[Versin preliminar]
Prof. Isabel Arratia Z.
__________________________________________________________________
Algebra Lineal
ii )
T( v ) = T ( v);
; v V
T (0 ) 0
T no es aplicacin lineal
f ( x ) = 3( x ) = ( 3 x ) = f ( x )
Luego f es una aplicacin lineal.
Pero si definimos g(x) = x + 3, g no es aplicacin lineal
puesto que g ( 0 ) 0.
Observe que la funcin g
tampoco cumple las condiciones i) y ii) exigidas para ser
transformacin lineal.
__________________________________________________________________
Algebra Lineal
f(x) =
f(x) = e x
f(x) = ln x
f(x) = 1
x
f(x) = cos x
__________________________________________________________________
Algebra Lineal
dp
dx
__________________________________________________________________
Algebra Lineal
Destacamos los
siguientes dos
ejemplos
To : V W; To (v) = 0 W
es una aplicacin lineal
6) Si V es un espacio vectorial, la funcin
I : V V; I(u) = u
es lineal; se llama aplicacin identidad de V.
__________________________________________________________________
Algebra Lineal
v = 1v1 + . . . . . + n v n
T(v) = 1w1 + . . . . . + n w n
satisface lo requerido en el teorema.
__________________________________________________________________
Algebra Lineal
Ejercicio:
__________________________________________________________________
Algebra Lineal
Ejercicio:
5) T : 3 M 2 (); T(a, b, c) =
a c 3
__________________________________________________________________
Algebra Lineal
Ncleo e imagen
Sean V y W espacios vectoriales reales y
T: V
W una transformacin lineal.
El ncleo o kernel de T es el conjunto,
Ker T = { v V / T(v) = 0 }
La imagen de T es el conjunto,
Im T = { w W / v V talque T(v) = w }
Ejemplo:
10
__________________________________________________________________
Algebra Lineal
11
To : V W; To (v) = 0 W
I : V V; I(u) = u
El ncleo y la imagen de una transformacin lineal no son
simples conjuntos; es fcil demostrar el siguiente teorema.
__________________________________________________________________
Algebra Lineal
12
( T ) = dim (Ker T)
13
Teorema: Sea T : V
W aplicacin lineal.
__________________________________________________________________
Algebra Lineal
14
Isomorfismos
Recordemos que una funcin f posee funcin inversa
f 1 si y slo si f es biyectiva. La funcin f 1 resulta
ser biyectiva tambin y tal que
(f 1 o f )(x) = x
(f o f -1)(x) = x
15
Si T es una aplicacin de V en W,
observe que,
T invertible
1
T isomorfismo T isomorfismo
T isomorfismo
T epiyectiva
__________________________________________________________________
Algebra Lineal
16
1) T : 3 3; T(x, y, z) = (x, 2x - y, x + 4y - z)
2) T : 3 P2[x]; T(a, b, c) = (a c) + (2a + b + c)x + (3a + b + c)x2
a b
4
= (a + d, 2c, a + c, c - d)
3) T : M2 () ; T
c d
Si T: V
W es un isomorfismo,
entonces se dice que los espacios V y
W son isomorfos, en cuyo caso se
anota V W .
__________________________________________________________________
Algebra Lineal
17
T(a, b, c) = a + bx + cx2
a b
El isomorfismo T
= (a, b, c, d) establece que los
c d
espacios M2 () y 4 son isomorfos.
__________________________________________________________________
Algebra Lineal
18
i) TA (X + Y) = A (X + Y) = A X + A Y = TA (X) + TA (Y)
ii) TA ( X) = A ( X) = (A X) = TA (X)
Es decir, TA es una transformacin lineal, que se
llama aplicacin lineal asociada a la matriz A.
__________________________________________________________________
Algebra Lineal
19
1 3
Ejemplo: Sea A = 4 0
2
1
y determinemos la aplicacin
lineal asociada a A.
TA : 2 3 ; TA (x, y) = ??
1 3
x 3y
4 0 = 4x
2
y 2x + y
1
2
A =
0
1 1
7 5
0 0 0
0 =
0 0 0
e I3
__________________________________________________________________
Algebra Lineal
20
Denotemos por,
L(n , m) = { T : n m / T lineal}
Por qu?
21
TA + B = TA + TB
TA = TA ,
__________________________________________________________________
Algebra Lineal
22
Sean {e1, ..... , en} y {e1, ..... , em} las bases cannicas
de n y m respectivamente. Entonces,
T (e1 ) =
T (e 2 ) =
......
a12 e1 + a 22 e 2 + . . . . . + a m2 e m
......
T (e n ) = a1n e1 + a 2 n e 2 + . . . . . + a mn e m
y la matriz,
a 11
a 12
[T ] =
....
a
1n
a 21
a 22
....
a 2n
a m1
. . . . a m2
.... ....
. . . . a mn
....
__________________________________________________________________
Algebra Lineal
23
1
1
3
t
7
= 1
2
7
1
2
__________________________________________________________________
Algebra Lineal
24
T : 3 2 ; T ( x , y, z ) = (x + 6 y - z, 4x - 5y + 2z)
T : 3 3 ; T ( x , y, z ) = (y - 2z, 3x + z, 9x 2 y + z)
Como consecuencia del isomorfismo que
se ha establecido tenemos que:
[T + S] = [T] + [S]
[a T] = a [T] , a nmero real
Adems,
invertible,
[T o S] = [T] [S]
-1
-1
y si T es
[T ] = [T]
__________________________________________________________________
Algebra Lineal
25
Sea T :
una aplicacin lineal. Repetiremos
el procedimiento realizado para obtener la matriz
asociada a T pero considerando las bases B ={ v1, ..... , vn}
y E ={ w1, ..... , wm} de n y m respectivamente.
Evaluamos T en los vectores de la base B y luego,
expresamos estas imgenes como combinacin lineal de
los vectores de la base E.
T ( v1 ) =
T(v 2 ) =
......
a12 w1 + a 22 w 2 + . . . . . + a m2 w m
......
T ( v n ) = a1n w1 + a 2 n w 2 + . . . . . + a mn w m
__________________________________________________________________
Algebra Lineal
26
a 11
a
La matriz, 12
....
a
1n
Luego,
a 21
a 22
....
a 2n
....
....
....
....
a m1
a m2
....
a mn
a 11
E a 21
[T ] B =
....
a
m1
a 12
....
a 22
....
....
....
a m2
....
se denota
[T] E
B
a 1m
a 2m
....
a mn
[T]B
__________________________________________________________________
Algebra Lineal
27
La matriz
[T]E
B est caracterizada as:
n
Si las coordenadas de v con respecto
a la base B son [v]B = X = (x1, . . . . , x n ) ,
E
entonces [T]B X son las coordenadas de
la imagen T(v) con respecto a la base E
[ T] E
[T]
,
,
T
L(
,
)
B
B
C
E
n m
m k
[T o S] C
=
[T]
[S]
,
T
L(
),
S
L(
, )
B
E
B
__________________________________________________________________
Algebra Lineal
28
2
2
3 =
2
3
6 4
3 3
__________________________________________________________________
Algebra Lineal
29
n
Pero si E es otra base de , entonces [ I ] E
B In .
La matriz
B
[ I ]E
[
I
]
es
una
matriz
invertible,
su
inversa
es
B
E
E
E
B
n n
[ I] B
[T]
[
I
]
=
[T]
,
T
L(
, )
E
E
B
B
aqu, E y B son bases de n .
__________________________________________________________________
Algebra Lineal
30
31
V = { v n / T(v) = v }
__________________________________________________________________
Algebra Lineal
32
Cmo determinamos
los valores y vectores
propios de T?
es un valor propio de T
v n , v 0 tal que T ( v) = v
v n , v 0 tal que T ( v) v = 0
v n , v 0 tal que (T I n )( v) = 0
v n , v 0, v Ker (T - I n )
T I n no invertible
det [T I n ] = 0
__________________________________________________________________
Algebra Lineal
33
= { v n / T(v) - v = 0}
= { v n / (T - I n )(v) = 0}
= Ker (T - I n )
Es decir, los vectores propios de T asociados a son
los vectores del kernel de la transformacin lineal (o
matriz) [T I n ] .
__________________________________________________________________
Algebra Lineal
34
La matriz asociada a T es A =
1
caracterstica de T,
1
p() = 0 det[ I - T] = 0
= 0 2 +1 = 0
1
no tiene races reales, T no tiene valores propios.
35
2x + y - z =
Ker[ T I 3 ] = { (x, y, z) /
2x + 2y - z =
3
0
}
0
2x - z = 0
2x + 2y - 2z = 0
= < { (1, 1, 2) } >
__________________________________________________________________
Algebra Lineal
36
Diagonalizacin
n
Teorema: T diagonalizable si y
n
slo si existe B base de formada
por vectores propios de T.
__________________________________________________________________
Algebra Lineal
37
[T ]B = 0
0
0
1
0
0
1
__________________________________________________________________
Algebra Lineal
38
__________________________________________________________________
Algebra Lineal
39
__________________________________________________________________
Algebra Lineal
40