Agustín Ocampo

Álgebra Lineal
Aplicación lineal
Una transformación lineal es un conjunto de operaciones que se realizan sobre un elemento de un sub espacio, para transformarlo en un elemento de otro sub-espacio. En ocasiones trabajar con vectores es muy sencillo ya que pueden ser fácilmente interpretados dentro de un contexto gráfico, lamentablemente no siempre ocurre y es necesario transformar a los vectores para poderlos trabajar más fácilmente. Por otra parte, trabajar con sistemas lineales es mucho más sencillo que con sistemas no lineales, ya que se puede utilizar una técnica llamada superposición, la cual simplifica de gran manera gran variedad de cálculos, por lo que es de gran interés demostrar que un proceso puede ser reducido a un sistema lineal, lo cual solo puede lograrse demostrando que estas operaciones forman una transformación lineal.

Codominio. Se denomina transformación lineal, función lineal o aplicación lineal a toda aplicación cuyo dominio y codominio sean espacios vectoriales que cumpla la siguiente definición: Sean V y W espacios vectoriales sobre el mismo cuerpo o campo K, y T una función de V en W. T es una transformación lineal si para todo par de vectores u y v pertenecientes a V y para todo escalar k perteneciente a K, se satisface que: 1. 2. donde k es un escalar.

La particularidad de una transformación lineal es que preserva las operaciones de suma de vectores y producto de un escalar por un vector.

Algunas transformaciones lineales
(Aclaración: Ov es el vector nulo del dominio y Ow es el vector nulo del codominio) 1

• La imagen de toda transformación lineal es un subespacio del codominio. 2 . Dados Se denomina nulidad a la dimensión del núcleo. se define el núcleo y la imagen de T de la siguiente manera: Es decir que el núcleo de una transformación lineal está formado por el conjunto de todos los vectores del dominio que tienen por imagen al vector nulo del codominio. SO Núcleo (kernel) e imagen Si es lineal. Dados 3. El núcleo de toda transformación lineal es un subespacio del dominio: 1. Nulidad(T) = dim(ker(T)) dado que O sea que la imagen de una transformación lineal está formada por el conjunto de todos los vectores del codominio que son imágenes de al menos algún vector del dominio.Agustín Ocampo Transformación lineal nula Transformación lineal identidad Homotecias con Si |k| > 1 se denominan dilataciones Si |k| < 1 se denominan contracciones Propiedades de las transformaciones lineales 1. 2.

V / ker(T) y Im(T) (la demostración que son isomorfos. se sabe que sus dimensiones son iguales. Se puede representar cada f(vj) como . Por otro lado. rg(T) = dim(Im(T)) Teorema de las dimensiones dim(ker(V)) + dim(Im(V)) = dim(V) Demostración: Tomando los espacios isomorfos muy conocidos. toda matriz real m por n determina una transformación lineal de esta forma f(x) = Ax Sea una base de V. entonces dim(ker(T)) = dim(Im(T)) reemplazando. y se eligen bases en estos espacios. es biyectiva (inyectiva y exhaustiva). Epimorfismo: Si 3.Agustín Ocampo • El rango de una transformación lineal es la dimensión de la imagen. entonces toda transformación lineal de V a W puede ser representada como una matriz. Por definición. es trivial). la dimensión de V / ker(T) es: dim(V / ker(T)) = dim(V) − dim(ker(T)) Pero como V / ker(T) y Im(T) son isomorfos. 2. Entonces todo vector v en V está determinado de manera única por los coefientes en : Si f : V → W es una transformación lineal. queda: dim(Im(T)) = dim(V) − dim(ker(T)). o sea si el único elemento del es sobreyectiva (exhaustiva).dim(Im(T)) + dim(ker(T)) = dim(V) Clasificación de las transformaciones lineales 1. Matriz asociada a una transformación lineal • Sea una transformación lineal es posible encontrar una matriz asociada a una transformación lineal Desarrollo: Si V y W son espacios de dimensión finita. Isomorfismo: Si es inyectiva. Monomorfismo: Si núcleo es el vector nulo. Lo cual implica que está completamente determinada por los valores Ahora 3 es una base de W.

pero representará la misma transformación lineal. entonces la matriz será distinta.1) Respuestas ejercicios #1 de transformaciones lineales (problemas 5.1) 4 . Si se trata de transformaciones de generalmente se usa la base canónica.j. Si se cambian las bases.Agustín Ocampo Entonces la función f está enteramente determinada por los valores ai.. Ejercicios #1 de transformaciones lineales (problemas 5.

2) En los siguientes problemas encuentre el núcleo. la nulidad y rango de la transformación lineal dada Respuestas de ejercicios #2 de transformaciones lineales (problemas 5.Agustín Ocampo Ejercicios #2 de transformaciones lineales (problemas 5. la imagen.2) 5 .

6 . imagen. nulidad. rango y la representación matricial At de la transformación lineal dada.3) En los siguientes problemas encuentre núcleo.Agustín Ocampo Ejercicios #3 de transformaciones lineales (problemas 5.

Agustín Ocampo Respuestas de ejercicios #3 de transformaciones lineales (problemas 5.3) 7 .

Agustín Ocampo Vector propio y valor propio VALORES Y VECTORES CARACTERÍSTICOS 8 .

Agustín Ocampo Ejercicios #1 de valores y vectores característicos 1. Para la matriz   − 3  0 2   −3  a) Obtener los valores característicos b) Obtener un vector característico correspondiente a cada valor característico 1  7. v1 =  . Para la matriz 4 2  4 5 2 2  2 2  a) Obtener los valores característicos b) Obtener un vector característico correspondiente a cada valor característico RESPUESTAS: 1. Para la matriz −1 0  −1 2 −1 0   −1 1   a) Obtener los valores característicos b) Obtener un vector característico correspondiente a cada valor característico 5  9. λ1 = −4 . v2 =   1 − 5      1  2  9 . λ2 = 3 . Para la matriz   − 2 −5 −2  1   a) Obtener los valores característicos b) Obtener un vector característico correspondiente a cada valor característico 5.

v1 2 λ = 0 . λ3 = 3 . λ3 = 10 .Agustín Ocampo =v 1  =  0    5. v2 =  0 . λ1 = 1 . v1 =  0  . v1 =1. λ2 = 1 . λ2 = 1 . v3 = − 2  7. λ1 = λ2 = −3 . v2 =  1  . v3 = 2  − 2  − 2  1        10 . 1 1   1     1    1   −1    1     1   0  2        9.