Documente Academic
Documente Profesional
Documente Cultură
CONTENIDOS
Aplicaciones lineales.
Matriz de una aplicacin lineal. Forma cannica de una aplicacin lineal. Matrices equivalentes. Vectores y valores propios. Polinomio caracterstico de un operador lineal Caracterizacin de los endomorfismos diagonalizables. Forma cannica de Jordan.
aplicaciones lineales. Se denomina aplicacin lineal, funcin lineal o transformacin lineal a toda aplicacin cuyo dominio y codominio sean espacios vectoriales que cumpla la siguiente definicin: Sean funcin de y en espacios vectoriales sobre el mismo espacio o campo . ,y una y
pertenecientes a
donde k es un escalar.
EJEMPLOS:
Homotecias
Sean
(donde
representa el cuerpo) se
satisface que: Si siguiente manera: es lineal, se define el ncleo (ker) y la imagen (Im) de de la
Es decir que el ncleo de una transformacin lineal est formado por el conjunto de todos los vectores del dominio que tienen por imagen al vector nulo del codominio. El ncleo de toda transformacin lineal es un subespacio vectorial del dominio: dado que Dados
Dados
Se denomina nulidad a la dimensin del ncleo. La imagen de una transformacin lineal est formada por el conjunto de todos los vectores del codominio que son imgenes de al menos algn vector del dominio.
codominio.
El rango de una transformacin lineal es la dimensin de la imagen. una funcin lineal es la correspondencia
Sea B = {v1,v2,v3,...vn} base de V y C = {w1, w2, w3,...wn} un conjunto de n vectores de W no necesariamente distintos, entonces existe una nica transformacin lineal T: V W que satisface:
Clasificacin de las transformaciones lineales 1. Monomorfismo: Si elemento del ncleo es el vector nulo. es inyectiva, o sea si el nico
Segn la teora de Brevis-Devaud, una matriz asociada es la matriz formada por las coordenadas de los elementos de una base. Dada T: V W, con B = {v1, v2, v3, ..., vn} y C = {w1, w2, w3, ..., wp} bases de V y W respectivamente, llamamos coordenadas de v1 en base C, al vector formado por los coeficientes de los elementos de C que usamos para llegar al transformado de v1. T(v1) = a1.w1 + a2.w2 + ... + ap.wp Entonces: coordC(v1) = (a1, a2,..., ap) Y la matriz asociada a T, en las bases B y C, es la matriz res/sub>(v2), ..., coordC(vn)) forma cannica de una aplicacin lineal. Sea una aplicacin lineal cualquiera, por ejemplo, editemos en DERIVE la aplicacin lineal f
Sabemos que un vector queda determinado de forma unvoca cuando conocemos las coordenadas de dicho vector en una base determinada, por ello como la aplicacin lineal que hemos planteado es , consideremos dos bases, una de R3 y otra
de R2, de tal forma que podamos determinar las coordenadas del vector origen respecto de la base de R3 indicada y el vector imagen mediante la base de R2. As pues sea B1 una base de R3 dada por los siguientes vectores que definimos previamente en DERIVE como:
Tomemos ahora un vector cualquiera de R3, sea por ejemplo el vector w de componentes:
Las coordenadas de este vector en la base {u1, u2, u3} se obtiene fcilmente en DERIVE, basta con plantear la ecuacin vectorial
Por tanto Vamos a calcular la imagen de este vector, considerando, primero sus componentes y luego su expresin respecto de dichas bases. Si consideramos las componentes del vector DERIVE es evidente que efectuando en
Se
obtienen
las
componentes
del
vector
imagen
de
Pero veamos qu sucede si consideramos ahora las bases B1 y B2 sealadas anteriormente. Por un lado tenemos que las coordenadas de la imagen en la base B2 se obtendran realizando en DERIVE:
Al ser f lineal se tiene que Por tanto si obtenemos las coordenadas de los vectores respecto de la base B2 obtendramos otro mtodo para calcular las coordenadas de . Este proceso se efecta de forma automtica en DERIVE realizando las operaciones:
siguientes
Donde la matriz contiene las coordenadas de los vectores de la base B1 respecto de la base B2 y obsrvese que su resultado al SIMPLIFICAR nos da que son justamente las coordenadas del vector imagen respecto de la base B2.
A la matriz que hemos obtenido se la denomina MATRIZ ASOCIADA A LA APLICACIN LINEAL RESPECTO DE LAS BASES B1 Y B2. Esta matriz se obtiene calculando las coordenadas de los vectores de la bases B1 respecto de la base B2. Se puede comprobar para otros vectores que esta construccin es correcta, por ejemplo, consideremos ahora el vector cuyas componentes se obtienen al simplificar y son
Las coordenadas respecto de B2 de la imagen de w1 se obtienen efectuando las siguientes operaciones en DERIVE. Primero editamos la ecuacin vectorial
Si efectuamos el producto de la matriz obtenida antes por las coordenadas del vector w1 en la base B1 resulta
* Si modificamos las bases, es evidente que la matriz varia. Para comprobarlo consideremos la misma aplicacin lineal, pero ahora tomemos como base del espacio inicial
3
R y la base B2 anterior. Ahora debemos obtener las coordenadas de las imgenes de los vectores de la base cannica en la base B2. Para ello editaremos en DERIVE la ecuacin vectorial
Simplificamos y resulta
Y con SOLVE se obtienen las coordenadas del primer vector de la base cannica en B2
Realizando las mismas operaciones con los otros dos vectores se tiene
Por lo que la matriz asociada ahora respecto de estas nuevas bases sera
* Veamos otra matriz asociada pero ahora considerando en como base inicial B1 y como base del espacio final . En este caso la matriz asociada se
obtendr calculando directamente las coordenadas de los vectores de la base B1 respecto de la base cannica, operacin que se simplifica enormemente, pues las coordenadas de un vector en la base cannica coinciden con sus componente por lo que bastar efectuar en DERIVE lo siguiente
* Un ltimo caso sera considerar, la misma aplicacin lineal y obtener la matriz asociada respecto a las bases cannicas. Este caso sumamente sencillo se realizar en DERIVE efectuando
Calcular la expresin matricial (en las bases cannicas) de las siguientes aplicaciones lineales: a) f(x,y,z)=(4x+5y,z-x) F1(u):=[4*u SUB 1+5*u SUB 2,u SUB 3-u SUB 1] [F1([1,0,0]),F1([0,1,0]),F1([0,0,1])]` [[4,5,0],[-1,0,1]] b) f(x,y)=( (x+2y)/3,y,x-2y) F2(u):=[(u SUB 1+2*u SUB 2)/3,u SUB 2,u SUB 1-2*u SUB 2] [F2([1,0]),F2([0,1])]` [[1/3,2/3],[0,1],[1,-2]] c) f(x,y,z)=(x-z,x,y-1/2x) F3(u):=[u SUB 1-u SUB 3,u SUB 1,u SUB 2-1/2*u SUB 1] [F3([1,0,0]),F3([0,1,0]),F3([0,0,1])]` [[1,0,-1],[1,0,0],[-1/2,1,0]] d) f(x,y,z)=(x-y-z,0,z) F4(u):=[u SUB 1-u SUB 2-u SUB 3,9,u SUB 3] [F4([1,0,0]),F4([0,1,0]),F4([0,0,1])]`
[[1,-1,-1],[9,9,9],[0,0,1]] e) f(x,y)=(x-y, x/2, y/2, x+y). F5(u):=[u SUB 1-u SUB 2,u SUB 1/2,u SUB 1+u SUB 2] [F5([1,0]),F5([0,1])]` [[1,-1],[1/2,0],[1,1]] matrices equivalentes. Sean A ; B Kn*n. Se dice que A es equivalente a B, y se nota A B, si existen matrices C GL(n;K) y D GL(m;K) tales que A = C:B:D. Es inmediato verificar que es una relacin de equivalencia. Como hemos visto en la seccin anterior, si dos matrices son equivalentes entonces tienen el mismo rango. A continuacin veremos que la reciproca de esta propiedad tambin es cierta. En consecuencia, el rango resulta ser un invariante que nos permite determinar fcilmente si dos matrices son equivalentes. Dos matrices son equivalentes si y slo si son las matrices de una misma transformacin lineal en distintas bases. PROPOSICION: Sean A;B Kn*n. Entonces A B si y slo si existe una transformacin lineal f : Km Kn y bases B1;B1 de Km y B2;B2 de Kn tales que fB1B2 = A y fB1 B2 = B. vectores y valores propios. Al estudiar espacios vectoriales de dimensin finita en los captulos anteriores, dijimos que podramos trabajar en un K-espacio vectorial arbitrario de dimensin n \como si fuese" Kn simplemente considerando vectores de coordenadas. La nocin de isomorfismo nos permite formalizar esta idea. Sea V un K-espacio vectorial de dimensin n. Entonces existe un iso-morfismo f : V Kn . DEMOSTRACIN: Sea B = {v1; : : : ; vn} una base de V . Dado x V , existe nicos x1; : : : ; xn K tales que ; xn): . Definimos f : V Kn; f(x) = (x1; : : :
ey
+ yn) = (x1; : : : ; xn) + (y1; : : : ; yn) = f(x) + f(y): En forma anloga se prueba que f (:x) = :f(x) para cada K y cada x V . Es claro que si f(x) = 0, entonces x = 0, de donde f es un monomorfismo. Finalmente, dado (x1; : : : ; xn) 2 Kn, consideramos x = V . Se tiene
que f(x) = (x1; : : : ; xn). Luego, f es un epimorfismo. En consecuencia, f es un isomorfismo. polinomio caracterstico de un operador lineal Dado que un sistema lineal y homogneo de ecuaciones con n incgnitas tiene solucin si el determinante de los coeficientes se anula tendremos que (Aij - ij)cj = 0 det [A-1] = 0 P () = det[Aij - ij] = 0 Esta ecuacin se denomina ecuacin caracterstica (o secular) y a partir de ella emergen todos los autovalores (el espectro) del operador A: Claramente esta ecuacin implica que
A11 -A12 .. A1n A21 A22 . An1 . An2 A2n . An -
= 0 det [A-1] = 0
y tendr como resultado un polinomio de grado n (el polinomio caracteristico). Las races de este polinomio sern los autovalores que estamos buscando. Es claro que estas races podrn ser reales y distintas, algunas reales e iguales y otras imaginarias. Es importante sealar que el polinomio caracterstico ser independiente de la base a la cual ste referido la representacin matricial wii Aj wj del operador A:
caracterizacin de los endomorfismos diagonalizables. Sea un endomorfismo sobre un -espacio vectorial de dimensin
. Si el polinomio caracterstico de se factoriza completamente sobre el cuerpo (es decir, si es el cuerpo de descomposicin del polinomio
caracterstico de la matriz), existe una base donde la aplicacin lineal viene dada por una "matriz de m bloques" ( ) con la siguiente forma cannica:
Donde
Cuando
es diagonalizable,
cannica de Jordan de la matrz es una matriz diagonal. Considrese la situacin de una matriz diagonalizable. Una matriz cuadrada es diagonalizable si la suma de las dimensiones de los espacios propios (eigenspaces) es el nmero de filas o columnas de la matriz. Examinemos la matriz siguiente:
Tenemos valores propios de A que son slo = 5, 5, 5, 5. Ahora bien, la dimensin del ncleo de es 1 (donde representa la matriz identidad),
por lo tanto A no es diagonalizable. Sin embargo, podemos construir la forma de Jordan de esta matriz. Dado que la dimensin es 1, sabemos que la forma de Jordan est compuesta de solo un bloque de Jordan, es decir, la forma de Jordan de A es:
nilpotente. Puesto que ahora tenemos A similar a dicha matriz simple, podremos realizar clculos que involucren a A usando la forma de Jordan, lo que en muchos casos puede simplificar el clculo. Por ejemplo, calcular potencias de matrices es significativamente ms sencillo usando la forma de Jordan. forma cannica de jordan En lgebra lineal, la forma cannica de Jordan es la forma de la matriz de un endomorfismo de un espacio vectorial en cierta base asociada a la descomposicin en suma directa de subespacios invariantes bajo dicho endomorfismo. Dicha forma cannica consistir en que la matriz estar formada por "bloques de Jordan" en la diagonal y bloques de ceros fuera de ella. Ejemplo Hallar la forma cannica de Jordan de la matriz
, tenemos que hallar 4 vectores linealmente independientes, es 4. Pero no valen 4 vectores cualesquiera. Hay que hacer
Hallar la cadena de ncleos de hasta que la dimensin del ltimo sea la multiplicidad de la raz (4 en este caso).
Resolviendo el sistema.
linealmente independiente. Tomamos para formar la base, por ejemplo, al vector cannico. . .
Realizando un proceso anlogo al anterior obtenemos que el rango de luego su nulidad es. . Resolviendo el sistema
es 3,
todas las coordenadas de los vectores de excepto las dos primeras. Como. sabemos que podemos expandir la base de de As: . Elegimos entonces el vector.
Expandamos
la
base
de
para
obtener
la
de
multiplicidad algebraica del auto valor 1, que es 4, ya hemos llegado a la dimensin mxima. Resolvemos el sistema dos coordenadas ha de ser y concluimos que la suma de las ltimas nula. Ahora tomamos un vector
pero que no pertenezca a ninguno de los anteriores. Por ejemplo . Obtenemos as la base de :
Ahora hallar
es muy fcil:
Matriz Cannica de Jordan en la base P Para hallar la matriz de Jordan slo hay que hacer las imgenes por A, de los vectores de la base de Jordan, y expresarlos en dicha base:
Se cumple
REFERENCIA BIBLIOGRAFICA Grossman, S. (1992). lgebra lineal con aplicaciones. Mexico: .Mc Graw-Hill, Kolman B. (1999). lgebra lineal con aplicaciones en MATLAB. Mexico: Prentice-Hall. Lang, S. (1976). lgebra lineal. Mxico: Fondo educativo interamericano Lay,D. (1999). Algebra Lineal y sus Aplicaciones. Addison Wesley Longman. Nomizu, K. (1966). Fundamentals of lineal algebra. Mc Graw-Hill. New York. Perry, W. (1990). lgebra Lineal con Aplicaciones. Mc Graw-Hil Pita Ruiz, C. De J. (1991). Algebra lineal. Mc Graw-Hill. Mxico : Interamericana.