Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Lineal
II
Indice
general
Introduccion
4. Transformaciones lineales
4.1. Transformaciones lineales . . . . . . . . . . . . . . . . . . .
lineal. . . . . . . .
4.2. Nucleo e imagen de una transformacion
de transformaciones lineales por matrices.
4.3. Representacion
4.4. Sistemas de ecuaciones lineales y transformaciones lineales
4.5. Espacios duales . . . . . . . . . . . . . . . . . . . . . . . . .
III
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
101
101
113
128
143
150
IV
INDICE GENERAL
Introduccion
VI
0. INTRODUCCION
Captulo 4
Transformaciones lineales
es natural
pensar en compararlos. Para esto, como los espacios vectoriales son conjuntos,
sabemos que las funciones entre conjuntos son relaciones entre ellos y de alguna
manera los comparan. Ahora bien, los espacios vectoriales son conjuntos con una estructura adicional, a saber, sus elementos se pueden sumar y multiplicar por escalares
del campo dado. As, las funciones entre espacios vectoriales que nos interesan son
aquellos que preservan la estructura de espacio vectorial de los espacios involucrados;
es decir, consideraremos funciones entre espacios vectoriales que respetan la suma
de vectores y el producto de un escalar por un vector. Estas funciones se dice que
son lineales y en este captulo comenzamos su estudio, mostrando sus propiedades
entre funciones lineales entre espacios vectoriales de
para culminar con la conexion
finita y matrices con entradas en el campo dado.
dimension
102
4. TRANSFORMACIONES LINEALES
Notacion
4.1.2 Si T : V W es una transformacion lineal, algunas veces diremos que
T : V W es K-lineal, para enfatizar el papel del campo K en la definicion. Tambien
diremos que T es una aplicacion lineal o una funcion lineal.
Ejemplo 4.1 La funcion identidad, la funcion cero y la funcion homotecia son transformaciones lineales. Mas precisamente, sea V un K-espacio vectorial y K, entonces las
funciones IV , 0, H : V V , definidas por IV (v) := v, 0 (v) := 0, y H (v) := v son
transformaciones lineales.
Ejemplo 4.2 La funcion proyeccion es una transformacion lineal. Mas precisamente, si V :
V W V definida por V ((v, w)) := v es una transformacion lineal. Por ejemplo,
R2 : R2 R R2
: (x, y, z) 7 (x, y),
es lineal. En efecto, sean v = (v1 , v2 , v3 ), w = (w1 , w2 , w3 ) R2 R, entonces
R2 (v + w) =
=
=
=
R2 (v1 + w1 , v2 + w2 , v3 + w3 )
(v1 + w1 , v2 + w2 )
(v1 , v2 ) + (w1 , w2 )
R2 (v) + R2 (w),
T (v1 + w1 , v2 + w2 , v3 + w3 )
(v1 + w1 ) + (v2 + w2 )x + (v3 + w3 )x2
(v1 + v2 x + v3 x2 ) + (w1 + w2 x + w3 x2 )
T (v) + T (w),
103
T (x1 + x2 , y1 + y2 )
(2(x1 + x2 ) + (y1 + y2 ), (x1 + x2 ) 3 (y1 + y2 ))
(2x1 + y1 , x1 3y1 ) + (2x2 + y2 , x2 3y2 )
T (v) + T (w),
T (x1 , y1 )
(2 (x) + (y) , (x) 3 (y))
(2x + y, x 3y)
T (v) .
x
x
1 0 1
y ,
: y 7
0 1 1
z
z
A (u + v)
Au + Av
TA (u) + TA (v) , y
A (u)
Au
TA (u)
Ejemplo 4.6 Si C 1 (R) , C 0 (R) son los R-espacios vectoriales de funciones de clase C 1 o
continuas de R en R respectivamente. Definamos las funciones
D : C 1 (R) C 0 (R)
: f
7 Df, donde (Df ) (x) := f 0 (x)
y
I : C 0 (R) C 1 (R)
: f 7 I (f ) , donde I (f ) (x) :=
f (t) dt
0
104
4. TRANSFORMACIONES LINEALES
son transformaciones lineales, ya que la derivada de una suma es la suma de las derivadas y
la derivada saca escalares, la integral de una suma es la suma de las integrales y tambien saca
escalares, es decir:
d
df
dg
(f + g) =
+
= Df + Dg, f, g C 1 (R)
dx
dx
dx
d
df
D (f ) =
= Df, K, y f C 1 (R)
(f ) =
dx
dx
Z x
Z x
Z x
I (f + g) (x) =
(f (t) + g (t)) dt =
f (t) dt +
g (t) dt = (I (f ) + I (g)) (x) ,
D (f + g) =
x R, y f, g C (R)
I (f + g) = I (f ) + I (g) , f, g C 0 (R)
Z x
Z x
Z x
I (f ) (x) =
(f ) (t) dt =
f (t) dt =
f (t) dt = (I (f )) (x) ,
0
x R, K y f C 0 (R)
I (f ) = I (f ) , K, f C 0 (R)
Observemos ademas que estas funciones en realidad s son funciones, es decir, estas funciones
estan bien definidas, ya que, si f es de clase C 1 entonces la funcion derivada f 0 es una funcion
contnua y esta es unica,
R (v)
Figura 4.1: La rotacion
entre x, y,
Figura 4.2: Relacion
entonces
cos =
105
x
,
r
sen =
y
r
de aqu que
v = (x, y) = (r cos , rsen ) .
Consideremos ahora al vector R (v) = (a, b) y veamos ahora las dos figuras anteriores. La
primera observacion es que el triangulo rectangulo formado por el vector R (v) , los catetos
son x e y, y la hipotenusa es la misma r que la del vector v. Por esto se dice que las rotaciones
son transformaciones lineales rgidas, i.e., en particular no cambian las longitudes de los vectores. Observemos ademas que el a ngulo que forma R (v) con el semi eje horizontal positivo
es + . Entonces, si R (v) = (a, b) , sus componentes a, b satisfacen
a = r cos ( + ) ,
b = rsen ( + ) .
Por otro lado, recordemos que
cos ( + ) = cos cos sen sen
sen ( + ) = sen cos + sen cos
entonces
a = r cos ( + ) = r cos cos rsen sen
b = rsen ( + ) = rsen cos + rsen cos
y dado que x = r cos , y = rsen , obtenemos
a = x cos ysen
b = xsen + y cos ,
es decir, si v = (x, y) R2 , entonces
R (v) = (x cos ysen , xsen + y cos )
define la funcion rotacion. Observemos ademas, que si pensamos a los elementos de R2 como
vectores columna, podemos reescribir a esta funcion rotacion como
x
cos sen
x
x
R
=
,
R2 .
y
sen cos
y
y
De esto ultimo
106
4. TRANSFORMACIONES LINEALES
R (v)
Figura 4.3: Reflexion
Procediendo de manera similar que en el ejemplo anterior, se tiene que
x
y
cos 2 sen 2
sen 2 cos 2
x
y
x
y
R2 ,
x
y
x
y
x
y
R2 ,
x
y
x
y
sobre el eje x
Figura 4.4: Reflexion
x
y
R2 ,
sobre el eje y
Figura 4.5: Reflexion
Ejemplo 4.9 La funcion traza es una transformacion lineal. Esta funcion esta definida por:
T r : Mnn (K) K
: [aij ] T r ([aij ]) :=
n
X
i=1
aii ,
107
Ejemplo 4.10 La funcion transposicion es una transformacion lineal. Esta funcion esta dada
por
t : Mnm (K) Mmn (K)
: A t (A) := At
la cual tambien es una transformacion lineal.
Hemos definido las transformaciones lineales como funciones T : V W entre espacios vectoriales que preservan sus operaciones. Las propiedades siguientes
deben ser entonces naturales:
Proposicion
4.1.3 Sea T : V W una transformacion K-lineal. Entonces se verifica
1. T (0V ) = 0W , donde OV y OW son los neutros aditivos de V y W respectivamente.
2. T (v) = T (v) , para toda v V.
3. T (u + v) = T (u) + T (v) , para toda , K, y u, v V.
Demostracion:
(1)-(2): Dado que T saca escalares y las propiedades de los espacios vectoriales, se tiene
T (0V ) =
=
=
T (v) =
=
=
Proposicion
4.1.4 Si L : U V, y T : V W son transformaciones K-lineales, entonces
la composicion T L : U W tambien es una transformacion lineal.
108
4. TRANSFORMACIONES LINEALES
Demostracion:
Sean u, v U y K, entonces
(T L) (u + v)
:
=
=
=
(T L) (u) :
=
=
=
de la composicion
Proposicion
4.1.5 Si T : V W es una transformacion lineal biyectiva, entonces la
funcion inversa tambien es lineal.
Demostracion:
Sean w1 , w2 W, K y consideremos los unicos
vectores
v1 , v2 V tales que T (v1 ) = w1 y T (v2 ) = w2 . Entonces,
w1 + w2 = T (v1 ) + T (v2 ) = T (v1 + v2 ) , por aditividad de T
w1 = T (v1 ) = T (v1 ) , pues T saca escalares,
y as, tenemos
T 1 (w1 + w2 ) =
=
T 1 (w1 ) =
=
T 1 (T (v1 + v2 )) = T 1 T (v1 + v2 )
(v1 + v2 )
T 1 (T (v1 )) = T 1 T (v1 )
v1 .
Definicion
4.1.6 Si T : V W es una transformacion lineal biyectiva, diremos que T es
un isomorfismo de espacios vectoriales y que V es isomorfo a W, y escribimos V
= W.
anterior nos dice que la inversa de un isomorfismo de espaAs, la proposicion
cios vectoriales es tambien un isomorfismo de espacios vectoriales y ademas, si V es
isomorfo a W , tambien se tiene que W es isomorfo a V .
La palabra isomorfismo, de las raices griegas iso que significa igual, y morfe que
lineal biyectiva
significa forma, captura la propiedad de que una transformacion
entre dos espacios vectoriales identifica a estos espacios, tanto como conjuntos (por
como con respecto a sus estructuras, identificando la
la biyectividad de la funcion)
suma de un espacio con la suma del otro, e identificando el producto por un escalar
en un espacio con el producto por un escalar del otro. De esto, de alguna manera
presentados de diferente manera o
nos dice que los dos espacios son el mismo, solo
nombre.
109
Usando este ejemplo y las dos proposiciones anteriores tenemos que la relacion
de equivalencia en el conjunto de todos los espade isomorfismo es una relacion
cios vectoriales, y una de las tareas del a lgebra lineal es conocer cuantos espacios
vectoriales hay salvo isomorfismo, y distinguir cuando dos espacios vectoriales son
de conocer algun
espacio vectorial isomorfo, W, a un espacio
diferentes. La razon
vectorial dado, V, es debido a que en el espacio V, las operaciones de suma de vectores y producto por un escalar pueden ser complicadas, pero no en W si e ste se
se probara que todo K-espacio vecescoje lo mas sencillo posible. En esta direccion,
finita, n, es isomorfo a Kn .
torial V de dimension
Ejemplo 4.12 Consideremos la funcion
T : M23 (R) R6
a b c
(a, b, c, d, e, f )
:
d e f
Entonces, T es un isomorfismo, y as M23 (R)
= R6 : pues claramente es lineal. Faltara ver
que es biyectiva. Para ver que es inyectiva consideremos
0 0 0
a b c
a b c
,B =
A=
d0 e0 f 0
d e f
tales que T (A) = T (B) , entonces
(a, b, c, d, e, f ) = (a0 , b0 , c0 , d0 , e0 , f 0 )
es decir, A = B. Para ver que T es suprayectiva, consideremos x = (a, b, c, d, e, f ) R6 , y
si tomamos
a b c
A=
d e f
se tiene que T (A) = x.
Es claro que este ejemplo se puede generalizar (ejercicio 1.13) y tenerse que
Mmn (K)
= Kmn .
De aqu que
M1n (K)
= Mn1 (K)
= Kn
o vectores
es decir, a los elementos de Kn los podemos pensar como vectores renglon
columna, dependiendo de nuestros intereses o incluso en su escritura, pues manejarlos como vectores columna ocupan mas espacio.
110
4. TRANSFORMACIONES LINEALES
111
Ejercicios 4.1
aditiva entre los K-espacios vectoriales V y W,
1.1 Si T : V W es una funcion
entonces
(i) Si K es un campo finito, se tiene que T es lineal.
(ii) Si K es un campo que contiene a Q como subcampo, entonces T saca escalares racionales.
lineal, demuestre que entonces existe
1.2 Si T : R R es una transformacion
R tal que T (x) = x, x R.Cuales son isomorfismos?.
lineal entre dos K-espacios vectoriales. Si
1.3 Sea T : V W una transformacion
v1 , . . . , vn V, y 1 , . . . , n K, demuestre que
T (1 v1 + + n vn ) = 1 T (v1 ) + + n T (vn ) .
lineal entre dos K-espacios vectoriales.
1.4 Sea T : V W una transformacion
si
Demustre que T es lineal si y solo
T (u + v) = T (u) + T (v) , , K, y u, v V.
1.5 Sean U, V, W y X cuatro K-espacios vectoriales y L : U W y T : V X
dos transformaciones lineales. Consideremos los productos cartesianos U V
y W X. Definamos la funcion
P : U V W X
: (u, v) P (u, v) := (L (u) , T (v)) .
Demuestre que P es lineal.
112
4. TRANSFORMACIONES LINEALES
V V W
v i1 (v) := (v, 0W )
W V W
w i2 (w) := (0V , w) .
V W V
v 1 (v) := v
V W W
w 2 (w) := w.
LINEAL.
4.2. NUCLEO E IMAGEN DE UNA TRANSFORMACION
113
R : R2 R2 es un isomorfismo y calcule su
1.12 Demuestre que cualquier rotacion
inversa.
1.13 Demuestre que
Mmn (K)
Pn (K)
= Kmn
= Kn+1 .
elemental
1.14 Demuestre que cualquier operacion
e : Mmn (K) Mmn (K)
es un isomorfismo.
En esta seccion
lineal y usando estos subespacios derivamos algunas propiedades de las transforma culmina con una formula
de
ciones lineales. La seccion
que relaciona la dimension
lineal entre espacios de dimension
finita.
los espacios asociados a una funcion
Definicion
4.2.1 Sea T : V W una transformacion lineal. Se tienen los siguientes
conjuntos:
N uc (T ) : = {v V : T (v) = 0W } V,
Im (T ) : = {T (v) W : v V } W.
114
4. TRANSFORMACIONES LINEALES
Im (1 ) = V
Im (2 ) = W.
transformacion lineal T :
V W , tal que
T (vi ) = wi , i = 1, ..., n.
Dicho en otras palabras :
(i) Cualquier funcion de la base a al espacio W se puede extender a una transformacion lineal
T : V W.
(ii) Si T, L : V W son dos funciones lineales tales que coinciden en la base a, es decir,
T (vi ) = L (vi ) para cada i = 1, . . . , n; entonces T = L en todo V.
LINEAL.
4.2. NUCLEO E IMAGEN DE UNA TRANSFORMACION
115
Demostracion:
(i) : Existencia. Veamos que T se puede extender linealmente a
todo V. Sea v V , entonces, dado que {v1 , ..., vn } es una base de V, existen escalares
unicos
1 , ..., n K, tales que
n
X
v=
i vi ,
i=1
n
X
i T (vi ) .
i=1
P
P
Afirmamos que Te es lineal. En efecto, sean u =
i vi , v =
i vi V, K,
entonces
n
!
n
X
X
Te(u + v) = Te
(i + i )vi :=
(i + i )T (vi )
i=1
n
X
i T (vi ) +
i=1
i T (vi )
i=1
= : Te(u) + Te(v).
n
!
n
X
X
e
e
T (u) = T
(i ) vi :=
(i ) T (vi )
=
i=1
n
X
i=1
i T (vi )
i=1
= : Te (u) .
de T.
Observese que efectivamente Te es una extension
e
116
4. TRANSFORMACIONES LINEALES
(4.1)
LINEAL.
4.2. NUCLEO E IMAGEN DE UNA TRANSFORMACION
117
Demostracion:
Si N uc(T ) = {0V }, entonces n(T ) = dim (N uc(T )) = 0, y por la
4.2.3 tenemos que T es inyectiva, y por la proposicion
4.1.7 tenemos que
proposicion
dim (V ) = dim (Im (T )) = r(T ), es decir, en este caso se tiene (4.1).
Si N uc(T ) 6= {0V }, sea {v1 , ..., vk } es una base del nucleo N uc(T ), y de aqu que
n (T ) = k. Entonces, existen vectores {vk+1 , ..., vn } de V tales que {v1 , ..., vk }{vk+1 , ..., vn }
es una base de V, y as, dim (V ) = n. Por el corolario 4.1.9 tenemos que
Im (T ) = hT (vi ) : i = 1, ..., ni = hT (vk+1 ) , ..., T (vn )i
4.1.7
pues {v1 , ..., vk } es una base del nucleo N uc(T ). Por otro lado, por la proposicion
tenemos que {T (vk+1 ) , ..., T (vn )} es linealmente independiente, ya que T retringido
al espacio generado por {vk+1 , ..., vn } es inyectiva, es decir
r (T ) = dim (Im (T )) = n k.
De todo esto se tiene que
dim (V ) = n,
n (T ) = k,
r (T ) = n k,
n
X
i vi ,
i=1
luego
T (v) =
n
X
i T (vi ) = 0,
i=1
118
4. TRANSFORMACIONES LINEALES
Notacion
4.2.8 Sean V y W dos K-espacios vectoriales. Denotemos por F(V, W ) al conjunto
de funciones de V en W , y por L(V, W ) al conjunto de transformaciones lineales de V en W ;
es decir,
F(V, W )
= {f : V W | f es una funcion}
L(V, W ) = {T : V W | f es una trans. K-lineal}.
Es claro que F(V, W ) es un K-espacio vectorial con las operaciones definidas como
sigue:
f + g F(V, W )
Suma: Si f, g F(V, W ), definimos la suma f + g como la funcion
definida por
(f + g) (v) := f (v) + g (v) , para cada v V,
usando en el lado derecho la suma de vectores en W.
Producto por un escalar: Si f F(V, W ), y K, definimos el producto f como la
f F(V, W ) definida por
funcion
(f ) (v) := (f (v)) , para cada v V,
donde en el lado derecho se tiene el producto de un escalar por un vector en W.
de la suma y producto por un escalar en F(V, W ) no
Observe que en la definicion
interviene la estructura de espacio vectorial de V, esto nos dice que F(V, W ) es un
sin la hipotesis
LINEAL.
4.2. NUCLEO E IMAGEN DE UNA TRANSFORMACION
119
:
=
=
=
(T ) (u + v) :
=
=
=
= L(u + v) + T (u + v)
L (u) + L (v) + T (u) + T (v) , pues L y T son lineales
(L (u) + T (u)) + (L (v) + T (v))
: (L + T ) (u) + (L + T ) (v) .
= (T (u + v))
(T (u) + T (v)) , pues T es lineal
(T (u)) + (T (v))
(T ) (u) + (T ) (v) .
:
=
=
=
(T ) (v) :
=
=
=
=
= L (v) + T (v)
L (v) + T (v) , pues L y T son lineales
(L (v) + T (v))
: (L + T ) (v) .
= (T (v))
(T (v)) , pues T es lineal
() (T (v))
( (T (v)))
(T ) (v)
: a W
: vi 7 qi wp , para cada i {1, . . . , m}, donde
= 1 si q = i, y qi = 0 si q 6= i;
= {Ep,q : 1 p n, 1 q m}
es una base para L(V, W ). Sea T L(V, W ), para cada vj a tenemos que, dado que
b es una base para W, existen escalares 1j , . . . nj K tales que
T (vj ) =
n
X
p=1
pj wp .
120
4. TRANSFORMACIONES LINEALES
m X
n
X
pq Ep,q ,
q=1 p=1
entonces
U (vj ) =
=
=
m X
n
X
q=1 p=1
n X
m
X
pq Ep,q (vj )
pq qj wp
p=1 q=1
n
X
pj wp
p=1
= T (vj ),
4.2.4 se sigue que U = T , por lo que c genera a L(V, W ). Siguieny por la proposicion
do con este argumento, si U = 0, entonces
U (vj ) =
n
X
p=1
Y dado que b = {w1 , ..., wn } es una base de W se tiene que pj = 0, p, j. Esto nos
dice que c es linealmente independiente en L(V, W ); y por lo anterior, tenemos que
c es una base de L(V, W ).
Corolario 4.2.10 La funcion
M
AT
es un isomorfismo K-lineal.
depende de las bases que se tomen en V y W ; mas
Observese que esta funcion
depende del orden en que se tomen los elementos de estas bases. Sobre esto
aun,
LINEAL.
4.2. NUCLEO E IMAGEN DE UNA TRANSFORMACION
121
L(V, V )
(f, g) 7 f g
de V y b = {w1 , ..., wn } base de W . Entonces por el Teorema 4.2.4 existe una unica
lineal
aplicacion
T : V W
: vi
7 wi .
P
P
Ahora bien, sea w =
i wi W , entonces T ( i vi ) = x, por lo que T es suprayectiva, y por el teorema anterior debe ser biyectiva. As T es un isomorfismo entre V y
W.
122
4. TRANSFORMACIONES LINEALES
a b
2
: ax + bx + cx + d 7
.
c d
Ejemplo 4.20 La transformacion lineal
T : R3 K2 [x]
: (a, b, c) 7 a + (a + b)x + (a + b + c)x2
es un isomorfismo. En efecto, sea (a, b, c) N uc(T ), entonces
0 = T (a, b, c) = a + (a + b)x + (a + b + c)x2 ,
luego a = 0, a + b = 0, a + b + c = 0, as a = b = c = 0. De aqu que N uc(T ) = {0V }. En
consecuencia, T es inyectiva y por (4.1) tenemos que
dim(R3 ) =
=
=
=
r(T ) + n(T )
r(T )
dim (Im(T ))
3,
LINEAL.
4.2. NUCLEO E IMAGEN DE UNA TRANSFORMACION
123
(4.2)
124
4. TRANSFORMACIONES LINEALES
Proposicion
4.2.20 Sea V un K-espacio vectorial y W un subespacio vectorial de V, entonces el espacio cociente (V /W, K, +, ) es un espacio vectorial. Mas aun,
la funcion proyeccion
: V V /W
: v (v) := [v]
es una transformacion lineal suprayectiva.
de enunciar el primer teorema de isomorfismo:
Ahora estamos en posicion
Teorema 4.2.21 (Primer teorema de isomorfismo) Sea W un subespacio vectorial de V
y T : V V 0 una transformacion lineal tal que W N uc(T ). Entonces existe una unica
0
transformacion lineal U : V /W V tal que el siguiente diagrama conmuta:
V
&
V 0
%U .
V /W
Mas aun,
Im(U ) = Im(T ) y N uc(U ) = N uc(T )/W .
Demostracion:
En efecto, definamos
U : V /W V
: [v] T (v) .
esta bien definida, es decir, esta funcion
no depende del
Vemos que esta funcion
representante que se tomo de cada clase de equivalencia. Si [u] = [v] , entonces u
v W , luego T (v1 v2 ) = 0 (pues W N uc(T )) por lo que U ([u]) = T (u) =
T (v) = U ([v]), as U esta bien definida. Un calculo directo muestra que U es una
lineal. Claramente U = T , ademas, como es suprayectiva esto
transformacion
si T (v) = 0V , es decir,
dice que Im(U ) = Im(T ). Por otro lado, U ([v]) = 0V si y solo
si v N uc(T ), luego [v] N uc(T )/W , por lo que N uc(U ) = N uc(T )/W .
si y solo
Corolario 4.2.22 Sean T : V V 0 una transformacion lineal y W = N uc(T ), entonces
T (V )
= V /W.
Teorema 4.2.23 (Segundo teorema de isomorfismo) Sean W1 , W2 subespacios de V , entonces
W1 /(W1 W2 )
= (W1 + W2 )/W2 .
canonica.
Demostracion:
Sea : V V /W1 la proyeccion
Denotemos por T :
de a W2 . Entonces T es lineal y suprayectiva de W2
W2 V /W1 a la restriccion
en (W1 + W2 )/W2 , as por el primer teorema de isomorfismo, tenemos que
(W1 + W2 )/W2
= W1 /N uc(T ),
y un calculo directo muestra que N uc(T ) = W1 W2 .
LINEAL.
4.2. NUCLEO E IMAGEN DE UNA TRANSFORMACION
125
126
4. TRANSFORMACIONES LINEALES
Demostracion:
(1): T es lineal, ya que si (v, w) , (v 0 , w0 ) V W , y K, entonces
T ((v, w) + (v 0 , w0 ))
:
:
=
=
T ( (v, w)) :
=
=
= T (v + v 0 , w + w0 )
= (v + v 0 ) + (w + w0 )
(v + w) + (v 0 + w0 )
: T (v, w) + T (v 0 + w0 ) .
= T (v, w) := v + w
(v + w)
T (v, w) .
Ejercicios 4.2
2.1 Demuestre que F (V, W ) es un K-espacio vectorial.
2.2 Demuestre que V /W es un K-espacio vectorial.
2.3 Compruebe que V W es un K-espacio vectorial.
finita, demuestre que
2.4 Si V y W son dos K-espacios vectoriales de dimension
dimK (V W ) = dimK (V ) + dimK (W ) .
2.5 Si T L (V, W ) es inyectiva, demuestre que T : V Im (T ) es un isomorfismo.
finita, T
2.6 Si V y W son dos K-espacios vectoriales de dimension
dimK (V ) > dimK (W ) , demuestre que T no puede ser inyectiva.
L (V, W )
finita, T
2.7 Si V y W son dos K-espacios vectoriales de dimension
dimK (V ) < dimK (W ) , demuestre que T no puede ser suprayectiva.
L (V, W )
LINEAL.
4.2. NUCLEO E IMAGEN DE UNA TRANSFORMACION
127
2.10 Sea
T : Mnn (K) Mnn (K)
: A T (A) := A At .
(i) Muestre que T es lineal.
U U V
u u = u + 0V
W U V
w w = 0U + w
128
4. TRANSFORMACIONES LINEALES
y las proyecciones
p1 :
:
p2 :
:
U V U
u+v u
U V V
u + v v.
4.3. Representacion
de transformaciones lineales por matrices.
se supondra que todos los espacios vectoriales son de dimension
En esta seccion
finita y consideraremos bases ordenadas, es decir
Definicion
4.3.1 Si V es un espacio vectorial de dimension finita, y a = {v1 , . . . vn } es una
base de V y escojemos un orden de los elementos de esta base, se dira que a = {v1 , . . . vn } es
una base ordenada de V. Si u V, entonces existen escalares unicos
1 , . . . , n K tal
que
u = 1 v1 + + n vn
entonces se dice que (1 , . . . , n )t Kn son las coordenadas de u en la base a, y se denota
por
[u]a = ... .
n
Ojo, el orden de a = {v1 , . . . vn } es importante, pues si a0 es una permutacion de la base a,
entonces [u]a0 es la correspondiente permutacion de [u]a .
n, denotemos por c = {e1 , e2 , . . . , en }
Dado que Kn es un espacio vectorial de dimension
a la base canonica
ordenada de vectores unitarios de Kn . Si otra base no es explcita
mente mensionado, se asumira que la base es la base canonica,
y si escribimos
8
7
v=
4
canonica
c. Las coordenadas est
andares de un vector en Kn son las coodenadas en la
base canonica
c.
129
1
1
1
a=
v1 = 1 , v 2 = 2 , v 3 = 2
1
2
3
el objetivo es encontrar escalares 1 , 2 , 3 R, tales que v = 1 v1 + 2 v2 +
Solucion:
3 v3 . Esto es simplemente el sistema de ecuaciones lineales
1 1 1
1
8
1
9
1 2 2 2 = 7 [v] = 2 = 2 .
a
1 2 3
3
4
3
3
Observacion
4.3.3 Sean V y W dos K-espacios vectoriales con dimension n y m respectivamente y a = {v1 , ..., vn } una base ordenada para V , b = {w1 , ..., wm } una base ordenada
para W. Entonces, por el Teorema 4.2.4, cualquier aplicacion lineal
T : V W,
esta totalmente determinada por los valores: T (vj ) W . Ademas,
T (vj ) =
m
X
ij wi ,
i=1
1j
= {Ep,q : 1 p m, 1 q n}
130
4. TRANSFORMACIONES LINEALES
es una base (canonica con respecto a las bases a y b) para L(V, W ), y ademas
T =
m X
n
X
pq Ep,q ,
q=1 p=1
(4.3)
entonces
[T ]c = (11 , . . . , n1 , 12 , . . . , n2 , . . . , 1n , . . . , nn )t ,
de aqu que las coordenadas de T en la base c son las columnas de la matriz [T ]ba , as que la
matriz [T ]ba la podemos pensar como las coordenadas de T en la base c.
Observacion
4.3.5 (linealidad de las matrices asociadas) Sean T, U L(V, W ), entonces [T +U ]ba = [T ]ba + [U ]ba . En efecto, la aplicacion T +U esta totalmente determinada
por los valores
(T + U )(vj ) = T (vj ) + U (vj )
m
m
X
X
=
ij wi +
ij wi
i=1
m
X
i=1
(ij + ij )wi .
i=1
131
Demostracion:
Falta probar que M es un isomorfismo y que [T (v)]b = [T ]ba [v]a .
4.3.5 que M es lineal. Ahora bien, si A = [ij ] Mmn (K),
Se sigue de la observacion
entonces la aplicacion:
T : V W
m X
n
X
: v 7
(
ij j )wi ,
i=1 j=1
P
N de Mmn (K) en L(V, W ).
donde v = ni=1 i vi , es lineal. Esto define una aplicacion
Un calculo directo muestra que las aplicaciones MPy N son inversas una de la otra.
notese
j=1 1j j
..
[T ]ba [v]a =
.
Pn
j=1 mj j
n
X
T (v) =
j T (vj )
j=1
n
X
m
X
j=1
ij wi
i=1
n
m
X
X
i=1
ij j
!
wi ,
j=1
V
W
a
b
[T ]b
a
Km
Kn
: donde
a (v) = [v]a ,
v
T (v)
b
[v]a [T ]a [v]a = [T (v)]b
b (w) = [w]b
donde [T ]ba es visto como la transformacion lineal asociada a la matriz A = [T ]ba , (vease el
ejercicio 2.12).
Ejemplo 4.24 Consideremos la transformacion lineal:
T : R2 R3
: (x, y) 7 (x + 3y, 0, 2x 4y),
132
4. TRANSFORMACIONES LINEALES
y si a ={e1 , e2 } y ={e01 , e02 , e03 } son las bases canonicas de R2 y R3 respectivamente, entonces
T (1, 0) = (1, 0, 2) = 1 e01 + 0 e02 + 2 e03
T (0, 1) = (3, 0, 4) = 3 e1 + 0 e2 + (4) e3
es decir
1
[T (e1 )]b = 0 ,
2
de aqu que
3
[T (e2 )]b = 0
4
1 3
[T ]ba = 0 0 .
2 4
=
=
=
=
0 = 0 1 + 0 x + 0 x2 ,
1 = 1 1 + 0 x + 0 x2 ,
2x = 0 1 + 2 x + 0 x2 ,
3x2 = 0 1 + 0 x + 3 x2 ,
Es decir,
0
1
0
0
2
3
0 , [D(x)]a =
0 , D(x ) a =
2 , D(x ) a =
0 .
[D(1)]a =
0
0
0
3
Luego,
0 1 0 0
[D]ba = 0 0 2 0 .
0 0 0 3
2
0 1 0 0
1
1
b
0 0 2 0 =
4 .
[D]a [p]a =
2
0 0 0 3
3
1
133
1
1
1
2
2 , v3 =
1 , v2 =
v1 =
a=
3
2
1
por el teorema anterior, la column j-esima de [P ]a es [P (vj )]a . As,
Solucion:
1
1
P (v1 ) = 1 = 1 v1 + 1 v2 1 v3 [P (v1 )]a = 1 ,
0
1
1
0
P (v2 ) = 2 = 0 v1 + 3 v2 2 v3 [P (v2 )]a = 3 ,
0
2
0
1
P (v3 ) = 2 = 0 v1 + 3 v2 2 v3 [P (v3 )]a = 3 .
2
0
de aqu que
1
0
0
3
3 .
[P ]a = 1
1 2 2
Esta matriz nos sirve para calcular [P (v)]a de cualquier vector v R3 siempre que conozcamos las coordenadas de v en la base a, pues, por el mismo teorema tenemos que [P (v)]a =
[P ]a [v]a . Por ejemplo, si
3
1
5
1
v=
= 1 v1 + 1 v2 + 1 v3 [v]a =
6
1
entonces
[P (v)]a = [P ]a [v]a
1
0
0
1
1
3
3 1 = 7
= 1
1 2 2
1
5
lo cual es cierto, pues
3
P (v) = 5 = 1 v1 + 7 v2 5 v3 .
0
134
4. TRANSFORMACIONES LINEALES
1
1
1
0 , v2 =
1 , v3 =
1
a =
v1 =
0
0
1
1
0
0
0
1 , w3 =
1
b =
w1 =
, w2 =
.
0
0
1
Y consideremos la funcion proyeccion P del problema anterior, y calcule [P ]ba .
Calculemos las coodenadas de P (vj ) en la base b:
Solucion:
1
1
0
0
P (v1 ) =
= 1 w1 + 0 w2 + 0 w3 [P (v1 )]b =
0
0
1
1
P (v2 ) = 1 = 1 w1 + 1 w2 + 0 w3 [P (v2 )]b = 1
0
0
1
1
P (v3 ) = 1 = 1 w1 + 1 w2 + 0 w3 [P (v3 )]b = 1
0
0
de aqu que
1 1 1
1
1 .
[P ]ba = 0
0
0
0
3
3
0
0
,
T (e2 ) =
= 3 e1 1 e2 [T (e1 )]c0 =
1
1
0
0
0
0
T (e3 ) =
= 0 e1 1 e2 [T (e1 )]c0 =
.
1
1
De aqu que
c0
c
[T ] =
2 3
0
1 1 1
135
Observacion
4.3.11 Del ejemplo anterior, podemos observar que las columnas de [T ]cc son
T (ej ) ; es decir
0
[T ]cc = (T (e1 ) | T (e2 ) | T (e3 )) .
En general se tiene que, si T : Kn Km es una trasformacion lineal, entonces la matriz de
0
coordenadas de T, [T ]cc , en las bases c, c0 esta dada por
0
Es decir, las columnas de [T ]cc son los vectores columna T (ej ). De aqu que, si A Mmn (K)
y la transformacion lineal asociada a la matriz A
TA : K n K m
: v TA (v) := Av,
0
entonces [TA ]cc = A; donde c, c0 son las bases canonicas de Rn , Rm respectivamente. Esto es
debido a que T (ej ) es la j-esima columna de la matriz A.
Teorema 4.3.12 Sean V1 , V2 , V3 tres K-espacios vectoriales con a, b y c bases para V1 , V2 y V3
respectivamente. Para T : V1 V2 , U : V2 V3 , transformaciones lineales, tenemos que
[U T ]ca = [U ]cb [T ]ba .
Demostracion:
Sea v V , entonces
[T (v)]b = [T ]ba [v]a ,
Ademas,
[(U T )(v)]c = [U ]cb [T (v)]b
= [U ]cb [T ]ba [v]a ,
luego,
[U T ]ca = [U ]cb [T ]ba .
136
4. TRANSFORMACIONES LINEALES
Claramente se tiene que T U = IV . Ahora bien, con respecto a las bases, a = {1, x, x2 , x3 },
b = {1, x, x2 } bases para P3 (K), P2 (K) respectivamente, entonces tenemos que
0 1 0 0
[T ]ba = 0 0 2 0
0 0 0 3
0 0
0
1 0
0
[U ]ab =
0 1/2 0 ,
0 0 1/3
luego,
[T U ]ab = [T ]ba [U ]ab
0 1
0 0
=
0 0
1 0
= 0 1
0 0
0 0
0
0 0
1 0
0
2 0
0 1/2 0
0 3
0 0 1/3
0
0 .
1
Observacion
4.3.13 Sea T L(V, V ) y a una base para V . Entonces T es invertible si y
solo si [T ]a es invertible. Mas aun,
[T 1 ]a = [T ]1
a .
El siguiente lema nos da la forma de pasar de una base a otra.
Lema 4.3.14 (Matriz de cambio de base) Sean a, a0 bases de V y Q = [IV ]aa0 . Entonces, Q
es invertible y tenemos que para todo v V ,
[v]a = Q[v]a0 .
Q
(V, a0 ) (V, a)
A la matriz Q se le llama matriz de cambio de bases de a0 , a.
anterior que Q es invertible. Ahora
Demostracion:
Se sigue de la observacion
bien, v V,
[v]a = [IV (v)]a = [IV ]aa0 [v]a0 = Q[v]a0 .
2
a = 1, x, x
y a0 = 1, 1 + x, 1 + x + x2 .
137
a =
v1 = 1, v2 = x, v3 = x2
0
a =
w1 = 1, w2 = (1 + x) , w3 = 1 + x + x2 .
0
As, la matriz pedida es P = [IV ]aa , es decir, las columna de P son las coordenadas de IV (vi )
en la base a0 . As que, manos a la obra!! :
IV (v1 ) = 1 = 1 (1) + 0 (1 + x) + 0 1 + x + x2 = 1 w1 + 0 w2 + 0 w3 ,
IV (v2 ) = x = 1 (1) + 1 (1 + x) + 0 1 + x + x2 = 1 w1 + 1 w2 + 0 w3 ,
IV (v3 ) = x2 = 0 (1) 1 (1 + x) + 1 1 + x + x2 = 0 w1 1 w2 + 1 w3 ,
p (x) = 3 + 2x + 4x2 = 3 v1 + 2 v2 + 4 v3 .
De aqu que
1
1
0
3
[IV (v1 )]a0 = 0 , [IV (v2 )]a0 = 1 , [IV (v3 )]a0 = 1 , [p]a = 2
0
0
1
4
es decir
1 1
0
P = [IV ]aa = 0 1
0 0
1
0
[p]a0 = [IV ]aa [p]a = 0
0
0
1 ,
1
1 0
3
1
1 1 2 = 2 .
0
1
4
4
= 1 (1) 2 (1 + x) + 4 1 + x + x2
= 3 + 2x + 4x2 .
(V, a )
Q
(V, a)
[T ]b
a0
[T ]b
a
(W, b0 )
P
(W, b)
138
4. TRANSFORMACIONES LINEALES
Demostracion:
En efecto, para v V , tenemos, por el lema anterior, que
[T (v)]b = P [T (v)]b0
0
= P [T ]ba0 [v]a0 ,
Por otro lado,
[T (v)]b = [T ]ba [v]a
= [T ]ba Q[v]a0 ,
de aqu, tenemos que
1
1
a = w1 =
, w2 =
.
1
2
= {e1 , e2 } ,
a
(R2 , a)
(R2 , a)
P
P [T ]a = P 1 [T ]c P.
[T ]
c
(R2 , c)
(R2 , c)
T (e1 ) =
T (e2 ) =
IR2 (w1 ) =
IR2 (w2 ) =
0
0
T
=
= 0 e1 + (2) e2 [T (e1 )]c =
,
2
2
0
1
1
T
=
= 1 e1 + 3 e2 [T (e2 )]c =
,
1
3
3
0 1
[T ]c =
.
2 3
1
1
w1 =
= 1 e1 + 1 e2 [IR2 (w1 )]c =
,
1
1
1
1
w2 =
= 1 e1 + 2 e2 [IR2 (w2 )]c =
,
2
2
1 1
c
P = [IR2 ]a =
.
1 2
1
0
139
1 1
1 2
[T ]a =
1 0
0 2
0 1
2 3
1 1
1 2
T (w1 ) = T
T (w2 ) = T
1
1
1
2
1
1
2
4
= 1 w1 + 0 w2 [T (w1 )]a =
= 0 w1 + 2 w2 [T (w2 )]a =
1
0
0
2
[T ]
b
a
b0
a0
[T ]
2 1 0
1 1 1
3 1 1
1 0 1
2 0
0
Q = [IR3 ]aa0 = 0 1 0 ,
0 0 2
1 1
b
P = [1R2 ]b0 =
,
1 1
un calculo directo muestra que,
1
2
1
2
1
2
12
140
4. TRANSFORMACIONES LINEALES
[T ]ba0 = P 1 [T ]ba Q
1 1
2
2
=
1
1
2
2
1 1
2
2
=
1
21
2
3 1 1
=
1 0 1
2 1 0
1 1 1
4 1 0
2 1 2
2 0
0
0 1 0
0 0 2
Ejercicios 4.3
dada por T (x, y) = (3x + y, 2x y) ,
3.1 Si T : R2 R2 es la funcion
a) Muestre que T es un isomorfismo.
b) Calcule la inversa de T.
p (0) 2p (1)
T (p (x)) :=
0
p00 (3)
donde p0 y p00 denotan la primera y segunda derivada de p. Verifique que es
lineal y calcule la matriz
ta funcionesta
bien definida, es una transformacion
141
L a + bx + cx2 : = (a + b, c, a c) .
canonica
de R3 .
a) Demuestre que T y L son transformaciones lineales.
b) Calcule [T ]a y [L]ba .
c) Calcule L T : P2 (R) R3 .
d) Calcule [L T ]ba .
e) Compruebe que [L T ]ba = [L]ba [T ]a .
f ) Si p (x) = 3 2x + x2 , calcule [p]a , [L (p)]b y muestre que [L (p)]b = [L]ba [p]a .
3.5 Si V y W son K-espacios vectoriales con bases a y b respectivamente. Si T, L
b
b
L (V, W ) son tales que [T ]a = [L]a . es T = L?.
3.6 Considere L : M22 (R) P2 (R) definida por
a b
:= (a + b) + (2d) x + bx2
L
c d
0 0
0 0
0 1
1 0
,
,
,
a =
0 1
1 0
0 0
0 0
2
b =
1, x, x
a) Calcule [L]ba .
transpuesta, i.e. T (A) := At ;
b) Si T : M22 (R) : M22 (R) es la funcion
a
calcule [T ]a .
c) Defina R : P2 (R) M22 (R) mediante
0
p (0) 2p (1)
R (p) :=
.
0
p00 (3)
Calcule [R]ab .
traza de una matriz, i.e.
d) Defina S : M22 (R) R la funcion
a b
S
:= a + d.
c d
1) Muestre que S es lineal.
142
4. TRANSFORMACIONES LINEALES
de R.
2) Calcule [S]ca , donde c = {1} es la base canonica
e) Defina G : P2 (R) R mediante G (p) := p (2) . Muestre que G es lineal y
calcule [G]cb .
1 2
, calcule [A]a .
f ) Si A =
5 4
g) Si p (x) = 3 6x + x2 , calcule [p]b .
0 , 1 , 1
a=
0
0
1
otra base de R3 .
a) Encuentre la matriz de cambio de base de c a a, es decir, [IR3 ]ac .
b) Encuentre la matriz de cambio de base de a a c, es decir, [IR3 ]ca .
c) Dado v = (3, 4, 5) R3 , calcule [v]a y [v]c .
d) Considere las funciones T, L : R3 R3 definidas por
x
xy+z
x
x+y+z
T y := 2x + y 3z , L y := y + z
z
zx
z
z
Calcule
T L
LT
i)
[T ]c
ii) [T ]a
a
iii) [T ]c
iv) [T ]ca
v)
[L]a
vi) [L]ca
vii) [T L]a
vii) [L T ]a
conjugacion,
es decir, c (x + iy) := x iy; x, y R, y
3.8 Si c : C C es la funcion
consideremos a C como un R-espacio vectorial con la base a = {1, i}.
a) Muestre que c es lineal.
b) Calcule [c]a .
c) Muestre que si se considera a C como un C-espacio vectorial, entonces c
no es lineal.
3.9 Si T : R2 R2 definida por T (x, y) = (x + y, 2x + 4y) . Calcule [T ]a , donde
1
1
a=
,
.
1
2
143
canonicas
c, c0 de R2 y R3 respectivamente.
0
a) Calcule [T ]cc .
00
de los elementos de la
b) Calcule [T ]cc , donde c00 es la siguiente permutacion
0
base canonica
c,
00
c = {e3 , e2 , e1 } .
3.11 Si T : R3 R3 definida por T (x, y) = (x y, y x, x z) . Considere
1
1
0
1
1 .
0 , 1 , 1
, v=
a=
2
0
1
1
Calcule
a) [T ]a y [v]a .
b) [T (v)]a y verifique que [T (v)]a = [T ]a [v]a .
integracion,
es decir,
3.12 Sea I : P2 (R) P3 (R) la funcion
Z x
p (t) dt
I (p) :=
0
a x + a x + + a x = 0
m1 1
m2 2
mn n
(*)
144
4. TRANSFORMACIONES LINEALES
A=
a11
a21
..
.
a12
a22
..
.
...
a1n
a2n
..
.
am1 am2
amn
x=
x1
x2
..
.
xn
el vector de incognitas. El sistema anterior se puede ascribir como
Ax = 0,
(1)
lineal
donde 0 es el vector (columna) cero de Kn . Si consideramos la transformacion
asociada a la matriz A,
TA : Kn Km
: x TA (x) := Ax.
lineal, el sistema de ecuaciones (1) se escribe
As, en terminos de esta transformacion
como
TA (x) = 0,
(2)
a x + a x + + a x = b
m1 1
m2 2
mn n
m
(**)
145
A = ..
(***)
..
..
.
.
.
.
.
.
am1 am2 amn
lineal asociada a la matriz A, TA : Kn Km . En terminos de la
y la transformacion
lineal TA , el sistema de ecuaciones anterior se escribe como
transformacion
TA (x) = b
donde
x=
x1
x2
..
.
xn
Kn ,
(3)
b=
b1
b2
..
.
Km
bm
a1n +
* a11
a21
a2n
si r (TA ) = n, y tiene
De aqu que el sistema homogeneo (1) tiene una unica
solucion
muchas soluciones (una infinidad si K = R) si r (TA ) < n, de hecho, tiene n r (TA )
146
4. TRANSFORMACIONES LINEALES
la transformacion
de columnas de la matriz A lineal
mente independientes y ademas, el numero
de columnas restantes, n r (TA ) , es la
del nucleo de TA , es decir, el sistema homogeneo tiene n r (TA ) soludimension
ciones linealmente independientes. Por otro lado, el rango r (TA ) de la transforma lineal TA es el numero
cion
de columna etiquetadas de la matriz escalonada reducida
es equivalente a decir que
por renglones de la matriz A, ya que hacer esta reduccion
lineal
las columnas etiquetadas forman una base para la imagen de la transformacion
el numero
TA . Mas aun,
de columnas no etiquetadas de la matriz escalonada reduci del nucleo
da es la dimension
de TA , es decir, el numero
de soluciones linealmente
independientes del sistema homogeneo (1).
..
..
..
..
..
.
.
.
.
.
am1 am2 amn bm
147
de columnas de A se tiene
que r n. Por otro lado, dado que r = dim (Im (TA )) entonces r m.
148
4. TRANSFORMACIONES LINEALES
Demostracion:
Por el Teorema 4.3.15 tenemos que el rango de [L]ba no depende de
las bases que se tomen, ya que si a0 , b0 son bases de V y W respectivamente, entonces
0
0
0 1
[L]ba0 = Q [L]ba R, donde Q = [IW ]bb y R = [IV ]aa0 = [IV ]aa
(Q y R invertibles), es
decir,
0
rango [L]ba0
= rango Q [L]ba R := dim Im T(Q[L]b R)
a
= dim Im TQ T[L]ba TR
b
= dim Im TQ T[L]a TR (V )
= dim Im TQ T[L]ba (V )
, pues TR es un isomorfismo
= dim Im T[L]ba
=: rango [L]ba .
finita, digamos n y m respectivaPor otro lado, dado que V y W son de dimension
mente, entonces el siguiente diagrama es conmutativo
L
V
W
a b
Kn
[L]b
Km
donde
a :
:
b :
:
V Kn
v a (v) := [v]a
W Kn
w b (w) := [w]b
149
Irr
0r(nr)
A
0(mr)r 0(mr)(nr)
donde las matrices 0pq son las matrices cero.
Corolario 4.4.11 Si A Mmn (K) con rango r, entonces existen matrices invertibles Q
Mmm (K) y P Mnn (K) tales que
Irr
0r(nr)
A QAP =
0(mr)r 0(mr)(nr)
donde la matriz Q representa las operaciones elementales por renglon y P la de las columnas.
Corolario 4.4.12 Si A Mmn (K) , entonces
1. rango (A) = rango (At ) , ya que (QAP )t = P t At Qt .
2. rango (A) =# maximo de columnas de A linealmente independientes = # maximo de
renglones de A linealmente independientes.
3. Los subespacios generados por los renglones o columnas de A son isomorfos.
4. A es invertible si es producto de matrices elementales.
Ejercicios 4.4
4.1 Sean A Mmn (K) , B Mnk (K) . Demuestre que
Corolario 4.4.13
1.
150
4. TRANSFORMACIONES LINEALES
3 4 0 , 3 3 10
4 2 15
3
1 9
1 2 7
1 2 3
7 2 1 2
4
6
1 0 1 , 1
2
3
0 2 0
3
4
9
2 2
3
2 5
0 1 4 , 2 3
1 0
3 4 0
5 6 1 1
2 2
1 1 4 2 2 4
6 5 5 1 , 1 2
2 4 5 6
3 4
2
2
0
2
4
8
.
4
12
3
1
1
1 1
2
1
2
1
1 1
4.6 Calcule una base para la imagen de las transformaciones lineales asociadas a las matrices de los dos ejercicios anteriores.
por V , es el espacio vectorial L(V, K). Llamamos funcionales lineales a los elementos del
conjunto L(V, K), y usaremos las letras f, g, h, ... para denotar a las funcionales lineales.
151
g (t) v (t) dt
0
es un funcional lineal en V. En el caso de que g (t) sea cos (nt) o sen(nt) , h (v) llamado el
n-esimo coeficiente de Fourier de v.
Ejemplo 4.31 Sea V = Mnn (R) , y f : V R definida por f (A) = T r (A) , la traza
de A, por el ejemplo 4.9 es un funcional lineal.
Ejemplo 4.32 Sea V un K-espacio vectorial de dimension finita n, y a = {v1 , . . . , vn } una
base para V, entonces a : V Kn definida por a (v) := [v]a la transformacion lineal que
a cada vector v le asocia sus coordenadas en la base a. Entonces las funciones
fi : V K
: v
7 f (v) := i a (v) ,
son funcionales lineales (pues son composicion de transformaciones lineales); donde i :
Kn K es la funcion proyeccion en la i-esima coordenada. Observese que fi (v) = ai ,
donde
a1
[v]a = ... .
an
Esta funcion es llamada la i-esima coordenada de v en la base a.
= {fi : i = 1, . . . , n}
152
4. TRANSFORMACIONES LINEALES
donde las funciones fi son las del ejemplo anterior, siempre que V sea de dimension
finita. De hecho, el Teorema 4.2.9 nos dice como poner a un elemento de L(V, K)
de la base c conociendo su matriz de coodenadas, es decir,
como una combinacion
P
P
n
X
T (vi ) fi ,
i=1
2
1
3
,
1
Para esto, basta encontrar las matrices asociadas, [fi ]cc M1n (R), a estas funcionales
fi (e2 ) ,
i = 1, 2,
0
pues estos vectores forman las columnas de [fi ]cc . Para esto, tenemos por definicion
y linealidad de f1 :
2
1 = f1
= f1 (2e1 + e2 ) = 2f1 (e1 ) + f1 (e2 ) ,
1
3
0 = f1
= f1 (3e1 + e2 ) = 3f1 (e1 ) + f1 (e2 )
1
y resolviendo este sistema de ecuaciones lineales se tiene que
f1 (e1 ) = 1,
0
f1 (e2 ) = 3,
es decir, [f1 ]cc = (1, 3) . De aqu que la funcional lineal f1 esta dada por
x
x
f1
= (1, 3)
= x + 3y.
y
y
153
f2 (e2 ) = 2,
c0
es decir, [f2 ]c = (1, 2) . De aqu que la funcional lineal f2 esta dada por
x
x
= (1, 2)
= x 2y.
f2
y
y
0
Como podemos observar, para calcular [f1 ]cc , [f2 ]cc lo podemos hacer resolviendo
el sistema de ecuaciones
0
f1 (e1 ) f1 (e2 )
2 3
1 0
[f1 ]cc
=
= (v1 | v2 )1 ,
0
f2 (e1 ) f2 (e2 )
1 1
0 1
[f2 ]cc
es decir, la matriz
[f1 ]cc
0
[f2 ]cc
f1 (e1 ) f1 (e2 )
f2 (e1 ) f2 (e2 )
2 3
;
(v1 | v2 ) =
1 1
donde
2 3
1 3
=
.
1 1
1 2
Es decir, los renglones de la matriz inversa de la matriz cuyas columnas son los vec0
0
tores de la base a, son las matrices [f1 ]cc , [f2 ]cc . As, este ejercicio nos suguiere el siguiente resultado para obtener la base dual de una base del espacio vectorial Kn .
Teorema 4.5.3 Si a = {v1 , . . . , vn } es una base (ordenada) para Kn , y Q Mnn es la
matriz cuyas columnas son los vectores de la base a,
Q = (v1 | | vn )
0
entonces la base dual de a, a0 = {f1 , . . . , fn } esta determinada por las coordenadas, [fi ]cc , de
fi con respecto a las bases canonicas c, c0 de Kn y K, las cuales son los renglones de la inversa
de la matriz Q, es decir
0
[f1 ]cc
.
1
.. = Q .
0
[fn ]cc
0
Recuerde que [fi ]cc M1n (K) se puede ver como un vector renglon.
154
4. TRANSFORMACIONES LINEALES
Demostracion:
Procediendo de manera similar que en el ejercicio anterior, con0
y los vectores vi como vectores
siderando a las matrices [fi ]cc como vectores renglon
columnas; tenemos los siguientes sistemas de ecuaciones
0
[f1 ]cc v1 = 1
[f2 ]cc v1 = 0
[fn ]cc v1 = 0
0
0
0
[f1 ]cc v2 = 0
[f2 ]cc v2 = 1
[fn ]cc v2 = 0
,
,...,
;
..
..
..
.
.
.
0
0
0
[f1 ]cc vn = 0
[f2 ]cc vn = 0
[fn ]cc vn = 1
es decir,
[f1 ]cc
0
[f2 ]cc
..
.
0
[fn ]cc
es decir,
(v1 | | vn ) =
[f1 ]cc
0
[f2 ]cc
..
.
0
[fn ]cc
1
0
..
.
0
1
.. . .
.
.
0 0
0
0
..
.
= Idnn
= (v1 | | vn )1 = Q1 .
Kn K
c
c0 ,
Kn
[fi ]cc
c (v) = [v]c ,
c0 (w) = [w]c0 = w.
De aqu que
0
[fi ]cc vj = ij
lo cual, en forma matricial, se tiene
[f1 ]cc
0
[f2 ]cc
(v1 | | vn ) =
..
.
c0
[fn ]c
1
0
..
.
0
1
.. . .
.
.
0 0
0
0
..
.
1
155
3
1
0
en R3 .
Solucion:
Por el teorema anterior, basta calcular la inversa de la matriz
1 1 0
Q = 2 1 1 .
3 1 0
donde se tiene que su inversa es la matriz
1
2 0 12
3 0 1 .
2
2
12 1 12
De aqu que la base dual esta dada por las siguientes funcionales lineales
1
1
f1 (x, y, z) = x + z,
2
2
3
1
f2 (x, y, z) =
x z,
2
2
1
1
f3 (x, y, z) = x + y z;
2
2
las cuales efectivamente satisfacen las propiedades de ser una base dual para c.
Una vez que sabemos como calcular la base dual de una base en Kn , podemos
finita:
calcular la base dual de cualquier espacio vectorial de dimension
Lema 4.5.4 Sean a, b = {v1 , . . . , vn } bases (ordenadas) para V, se tiene que a (b) es una
base para Kn (pues (v) = [v]a es un isomorfismo). Si {f1 , . . . , fn } es la base dual de a (b)
en Kn , entonces {f1 a , . . . , fn a } es la base dual de b.
fi b
(V, b)
K
a
c0 = IK
Kn
Demostracion:
Sea
fi
ij .
(fi a ) (vj ) = fi (a (vj ))
= ij ,
donde la ultima
igualdad es debido a que {f1 , . . . , fn } es la base dual de a (b) =
{a (v1 ) , . . . , a (vn )} en Kn .
156
4. TRANSFORMACIONES LINEALES
a {1 + x2 , 1 2x, 1 + x}
para alguna base adecuada a de P2 (R) , de preferencia que sea facil calcular
a ({1 + x2 , 1 2x, 1 + x}) , de aqu que nos conviene tomar a a como la base canonica
2
de P2 (R) , pues si a = {1, x, x } entonces
1
1
1
0 , 2 , 1 .
a {1 + x , 1 2x, 1 + x} =
0
0
1
Y para calcular su base dual, hay que calcular la inversa de la matriz
1 1 1
0 2 1
1 0 0
donde se obtiene la inversa
0
1
3
2
3
0
1
13 31
1
23
3
= f1 b = c,
f1 a a + bx + cx2
c
a
abc
2
b =
= f2
f2 a a + bx + cx
,
3
c
a
2a + b 2c
2
b =
= f3
f3 a a + bx + cx
,
3
c
157
Por ejemplo
101
(f2 a ) 1 + x2 =
= 0,
3
1 (2) 0
(f2 a ) (1 2x) =
= 1,
3
110
(f2 a ) (1 + x) =
= 0.
3
Es decir, f2 a satisface ser parte de la base dual, de manera similar se puede hacer
con los demas elementos de la base dual.
Teorema 4.5.5 Sean V y W dos K-espacios vectoriales de dimension n y m respectivamente,
y T : V W una transformacion lineal. Entonces la funcion
FT : W V
: f FT (f ) : V K
:
: v FT (f ) (v) := f (T (v))
lines una transformacion lineal, la cual es llamada la transpuesta de la transformacion
eal T. Ademas tiene la propiedad
de transformaciones lineales.
se tiene que FT (f ) V , pues esta es composicion
Veamos que FT es lineal: sean f, g W , y K, entonces
FT (g + h) (v)
: = (g + h) (T (v))
= g (T (v)) + (h) (T (v))
= (FT (g) + FT (h)) (v) ,
v V
es decir
FT (g + h) = FT (g) + FT (h) .
consideremos a = {v1 , . . . , vn } y b = {w1 , . . . , wm }
Para completar la demostracion,
0
con bases duales a = {f1 , . . . , fn } y b0 = {g1 , . . . , gm } respectivamente. Por el Teorema
158
4. TRANSFORMACIONES LINEALES
4.5.2 tenemos
FT (gj )
= gj T =
n
X
i=1
(gj T ) (vi ) fi ,
m
X
!
ki wk
k=1
m
X
ki gj (wk ) =
k=1
m
X
ki jk
k=1
= ji ,
FT (gj ) =
n
X
ji fi
i=1
es decir,
j1
y dado que las columnas de la matriz [FT ]ab son [FT (gj )]a0 , tenemos que
11 m1
.. = [T ]b t .
..
[FT ]ab = ...
.
.
a
jn mn
a
a + 2b
Sean a,b las bases canonicas de P1 (R) y R2 respectivamente. Calcule [FT ]ab .
Solucion:
Para esto, por el Teorema anterior, basta calcular [T ]ba , y dado que las
columnas de [T ]ba son [T (ei )]b , tenemos
1
1
0
0
,
T (e1 ) : = T (1) =
= 1 e1 + 1 e2 = [T (e1 )]b =
1
1
0
0
0
0
T (e2 ) : = T (x) =
= 0 e1 + 2 e2 = [T (e2 )]b =
;
2
2
1 0
1 1
b
a
[T ]a =
, [FT ]b =
.
1 2
0 2
159
= {f1 , f2 }, b =
a
b
[FT ]
a b
c d
se tiene que
FT (g1 ) = af1 + bf2 = (g1 T ) (1) = FT (g1 ) (1) = af1 (1) + bf2 (1) = a,
: pero (g1 T ) (1) = g1 (T (1)) = g1 (1) = 1, a = 1.
De manera similar se calculan b, c y d.
El siguiente resultado nos dice que existe un isomorfismo natural entre los espacios V y (V ) := V independientemente de una base para V o V siempre
finita. Primero demos una funcion
natural estre estos
que estos sean de dimension
finita) y despues probemos que es un
espacios (no importa si V es de dimension
finita:
isomorfismo si V es de dimension
R : V V
: v R (v) : V K
:
: f R (v) (f ) := f (v) .
el lineal. As, para probar que esta funcion
es un isomorEs claro que esta funcion
finita, y esto lo tenfismo bastara ver cuando que es inyectiva si V es de dimension
Corolario 4.5.7 Sea V un espacio vectorial de dimension finita con espacio dual V . Entonces cualquier base ordenada de V es la base dual de una base de V.
160
4. TRANSFORMACIONES LINEALES
Demostracion:
nSea a0 = {f1o, . . . , fn } una base para V , y por el Teorema 4.5.2 se
tiene una base a00 = fb1 , . . . , fbn para V , y por el Teorema anterior se tiene una base
a
Ejercicios 4.5
5.1 Para cada uno de los espacios V y bases a dadas, calcule su base dual.
a) V = R3 , a = {(1, 0, 0) , (1, 2, 1) , (0, 0, 1)} .
b) V = P2 (R) , a = {1, x, x2 } .
5.2 Sea V = R3 , y definamos {f1 , f2 , f3 } V como sigue:
f1 (x, y, z) = x 2y,
f1 (x, y, z) = x + y + z,
f3 (x, y, z) = y 3z.
Pruebe que {f1 , f2 , f3 } es una base para V , y encuentre una base para V para
el cual, su base dual es {f1 , f2 , f3 } .
5.3 Sea V = P1 (R) , y definamos
f1 , f 2 : V R
Z 1
f1 (v) : =
p (t) dt,
0
Z 2
f2 (p) : =
p (t) dt.
0
Pruebe que {f1 , f2 } es una base para P1 (R) y calcule la base de V para el cual
su base dual sea {f1 , f2 } .
161
de R2 y
b) Calcule [FT ]c0 , donde c es la base canonica
dual, calculando escalares a, b, c y d tales que
FT (f1 ) = af1 + bf2 ,
c0
= {f1 , f2 } su base
n
X
ai pi (x) .
i=0
de Lagrange:
d) Deduzca la formula
de interpolacion
p (x) =
n
X
p (ci ) pi (x)
i=0
para cada p V.
e) Pruebe que
p (t) dt =
a
n
X
p (ci ) di ,
i=0
donde
di =
pi (t) dt.
a