NUCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL:

DEFINICION: Sea T : E F una transformacin lnea. La imagen de T,

escrito Im T, es el conjunto de las imgenes de los puntos de E en F.

T ={ u F :T ( v ) =u para algn v E }

El ncleo de T, escrito como Ker T , es el conjunto de elementos de E que se

aplican en 0F

Ker T = { v E :T ( v )=0 }

Teorema:
Sea T : E F una aplicacin o transformacin lineal. Entonces la imagen
de T es un sub espacio de F y el ncleo de T es un sub espacio de E.

Ejemplo:
2 3
Sea T: R R , la aplicacin proyeccin en el plano xy: T(x,y,z)=(x;y;0).
Claramente la imagen de T es el plano xy

imT= { ( a , b , 0 ) :a , b R }

podemos observar que el nucleo de T es el eje z

ker T= { ( 0,0, c ) : c R }

Ejemplo 2:

Hallar el ncleo e imagen o recorrido de la Transformacin Lineal

T : R3 R2 , definida por T ( x 1 ; x 2 ; x 3 ) =( x 12 x 2 ; x2 +3 x 3 )

Debemos hallar todos los vectores ( x 1 ; x 2 ; x 3 ) tal que

T ( x 1 ; x 2 ; x 3 ) =( x 12 x 2 ; x2 +3 x 3 )
sea el vector 0

Podemos observar que nos encontramos ante los siguientes sistemas de

ecuaciones:

x 12 x 2=0

x 2+3 x 3=0
Formamos una matriz aumentada:

[
A= 1 2 0 0
0 1 3 0 ]
Multipliquemos entonces 2da fila por 2 y summoslo a la 1ra fila

[ 0 1 3 0 ][
0 (2 )+1 1 ( 2 ) + (2 ) 3 ( 2 ) +0 0 = 1 0 6 0
0 1 3 0 ]
x1 ; x2 ; x3
Observar que a cada columna corresponde a las incgnitas

x1; x2 x3
Ahora formemos ecuaciones con en funcin de

x 1+6 x 3=0 (1)

x 2+3 x 3=0 (2)

x 3=t=> ( 1 ) x1 =6 t ( 2 ) x 2=3 t
Sea

La solucin del sistema ( x 1 ; x 2 ; x 3 )= (6 t ;3 t ; t ) para cualquier escalar

tK

El ncleo de T el subespacio unidimensional (una dimensin R) en R3

generado t (6 ;3; 1 )

= el ncleo del vector es (6 ;3; 1 )

La imagen o recorrido de la transformacin lineal es:

[ ][
x1

x3
x 2 x 2
T = x2 = 1
x 2+3 x 3 0] () ( ) ()
=x 1 1 + x 2 2 + x 3 0
1 3

La imagen de T es el espacio columna de la matriz formada por los vectores:

(10) ;(21); (03)= A [10 2 0

1 3 ]
Como las dos primeras columnas de la matriz A son independientes,
 ()( )
=la ( T )=R2 , 1 ; 2
0 1
 REPRESENTACION MATRICIAL DE UNA TRANSFORMACION LINEAL

Cualquier Transformacin lineal entre espacios vectoriales de dimensin finita

se puede representar por medio de una matriz.

TEOREMA:
n m
Sea T :R R una transformacin lineal. Entonces existe una matriz nica
m n ; tal que:

A T (x) =T ( x ) , para todo x Rn

REPRESENTACIN MATRICIAL CANNICA:

n m
W = { w 1 ; w 2 ; w 3 ; ; wn }
Sea T : R R una transformacin lineal y sea

Rn . La matriz A T de m n T ( wj)
base cannica para con como
jesimo vector columna es la representacin matricial cannica de T; la

notacin jesimo lo utilizaremos para denotar un determinado nmero finito

de vectores: 2; 3 ; ; n vectores.

AT
Si es la representacin matricial cannica de una transformacin lineal

T : Rn R m , entonces la matriz cannica es: A T (x) =T ( x )

para todo vector
columna.

Ejemplo:

AT
Hallar la representacin matricial cannica para la transformacin lineal:

T : R4 R3 ; Transformacin que parte de un espacio tetradimensional (4

dimensiones) y llega otro espacio de tres dimensional, definida por:

T ( x 1 ; x 2 ; x 3 ; x 4 )= ( x1 2 x 2 +2 x 4 ; x 1 + x3 x 4 ; 4 x 12 x 2+3 x 3x 4 )

La base para formar la matriz es la cannica ( w 1 ; w 2 ; w3 ; w 4 ) ; donde

w 1=( 1; 0 ; 0 ; 0 )

w 2=( 0 ; 1; 0 ; 0 ) ; w3=( 0 ; 0 ; 1 ; 0 ) ; w 4=( 0 ; 0 ; 0 ; 1 )

Escribimos los vectores como vector columna,; siendo la matriz cannica de la
AT
Transformacin T; es la matriz de orden 3 4 ; cuyas columnas son:

()()()( )
1 0 0 0
0 1 0 0
; ; ;
0 0 1 0
0 0 0 1

() ()(
1 1

)()
12 ( 0 )+ 2(0) 1
0 0
En ; x =1; x 2=0 ; x 3=0 ; x 4 =0 ; T = 1+00 =1
0 1 0
4 ( 1 )2 ( 0 )+3 ( 0 )0 4
0 0

() ()(
0 0

)( )
02 ( 1 )+ 2(0) 2
1 1
En ; x1=0 ; x 2=1 ; x 3=0 ; x 4 =0 ; T = 0+ 00 = 0
0 0
4 ( 0 )2 (1 )+3 ( 0 )0 2
0 0

() ()(
0 0

) ()
02 ( 0 ) +2(0) 0
0 0
En ; x1=0 ; x 2=0 ; x 3=1; x 4 =0 ; T = 0+10 =1
1 1
4 ( 0 )2 ( 0 ) +3 ( 1 )0 3
0 0

() ()(
0 0

)( )
02 ( 0 ) +2(1) 2
0 0
En ; x =0 ; x 2=0 ; x 3=0 ; x 4=1 ; T = 0+01 = 1
0 1 0
4 ( 0 )2 ( 0 ) +3 ( 0 )1 1
1 1

Luego la matriz transformada es:

[ ]
1 2 0 2
A T = 1 0 1 1
4 2 3 1
 AT
REPRESENTACIONES MATRICIAL RESPECTO A LAS BASES
B y B'

Sean las bases ordenadas

B=( b 1 ; b 2 ; b 3 ; ; b n ) para R n y B' =( b ' 1 ; b ' 2 ; b ' 3 ; ; b ' n ) para R m

Sean T : Rn R m una transformacin lineal y sean B y B bases ordenadas

R n y Rm AT m n
por respectivamente. Sea la matriz de cuyo j-esimo
T (b j )
vector columna es vector ordenado columna respecto a la base B.

AT
Esta Matriz es la representacin matricial de T respecto a las bases B y
B
n
Tenemos para cada x de R

A T X B=T ( X )B ; donde XB y T ( X )B ; son vectores coordenados columna

para x respecto a B y B

Para determinar la representacin matricial de T : Rn R m respecto a las

bases ordenadas B y B:

a. Forma la matriz partida = [( b ' ; b ' ; b ' ; ; b

1 2 3
'
n / T ( b 1) ; T ( b2 ) ; T ( b 3 ) ; ; T ( bn ) ) ]
b. Usamos la reduccin de Gauss-Jordan para obtener la matriz partida
[ I A T ] ; donde I es la matriz identidad de orden m n y A T es la
representacin matricial deseada.

Ejemplo:

Sea T : R3 R3 la Transformacin lineal se define de la siguiente manera:

T ( x 1 ; x 2 ; x 3 ) =( 2 x1x 2 +2 x3 ; x 1+ x 2 ; 3 x 1x 2x 3 )

AT
Hallar la representacin matricial , respecto a las bases ordenadas B y B
donde:

B=( ( 1 ; 0 ; 0 ) , (1 ; 1 ; 1 ) , ( 1 ;1 ; 1 ) ) y B' ( (1 ; 1 ; 2 ) , ( 1 ; 2; 1 ) , ( 2; 1 ; 1 ) )
 b
Para formar la matriz partida, hallamos primero los T ( j) en la base B

[] []
1 1
Para T 0 => x1 =1; x 2=0 ; x 3=0 ; T 1 => x 1=1 ; x 2=1 ; x 3 =1
0 1

[]
1
T 1 => x 1=1; x 2=1 ; x3 =1
1

Apliquemos la Trasformacin lineal definida

T ( x 1 ; x 2 ; x 3 ) =( 2 x1x 2 +2 x3 ; x 1+ x 2 ; 3 x 1x 2x 3 )

[][ ] [] [] [ ][]
1 2 ( 1 )0+2(0) 2 1 2 ( 1 )1+2(1) 3
Tb 0 =
1
1+ 0 = 1 ;T b 1 = 1+1
2
=2
0 3 (1 ) 00 3 1 3 ( 1 )11 1

[ ][ ][]
1 2 (1 )+1+2(1) 5
T b 1 =
3
11 =0
1 3 ( 1 )+ 11 3
Debemos hallar el vector coordenado de uno, respecto a la base ordenada,
formando luego la matriz partida, con los vectores B en forma de columna.

[ ( b ' ; b ' ; b ' /T ( b ) ; T ( b ) ; T ( b ) )]

1 2 3 1 2 3

[ ]
1 1 2 2 3 5
1 2 1 1 2 0
2 1 1 3 1 3

Utilizando la reduccin de Gauss Jordan, tenemos:

La 1ra fila multiplicamos por -1 y sumada a la 2da fila

La 1ra fila multiplicamos por -2 y sumada a la 3ra fila

[ ]
1 1 2 2 3 5
1 1 + 1 1 1 +2 2 1 +1 2 1 +1 3 1 + 2 5 1 ) +0
( ) ( ) ( ) ( ) ( ) (
1 (2 )+ 2 1 (2 ) +1 2 (2 ) +1 2 (2 )+ 3 3 (2 )+ 1 5 (2 )+3

Desarrollando esta operacin, tenemos:

[ ]
1 1 2 2 3 5
0 1 1 1 1 5
0 1 3 1 5 7

Sumamos la 2da fila con la 3ra fila

[ ]
1 1 2 2 3 5
0 1 1 1 1 5
0+0 11 13 11 15 57

Operando:

[ ]
1 1 2 2 3 5
0 1 1 1 1 5
0 0 4 2 6 12

1
Multipliquemos la 3ra fila por 4
 [( ) ( ) ]
1 1 2 2 3 5
0 1 1 1 1 5
0
1
4
0
1
4
4 ( )
1
4
2( ) ( )
1
4
6
1
4
12 ( )
1
4

Desarrollando

[ ]
1 1 2 2 3 5
0 1 1 1 1 5
1 3
0 0 1 3
2 2

Multipliquemos la 2da fila por -1 y sumamos con la 1ra fila

[ ]
0 (1 ) +1 1 (1 )+1 1 (1 )+ 2 1 (1 ) +2 1 (1 ) +3 5 (1 ) +5
0 1 1 1 1 5
1 3
0 0 1 3
2 2

[ ]
1 0 3 3 4 10
0 1 1 1 1 5
1 3
0 0 1 3
2 2

(puntos suspensivos)

[ ]
3 1
1 0 0 1
2 2
1 1
0 1 0 2
2 2
1 3
0 0 1 3
2 2
 MATRIZ DE CAMBIO DE BASE

El cambio de base consiste en conocidas las coordenadas de un vector

respecto a una base B, encontrar las coordenadas de dicho vector con
respecto a otra base B.

B=( b 1 ; b 2 ; b 3 ; ; b n ) y B'=( b' 1 ; b' 2 ; b ' 3 ; ; b' n )

TEOREMA: Sean bases
ordenadas de un espacio vectorial V. La matriz C de cambio de base respecto
a las base B, B , que satisfacen la ecuacin:

CVB =V B '

Se halla la matriz cambio de base reduciendo la matriz aumentada:

[ b '1 ; b '2 ; b '3 ; ; b 'n / b 1 ; b 2 ; b3 ; ; b n ] a [ I /C ] , los elementos de B, se convierten

a matriz identidad, y los elementos de B as{i convertidos forman la matriz C de
cambio de base.

Esta matriz C es invertible y su inversa es la matriz cambio de base respecto a

B, B.
AUTOVALORES Y AUTOVECTORES PROPIOS DIAGONALIZACIN DE UNA
MATRIZ

DEFINICION DE VALOR PROPIO:

Sea A una matriz de orden n n , matriz cuadrada. Supongamos que c es

n
un vector distinto de cero en R y un nmero (puede ser cero), tal que:

A x=x

Ax es un mltiplo escalar de x. Entonces x se llama un vector propio de

A y es un valor propio de A

Los valores propios y los vectores propios solo estn definidos para matrices
cuadradas. El valor propio es un nmero y el valor propio es un vector.

Ejemplo:

Suponemos que la matriz A= [ 1 2

0 3 ] , entonces []
v=
1
2 es un vector

propio que correspondiente al valor propio 3 y que cumple la siguiente

igualdad:

[ 0 3 2
=][ ] [
1 2 1 1+ 4
0+6
3 1
= =3 =3 v
6 2 ] [] []
A los valores propios se le denominan tambin eigenvalores, donde eigen es
una palabra alemn y significa propio.

Tambin w= []
1
0 es un vector propio correspondiente al valor propio 1 ,

ya que:

[ 0 3 0 ][ ] [
0+0 0 ][ ] []
1 2 1 = 1+ 0 = 1 =1 1 =3 v
0

Supongamos que deseamos encontrar todos los valores propios de una matriz
cuadrada de orden n n . Sabemos que:
A x=x
A esta ecuacin la multiplicamos por la matriz identidad del mismo orden
n n ; en ambos lados encontraremos un polinomio en

Ax= x

AIx =Ix=> AI = A

A x= /x

0=Ix A x por la propiedad simtrica de la igualada, tenemos.

Ix Ax=0 factorizando x

( I A ) x =0

es un valor propio de la matriz A<----> ( I A ) x=0 tiene una solucin no

trivial

( I A ) x es singular (determinante igual a cero)<---->det ( I A ) =0