Beruflich Dokumente
Kultur Dokumente
lgebra Lineal
Enero, 2014
Recordemos que si A Mmn (R), entonces
1. El espacio generado por las las de A, hF1 , F2 , . . . , Fm i, es un subespacio vectorial de Rn llamado el espacio
la de A y denotado por F il(A).
2. El espacio generado por las columnas de A, hC1 , C2 , . . . , Cn i, es un subespacio de Rm llamado el espacio
columna de A y denotado por Col(A).
3. El conjunto solucin del sistema homogeneo, AX = 0, es un subespacio vectorial de Rn llamado el espacio nulo
de A y denotado por N ul(A), esto es
N ul(A) = {X Rn : AX = 0}
Vimos que dim(F il(A)) = dim(Col(A)) y a este nmero se le llama el rango de A y se anota rango(A). La dimensin del espacio nulo de A la llamaremos nulidad de A y la denotaremos por nulidad(A). De esta forma podemos
establecer el siguiente teorema conocido como el teorema del rango.
Demostracin: Sea
Denicin: Sean
Ejemplo: Sea T
: R2 R3 dinida por T (x, y) = (x, y, x + y). Entonces T es una transformacin lineal. En efecto,
sean (x1 , y1 ) y (x2 , y2 ) vectores en R2 , entonces vemos que
T ((x1 , y1 ) + (x2 , y2 ))
= T (x1 + x2 , y1 + y2 )
=
(x1 + x2 , y1 + y2 , x1 + x2 + y1 + y2 )
(x1 + x2 , y1 + y2 , x1 + y1 + x2 + y2 )
(x1 , y1 , x1 + y1 ) + (x2 , y2 , x2 + y2 )
T (x1 , y1 ) + T (x2 , y2 )
Por tanto T verica la primera condicin. Ahora veamos que T cumpla la segunda condicin.
Sean (x, y) en R2 y en R entonces
T ((x, y))
= T (x, y)
=
(x, y, x + y)
(x, y, (x + y))
(x, y, x + y)
T (x, y)
Ejemplo: Para cada a en R, y = ax es la ecuacin de la recta de pendiente a en el plano. Desde el punto de vista
funcional, Ta : R R dada por Ta (x) = ax es una transformacin lineal. En efecto, sean x1 , x2 y en R, entonces
Ta (x1 + x2 )
a(x1 + x2 )
ax1 + ax2
Ta (x1 ) + Ta (x2 )
y
Ta (x1 )
= a(x1 )
= (ax1 )
= Ta (x1 )
En general, se puede demostrar que para todo a en R, Ta : Rn Rn denida por Ta (v) = av es una transformacin
lineal. Para a = 0, Ta se llama transformacin lineal nula y denotada por 0 y para a = 1, Ta se llama transformacin
lineal identidad y denotada por I .
Ejemplo: La funcin cuadrtica p : R R denida por p(x) = x2 no es lineal, puesto que p(3 + 7) = p(10) = 100 y
p(3) + p(7) = 9 + 49 = 58. Luego p(3 + 7) 6= p(3) + p(7), o sea que no se cumple la condicin 1. Tambin se puede ver
que p no cumple la condicin 2.
Teorema: Sea T
1. T (0) = 0.
2. Para todo v V , T (v) = v .
Note que en la igualdad T (0) = 0, el cero del argumento de T corresponde al vector cero de V y el cero del lado
derecho de la igualdad al vector cero de W .
Demostracin: La demostracin de este teorema se base slo en la denicin de tranformacin lineal y en la estructura
de espacio vectorial.
1. Notemos que T (0) = T (0 + 0) = T (0) + T (0). Esto ltimo implica que T (0) = T (0) T (0) = 0.
2. Observemos que 0 = T (0) = T (v + (v)) = T (v) + T (v). Entonces T (v) = T (v).
Ejemplo: Si A Mmn (R), entonces ella dene de manera natural una transformacin lineal TA : Rn Rm dada
por TA (X) = AX . Reciprocamente, si T es una transformacin lineal entre los espacios vectoriales Rn y Rm , ella
proviene de una matriz de orden m por n.
a1i
a2i
= .
..
ami
x1
x2
x1
x2
.. =
.
xn
=
0
1
1
0
x1 . + x2 . + . . . + xn
..
..
0
0
x1 e1 + x2 e2 + . . . + xn en
0
0
..
.
1
entonces
x1
x2
T .
..
xn
1
0
= x1 T . + x2 T
..
0
0
1
.. + . . . + xn T
.
0
0
0
..
.
1
x1
x2
T . = T (e1 ) T (e2 ) . . .
..
xn
Consideremos la matriz
x1
x2
T (en ) .
..
xn
T (e1 ) T (e2 ) . . .
T (en )
a12
a22
...
...
am2
...
T (e1 ) T (e2 ) . . .
a11
a21
T (en ) = .
..
am1
..
.
..
.
a1n
a2n
..
.
amn
Luego
a11
x1
x2 a21
T . = .
.. ..
am1
xn
Por tanto si
a12
a22
...
...
am2
...
a12
a22
...
...
am2
...
..
.
a11
a21
A= .
..
am1
..
.
..
.
..
.
a1n
a2n
..
.
amn
x1
x2
..
.
xn
a1n
a2n
..
.
amn
entonces T = TA . Notar que las columnas de la matriz A son precisamente las coordenadas de la imagen de cada
vector de la base C1 en la base C2 , es decir
[T (ei )]C2
a1i
a2i
= .
..
ami
[T (e1 )]C2
2
[T ]C
C1
[T (e2 )]C2
...
[T (en )]C2
2
La matriz A = [T ]C
C1 es llamada la matriz de T en base cannica.
Denicin: Sea T
Ejemplo:
ker(T ) = {v V : T (v) = 0}
x
x+z
3
2
x
x
x+z
0
ker(T ) = y R3 : T y =
=
y+z
0
z
z
Luego para encontrar todos los vectores de R3 cuya imagen es el vector cero de R2 , debemos resolver el sistema de
ecuaciones homogeneo
x+z
y+z
ker(T ) =
y R3 : x = z, y = z
y R3 : x = t, y = t, z = t; t R
Es decir
ker(T ) = t 1 R3 : t R
Geomtricamente,
ker(T ) representa una recta vectorial en R3 y por tanto todos los puntos de esta recta son enviados
a
0
0
por la transformacin T .
Denicin: Sea T
: V W una transformacin lineal. El conjunto de todos los vectores de W que son imagen de
algn vector de V es llamado Imagen de T y denotado por Im(T ), es decir
Ejemplo:
x+y
x
Sea T : R2 R3 dernida por T
= x y entonces
y
yx
0
0
x
x+y
x
x
x
R2 , T
= x y = y0
Im(T ) = y 0 R3 :
y
y
z0
yx
z0
x0
Luego dado el vector y 0 , debemos ver cuando el sistema en variables x e y
z0
x+y
x0
xy
y0
yx =
z0
tiene solucin, es decir, debemos ver que condiciones deben cumplir x0 , y 0 y z 0 para que el sistema anterior tenga
solucin.
En efecto, consideremos la matrz ampliada del sistema
1
1
1
1
1
1
x0
y0
z0
Multiplicando por 1 la la uno y luego sumandola con la la dos se tiene la siguiente matriz ampliada equivalente
1
1
0
1
1
0
x0
y0
0
y + z0
0
x
Im(T ) = y 0 R3 : y 0 + z 0 = 0
z0
Im(T ) =
O sea que
x0
y 0 R3 : y 0 = z 0
z0
x0
y 0 R3 : x0 = t, y 0 = s, z 0 = s; t, s R
z0
t
1
0
Im(T ) = s : t, s R = t 0 + s 1 : t, s R
s
0
1
Teorema: Sea T
1. ker(T ) es un subespacio de V .
2. Im(T ) es un subespacio de W .
1. Sean v1 y v2 en ker(T ) entonces T (v1 ) = 0 y T (v2 ) = 0. Luego se tiene que T (v1 +v2 ) = T (v1 )+T (v2 ) = 0+0 = 0.
Por tanto v1 + v2 pertenece a el ker(T ).
Sean v en ker(T ) y en R entonces T (v) = T (v) = 0 = 0. Por tanto v est en ker(T ). As ker(T ) es un
subespacio de Rn .
2. Sean w1 y w2 en Im(T ) entonces existen v1 y v2 en Rn tal que T (v1 ) = w1 y T (v2 ) = w2 . Luego w1 + w2 =
T (v1 ) + T (v2 ) = T (v1 + v2 ). Por tanto w1 + w2 pertenece a Im(T ), puesto que una preimagen es v1 + v2 .
Sean w en Im(T ) y en R entonces existe v en Rn tal que T (v) = w, luego w = T (v) = T (v). Por tanto
w esta en Im(T ), puesto que una preimagen es v . As Im(T ) es un subespacio de Rm .
De esta forma dada una transformacin lineal T : Rn Rm , denimos los subespacios kernel de T e imagen de
T , de Rn Y Rm respectivamente como:
2
ker(T ) = {X Rn : T (X) = 0} = N ul([T ]C
C1 )
2
Im(T ) = {Y Rm : X Rn , T (X) = Y } = Col([T ]C
C1 )
Ejemplo: Una pulga saltando en un tringulo. En clases pasadas vimos el siguiente problema: Una pulga se
encuentra en un vrtice de un tringulo equiltero y decide saltar con igual probabilidad a cualquiera de los otros dos
vrtices. Luego de saltar y estando en uno de los otros dos vrtices, decide volver a saltar con igual probabilidad a
cualquiera de los otros dos vrtices. La pulga repite sucesivamente los saltos en los vrtices del tringulo siguiendo
el mismo comportamiento. La preguntas naturales que surgen son: Al cabo de n saltos, cul es la probabilidad de
que se encuentre en un vrtice determinado?, cul es la probabilidad con que se encuentre en cada vrtice? o a largo
plazo, cul es la probabilidad con que se encuentre en cada vrtice?, decide con ms probabilidad quedarse en un
vrtice sobre los otros? Para dar respuestas a estas preguntas, un primer acercamiento al problema fu relacionarlo
con una transformacin lineal, por tanto vimos que el comportamiento de las probabilidades en cada vrtice del
tringulo se poda relacionar con cada coordenada de un vector en R3 por medio de una funcin lineal. De esta forma,
T : R3 R3 denida por
y+z x+z x+y
,
,
2
2
2
T (x, y, z) =
es la transformacin lineal que modela el salto de la pulga en el tringulo. La matriz de T en base cannica es
P =
1
2
1
2
1
2
1
2
1
2
0
1
2
1
De esta forma P n X0 donde X0 = 0 , permite saber la probabilidad de la pulga en cada vrtice en n saltos.
0
3
Consideremos la base B = {(1, 1, 1), (1, 1, 0), (1, 0, 1)} de R3 y Q = [T ]C
B , donde C denota la base cannica de R ,
entonces
1 21 12
Q = 1 12 0
1 0 21
Q1 =
1
3
2
3
2
3
1
3
4
3
2
3
1
3
2
3
4
3
1
D= 0
0
0
0
0
1
2
1
2
1
0
0
n
0 . De esta forma
Luego se tiene que P = QDQ1 y por tanto P n = QDn Q1 , con Dn = 0 1
2
1 n
0
0
2
1 2 1 n 1 1 1 n 1 1 1 n
3 + 3
2 n
3 3
2
3 3
2
1
2 1 n
1
1 1 n
P n = QDn Q1 = 13 + 13 1
2 n
3
3
2 n
3 + 3
2
1
1 1
1
1 1
1
2 1 n
3 + 3
2
3 + 3
2
3 3
2
Asi preguntarse por el devenir de la pulga a largo plazo es equivalente a preguntarse por
lim P n X0 =
1
3
1
3
1
3
Por tanto a largo plazo la pulga est con igual probabilidad en cualquiera de los tres vrtices del tringulo.