Documente Academic
Documente Profesional
Documente Cultură
Fundada en 1551
ALGEBRA LINEAL
AUTOR:
LIMA-PERÚ
2018
DEDICATORIA
2
INDICE
1. Introducción………………………………………………………………………… 1
2. Espacios vectoriales………………………………………………………………..2
3. Subespacios vectoriales…………………………………………………………...5
a. Intersección de subespacios vectoriales…………………………………8
b. Suma de subespacios vectoriales………………………………………...9
c. Independencia lineal……………………………………………………….11
d. Bases………………………………………………………………………..14
e. Dimensión……….………………………………………………………….16
f. Producto interno……………………………………………………………17
g. Ortogonalizacion,Metodo de otrogonalizaqcion de Gram Schmidt
………………………………………………………………………………..20
h. Ortonormalizacion………………………………………………................22
i. Espacio Cociente…………………………………………………………..23
j. Rango de un conjunto de vectores……………………………………….24
k. Sistema de generadores…………………………………………………..27
l. Ejercicios resueltos…………………………………………….................32
4. Transformaciones lineales………………………………………………………...54
a. Núcleo e Imagen de una Transformación lineal………………………...59
b. Composición de transformaciones lineales……………………………..63
c. Espacios vectoriales de Dimensión infinita………………………….….64
d. Teorema de la Dimensión……………………………………………..….65
e. Proyectores……………………………………………………………...….68
f. Representación Matricial…………………………………………………..70
g. Matriz de la composición. Cambios de bases…………………………..72
h. Rango de una Matriz…………………………………………………….…73
i. Equivalencia de Matrices……………………………………………….…77
j. Espacios Vectoriales de Transformaciones Lineales…………………..78
k. Teorema Fundamental de las Transformaciones Lineales……………81
l. Transpuesta de una Transformación Lineal………………………….…82
m. Ejercicios resueltos………………………………………………………..86
5. Referencias Bibliográficas………………………………………………………..99
3
INTRODUCCION
1
ESPACIOS
VECTORIALES
2
ESPACIOS VECTORIALES
El elemento neutro los denotamos como~0 (para distinguirlo del elemento neutro
del cuerpo K) , y lo llamaremos el vector cero.
1. λ(u + v) = λu + λv
2. (λ1 + λ2)u = λ1u + λ2u
3. λ1(λ2u) = (λ1 · λ2)u
4. 1·u=u
Ejemplos
4
SUBESPACIOS
VECTORIALES
5
SUBESPACIOS VECTORIALES
(x1,3x1)=x1(1,3)(x1,3x1)=x1(1,3)
W es la recta que pasa por el origen y tiene vector director (1,3), o sea la recta de
ecuación y = 3x.
1.0v esta en W
6
INTERSECCIÓN DE SUBESPACIOS VECTORIALES.
7
SUMA DE SUBESPACIOS VECTORIALES.
α·x¯+β ·y¯ = α·(¯x1 + ¯x2)+β ·(¯y1 + ¯y2) = α · x¯1 + β · y¯1 +α · x¯2 + β · y¯2 ∈ S1
+S2.
¯x: x¯ = ¯x1 + ... + ¯xk = ¯y1 + ... + ¯yk, x¯i,y¯i ∈ Si, i = 1,2,...,k.
9
Entonces aplicando que (S1+...+Sk−1)+Sk es una suma directa vemos que xk = yk,
y:
Utilizando ahora que (S1+...+Sk−2)+Sk−1 es una suma directa vemos que xk−1 =
1,
x¯1 + ... + ¯xk−2 = ¯y1 + ... + ¯yk−2.
10
INDEPENDENCIA LINEAL
α1 = α2 = ... = αn = 0
implica
Si n > 1, los vectores son LD sii al menos uno de ellos puede escribirse como
combinación lineal de los restantes, es decir, si pertence al espacio generado por
los restantes. En efecto, si son LD existe al menos un αi, por ej., α1, que es no
nulo (α1 6= 0). En tal caso,
Para n = 2, esto implica que dos vectores no nulos son LI sii no son
proporcionales (es decir sii ∄ α ∈ K t.q. v2 = αv1). En V = R3, tres vectores no
nulos y no paralelos son LI sii ninguno de ellos pertenece al plano generado por
los otros dos.
Si uno de los vectores es nulo, los vectores v1,...,vn son LD: Por ejemplo, si v1 = 0
⇒ α1v1+0v2+...+0vn = 0 para α1 6= 0, lo que implica que son LD.
11
son LI si y sólo si la matriz S de coeficientes Sij (de n × n) es no singular (Det[S]
6= 0).
Demostración. Si
el mismo (M = M′).
Dem.: Si S es no singular, existe la matriz inversa S−1, t.q. SS−1 = S−1S = I, es
decir, δki. Esto implica que existe la transformación inversa
de (1), dada por
(2)
Ya que:
12
con, )y de (2) es obvio que M ⊂ M′ (pues,
con ), por lo que M = M′.
Como ,
13
BASES
Sea V un espacio vectorial, que supondremos distinto del subespacio trivial S =
{0}. Un conjunto finito B = {b1,...,bn} ⊂ V es una base de V si los vectores de B
1.Son LI
2.Generan V(B = V ).
Ejemplo
Ejemplo :
14
En particular, los n vectores , forman una base de V sii S
es no singular.
Demostración Supongamos que son LI. ⇒ los primeros n vectores son LI. Pero
en tal caso forman una base, por el corolario anterior, por lo que vn+1 pertenece al
espacio generado por ellos y el conjunto es entonces LD.
Todo conjunto con m > n vectores es por lo tanto también LD. Y un conjunto con
m < n vectores no podría ser base, pues en tal caso B no sería base.
15
DIMENSION
La dimensión de Rn es n, y la de Rm×n, m · n. La de RR es ∞.
16
PRODUCTO INTERNO
ii)
(Notar que esta condición implica que para cada v ∈ V , Φ(v,v) = Φ(v,v), es decir
que Φ(v,v) ∈ R.) iii) Φ(v,v) > 0 si v 6= 0.
17
Producto interno canónico en Cn:
ORTOGONALIZACION
Decimos que es una base ortogonal si los vectores que la forman son
perpendiculares entre si.
En este caso, para obtener un sistema ortogonal a partir de estos vectores basta
sustituir v2 por su componente transversal respecto a v1, de manera que
pasamos de la base {v1, v2} a la base ortogonal {u1, u2} definiendo:
Esta idea puede repetirse el número de veces que sea necesario para convertir
cualquier conjunto libre de vectores en un conjunto ortogonal.
19
Por ejemplo, si partimos de tres vectores independientes v1, v2, v3, éstos
quedarían transformados en un conjunto ortogonal en tres pasos:
Cuando se realizan cálculos a mano conviene tener presente que los vectores ui
que se van obteniendo paso a paso pueden ser a su vez sustituidos por un
múltiplo escalar cualquiera, cui, con el fin de eliminar denominadores de las
fracciones que pudieran haberse obtenido y de esta forma facilitar los cálculos
del paso siguiente. Veamos esto con un ejemplo.
Ejemplo:
y eliminando
denominadores
Finalmente:
20
ORTONORMALIZACIÓN
En algunos casos, puede ser necesario obtener una base ortonormal, es decir,
una base en la base ortonormal que no solo sean los vectores ortogonales dos a
dos, sino que además, cada vector de la base sea un vector unitario.
Una vez conseguida una base ortogonal, no hay más que “normalizar” cada uno
de los vectores hallados para convertirla en una basa ortonormal haciendo una
operación de reescalado con cada vector.
21
ESPACIO COCIENTE
BE/F={ur+1+F,…,un+F}.BE/F={ur+1+F,…,un+F}.
22
RANGO DE UN CONJUNTO DE VECTORES
Ejemplo.
Consideremos en ℜ2 el conjunto de vectores (2,0), (0,1), (4,3), (2,5); vamos a
aplicar la propiedad 6) anterior.
Suprimimos por tanto el vector (4,3) ; el conjunto restante (2,0), (0,1), (2,5) sigue
siendo ligado puesto que
También podríamos haber seguido otro camino, por ejemplo, viendo que (2,0) es
combinación lineal de los demás (compruébese) y suprimiéndolo. El conjunto
restante (0,1), (4,3), (2,5) sigue siendo ligado; vemos que (0,1) es combinación
lineal de los demás y lo suprimimos.
Por los dos caminos llegamos a distintos conjuntos independientes. Pero ambos
constan del mismo número de vectores (dos en este caso).
Ejemplos.
1. En ℜ4 determinar el rango de los vectores (1,2,3,4), (0,1,6,–1), (3,3,1,0) :
Se aprecia que el rango es 3. Esto quiere decir que de los 4 vectores, sólo 3 son
independientes, y el otro es combinación lineal de los demás.
Observación.
En un caso como el 3 anterior, el cálculo del rango nos dice cuántos vectores son
independientes, pero no cuáles. Aunque el rango sea 3, no está garantizado que
3 vectores cualesquiera vayan a ser independientes. Por ejemplo en este caso,
u,v,w no lo son.
Para saber cuáles lo son, se pueden tomar los correspondientes a las columnas
pivotales después de escalonar la matriz (en este caso u, w, k).
También podemos verlo usando la propiedad 4) del rango, quitando el vector que
no haga disminuir el rango: en este caso podemos quitar v. Otra posibilidad es
quitar u, o también w.
Pero no podemos quitar k, pues entonces disminuiría el rango.
25
SISTEMAS GENERADORES
Observación.
Ejemplos.
1
Así pues, estos dos vectores son un sistema generador de S.
Por supuesto pueden encontrarse otros sistemas generadores diferentes para
S (de hecho hay infinitas posibilidades).
28
Observación
Ejemplo
Teorema
Un vector u pertenece al subespacio generado por un conjunto de vectores v1, .
. . ,vn si al añadirlo a éstos no aumenta el rango.
29
(En efecto, ya vimos que si al añadir u no aumenta el rango, significa que u
depende linealmente de v1, . . . ,vn , es decir, es combinación lineal de ellos).
Hemos visto que puede no ser fácil determinar el subespacio suma U+V a
partir de la forma paramétrica de U y de V. Pero conociendo sistemas
generadores de U y de V, podemos usar el siguiente resultado:
Ejemplo.
Sean en ℜ3 los subespacios:
Por tanto los elementos de U+V son las combinaciones lineales de (1,0,0),
(0,1,0), (0,0,1), es decir:
a(1,0,0) + b(0,1,0) + c(0,0,1) = (a,b,c) por tanto son todos los vectores del
espacio.
30
Por tanto, siempre será mejor reducir los sistemas generadores en lo posible,
suprimiendo todos aquellos vectores que dependan linealmente de los demás.
Esto llevará al concepto de base.
31
EJERCICIOS
∀x∈E,x=λa+μb+γc
λ1(2,0,1)+λ2(1,−1,2)+λ3(1,1,−1)=(0,0,0)
(2λ1,0,λ1)+(λ2,−λ2,2λ2)+(λ3,λ3,−λ3)=(0,0,0)
2λ1+λ2+λ3=0;−λ2+λ3=0;λ1+2λ2−λ3=0
32
Por lo tanto, existen λ1,λ2,λ3 no todos nulos que verifican la relación anterior.
Para saber cuantos vectores tendrá un sistema libre, deberemos determinar el
rango de la matriz cuyo determinante no se anule.
(5,3,−2)=λ1a+λ2b=λ1(2,0,1)+λ2(1,−1,2)=
2λ1+λ2=5;−λ2=3;λ1+2λ2=−2
33
34
2. Hallar la dimensión y una base del espacio vectorial V engendrado por los
vectores (1,0,1)y(0,1,1)
Por lo tanto, los vectores dados son linealmente independientes y forman una
base de V que tiene dimensión 2.
El espacio vectorial E∩V estará formado por los vectores que cumplen :
35
Al haber más incógnitas que ecuaciones, debemos poner las n - h finales en
función de las h primeras:
36
3.Sea E un espacio vectorial sobre un cuerpo K y E' y E" dos subespacios de E
de dimensión finita; demostrar que se tiene:
Dim(E′+E")+Dim(E′∩E")=DimE′+DimE"
DimE′=n′;DimE"=n";DimE′∩E"=i
Dim(E′+E")=n′+n"−i
E′∩E"⊂E′;E′∩E"⊂E"
{e1,⋅⋅⋅,ei,e′1,⋅⋅⋅,e′n′−i}(∗) •{e1,⋅⋅⋅,ei,e"1,⋅⋅⋅,e"n"−i}(∗∗)
{e1,⋅⋅⋅,ei,e′1,⋅⋅⋅,e′n′−i,e1,⋅⋅⋅,ei,e"1,⋅⋅⋅,e"n"−i}(∗∗∗)
λ1e1+⋅⋅⋅+λiei+λ′1e′1+⋅⋅⋅+ •+λ′n′−ie′n′−i+λ"1e"1+⋅⋅⋅+λ"n"−ie"n"−i=0
(n′−i)+(n"−i)+i=n′+n"−i
Dim(E′+E")=DimE′+DimE"−Dim(E′∩E")
37
4. Sea U un espacio vectorial de R3 solución de x3 = 0, hallar un sistema
generador de U y calcular su dimensión.
x∈U→x=(x1.x2,0)
λ(x1.x2,0)+μ(x′1.x′2,0)=(λx1+μx′1,λx2+μx′2,0)(∗)
a1x1+⋅⋅⋅+anxn
a11x1+⋅⋅⋅+a1nxna21x1+⋅⋅⋅+a2nxn⋅⋅⋅⋅⋅⋅⋅⋅⋅an1x1+⋅⋅⋅+annxn=0=0⋅⋅⋅=0
Siempre se tiene que la dimensión del espacio que definen es igual al número
de incógnitas y a su vez es igual a la dimensión del espacio vectorial solución
más el rango de la matriz de los coeficientes. En el caso visto, tenemos que el
38
rango de la matriz de los coeficentes es 2 y el espacio solución es Ker (f) que
tienen dimensión 0, de ahí, que dimensión E = 2 en este caso.
39
5. Sea W el subespacio vectorial engrendrado
por [(0,1,1),(2,0,1),(2,1,2)] obtener un sistema de generadores de W.
Considerando el espacio vectorial, U, del ejercicio anterior, construir el espacio
vectorial U + W y calcular su dimensión.
40
Por lo tanto, [(1,0,0),(0,1,0),(0,1,1),(2,0,1)] es un sistema de generadores de U
+ W. Para obtener una base de dicho espacio vectorial hacemos:
41
5. A partir de los resultados obtenidos en los dos ejercicios anteriores,
determinar la dimensión y obtener una base del espacio vectorial intersección
de U y W, esto es (U∩W).
Din(U+W)+Dim(U∩W)=DimU+DimW
3+Dim(U∩W)=2+2;Dim(U∩W)=1
Se debe tener:
(x1,x2,0)=(2x′2,x′1,x′1+x′2)
(1,−12,0)
42
6. Calcular una base y la dimensión del subespacio vectorial W∈R4 generado
por cada uno de los conjuntos de vectores:
[(1,4,−1,3),(2,1,−3,−1),(0,2,1,−5)][(1,−4,−2,1),(1,−3,−1,2),(3,−8,−2,7)]
O lo que es igual:
43
7. En Q3 demuéstrese que el subespacio engendrado por los
vectores [(1,2,1),(1,3,2)] es el mismo que el subespacio engendrado
por [(1,1,0),(3,8,5)].
[(1,2,1),(1,3,2)] es una base del primer espacio; vamos a ver si estos vectores
son combinación lineal de los vectores de la segunda base:
44
Hemos comprobado, por tanto, que los vectores de una base del primer
espacio vectorial están engendrados por los vectores de una base del segundo
espacio vectorial; de ahí se tiene:
E1⊂E2
Con lo que hemos comprobado, de igual modo, que los vectores de una base
del segundo espacio vectorial están engendrados por los vectores de una base
del primer espacio vectorial; en consecuencia, tendremos : E2⊂E1 y, por todo
ello, según la propiedad antisimétrica de la inclusión de conjuntos, ambos
espacios vectoriales son iguales.
45
8. Demostrar que los subconjuntos
U={a,b,c|a,b,c∈Rya=b=c}
y
W={(0,x,y)|x,y∈R} son subespacios de R3
λ,μ∈R;(a,b,c),(a′,b′,c′)∈U
Se ha de cumplir:
λ(a,b,c)+μ(a′,b′,c)∈U
Y tenemos
λ(a,b,c)+μ(a′,b′,c)=(λa+μa′,λb+μb′,λc+μc′)∈U
(λa+μa′,λb+μb′,λc+μc′)∈U
Sean ahora:
λ,μ∈R;(0,x,y),(0,x′,y′)∈W
Se ha de cumplir:
λ(0,x,y)+μ(0,x′,y′)∈W
Y tenemos
λ(0,x,y)+μ(0,x′,y′)=
(0,λx+μx′,λy+μy′)=
(0,x",y")∈W
46
Puesto que
x"=(λx+μx′)∈R;y"=(λy+μy′)∈R
47
9. Demostrar que R3 es suma directa de los subespacios U y W estudiados en
el ejercicio anterior.
x′=x′1(1,1,1)=0;x"=x"1(0,1,0)+x"2(0,0,1)=0
x′1(1,1,1)+x"1(0,1,0)+x"2(0,0,1)=(0,0,0)
Operando:
(x′1,x′1+x"1,x′1+x"2)=(0,0,0)
⇒x′1=x"1=x"2=0
⇒x′=x"=0
48
Condición necesaria.
Sean
Y de ahí se tiene:
49
10. Se considera el subespacio F de R4
BF={(−1,2,1,0),(−4,2,0,1)}.
(ii) Ampliemos la base BFBF para obtener una base de R4 dado que
B={(−1,2,1,0),(−4,2,0,1),(0,0,1,0),(0,0,0,1)},
BR4/F={(0,0,1,0)+F,(0,0,0,1)+F}
(1,−3,2,6)+F=λ1[(0,0,1,0)+F]+λ2[(0,0,0,1)+F]
⇔(1,−3,2,6)+F=(0,0,λ1,λ2)+F⇔(1,−3,2−λ1,6−λ2)∈F
⇔(1,−3,2−λ1,6−λ2)∈L[(−1,2,1,0),(−4,2,0,1)
50
La última condición equivale a que
51
11. Sea E espacio vectorial sobre el cuerpo K y F un subespacio
de E. Sea (E/F,+) el correspondiente grupo cociente, cuya operación suma
sabemos que está definida mediante: (x+F)+(y+F)=(x+y)+FSe define la
operación ley externa:
λ(x+F)=(λx)+F,∀λ∈K∀(x+F)∈E/F.λ(x+F)=(λx)+F,∀λ∈K∀(x+F)∈E/F.
Veamos que la operación ley externa está bien definida, es decir que depende
de la clase en sí, y no de sus representantes. En efecto, si x+F=x′+F,
entonces x−x′∈F. Dado que F es subespacio de E, para todo λ∈K se
verifica λ(x−x′)=λx−λx′∈F, y por tanto:
λ(x+F)=(λx)+F= (λx′)+F=λ(x′+F).
Veamos ahora que se verifican los cuatro axiomas de ley externa. Para
todo λ,μ∈Kλ,μ∈K y para todo x+F,y+F∈E/F,x+F,y+F∈E/F, y usando
propiedades de la suma y ley externa correspondientes a E:E:
λ[(x+F)+(y+F)]=λ[(x+y)+F]=λ(x+y)+F=λx+λy+F=(λx+F)+(λx+F)=λ(x+F)+
μ(y+F).
(λ+μ)(x+F)=(λ+μ)x+F=λx+μx+F=(λx+F)+(μx+F)=λ(x+F)+μ(x+F).
(λμ)(x+F)=(λμ)x+F=λ(μx)+F=λ(μx+F)=λ(μ(x+F)).
1(x+F)=1x+F=x+F
BE={u1,…,ur,ur+1,…,un}
BE/F={ur+1+F,…,un+F}.
52
Veamos que BE/FBE/F es sistema libre. Tenemos:
λr+1(ur+1+F)+…+λn(un+F)=0+F⇒(λr+1ur+1+…+λnun)+F=0+F⇒λr+1ur+1+…
+λnun∈F.
λr+1ur+1+…+λnun=λ1u1+…+λrur,
λr+1=…=λn=0λr+1=…=λn=0.
Veamos que BE/F es sistema generador de E/F. Sea x+F∈E/F Como x∈E
y BE genera a E, existen escalares x1,…,xnx1,…,xn tales x=x1u1+…+xn.
Entonces,
x+F=(x1u1+…+xnun)+F
=[(x1u1+…+xrur)+F]+[(xr+1ur+1+…+xnun)+F]
=(pues x1u1+…+xrur∈F)[0+F]+[(xr+1ur+1+…+xnun)+F]
=(xr+1ur+1+…+xnun)+F=x+1(ur+1+F)+…+xn(un+F),
es decir, BE/F es sistema generador de E/F. Para el caso r=0 tenemos F={0}
y E/F=E. Para el caso r=n tenemos F=E y E/F={0},E/F={0}, y en cualquier
caso dimE/F=dimE−dimF.
53
TRANSFORMACIONES
LINEALES
54
TRANSFORMACIONES LINEALES
Definición Sean (V,+V ,·V ) y (W,+W,·W) dos K-espacios vectoriales. Una función
f : V → W se llama una transformación lineal (u homomorfismo, o simplemente
morfismo) de V en W si cumple:
Demostración.
56
Además, es fácil ver que esta función es una transformación lineal y que vale
f(1,1) = (0,1) y f(1,0) = (2,3).
Demostración.
Entonces
y, en consecuencia,
57
.
Luego, f(v) = g(v) para todo v ∈ V , de donde f = g. ¤
1. f es un monomorfismo si f es inyectiva.
2. f es un epimorfismo si f es suryectiva.
3. f es un isomorfismo si f es biyectiva.
58
NÚCLEO E IMAGEN DE UNA TRANSFORMACIÓN
LINEAL
Entonces
Nu(f)={(x1,x2,x3) ∈ R3 : f(x1,x2,x3) = 0}
= {(x1,x2,x3) ∈ R3 : x1 = x2 = 0} =< (0,0,1) > .
Demostración.
Sean v,v0 ∈ V . Supongamos que f(v) = f(v0). Entonces f(v − v0) = f(v) − f(v0) = 0,
con lo que v−v0 ∈ Nu(f) y por lo tanto, la hipótesis Nu(f) = {0} implica que v−v0 =
0, es decir, v = v0. Luego f es inyectiva. ¤
59
Otro conjunto importante asociado a una transformación lineal es su imagen.
Recordamos que si f : V → W, su imagen se define como Im(f) = {w ∈ W /∃v ∈
V,f(v) = w}. De la Proposición se desprende que la imagen de una
transformación lineal f : V → W resulta ser un subespacio de W.
Por definición,
60
Proposición Sean V y W dos K-espacios vectoriales y sea f : V → W una
transformación lineal. Entonces, si {vi : i ∈ I} es un sistema de generadores de V
, {f(vi) : i ∈ I} es un sistema de generadores de Im(f).
Esto prueba que Im(f) ⊆ < {f(vi) : i ∈ I} >. Es claro que vale la otra inclusión, ya
que f(vi) ∈ Im(f) para cada i ∈ I.
61
Entonces f(S) = < f(1,1,0),f(0,0,1) > = < (1,0,0),(0,1,0) > = T.
62
COMPOSICIÓN DE TRANSFORMACIONES LINEALES
Análogamente,
si λ ∈ K y v ∈ V ,
se tiene que
63
ESPACIOS VECTORIALES DE DIMENSIÓN FINITA
64
TEOREMA DE LA DIMENSIÓN
Sean x,y ∈ V .
Si x = ey= entonces x + y =
Luego
.
Luego, f es un epimorfismo.
En consecuencia, f es un isomorfismo. ¤
65
Por ejemplo, para decidir si {X2 − X + 1, X2 − 3.X + 5, 2.X2 + 2.X − 3} es una base de
R2[X], bastar ‘a ver si {(1,−1,1), (1,−3,5), (2,2,−3)} es una base de R3 para lo que se
puede usar el método de triangulación.
Supongamos ahora que 0 < r < n. Sea {v1,...,vr} una base de Nu(f). Sean vr+1,...,vn en
V tales que {v1,...,vr,vr+1,...,vn} es una base de V .
Im(f) = < f(v1),...,f(vr),f(vr+1),...,f(vn) > = < f(vr+1),...,f(vn) >, pues f(vi) = 0 para 1 ≤ i ≤ r.
∈ K tales que
66
Corolario Sean V y W dos K-espacios vectoriales de dimensión n y sea f : V → W
una transformación lineal. Son equivalentes:
1. f es un isomorfismo.
2. f es un monomorfismo.
3. f es un epimorfismo.
Demostración.
67
PROYECTORES
Demostración.
(⇒) Supongamos que f es un proyector. Sea x ∈ Im(f). Entonces existe v ∈ V tal que
x = f(v). Luego, f(x) = f(f(v)) = f ◦ f(v) = f(v) = x.
(⇐) Sea v ∈ V . Entonces f(v) ∈ Im(f) y, por hipótesis, f(f(v)) = f(v), es decir, f ◦f(v) =
f(v). Como esto vale para cada v ∈ V , resulta que f ◦ f = f.
En primer lugar, veamos que Nu(f) ∩ Im(f) = {0}: Sea x ∈ Nu(f) ∩ Im(f). Como x ∈
Im(f), por la proposición anterior, f(x) = x. Pero x ∈ Nu(f), de donde f(x) = 0. Luego, x
= 0.
Veamos ahora que Nu(f) + Im(f) = V : Sea x ∈ V . Entonces x = (x − f(x)) + f(x) y se
tiene que f(x − f(x)) = f(x) − f ◦ f(x) = f(x) − f(x) = 0, con lo que x − f(x) ∈ Nu(f) y f(x) ∈
Im(f). ¤
f(x) = t si x = s + t con s ∈ S, t ∈ T.
Observamos que f es una transformación lineal:
68
Además, f es un proyector: Si x ∈ V y x = s + t con s ∈ S, t ∈ T, entonces f ◦ f(x) =
f(f(s + t)) = f(t) = f(0 + t) = f(x).
Es claro que Im(f) = T. Veamos que Nu(f) = S: Si x ∈ Nu(f) y x = s + t con s ∈ S, t ∈
T, entonces 0 = f(x) = t, con lo cual, x = s ∈ S. Por otro lado, si s ∈ S, entonces s = s
+ 0 con s ∈ S, 0 ∈ T y, por lo tanto, f(s) = 0.
Luego, la función f que hemos definido es el único proyector f : V → V con Nu(f)=S,
Im(f) = T.
69
REPRESENTACIÓN MATRICIAL
Se llama matriz de f
en las bases B1,B2, y se nota |f|B1B2, a la matriz en Km×n definida por (|f|B1B2)ij = αij para
cada 1 ≤ i ≤ m, 1 ≤ j ≤ n.
Entonces.
70
Mediante el uso de las matrices y de vectores de coordenadas, toda transformación
lineal puede representarse como la multiplicación por una matriz fija.
Entonces
71
MATRIZ DE LA COMPOSICIÓN Y CAMBIOS DE BASES
72
RANGO DE UNA MATRIZ
Demostración. Se tiene que f = idW ◦ f ◦ idV . Aplicando dos veces el resultado dado
en la Proposición anterior y el hecho que la matriz de la transformación lineal
identidad en un par de bases coincide con la matriz de cambio de base entre las
mismas, se obtiene
73
Ejemplo. Sea, y sea S = {x ∈ R3 /A.x = 0}.
Entonces
dimS = 3 − rgC(A) = 3 − dim< (1,−1,1),(−2,2,−2),(3,1,4) > = 3 − 2 = 1.
Teniendo en cuenta el subespacio generado por las filas de una matriz en lugar del
generado por sus columnas puede darse la siguiente definición de rango fila
análoga a la de rango columna.
Nuestro siguiente objetivo es mostrar que el rango fila y el rango columna de una
matriz coinciden. Para hacer esto nos basaremos en la observación anterior.
Primero mostraremos que el rango columna de una matriz A no cambia si se la
multiplica a izquierda o derecha por matrices inversibles.
rgC(A) = rgC(C.A.D).
Entonces
74
Demostración. Consideremos la transformación lineal fA : Km → Kn inducida por la
multiplicación a izquierda por A. Sea {v1,...,vs} una base de Nu(fA) y sean w1,...,wm−s
∈ Km tales que
B1 = {w1,...,wm−s,v1,...,vs}
es una base de Km (si Nu(fA) = {0}, s = 0 y se toma una base B1 cualquiera de Km).
Entonces {fA(w1),...,fA(wm−s)} es una base de Im(fA) y puede extenderse a una base
de Kn. Sean z1,...,zn−m+s ∈ Kn tales que
B2 = {fA(w1),...,fA(wm−s),z1,...,zn−m+s}
es una base de Kn.
Se tiene que
Observamos que
donde
75
En
En consecuencia
76
EQUIVALENCIA DE MATRICES
Como hemos visto en la sección anterior, si dos matrices son equivalentes entonces
tienen el mismo rango.
demostración.
(⇐) Supongamos que rg(A) = rg(B) = k. Entonces existen matrices C1,C2 ∈ GL(n,K) y
D1,D2 ∈ GL(m,K) tales que
con
Luego, A ≡ B.
77
ESPACIOS VECTORIALES DE TRANSFORMACIONES
LINEALES
transformaciones lineales
78
Producto por escalares. Dados f ∈ HomK(V,W) y λ ∈ K se define (λ · f) : V → W como
(λ · f)(x) = λ · f(x) ∀x ∈ V.
Veamos que λ · f ∈ HomK(V,W), y por lo tanto, · es una acción de K en HomK(V,W):
• Por definición, λ · f : V → W.
• λ · f es una transformación lineal:
i) λ · (f + g) = λ · f + λ · g
ii) (λ + µ) · f = λ · f + µ · f
iii) 1 · f = f iv) (λ · µ) · f = λ · (µ · f)
En consecuencia:
T es un isomorfismo:
80
TEOREMA FUNDAMENTAL DE LAS TRANSFORMACIONES
LINEALES
T(a*u)=a*T(u)
81
TRANSPUESTA DE UNA TRANSFORMACION LINEAL
donde
a)
a) , para cualesquiera
c)
82
d) Sea U un espacio de dimensión finita y ,
83
EJERCICIOS
a)
b)
84
2. Sea V un espacio vectorial real y una transformación lineal tal que
transformación lineal.
Luego
85
3. Sea la transformación lineal cuya matriz asociada
Hallar donde
Luego
Luego
86
Finalmente
87
4. Demuestre que para la transformación lineal
con
para Nuc(T) pues claramente lo genera. Falta mostrar que B es conjunto l.i.
88
Usando el teorema de dimensiones
89
5. Pruebe que la transformación lineal que transforma cada punto
90
6. Sea la transformación lineal donde 1 y -3 son
Encuentre la definición de f
Veamos si es base.
91
92
7. Sea V un espacio vectorial tal que dim(V)=n. Si una transformación lineal
tiene n vectores propios l.i., entonces T es diagonalizable
es diagonalizable
93
Por lo tanto, los valores propios son
94
Por lo tanto, los valores y vectores propios son:
Verifiquemos si es l.i.
95
8. Demuestre que si es una transformación lineal tal
El conjunto
96
9. Pruebe que la transformación lineal
es inyectiva
f es inyectiva
97
10. Demuestre que una transformación lineal de, con n≠m puede ser
biyectiva.
98
REFERENCIAS BIBLIOGRAFICAS
Bibliografias
Webgrafias
Espacios Vectoriales
http://mate.dm.uba.ar/~jeronimo/algebra_lineal/Capitulo1.pdf
Neila G. Campos
http://personales.unican.es/camposn/espacios_vectoriales1.pdf
99
Algebra Lineal: Transformaciones Lineales
http://cb.mty.itesm.mx/ma3002/materiales/ma3002-transformacion-
lineal.pdf
Transformaciones Lineales
http://fcm.ens.uabc.mx/~matematicas/algebralineal/V%20Transformacion
es%20Lineales/01%20transformaciones%20lineales.htm
100