Transformaciones Lineales

Instituto de Matemtica
Universidad Austral de Chile
Transformaciones Lineales
Las transformaciones lineales intervienen en muchas situaciones en Matemticas y son algunas de las funciones ms importantes. En Geometra modelan las simetras de un objeto, en Algebra se pueden usar para representar ecuaciones, en Anlisis sirven para aproximar localmente funciones, por ejemplo. Sean V , W espacios vectoriales sobre un mismo cuerpo K Una funcin T de V en W transforma vectores de V en vectores de Impondremos condiciones para que T preserve las operaciones de suma de vectores y multiplicacin por escalar, esto es, que sea equivalente sumar y multiplicar por escalar las preimgenes en V como las imgenes en W .
W.
T V
u u+v v au
W
T(u) T(u) + T(v) T(u+v) T(au) aT(u)
3
T(v)
Definicin:
Sean V , W dos espacios vectoriales sobre un cuerpo K T : V W es una transformacin lineal de V en W si:
2) a K , v V , T (av ) = aT (v )
1) u, v V , T (u + v ) = T (u ) + T (v )
Observaciones: 1) Es usual denotar con los mismos smbolos

+
como se hizo en la definicin, que pueden ser diferentes. 2) T tambin se llama aplicacin lineal.
y (smbolo que se omite) la suma y el producto por escalar definidos sobre los espacios vectoriales V y W
3) T es transformacin lineal Esto es: Sea
a, b K , u , v V , T (au + bv ) = aT (u ) + bT (v )
4) Transformaciones lineales preservan combinaciones lineales.

T :V W
T (a1 v1 + a 2 v 2 + ... + a n v n ) = a1T (v1 ) + a 2 T (v 2 ) + ... + a n T (v n )
transformacin lineal. Entonces, para
ai K , vi V , i = 1,2,..., n
Se cumple que: Si V , W son espacios vectoriales sobre un cuerpo K una transformacin lineal. Entonces:
1)T ( 0V ) = 0W
2)T ( v ) = T ( v ) ,
T :V W
v V
3)T ( v w) = T ( v ) T ( w) ,
v, w V
5
Algunas transformaciones lineales: 2) 1)
T : V W , T ( v ) = 0W , v V
Transformacin lineal Nula .
T : V V , T ( v ) = cv, v V , con c K , c fijo.
IV : V V , IV ( v ) = v, v V
En particular, si c =1:
A M mn (R)
Transformacin lineal Identidad .
3) Sea
(El producto matricial Av est definido si los vectores se colocan como vectores columnas).
Entonces T : Rn R m , T ( v ) = Av es transformacin lineal. Transformacin determinada por la matriz A
No son transformaciones lineales: 1) La funcin determinante
det ( A + B ) det A + det B,
det : M n ( K ) K
det ( kA) = k det A k det A,
ya que:
para
n >1
2)
Si V es un espacio vectorial sobre K y v0 V , v0 0V , la funcin traslacin por el vector v0 definida por

T ( v ) = v + v0
v V
ya que
T ( 0 V ) = v 0 0V
Definicin:
KERNEL E IMAGEN DE UNA TRANSFORMACION LINEAL Sean V , W espacios vectoriales sobre un cuerpo K , con T : V W una transformacin lineal 1) El kernel de T
2) La imagen de denotada
(Tambin se le llama ncleo y se anota Nu T )

Im T , es
KerT = {v V / T (v ) = 0 W }
el conjunto:
denotado
KerT
es el conjunto
ImT ={wW / w = T ( v) , para algun v V }

8
T V
Ker T
ImT
Se cumple: 1)
KerT
2) Im T es un subespacio vectorial de W . El rango de T es la dimensin de la imagen de T . Se anota: 3) Sean V , W espacios vectoriales sobre un cuerpo K Sea
T :V W
es un subespacio vectorial de V . La nulidad de T , es la dimensin del kernel de T . Se anota: n (T )
r (T )
con
dim V < .
una transformacin lineal. Entonces:

dim ( KerT ) + dim ( Im T ) = dim V
10
TRANSFORMACIONES LINEALES INYECTIVAS, SOBREYECTIVAS Y BIYECTIVAS. Sean V , W espacios vectoriales sobre un cuerpo K , y T :V W una transformacin lineal. Entonces:
1) T es inyectiva KerT = {0V }
2) T
es sobreyectiva ImT = W
3) T es biyectiva KerT = {0 } , Im T = W V
11
Sean V ,W espacios vectoriales sobre un cuerpo K , Sea con dim V = n, dim W = m
T : V W una transformacin lineal. Entonces:
1) T es inyectiva r (T ) = n 2) T es sobreyectiva
r (T ) = m
Sean V , W espacios vectoriales sobre un cuerpo K , y T : V W una transformacin lineal. Entonces: {v1 , v 2 ,..., v n } genera a V {T ( v1 ) , T ( v2 ) ,..., T ( vn )} genera a Im T . Si {v1 , v 2 ,..., v n } es una base de V , entonces Im T = {T ( v1 ) , T ( v2 ) ,..., T ( vn )}
12
O sea:
Sean V ,W espacios vectoriales sobre un cuerpo K . Sean un conjunto de n vectores arbitrarios
T (v i ) = w i , i = 1,2,..., n
{v1, v2 ,...,vn }
una base de V y
{w1 , w2 ,..., wn } W
T :V W
Entonces existe una nica transformacin lineal tal que
O sea: una transformacin lineal queda completamente determinada por sus imgenes en una base del dominio.
13
La composicin de transformaciones lineales es transformacin lineal. Esto es: Si T : U V , S : V W son dos transformaciones lineales entonces S T : U W es transformacin lineal. Sea T : V W una transformacin lineal, con vectoriales sobre K
1) T es invertible
V, W
espacios
existe T 1 : W V /
T 1 T = IV , T T 1 = IW
Si T es invertible se dice que es un isomorfismo

2) T : V W
3) T 1
( )
transformacin lineal invertible T 1 : W V es transformacin lineal.

14
=T
Si T : V W es un isomorfismo, se dice que los dos espacios vectoriales V y W son isomorfos o que V es isomorfo a W y se anota Si dos espacios vectoriales son isomorfos no significa que sean iguales, pero toda propiedad relacionada con la estructura de espacio vectorial que posea uno de ellos se transfiere al otro a travs del isomorfismo.
V W.
Se cumple que:
Dos espacios vectoriales finito dimensionales son isomorfos si y solo si tienen la misma dimensin. Esto es,
V ,W
espacios vectoriales de dimensin finita:

V W dim V = dim W
15
VALORES PROPIOS Y VECTORES PROPIOS
INTRODUCCIN
Los conceptos de valores propios y de vectores propios de transformaciones lineales o de matrices que estudiaremos son de importancia en: aplicaciones de matemticas, como : diagonalizacin de matrices rotacin de ejes coordenados
soluciones de sistemas de ecuaciones diferenciales lineales

16
otras disciplinas, como: economa biologa fsica mecnica
En esta parte, las matrices sern cuadradas y las funciones sern operadores lineales, esto es, transformaciones lineales de un espacio vectorial en si mismo
17
1) Sea Definicin:
R o C
A M n ( K ), K = R o C
v R n o Cn , v 0
se llama valor propio de A , si: , tal que
2) Sean V espacio vectorial sobre un cuerpo K y T : V V una transformacin lineal. K se llama valor propio de T , si: v V , v 0V , tal que T ( v ) = v. Cada vector vV, v 0V que satisface T ( v ) = v, se llama vector propio de T , asociado al valor propio .
v, v 0, que satisface Av = v, Cada vector se llama vector propio de A, asociado al valor propio .
Av = v.
18
Los valores propios tambin se denominan valores caractersticos, autovalores o eigenvalores Los vectores propios tambin se denominan vectores caractersticos, autovectores o eigenvectores.
Si es valor propio de una transformacin lineal T, el conjunto W = {v V / T (v) = v} es subespacio vectorial de V llamado espacio propio de T asociado al valor propio . (Observar que 0 W , pero 0 no es vector propio de T)
Si es valor propio de una matriz A, el conjunto W = {v K n / Av = v} es subespacio vectorial de K n llamado espacio propio de A asociado al valor propio . (Observar que 0 W , pero 0 no es vector propio de A)
19
Sea A M n ( K ) . Entonces: es valor propio de A Av = v , con v 0 K Av = ( I n ) v , con v 0K

n
identidad de orden ( A I n ) v = 0K , v 0K
( In
n
n)
det ( A I n ) = 0
a11 a21 an1
a22 an 2
a12
a1n a2 n = 0,
con
A = ( aij )
ann
Los valores que satisfacen esta ecuacin, son los valores propios de A.
20
10
Sea T : V V transformacin lineal. Entonces: K es valor propio de T v V , v 0V , T ( v ) = v
v V , v 0V ,
IV
(T IV )( v ) = 0V
Ker (T IV ) {0V }
v Ker (T IV ) , v 0V
identidad en V
As, los vectores propios de T asociados al valor propio , son los vectores no nulos del kernel de la transformacin lineal T - IV .
21
POLINOMIO CARACTERISTICO. ECUACION CARACTERISTICA DE UNA MATRIZ
Definicin: Sea A M n ( K )
La matriz caracterstica de
A es la matriz
A In .
A El polinomio caracterstico de
es el polinomio pA ( ) = det ( A I n )
La ecuacin caracterstica de A es la ecuacin pA ( ) = det ( A I n ) = 0
22
11
Sean A = ( aij ) M n ( K ) y de A.
p A ( ) = det ( A I n ) el
polinomio caracterstico
Entonces:
1) p A ( ) = det ( A I n )
pA ( ) = c0 + c1 + c2 2 + ... + cn1 n1 + cn n
es un polinomio de grado
n.
2) Los valores propios de la matriz caracterstica de A, esto es:

K
son las races de la ecuacin

p A ( ) = det ( A I n ) = 0
es un valor propio de A si y slo si
23
3) Para determinar los valores propios de A, debemos encontrar las races de su ecuacin caracterstica p A ( ) = 0, ecuacin de grado que tiene n races reales y/o complejas, de manera que n valores propios. Dada A M n ( C ) , entonces A tiene exactamente necesariamente distintos entre s.
n
n
tiene a lo ms
valores propios, no
Una matriz real, esto es, todos sus elementos son reales, es tal que su ecuacin caracterstica podra no tener races reales sino complejas.
24
12
4) Sean 1 , 2 ,..., n todos los valores propios de la matriz A. Entonces: La suma de los valores propios de la matriz A es igual a su traza: El producto de los valores propios de la matriz A es igual al determinante de A :
1 2 ... n = det A
1 + 2 + ... + n = trA,
con
trA = a11 + a22 + ... + ann
5) A es matriz no invertible (singular)
Basta considerar: = 0 es valor propio de A
=0
es valor propio de A
det A = 0 A
es no invertible o singular
25
6) Algunos autores definen el polinomio caracterstico de A en la forma:

pA ( ) = det ( I n A)
Ambas definiciones difieren a lo ms en el signo, pues

det ( A I n ) = ( 1) det ( I n A )
n
La ecuacin caracterstica queda igual.
26
13
POLINOMIO CARACTERISTICO. ECUACION CARACTERISTICA DE UNA TRANSFORMACIN LINEAL
Sean V espacio vectorial de dimensin n y T : V V una transformacin lineal. Sean A = [T ] , A ' = [T ] las matrices asociadas a T respecto de dos bases ordenadas distintas B, B ' de V . det ( A I n ) = det ( A ' I n ) Entonces:
B B'
As, el polinomio det ( A I n ) = det ([T ]B I n ) depende slo del operador lineal T y no depende de la base ordenada B. El hecho de que un cambio de base no afecta a este polinomio nos permite definir el polinomio caracterstico de una transformacin lineal.
27
Sean V un espacio vectorial de dimensin n, B una base ordenada de V y T : V V una transformacin lineal. Se llama polinomio caracterstico del operador lineal T , al polinomio: Se tiene que: grado pT ( ) = n = dimV K es valor propio de T es cero del polinomio caracterstico de T . Los valores propios de la transformacin lineal T dependen de T y no dependen de la base escogida para representarla.
pT ( ) = det ([T ]B I n )
28
14
Sean:
V espacio vectorial sobre un cuerpo

T :V V
K , dim V = n,
A = [T ]B ,
Se cumple que. 1) Si A es matriz cuadrada, entonces
Entonces: K , es valor propio de T es valor propio de A.

pA ( A) = O
relativa a alguna base B de V .
la matriz representativa de
transformacin lineal y
2 n donde pA ( A) = a0 I + a1 A + a2 A2 + ... + an An si p A ( x ) = a0 + a1x + a2 x + ... + an x 2) Si T : V V es transformacin lineal, entonces p (T ) = 0

T
donde
pT (T ) = a0 I + a1T + a2T 2 + ... + anT n
si
pT ( x ) = a0 + a1x + a2 x2 + ... + an xn
29
MATRICES SIMILARES
Definicin:
Sean A , B matrices de orden n. B se dice similar ( o semejante ) a A si existe matriz P de orden invertible, tal que: B = P 1 AP 1) La similaridad es una relacin de equivalencia, en el conjunto M n ( K ) , esto es: A es similar a A. Si B es similar a A, entonces A es similar a B.
n,
Si A es similar a B y B es similar a C , entonces A es similar a C ( Por el segundo punto, podemos decir que A y B son similares ).
30
15
2) Como: B = P 1 AP PB = AP, 1)entonces: A y B son semejantes existe P matriz invertible de orden n tal que: PB = AP. La ventaja de esta equivalencia es que slo se requiere conocer que P es invertible y no calcularla. 3) Sean A, B matrices de orden n, 1)similares entonces: A y B tiene el mismo polinomio caracterstico y los mismos valores propios.
4) Sea V un espacio vectorial sobre un cuerpo K , de dimensin finita n, y sean A, A ' dos matrices n n sobre K . Entonces: A, A ' son similares si y solo si A, A ' representan a la misma transformacin lineal
T :V V
relativo a bases diferentes de V .
31
DIAGONALIZACION
Para A matriz cuadrada, nos interesa saber si existe una matriz similar a A, que sea diagonal. Si T : V V es una transformacin lineal, con V espacio vectorial, nos interesa saber si existe una base de V de modo que la matriz asociada a T en esa base sea matriz diagonal. Mostraremos que esto no siempre es posible y determinaremos condiciones para que lo sea.
32
16
Recordemos que una matriz diagonal D = ( d ij ) de orden n es tal que todos los elementos de D fuera de la diagonal principal son ceros: d 0 0
11 0 D= 0 d 22 0 0 d nn
Pero, por qu interesa que estas matrices sean diagonales?
Se puede anotar: 1) Si
Cumple con lo siguiente:

DD '
D = diag ( d11 , d 22 ,..., d nn )
es otra matriz diagonal entonces tambin es matriz diagonal de orden n, y el producto es: DD ' = diag ( d11d '11 , d 22 d '22 ,..., dnn d 'nn )
D ' = diag ( d '11 , d '22 ,..., d 'nn )
33
2)
det D = d11d 22 ...d nn
det D k = d 1k1 d 2k2 ...d nkn ,
donde
k k k D k = diag d11 , d 22 ,..., d nn
3) D es invertible si y solo si Ms an, en este caso:
dii 0, para todo i = 1, 2,..., n
D1 = diag (1/ d11 ,1/ d 22 ,...,1/ d nn )
4) Los valores propios de la matriz diagonal de la diagonal principal.
son los elementos
34
17
MATRIZ DIAGONALIZABLE
Definicin:
Sea A matriz de orden n. Se dice que A diagonalizable si es similar a una matriz diagonal.
1) Diagonalizar una matriz A consiste en encontrar una matriz diagonal similar a la matriz A. En tal caso, tambin se dice que A se puede diagonalizar.
2) Si A es diagonalizable, entonces existe D matriz diagonal de orden n tal que A y D son similares. Esto es: existe matriz P de orden n invertible tal que Se dice que P diagonaliza a la matriz A.
P 1 AP = D
35
3) Si A es diagonalizable, entonces A es similar a una matriz diagonal cuyos elementos en la diagonal principal, son los valores propios de Esto es consecuencia de que si A y D son similares, entonces tienen los mismos valores propios, y si D es matriz diagonal, entonces sus valores propios son sus elementos en la diagonal principal. 4) La mayora de las matrices no son matrices diagonales, pero muchas de ellas se pueden diagonalizar.
A.
No toda matriz es diagonalizable, esto es, puede no existir una matriz P tal que P 1 AP sea matriz diagonal.
36
18
La siguiente es una condicin necesaria y suficiente para que una matriz sea diagonalizable. Sea
A es diagonalizable
A M n ( K )
A tiene n vectores propios linealmente
En este caso: A es similar a una matriz diagonal D, D = P 1 AP donde D tiene en la diagonal principal los valores propios de A, y P es una matriz cuyas columnas son respectivamente n vectores propios L. I. de A. Esto es, la columna j de P es un vector propio de A, asociado al valor propio j , j = 1, 2,..., n
37
independientes.
Vectores propios asociados a valores propios distintos, son L.I. Si A tiene n valores propios distintos, entonces A es diagonalizable. El recproco de lo anterior no es cierto. Una matriz puede ser diagonalizable y tener valores propios repetidos.
38
19
TRANFORMACIN LINEAL DIAGONALIZABLE
Sean:
un espacio vectorial de dimensin finita una transformacin lineal.
En particular, si A1 y A son las representaciones matriciales de T respecto a bases B1 y B2 de V , respectivamente, entonces sabemos que A2 = P 1 A1P con P matriz invertible, esto es, A1 y A2 son similares, y por tanto, tienen los mismos valores propios. Usamos esto para la definicin siguiente.
2
Sabemos que: T se puede representar mediante muchas matrices diferentes de orden n, una por cada base ordenada en V .
T :V V
39
Definicin: Sea T :V V una transformacin lineal, con V espacio vectorial de dimensin n. T se dice diagonalizable si existe alguna base B de
V , de modo que la representacin matricial de
es una matriz diagonal. Se dice que la base

B
en dicha base,
diagonaliza al operador
T.
Sea T : V V una transformacin lineal tal que dimV = n Entonces: T es diagonalizable si y solo si existe una base B de V de vectores propios de T . Adems, si D es la matriz diagonal, entonces los elementos de la diagonal principal de D son los valores propios de T .
40
20

Transformaciones Lineales

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Transformaciones Lineales

Uploaded by

Copyright:

Available Formats

Instituto de Matemtica

Universidad Austral de Chile

Observaciones: 1) Es usual denotar con los mismos smbolos

4) Transformaciones lineales preservan combinaciones lineales.

transformacin lineal. Entonces, para

Transformacin lineal Nula .

T : V V , T ( v ) = cv, v V , con c K , c fijo.

Transformacin lineal Identidad .

Entonces T : Rn R m , T ( v ) = Av es transformacin lineal. Transformacin determinada por la matriz A

det ( A + B ) det A + det B,

det ( kA) = k det A k det A,

Si V es un espacio vectorial sobre K y v0 V , v0 0V , la funcin traslacin por el vector v0 definida por

(Tambin se le llama ncleo y se anota Nu T )

ImT ={wW / w = T ( v) , para algun v V }

es un subespacio vectorial de V . La nulidad de T , es la dimensin del kernel de T . Se anota: n (T )

una transformacin lineal. Entonces:

T : V W una transformacin lineal. Entonces:

Entonces existe una nica transformacin lineal tal que

Si T es invertible se dice que es un isomorfismo

transformacin lineal invertible T 1 : W V es transformacin lineal.

espacios vectoriales de dimensin finita:

soluciones de sistemas de ecuaciones diferenciales lineales

se llama valor propio de A , si: , tal que

Sea A M n ( K ) . Entonces: es valor propio de A Av = v , con v 0 K Av = ( I n ) v , con v 0K

Sea T : V V transformacin lineal. Entonces: K es valor propio de T v V , v 0V , T ( v ) = v

POLINOMIO CARACTERISTICO. ECUACION CARACTERISTICA DE UNA MATRIZ

La ecuacin caracterstica de A es la ecuacin pA ( ) = det ( A I n ) = 0

2) Los valores propios de la matriz caracterstica de A, esto es:

son las races de la ecuacin

es un valor propio de A si y slo si

trA = a11 + a22 + ... + ann

5) A es matriz no invertible (singular)

Basta considerar: = 0 es valor propio de A

6) Algunos autores definen el polinomio caracterstico de A en la forma:

Ambas definiciones difieren a lo ms en el signo, pues

La ecuacin caracterstica queda igual.

POLINOMIO CARACTERISTICO. ECUACION CARACTERISTICA DE UNA TRANSFORMACIN LINEAL

V espacio vectorial sobre un cuerpo

Se cumple que. 1) Si A es matriz cuadrada, entonces

Entonces: K , es valor propio de T es valor propio de A.

relativa a alguna base B de V .

2 n donde pA ( A) = a0 I + a1 A + a2 A2 + ... + an An si p A ( x ) = a0 + a1x + a2 x + ... + an x 2) Si T : V V es transformacin lineal, entonces p (T ) = 0

pT (T ) = a0 I + a1T + a2T 2 + ... + anT n

relativo a bases diferentes de V .

Pero, por qu interesa que estas matrices sean diagonales?

Cumple con lo siguiente:

D = diag ( d11 , d 22 ,..., d nn )

k k k D k = diag d11 , d 22 ,..., d nn

3) D es invertible si y solo si Ms an, en este caso:

dii 0, para todo i = 1, 2,..., n

D1 = diag (1/ d11 ,1/ d 22 ,...,1/ d nn )

4) Los valores propios de la matriz diagonal de la diagonal principal.

son los elementos

A tiene n vectores propios linealmente

un espacio vectorial de dimensin finita una transformacin lineal.

es una matriz diagonal. Se dice que la base

You might also like