picarte F.
Teorema 2.8.
[T ]B
B1 [T ]B2 = [Id]B2 = I
2 1 B1 B2
[T 1 ]B
B2 [T ]B1 = [Id]B1 = I
1 B2 B1
B2 = ([T ]B1 )
[T 1 ]B1 B2 1
1. Halla [T + S]B
B1 y [3T ]B1 .
2 B2
3. Hallar [T 1 ]B2
B1
18 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales
Rx R2 R2 , Rx (x, y) = (x, y)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)},
tenemos que:
R (1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) 1 0
{ x [Rx ] = ( )
Rx (0, 1) = (0, 1) = 0(1, 0) 1(0, 1) 0 1
Ry R2 R2 , Ry (x, y) = (x, y)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)},
tenemos que:
R (1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) 1 0
{ y [Ry ] = ( )
Ry (0, 1) = (0, 1) = 0(1, 0) + 1(0, 1) 0 1
RO R2 R2 , RO (x, y) = (x, y)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)},
tenemos que
R (1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) 1 0
{ O [RO ] = ( )
RO (0, 1) = (0, 1) = 0(1, 0) 1(0, 1) 0 1
UBB 19
Captulo 2: Transformaciones Lineales C. Picarte F.
Px R2 R2 , Px (x, y) = (x, 0)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)}, te-
nemos que
P (1, 0) = (1, 0) = 1(1, 0) + 0(0, 1) 1 0
{ x [Px ] = ( )
Px (0, 1) = (0, 0) = 0(1, 0) + 0(0, 1) 0 0
Py R2 R2 , Py (x, y) = (0, y)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)}, te-
nemos que
P (1, 0) = (0, 0) = 0(1, 0) + 0(0, 1) 0 0
{ y [Py ] = ( )
Py (0, 1) = (0, 1) = 0(1, 0) + 1(0, 1) 0 1
20 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales
Hk R2 R2 , Hk (x, y) = k(x, y)
Usando la base canonica de R2 , C = {(1, 0), (0, 1)}, te-
nemos que
H (1, 0) = (k, 0) = k(1, 0) + 0(0, 1) k 0
{ k [Hk ] = ( )
Hk (0, 1) = (0, k) = 0(1, 0) + k(0, 1) 0 k
Observacion 2.9.
Se requiere efectuar una Homotecia respecto del origen O (h1 , h2 ), en un factor k de una
figura plana, que contiene al punto P (x, y). Definamos la aplicacion:
UBB 21
Captulo 2: Transformaciones Lineales C. Picarte F.
Definicion 2.8.
[Id]B
B
Teorema 2.9.
[v]B = [Id]B
B [v]B
Teorema 2.10.
22 UBB
C. Picarte F. Captulo 2: Transformaciones Lineales
Teorema 2.11.
1 0 0
0 1 0
B =
1. [Id]B
0 0 1
B es invertible y ([Id]B )
2. [Id]B = [Id]B
B 1
B
UBB 23
Captulo 2: Valores y Vectores Propios C. Picarte F.
24 UBB
3 Valores y Vectores
Propios
Definicion 3.1.
T (v) = v
Los vectores que satisfacen esta ecuacion se llaman vectores propios asociados al
valor propio .
Ejemplo 3.1.
25
CAPITULO 3. VALORES Y VECTORES PROPIOS
Observacion 3.1.
Recordemos que toda aplicacion lineal tiene una representacion matricial, es decir,
Sea V un espacio vectorial de dimension n y T una aplicacio lineal tal que T V
V ; T (v) = Av, donde A es matriz cuadrada de orden n, luego la definicion anterior
se puede expresr de la siguiente manera:
Sea A una matriz de n n con componentes reales. El numero (real o complejo)
se llama valor propio de A si existe un vector v diferente del nulo en Rn , tal que:
Av = v (3.1)
Ejemplo 3.2.
10 18
Sea A = ( ). Muestre que 1 = 1 y 2 = 2 son valores propios de A, con
6 11
2 3
vectores propios asociados ( ) y ( ) respectivamente.
1 2
Teorema 3.1.
Definicion 3.2.
26 UBB
CAPITULO 3. VALORES Y VECTORES PROPIOS
Observacion 3.2.
Ejemplo 3.3.
11 2 x 0
E1 = {(x, y) R2 / ( ) ( ) = ( )}
0 21 y 0
0 2 x 0
= {(x, y) R2 / ( ) ( ) = ( )}
0 1 y 0
2y 0
= {(x, y) R2 / ( ) = ( )}
y 0
= {(x, 0), x R}
= {(1, 0)}
12 2 x 0
E2 = {(x, y) R2 / ( ) ( ) = ( )}
0 22 y 0
1 2 x 0
= {(x, y) R2 / ( ) ( ) = ( )}
0 0 y 0
x + 2y 0
= {(x, y) R2 / ( ) = ( )}
0 0
= {(2y, y), y R}
= {(2, 1)}
UBB 27
CAPITULO 3. VALORES Y VECTORES PROPIOS
Observacion 3.3.
Observacion 3.4.
Teorema 3.2.
Definicion 3.3.
Observacion 3.5.
Demostracion: Si v es un
asociado al vp. de A entonces:
vp
Av = v /A
A2 v = A(v) = (Av) = (v) = 2 v /A
A3 v = A(2 v) = 3 v /A
= ( por induccion de muestra que)
n
A v = n v
Teorema 3.3.
28 UBB
CAPITULO 3. VALORES Y VECTORES PROPIOS
Observacion 3.6.
La propiedad anterior nos permite efectuar algunos calculo en forma mas simple,
tales como potencias de un a matriz o expresiones simples de la inversa de una
matriz cuendo esta existe.
Ejemplo 3.4.
1 2
Encuentre A4 y A1 para A = ( )
0 2
Solucion: : De los calculo del ejemplo(3.3), tenemos que p() = (1)(2) = 23+2
y la matriz A satisface la ecuacion caracterstica, as,
A2 3A + 2I = 0 A2 = 3A 2I / A
A3 = 3A2 2A = 3(3A 2I) 2A = 7A 6I / A
A4 = 7A2 6A = 7(3A 2I) 6A = 15A 14I
15 30 14 0 1 30
de donde A4 = ( )( )=( )
0 30 0 14 0 16
Por otra parte,
1 3
A2 3A + 2I = 0 I = A2 + A / A1
2 2
1 3
A1 = A + I
2 2
1/2 1 3/2 0 1 1
de donde A1 = ( )+( )=( )
0 1 0 3/2 0 1/2
UBB 29
CAPITULO 3. VALORES Y VECTORES PROPIOS
Teorema 3.5.
Si A es una matriz simetrica con elementos reales, entonces sus valores propios son
reales. Ademas sus vectores propios correpondientes a valores propios diferentes son
ortogonales.
3.2 Diagonalizacion
Se dice que dos matrices A y B de nn son semejantes si existe una matriz invertible
C de n n tal que:
B = C 1 AC
Observacion 3.7.
Teorema 3.6.
30 UBB
CAPITULO 3. VALORES Y VECTORES PROPIOS
Teorema 3.7.
1 0 0 0
0 2 0 0
D=
0 0 3 0
0 0 0 n
donde 1 , 2 , , n son los valores propios de A.
Si C es una matriz cuyas columnas son vectores propios linealmente independientes
de A, entonces
D = C 1 AC
Observacion 3.8.
UBB 31