Sie sind auf Seite 1von 24

INSTITUTO TECNOLGICO SUPERIOR DE TIERRA BLANCA.

LGEBRA LINEAL

UNIDAD 4 ESPACIOS VECTORIALES Y UNIDAD 5 TRANSFORMACIONES LINEALES

ING. ELIAQUIM BLANCO VAZQUEZ

INTEGRANTES:
JUAN MERINO LUNA DEHIRO BRAVO SANCHEZ YERALDY TOLEDO CASTILLO ALEJANDRA RONQUILLO ROJAS ARMANDO BELTRN ESPEJO MAXIMILIANO FERNNDEZ TORES ISAI ALAN CUATETA ROJAS VICTOR PAXTIAN VELASCO JOSE DE JESUS AVENDAO MAZA JOSE ERNESTO CASTRO CHAVEZ

TIERRA BLANCA, VERACRUZ; A 20 DE JUNIO DE 2012.

UNIDAD 4 ESPACIOS VECTORIALES


4.1 DEFINICION DE ESPACIO VECTORIAL
Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos operaciones binarias llamadas suma y multiplicacin por un escalar.

4.2 DEFINICIN DE SUBESPACIO VECTORIAL Y SUS PROPIEDADES.


Sea H un subconjunto no vaco de un espacio vectorial V y suponga que H es en s un espacio vectorial bajo las operaciones de suma y multiplicacin por un escalar definidas en V. Entonces se dice que H es un subespacio de V. Se puede decir que el subespacio H hereda las operaciones del espacio vectorial padre V. TEOREMA 1 Un subconjunto no vacio H es un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura. Este teorema demuestra que para probar si H es o no un subespacio de V, es suficiente verificar que

x + y y ax estn en H cuando x y y estn en H y a es un escalar.

Lo anterior dice que: Todo subespacio de un espacio vectorial V contiene al 0.

El subespacio trivial

Para cualquier espacio vectorial V, el subconjunto 0 que consiste en

el vector cero nada ms es un subespacio ya que 0+0= 0 y a0 = 0 para todo nmero real a. TEOREMA 2 Sean H1 y H2 dos subespacios de un espacio vectorial V. Entonces H1 H2 es un subespacio de V. Definicin de subespacio de un espacio vectorial y sus propiedades. Definicin. Sea H un subconjunto de un espacio vectorial V y supongamos que H es en s un espacio vectorial con las operaciones de suma y multiplicacin escalar definidas sobre V. Se dice entonces que H es un subespacio de V. Teorema. Un subconjunto no vaco H de un espacio vectorial V es un subespacio de V si las dos reglas de cerradura valen:

Reglas para verificar si un subconjunto es un subespacio i. Si x H y y H, entonces x + y H. ii. Si x H, entonces x H para todo escalar Demostracin. Para demostrar que H es un espcacio vectorial, debemos verificar que los axiomas de los espacios vectoriales cumplen con las operaciones de la suma vectorial y multiplicacin escalar definidas en V. Las dos operaciones de cerradura se cumplen por hiptesis. Puesto que los vectores en H tambin estn en V, las leyes asociativa, conmutativa, distributiva y la del neutro multiplicativo se satisfacen. Ahora, si x H entonces 0x H, debido a la hiptesis (ii). Pero por el teorema de espacios vectoriales (parte ii), 0x = 0. Consecuentemente 0 H y el axioma (iii) se cumple. Finalmente, de la parte (ii) tenemos que (-1)x H para todo x H. Por el teorema de espacios vectoriales (parte iv), -x = (-1)x H, de tal forma que el axioma (iv) tambin se cumple y con ello concluimos la demostracin. Este teorema nos dice que para probar que H es un subespacio de V, nos basta con verificar que: x + y y x estn en H, siempre que x y y estn en H y sea un escalar. La demostracin anterior contiene un resultado importante que debe mencionarse explcitamente: Todo subespacio de un espacio vectorial V contiene al 0. Este resultado nos permitir ver fcilmente si un subespacio particular V no es un espacio vectorial. Esto es, si un subconjunto no contiene al 0, entonces no es un subespacio. Ejemplo 1. Para todo espacio vectorial V, el subconjunto |0| que contiene solamente el vector cero, es un subespacio puesto que 0 +0 = 0 y 0 = 0 para todo nmero real ; se le conoce como el subespacio trivial. Ejemplo 2 V es un subespacio de s mismo para todo espacio vectorial V.

4.3 COMBINACION LINEAL. INDEPENDENCIA LINEAL.


DEFINICIN DE COMBINACIN LINEAL. Sea (V, +, , K) un espacio vectorial. Se llama combinacin lineal (c.l.) de los vectores v1,v2,,vp a todo vector de la forma:

INDEPENDENCIA LINEAL En el estudio del algebra lineal, una de las ideas centrales es la de dependencia o independencia lineal de los vectores. En esta seccin se define el significado de independencia lineal y se muestra su relacin con la teora de sistemas homogneos de ecuaciones y determinantes.

Existe una relacin espacial entre los vectores:

Se puede apreciar que v2=2v1; o si se escribe esta ecuacin de otra manera. 2v1-v2=0.

4.4 BASE Y DIMENSION DE UN ESPACIO VECTORIAL, CAMBIO DE BASE.


Se ha visto en R2 conviene escribir vectores como una combinacin lineal de los vectores

En

R3

se

escribieron

los

vectores

en

trminos

de

Ahora

se

generalizara

esta

idea.

BASEUn conjunto finito de vectores

es una base para un espacio

vectorial V si Todo conjunto de n vectores linealmente independiente en Rn es una base en Rn.

En Rn se define Puesto que los vectores e, son las columnas d una matriz identidad (que tiene determinante 1), es un conjunto linealmente independiente y, por lo tanto, constituye una base en Rn. Esta base especial se denomina base canonica en Rn. Ahora se encontraran bases para otros espacios. EJEMPLO: base canonica para M22

Se a

vio

que

generan

, entonces es evidentemente que . As, estas cuatro matrices son linealmente independientes y forman una base para M22, lo que se denomina base canonca para M22. TEOREMA: si nico de escalares es una base para V y si vV, entonces existe un conjunto tales que

Existe cuando menos un conjunto de dichos escalares porque genera a V. suponga entonces que v se puede escribir e dos maneras como una combinacin lineal de los vectores de la base. Es que decir, suponga

Sea dos bases para V. debe demostrarse que m=n. esto se prueba mostrando que si m>n, entonces S es un conjunto literalmente independiente, lo que contradice la hiptesis de que S es una base. Esto demostrara que mn. la misma prueba demostrara que m y esto prueba el teorema. As, basta demostrar que si m>n, entonces S es independiente. Como S constituye una base, todo u se puede

expresar

como

una

combinacin

lineal

de

las

v.

se

tiene

TEOREMA: suponga que dimV=n. si Entonces, restando se obtiene la ecuacin pero como los v son linealmente independientes, esta ecuacin se cumple si y solo si As, y el teorema queda demostrado.

TEOREMA: si son bases en un espacio vectorial V, entonces m=n; es decir, cualesquiera dos bases en un espacio vectorial V tienen el mismo nmero de vectores.

Para demostrar que S es dependiente, deben encontrarse escalares

no todos cero, tales que (2) Sustituyendo (1) en (2) se obtiene (3)

La ecuacin (3) se puede reescribir como

Pero

como

son

linealmente

independientes,

se

debe

tener

(5)

El

sistema

(5)

es

un

sistema

homogneo

de

ecuaciones

con

las

m incgnitas

y como m>n, el teorema dice que el sistema tiene un numero

infinito de soluciones. De esta forma, existen escalares no todos cero, tales que (2) se satisface y, por lo tanto, S es un conjunto linealmente dependiente. Esta contradiccin prueba que mn si se cambian los papeles de S1 y S2, se demuestra que nm y la prueba queda completa. Por este teorema se puede definir uno de los conceptos centrales en el algebra lineal. DIMENSIN Si el espacio vectorial V tiene una base con un numero finito de elementos, entonces la dimensin de V es el numero de vectores en todas las bases y V se denomina espacio vectorial de dimensin finita. De otra manera, V se denomina espacio vectorial de dimensin infinita. Si V={0}, entonces se dice que V tiene dimensin cero. Notacin. La dimensin V se denota por dimV. EJEMPLO: la dimensin de Mmn En Mmn sea A la matriz de mxn con un uno en la posicin ij y cero en otra parte. Es sencillo demostrar que las matrices a para i=1,2,,m y j=1,2,,n forman una base para Mmn. As, dimMmn=mn. TEOREMA: suponga que dimV=n. si linealmente independientes en V, entonces mn. es un conjunto de m vectores

Sea

entonces, igual que la prueba del teorema, se pueden encontrar

constantes no todas cero, tales que la ecuacin (2) se satisface. Esto contradice la independencia lineal de los vectores u. as, mn. TEOREMA: sea H un subespacio de un espacio vectorial de dimensin finita V. entonces H tiene dimensin finita y (6) Sea dimV=n. cualquier conjunto de vectores linealmente independientes en H es tambin linealmente independiente en V. por el teorema anterior, cualquier conjunto linealmente independiente en H puede contener a lis mas n vectores. Si H={0}, entonces dimH=0. Si dimH{0}, sea v0 un vector en H y H=gen{v}. si H=H, dimH=1 y la prueba queda completa. De lo contrario, elija a vH tal que vH y sea H=gen{v1,v2}, y as sucesivamente. Continuamos hasta encontrar vectores linealmente independientes tales

que H=gen{ }. El proceso tiene que terminar porque se pueden encontrar a lo mas n vectores linealmente independientes en H. entonces H-kn. EJEMPLO: una base para el espacio de solucin de un sistema homogneo Encuentre una base (y la dimensin) para el espacio de solucin S del sistema

homogneo

SOLUCIN: aqu . Como A es una matriz de 2x3, S es un subespacio de R3. Reduciendo por renglones, se encuentra, sucesivamente,

Entonces y=z y x=-z de manera que todas las soluciones son de la forma .As, es una base para S y dimS=1. Obsrvese que S es el conjunto de vectores que se encuentran en la recta x=-t, y=t, z=t. TEOREMA: cualquier conjunto de n vectores linealmente independientes en eun espacio vectorial V de dimensin n constituyen una base apara V. Sean , n vectores. Si generan el espacio V, entonces constituyen una . Esto significa

base. De lo contrario, existe un vector uV tal que ugen que los n+1 vectores esto observe que si (8) Entonces lineal de trminos, es Lo que significa que ya que los v excepto u,

, u donde linealmente independientes. Para ver

porque de lo contrario podramos escribir u como una combinacin dividiendo la ecuacin (8) entre en el lado derecho. Pero si y poniendo todos los entonces (8)

son

linealmente

independientes. Ahora sea W=gen{

,u}. como todos los vectores entre las

llaves estn en V, W es un subespacio de V. como ,u son linealmente independientes, forman una base para W, y dimW=n+1. Pero por el teorema, dimWn. esta contradiccin muestra que no existe el vector uV tal que ugen{ As, CAMBIO DE BASE genera a V y, por lo tanto, constituye una base para V. }.

En R2 se expresaron vectores en trminos de la base cannica defini la base canonica

. En Rn se

. En Pn se defini la base estandra

como . Estas bases se usan ampliamente por la sencillez que ofrecen a la hora de trabajar con ellas. Pero en ocasiones ocurre que es mas conveniente alguna otra base. Existe un numero infinito de bases para elegir, ya que en un espacio vectorial de dimensin n, cualesquiera n vectores, linealmente independientes, forman una base. En esta seccin se vera como cambiar de una base a otra mediante el calculo de cierta matriz. Iniciaremos por un ejemplo sencillo. Sean u . entonces, es

la base canonica en R2. Sean independientes (porque v1 no es un mltiplo de v2),

Como v1 y v2 son linealmente es una segunda base

en

R2.

Sea

un

vector

en

R2.

Esta

notacin

significa

que Es decir, x esta expresando en trminos de los vectores de la base B. para hacer hincapi

en este hecho, se escribe c1 y c2 tales que (1)

Como B es otra base en R2, existen escalares Una vez que se encuentran estos escalares. Se

puede escribir para indicar que x esta ahora expresado en trminos de los vectores en B. para encontrar los nmeros c1 y c2, se escribe la base anterior en trminos

de la nueva base. Es sencillo verificar que

es

decir, Entonces,

As, de (1),

Por ejemplo, si

entonces

4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS PROPIEDADES.


DEFINICIN 1 Espacio con producto interno.- Un espacio vectorial complejo V se llama espacio con producto interno si para cada par ordenado de vectores u y v en V, existe un nmero complejo nico (u,v), llamado producto interno de u y v, tal que si u, v y w estn en V y C, entonces EJEMPLO Un producto interno en Rn Rn .- es un espacio con producto interno con (u, v)= u * v. DEFINICIN 2 Sea V un espacio con producto interno y suponga que u y v estan en V. Entonces i. U y v son ortogonales si (u, v) = 0 Lanorma de u, denota por u, esta dada por U= Nota: A la u se le pone doble barra para evitar confusin con el valor absoluto EJEMPLO Dos vectores ortogonales en C2 En C2 los vectores (3, -1) y (2, 6i) son ortogonales porque ((3, -1), (2, 6i)) = 3*2 + (-i)(6i) = 6 + (-i)(-6i) = 6 -6 = 0 adems (3, -i)) = = . DEFINICIN 3 Conjunto ortonormal .- El conjunto de vectores v1, v2, . . ., vn es un conjunto ortonormal en V si (vi, vj) = 0 para i y vi = = 1 DEFINICIN 4 Complemento ortogonal.- Sea H un subespacio del espacio con producto interno V. Entonces el complemento ortogonal de H, denotado por H, est dado por H V H = : (x, h) = 0 x para

todo

4.6 BASE ORTONORMAL, PROCESO DE ORTONORMALIZACIN DE GRAM-SCHMIDT.


El proceso de ortogonalizacin de GramSchmidt de lgebra lineal es un proceso utilizado en matemtica y anlisis numrico, para ortogonalizar un conjunto de vectores en un espacio prehilbertiano, ms comnmente el espacio eucldeo Rn. Ortogonalizacin en este contexto significa lo siguiente: comenzamos con vectores v1,, vk los cuales son linealmente independientes y queremos encontrar mutuamente vectores ortogonales u1, , uk los cuales generan el mismo subespacio que los vectores v1, , vk. Este proceso lleva el nombre en honor a Jorgen Pedersen Gram y Erhard Schmidt. Definimos el operador proyeccin con

donde los corchetes angulares representan el producto interior, proyecta el vector v ortogonalmente en el vector u. Antes de ver el proceso, debemos comprender el porqu de la definicin de proyeccin. Si recordamos la definicin de producto escalar, tenemos para el caso del numerador, mdulo de u por mdulo de v por el coseno del ngulo que forman. En el denominador tenemos mdulo de u por mdulo de u, ya que el coseno sera 1. Si separamos los dos mdulos de u en el denominador, vemos que a la izquierda tenemos nicamente "mdulo de v * cos (ngulo que forman)", lo que nos da claramente el mdulo del vector proyeccin. Teniendo el mdulo del vector proyeccin lo nico que debemos hacer es asignarle una direccin, cosa que hacemos multiplicndolo por u/mdulo(u), lo que es el vector de mdulo 1 con direccin u (el vector unitario). El proceso de GramSchmidt entonces funciona como sigue:

Los dos primeros pasos del proceso de Gram-Schmidt

Ejemplo Considera el siguiente conjunto de vectores en Rn (con el convencional producto interno)

Ahora, aplicamos GramSchmidt, para obtener un conjunto de vectores ortogonales:

Verificamos que los vectores u1 y u2 son de hecho ortogonales:

Entonces podemos normalizar los vectores dividiendo su tamao como hemos mostrado anteriormente:

UNIDAD 5 TRANSFORMACIONES LINEALES


5.1 INTRODUCCION A LAS TRANSFORMACIONES LINEALES
LGEBRA DE LAS TRANSFORMACIONES LINEALES Una transformacin lineal es un conjunto de operaciones que se realizan sobre un vector para convertirlo en otro vector. En ocasiones trabajar con vectores es muy sencillo ya que pueden ser fcilmente interpretados dentro de un contexto grfico, lamentablemente no siempre ocurre y es necesario transformar a los vectores para poderlos trabajar ms fcilmente. Por otra parte, trabajar con sistemas lineales es mucho ms sencillo que con sistemas no lineales, ya que se puede utilizar una tcnica llamada superposicin, la cual simplifica de gran manera gran variedad de clculos, por lo que es de gran inters demostrar que un proceso puede ser reducido a un sistema lineal, lo cual solo puede lograrse demostrando que estas operaciones forman una transformacin lineal. Se denomina transformacin lineal, funcin lineal o aplicacin lineal a toda aplicacin cuyo dominio y codominio sean espacios vectoriales y se cumplan las siguientes condiciones: Sean V y W espacios vectoriales sobre el mismo campo K, y T una funcin de V en W. T es una transformacin lineal si para cada par de vectores de u y v pertenecientes a V y para cada escalar k perteneciente a K, se satisface que: 1. 2. donde k es un escalar.

Son aplicaciones lineales los operadores usados en la formulacin matemtica de la mecnica cuntica. Para detalles especficos sobre estos, ver el artculo Operador (mecnica cuntica). Propiedades de las transformaciones lineales 1. Transformacin Lineal Singular y No Singular Sean y de en X En caso contrario es singular. espacios vectoriales sobre el mismo campo . Entonces, es no singular si: y una transformacin lineal

Teorema fundamental de las transformaciones lineales Sea B = {v1,v2,v3,...vn} base de V y C = {w1, w2, w3,...wn n} un conjunto de vectores de W no necesariamente distintos, entonces existe una nica transformacin lineal Para todo

Clasificacin de las transformaciones lineales 1. Monomorfismo: Si es inyectiva, o sea si el nico elemento del ncleo

es el vector nulo. 2. Epimorfismo: Si es sobreyectiva (exhaustiva). 3. Isomorfismo: Si es biyectiva (inyectiva y exhaustiva). 4. Endomorfismo: Si o sea si el dominio es igual al codominio (el espacio vectorial de salida y el de llegada son el mismo). 5. Automorfismo: Si es endomorfismo e isomorfismo a la vez.

Definicin 1 Sean

espacios vectoriales, y sea

. Diremos que

es:

1. Una

transformacin

lineal

(o

morfismo

si

dados

2. Un Monomorfismo si es un morfismo inyectivo. 3. Un epimorfismo si es un morfismo sobreyectivo. 4. Un isomorfismo si es un morfismo biyectivo.

Adems

llamaremos , donde

para

abreviar)

al

espacio

de

morfismos

de

es la funcin constante cero, esto es:

Y la suma y producto escalar en

se definen as:

1. Si

entonces .

es

la

transformacin

dada

por

2. Si

, entonces

es la transformacin dada por.

TEOREMAS TEOREMA 2.1 Si T : V W es una transformacin lineal, entonces V es dimensionalmente finito si y slo si N(T) y R(T) son dimensionalmente finitos, y en este caso, dim(V) = nulidad(T) + rango(T). Demostracin Dados dos espacios vectoriales V y W sobre un campo F, definimos L(V, W) = {T : V W | T es una transformacin lineal}.

Si T, U L(V, W) y a F, definimos aT + U : V W como (aT + U)(x) = aT(x) + U(x) para toda x F. Es un ejercicio verificar que aT + U es una transformacin lineal y que L(V, W), junto con estas operaciones de suma y de multiplicacin por escalares, es un espacio vectorial sobre F. Definimos el que una funcin fuera inyectiva, sobre y biyectiva. Es un ejercicio demostrar que para una transformacin lineal T : V W, las siguientes condiciones son equivalentes: T es inyectiva N(T) = {0} (es decir, nulidad(T) = 0) Para todo S V, S es linealmente independiente si y slo si T(S) W es linealmente independiente Tambin se deja como ejercicio el verificar que si V y W son dos espacios vectoriales con la misma dimensin (finita) y T : V W es una transformacin lineal, entonces T es inyectiva o sobre si y slo si es biyectiva. Una transformacin lineal es una funcin que preserva la estructura algebraica de espacio vectorial, por lo que no toda funcin entre espacios vectoriales es una transformacin lineal. De hecho, es sencillo encontrar funciones inyectivas, sobre, y biyectivas que no son transformaciones lineales. Esto motiva las definiciones de monomorfismo, epimorfismo e isomorfismo. LEMA 2.2 Sean V y W dos espacios vectoriales sobre un campo F. Supongamos que V es dimensionalmente finito y que b = {x1, ..., xn} es una base de V. Entonces para todo {y1, ..., yn} W, existe una unica transformacin lineal T : V W tal que T(x i) = yi para toda i = 1, ..., n.

TEOREMA 2.3 En la categora de los espacios vectoriales dimensionalmente finitos, la dimensin es un invariante completo de isomorfismo. Es decir, para cualesquiera dos espacios vectoriales dimensionalmente finitos V y W sobre un campo F, existe un isomorfismo entre V y W si y slo si dim(V) = dim(W). Demostracin Sea V un espacio vectorial dimensionalmente finito sobre un campo F y sea b = (x1, ..., xm) una base ordenada de V. Para cada x V, existen escalares nicos a1, ..., am F tales que x = a1x1 + ... + amxm. Definimos al vector coordenado de x relativo a b como a1 [ x ]b = ( : am ),

Es fcil ver que el mapeo x |

[ x ]b constituye un isomorfismo : V

Mn x 1(F).

Sean V y W dos espacio vectoriales dimensionalmente finitos sobre un campo F, b = {x1, ..., xm} una base ordenada de V y g = {y1, ..., xn} una base ordenada de W. Para cada T L(V, W), definimos la matriz asociada a T con respecto a las bases ordenadas b y g como
g

[T]
b

= ( [T(x1)]g ... [T(xm)]g ).

Por otro lado, dada una matriz A Mn x m(F), la funcin LA : Fm Fn definida por LA(x) = Ax, es una transformacin lineal (ejercicio). TEOREMA 2.4 Sean V y W dos espacio vectoriales dimensionalmente finitos sobre un campo F, b = {x1, ..., xm} una base ordenada de V y g = {y1, ..., yn} una base ordenada de W. Entonces el mapeo T | [T]bg constituye un isomorfismo F : L(V, W) Mn x m(F). Ms an, para toda A Mn x m(F), se tiene que F-1(A) L(V, W) es tal que [F-1(A)]bg = A. Demostracin Sean V y W dos espacios vectoriales sobre un campo F. Si T L(V, W), entonces existe una matriz asociada a T por cada par de bases ordenadas b y g de V y W respectivamente. El siguiente teorema (cambio de coordenadas) establece la relacin entre estas matrices. TEOREMA 2.5 Sean V y W dos espacio vectoriales dimensionalmente finitos sobre un campo F. Si b, b' son dos bases ordenadas de V y g g' son dos bases ordenadas de W, entonces existe una matriz invertible Q tal que . Entonces el mapeo T | [T]bg constituye un isomorfismo F : L(V, W) Mn x m(F). Ms an, para toda A Mn x m(F), se tiene que F1 -1 g (A) L(V, W) es tal que [F (A)]b = A.

Ejercicios: Sea un -espacio vectorial y una transformacin lineal de . de , . Encontrar subespacios suma no es directa. Solucin. Sea Es ya que Sea por un claro que , puesto que el vector -espacio vectorial y sea definido por un subespacio de . Dado En . denotemos . Denotemos por . de tales que pero la es tal que decir, de rango .

Demostrar que existe un escalar Solucin. Puesto que , as,

tal que

, entonces existe un vector no nulo para algn de . Sea un vector de

, entonces

. efecto, Pero ntese que la suma no es directa

el subconjunto de

la coleccin de todos estos subconjuntos, es decir, Demostrar que: Solucin. (i) Si demostrar que entonces entonces por tanto : luego sea

y entonces entonces . Sea ahora

Veamos ahora el recproco: debemos

. Hemos <demostrado que

, luego hemos probado la otra inclusin, es decir, y de esta manera se tiene que . y entonces entonces

(ii) Veamos que la operacin de suma est bien definida:sea debemos ver que : ,

, es decir,

Ahora revisemos las propiedades de la suma de vectores: la asociatividad y la conmutatividad son consecuencia de las respectivas propiedades de la suma de vectores en El cero del espacio cociente es

El opuesto del vector es . De la misma forma se demuestra que la operacin de escalar por vector est bien definida y adems se cumplen las otras propiedades de espacio vectorial: . (iii) Sea , Prop 9 del Captulo 1, , sea una base de , segn la esta base se puede completar hasta una base de . Vamos a probar que el conjunto es una base de genera al espacio Sea completada: . en donde , podemos entonces expandir este elemento de la base veamos en primer lugar que este conjunto de clases

tomamos

las

clases

, Hemos demostrado que Veamos ahora que estas clases son LI: sean entonces , es decir, y de esta forma luego En total se tiene que

por .

tanto,

tales que , luego

5.2 NCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL


TEOREMA 1: Sean T: V W una transformacin lineal. Entonces para todos los vectores u, v, v1, v2, vnen V y todos los escalares 1, 2,, n: I. T(0) = 0 II. T(u v) = Tu Tv III. T(1 v1 + 2 v2 + + n vn) = 1T v1 + 2Tv2 + + nTvn NOTA: En la parte I) el 0 de la izquierda es el vector cero en V, mientras que el 0 de la derecha es el vector cero en W. DEMOSTRACIN: I. T(0) = T(0 + 0) = T(0) + T(0). As, 0 = T(0) T(0) = T(0) + T(0) T(0) = T(0) II. III. T(u v) = T [n + (-1)v] = Tu + T [(-1)v] = Tu + (-1)Tv = Tu Tv Esta parte se prueba por induccin (vea el apndice 1). Para n=2 se tiene T(1 v1 + 2 v2) = T(1 v1) + T(2 v2) = 1T v1 + 2Tv2. As que la ecuacin (1) se cumple para n=2. Se supone que se cumple para n=k, y se prueba para n= k + 1: T(1 v1 + 2 v2 + + k vk + k+1 vk+1) = T(1 v1 + 2 v2 + + k vk) + T(k+1 vk+1), y usando la ecuacin en la parte III) para n=k, esto es igual a (1T v1 + 2Tv2 + + kTvk) + k+1Tvk+1, que es lo que se quera demostrar. Esto completa la prueba.

Un hecho importante sobre las transformaciones lineales es que estn completamente determinadas por el efecto sobre los vectores de la base. TEOREMA 2: Sea V un espacio vectorial de dimensin finita con base B={v1, v2, vn}. Sean w1, w2 wn, n vectores en W. suponga que T1 y T2 son dos transformaciones lineales de V en W tales que T1vi = T2vi= wipara i = 1, 2,, n. Entonces para cualquier vector v V, T1v = T2v; es decir, T1 = T2. DEMOSTRACIN: Como B es una base para V, existe un conjunto nico para escalares 1, 2,, n tales que v = 1v1 + 2v2+ + nvn. Entonces, de la parte III) del teorema 1, T1v = T1 (1v1 + 2v2 ++ nvn) = 1T1v1 + 2T1v2 ++ nT1vn= 1w1 + 2w2 ++ nwn De manera similar, T2v = T2 (1v1 + 2v2 ++ nvn) = 1T2v1 + 2T2v2 ++ nT2vn= 1w1 + 2w2 ++ nwn Por lo tanto, T1v = T2v. El teorema 2: Dice que si, T: V W y V tiene dimensin finita, entonces solo es necesario conocer el efecto de T sobre los vectores de la base en V. Esto es, si se conoce la imagen de cada vector bsico, se puede determinar la imagen de cualquier vector en V. Esto determina T por completo. Para ver esto, sean n v1, v2, vnuna base en V y sea v otro vector en V. Entonces, igual que en la prueba del teorema 2:

Tv = 1Tv1+ 2Tv2 ++ nTvn As, se puede calcular Tv para cualquier vector v V si se conocen Tv1, Tv2,, Tvn. Si se conoce el efecto de una transformacin lneal sobre los vectores de la base, entonces se conoce el efecto sobre cualquier otro vector.

Sea T una transformacin lneal de R3 en R2 y suponga que T

,T

y T

calcule T

Solucin

Se tiene

= 3

-4

+5

Entonces:

3T

- 4T

+ 5T

=3

-4

+ 5

TEOREMA 3: Sea V un espacio vectorial de dimensin finita con base B = {v1, v2,, vn} sea W un espacio vectorial que contiene los vectores w1, w2,. wn entonces existe una transformacin lineal nica T: VW, tal que Tvi = wipara i = 1, 2,, n. DEMOSTRACIN: Se define la funcin T como sigue: I. Tvi = wi II. Si v = 1v1 + 2v2+ + nvn, entonces: Tv = 1w1 + 2w2++ nwn Como B es una base V, T esta definida para todo v V; y como W es un espacio vectorial, Tv W entonces solo falta demostrar que T es lineal; pero esto se deduce directamente de la ecuacin (1). Si u = 1v1 + 2v2++ nvny v= 1v1+ 2v2 ++ nvn, entonces: T(u+v)= T[(1+1)v1+ (22)v2++( n + n)vn] = (1+1)w1 + (2+2)w2 ++ (n+n)wn =(1+w1 + 2+w1++ n+wn) + (1+w1+ 2+w2 ++ n+wn) = Tu + Tv

De manera similar, T (v) = Tv, as que es lineal. La unidad de T se obtiene del teorema 2 y la prueba queda completa. TEOREMA 4: Si TW es una transformacin lineal, entonces: I. nu T es un subespacio de V. II. imagen T es un subespacio de W. DEMOSTRACIN: I. Sean u y v en un T; entonces T(u + v) = Tu + Tv = 0 + 0 = 0 y T(Tu) = 0 = 0 de forma que u + v y u estn en un T. II. Sean w y x en imagen T. Entonces w =Tu y x = Tv para dos vectores u y v en V. Esto significa que T(u + v) = Tu + Tv = w + x y T(u) = Tu = w, por lo tanto, w + x y w estn en la imagen T. Ncleo e imagen de la transformacin cero. Sea Tv = 0 para todo v V. (T es la transformacin cero). Entonces nuT = V e imagen T = {0}. Ncleo e imagen de la transformacin identidad. Sea Tv = v para todo v V. (T es la transformacin identidad). Entonces un T = {0} e imagen T = V. Las transformaciones cero e identidad proporcionan dos extremos. En la primera, todo esta en el ncleo. En la segunda, solo el vector cero esta en el ncleo. Los casos intermedios son ms interesantes. Ncleo e imagen de un operador de proyeccin. Sea T: R3R3 definida por T = . Esto es, T es el operador de proyeccin de R3 en

el plano xy. Si T

=0=

, entonces x = y = 0. As, un T = {(x, y, z): x = y =

0} = eje z, e imagen T = {(x, y, z):z = 0} = plano xy. Observe que dim un T = 1 y dim imagen T = 2. Nulidad y rango de una transformacin lineal. Si T es una transformacin lineal de V en W, entonces se define: Nulidad de T = v(T)= dim un T. Rango de T = (T) = dim imagen T. Ncleo y nulidad de un operador de proyeccin. SeaHun subespacio de Rn y sea Tv = proyHv. Es claro que la imagen T = H. Se tiene que toda

v V si v = h + p = proyHv + proyH1v. STv = 0, entonces h = 0, lo que significa que v = p H1. As un T = H1, (T) = dim H, y v(T) = dim H1 = n (T).

Ncleo e imagen de un operador transpuesto. Sea V = Mmn y defina T: Mmn Mmn por T(A) = At. S TA = At = 0, entonces At es la matriz cero de nxm por lo que A es la matriz cero de mxn. As, un T = {0} y es claro que imagen T = Mmn.Esto significa que v (T) = 0 y (T) = mn. Ncleo e imagen de una transformacin de P3 en P2. Defina T: P3P2 por T(p) = T(0 + 1x + 2x2 + 3x3) = 0 + 1x + 2x2.Entonces siT(p) = 0, 0 + 1x + 2x2= 0 para toda x, lo que implica que 0 = 1 = 2 = 0. As un T= {p P3: p(x) = 3x3} e imagen T = P2, v(T) = 1 y (T) = 3. Ncleo e imagen de un operador integral. Sea V = C[0, 1] y defina J: C[0, 1] R por Jf =
1 0f(x) 1 0

1 0

f(x) dx. Entonces nuJ = { f C[0, 1]: [0, 1]

dx = 0}. Sea un nmero real. Entonces la funcin constante f(x) = para x

esta en C[0, 1] y imagen J = R.

dx = . Como estos se cumple para todo nmero real , se tiene que

5.3 LA MATRIZ DE UNA TRANSFORMACION LINEAL.


TEOREMA 1.- sea matriz nica tal que una transformacin lineal. Entonces existe una para toda

Das könnte Ihnen auch gefallen