20 de abril de 2009
Índice general
1. Números Complejos 3
1.1. Definición y origen de los números Complejos . . . . . . . . . . . . . . . . . . . 3
1.2. Operaciones fundamentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. potencias de ı̈”, módulo o valor absoluto de un número complejo . . . . . . . . . 3
1.4. Forma polar y Exponencial de un número complejo . . . . . . . . . . . . . . . . 4
1.5. potencias y extracción de raı́ces de un número complejo . . . . . . . . . . . . . . 5
1.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3. Matrices y Determinantes 11
3.1. Definición de matriz, notación, orden . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2. Operaciones con matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3. Clasificación de las matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.4. inversa de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.5. Determinante de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.6. Inversa de una matriz cuadrada a través de la adjunta . . . . . . . . . . . . . . . 15
3.7. Solución de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4. Espacios Vectoriales 19
4.1. Espacio vectorial y sus propiedades . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2. Subespacios de un espacio vectorial y sus propiedades . . . . . . . . . . . . . . 20
4.3. Combinación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.4. Dependencia e independencia Lineal . . . . . . . . . . . . . . . . . . . . . . . . 21
4.5. Base y dimensión de un espacio vectorial. . . . . . . . . . . . . . . . . . . . . . 22
4.6. Cambio de base, base ortonormal,proceso de ortonormalización Gram-Schmidt. . 22
4.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1
5. Transformaciones Lineales 26
5.1. Definición de transformación lineal. . . . . . . . . . . . . . . . . . . . . . . . . 26
5.2. Definición de núcleo o kernel, e imagen. . . . . . . . . . . . . . . . . . . . . . . 26
5.3. representación matricial de una transformación lineal. . . . . . . . . . . . . . . . 27
5.4. Transformaciones y sistemas de ecuaciones lineales. . . . . . . . . . . . . . . . 28
5.5. Geometrı́a de las transformaciones lineales y aplicaciones. . . . . . . . . . . . . 29
5.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2
Capı́tulo 1
Números Complejos
Rez = x Imz = y
Dos números complejos se dicen iguales si tienen iguales su parte real e imaginaria.
(a, b) + (c, d) = (a + c, b + d)
3
Que cumple con las siguientes propiedades:
i=i
i2 = −1
i3 = −i
i4 = 1
El modulo
p o valor absoluto de un número complejo z se define como el número real no negativo
|z| = x2 + y2 Geométricamente el numero |z| es la distancia entre el punto (x, y) y el origen. O
sea la longitud del vector que representa la distancia de z al origen.
√ √
Ejemplo 2 si tenemos los números | − 3 + 2i| = 13 y |1 + 4i| = 17 entonces el primero esta
mas cerca del origen.
NOTA. La desigualdad z1 < z2 carece de sentido a menos que sean dos números reales.
Ejercicio: A que es igual |z1 − z2 |
Observemos que |z − z0 | = R representa al circulo de radio R centrado en z0 .
x = r cos θ y = r sen θ
z = r(cos θ + i sen θ)
Obsérvese que el ángulo puede cambiar con múltiplos de 2π. Por lo tanto en forma general
podrı́amos escribir
z = r(cos θ(θ + 2nπ) + i sen(θ + 2nπ))
Donde r es el modulo de z y θ es cualquier valor particular de arg.z.
4
La ecuación eiθ = cos θ + i sen θ se conoce como fórmula de Euler. Esta fórmula nos permite
escribir un número complejo no nulo en forma exponencial de la siguiente manera:
z = reiθ
z1 z2 = r1 r2 ei(θ1 +θ2 )
Nótese que si r = 1 la ecuación se convierte en: einθ = e(iθ)n Y utilizando la formula de Euler
tenemos:
(cos θ + i sen θ)n = cos nθ + i sen nθ
Que se conoce como Formula de De Moivre y nos sirve sobre todo para calcular raı́ces complejas.
Procediendo de igual manera para cualquier número z0 = r0 expi(θ0 +2kπ) podemos encontrar sus
n-raı́ces diferentes empleando la formula que se deduce:
(θ0 +2kπ)
z1/n 1/n i
0 = r0 e
n
Ejemplo 6 Encontrar todos los valores de (−8i)1/3 o sea las 3 raices cubicas.
SOLUCION: basta calcular√ el valor del√ argumento y escribir −8i = 2exp[i(−π/2 + 2kπ)]
Entonces las raı́ces son 3 − i 2i − 3 − i.
5
1.6. Ejercicios
√1.-Efectuar las √
siguientes operaciones.
a)( 2 − i) − i(1 − 2i =
b)(2, −3)(−2, 1) =
c)(3, 1)(3, −1)(1/5, 1/10) =
3−4i + 5i =
d) 1+2i 2−i
5
e) (1−i)(2−i)(3−i) =
f)(1 − i) 4
3 −(1+2i)2
g) (2−i)
(4−2i)(3i)
5.- Expresar en forma exponencial cada factor, efectuar las operaciones y regresar a la forma
rectangular.
√ √
a)i(1 − 3i)( 3 + i) = 5i
b) 2+i =
√
c)(−1 + i) =
7 d)(1 + 3i)−10 =
6
Capı́tulo 2
Teorema 1 el sistema
a11 x + a12 y = b1
a21 x + a22 y = b2
de dos ecuaciones con dos incognitas x y y no tienen solución, tienen una solución única o tiene
un número infinito de soluciones. Esto es:
i) Tiene una solución única si y solo sia11 a12 − a21 a22 , 0
ii) No tiene solución o tiene un número infinito de soluciones si y sólo si a11 a12 − a21 a22 = 0
x−y=7
x+y=5
x−y=7
2x − 2y = 14
7
SOLUCION: La segunda ecuacion es el doble de la primera.
x−y=7
2x − 2y = 13
En el caso de tres ecuaciones con tres incognitas (donde las ecuaciones representan pla-
nos)tenemos algo parecido es decir:
1) si el sistema tiene solucion única, entonces los tre planos se intersectan en un solo punto.
2) Los tres planos se intersectan en la misma recta. Entonces cada punto sobre la recta es solución
y el sistema tiene infinidad de soluciones.
3)Los tres planos coinciden, el sistema tiene una cantidad infinita de soluciones.
4)dos de los planos coinciden y se intersectan con el tercero en una recta, entonces la recta es
solución del sistema y tiene solución infinita.
5) Al menos dos de los planos son paralelos, entonces el sistema no tiene solución
6)Dos de los planos coinciden en una recta L. el tercer plano es paralelo a L y no la contiene,
entonces el sistema no tiene solución.
3. x1 + x2 − x3 = 7 4 x1 + x2 − x3 = 7
4x1 − x2 + 5x3 = 4 4x1 − x2 + 5x3 = 4
2x1 + 2x2 − 3x3 = 0 6x1 + x2 + 3x3 = 20
8
definición 1 a) se dice que un sistema de ecuaciones lineales es inconsistente si no tiene solución.
Se dice que un sistema que tiene al menos una solución es consistente.
b) un sistema es homogeneo si todas las ecuaciones estan igualadas a cero.
NOTA un sistema con mas incgnitas que ecuaciones tiene una infinidad de soluciones
9
2.3. Ejercicios
Resolver los sistemas:
1. x − 3y = 4 2. 2x − 8y = 5
−4x + 2y = 6 −3x + 12y = 8
3. 6 + 2iy = 3 3. 2x + 3y = 4
−4x − iy = 8 3x + 4y = 5
3. x1 + x2 − x3 = 7 4. x1 − 2x2 + 3x3 = 0
4x1 − x2 + 5x3 = 4 4x1 + x2 − x3 = 0
6x1 + x2 + 3x3 = 18 2x1 − x2 + 3x3 = 0
6. x2 − x3 = 7 8. −3x1 + 5x2 = 0
4x1 − x2 + 5x3 = 4 7x1 + 2x2 − x3 = 0
−2x1 + 0,5x2 − 2,5x3 = −2 −2x1 − x2 − 6x3 = 0
10
Capı́tulo 3
Matrices y Determinantes
definición 3 Dos matrices A y B son iguales si son del mismo tamaño y las componentes corres-
pondientes son iguales.
Ejemplo 11
1+3 2−1 5
! !
4 1 5
2 −3 0 y 1+1 1−4 0
NOTA la suma de dos matrices solo esta definida cuando las matrices son del mismo tamaño.
2 4 −6 7 0 1 6 −2 2 5 0 5
4 3 2 1 + 2 3 4 3 = 3 6 6 4
−4 3 −5 5
−2 1 4
−6 4 −1 9
4
11
definición 5 Multiplicación de una matriz por un escalar Si A es una matriz de mxn y si α es
un escalar, entonces la matriz αA esta dada por:
Ejemplo 13 Sea
2 5 0 5
A = 3 6 6 4
−6 4 −1 9
calcular 2A y −3A
definición 6 Producto de dos Matrices Sea A una matriz mxn y sea B una matriz nxp. Entonces
el producto de A y B es una matriz C de mxp en donde
ci j =(renglon i de A)(columna j de B)
NOTA dos matrices solo se pueden multiplicar solo si el número de columnas de la primera matriz
es igual al número de renglones de la segunda.
Ejemplo 14 sean
2 5 0 5
B = 3
!
2 0 3 6 6 4
A= y
−6 4 −1 9
4 1 5
Ejemplo 15
2 5 0
U = 0 6 6
0 0 −1
12
definición 8 a) matriz diagonal Es la matriz que tiene solo la diagonal principal diferente de
cero.
b) matriz escalar Es la matriz que tiene solo una entrada.
c) matriz identidad Es la matriz que tiene unos en la diagonal principal y ceros en todas las
demas entradas.
definición 9 matriz nilpotente Una matriz A es nilpotente si existe un entero k tal que Ak = 0 y
k es el indice de nilpotencia.
definición 10 a) transpuesta de una matriz La transpuesta de una matriz A que se escribe como
At es la matriz obtenida al intercambiar los renglones por las columnas de A.
b) La matriz A de nxn se llama simetrica si at = A
c) La matriz A de nxn se llama antisimetrica si at = −A
AB = BA = I
entonces B se llama la inversa de A y se denota como A−1 . Si A tiene inversa, se dice que A es
invertible.
Se puede calcular la inversa de una matriz por medio de operaciones elementales, es decir multi-
plicando un renglon por un escalar y mediante la suma de renglones.
Ejemplo 16 Obtener la inversa de la siguiente matriz
2 5 0
A = 3 6 6
−6 4 −1
ha i ha i ha i
det A = |A| = a11 22 a23
a32 a33 − a12 21 a23
a31 a33 + a13 21 a22
a31 a32
13
definición 13 Sea A una matriz de nxn y sea Mi j la matriz de (n − 1)x(n − 1) obtenida de A
eliminando el renglon i y la columna j. Mi j se llama el menor ij de A.
definición 14 Sea A una matriz de nxn el cofactor ij de A, denotado por Ai j , esta dado por
Ai j = (−1)i+ j |Mi j |
definición 15 Sea A una matriz de nxn Entonces el determinante de A, denotado por Det A o kAk,
esta dado por
Xn
detA a1k A1k
k=1
Teorema 2 Sea A = (ai j ) una matriz de nxn triangular superior o inferior. Entonces
Esto es, el determinante de una matriz triangular es igual al producto de sus componentes en la
diagonal.
1 −1 2 1 2 3
A = 3 1 4 B = 0 −1 4
0 −2 5
y
2 0 −2
1 −1 2 1 2 3
A = 3 1 4 B = 0 −1 4
0 −2 5
y
2 0 −2
14
Propiedad 1 Si cualquier renglon o columna de una matriz A es un vector cero, entonces det A
=0.
Propiedad 2 si el renglon i o la columna j de A se multiplica por un escalar c, entonces det A se
multiplica por c.
Propiedad 3 El intercambio de cualesquiera dos renglones (o columnas) distintos de A tiene el
efecto de multiplicar det A por -1.
Propiedad 4 Si A tiene dos renglones o columnas iguales, entonces det A=0.
Propiedad 5 si un renglon (columna) de A es un multiplo escalar de otro renglón (columna)
entonces det A=0.
Propiedad 6 Si se suma un multiplo escalar de un renglón (columna) a otro renglon (columna) el
determinante no cambia.
Ejemplo 20 Utilice las propiedades de los determinantes para calcular un determinante de 4x4.
1 3 5 2
0 −1 3 4
B =
2 1 9 6
3 2 4 8
Teorema 6 Sea A una matriz de nxn. Entonces A es invertible si y solo si det A , 0 y ademas
1
A−1 = ad j A
det A
Ejemplo 21 Calcular la inversa de la siguiente matriz.
2 4 3
B = 0 1 −1
3 5 7
15
3.7. Solución de sistemas
Existen diferentes formas de encontrar la solución a sistemas de ecuaciones aqui abordaremos
solo tres.
16
3.8. Ejercicios
1.-Sean
1 −1 2 5 4 4 6 3
A = 3 1 4 B = −2 2 4 C = 2 −5
0 −2 5
2 −1
3 1 3
3.- Calcular la inversa de las matrices por operaciones elementales (si tienen):
1 −1 2 4 −1 4 3 3
A = 3 1 4 B = −2 2 4 C = 4 −1
0 −2 5
−2 −1
1 0 2
1 −1 2 0 0
3 −1 2 1
2 0 0 0
3 1 4 0 0
C =
4 3 1 −2
0 0 3 0
2 −1 5 0 0
A =
B =
−1 0 2 3
0 −1 0 0
0 0 0 2 3
6 2 5 2
0 0 0 4
0 0 0 −1 4
2 5 −6 8 0
0 1 −7 6 0
D =
0 0 0 4 0
0 2 1 5 1
4 −1 5 3 0
4.- Calcular la inversa de las matrices por metodo de la adjunta:
17
1 −1 2 4 −1 4 3 3 2
A = 3 1 4 B = −2 2 4 C = 4 −1 −1
0 −2 5
−2 −1
1 0 2 2
3. x1 + x2 − x3 = 7 4. x1 − 2x2 + 3x3 = 0
4x1 − x2 + 5x3 = 4 4x1 + x2 − x3 = 0
6x1 + x2 + 3x3 = 18 2x1 − x2 + 3x3 = 0
6. x2 − x3 = 7 8. −3x1 + 5x2 = 0
4x1 − x2 + 5x3 = 4 7x1 + 2x2 − x3 = 0
−2x1 + 0,5x2 − 2,5x3 = −2 −2x1 − x2 − 6x3 = 0
18
Capı́tulo 4
Espacios Vectoriales
19
Ejemplo 28 El conjunto de P3 de los polinomios de grado igual a 3 con coeficientes reales.
P3 = {ax3 + bx2 + cx + d}
Ejemplo 32 El plano XY es un subespacio de R3 . esta formado por los vectores (x, y, 0) y contiene
el vector (0, 0, 0).
Ejemplo 33 Sea H = {(x, y, z) : x = at, y = bt, z = ct} Entonces H consiste de los vectores que
que estan sobre una recta en R3 que pasa por el origen y es un subespacio vectorial.
V = α1 V1 + α2 V2 + . . . αn Vn
20
Ejemplo 36 En R3 el vector (−7, 7, 7) es una combinación lineal de (−1, 2, 4) y (5, −3, 1). toman-
do α1 = 2, α2 = −1.
v = a1 v1 , . . . an vn
Si los vectores no son linealmente dependientes se dice que son linealmente independientes.
Ejemplo 39 Los vectores U = (1, 1), V = (0, 3), W = (2, 5) en R2 son Lineal mente dependientes.
Ejemplo 40 Los vectores U = (1, 0, 0), V = (0, 1, 0), W = (0, 0, 1), Z = (1, 1, 0) en R3 son Lineal-
mente dependientes.
Ejemplo 41 Los vectores U = (1, 2, 4), V = (2, 5, −3) en R3 son Linealmente independientes.
Ejemplo 42 Determine si los vectores son linealmente independientes U = (1, −2, 3), V = (2, −2, 0), W =
(0, 1, 7)
Ejemplo 43 Los vectores U = (1, 3, 1), V = (−2, 1, 4), W = (3, 5, 2), Z = (1, 1, 4) en R3 son
Linealmente dependientes.
21
4.5. Base y dimensión de un espacio vectorial.
definición 22 Un conjunto finito de vectores {v1 , v2 , . . . vn } es una base para un sistema vectorial
V si:
a) {v1 , v2 , . . . vn } es linealmente independiente.
b) {v1 , v2 , . . . vn } generan a V.
Ejemplo 44 a) Una base para R3 son los vectores U = (1, 0, 0), V = (0, 1, 0), W = (0, 0, 1), a esta
base se le llama la base canonica de R3 .
b)una base para M22 (matrices de 2 por 2) es:
! ! ! !
1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
Ejemplo 45 Encontrar una base para el conjunto de vectores que esta en el plano.
P = {(x, y, z) : 2x − y + 3z = 0}
x = au + bv (4.1)
Para encontrar estos números escribimos la base anterior en terminos de la nueva base esto es:
ası́ de (4.1)
22
a = 2/5x1 + 1/5x2
b = −3/5x1 + 1/5x2
o tambien
! ! !
2/5x1 1/5x2 2/5 1/5 x1
xB2 = =
−3/5x1 1/5x2 −3/5 1/5 x2
Ejemplo 47 Si tomamos xB1 = (3, −4) entonces tenemos que:
! ! !
2/5 1/5 3 2/5
xB2 = =
−3/5 1/5 −4 −13/5
!
2/5 1/5
La matriz A = se llama matriz de transición de B1 a B2
−3/5 1/5
En general la matriz inversa A−1 de A Cuyas columnas estan dadas como los vectores de la
base B2 forman la matriz de transición de B1 a B2 .
Ejemplo 48 Tomemos la base B1 = {i, j, k} y sea B2 = {(1, 0, 2), (3, −1, 0), (0, 1, −2)}, si x =
(1, −2, 4) escribir x en terminos de la segunda base.
1 3 0
SOLUCION:Verificamos que B2 es una base, esto es claro pues el determinante 0 −1 1 =
2 0 −2
8 Entonces la matriz de transición de B1 a B2 esta dada por
2 6 3
A−1 = 1/8 2 −2 1
2 6 −1
23
Si solo se satisface la condición 1 se dice que el conjunto es ortogonal.
v02
u2 =
|v02 |
24
4.7. Ejercicios
1.- Determina si el conjunto dado es un espacio vectorial si no lo es indicar cual propiedad no
se cumple
a) V= El conjunto de matrices diagonales de 3x3.
b) V = {(x, y) : y ≤ 0}.
c) Los vectores en el plano que estan en el primer cuadrante.
d) el conjunto de polinomios de grado menor o igual a 3.
e) el conjunto V = {2} !
0 a
f) el conjunto de matrices de 2x2 que tienen la forma
b 0
2.- Determina si el subconjunto H del espacio vectorial V es un subespacio.
a) V = R2 , H = {(x, y) : y ≥ 0}
b) V = R2 , H el plano XY.
c)V = R2 , H = {(x, y) : x2 + y2 ≤ 1}
d)V = Mnxn (matricesdenxn), H = {S ∈ Mnxn : S es una matriz simetrica}
4.- escribe el vector (1, −1, 2) en terminos de la base dada (no como combinación lineal)
1 0 1
0 , 0 , 1
a)
0
1 1
2 −1 3
, ,
b) 1 4 −2
3 5 −4
5.- Determine si el conjunto de matrices es linealmente independiente o dependiente.
! ! ! !
1 2 −1 3 2 −1 1 4
, , ,
3 6 −1 1 0 1 4 9
25
Capı́tulo 5
Transformaciones Lineales
T (u + v) = T u + T v T α = αT v
26
Se puede ver que el nucleo de T y la imagen de T son subespacios vectoriales de V y W
respectivamente, ademas la dimensión de V es igual a la suma de las dimensiones del nucleo y la
imagen esto es:
dimV = dim(nuT ) + dim(imT )
Ejemplo 52 calcular el nucleo e imagen de las siguientes transformaciones:
+La transformación cero. (T v = 0) para todo v ∈ V
+La transformación identidad T v = v para todo v ∈ V
+La transformación de reflexión T (x, y) = (−x,
! y)
xcosθ − ysenθ
+transformación de rotación
xsenθ + cosθ
+transformación diferencial T ( f ) = f 0
!
1 2
Ejemplo 53 Sea T : M22 → M22 tal que T (A) = AB donde B = calcular el nucleo e
0 1
imagen.
−1
1 0
0 1 1
SOLUCION: AT = Si reducimos a la forma escalonada observamos que: AT =
2 −1 −1
−1 1 2
1 −1 0 1 −1 0
0 1 1
0 1 1
por lo tanto la imagen de T = gen
y el nucleo es igual a
0 0 1 2 −1 −1
0 0 0 −1
1 2
cero.
27
Teorema 11 Sea V un espacio vectorial de dimensión n y W un espacio de diminsión m, sea
T : V → W una transformación lineal. Sea B1 = {v1 , v2 , . . . vn } una base para V y sea B2 =
{w1 , w2 , . . . wm } una base para W. Entonces existe una matriz unica AT de mxn tal que
(T x)B2 = AT (x)B1
Ejemplo 56 Sea T : P2 → P3 definida como T (x) = xP(x), encontrar AT y determinar el núcleo
y la imagen de T.
SOLUCION: usando las bases canonicas B1 = {1, x, x2 } en P2 y B2 = {1, x, x2 , x3 } en P3 se tiene
que
0 0 0
1 0 0
AT =
0 1 0
0 0 1
de aqui la imagen de T = {x, x2 , x3 } y por lo tanto el nucleo es igual a cero.
28
2x − y + 3z
x
Ejemplo 59 Sea T = y = 4x − 2y + 6z Encontrar nucleo e imagen de T.
−6x + 3y − 9z
z
2
SOLUCION: imagen de T =
4
−6
definición 28 Una expansión a lo largo del eje x es una tranformación lineal que multiplica a la
coordenada x de un vector en R2 por una constante c > 1 y se representa como
! !
x cx
T =
y y
! ! ! ! !
1 c 0 0 c0
Entonces si T = y ademas T = tenemos que la matriz de transformación AT =
0 0 1 1 01
De manera similar podemos definir la expansión a lo largo del eje y, con lo cual obtendriamos
! !
x x
T =
y cy
definición 29 Una compresión a lo largo del eje x es una tranformación lineal que multiplica a
la coordenada x de un vector en R2 por una constante 0 < c < 1 y se representa como
! !
x cx
T =
y y
! ! ! ! !
1 c 0 0 c0
Entonces si T = y ademas T = tenemos que la matriz de transformación AT =
0 0 1 1 01
De manera similar podemos definir la compresión a lo largo del eje y, con lo cual obtendriamos
! !
x x
T =
y cy
definición
! 30 !Existen 3 tipos de reflexiones de transformaciones lineales
x x
a) T = ,Refleja a un vector respecto al eje x.
y! −y !
x −x
b) T = ,Refleja a un vector respecto al eje y.
y! y!
x y
a) T = ,Refleja a un vector respecto a la recta x=y.
y x
29
Las correspondientes
! matrices de transformación
! son: !
1 0 −1 0 0 1
a) b) a)
0 −1 0 1 1 0
!
x
definición 31 Un corte a lo largo del eje x es una transformación que toma al vector y lo
y
x + cy
!
convierte en un nuevo vector donde c es una constante que puede ser positiva o negativa.
y
!
1 c
La matriz de transformación lineal es
0 1
!
x
definición 32 Un corte a lo largo del eje y es una transformación que toma al vector y lo
y
x + cy
!
convierte en un nuevo vector donde c es una constante que puede ser positiva o negativa.
y
!
1 0
La matriz de transformación lineal es
c 1
!
1 3
Ejemplo 60 considere la transformación lineal representada por , observemos que se puede
3 4
representar como: ! ! ! ! !
1 3 1 0 1 0 1 0 1 2
=
3 4 3 1 0 −1 0 2 0 1
5.6. Ejercicios
1.-Determine
! ! si la transformación dada es lineal !
x x x
a)T = b)T = xy
y 0 y
x+y
! ! ! !
x 1 x
c)T = d)T =
y y y x−y
e)T (A) = AB donde B es una matriz fija de nxn y A una matriz cualquiera de nxn.
2.- Encuentra
! el!nucleo y la imagen de las siguientes transformaciones
!
x x x
a)T = b)T = x+y
y 0 y
x+y
! ! ! !
x 1 x
c)T = d)T =
y y y x−y
30
!
1 2
e)T (A) = AB donde B = y A una matriz cualquiera de 2x2.
0 1
3.- Encuentra ! la representación
! matricial de las siguientes transformaciones
x x − 2y
a)T =
y −x + y
x
x−y+z
!
b)T y =
−2x + 2y − 2z
z
x x − y + 2z
c)T y = 3x + y + 4z
−3x + 6y + 3z
z
x x − y + 2z + w
y −x + z + 2w
d)T =
z x − 2y + 5z + 4w
w 2x − y + z − w
4.- Escribe la representación matricial de 2x2 de la transformación lineal dada y bosqueja la región
obtenidad al aplicar la transformación.
a)Expansión a lo largo del eje y (c=2) en el rectangulo (0,0),(5,0),(5,2),(0,2)
b)Corte a lo largo del eje x (c=-2) en el rectangulo (-2,-1),(3,-1),(3,2),(-2,2)
c) Corte a lo largo del eje y (c=-1/2) en el rectangulo (-6,-1),(2,-1),(2,2),(-6,2)
d)Reflexión a lo largo del eje x en el rectangulo (-7,-1),(4,-1),(4,3),(-1,3)
e) Reflexión a lo largo de la recta x=y en el rectangulo (-2,-2),(2,-2),(2,2),(-2,2)
5.- Expresar cada matriz ! dada como producto de matrices especiales
2 −1
a) B =
5 0!
3 6
b) A =
4 2 !
−1 10
c) C =
6 2
31