Capitulo 2 Transformaciones lineales y matrices En el capitulo 1 desarrollamos 1a teoria de espacios vectoriales abstractos con bastante detalle, Ahora es natural considerar a aquellas funciones defi- nidas en espacios vectoriales que en cierto sentido “conservan” la estruc tura; estas funciones especiales se denominan “transformaciones lineales” y son abundantes en las matemiticas puras como en las aplicadas. En el ‘clculo, las operaciones de diferenciacién e integracién nos proporcionan dos de los ejemplos més importantes de transformaciones lineales (ver ejemplos 1 y 2). Estos dos ejemplos nos permiten reformular muchos de los problemas de ecuaciones diferenciales ¢ integrales en términos de trans- formaciones lineales en espacios vectoriales particulares (ver las seccio- nes 2.7 y 5.2). En geometria, las rotaciones, reflexiones y proyecciones (ver ejem- plos 5, 6 y 7) nos proporcionan otra clase de transformaciones lineales, las que utilizaremos posteriormente para estudiar os movimientos rigidos cen R® (seccién 7.8) los restantes veremos ejemplos adicionales de transforma- A lo largo de este capitulo supondremos que todos los espacios vecto- riales estin definidos sobre un campo ordinario F. 2.1 TRANSFORMACIONES LINEALES, ESPACIOS NULOS Y RANGOS ‘ En esta seccién consideraremos un gran néimero de ejemplos de trans- formaciones lineales, muchas de las cuales serdn estudiadas con mas de- talle en secciones posteriores. Definicién. Sean V y W espacios vectoriales (sobre F). Una funcién 1: VW se llama transiormacién lineal de V en W si para toda x, y€V y CEF tenemos queTransformaciones lineales y matrices (@ Ta+y)=Ta) + Ty). (b) Tex) = et(x), A menudo denominaremos a T simplemente lineal, El lector deberd Verificar los siguientes hechos sobre la funcién T: VW. 1. Si Tes lineal, entonces (0) = 0. 2. Tes lineal si y s6lo si (ax + y) = aT(x) +1(y) para toda aye Vy ac, 3. Tes lineal si y s6lo si para xy, ..., x2€ Vy diy os 5 Qe € F te nnemos que TE ax)) = Dat). Generalmente utilizaremos la propiedad 2 para demostrar que una transformacién dada es lineal, Fjemplo 1. Sea V~ P,(R) y W= Py..(R) y definase T: VW me- diante T(P) = f', donde f’ es la derivada de f. Para demostrar que T es lineal, sean g y h vectores en P,(R) y a€ R. Tenemos que T(ag-+ h) = = (ag + hy! = ag’ + = at(g) +T(h). Entonces, de acuerdo con ta propiedad 2, T es lineal Eiemplo 2. Sea V=C(R) el espacio vectorial de funciones continuas de variable real en R. Sean a, bE R, a R me- diante 1) = fico para toda f€ V. Entonces, por las propiedades elementales de las integrales, T es una transformaci6n lineal Dos ejemplos muy importantes de’ transformaciones lineales que pue- den aparecer a menudo en el resto del libro y que, por tanto, merecen tener una notacién propia, son la transformacién identidad y la transfor- macién cero. Para espacios vectoriales V y W (sobre F) definimos Ia transformacién identidad |: V—>\ mediante ly (x) = x para toda x€ Vy la transfor ‘macién cero To: V—>W por Ty(x) = 0 para toda x € V. Es evidente que ambas transformaciones son lineales. A menudo eseribiremos | en vez del, ‘Veremos ahora algunos ejemplos’ adicionales de transformaciones li neales. Ejemplo 3. Definase Tr ROR por Ta, a.) = (2a, + as, ai). Para demostrar que T es lineal, sean YER, x= (i, be), y= (dy dads -y Sea EF.Transformaciones lineales, espacios nulos y rangos 65 Como ex + y= (chy + dy, cbs + da), tenemos Tex + y) = (2(cby + dy) + cb; + ds, cbs + di). También eT(x) + Ty) = e(2b, + bs, by) + Cdsirt doy ds) (cb, + cbs + 2d, + da, cby + di) = (2(ch, + dy) + cb, + ds, cb, + di). Por lo tanto, T es lineal. Ejemplo 4. Definase Ts Myin(F) > Mmcn(F) mediante T(A) = A‘, donde A' es tal como se definié en la Seccién 1.3. Entonces, T es una transformacién lineal por el ejercicio 3 de la Seccién 1. ‘Como veremos en las Secciones 7.7 y 7.8, las aplicaciones del algebra lineal a la geometria son vastas y variadas. La razén principal de esto es que la mayor parte de las transformaciones geométricas son lineales. Tres transformaciones particulares que ahora consideraremos son Ia rotacién, la reflexién y la proyeccién, Dejaremos al lector las demostraciones de linealidad. Ejemplo 5. Para 0 < @ < 2x definamos T,: R*—> R* mediante Talay, ds) = (a, Cos @ ~ ay sen 8, a, sen 6 + a; COS 0). T, se denomina rotacién en 6. (Ver Fig. 2.1(a).) Ejemplo 6, Definase T: R?—> R? mediante T(a,, ax) = (a —a2). T se denomina reflexidn en torno al eje x. (Ver Fig. 2.1(b).) Ejemplo 7. Definase T: R'—> R* mediante T(a,, as) = (a1, 0). T se de- nomina proyeccién sobre el eje x. (Ver Fig. 2.1(¢).) Notese que si hacemos Ww, = ((a,0): a€ R} y W. = ((0, a): ae R} entonces R= Wi ® We, To . 6 "1 Tay TW & o ey figura 2.166 —Transformaciones lineales y matrices por lo que para toda x€ R existen vectores inicos x, € Ws y x: € Ws tales que x= a, ta y Ta) =n, El ejemplo 7 sugiere la siguiente definicion Definicién, Sean V un espacio vectorial y W, un subespacio de V. Una funcién T: VV se llama proyeccién sobre W, si (a) Existe un subespacio W: tal que V = W, @ Ws (b) Para x = xy + Xs, donde x, € Wy y X:€ Ws, fenemos T(x) = x, Se deja como ejercicio para el lector demostrar que T es lineal y que W,= (eT) =x). Ahora supéngase que existe un subespacio W, We tal que V= W. @W!. Definase Us V—>V mediante U(x) =x, donde x = x, + x's, 4. €W., ¥ X2€ W!. Entonces, U es otra proyeccién sobre W, y de nuevo W. = (x: U(x) =x). Por ejemplo, en el Ejemplo 7 sea {(a, a): a€ R), i tal que (ay, a3) = (ay ~ as, 0) + (ass a2) YY Ula, as) = (as ~ a, 0). Entonces existen tantas proyecciones en Wi como subespacios en Ws que satisfacen V = W. @ Ws. Veremos en el Capitulo 7 que la proyec- cin descrita en la figura 2.1(c) es la proyeccién “natural” a ser estudiada, Este tipo de proyeccién se amaré “‘proyeccién ortogonal” y esté deter- ‘minada de manera tinica por el subespacio W En el Ejercicio 14 de la Seccién 2.3 se dard una caracterizacién de las proyecciones, la que nos permitiré determinar facilmente si una transfor- ‘macién lineal es © no una proyeccién Ahora pondremos atencién a dos conjuntos muy importantes asociados con las transformaciones lineales: el “rango” y el “espacio nulo”. La de- terminacién de estos conjuntos nos permitiré examinar més de cerca las propiedades intrinsecas de una transformacién lineal. Definiciones. Sean V y W espacios vectoriales y sea T: V—>W lineal, Defini ‘mos al espacio nulo (o kernel) N(T) de T como el conjunto de todos los vectores x en V tal que T(x) = 0; es decir, N(T) = {x€ Vi T(x) = 0) Definimos al rango (0 imagen) R(T) como el subconjunto de W que consta de todas las imdgenes (bajo 1) de los elementos de V; es decir, R(T) = (1): x€ V), Ejemplo 8. Sean V y W espacios vectoriales y sean I: VV y To VW respectivamente las transformaciones identidad y cero, tal como se definieron anteriormente. Entonces N(1) = (0), R(I) = V, N(T.) = VTransformaciones lineales, espacios nulos y rangos 67 Ejemplo 9. Sea T: R'—»R* definida mediante T(a,, a2, a1) = (a, ~ 2a,). Se deja como ejerccio verificar que N(T) = ((a, a, 0): aR) y R(T) = Re. En el ejemplo 7 se ve ficilmente que los subespacios W, = R(T) ¥ W. = N(1). El teorema siguiente nos dice que éste es el caso para todas las proyecciones Teorema 2.1. Sea V un espacio vectorial y W, un subespacio de V. Sea T una Proyeccién sobre W,, y sea W: tal como en la dej.nicién de proveccién. Entonces Wy RT) y We = N(T). DEMOSTRACION. Como se observé anteriormente, Wy = (x: T(x) = x}. Por lo tanto, W, C R(T). Si x€R(T), entonces: x= T(y) para alguna YEV. Pero y 1» donde y, CWs ¥ ys €Ws, ¥ entonces x= y,. Por fo tanto, W, Como es evidente que Ws © N(T), tinicamente necesitamos demostrar que N(T) CW. Con este fin, sea x€N(T). Entonces x= x) +x: con EW. y X: €Ws. Asi, O= T(x) =x, y por lo tanto x= 15 €Ws. Ml Este teorema nos dice que Ws queda determinada de manera tinica por la proyeccién de T sobre W,. Ademés, como T es una proyeccién sobre su rango, utiizaremos sencillamente el término “proyeccién” sin mencio- nar al subespacio W,. Acabamos de observar en el caso en que T es una proyeccién que N(T) y R(T) son subespacios de V. Puede obtenerse el mismo resultado con ‘cualquier transformacién lineal Teorema 2.2, Sean V y W espacios vectoriales y T: V—>W lineal, Entonces N(T) y R(T) son subespacios de V y W, respectivamente DEMOSTRACION. Para aclarar la notaci6n, usaremos los simbolos Oy y Ow para denominar, respectivamente, a los vectores cero de V y W. Como TO) = Oy, tenemos que Oy ¢ N(T). Sean x, €N(T) c€ F. Entonces Tox y) = Tex) + TG) = Ow + Ow — Oye ¥ Tedd ela) = ey = Oy. Por lo tanto x + yEN(T) y cxEN(T), de manera que N(T) es'un subespacio de V. Como T(0,) = Oy, tenemos que Oy € R(T). Ahora sean x, y€ R(T) y C€F. Entonces, existen v y w en V tales que T(v) =x y T(w) = y. Asi, T(v + w) = T(v) + TO#) = x+y, y Thev) = eT(v) = ex. Por io tanto, x + yER(T) y cxER(T), de manera que R(T) es un subespacio deW. i Tal como en el Capitulo 1, mediremos el “tamafio” de un subespacio ppor su dimensidn. Los dos subespacios anteriores son tan importantes que dedicaremos atencién especial a sus dimensiones respectivas.68 Transformaciones lineales y matrices Definiciones. Sean V y W espacios vectoriales y sea T: V->W lineal. Si N(T) y R(T) son dimensionalmente finitos, entonces definimos la nulidad de T, expresada como nulidad(T), y el rango de T, expresado como ran- 20(T), como las dimensiones de N(T) y R(T), respectivamente Reflexionando sobre la accién de una transformacién lineal, vemos in- tuitivamente que mientras més grande es 1a nulidad menor es el rango. En otras palabras, mientras més vectores van a dar al cero, menor es el rango. El mismo razonamiento nos dird que mientras més grande sea el rango, menor es ta nulidad. Este balance entre el rango y la nulidad se hharé més preciso en el teorema siguiente. Teorema 2.3. Sean V y W espacios vectoriales y sea T: V—>W lineal. Si V ¢s dimensionalmente finito, entonces nulidad(t) + rango(T} dim(V) DEMOSTRACION. Sup6ngase que dim(V) =, y sea (ty ..., a4) una jo del Teorema 1.12 podemos extender (x...) a una base B= (x, ..., x4) para V. Demostraremos que el conjunto $= (T (ti), «5 T(x) es una base para R(T). Primero demostraremos que S genera a R(T). Sea y€R(T). Entonces existe x €V tal que y = T(x). Como f es una base para V, tenemos que x= Sax para algunas a... a CF. Como T es lineal se tiene que = 3 asia ets) y= 1) = Satta La Giltima igualdad se obtiene de que x:,... , »€N(T). Ahora demostraremos que S es linealmente independiente. Supngase que & oreo De nuevo, utilizando el hecho de que T es lineal, tenemos que para byes, 5 ba €F. 1 3 bay =o, Entonces 3 bavencn. Por lo tanto existen ey, ..., er €F tales que Boa Sen odin S(-cont+ 3 da =Transformaciones lineales, espacios nulos y rangos 69 ‘Como f es una base para V, tenemos que b; = 0 para toda J, Por Io tan- to, Ses linealmente independiente. i La demostracién anterior permite obtener el corolario siguiente. Corolario. Sean V y W espacios vectoriale: y sea T: V—>W lineal, Si V tiene una base 8 = {X,--. 5X); entonces R(T) = L(T(B)) = L((TO4), «5 T(x,))). Este corolario nos dice que la imagen de una base para el dominio de tuna transformacién lineal es un conjunto generador para el rango de la transformacién, Por lo tanto, este corolario proporciona un método para encontrar una base para el rango de una transformacién lineal. Empleare- ‘mos esta técnica en el ejemplo siguiente. Ejemplo 10. Definase la transformacién lineal T: P.(R)— Mix2(R) mediante = (1-12) 0 w= ( ° 10): Como g = (1, x, x*} es una base para P.(R), tenemos =1(f8- 9.8 C3) =1({(6 (C8 9) Entonces, hemos encontrado una base para R(T) y vemos que rango(T) = 2. En virtud del Teorema 2.3 tenemos que nulidad(T) + 2= 3, y entonces nulidad(T) = 1. El lector deberia repasar los conceptos de “uno-a-uno” y “sobreyec- tividad” Jos cuales se encuentran en el Apéndice B, pues, interesantemen- te, para una transformacién lineal ambos conceptos estin intimamente ligados con el rango y la nulidad de la transformacién, Esto quedaré de- mostrado en los dos teoremas siguientes. Teorema 2.4. Sean V y W espacios vectoriales y sea 1: V—>W lineal. Enton- ces T es uno-a-uno si y sélo si N(T) = {0}. DEMOSTRACION. Supéngase que T es uno-a-uno y que x €N(T). Entonces T(x) = 0 = 1(0). Como T es uno-a-uno, tenemos que x — 0 y por tanto NC) = (0).70 Transtormaciones lineales y mat ‘Ahora supéngase que N(T) = (0} y que T(x) = T(y). Entonces 0= T(x) ~ 1()) = Vx—9). Por lo tanto, x — yEN(T) = (0} y en tonces x ~ y = 0,0 sea x= y, Esto significa que T es uno-a-uno, EI lector debe observar que el Teorema 2.4 nos permite concluir que Ja transformacién definida en el Ejemplo 10 no es uno-a-uno. Sorpresivamente, tas condiciones para que una transformacién sea uno- a-uno y sobreyectiva son equivalentes en un caso especial de importancia. Teorema 2.5. Sean V y W espacios vectoriales de dimensiones iguates ({initas) y seat: V—>W lineal. Entonces T es uno-a-uno si y solo si T es sobre Yyeetiva, DEMOSTRACION. Del Teorema 2.3 tenemos que nulidad(T) + rango(T) = dim(V). Ahora, mediante el uso del Teorema 2.4, tenemos que T ¢s uno-a-uno y solo si N(T) = (0}, si slo si nulidad(T) = 0, siy s6lo si rango(T) Gim(V), iy s6lo si rango(T) = dim(W), si y sdlo si dim(R(T)) dim(W). En virtud del Teorema 1.12 esta igualdad es equivatente a R(T) = Wola definiciGn de T si ésta es sobreyectiva. i La linealidad de T en los Teoremas 2.4 y 2.5 es esencial puesto que es fécil construir ejemplos de funciones de R en R que no sean uno-a-uno pero que sean sobreyectivas, y viceversa Los siguientes dos ejemplos hacen uso de los teoremas anteriores para ver si una transformacién lineal dada es uno-a-uno o sobreyectiva. v0) + fafeode R(T) = LETC), TOD), THAD) = L(Bx, 24 x, 4x a). Ejemplo 11. Definase T: P(R)—>PA(R) mediante T(f) (x) = Ahora Por lo que rango(T) = 3. Como dim(P,(R)) = 4, T no es sobreyectiva Del Teorema 2.3, nulidad(T) + 3 = 3; por tanto, nulidad(T) = 0 y en- tonces N(T) = {0}. Luego, de acuerdo con el Teorema 2.4, T es uno-a-uno. Ejemplo 12. Definase Tr Poo! mediante Ta, a.) = (a, ta, a). Es facil comprobar que N(T) = (0); entonces T es uno-a-uno, por lo que el Teorema 2.5 nos dice que T debe ser sobreyectivaTransformaciones lineales, espacios nulos y rangos 71 Nuestro siguiente teorema proporciona una caracterizacién de las trans- formaciones lineales uno-a-uno como aquellas transformaciones que conser- van la independencia lineal, Teorema 2.6, Sean V y W espacios vectoriales, y sea: V—>W lineal. Enton- cesT €s uno-a-uno si y sélo si T leva subconjuntos linealmente indepen dientes de Va subconjuntos linealmente independientes de W. DEMosTRACION. Ejercici Corolario. Sean V y W espacios vectoriales y sea T: V—>W una transforma lineal uno-a-uno, Supéngase que S es un subconjunto de V. Entonces S es linealmente independiente si y sdlo si 1(S) es linealmente indepen- diente DEMOSTRACION. Ejercicio. Ejemplo 13. Definase Tr PCR) >R? mediante Tay + ax + ast) = (ay, a, as) Se ve claramente que T es uno-a-uno. Sea $= {2—x+3x,x 24,1 2x*}. Entonces S$ es linealmente independiente en P.(R) si y s6lo si T(S) = (2, ~1, 3), (0, 1, 1), (1, 0, ~2)) es linealmente independiente en En el Ejemplo 13 transferimos un problema del espacio vectorial de Jos potinomios a un problema en el espacio vectorial de las ternas (3-di- ‘mensionales). Esta técnica serd explotada después més ampliamente Una de las propiedades més importantes de las transformaciones linea Jes es que quedan completamente definidas por su accién sobre una base. Este resultado, que se obtiene del siguiente teorema y su corolario, se utlizaré frecuentemente a Jo largo del libro. Teorema 2.7. Sean V y W espacios vectoriales y supdngase que Ves un espacio vectorial dimensionalmente finito con una base {X,, ... , Xa). Para cualquier subconjunto (y\, ... , Yu) de W existe exactamiente una transfor- ‘macién lineal 1: V—> W tal que T(x.) = y, parai= 1, e205. DEMOSTRACION. Sea x €V. Entonces donde a), ... , a, son escalares Gnicos. Definase Te VOW mediante Tx) = Say72 Transformaciones lineales y matrices (a) Tes lineal, pues supngase que u, v EV y d EF. Entonces pode- mos escribir w= Son y v= Sex Ahora bien, - du = 3 (db, + eds Entonces . aby. + Begs = dtu) +10). T(du + v) = 3 (abs + ey, (b) Es evidente que Ton) = yi para i= dy... (©) T es Ginica, porque supéngase que U: V->W es lineal y U(x) = ye para i= 1, ..., m Entonces para x€V con x= Sax tenemos ue = Save = Say = 1) Por lo tantoU=T. Corolario, Sean V y W espacios vectoriales y supéngase que V es dimensional- ‘mente finito con una base (Xj, ...,%,). Si U, T: V—>W son lineales y U(x) = TOs) para i= 1, ..., m, entonces U =. Ejemplo 14, Definase T: R'—> R* mediante T(a, a:) = (2a: ~ ay, 34), y sup6ngase que U: R*—> R® es lineal. Si sabemos que U(1, 2) = (3, 3) ¥ UCL, 1) = (1, 3), entonces U = T. Esto se deduce del corolatio y del he- ccho de que {(1, 2), (1, 1)} es una base para R?. EJERCICIOS 1. Decir si tas siguientes afirmaciones son verdaderas o falsas. De aqui en adelante, Vy W son espacios vectoriales dimensionalmente finitos (sobre F) y Tes una funcién de V en W. (a) Si ¢s lineal, entonces T conserva las sumas y productos por escala- Tares. (b) Si TGe + y) = T(x) + T(y) entonces T es linealTransformaciones lineales, espacios nulos y rangos 73 (©) Tes uno- a-uno si y sélo si N(T) = (0). (4) Todas tas proyecciones deben ser lineales. (e) Si T es lineal, entonces T(Qy) = Ow. (f) Si T es lineal, entonces nulidad(T) + rango(T) = dim(W) (g) Si T es lineal, entonces Hleva subconjuntos linealmente independien- tes de V a subconjuntos linealmente independientes de W. (h) Si T,U: VW son lineales y concuerdan en una base de V, enton- ces T=U (i) Dados x, x€V y yy y2€W, existe una transformacién lineal T: V->W tal que T(4,) = 1 y Te) Para los ejercicios 2 a 6, demostrar que T es una transformacién lineal y encontrar bases para N(T) y R(T). Luego, calcular la nulidad y el rango de T y verificar el Teorema 2.3. Finalmente, emplear los teoremas adecuados de esta seccién para determinar si T es uno-a-uno o sobreyectiva. 2. Te RSRY Tai des @s) = (as ~ a 20s). BT: PRY Tay a) = (as + ay 0, 2a, ~ a2). a et) = (2 ~ Os Bs ee), Wa) Melt ( 5. Ts Po(R) > PAR); TUF) = af) + F2), 6. T: Mase F; T(A) = tr(A). Recuérdese que Sau (A) 7. Verificar los enunciados 1, 2 y 3 de la pigina 64. 8. Verificar que las transformaciones definidas en los Ejemplos 5, 6 y 7 son lineales. 9. Para las siguientes T: R*—> R°, decir por qué T no es lineal. (@) Tay, a2) = (1, a) (b) Ta, a) = (a as) (ce) Tay as) = (sena,, 0) (a) Tas, a) = (ja), a2) (@) Ta, a) = (a +1, a) 10. Supéngase que T: R'—> R* es lineal y que T(1, 0) = (1, 4) y TH, 1) = (2, 5). {Qué es T(2, 3)? gT es uno-a-uno? 11, Demostrar que existe una transformacién lineal T: R?—> R® tal que T(1, 1) = (1, 0, 2) y 1(2, 3) = (1, =I, 4). gQué es T(8, 11)?74 2. 13. M4. 15. 16. 7. 19. 20. a 22. 23. Transformaciones lineales y matrices GExiste una transformaci6n lineal T: R'—> Ré tal que T(1, 0, 3) = (1, 1) ¥1(-2, 0, ~6) = (2, 1)? Demostrar el Teorema 2.6 y su corolatio. Supéngase que T es una proyeccién en un subespacio W de un espacio vec- torial V. Demostrar que W = (x€V: T(x) = 2). Recordando la definicién de P(R) dada en la Seccién 1.2, definase Te PIR) PCR) y TDG) i f(nde Demostrar que T es uno-a-uno pero no sobreyectiva, Sean Vy W espacios vectoriales dimensionalmente finitos y T: VW lineal. (a) Demostrar que si dim(V) dim(W), entonces T no puede ser uno- Dar un ejemplo de una transformacién lineal T: R'—> R? tal que N(T) = RqT). Dar un ejemplo de transformaciones lineales diferentes T y U tales que NT) = N(U) y R(T) = R(U), ‘Sean V y W espacios vectoriales con subespacios V, y W,, respectivamente. Si T: V->W es lineal, demostrar que T(V,) es un subespacio de W y {¥EV: T(x) EW,) es un subespacio de V. Sea W un subespacio de un espacio vectorial dimensionalmente finito V. Demostrar que existe una proyeccién sobre W. Sean V y W espacios vectoriales y sea T: V—>W lineal. Sea (y., ..., ye} un subconjunto linealmente independiente de R(T). Si $= (x,,..., %) se selecciona de tal manera que T(x,) = yy para i= 1, ... , k, demostrar que Ses linealmente independiente. Sea T: R'—»R lineal. Demostrar que existen escalares a, by c tales que T(x, y, z) = ax + by + cx para toda (x, y, 2) ER‘. {Se puede generalizar este resultado para T: F*—+ F? Enunciar y demostrar un resultado semejan- te para T: Fh Sea T: R!>R lineal. Describir geométricamente las posibilidades para el espacio nulo de T. Sugerencia’ Usar el Ejercicio 22.24. 25. 26. 27. 22 Representacién matricial de una transformacién lineal 75 Sea V un espacio vectorial y sea T: V—>V lineal, Se dice que un subespa- cio W de V es T-invariante si T(x) €W para toda x €W, es decir, T(W) C W. (a) Demostrar que los subespacios (0), V, R(T) y N(T) son todos T. variantes. (b) Si W es un subespacio T-invariante de V, definase a Tw: W->W mediante T(x) = Tx) para toda x€ W. Demostrar que Ty es li- neal (©) Si Tes una proyeccién sobre W, demostrar que W es T-invariante y que Tw = hv. (4) Si V= R(T) @W y W es Tinvariante, demostrar que WC N(T). Demostrar también que si V es dimensionalmente finito, entonces W=N(T). (©) Demostrar que NCTw) = N(T) 0 Wy R(Ty) = TM). Demostrar la siguiente generalizacién del Teorema 2.7 para espacios dimen- sionalmente infinitos: Sean V y W espacios vectoriales y sea @ una base para V. Entonces para toda funcién f: @—>W existe Gnicamente una transformacién lineal T: V—> W tal que T(x) = f(x) para toda x€8. Una funcién T: VW entre los espacios vectoriales V y W se llama aditi- va si Tox + y) = T(x) + Ty) para toda x, y€V. Demostrar que si V y W son espacios vectoriales sobre el campo de los mimeros racionales, en tonces cualquier funciéa aditiva de V en W es una transformacién lineal. Demostrar que existe una funcién aditiva T; R—+R (como se definié en el Ejercicio 26) que no es lineal. Sugerencia: Considérese a R como un espacio vectorial sobre el campo de los némeros racionales Q. Por el coro- lario del Teorema 1.15 este espacio vectorial tiene una base 8. Sean x y y elementos distintos de f y definase f: > R mediante f(x) = y, f(y) = x y {(z) =z en cualquier otro caso. Por el Ejercicio 26 existe una trans- formacién lineal T: R—> R donde R se considera como un espacio vectorial sobre Q tal que T(2) = f(z) para toda z€@. Entonces T es aditiva pero para c= y/x, T(cx) #el(x). REPRESENTACION MATRICIAL DE UNA TRANSFORMACION LINEAL Hasta ahora hemos estudiado las transformaciones lineales examinando sus angos y sus espacios nulos. Ahora entraremos a uno de los procedimien- tos de mayor utilidad en el andlisis de una transformacién lineal sobre un espacio vectorial dimensionalmente finito; 1a representacién de una transformacién lineal mediante una matriz. De hecho, desarrollare- ‘mos una correspondencia uno-a-uno entre matrices y transformaciones que nos permitird utilizar las propiedades de una para estudiar las propiedades de la otra,76 — Transformaciones i ales y matrices Necesitaremos primeramente del concepto de una “base ordenada” para un espacio vectorial Detinicién. Sea V un espacio vectorial dimensionalmente finito. Una base orde~ nada para V es una base para V establecida con un orden especifico; es decir, una base ordenada para V es una secuencia finita de elementos de V linealmente independientes que generen a V. Ejemplo 15. Sea V tal que tenga a f= (x1, x., x4) como una base orde- nada. Entonces y ~ (x, £1, 15} es también una base ordenada, pero como bases ordenadas, 8 7. Para el espacio vectorial F*, lamaremos a (e,, &,..., es) la base ordenada estindar para F*. ‘Ahora que contamos con el concepto de base ordenada, seremos capa- ces de identificar vectores abstractos en un espacio vectorial de n dimen- siones con elementos n-dimensionales, Esta identificacién seré proporcio- nada mediante el uso de “vectores coordenados” tal como se introducen ‘a continuacién. inicién, Sea 8 = (Xu, ..., Xa} una base ordenada para un espacio vecto- rial 'V dimensionaimente finito. Para x€V definimos al vector coorde- nado de x relativo a 8, denotado por {x}, mediante rn tly =~} donde = Sax. Nétese que en la definicién anterior {x1]5 = e,. Se deja como ejercicio demostrar que la correspondencia x» [x]s nos proporciona una transfor- ‘maci6n lineal de V en F*. Estudiaremos esta transformacién con més deta- Ie en la Seccién 2.4. Ejemplo 16. Sean V = P,(R) y 8 = (1, x, x). Si f(x) = 4+ 6x — 78°, mt ; n-(4 5 Procedamos ahora con la representacién matricial prometida de una transformacién lineal. Supéngase que Vy W son espacios vectoriales di-Representacién matricial de una transformacién lineal 77 mensionalmente finites con bases ordenadas = (Xi... 44) ¥ y= On «+ Ys Fespectivamente, Sea T: V—>W lineal. Entonces existen sca lares Ginicos ais €F(= 1, ..., my 7= 1y... 4m) tales que Saw, para tW es una transformacién lineal tal que (UJ; = (TI, entonces ust ustraremos el célculo de [TT]; en los siguientes ejemplos. Ejemplo 17. Definase T: P\(R)—>P.(R) mediante T(f) =f’ Sean # = (1, x x4, 3°) y 7 = (1, x, 21) bases ordenadas para PA(R) y P,(R), respectivamente. Entonces TQ) =0-1+0-r+ 0-8 T(x) = 11+ 0-x +008 TOP) = 0-1 + 2-4 Oat TQ) = 0-14 0-n + 3-28 Y asf se tendré 010 m-P ore 0003 Notese que los coeficientes de T(x') cuando se escriben como una combi- naci6n de elementos de y dan los elementos de la columna i-ésima. Ejemplo 18. Definase T: RRR? mediante T(a,, a:) = (a, + 3a, 0, 2a, ~ 4a,). Sean py y las bases ordenadas estindar para Ry R, respectivamente Ahora bien, T(1, 0) = (1, 0,2) = le, + Oe: + 2¢, T(O, 1) = 3, 0, ~4) = 3e, + Oe, ~ dey.78 — Transformaciones lineales y matri Por Jo tanto, matricialmente, 13 m-(0 ‘ 2-4 Si hacemos »/ = (es, €s, e1}, entonces m—(0 ; io ‘Ahora que hemos definido un procedimiento para asociar matrices con transformaciones lineales, veremos brevemente que esta asociacién “con- serva" la adicion, Para hacer més explicta esta situacin, requeriremos de alguna discusién preliminar sobre la adicién de transformaciones lineales. jean T, U: V—+W funciones arbitrarias, donde Vy W son espa- cios vectoriales, y sea a €F. Definimos T + U: V—>W mediante (T + U) (x) = T(x) + U(x) para toda x€V y at: VW mediante (aT)(x) = a(x) para toda x€V. Por supuesto, esta es la definicién usual de la suma y de la multiplies por escalares para las funciones. Afortunadamente, sin embargo, tenemos el resultado de que Ia suma de transformaciones lineales es lineal Teorema 2.8. Sean V y W espacios vectoriales y sean T. U: V—»W lineales. Entonces para toda a€F (a) at + U es lineal (>) Usilizando las operaciones de suma y de multiplicacién por escalares, como se definieron anteriormente, la coleccién de to- das as transjormaciones lineales de V en W, denotada por £(V, W), es un espacio vectorial sobre F. DEMOSTRACION. (a) Sean x, yEV y CEF. Entonces (al + U) (ex + y) = al(ex + y) + Ulex + y) aleT(x) + T(y)] + UCx) + UC) = act(x) + U(x) + ally) + UG) = lat + Ul(x) + [al + UIC). Y tenemos que aT + U es lineal.Representacién matricial de una transformacién lineal 79 (b) Observando que T., la transformacién cero, juega el papel del elemento cero en £(V, W), es facil demostrar que £(V, W) es lun espacio vectorial sobre F. i En el caso donde V = W escribiremos £(V) en vez de L(V, V). En la seccién siguiente veremos una identificacién completa de £(V, W) con el espacio vectorial My.n(F), donde n y m son las dimensiones de V y W, respectivamente. Esta identificacién se establece fiicilmente utili- zando el teorema siguiente Teorema 2.9. Sean V y W espacios vectoriales dimensionalmente finitos con bases ordenadas fy 7, respectivamente, y sean T, U: V—»W transforma- ciones lineales. Enionces @) [+U,= lm; + ty, (>) [atl = ath, para toda a €F. DEMOSTRACION. Sea B= (x1, «5 4) Y= («<5 Ya). Existen es calares tnicos a; y b;; en F(L W son lineales. (a) Para cualquier escalar a, aT + U es una transformacién lineal de Ven W. (b) (1; = [UJ implica que T (©) Si m=dim(v) yn mxn. (a) T+ UR= Mm, + wT, (e) L(V, W) es un espacio vectori (L(V, W) = COW, V). u. dim(W), entonces (T]; es una matriz de Sean fy y las bases ordenadas estindar para R* y RS, respectivamente. Para las siguientes transformaciones T: R*—> R®, calcular (TI. (a) Te ROR? definida mediante T(a,, a) = (2a, ~ a2, 3a + 4a, a4). (db) T: RY R definida mediante T(a,, a, a) = (2a, + 3a — ay, a, + ay) (c) T: RR definida mediante T(a,, a:, a;) = 2a, + a, — 3as, Sea T: +R? definida como Ta, a) = (a ~ as, ai, 2a, + a,). Sea 8 la base ordenada estindar para Ry y= ((1, 1, 0), (0, 1, 1), (2, 2, 3)) Cateular (TY. (1, 2), (2, 3)), ealeular (71.4. Representacién matricial de una transformacién Ii a Definase Ts Meea(R) > P(R) mediante T(2 4) = (a+b) + (2dyx + bet cd Sea {8 9) 90 8 Dp 9 eae Caleular (1). {06 6 6 9p ee y={}. (a) Definida T: Mess(F) > Maxa(F) mediante 1(A) = A‘, calcular (Te (b)Definida TE PA) Meal) mation Ty) = ("Q? ZO) donde ’ significa diferenciaci6n, caleular [7]. (6) Definida T: Mz.s(F) + F mediante (A) ~ tr(A), caleuar (TY: (@)_ Definida 1: P,(R) > R mediante Tf) = f(2), ealeular (7. (e) Si af 4=(5 4) calcular (Ala () Sif) = 3 ~ 6x40, caleular Ue (g) Si@€F, calcular (aj, Demostrar el inciso (b) del Teorema 2.9, Sea V un espacio vectorial n-dimensional con una base ordenada . Defi- niendo aT: V—F* mediante T(x) = [2}p, demostrar que T es lineal. Sea V el espacio vectorial de los miimeros complejos sobre el campo R. Si T: V-+¥V queda definida mediante T(z) = 2 donde 7 es el complejo con- jugado de z, demostrar que T es lineal y calcular [T]j, donde @ = (1, i) Mostrar que T no es fineal si V se considera como un espacio vector sobre el campo C.82 10. 12. 13. 14, 15. 23 Transformaciones lineales y matrices Sea V un espacio vectorial con la base ordenada = (x)... 5 %4). Defic nase a x. = 0. De acuerdo con el Teorema 2.7 dete existir una transforma ci6n Tineal T:_V—+ V definida mediante T(x)) = x; + ay para j= Wy... rn. Caleular [7]. Sea V un espacio vectorial n-dimensional y sea T: V—>V una transforma- cin lineal. Supéngase que W es un subespacio T-invariante de V (ver el Ejercicio 24 de la Seccién 2.1) de dimensién k. Demostrar que existe una base # para V tal que [T]p tiene la forma AB o cl donde A es una matriz de k x k y O es una matriz cero de (n— k) x k Sea V un espacio vectorial de dimensién finita y sea T una proyeccién sobre uun subespacio W de V. Escoger una base ordenada adecuada para V tal que (Ty sea una matriz diagonal. Sean V y W espacios vectoriales y sean T y U transformaciones lineales no nulas de V en W. Si R(T) R(U) = (0}, demostrar que (T, U} es un sub conjunto de £(V, W) linealmente independiente. Sea V = P(R), y para j > 0 definase a 1): V—>V mediame T)(f) =f", donde f'”" sea la j-ésima derivada de f. Para cualquier entero positivo n, demostrar que {T,, + Ta) es um subconjunto de £(V) linealmente independiente. ‘Sean V y W espacios vectoriales y sea S$ subconjunto de V. Definase $= {TEL(V, W): T(x) = 0 para toda x €S). Demostrar (a) $* es un subespacio de £(V, W). (b) SiS, y Sz son subconjuntos de V y S, C S,, entonces $2 CS. (©) SiV, y Vz son subespacios de V, entonces (V, + V.)"= VIA Vs Sean V y W espacios vectoriales dimensionalmente finitos y sea T:. V—> W lineal. Supéngase que dim(V) = dim(W). Encontrar bases ordenadas yy para V y W, respectivamente, tales que (T), sea una matriz diagonal. COMPOSICION DE TRANSFORMACIONES LINEALES Y MULTIPLICACION DE MATRICES En la Seccién 2.2 aprendimos cémo asociar una matriz con un transfor ‘macién lineal de tal modo que las sumas de matrices quedaban asociadas con las correspondientes sumas de transformaciones. Ahora surge la pre- ‘gunta sobre como se relaciona la representacién matricial de una compo. sicién de transformaciones lineales con las representaciones matriciales deComposicién de transformaciones lineales 83, cada una de las transformaciones lineales asociadas. El intento de res- ponder a esta interrogante nos conduciré a una definicién de multiplicacién dde matrices. Utilizaremos la notacién UT para la composicién de las trans- formaciones lineales U y T, contrastando con g ef para funciones arbitrarias gy f. Especificamente, tenemos la defi siguiente Definicién. Sean V, W y Z espacios vectoriales y sean 1: V->W y U: W-+Z lineales. Definamos UT: V »Z mediante (UT)(x) = U(T(x)) para toda xEV. Nuestro primer resultado muestra que la composicién de transforma- ciones lineales es lineal Teorema 2.10, Sean V, W y Z espacios vectoriales y lineales, Entonces UT: V—>Z es lineal. VoW yu: WoZ DEMOSTRACION. Sean’ x, y€V y @€F. Entonces UT(ax + y) = UlT(ax + y)) = UCaT(x) + 10)) = AUT) + UT) = aU) + UTE). El siguiente teorema enuncia algunas de las propiedades de la compo- sicién de transformaciones lineales Teorema 2.11. Sea V un espacio vectorial. Sean T, Us, Us€£(V). Entonces @) TU, +U) = +1, y (UY, +U)T=UT+U, (b) T(UWU.) = (TU)U. (©) =I (4) acu 1, (aU,)(U: = U(aU,) para toda a€F. ) DEMOSTRACION. Ejercicio. Estamos ahora en posicién de definir el producto AB de dos matrices Ay B, Por el Teorema 2.9, parece razonable requerit por analogia que Si A= (UE, y @ = (MY, donde T: VW y U: WZ, entonces AB = (un ‘Ahora sean T, U, A y B como anteriormente y sean a = (x1, ..- 5 4s)s B= (wes Ya) ¥.7= (2m «+ 2) bases ordenadas para V, Wy Z, respectivamente. Para 1 W y U: WZ transformaciones lineales. Entonces (utp, = (uni Corolario. Sea V un espacio vectorial dimensionalmente finito con una base ordenada B. Sean T, U €£(V). Entonces [UT]s = [Ulp{Tlp. Hustraremos lo anterior con el siguiente ejemplo. Ejemplo 21. Definase Ur PCR) > PA(R) mediante U(f) =f ‘como en el Ejemplo 17. Del se Ts PR) PR) mediante TEN) = Pde Sean a = (1, x, 3°, x*) y B= (1, x, 2°). Se tiene claramente que UT = Para ilustrar el Teorema 2.12, obsérvese que pi oof? noo wn, ums [0 02 “\p 4 of (0 | ofa 0 0 0 3 oo 1 lo oy La matriz diagonal de 3 x 3 anterior se llama “matriz identidad” y se define a continuacién junto con una notacién de gran utilidad, la “delta de Kronecker” Definiciones. Definimos ta delta de Kronecker 8,, mediante 81, = 1 si i 8,, = 0 si ij, y la matriz identidad den x n, 1,, mediante (I - Ghee Gy n=, 886 Transformaciones lineales y matrices Veremos en el teorema siguiente que la matriz identidad actéa como un elemento unitario en My.a(F)- Cuando el contexto sea lo suficiente- mente claro, omitiremos algunas veces el subindice m de I Teorema 2.13. Para cualquier matriz A de n x n tenemos que 1A = Aly = ‘ademds, si Ves un espacio vectorial dimensionalmente finito de dimensién con una base ordenada , entonces (lvly = DEMOSTRACION. UAVs = 3 nd nes = Birdy = Av Por lo tanto, [4 = A. De la misma manera Al, =A. Sea B= (ty ++ x}. Entonces, para cada j tenemos \ te(ay) = x) = SB Por lo tanto {Ivlp = In Para cualquier matriz A de nx n definiremos A? = AA, A* yen general A*= AMA para k= 2, 3,... Definiremos A" = I Con esta notacién vemos que si _(0 0 a=(t op entonces 4 ~ 0 (la matriz nula) aun cuando A #0, y vemos que la propiedad de eliminacién (cancelacién) para campos no es vélida para fas matrices. El siguiente teorema muestra, sin embargo, que la multipli- cavién de matrices es distributiva respecto a la suma Teorema 2.14, Sea A una matriz de m x n y sean By C matrices den x Entonces A(B+C) = AB + AG, Y para cualquier escalar @ a(AB) = (@A)B = A(aB). DEMOSTRACION. [A(B +O) = BAB + Css = BARBy + Cu) = SE (AaB, + AuCy) = 3 Av 5 BAaCas AB):) + (AC), = [AB + AC. El resto de la demostracién se deja como ¢jercicio. MlComposicién de transformaciones lineales 87 Corolario. Sea A una matriz de m x n, y sean By, ... , By matrices de n x p J ay... 4 &ER. Entonces A(Sam) «Saas, DEMOSTRACION. _Ejercicio. Si es una matriz de m x m, escribiremos a veces A= (A?,..., A), donde A’ es la columna j-ésima (A,)) Ay M4, . de la matriz A Para el teorema siguiente, e, representa la j-éima columna de /,, Teorema 2.15. Sea A una matric de mx ny B una matriz den x p. En- tonces (a) (AB)! = AB, (b) B= Be, DEMOSTRACION. (4B):,) [3s ABs) (Bs) (apy=]} > [= = AB). ABS AneB Por lo tanto, (a) queda demostrado. La demostracién de (b) se deja como ejercicio. i El resultado siguiente justificaré mucho de nuestro trabajo. anterior; utilizaré Ja representacién’ matricial de una transformacién lineal y el producto de matrices para evaluar la transformacién en cualquier vector dado. Teorema 2.16. Sean V y W espacios vectoriales dimensionalmente finitos que tienen bases ordenadas ff y y, respectivamente, y seaT: V—+W una trans- formacién lineal, Entonces, para toda x €V tenemos (Ook = Thbds.38 Transformaciones lineales y matrices DEMOSTRACION. Sea B= (4 ---, 44) y sea A= [T]}. Como [r Zax)], [Sete], = Sette, por el Ejercicio 7 de 1a Seccién 2.2, segiin el corolario del Teorema 2.14 es suficiente demostrar el teorema para x= x)(1 F™ definido por L(x) = Ax (el produc- to matricial de A por x) para cada vector columna x €F*, Llamanos a Ls tuna transformacién de multiplicacién por la izquierda,Composicién de transformaciones lineales 89 4=(0 7 2) ; 3 121 6 tsa 2 3 3)-(1) 4 de hecho, tiene otras muchas propiedades de gran utilidad. Estas propie~ ddades son todas muy naturales y por Io tanto son faciles de recordar. Ejemplo 23. Sea centonces Teorema 2.17, Sea A una matriz de m x n con elementos de F. Entonces la transformacién \4: F*—> "es lineal. Ademés, si B es cualquiera otra ‘matriz de m xn (con elementos de F), tenemos las siguientes propie- dades. (a) [L}= A, donde B y y son las bases ordenadas esténdar para Fy B™, respectivamente, () la si y slo si A= B. () at Lay La = ale para toda a€F. (@) SET: F8—>F" es lineal, entonces existe una matriz tinica C de m x n tal que T = le. (©) SiE es una matriz de nx p, entonces Lae = tale (Si m=n, entonces DEMOSTRACION. El hecho de que Ls sea lineal se deriva directamente del Teorema 2.14 y su corolario. (a) Lacolumna j-ésima de [bsl; es igual a L,(e;). Pero Lies) = ‘Ae, = At, y entonces {Lily = A (b) Si L,= Ly entonces podemos utilizar (a) para escribir A = [Li]; Lal} = B. Por lo tanto A = B. La prueba de la proposicién reciproca es trivial. La demostracién de (c) le corresponde al lector. (d) Sea C= {1}, Bn virtud del Teorema 2.16 tenemos que [T(x] = [TYLxlp, o bien T(x) = Cx = La) para toda x. Entonces T= Le La unicidad de C se deduce de (b)90 — Transformaciones lineales y matrices (e) Para cualquier j tenemos Len(e)) = (AE)e; = (AE)/ = AE) = A(Ee,) = (Bes) = La(le(e,)) = (Labe) (e;). De donde Ly Lals por el Teorema 2.7. La demostracién de (f) Ie corresponde al lector. Utilizaremos este tipo de transformaciones para establecer una impor- tante propiedad sobre matrices. Teorema 2.18. Sean A, By C matrices tales que A(BC) esté definido. Enton- ces (AB)C queda definido y A(BC) = (AB)C; esto significa-que el pro- ducto de matrices es asociativo. DEMOSTRACION. Se deja al lector demostrar que (AB)C esta definido. Utilizando el inciso (e) del Teorema 2.17 y la asociatividad de una compo- sicién de funciones, tenemos Lawes = Labae = Lllete) = (Laba)le = Laake = beanie Asi, del inciso (b) del Teorema 2.17 tenemos 4(BC) = (AB)C. i Es innecesario decir que este teorema podria demostrarse directamente a partir de la definicion del producto matricial. La demostracién anterior, sin embargo, proporeiona un prototipo de muchos otros argumentos que utilizan Jas Yelaciones entre transformaciones lineales y matrices. Una aplicacién Una grande y variada coleccién de aplicaciones interesantes surge en rela- ccién con unas matrices especiales amadas “matrices incidentes”. Una ‘matriz incidente es una matri2. cuadrada en donde todos Ios elementos son ceros 0 unos y, por conveniencia, todos los elementos de 1a diagonal principal son cero. Si tenemos una cierta relacién entre un grupo den objetos que denotaremos por 1, 2, .., n, entonces definimos Ie matriz de incidencia asociada A mediante: 4;, =I si i esté relacionado con j y Ai; = 0 en cualquier otro caso. Para hacer las cosas coneretas, supongamos que tenemos cuatro per- sonas, cada una de las cuales posee un dispositivo de comunicacién. Si la relacion entre este grupo es “puede transmitir a", entonces A,, = 1 si é puede mandar un mensaje aj y A,, = 0 en cualquier otro caso. Supén- ase que 1 10 As on 1Composicién de transformaciones lineales 91 Entonces como Au = 1 y Ay = 0 vemos que la persona 3 puede trans- mitir a 4 pero 1 no puede transmitir a 4, ‘Obtendremos una interpretacién interesante de los elementos de A Considérese por ejemplo, (Aa = Aad + Andes + Andy + Auge [Ntese que cualquiera de los términos AuwAss seré igual aI si y sélo si Aux ¥ Aix Son iguales a 1 esto €s, si y s6lo si 3 puede transmitir a k y k puede transmitir a 1. Asi (4#)s: da el némero de maneras en las que 3 puede transmitir a I en dos etapas (0 en un relevo). Como oor 00 i 1 Ba 0 n a 21 110 vemos que 3 puede transmitir a 1 de dos maneras con un relevo. En ge- neral (A + A? +... +.AM),, €8 el mimero de maneras en las que i puede transmitir a j en un maximo de m etapas. Una coleccién maxima de tres © mas personas con la propiedad de que ‘cualquier par de ellas transmita reciprocamente de una a otra se llama una cliqué. El problema de la determinacién de las cliqués parece a prime- ra vista demasiado dificil. Sin embargo, si se define una nueva matriz B por B,, =I siéyj pueden transmitirse de una a otra y de lo contrario. B,, =0, entonces puede mostrarse (ver Ejercicio 16) que la persona i pertenece a una cliqué si y sélo si (B');; > 0. Por ejemplo, supdngase que la matriz de incidencia asociada con alguna relacién es D 0 ir ol Para determinar qué personas pertenecen a las cliqués, formamos una ma- triz B como la anterior y calculamos B°. En este caso pio? 0 40 4) 40 ot Ov else O10) o4o4 1010 40 4 0 Como todos los elementos de la diagonal de B° son ceros, concluimos que no hay cliqués en esta relacién. Nuestro ejemplo final acerca del uso de matrices de incidencia se rela- ciona con el concepto de dominancia. Una relacién entre un grupo de92 Transformaciones lineales y matrices personas se lama relacién de dominancia si la matriz. de incidencia aso- ciada A tiene la propiedad de que Ajj = 1 si y s6lo si Ay = 0 para toda i y toda j, esto es, dadas dos personas cualesquiera, exactamente una de ellas domina (0, utilizando a terminologia de nuestro primer ejem- plo, puede transmitir un mensaje) a la otra. Para tal relacién, puede demostrarse (ver Ejercicio 18) que la matriz A + A? tiene un renglén (columna) que contiene elementos positives en todas las posiciones excepto en la diagonal principal. En otras palabras, existe al menos una persona que domina a (es dominada por) todas las demas en una o dos etapas. De hecho, puede demostrarse que cualquier persona que domina a (es dominada por) el mayor nimero de personas en la primera etapa cumple con esta propiedad. Considérese, por ejemplo, a la matriz I ° 0 1 1 0 1 0 n El lector deberd verificar que esta matriz corresponde a una relacién de dominancia. Ahora bien, Ata Roe 22 Entonces, las personas 1, 3, 4 y 5 dominan a (pueden mandar mensa jes a) todas las demés en a lo més dos etapas, mientras que las personas 1, 2, 3 y 4 son dominadas por (pueden recibir mensajes de) todas las demas en a lo mas dos etapas. EJERCICIOS Decir si las siguientes afirmaciones son verdaderas o falsas, Para lo que sigue, V, W y Z son espacios vectoriales con bases ordenadas (finitas) a, BY, respectivamente; T: V->W y U: WZ son ambas lineales; y Ay B son matrices (a) (UTE = (UyTh. (>) {TG)]p = [TELe para toda x€V. (©) [UOYIs = [UI Is para toda y EW. @) thle = h @ r= anComposicién de transformaciones lineales 93 (QA? = 1 implica que A =1 0 bien A (g) T= para alguna matriz 4. (bh) 47=0 implica que A = O donde\O denota 12 matriz mula GLa = be + be (i) Si A es cuadrada y Av, 8) para toda / y j, entonces A oe) en(4 489-4): Caleular (2B + 3C), (AB)D y A(BD). 3. Sea g(x) = 3 + x. Definase T: P(R)—>P.(R) para T(f) = f'e + 2. 2. Sean Ur PAR) R? para Ula + bx + ex*) = (a + b,c, a ~ b). Sean @ = (1,.x,3°) ¥ 7= (€n €n 69) (a) Calcular directamente (U,, (TIs y (UTI;. Luego, utilizar el Teorema 2.12 para verificar el resultado. (b) Sea h(x) = 3 ~ 2x +28, Calcular [élp y [U(h)}y. Luego, emplear LU}; de (a) y utilizar el Teorema 2.16 para verificar el resultado. 4. Para cada uno de los incisos siguientes, sea T Ia transformacién lineal defi nida en el inciso correspondiente del Ejercicio $ de la Seccién 2.2. Util el Teorema 2.16 para calcular: (a) (TA) donde A = cL i) (b) [Dn donde f(x) ='4 ~ 6x + 3x° (©) ANIy donde A= (3. 3). (A) (hy donde f(x) = 6 ~ x + 2 Completar la demostracién del Teorema 2.14 y su corolario, 6, Demostrar el inciso (b) del Teorema 2.15 7. Demostrar el Teorema 2.11 8. Encontrar transformaciones lineales U, T: F*—>F* tales que UT = Ty (la transformacién nula) pero TU # T.. Utilice su respuesta para encontrar ma- trices A y B tales que AB = O pero BA 40.94 Transformaciones lineales y matrices 9% Sea A una matriz de m x n. Demostrar que A es una matriz diagonal si ¥ SOlo si Asj = 5;A,, para toda i y toda j. 10. Sea V un espacio vectorial y sea T: V—>V lineal. Demostrar que T* = T) si y sdlo si R(T) CN(T). 11, Sean V, W y Z espacios vector reales. les, y sean T: V->W y U: W-+Z Tie (a) Si UT es uno-a-uno, demostrar que T es uno-a-uno, ;También U debe ser uno-a-uno? (b) Si UT es sobreyectiva, demostrar que U también lo es. ;También T debe ser sobreyectiva? (c) Si Uy T son uno-a-uno y sobreyectivas demostrar que UT también Toes. 12. Sean A y B matrices dem xn, Recordar que la traza de A, denotada por (A), 68 igual a BA, Demostrar que t(AB) = tr(BA) y tr(A) = tr(A") 13, Sea V un espacio vectorial dimensionalmente finito y sea T: V+ V linea. (a) Si rango(T) = rango(F), demostrar que R(T) 1 N(T) = (0}. De- ducir que V = R(T) ®NCD. (b)Demostrar que existe un entero positivo & tal que V = R(T) @ NC) 142 Sea V un espacio vectorial. Determinar todas las transformaciones lineales T: V>V tales que T= 1% Sugerencia: Nétese que t= T(x) + (r— T(x) para toda x en V y demostrar que V = (y:T(y) = 9) ®NCD 15. Utilizando Gnicamente la definicién de multiplicacién matricial, demostrar que la multiplicacién de matrices es asociativa, 16. Para una matriz. de incidencia A con la matriz asociada B definida por: By; = 1, sii esta relacionada con j y j esté relacionada con i, y de lo con- trario B,; = 0, demostrar que i pertenece a una cliqué si y s6lo si (B"),, > 0. 17. Utilizar el Ejercicio 16 para determinar las cliqués en las relaciones corres- Pondientes a las siguientes matrices de incidencia. (a) 1 ° ; (b) 0 1 0 1 ol coco I ° 1Invertibili jad © isomortismos 95 ‘Sea A una matriz de incidencia asociada con una relacién de dominancia. Demostrar que la matriz A + A* tiene un renglén (columna) que contiene elementos positivos en todas las posiciones excepto en la diagonal prin- cipal. 19. Demostrar que la siguiente matriz A corresponde a una relacién de domi- nancia y utilizar el Ejercicio 18 para determinar cual(es) persona(s) domi- rna(n) a (son dominadas por) las demas en no més de dos etapas. Lo (°') or 20. Sea A una matriz de incidencia de m x nm que corresponde a una relacién de dominancia, Determinar el nimero de elementos no nulos de A. 2.4 INVERTIBILIDAD E ISOMORFISMOS El concepto de invertibilidad se introduce muy temprano en el estudio de las funciones. Por fortuna, muchas de las propiedades intrinsecas de las unciones son compartidas por sus inversas. Por ejemplo, en cursos de célculo aprendimos que las propiedades de continuidad o de diferenciabi- lidad generalmente se conservan para las funciones inversas. Veremos en esta seccién (Teorema 2.19) que la inversa de una transformacién lineal también es lineal. Este resultado nos ayudara de una manera importante cen el estudio de las “inversas” de las matrices. Como era de esperarse de la Secci6n 2.3, la inversa de la transformacion L, (cuando existe) puede utilizarse para determinar las propiedades de la inversa de la matriz A. En el resto de esta seccién aplicaremos muchos de los resultados sobre invertibilidad al concepto de “isomorfismo”. Veremos que los espacios vec- toriales dimensionalmente finitos (sobre F) de dimensiones iguales pueden ser identificados. En breve, estas ideas seran expuestas con més preci Los conceptos sobre funciones inversas que se encuentran en el apé dice B son, por supuesto, verdaderos para el caso de las transformaciones lineales. No obstante, repetiremos algunas de estas definiciones para em- plearlas en esta seccién, Definicién. Sean V y W espacios vectoriales y sea T: V—>W lineal. T tiene una inversa U: WV si TU=lyy UT =ly. Como en el Apéndice B, las inversas son tinicas y escribiremos U = 1. Decimos que T es invertible si T tiene una inversa. Las siguientes propiedades se cumplen para funciones invertibles Ty U. 1 uy =u 2. (1) =T; en particular, T* es invertible,9% Transformaciones lineales y matrices Utilizaremos también el hecho de que una funcién es invertible si y s6lo si es uno-a-uno y sobreyectiva. Ejemplo 24, Definase T: P,(R) > R* mediante T(a + bx) = (a, a+ ). El lector podré verificar directamente que T!: R'—>P,(R) queda definida mediante T*(c, d) = © + (d — c)x. Obsérvese que T-, también es lineal. Como lo demuestra el Teorema 2.19, esto es cierto en general. Teorema 2.19. Sean V y W espacios vectoriales, y sean T: VW lineales € invertibles, entonces T': W—>V es lineal. DEMOSTRACION. Sean ys, yz€W y CEF. Como T es sobreyectiva y uno- a-uno, existen vectores tinicos x, y x, tales que T(x.) = yy y Tex) = Entonees x, = T(y4) yx = Te), y ast TH(ey, + ye) = THeTOR) + The)] = TPITex, +] Senta =e) +O). El Teorema siguiente se sigue inmediatamente del Teorema 2.5. Teorema 2.20, Sean V y W espacios vectoriales dimensionalmente finitos de dimensiones iguales, y sea TEL(V, W). Entonces las siguientes proposi- ciones son equivalentes. (a) T es invertible. (>) T es uno-a-uno. (ce) T es sobreyectiva Estamos ahora listos para definir la inversa de una matriz, El lector deberia darse cuenta de la analogfa con la inversa de una transformacién lineal. Sea A una matriz de nx n. Entonces A es invertible si existe una ‘matric Bde n x n tal que AB = BA = 1 La matriz B es tinica y se llama inversa de A y se escribe B= A”. (Si C fuera otra matriz, entonces C = Cl = C(AB) = (CA)B = 1B = B. Ejemplo 25. El lector deberd verificar que Ia inversa de sa 2 23) % (2 3) En la Seccién 3.2 aprenderemos una técnica para calcular Ia inversa de una matriz. Ahora nos gustaria desarrollar una serie de resultados que relacionan inversas de matrices con inversas de transformaciones Tineales.Invertibilidad @ isomorfismos 97 Teorema 2.21. Sean V y W espacios vectoriales dimensionalmente finitos con bases ordenadas [2 y y, respectivamente. Sea T: V—>W lineal. Entonces T es invertible si y silo si (Tf, es invertible. Ademés, (T'f ~ (ITI) DEMOSTRACION. Supéngase que T es invertible. Como T es uno-a-uno, el Teorema 2.6 implica que T(8) es un subconjunto independiente de W. Como T es sobreyectiva, el corolario del Teorema 2,3 implica que el sub- espacio generado por L(1(a)) = R(T) = W. Entonces T() es una base para W con dim(V) elementos. Por lo tanto, dim(V) = dim(W). Sea n~ dim(V). Entonces {TJ} es una matriz den vn, Ahora bien, T': W-+V satisface TT! = lw y TT = ly, De donde, fe = Wels = ET = TIT Anélogamente, (TIT! = fn. y por to tanto ({Th)" = (TK. ‘Ahora sea A ~(T]} invertible. Entonces existe una matri2 B de ny n tal que AB = BA = 1. Definase Ur WV mediante Ux) = 3B, donde y= (41. 0-15 Aa) y B= (ey --+ 5 Ya) Entonces (UI B. Dee mostraremos que UT". Obsérvese que por el Teorema 2.12 [UT|s = [UPITE, = BA = 1, = flely. Asi, UT =I, y andlogamente TU = Iw. i Ejemplo 26. Para los espacios vectoriales P)(R) y R%, selecciénese las bases @ = (1, x) y y= {ei €:), respectivamente. Con la notacién del Ejemplo 24, tenemos que me( a) eae (Cy 4) Se puede verificar mediante el producto matricial que cada matriz es la inversa de la otra. Corolario 1. Sea V un espacio vectorial dimensionalmente finito con una base ordenada fy sea T: VV lineal, Entonces es invertible si y sélo si [Th fo ex, Ademas, (TY. UT DEMOSTRACION. Ejercicio. Corolario 2. Sea A una matriz den x n. Entonces A es invertible si y solo si Ly es invertible, Ademds (Ly) = ba DEMOSTRACION. Ejercicio. La nocién de invertibifidad se puede utilizar para formalizar lo que el lector ya debe haber observado, esto es, que ciertos pares de espacios vectoriales se parecen mucho entre si, excepto por la forma de sus ele-98 Transtormaciones lineales y matrices mentos. Por ejemplo, en el caso de M:..(F) y F', si asociamos a cada - (4) la 4-dimensional (cuarteta) (a, b, c, d), vemos que las sumas y los pro- ductos por escalares se asocian de una manera semejante; esto es, en términos de ta estructura de espacios vectoriales, estos dos espacios vecto- riales pueden considerarse idénticos 0 “isomorfos", Definicién. Sean V y W espacios vectoriales. Decimos que V es isomorfo a W si existe una transformacién lineal T: V—>W que sea invertible. Tal transformaciéin lineal se lama isomortismo de V en W. Dejamos como ejercicio 1a demostracién del hecho de que “es isomor- fo a” es una relacién de equivalencia. Ejemplo 27. Definase T: F*—+P,(F) mediante T(a,, a.) = a, + ax, Es evidente que T es invertible; asi F* es isomorfo a P,( Ejemplo 28. Definase = (1) 12) Te PAR) MR) mediame T= (13) 12)) Se puede verifcar fécilmente que T es lineal. Mediante el uso de Ia ecua- cién de interpolacién de Lagrange de la Seccién 1.6 puede demostrarse (compérese con el Ejercicio 20) que Tf) = O solamente cuando j es el polinomio cero. Luego, T es uno-t-uno y por el Teorema 2.20 tenemos que T es invertible. Podemos concluie que P,(R) es isomorfo a M,.(R) En cada uno de los dos ejemplos anteriores, el lector habra observado que los espacios vectoriales isomorfos tienen dimensiones lo demuestra el teorema siguiente. esto no es ninguna coi Teorema 2.22. Sean V y W espacios vectoriales dimensionalmente finitos (s- bre el mismo campo F). Entonces V es isomorfo a W si y silo si dim) dim(w) DEMOSTRACION. Supéngase que V es isomorfo a W y que T: V—+W es tuna transformacién lineal uno-a-uno de V en W. Entonces como en la demostracién del Teorema 2.21 tenemos que dim(V) = dim(W) Ahora supéngase que dim(V) = dim(W) y sean 8 = (xy, ..., 44) ¥ y= (Wn s+ 4) bases para V y W, respectivamente. Por el Teorema 2.7 existe T: VW tal que Tes lineal y T(x;) = y, para i= 1,... am Utili- zando el corolario al Teorema 2.3, tenemos que R(T) = L(T(B)) = L(y) W, por lo que T es sobreyectiva. Por el Teorema 2.5 tenemos que T también es uno-a-uno. iInvertibilidad @ isomortismes 99 Corolario. Si V es un espacio vectorial de dimensién n, entonces V es isomor- fo Fe Hasta ahora hemos asociado transformaciones con sus representaciones matriciales. Ahora estamos en posicién de demostrar que, como espacio vectorial, la coleccién de todas las transformaciones entre dos espacios vec- toriales dados puede ser identificada con el espacio vectorial adecuado de matrices de m xn. Teorema 2.23. Sean Vy W espacios vectoriales dimensionalmente finiios de dimensiones n y m, respectivamente, y sean i y bases ordenadas para Vy W, respectivamente. Entonces la funcién : L(V, W) > Myx F)s dejinida por (1) = [1], para TEE(V, W) es un isomorfismo. DEMosTRACIN. El Teorema 2.9 nos permite concluir que # es lineal. Entonces debemos demostrar que + es uno-a-uno y sobreyectiva, Sean B= ye Be) VT Oy I Demostraremos primero que N(®) formacién cero. Esto implicaré que # es uno- . Entonces para cada j tenemos 1(x)) = Oy, +... + Oym = 0. Por 1 corolario del Teorema 2.7 tenemos que T = Ts (b) Ahora demostraremos que ® es sobreyectiva. Sea A una matriz de m xn. De acuerdo con el Teorema 2.7 existe TEL(V, W) tal que (T.}, donde Ty es 1a trans- ino. Supéngase que (T) tn) = Sun » paral , Principiaremos citando Ja transformacién x —> [x]p discutida en la Sec- cién 2.2 jon. Sea 2 una base ordenada para un espacio vectorial n-dimensional V sobre el campo F. La representacion estindar de V con respecto a 5 la funcién gj: V—> F* definida por d(x) ~ (xls para toda x€V.100 Transformaciones lineales y matrices Ejemplo 29. Sea V = R', 8 = ((1, 0), (0, D),¥ Para x= (1, —2) tenemos #900) =t=(_2) ¥ ay = b= (73) Ya hemos observado antes que gp es una transformacién lineal. El teo- rema siguiente nos dice mucho més. (4, 2), (8, 4)). Teorema 2.24, Para cualquier espacio vectorial V dimensionalmente finito con una base ordenada 8, ¢y es un isomorfismo. DEMOSTRACIGN, Ejercicio. Este teorema nos proporciona una prueba altemnativa de que un espa- cio vectorial n-dimensional es isomorfo a F* (ver el corolario del Teore- ma 2.22), Estamos ahora listos para utilizar la representacién esténdar de un espacio vectorial junto con la representacién matricial de una transforma- cin lineal para estudiar Ia relacién entre ta transformacién lineal T: VW donde V y W son espacios vectoriales abstractos dimensionalmente finitos, y Lu: F*->F®, donde A= (Tl y B y 7 son bases ordenadas ccualesquiera para V y W, respectivamente. ‘Antes de enunciar el Teorema 2.25 consideraremos la figura 2.2. Néte- se que existen dos composiciones de transformaciones lineales que mapea- rén a V en FR: 1, Mapeo de V en F* con gs y continia esta transformacién con Ly; esto nos dara Ia composicin Lips. 2. Mapeo de V en W con T; y contindia por gy para obtener 1a com- posicion. 47. Estas dos composiciones estin representadas por las flechas punteadas cen el diagrama, El Teorema 2.25 establece que ambas composiciones dan ‘el mismo resultado; esto es, que ambas composiciones son iguales. 1 wInvertibilidad @ isomorfismos 101 Heuristicamente, el teorema establece que después de que V y W hayan sido identificados con F* y F a través de gp y dy, respectivamente, pode- 108 “identificar” a T con Lo Teorema 2.25. Seat: V—>W una transforitacién lineal de un espacio vecto- rial n-dimensional V sobre F a un espacio vectorial m-dimensional W sobre F. Sean y y bases ordenadas, respectivamente, para Vy W, y sea A=[T,. Entonces Lads = aT. DEMOSTRACION. El teorema es esencialmente una reformulacién del Teo- rema 2.16, porque si x€V, entonces (Lada) (2) = Le(da(x)) = Lalas) = Alale = (17, Fads = TW = eT) = DO). Ejemplo 30. Recordemos Ia transformacién T: P,(R)—> P,(R) definida en el Ejemplo 17. (T(f) = f.) Sean B= (1, x, 7.) y r= (1, 2) ‘bases ordenadas para P,(R) y P.(R), respectivamente, y sean gp: P3(R) > RY y gy: Ps(R) > R? representaciones estindar de P,(R) y Ps(R) con respecto a f y y, respectivamente. Sea A = [T];; entonces 10 A=(o 0 2 0). 0 0 0 3) Para ilustrar el Teorema 2.25, considérese al polinomio p(x) = 2+ x — 3x? + 5x, Demostraremos que Ligs(P) = #1 (P)- Tenemos Pero como T(p) = pi = 1 — 6x + 15x, tenemos que v $,T(—) = (-) 15 ASI, Laga(P) = gT (0). ‘Trdtese de repetir este ejemplo con distintos polinomios p(x)102 Transtormaciones lineales y matrices EJERCICIOS 1 a+ 10. 2. Decir si las siguientes afirmaciones son verdaderas o falsas. Para lo siguien- te, Vy W serdn espacios vectoriales con bases ordenadas (finitas) y 2, respectivamente, y T: V—>W serd lineal. Ay B serdn matrices. (a) (b) © (4) Mses(F) es isomorfo a F (©) Pa(F) es isomorfo a P(F) si'y solo sin = (0) AB=1 implica que A’ y B son invertbles. @) (y= A, (h) A es invertible si y s6lo si Ly es invertible. (i) A debe ser cuadrada para poder tener una inversa. Sean A y B matrices invertibles de m x m. Demostrar que AB es inver~ tible y que (AB) = BA. Sea A invertible, Demostrar que A’ es invertible y (A")1 = (42) Demostrar que si A es invertible y AB = O, entonces B= O. Si ©, demostrar que A no puede ser invertible. Demostrar los Corolarios 1 y 2 del Teorema 2.21. Sean A y B matrices de n x n tales que AB es invertible. Demostrar que y B son invertibles. Demostrar que, en general, este resultado es falso si al menos una de las matrices no es cuadrada. Sean A y B matrices de n x n tales que AB =I, Demostrar que A = B* (y por lo tanto B= A~*). (Decimos en efecto que para matrices cuadra- das una inversa unilateral es una inversa bilateral.) Demostrar que la transformacién definida en el Ejemplo 28 es uno-a-uno, Demostrar el Teorema 2.24. Sea ~ tal que signifique “es isomorfo a”. Demostrar que ~ es una rela- lencia sobre la clase de espacios vectoriales sobre F tal como se define en el Apéndice A. v={(o" s). ab ocr]. Constriyase un isomorfismo de V a F. Sea13, 14 16. w. 19. Invert idad ¢ isomorfismos 103. Sean V y W espacios vectoriales dimensionalmente finitos y sea T: V+ W tun isomorfismo. Sif es una base para V, demostrar que T(8) es una base para W. Sea B una matriz invertible de m xn. Definase ©: My .y(F) > Mysa(F) por (A) = BAB, Demostrar que # es un isomorfismo. ‘Sean V y W espacios vectoriales dimensionalmente finitos y sea T: V+ W un isomorfismo. Sea V. un subespacio de V. (a) Demostrar que T(Vs) es un subespacio de W. (>) Demostrar que dim(V.) = dim(T(V)) Repetir el Ejempio 30 con el polinomio p(x) = 1+ x + 2x +x. Sea V = M,.2(R) el espacio vectorial de cuatro dimensiones de las matri- ces de 2 x 2 con elementos reales. Recuérdese del Ejemplo 4 que el mapeo T: VV definido por T(A) = A! para toda A CV es una transformacién lineal. (a) Sea p= (E", B%, EB, E*) donde E° es a matriz de 2x2 que tiene el elemento i, j igual a uno y el resto de los elementos iguales 2 cero. Demostrar que fi es una base ordenada para V. (b) Sea A= [Mlp. Caleular A (©) Sea g la representacion estindar de V con respecto a. Entonces Lig = @T por el Teorema 2.25. Verificar esta igualdad para la matriz a _ esto es, demostrar que Lyg(M) = ¢T(M). Sea T; V—>W una transformacién lineal de un espacio vectorial n-dimen- sional V a un espacio m-dimensional W. Sean 8 y y bases ordenadas para V y W, respectivamente. Demostrar que rango(T) = rango(L.) y que nuli- dad(T) = nulidad(L,), donde A= (Tf. Sugerencia: Utilizar el Teorema 2.25 y el Ejercicio 15 Sean V y W espacios vectoriales dimensionalmente finitos con bases orde- nadas 2 = {ti ... +n) ¥ y= (iy «++ » Ya)s Fespectivamente, Por el Teo- ema 2.7 existe una transformacion lineal T,,:, V—>W tal que Tile) = i Demostrar primero que (Tj: 1) equivale a una rotacién de los ejes coordenados de manera que los ejes yy coincidan con los ejes x” y y, respectivamente, donde V3, _2N3, : aoeLa matriz de cambio de coordenadas 105 (Los valores de x’ y y' se encontraron al resolver el sistema para 2’ y y' en términos de x y y.) Los vectores obtenidos al someter los vectores de la base (0) » () del sistema coordenado x, y a esta rotacién son — as ws) * \ vs} 5 $ respectivamente, Estos vectores son vectores unitarios que se alojan en el eje x’ y el ee y’, respectivamente, y por lo tanto forman una nueva base & (=2f5 me) Surge una interrogante l6gica: {Cémo es posible transformar vectores ‘coordenados con respecto a una base, a vectores coordenados con respect a la otra? La respuesta est dada a través de la relacién LE =BES\( x Notese que la matriz mil ~ (vs nas 5 es igual a [If donde 1 es la transformacién identidad en R’. Entonces por el Teorema 2.16 [v]; = Olvlp: para toda v€R’, Un resultado similar es Certo en genera. Teorema 2.26. Sean py f dos bases ordenadas para un espacio vectorial di- ‘mensionalmente finito V y sea Q = (\l,. Entonces106 Transformaciones lineales y matrices (a) Q es invertible. (b) Para toda v © V, [oly = Qloly DEMOSTRACION. (a) Como ty es invertible, @ también Io es por el Teorema 2.21 (>) Para toda ve V, tly por el Teorema 2.16. i Noly = tel» = Ofely La matriz Q definida en el Teorema 2.26 se llama matric de cambio de coordenadas. A causa del inciso (b) del teorema decimos que Q trans- forma las coordenadas de f' en coordenadas de p. Obsérvese que si B= (iis ees a) ¥ BPH OR, aL, oy Xt), entonces para j= 1, 2,... 15 esto es, la columna j-ésima de Q es [xp Ejemplo 31. Sea V=R, B= ((1, 1), (, Dh y B= (2, 4), GB, 1)}. Como (2, 4) = 30, D — 10, “1) y G1) = 20, 1) +10, ~1), la matriz que transforma las coordenadas de f’ en coordenadas de pes 32 2=(4 7) Asi, por ejemplo, 12, p= O12, 4) =O (0) 7 €) Supéngase ahora que T: V—>W es una transformacién lineal entre espacios vectoriales dimensionalmente finitos y que 2 y fi son bases orde- nadas para V y y y y' son bases ordenadas para W. Entonces T se puede representar por matrices relativas a 8 y y y relativas af’ y y'. ;Cudl es Ia relacién entre las matrices (Th y (Tl? La respuesta se ve clara- mente de las ecuaciones (T(e)l, = Miplele ¥ [Toy = (Thffely dadas por el Teorema 2.16, porque si Q y P son matrices de cambio de coor- denadas que transforman coordenadas de / en coordenadas de py coordenadas de y' en coordenadas y, respectivamente, entonces de estas, ecuaciones es evidente que hay dos métodos para obtener (T()], a partir de [vly, como se ilustra en la figura 2.3 Como [TH Olly = PITY Lely para toda v € V, el Teorema 2.17(b) implica que (TQ = PITH. Al ser P invertible (Teorema 2.26), esto da Ja respuesta a la pregunta anterior.la matrix de cambio de coordenadas 107 Teorema 2.27. Sea T: V—>W una transformacién lineal de un espacio vec- torial V dimensionalmente finito a un espacio vectorial W dimensionalmen- te finito, y sean . y 8 bases ordenadas para V y y y y' bases ordenadas para W. Entonces {T};; = P[11}Q, donde Q es la matriz que transforma las coordenadas de fi" en coordenadas de 8 y P es la matriz que transforma las coordenadas de y' en coordenadas de Muiplcar por (TJ. bly ——> Twi, Multiplicar por @ Multiplicar por P (para transformar (para transformar coordenadas dep" en cvordenadas de 7’ en ‘coordenadss de 8). ‘coordenadas de) Moltiplcar por (713. to), ————+ Im, figura 2.3 Ejemplo 92. Sean V= R’, W= Ry T: VW definida mediante (re) Sean f y y las bases ordenadas estindar para R° y R, respectivamente, BEL 000 (Obsérvese que {" y 7’ son bases ordenadas para Ry R, respectivamente.) Verificaremos el Teorema 2.27. Tenemos que a a =CsCr y algunos célculos faciles muestran que las matrices de cambio de coor ‘denadas que transforman coordenadas de a’ en coordenadas de 8 y ‘coordenadas de y’ en coordenadas de y son o-(8 fs) ret)108 —Transformaciones lineales y matrices respectivamente. En la Seccién 3.2 se presentard un método para calcular P; mientras tanto, verifiquese que 6 r= ({ _}): Una multplicacién fécil muestra que (1); = P*(TYO. Un caso particular importante del resultado anterior se tiene cuando V = W. Es esta la situacién que nos ocupard primordialmente en una gran parte del resto del libro. En este caso el teorema toma la siguiente forma. Corolario, Sea T: V—>V una transjormacién lineal en un espacio vectorial di- ‘mensionalmente finito V que tiene bases ordenadas y '. Entonces [1p = O{T]:0, donde Q es la matriz que transforma coordenadas de BY en coordenadas de p. La relacin entre las matrices [T]p- y [Tp del corolario anterior seri temas de estudio en los Capitulos 5 6. Sin embargo, introduciemos ahora el nombre de esta relacién. Detinicién. Sean A y B matrices de n x n con elementos del campo F. Deci- ‘mos que B es similar a A si existe una matriz invertible Q€My.n(F) tal que B= Q7AQ. Obsérvese que la rel lencia. (Ver el Ejercicio 7.) Nétese también que en esta terminologia el corolario anterior puede enunciarse de la manera siguiente: Si T: V—>V es una transformacion ineal en un espacio vectorial dimensionalmente finito V, si @ y A" son ses ordenadas cualesquiera para V, entonces [T]p: es similar a [Tly de similaridad es una relacién de equiva- EJERCICIOS 1. Decir si las siguientes afirmaciones son verdaderas o falsas. (a) Si @ es la matriz. de cambio de coordenadas que transforma las ‘coordenadas de 2’ en coordenadas de f, donde "= (x',..., x.) y B= (Xs... 44) son bases ordenadas para un espacio vectorial, entonces ta columna j-ésima de Q es [tj]. (b) Toda matriz de cambio de coordenadas es invertible. (©) Sea T: V—+W una transformacién lineal de un espacio vectorial di- mensionalmente finito V aun espacio vectorial dimensionalmente finito W, y sean y A bases ordenadas para V y y y y! bases ordenadas para W. Entonces [T]j'= P{TI}, donde @ y P son las matrices de de coordenadas que transforman coordenadas de ’ en coor-La matriz de cambio de coordenadas 109 denadas de i y coordenadas de y en coordenadas de y', respect vamente (@) Las matrices A, B €Myua(F) se Haman similares si B= Q'AQ para alguna O €My.0(F) (e) Sea T: VV una transformacién lineal en un espacio vectorial di- mensionalmente finito V. Entonces para cualquier par de bases orde- nadas 8 y y para V, [TJs es similar a (T]y. Para cada uno de los siguientes pares de bases ordenadas 8 y je’ para Rt, encontrar Ia matriz de cambio de coordenadas que transforma coordenadas de en coordenadas de 8. (a) B= (en e2} y B= (ay, a), (by, Be) (b) B= ((-1, 3), (2, — 1) y B= ((0, 10), (5,00) () (2, 5), (-1, -3)) y A= fe, e) @) B= (4 3), 2 —D) y # = (2,1, (4, DY Para cada uno de los siguientes pares de bases ordenadas 2 y £" para P.(R), encontrar Ia matriz de cambio de coordenadas que transforma las, ‘coordenadas de ff" en coordenadas de £. @) Gx, Dy B= (asx + ax + ay box? + bx + by cox? + ck + 60) () (x xhy (e) Sa3e + 1x) ye" (x, 8) @) pe (toxtixt het Dy p= (heat 4, 4x° — 3x + 2, 2x? +3) (©) B= GHB tx Wy f= (5x — 2x ~2x + Sx +5, 2x — x3} © Qe x FL tt 3x2, e+ 2x +1) y B= (9x9, i + Diy — 2, 3x" + Sx +2) Sea V =, W= Ry Ts V-+W estédefinida mediante ae 1(%) -( 2a, +) a a, + a, Sean f y y bases ordenadas estindar para Ré y R, respectivamente, y raft. rf)110 10. Transformaciones lineales y matrices (a) Caleular 4 = (1 y B= ITY. (>) Calcular Q, la matriz de cambio de coordenadas que transforma las coordenadas de’ en coordenadas de 8, y P, la matriz de cambio de coordenadas que transforma coordenadas de y/ en coordenadas de y. (©) Verificar que B= P-‘AQ, considerando que a) melt ul 4} oo 1 Sea T: P,(R) + P,(R) definida por T(p) = p’, la derivada de p €P.(R) Sean @ = {1, x} y f= (14x, 1 —a). (2) Encontrar la matriz. de cambio de coordenadas Q que transforma las coordenadas de f" en coordenadas de 8. (>) Encontrar Q-. (Ver el Ejemplo 32.) (©) Calcular A= (Ths y B= (hp: y verificar que B = QAO. Demostrar el corolario del Teorema 2.27. Recordando Ia definicién de una relacién de equivalencia dada en el Apén- dice A, demostrar que la relacién “es similar a” es una relacién de equiva- lencia sobre My.a(F). Demostrar que si A y B son matrices semejantes de n x n, entonces tr(A) tr(B). Sugerencia: Utilizar el Ejercicio 12 de la Seccién 2.3. Sea V un espacio vectorial dimensionalmente a BY y. fnito con bases ordenadas (a) Demostrar que si @ y R son las matrices de cambio de coordenadas {que transforman coordenadas de a en coordenadas de f° y coorde- nadas def en coordenadas de y, respectivamente, entonces RQ es la matriz de cambio de coordenadas que transforma coordenadas de «en coordenadas de y. (b) Demostrar que si Q transforma coordenadas de « en coordenadas de , entonces Q" transforma coordenadas de f en coordenadas de «. Sea A una matriz de m x m con elementos de un campo F, y sean B y 7 bases ordenadas para F* y F", respectivamente, Sea B = [L,]}. Demostrar que B = P'AQ donde P es Ia matriz de m x m con Ia columna j-ésima igual al vector j-ésimo en y Q es la matriz de n xn con la columna jxssima igual al vector j-ésimo en y.Espacios duales 111 11. Sea V un espacio vectorial dimensionalmente finito sobre un campo F y sea @ = (x, ..., 4) uma base ordenada para V. Sea Q una matriz inver- tible den x m con elementos de F. Definase X= SOx para lW tal que 4=( y B=. ‘Sugerencias: Sean V = F*, W =F, T= Li y By y bases ordenadas estén- dar para F* y *, respectivamente. Sea f’ una base ordenada para V obte- nida a partir de 8 a través de Q (de acuerdo con la definicién dada en la pagina 106 y justificada por el Ejercicio 11), y sea y’ la base para W obtenida de y a través de Po. 2.6" ESPACIOS DUALES En esta secci6n nos interesaremos exclusivamente en las transformaciones lineales de un espacio vectorial V en su campo de escalares F, que a su vez. es un espacio vectorial de dimension 1 sobre F. Tal transformacién lineal se lama funcional lineal en V. En el célculo, la integral definida nos proporciona uno de los ejemplos més importantes en mateméticas de tuna funcional lineal. (Ver Ejemplo 33.) Utilizaremos generalmente las letras f, 9, h.... para denotar a las funcionales lineales. Ejemple 33. Sea V el espacio vectorial de funciones continuas complejas (0 reales) sobre el intervalo [a, 6]. La funcién f: VC (o R) defini- da por fey = f'xoar es una funcional lineal en V. Si el intervalo es (0, 2=] y m es un entero, Ia funciéa definida por ha =e fie is dtn2 Transformaciones lineales y matrices también es una funcional lineal. En Tos textos de andlisis al escalar ha(x) se le llama el n-ésimo coeficiente de Fourier de x. Ejemplo 34. Sea V = Mu.n(F) y definase f: V—>F por f(A) = tr(A), la traza de A. Por el Ejercicio 6 de la Seccién 1.3, tenemos que f es una funcional lineal, Ejemplo 35. Sea V un espacio vectorial dimensionalmente finito con la base ordenada f= (x,, x... 44). Para cada i= 1,..., n, definase fi) = a, donde ¢s el vector de coordenadas de x relativo a 8. Entonces f, es una funcional Tineal en V llamada la i-ésima funcién coordenada con respecto a la base p. Notese que £,(x)) = 8). Estas funcionales lineales jugarén un papel muy importante en Ia teoria de los espacios duales. (Ver el Teore- ma 2.28.) Definicién. Para un espacio vectorial V sobre F, definimos al espacio dual de Teorema 2.28. Supéngase que V es un espacio vectorial dimensionalmente ji V como el espacio vectorial £(V, F), denotado por V*. Por tanto, V* es el espacio vectorial que consta de todas las funcio- rales lineales en V con las operaciones de suma y de multiplicacién por escalares tal como se definieron en Ia Seccién 2.2. Notese que si V es dimensionalmente finito, entonces dim(V*) = dim(£(V, F)) = dim(V) « dim(F) = dim(V). Por lo tanto, por el Teorema 2.22, V y V* son iso- morfos, También podemos definir el doble dual V** de V como el dual de V*. Demostraremos, de hecho, que existe una identficacién natural de Vy vee. 10 con la base ordenada P= {X,, ... , Xa). Sean f\(1 W y las matrices de m x m (sobre F) por medio de la correspondencia T «+ [T]}. Para una matriz de la for- ma A = (TJ, la pregunta es si existe © no una transformacién lineal U asociada con T de alguna manera natural tal que U pueda representarse fn alguna base como A'. Por supuesto, si mn, seria imposible para U ser una transformacién lineal de V en W. Resolveremos esta pregunta aplicando lo que ya hemos aprendido sobre espacios duales, Teorema 2.29. Sean V y W espacios vectoriales dimensionalmente finitos sobre F con bases ordenadas f2 yy, respectivamente, Para cualquier transforma- cién lineal T: VW, el mapeo T's Wt V* definido por T'(g) = g°T para toda g€W* es una transformacién lineal con ta propiedad de que (THs = (ITI)4 Lema. Transformaciones lineales y matrices DEMOSTRACION. Para g €Wt, es evidente que T'(g) = geT es una fun- ci6n lineal en V y por lo tanto es un elemento de V*. Asi, T! mapea a W* en V*. Dejaremos al lector la demostracién de que T* es lineal, Para completar 1a demostracién sean 8 = (4 .-.5 4%) ¥ 7= Ow +» Ya} con bases duales B* = (fi, --. 5 fn) Y ¥* = (Gus -.+ + Gabe Tes pectivamente. Por conveniencia, sean A = (TJ, y B= (T'}fz, Entonces Ton) =S Ane para Sis, T(g)) =SByi para | F por £(f) = f(x) para toda f€V*. Es facil verificar que £ es una funcional lineal en V* y entonces €V**, La correspondencia x <> nos permitiré definir el isomorfismo deseado entre Vy V** Sea V un espacio vectorial dimensionalmente finito y sea x€V. Si 2(f) = 0 para toda f EV", entonces x = 0. DEMOSTRACION. Si x40 entonces podemos tomar una base ordenada B= (iy... X4) para V tal que x, = x. Sea (f,,..., fa) la base dual de p. Entonces se tiene que f,(x,) = 140 lo que es una contradiecién.Espacios duales 115 Teorema 2.30. Sea V un espacio vectorial dimensionalmente finito y sea ¥: VV que esté definida por y(x) = %. Entonces y es un isomorfismo. DEMOSTRACION. (a) ges lineal: Sea x, y €V y @€F. Para f€V* tenemos que $C + ay) (F) = F(x + ay) = F(x) + af(y) = 8) + apf) = & + apf). Por lo tanto We + ay) = 8+ a= $(x) + aH). (b)¥ es uno-a-uno: Supéngase que y(x) es la funcional cero en V* para alguna x €V. Entonces £(F) = 0 para toda f€V*, Por el lema ante rior concluimos que x = 0. (©) yes un isomorfismo: Esto se deduce de (b) y del hecho de que dim(V) = dim(v**). Corolario. Sea V sin espacio vectorial dimensionalmente finito con un espacio dual V*. Entonces, toda base ordenada de V* es la base dual de alguna base de V. DEMOSTRACION. Sea (fi, ..., fa) una base ordenada de V*, Podemos combinar los Teoremas 2.28 y 2,30 para concluir que para esta base de V* existe una base dual (¥,,..., 8] en V**, esto es 84, = 2:(,) = f)(%). Por tanto {f,,--. fa) es la base dual de (x1... %,)- Il ‘Aun cuando muchas de las ideas de esta seccién se pueden extender para el caso donde V no es dimensionalmente finito, por ejemplo Ta exis- tencia de un espacio dual, dnicamente un espacio vectorial dimensionalmen- te finito es isomorfo a su doble dual a través del mapeo x —+ £. De hecho, para espacios vectoriales dimensionalmente infinitos, Vy V* nunca son isomorfos. EJERCICIOS Decir si las siguientes afirmaciones son verdaderas o falsas, Supéngase que todos los espacios vectoriales son dimensionalmente fi (a) Toda transformacién lineal es una funcional lineal, (b) Una funcional lineal definida en un campo puede ser representada como una matriz de 1 1 (c) Todo espacio vectorial es isomorfo a su espacio dual. (d) Todo espacio vectorial es el dual de algiin otro espacio vectorial. (©) Si T es un isomorfismo de V en V* y 8 es una base ordenada finita de V, entonces T(8) = fp.116 Transformaciones lineales y matrices (Q) Si T es una transformacién lineal de V en W, entonces el dominio de (1)! es V**, (g) Si V es isomorfo a W, entonces V* es isomorfo a W*. (h) La derivada de una funcién puede considerarse como una funcional Tineal en el espacio vectorial de funciones diferenciables. 2. Para las siguientes funciones en un espacio vectorial V, determinar cuales son funcionales lineales, (a) V= PCR); f(p) = 2'(0) + p™(1), donde * significa diferenciacién (>) Re f(x y) = (2x, dy) © 2(F); (A) = tr(A) @ Rf yz) =x byt tt (e) V=P(R); fp) = frou (VS Maea(R); MAYS An 3. Como en el Ejemplo 36, para todos los espacios vectoriales Vy bases que aparecen a continuaciOn, encontrar la base dual f* para V*. (@) V=R58= (1,0, 1), (1,2, 1), 0,0, 1} (db) V = PAR); B= (1, 4,2} A, Sea V = Ry definase fy fay fs EV" mediante fy(x, 5 2) = x — 2y, fal 2 ax byt ay hls y 2) =y — 3z. Demostrar que {f,, fa, f} es una base para V* y luego encontrar una base para V para la cual sea el dual. 5. SeaV= .(R) y para p EV definase f,, f, €V* mediante fp) = frou £0) =f peoae Demostrar que {f,, fa) es una base para V* y encontrar una base para V para la cual sea el dual. 6. Definase f€(R!)* mediante f(x, y) = 2x ty y T: RR! mediante T(x, y) = Gx + 2y, x). (@)_ Caleular TH(4). (>) Calcular [T'],,,donde £ es la base ordenada estindar para R? y * = (fu, fa) encontrando escalares a, b,c y d tales que T'(f,) = af, + bf: y Tf) = ch + dlp (©) Calcular ("Ip y {TI} y comparar los resultados con los del inciso (b).10. Espacios duales 117 Sean V = P.(R) y W = R¥ con sus respectivas bases ordenadas 2 19 ¥ y= (ey €:}. Definase T: V->+W mediante T(p) = (p(0) ~ 2pC1), (0) + p’(0)), donde p’ es la derivada de p. (a) Si fEW* esta definida por f(a, b) = a — 2b, caleular T(F) (b) Caleular [T"}} sin recurrir al Teorema 2.29. (c) Caleular [1[;'y su transpuesta y comparar el resultado con el del in- (b) Demostrar que todo plano que pasa por el origan en R? puede ser identifi- cado con el espacio nulo de un elemento en (R')*. Enunciar un resultado semejante en R. Sea T una funcién de F* en F*, Demostrar que T es lineal si y s6lo si existen fay vos s fw €(FO)® tales que T(x) = (fy(2), =» fm(x)) para toda x€F*. Sugerencia: Si T es lineal, definase f(x) = (g,°T)(x) para x €F*; es de- cir, f, = Tg,) para 1 ) Utilizar ef corolario del Teorema 2.30 y el inciso (a) para demostrar que existen polinomios tinicos py, ... , Ps tales que p.(c,) = 81; para 0 Erte para toda p EV. (e)Demostrar que i pindr= 3 pled,ne 13. Transtormaciones lineales y matrices donde [orca Supéngase ahora que = a4 OD para Para m= 1 la expresiOn anterior representa la regla trapezoidal para polinomios. Para m = 2, comparar el resultado con la regia de Simp- son para polinomios. ‘Sean Vy W espacios vectoriales dimensionalmente finitos sobre F, y sean ¥: ¥ vs isomorfismos entre V y V** y W y W?®, respectivamente, tal como se definieron en el Teorema 2.30. Sea T: V—>W lineal, y definase TH = (1), Demostrar que el diagrama de la figura 2.4 conmuta, es decir, = Th, S vy tw | | Ver wee 7" figura 2.4 ‘Sea V un espacio vectorial dimensionalmente finito con la base ordenada B. Demostrar que y(f) = B**, donde ¥ es como se definié en el Teore- ma 2.30. Para los problemas 13 a 17, V seré un espacio vectorial dimensional- mente finito sobre F. Si $ es un subconjunto de V, definimos al aniquilador S de S como S* = (FEV*: f(x) = 0 para toda x ES). (a) Demostrar que S° es un subespacio de V* (b) Si W es un subespacio de V y x¢W, demostrar que existe FEW? tal gue (x) #0. (©) Demostrar que $= L(y(S)), donde y es como se defini en el Teorema 2.30. (d) Para los subespacios W. y W., demostrar que W. = Ws si y sélo si ee (e) Para 10s subespacios W, y W,, demostrar que (W, +W,)° = wen we,4 16. 7. Ecuaciones diferenciales lineales homogéneas 119 ‘Si W es un subespacio de V, demostrar que dim(W) + dim(W") = dim(V) Sugerencia: Sea {x,..., %) una base ordenada de W y extiéndase a una base ordenada = (11, ..., Xa} de V. Sea BY = {fy ..., fa) Dee mostrar que (fis, «+» fa) e8 una base de W", ‘Supéngase que W es un espacio vectorial dimensionalmente finito sobre F y que T: V+ W es lineal. Demostrar que N(T*) = (R(T))®. Utilizar los Ejerci¢ios 14 y 15 para deducir que rango(A) = rango(A') para toda A EMy.n(F)- Sea T: VV una transformacién lineal y W un subespacio de V. Demos- rar que W es T-invariante (tal como se definié en el Ejercicio 24 de la Seccién 2.1) si y sélo si W° es T'-invariante, 2.7* ECUACIONES DIFERENCIALES LINEALES HOMOGENEAS CON COEFICIENTES CONSTANTES A manera de introduccién a esta seccién, consideremos el siguiente pro- biema fisico. Un peso de masa m se sujeta a un resorte suspendido verti- calmente al que se le permite clongarse hasta que las fuerzas que obran sobre el peso estén en equilibrio. Supongamos ahora que el peso permane- ce en reposo y superpongamos un sistema coordenado XY con el peso en el origen y el resorte localizado en la parte superior del eje ¥. (Ver Fig. 25.) figura 2.5 Supéngase que en un cierto instante, por ejemplo r= 0, el peso se hhace descender una distancia s a lo largo del eje Y y luego se suelta, Entonces el resorte empezara a oscilar, Describamos el movimiento del resorte. En cualquier instante 1> 0. sea F(1) la fuerza que actia sobre el peso y y(1) sea la coordenada del120 Transformaciones lineales y matrices peso a lo largo del eje Y. Por ejemplo, y(0) = —s. La segunda derivada de y con respecto al tiempo, y"(1), es la aceleracién del peso en el ins- tante f, y por lo tanto de acuerdo con la segunda ley de Newton F() = my"(. a) Es razonable suponer que la fuerza que acta sobre el peso se debe totalmente a la tensién del resorte y que esta fuerza satisface la ley de Hooke: La fuerza que actia sobre el peso es proporcional a su despla- zamiento a partir de la posicién de equilibrio, pero en direccién opuesta. Si k > 0 es la constante de proporcionalidad, entonces 1a ley de Hooke establece que F() = ~hy(. @ Combinando las ecuaciones (1) y (2), obtenemos my" = —ky © bien @) La expresién de la ecuacién (3) es un ejemplo de “ecuacién diferen- cial”, Una ecuacién diferencial en una funcién inedgnita y= y(#) es una ecuacién que involucra a y, a fy a las derivadas de y. Si la ecuacién diferencial es de la forma Ay $F ayy? Hoe. Fay + aay =f, ) donde ay, ais... & ¥ f son funciones de ry yi) es la k-ésima derivada de y, entonces se dice que la ecuacién es lineal. Las funciones a; se deno- minan coeficientes de la ecuacién diferencial lineal (4). Asi, Ia ecuacién (3) es un ejemplo de ecuacién diferencial lineal en donde los coeficientes son constantes y la funcién f es idéntica a cero.Cuando la funcién f de la ecuacién (4) es idéntica a cero, la ecuacién diferencial lineal se Hama homogénea. En esta seccién aplicaremos el Algebra lineal que hemos estudiado para resolver ecuaciones diferenciales lineales homogéneas con coeficien- tes constantes. Si dy 70, decimos que la ecuacién diferencial (4) es de orden n. En este caso podemos dividir ambos lados entre a, para obtener tuna ecuacién nueva pero equivalente yO Bury boc + byl + bay donde 6, = a\/ay para i= 0, 1, ...,m— 1. A causa de esta observacién ‘supondremos siempre que el coeficiente inicial a, de Ia ecuaci6n (4) es 1 ‘Una solucién a Ta ecuacién (4) es una funcién tal que cuando se subs- tituye en y reduce la ecuacién (4) a una identidad,Ecuaciones diferenciales lineales homogéneas 121 Ejemplo 37. La funcién y(t) = sen V/mt es una solucién a la ecua- cidn (3) puesto que : . yo + Hye = —K sen het & sen fEr=o mi me ON tm Vie para toda 1. Nétese, sin embargo, que al substituir y(1) = 1 en la ecua- cidn (3) se obtiene yo + 40 = Ey, To cual no es idénticamente cero. Por tanto, y(#) =f no es solucién a la ecuacién (3). ‘Al intentar resolver ecuaciones diferenciales, descubriremos que es de utlidad considerar las soluciones como funciones complejas de una varia- ble real, aun cuando las soluciones que para nosotros tienen significado son las funciones reales de variable real. La conveniencia de este punto de vista se hard més claro posteriormente. Asi, nos ocuparemos del espa cio vectorial F(R, C) (tal como se definié en el Ejemplo 3 de Ia Sec- cién 1.2). A fin de considerar a las funciones complejas de variable real como soluciones a las ecuaciones dliferenciales debemos definir lo que significa diferencia tales funciones. Dada una funcién compleja x €(R, C) de una variable real, exiten funciones reales tinicas x, y x: de f, tales que x(t) = () + ix() para tER, donde i es el niimero imaginario puro tal que i = —1. Decimos que x: cs la parte real y que x. es la parte imaginaria de x. Definicién, Dada una funcidn x €F(R, C) con parte real x. y parte imaginaria Xz, decimos que x es diferenciable si x, y x. son diferenciables. Si x es diferenciable definimos la derivada de x, x’ como x, + ix Ejemplo 38, Si x(t) = cos 21 + / sen 2s, entonces ¥ (0) = —2 sen 2t + i(2 608 2) Determinamos a continuacién la parte real e imaginaria de x*. Como (cost 21 — sen? 21) + i(2 sen 2¢ cos 24) 2°(0) = (C08 2¢ + i sen 20) = cos 4¢ + isen 41, la parte real de 2°(1) es cos 41 y la parte imaginaria es sen 41 El teorema siguiente indica que debemos limitar nuestras investigaci nes a un espacio vectorial considerablemente menor que #(R, C). Su de-122 Transformaciones lineales y matrices mostracién, ilustrada en el Ejemplo 39, implica un sencillo argumento de induceién, la cual omitiremos. Teorema 2.31. Cualquier solucién a una ecuacién diferencial lineal homogénea con coeficientes constantes tiene derivadas de todos los drdenes; esto es, si x es una solucién para tal ecuacién, entonces x" existe para todo ente- 170 positive k. Ejemplo 39. Como ilustracién del Teorema 2.31 considérese la ecuacién yh ob dy = 0, Claramente, para ser calificada como solucién, una funcién y debe tener dos derivadas. Sin embargo, si y es una solucién, yin s dy, Ahora, como y" es un méltiplo constante de una funcién que tiene dos derivadas, a saber la funcién y, y" debe tener dos derivadas y enton- ces y'" existe. De hecho yo = ayia, Como »"® es un méiltiplo constante de una funcién que hemos mostrado que tiene al menos dos derivadas, también tiene al menos dos derivadas, y por Io tanto y" existe. Continuando de esta manera podemos demostrar ‘que cualquier sotucién tiene derivadas de todos los érdenes. Definicién, Utilizaremos el simbolo C* para representar al conjunto de todas las funciones en F(R, C) que tienen derivadas de todos los drdenes. Es un ejercicio sencillo demostrar que C* es un subespacio de F(R, C) y, por tanto, un espacio vectorial sobre C. Como resultado del Teorema 2.31 es este espacio vectorial el que nos interesa. Para x €C* la derivada X de x también esté en C*. Podemos utilizar la operacién derivada para definir un mapeo D: C*—>C* mediante Dw) para x€C*. Es facil demostrar que D es una transformacién lineal. Mas generalmente, considérese cualquier polinomio sobre C de la forma PD) = ay + aga tbat + a Entonces PD) = a0" + ay Dh +... + aD + al es una transformacién lineal. (Ver el Apéndice E.)Ecuaciones diferenciales lineales homogéneas 123 Definiciones. Para cualquier polinomio p(t) sobre C, p(O) se lama operador diferencial. El orden det operador diferencial p(D) es el grado det polino- ‘mio p(t). Los operadores diferenciales son iitiles porque nos proporcionan me- dios para reformular una ecuaci6n diferencial dentro del contexto del Algebra lineal. Cualquier ecuacién diferencial lineal homogénea con coefi- cientes constantes y™ day +o. bay + ay =0 puede ser escrita de nuevo por medio de operadores diferenciales como (OP + a sDet +... + aD + asl)(y) = 0. Definicién, Dada la ecuacién diferencial anterior, et polinomio complejo Pwo se llama polinomio auxiliar asociado con la ecuacién. ait! +... tat tay Por ejemplo, Ia ecuacién (3) tiene et potinomio auxitiar pyaar Cualguier ecuacién diferencia lineal homogénea con cocficientes cons- tantes puede rescrbirse como p(O)(y) = 0, donde p(#) es el polinomio auxiliar asociado con la ecuacién. Claramente esta ecuaci6n implica lo siguiente. Teorema 2.32. El conjunto de todas las soluciones a una ecuacién diferencial lineal homogénea con coeficientes constantes coincide con el espacio nulo de p(D), donde p(t) es el polinomio auxiliar asociado con ta ecuaci Corolario. El conjunto de todas las soluciones a una ecuacién diferencial lineal homogénea con coeficientes constantes es un subespacio de C* En vista del corolario anterior, llamaremos al conjunto de soluciones ‘a una ecuacién diferencial lineal homogénea con coeficientes constantes, el espacio solucién de la ecuacién. Una manera prictica de describir tal espacio es encontrar una base para él, Examinaremos una cierta clase de funciones que serdn de utilidad para encontrar bases para estos espacios solucién, Para un nimero real s, ya estamos familiarizados con el niimero real e, donde ¢ es el miimero tinico cuyo logaritmo natural es 1 (esto es.124 Transformaciones lineales y matrices In(e) = 1). Por ejemplo, conocemos algunas propiedades de 1a exponen- ciacién: eset y tat é para cualquier par de mimeros reales sy ¢, Extenderemos ahora la defi- nicién de las potencias de e para incluir a los nimeros complejos de tal modo que estas propiedades continuien siendo vélidas. Definicién. Seac = a+ ib cualquier nimero complejo con parte real a y parte imaginaria b. Definase € = er(cos b+ i sen b). Por ejemplo, para = 2+ i(n/3), Claramente, si c es real (b = 0), obtenemos el resultado usual e° =e Puede demostrarse con el uso de identidades trigonométricas que etaed y ef para cualquier par de complejos ¢ y d. Definicién. Sea c cualquier ntimero complejo. La funcién {: R—>C definida por f(t) =e para toda t en R se llama funcién exponencial. La derivada de una funcién exponencial, como se describe en el teore~ ma siguiente, es como esperariamos. La demostr un céleulo directo, aunque tedioso, que dejaremos como ejercicio. Teorema 2.33. Para cualquier funcién exponencial f(t) =e, '(t) = ce" Utilizaremos funciones exponenciales para describir todas las solucio- nes de una ecuacién diferencial lineal homogénea de orden 1. Recuérdese que el orden de dicha ecuacién es igual al grado de su polinomio auxiliar, de manera que una ecuacién de orden 1 es de la forma Yt ay = 0 () Teorema 2.34, El espacio solucién para la ecuacién (5) es de dimension 1 y tiene a {e~') como base. DEMOSTRACION. Claramente, Ia ecuacién (5) tiene a e-! como solucién. Supéngase que x(1) es una solucién cualquiera a la ecuacién (5). En- tonces 2) = ~ax(t) para toda 1€Ry Ecuaciones dif Definase 125 2) = x(0. Al diferenciar z obtenemos 20) = (MYC) + eR") = age'x(1) — apex) = 0. Nétese que 1a conocida regla para la diferenciacién de productos se conserva para funciones complejas de variable real. Una justiicacién impli- ca un célculo directo aunque bastante largo. Como 2/ es idénticamente cero, z es una funcién constante, De nuevo, este hecho, muy conocido para funciones reales de variable real, también ¢s cierto para funciones complejas; la demostracién, semejante a la que se hace para el caso real, implica considerar por separado las partes real € imaginaria de z. Entonces, existe un nimero complejo c tal que 2) =eslx() =e para toda 1€R. Asi, x() = ces, De donde concluimos que cualquier miembro del espacio solucién de la ecuacién (5) es una combinacién lineal dee. Il Otra manera de formular el Teorema 2.34 es la siguiente. Corolarie, Para cualquier mimero complejo c, el espacio nulo del operador dife- : rencial D — cl tiene como base a {e*} Nos ocuparemos ahora de ecuaciones diferenciales de orden superior ; a uno. Dada una ecuacién diferencial lineal homogénea de orden n con coeficientes constantes I aay bo Fa ay su polinomio auxiliar : PW) = PF agath + . F at ta rs ‘se descompone en un producto de factores de grado 1 $) P(t) = (te) (t= 2) (t-G), donde c,€x,.« €x 0m nimeros complejos (no necesariamente distintos). (Esto se deduce ‘del teorema fundamental del algebra dado en el Apén- dice D.) Entonces in P(D) = (DN) (0 ~ es)... (0 ~ ext. En. Pero los operadores D ~ ¢,| conmutan y asi, por el Ejercicio 8, tenemos que NO — cil) CN@O)) para toda Fi126 Transformaciones lineales y matrices ‘Como N(p(D)) coincide con el espacio solucién de la ecuacién diferen- cial dada, podemos concluir el siguiente resultado por el corolario del ‘Teorema 2.34, Teorema 2.35. Sea p(t) el polinomio auxiliar para una ecuacién diferencial lic neal homogénen con coeficientes constantes. Para cualquier mimero com- Plejo c, si ¢ es un cero de p(t), entonces e* es una solucién a la ecuacién diferencia. Fjemplo 40. Dada la ecuacién diferencial y" By +2y=0, su polinomio auxiliar p(1) = # — 3¢-+ 2 se puede factorizar como PO) = = N= 2). Por tanto, por el Teorema 2.35, e' y e* son soluciones de la ecuaciéa anterior porque ¢ = 1 y ¢= 2 son ceros de p(t). Como el espacio solu- cién de la ecuacién anterior es un subespacio de C*, L({e*, e*}) se en- cuentra en el espacio solucién. Es sencillo demostrar que {e', e) es linealmente independiente y si pudiéramos demostrar que el espacio solu ci6n es bidimensional, podriamos concluir que {e', e*) es una base para el espacio soluci6n. Este resultado se deduce del tcorema siguiente. Teorema 2.36. Para cualquier operador diferencial p(D) de orden n, el espa- Lema cio nulo de p(D) es un subespacio n-dimensional de C*. Como preliminares de la demostracién del Teorema 2,36 establecere- ‘mos dos lemas, 1. El operador diferencial D ~ cl: C*—»C* es sobreyectivo para cual- quier nimero complejo C. DEMOSTRACION. Sea x€C*, Deseamos encontrar un y€C* tal que (O~ chy =x. Definase una funcién w mediante w(t) = x(e* para 1eR. Claramente, w €C* pues x ye“ estin en C*. Sean respectivamente vey y ws Jas partes real ¢ imaginaria de w. Como wEC*, w, y ws son Giferenciables y por tanto continua, por lo que tienen antiderivadas, diga- mos que son W, y Ws, tales que W'=w, y W,=w.. Definase W: RC mediante WO) = WA) + WA) para teR. Entonces WEC* y las partes real ¢ imaginaria de W son Wy y Wo Tespectivamente. También WW’ = w. Finalmente, definase y: R->C me- diante y(0) = W(Ne" para 1€R,Ecvaciones diferenciales lineales homogéneas 127 Claramente, y€C* y como (= dy = ¥) — a) Wi(Det + W ce" ~ eW(Det w(nett = Meret x), (@-cy=x mt Lema 2, Sea V un espacio vectorial y supdngase que Ty U son operadores li- neales enV tales que (a) U es sobreyectiva, (>) Los espacios nulos de T y U son dimensionalmente finitos. En- tonces el espacio nulo de TU es dimensionalmente finito y dim(N(1U)) = dim(N(T)) + dim(N(U)). DEMOSTRACION, Sean p= dim(N(T)), @ = dim(N(U)).y {0. ts 44) ¥ (ss Yon «+ Vy} seam bases para N(T) y N(U), respectivamente. ‘Como U es sobreyectiva podemos seleccionar para cada i(i = 1,..., p) un elemento w; €V tal que U(w,) = u,. Entonces obtenemos un conjunto de p elementos (wi, W, ... , wy). Notese que para cualquier i y j, wi 7 ¥) puesto que de otra manera u; ~ U(wy) = U(v,) = 0 lo que es una con- tradiceién. Por lo tanto, el conjunto B= (a, Was oes Woe Vas ves Yad contiene p + q elementos diferentes. Para demostrar el lema es suficiente demostrar que f es una base para N(TU) Demostraremos primero que £ genera a N(TU). Como para toda w; yyeng TU(w) = Tus) = Oy TUC) = 100) = BNC) Ahora supéngase que v €N(TU). Entonces 0 = TU) = TU). Asi, tenemos que U(v) EN(T) y existirén escalares ay, a:, ... 5 dy tales que UY) = aus + ates + = Ulam, + awe +... + awe). Por lo tanto Uy = (aims + awe to + Wy) =Transformaciones lineales y matrices Concluimos que v — (a.w, + ... + ayw,) esté en N(U). De aqui se sigue que existen escalares b,, bs, ... , by tales que Y= (awe, + awe +... + ayy) = Biv, + Baye + 2. + Davy aw, + ames bo. ayty + ivy + Bave h ... + Bary Por lo tanto 8 genera a N(TU) Demostraremos ahora que f es linealmente independiente, Sean a,, +25 yy Bay Day +5 By escalares arbitrarios tales que ws + ads + os + ayWip + buds + avs +... + Davy CO) Aplicando U en ambos lados de Ia ecuacién (6), obtenemos ai, + alg +. + ty = 0. Como {1, Uy... » Up} €8 Tinealmente independiente, todas las a; son cero. Asi, la ecuacién (6) se reduce a Due + ave + + bay ‘Ahora, la independencia lineal de (v1, vs, ... + Ya) implica que las by son todas cero. Concluimos entonces que f es una base para N(TU). Por lo tanto, N(TU) es dimensionalmente finito y dim(N(TU)) = p += dim (NC) + dim(N(U)). DEMOSTRACION DEL TEOREMA 2.36, La demostracién requerird de un ar- gumento de induccién matemdtica sobre el orden del operador diferencial (D). El caso de primer orden coincide con el Teorema 2.34. Entonces, para agin entero n> 1 supéngase que el Teorema 2.36 se satisface para ‘cualquier operador diferencial de orden menor que m y sup6ngase que se tiene un operador diferencial p(D) de orden n. El polinomio p(1) puede C* es una transformacién lineal. (>) Probar que cualquier operador diferencial es una transformacién Ii- neal en C*, Demostrar que si (x, y} €s una base para un espacio vectorial sobre C, entonces también Io es {ze ty geo} Dada una ecuacién diferencial lineal homogénea con cocticientes constantes de segundo orden, supéngase que el polinomio auxilia tiene races complejas conjugadas a + ib y a — ib, donde a, b€R. Demostrar que {e** cos bt, sen bt} es una base para el espacio solucién Dada una coleccién de transformaciones lineales conmutativas por parejas {Us, Us «-- , Us} de un espacio vectorial V (es decir, transformaciones tales que UU = UU, para toda i,j), probar que para cualquier i= 1,2, ...,.m N(Uy) C N(WUs « . Us): Demostrar el Teorema 2.37 y su corolario. Sugerencia: Suponer que bres + beet +... + Byers! = 0 (donde los ci son distintos) Para demostrar que los b; son cero, aplicar induccién matemética sobre 7. Verificar el teorema para n= 1. Suponiendo que el teorema es cierto para ‘cualquier n — 1 funciones, aplicar el operador D — cs a ambos lados de la ecuacién anterior para establecer el teorema para n diferentes funciones exponenciales. Demostrar el Teorema 2.39. Sugerencia: Primero verifiquese que la base supuesta se encuentra en el espacio soluci6n. Luego verifiquese que este Conjunto es linealmente independiente por induccién matemética sobre k.134 Transformaciones lineales y matrices El caso k= 1 es el Teorema 2.38. Suponiendo que el teorema se cumple para k— 1 c; diferentes, apliquese el operador (D — ail)" a cualquier ‘combinacién lineal de la base supuesta que sea igual a cero. 12, Sea V el espacio de soluciones de una ecuaciéa diferencial lineal homogé- nea de orden n con coeficientes constantes, cuyo polinomio auxiliar ¢s p(2). Demostrar que si p() = g(A)A(t), donde g(t) y (0) son polinomios de grado positivo, entonces N(A(D)) = R(g(Dr)) = g(0)(V), donde Dy: V—>V esta definida mediante Dy(x) = x’ para x€ V. Sugeren- cia: Demostrar primero que g(D)(V) C N(A(D)). Entonces, probar que los dos espacios tienen la misma dimensign finita 13. Una ecuacién diferencial yim se denomina ecuacién diferencial lineal no homogénea con coeticientes cons- tantes si los coeficientes a, son constantes y el lado derecho de la ecuacién, 4% es una funcién que no es idénticamente nula, m+ bay bay =x (a) Demostrar que para cualquier x €C* existe una y€C* tal que y es tuna solucién para la ecuacién anterior. Sugerencia: ‘ma I del Teorema 2.36 para demostrar que si PO) = Ot ays +... Fatt a, centonces p(D): C* > C= es sobreyectiva, (b) Sea V el espacio de soluciones para la ecuacién lineal homogénea Yay + tay + ay Demostrar que si z es cualquier soluci6n a la ecuacién diferencial li neal no homogénea anterior, entonces el conjunto de todas las solu- ciones a la ecuacién diferencial lineal no homogénea es (e+y: yey). 14, Dada cualquier ecuacién diferencial lineal no homogénea de orden m con coeficientes constantes, demostrar que para cualquier solucién x y cualquier WER Si x(t) =X = x(t) = 0, entonces x= 0 (la fun- cién cero). Sugerencia: Emplear induccién matemética sobre n. Primero 0 y 0(0)=0. (EI significado de lo anterior es que en un tiempo 1= 0 el péndulo esté desplazado de Ia posicién vertical 4, radianes y tiene una velocidad cero.) (©) Danosrar que al pail fe tna 2x y-P unis de Seno para completar un recorrido completo de ida y vuelta. (Este lapso se denomina periodo del péndulo.) 17. Movimiento Periddico de un Resorte con Amortiguamiento. Al principio de esta seccién discutimos el movimiento de un resorte que oscila bajo la suposiciGn de que la nica fuerza que actuaba sobre el resorte era la fuerza debida a Ia tensién del mismo. Encontramos en este caso que la ecuacién (3) deseribfa el movimiento del resorte. (a) Encontrar la forma general de todas las soluciones de la ecuaciéa (3). Si analizamos el comportamiento de Ia solucién general del inciso (a), ve- ‘mos que Ia solucién es una funcién periédica. Por tanto la ecuacién (3) indica que el resorte nunca cesard de oscar. Sin embargo, sabemos por ex- periencia, que la amplitud de la oscilacién decrece hasta que finalmente el movimiento cesa. La razén por la cual la solucién del inciso (a) no expli- ca este comportamiento es que hemos ignorado el efecto de la friccién sobre el peso en movimiento, A bajas velocidades, tales como la que se esté considerando, la resistencia del aire proporciona un ejemplo de amortigua- miento viscoso —la resistencia es proporcional a la velocidad del peso en movimiento pero en direccién opuesta. Para hacer una correccién a causa de la resistencia del aire, debemos afiadir a la ecuacién (2) el término —ry'. La constante r > 0 depende del medio en el cual ocurre el movimiento (en este caso el aire), y el término —ry’ tiene un signo negativo debido a que Ia resistencia tiene siempre sentido opuesto al del movimiento. Luego ‘entonces, Ia ecuacién diferencial del movimiento es my” = —ry’ — ky; es decir, my" + ry + ky = (b) Encontrar Ia solucién general de esta ecuacién, (©) Encontrar Ia solucién tnica del inciso (b) que satisface las condi- ciones iniciales y(0) = 0 y y’(0) (4) Para y(1) del inciso (c), demostrar que la amplitud de la oscilacién decrece hasta llegar a cero; o.sea, demostrar que lim y() 18. Al principio de esta seccién se enuncié que es util considerar las solucio- nes de las ecuaciones diferenciales como funciones complejas de variable19. Indice de definiciones 137 real, aun cuando las soluciones que para nosotros tienen significado en el sentido fisico son funciones reales. Justificar este punto de vista EI siguiente conjunto de ejercicios no implican el uso de Algebra lineal; Jos enunciamos s6lo para completar un poco més el tema. (a) Demostrar el Teorema 2.31. Sugerencia: Utilizar induccién matemé- tica sobre el mimero de derivadas que tiene una solucién, (>) Demostrar (i) et = eet. 1 Gi) er = para c, d€C. (c) Demostrar el Teorema 2.33. (a) Verificar la regla del producto de ta diferenciacién complejas de variable real: Para cualquier par de funciones diferen- ciables x y y en F(R, C) el producto xy es diferenciable y (ay)! = xy + oy’ Sugerencia; Encontrar las partes reales imaginarias de xy en tér- 108 de las x y las de y, luego proceder con la diferenciacién. (e) Demostrar que si x€ F(R, C) y x’ = 0, entonces x es una funcién constante. INDICE DE DEFINICIONES PARA EL CAPITULO 2 Delta de Kronecker, 85 Doble dual, 112 Ecuacién diferencial lineal Aniquilador, 118 Espacios veetoriles Base dual, | 112 isomorfos, 98 Base ordenada, 76 Funcién coordenada, 112 Base ordenada estindar, 76 Funcién exponencial, 124 Cliqué, 91 Funciénal lineal, 111 Inversa de una matriz, 96 Inversa de una transformacién lineal, 95 Isomorfismo, 98 Kernel, 66 ‘Matriz de cambio de coordenadas, 106 Matriz de incidencia, 90 Coeficientes de Fourier, 112 Coeficientes de una ecuacién diferencial, 120 homogénea, 120 Matriz. identidad, 85 Ecuacién diferencial no Matriz invertible, 96 homogénea, 134 Matriz representativa de una Espacio dual, 112 transformaci6n lineal, 77 Espacio nulo, 66 Matrices similares, 108 Espacio solucién de una Nulidad de una transformacién ecuacion diferencial, 123 lineal, 68138 Transformaciones lineales y matrices Operador diferencial, 123 Orden de una ecuacién diferencial, 120 Orden de un operador diferencial, 123 Polinomio auxiliar, 123 Producto de matrices, 84 Proyeccién, 65 Rango, 66 Rango de una transformacién lineal, 68 Reflexién, 65 Relacién de dominancia, 92 Representacién estindar de un espacio vectorial con respecto una base, 99 Rotacién, 65 7 Solucién de una ecuacién diferencial, 120 Subespacio invariante, 75 Transformacién cero, 64 ‘Transformacién identidad, 64 Transformacién lineal, 63 Transformacién lineal invertible, 15 Transformacién de multiplicacién por la izquierda, 88 Transpuesta de una transformacién lineal, 114 Vector coordenado relativo una base, 76