Sunteți pe pagina 1din 40

ESPACIO

VECTORIAL
Revisión
ESPACIO VECTORIAL
Sea V un conjunto no vacío
K un cuerpo (en particular R o C)
V es espacio vectorial sobre K , si:
Una operación (suma) interna en V, cumple los siguientes axiomas:
v

(u+v)+w=u+(v+w)
• u,v,w V (asociatividad)
u+v=v+u
• u,v V (conmutabilidad)
0 V/u V, u+0=u
• (existencia de elemento neutro)
u V, -u V/u+(-u)=0
• (existencia de inverso aditivo u opuesto)
Observación: (V,+) grupo abeliano.
vUna operación externa (producto por escalar), que a cada pareja  K, u V,
asocia un vector  u de V y verifica:
(u+v)=  u+  v
•  u,v V   K
( + )u=  u+ u
• u V  ,   K
( u)=( )u
• u V 
 ,  K
1u=u
• (1=unidad de K)  u  V
Base de un espacio vectorial
Un subconjunto B no vacío, de un espacio vectorial V sobre un
cuerpo K, distinto de cero, es una base de V si y sólo si:
1. B es linealmente independiente, y

2. B genera a V

Observaciones:
•.El conjunto vacío es, por convención, la única base del espacio

vectorial cero o nulo: {0}.


•.Todo espacio vectorial tiene al menos una base.

•.Un subconjunto B={v1,…,vn} de un espacio vectorial V sobre

un cuerpo K, es una base de V si y sólo si para cada vector v en


V existen escalares c1,…,cn (elementos de K) únicos, tales que
v=c1v1+…+cnvn
Dimensión de un espacio vectorial
Si un espacio vectorial V tiene una base con n elementos,
entonces se dice que V es dimensional finito, y n es la
dimensión de V. Se expresa

dim(V)=n

La dimensión es un número bien definido y no depende de la


elección de la base.
La dimensión del espacio cero {0}, se define como cero. Por
consiguiente, {0} es dimensional finito.
Un espacio vectorial que no tenga una base finita se llama
dimensional infinito.
TRANSFORMACIONES
LINEALES

Carezco de un don especial. Sólo


soy apasionadamente curioso.

Albert Einstein (1879-1955)


TRANSFORMACIÓN LINEAL ENTRE DOS
ESPACIOS VECTORIALES SOBRE UN MISMO
CUERPO
Sean V y W dos espacios vectoriales sobre un mismo cuerpo K.
Una transformación lineal de V a W es una aplicación T:V W
tal que para todos los vectores u y v de V y cualquier escalar 
de K:
1. T(u+v)=T(u)+T(v)

2. T(.u)= .T(u)

El signo + en u+v refiere a la suma en V, mientras que el signo


+ en T(u)+T(v) lo hace a la suma en W. Del mismo modo, las
multiplicaciones por escalares .u y .T(u) se efectúan en V y
W, respectivamente.
V W
u T T(u)
v T(v)
u+v T(u+v)=T(u)+T(v)
.u T(.u)=
.T(u)

La condiciones 1. y 2. son equivalentes a la única siguiente:


T:V W es una transformación lineal si y sólo si:
T(.u+.v)= .T(u)+ .T(v)
 ,  K, u,v V
Propiedades:
•T(0v)=0w 0v V, 0w W
•T(-u)= -T(u) u V

En particular:
• T es un monomorfismo  T es inyectiva
• T es un epimorfismo  T es sobreyectiva
• T es un isomorfismo  T es biyectiva
Si W=V, entonces T se llama endomorfismo, y si éste es biyectivo recibe el
nombre de automorfismo.

Transformaciones lineales triviales:


•O:V W/O(v)=0w (transformación nula)
•I:V W/I (v)=v (transformación identidad)
NÚCLEO E IMAGEN DE UNA TRANSFORMACIÓN
LINEAL

Núcleo:
Es el conjunto de todos los vectores del dominio cuyas
imágenes por T son el vector nulo del codominio.
N(T)={v V/T(v)=0w}
V
W
0w
N(T
)
PROPIEDAD:
El núcleo de toda transformación lineal entre dos espacios es
un subespacio del primero.
Imagen:
Es el conjunto imagen del dominio, o sea, es la totalidad de las
imágenes de los vectores del primer espacio.
I(T)={w W/v V :T(v)=w}

V W

0v 0w

I(T)
PROPIEDAD:
La imagen de toda transformación lineal entre dos espacios
vectoriales es un subespacio del codominio.
Composición de transformaciones lineales
Sean T1:UV y T2:VW transformaciones lineales, ambas
sobre un mismo K. Se define la transformación compuesta,
T2 T1:U W por:
(T2 T1)(u)=T2 (T1(u)) u U

T2 T1

u U V W
T1(u) T2(T1(u)
T1 T2 )

Observación:
T2 T1:U W es una transformación lineal.
Leyes de la composición:
Sean T1, T2 y T3 transformaciones lineales, las tres sobre el mismo cuerpo K,
en las que están definidas las siguientes operaciones y sea c K. Entonces se
verifican:

1. (T1T2)T3 4. c(T2T3)= (cT2)T3 =


=T1(T2T3) T2(cT3)
2. T1(T2+T3)=T1T2 + 5. IT1=T1I=T1
T1T3
6. 0T1=T10=0
(T2+T3)T1=
Potencias
3.
de unaT2T1 +
transformación lineal
T3T1
Sea T:V V una transformación lineal:
T0=I T1=T T2=T T ... Tk=TT...T (k “factores”)
Potencias particulares de una transformación lineal
Sea T:V V una transformación lineal:
• T se dice idempotente si T2=T
• T de dice nilpotente si  n : Tn=0 • T se dice involutiva si T2=I
Transformaciones lineales invertibles
Una transformación lineal T:V V es invertible si existe una transformación
T’:V V con la propiedad
T T’=I y T’ T=I
A la transformación T’ se la llama inversa de T.
Recordemos: Si existe una inversa es única. Esta inversa única se representa por
T-1. De ahí que
T T-1=I y T-1 T=I
Observaciones:
• Si T es invertible, entonces T(v)=w T-1(w)=v
• T-1 es transformación lineal

V V
v T T(v)
T-1
Propiedades de las transformaciones lineales:
Sean V y W espacios vectoriales sobre K:
• Una transformación lineal T:V W es inyectiva, si y sólo si el

único elemento del núcleo es el vector nulo del dominio.

•La imagen de cualquier conjunto linealmente dependiente, por


una transformación lineal, es linealmente dependiente.

•Si T:V W es una transformación lineal y v1,v2,...,vr son


elementos de V tales que sus imágenes constituyen un conjunto
linealmente independiente en W, entonces v1,v2,...,vr son
linealmente independientes.

•La imagen de todo conjunto linealmente independiente, dada por


cualquier transformación lineal inyectiva, es un conjunto
linealmente independiente.
Sea T:V W una transformación lineal, si un conjunto de vectores, es

sistema generador de V, entonces el conjunto de sus imágenes, es


sistema generador de T(V)=I(T). Se llama rango de T a:
rang T=dim(I(T))
•Sea T:V W una transformación lineal, si U es un subespacio de

V, entonces T(U) es una subespacio de W.

•Si T:V W es un isomorfismo, entonces T-1:W V es, también,


un isomorfismo.
•Sea T:V W una transformación lineal, si S es un subespacio de

W, entonces T-1(S) es un subespacio de V.


•Una transformación lineal T:V W es inyectiva, si y sólo si, un

conjunto linealmente independiente de elementos de V tiene por


imagen un conjunto linealmente independiente en W.
Sea T:V W una transformación lineal. Entonces:

dim V= dim N(T)+dim I(T)

La transformación lineal T:V W tiene dimensión finita si y


sólo si dimV=dim T(V).

Sea T:V W una transformación lineal, si B={v1,v2,...,vr} es


base de V,entonces T es inyectiva si y sólo si


T(B) ={T(v1),T(v2),...,T(vr)} es una base de T(V).

Sea T:V W una transformación lineal , T isomorfismo de V


en W si y sólo si transforma bases de V en bases de W.

Si V tiene dimensión finita, una transformación lineal T:V W


es un isomorfismo si y sólo si:


dim V= dim T(V)= dim W

Una transformación lineal T:V V es un automorfismo si y sólo


si T es inyectiva ó suryectiva.
Una transformación lineal T:V W es un isomorfismo si y sólo si

I(T)=W y N(T)={0v}

•La composición de dos isomorfismos es, también un


isomorfismo.

Si la transformación lineal T:V W es un isomorfismo, entonces


T-1:V W también es un isomorfismo.

Dos espacios vectoriales de dimensión finita (sobre el mismo


cuerpo K) son isomorfos si y sólo si tienen la misma dimensión.

El conjunto de las transformaciones lineales que van de V en V,


constituye un álgebra.
MATRICES
DE LAS
TRANSFORMACIONES
LINEALES
Los vectores y las matrices se relacionan en forma íntima a
través de la multiplicación matricial. Para una matriz fija A de
mxn, cualquier vector x de n componentes, corresponde al
vector Ax de m componentes. Esta correspondencia definida
por el producto matricial Ax es el principal ejemplo de una
transformación lineal.

Las transformaciones lineales desempeñan un papel muy


importante en matemática, física, ingeniería, procesamiento de
imágenes, gráficas en computadora y otras áreas de la ciencia y
de la vida diaria.

Ahora dirigiremos nuestra atención a un tipo contemporáneo


de aplicación.
El dilema del caricaturista.
Un caricaturista emplea computadoras y álgebra lineal para
transformar las imágenes que dibuja. Supongamos que trata de
dar la sensación de movimiento a la imagen de la figura (a),
inclinándola y estirándola (horizontalmente) en forma gradual
para llegar a la de la figura (b). Si el estiramiento necesario, por
ejemplo, a lo largo del eje x es 50%, ¿cómo puede modelarlo
matemáticamente y hacer que la computadora trace la imagen
inclinada?
El método debería ser independiente de la imagen inicial para
poder aplicarlo a otros cuadros.
En la respuesta interviene una sencilla multiplicación de matriz
por vector. De hecho, necesitamos multiplicar por la izquierda
el vector coordenado de cualquier punto en el plano que
deseemos transformar, por la matriz:

1 0,5
0 1 
 
Así,
Sx : R2 → R2 es la transformación que se
desliza en dirección positiva
  x    x   1 0,5  x 
  → Sx   =  de x en un factor de 0,5.
 y   y  0 1  y
      
TRANSFORMACIÓN MATRICIAL

Una transformación matricial T se expresa mediante


T:Rn Rm y a ésta le corresponde una matriz A de mxn tal
que:
T(x)=Ax
para todo x Rn. A se llama matriz (estándar) de T.
Ahora generalizaremos el concepto de la matriz estándar de
una transformación matricial.
Toda transformación lineal entre espacios vectoriales de
dimensiones finitas puede representarse con una
transformación matricial.
Este resultado útil nos permite evaluar transformaciones
lineales mediante la multiplicación de matrices.
Matriz de una transformación lineal
Sea T:V W una transformación lineal entre dos espacios
vectoriales V y W de dimensiones finitas. Sea B={v1,…,vn} una
base de V y B’={v’1,…,v’m} una base de W. La matriz A de
mxn cuyas columnas son:
[T(v1)]B’,…,[T(vn)]B’
es la única matriz que satisface:
[T(v)]B’=A[v]B
para todo v V.
La matriz A se llama matriz de T con respecto a B y B’. Si
V=W y B=B’, A se llama matriz de T con respecto a B.

W
V
v T T(v)

[ ]B [ ]B’

Rn Rm
A[v]B=[T(v)]B’
[v]B Mult. por A

Matriz de una transformación lineal


Observaciones:
•Si conocemos A es posible evaluar T(v) calculando [T(v)]B’

como A[v]B , lo cual es tan sólo una multiplicación de


matrices.
•La matriz de T depende de T, B y B’. Aún cuando se

modifica el orden de los vectores en una de las bases, la


matriz de T cambia.
•Las únicas transformaciones lineales de Rn a Rm son las

transformaciones matriciales.
EJEMPLO:
Sea la transformación lineal definida por
2 x + y 
 x
T : R 2 → R 3 /T   =  x − y 
 y  x + 4 y
y sean las bases de  donde
B = { v1 , v 2 } , B ' =respectivamente.
{ v1 ' , v2 ' , v3 '} R2 , R3

v1 = e2 , v 2 = e1
v ' =Determine
a) 1 e3 , v 2 ' = e2 , v3la
' = matriz
e1 A de T con respecto a las bases B y B’
b) La matriz estándar de T, ¿es igual que A del inciso (a)?
c) Evalúe en forma directa y a partir del inciso (a).

 − 4
T 
6
SOLUCIÓN:
a) En este caso
1 y  2
1 
0 
T ( e2 ) = T   = − 1 T ( e1 ) = T   = 1 
1   4  0  1 
   
A continuación necesitamos [T(e2)]B’ y [T(e1)]B’. Es fácil
verificar que,
● y
1 4  2 1 
− 1 = − 1 1  = 1 
       
 4  B '  1  1  B ' 2

Por consiguiente,
 4 1
A = − 1 1 
 1 2
b) La matriz estándar de T, que también es la matriz de
T con respecto a la base estándar, es
2 1 
1 − 1
 
1 4 
que no es igual que A.
c) Al sustituir en la fórmula para T, se obtiene

−2

 4
T   = − 10
Por otro lado, para
 6  usar A se necesita ,que es
 20 

 − 4 6
6  − 4
 B  
De manera que,
 4 1  20 
  − 4  − 1 1  6  − 10
T
   =  =
 − 4  
  6   B '  1 2    − 2 
   

Así, por la definición de un vector coordenada con


respecto a B’,

0  0  1  − 2 

 4
T   = 20 0 − 101 − 2 0 = − 10
6 1 0 0  20 
Transformaciones lineales y operaciones matriciales

Sean T1 y T2 transformaciones lineales entre espacios


vectoriales de dimensiones finitas, con matrices A y B con
respecto a bases fijas. Entonces, la matriz de la
transformación lineal:

1. T1+T2 es A+B;
2. T1-T2 es A-B;

3. -T1 es –A;

4. cT1 es cA;

5. T1 T2 es AB
Cambio de base y la matriz de una trasformación lineal

Sea T:V V una transformación lineal de un espacio vectorial


V de dimensión finita en sí mismo. Sean B y B’ dos bases de V,
y sea P la matriz de transición de B’ a B. Si A es la matriz de T
con respecto a B y si A’ es la matriz de T con respecto a B’,
entonces:
A’=P-1AP
Rn [T()]B’
Rn
x A´ -1 APx
A’x= P

P P-1

Rn [T()]B Rn
Px
A APx

El efecto del cambio de base


Generalizando:
Sea T:V W una trasnformación lineal entre espacios
vectoriales de dimensión finita sobre un mismo cuerpo K, y sea
A la matriz asociada a T respecto de ciertas bases de V y W. Si
en V y W se cambian las bases y llamando P y Q a las matrices
de los respectivos cambios de coordenadas, entonces la matriz
asociada a T en las nuevas bases es la
A’=Q-1AP
VEAMOS OTRA
APLICACIÓN
En los últimos años ha surgido un área nueva en las
matemáticas, llamada geometría fractal. Aunque esta
geometría tiene sus raíces en varias contribuciones
importantes como las de Cantor, Sierpinski, von Koch, Peano
y otros matemáticos del siglo XIX, no fue sino hasta fines de
la década de los setenta que llegó a ser un “campo nuevo”.
Esto se debió al trabajo del precursor Benoit Mandelbrot de
la IBM Corporation, y a la disponibilidad de computadoras
rápidas. La palabra fractal, introducida por Mandelbrot, se
usa para describir figuras con “infinitas repeticiones de la
misma forma”.
M. Barnsley observó que pueden obtenerse muchos objetos
“fractaloides” graficando iteraciones de ciertas
transformaciones especiales llamadas afines.
El triángulo de Sierpinski
Sean f1, f2 y f3 las tres transformaciones afines de R2 a R2 expresadas por:
1 
 0 
f1 ( x ) =  2 x
1
0 
 2
1 
2 0  1
f 2 ( x) =  x + 2
1 0
0   
 2
1 
2 0  0
f 3 ( x) =  x + 1
1  2 
0 
 2
El triángulo de Sierpinski puede generarse como sigue: comenzamos con un
triángulo, por ejemplo aquel cuyos vértices están en (0,0), (1,0), (0,1) y
elegimos un punto dentro de él y lo graficamos, digamos, en el punto (½,½). A
continuación seleccionamos al azar una de las transformaciones f1, f2 o f3,
digamos fi, y se calcula y grafica fi (½,½). Partiremos de este nuevo punto y
repetiremos el proceso tanto como lo deseemos. La imagen que resulta es un
“objeto fractal” que parece un triángulo con agujeros triangulares (si se
grafican bastantes puntos).
Bibliografía consultada:
• Apostol, T. “Calculus, Vol. 2”. Reverté
• Apuntes de Álgebra II por E.D. Fongi. FRR. UTN.

• Burgos, J. “Álgebra Lineal”. Mc Graw Hill.

• Herstein, I. “Álgebra Moderna”. Trillas.

• Nakos, G. – Joyner, D. “Álgebra Lineal con


Aplicaciones”. Thomson.
• Rojo, A. “Álgebra”. El Ateneo.

• Strang, G. “Álgebra Lineal y sus aplicaciones”.


Adisson Wesley.
Realizado por: Prof. Micaela Susana Luque

2007