En lgebra abstracta, un espacio vectorial es una estructura
algebraica creada a partir de un conjunto no vaco, una operacin interna(llamada suma, definida para los elementos del conjunto) y una operacin externa (llamada producto por un escalar, definida entre dicho conjunto y otro conjunto, con estructura de cuerpo ), con 8 propiedades fundamentales ! los elementos de un espacio vectorial se les llama vectores y a los elementos del cuerpo, escalares 4.1 Definicion de espacio vectorial. "n espacio vectorial es un espacio de numerosos vectores diseminadas en todas las direcciones en las dos operaciones bsicas #ue es la adicin y multiplicacin escalar, #ue puede reali$arse con el cumplimiento de las siguientes propiedades% &onsidere un espacio vectorial ' formado por los vectores x, y, $, a continuacin, tenemos las siguientes propiedades como verdaderas% (ropiedades de la suma ) (ropiedad de operacin interna% *i el vector x es parte del espacio vectorial y el vector y es parte del espacio vectorial, y el vector resultante de la suma de estos dos vectores, el cual es el vector x + y es tambi,n una parte del espacio vectorial mismo - (ropiedad conmutativa% *i el vector x es parte del espacio vectorial, el vector y es parte del espacio vectorial, y tenemos un vector resultante de la suma de estos dos vectores, entonces el vector x + y es igual al vector y + x . (ropiedad asociativa% *i el vector x es parte del espacio vectorial, el vector y es parte del espacio vectorial y el vector $ es parte del espacio vectorial, y tenemos un vector resultante de la adicin de estos tres vectores entonces el vector x + (y + $) es igual al vector (x + y) + $ / 0dentidad aditiva% todo espacio vectorial contiene un vector nulo #ue es un vector cero, lo #ue se denomina como la identidad aditiva, de tal manera #ue su suma con cual#uiera de los vectores en el espacio vectorial, no cambia el vector real, #ue es 1 + x 2 x 3 0nverso aditivo% (ara todos los vectores de un espacio vectorial determinado, existe un vector inversa disponible en el mismo espacio de tal manera #ue la suma de los dos vectores nos da un vector cero, en consecuencia si tenemos un vector x en el espacio vectorial entonces debemos tambi,n tener un vector 4x del mismo vector en el espacio (ropiedades escalares de la multiplicacin% "na multiplicacin escalar es a#uella en la #ue se multiplica un vector con cual#uier cantidad escalar, #ue consiste en multiplicar la cantidad #ue contiene una direccin con una cantidad sin direccin ) (ropiedad de operacin interna% *i tenemos un vector x en un espacio vectorial dado y un n5mero real, entonces decimos #ue el vector resultante de la multiplicacin escalar de estas dos cantidades, debe existir tambi,n dentro del mismo espacio vectorial - (ropiedad distributiva% *i se tiene los vectores x y y en un espacio vectorial ' y un n5mero real, entonces la operacin de a (x + y) es e#uivalente a ax + ay . (ropiedad distributiva% *i hay un vector x en un espacio vectorial ' y un n5mero real a y b, la operacin (a + b) x es e#uivalente a ax + bx / (ropiedad asociativa% *i hay un vector x en un espacio vectorial ' dado y un n5mero real a y b, entonces la operacin a (bx) es e#uivalente a (ab) x 3 (ropiedad unitaria% 6a multiplicacin de cada vector en un espacio vectorial dado con una cantidad de unidas escalar dar como resultado al vector actual 4.2 Definicion de subespacio vectorial y sus propiedades. 7efinicin del subespacio y sus propiedades *ea ' un espacio vectorial arbitrario sobre un campo 8 "n subconjunto no vaco 9 de ' es llamado subespacio lineal de ', o simplemente un subespacio, siempre #ue se cumplan dos condiciones% (i) a + b - 9 siempre a, b - 9, y (ii) ra - 9 siempre #ue r - 8 Est claro #ue todo subespacio de un espacio vectorial contiene el vector cero, 1 7e hecho, :1; es un subespacio propio, llamado subespacio trivial &onsideremos, por ejemplo, una ecuacin lineal a, b, c, d - 8 *i d <2 1, entonces su conjunto de soluciones no puede ser un sub4espacio de 8. ya #ue x 2 y 2 $ 2 1 no ser una solucin, y por lo tanto los conjunto de soluciones no contienen 1 2 (1, 1, 1)= (or otro lado, como se se>ala a continuacin, el conjunto solucin de un sistema arbitrario homog,neo ax + by + c$ 2 1 es un subespacio de 8. "n subespacio 9 de ' es un espacio vectorial sobre 8 por derecho propio *abemos por supuesto #ue 9 es un subconjunto no vaco de ', el cual es cerrado bajo la suma y la multiplicacin escalar (ero entonces 9 contiene 1, ya #ue 19 2 1 para cual#uier ? - 9, y cada elemento ? de 9 tiene su inverso aditivo 4? en 9, ya #ue 4? 2 (@)) ? (ero el resto de los axiomas de espacio vectorial estn en 9, puesto #ue ya lo estn en ' (or lo tanto, mantienen todos los axiomas del espacio vectorial en 9 "n hecho muy interesante sobre el espacio vectorial es #ue para cada espacio vectorial tenemos en realidad dos subespacios "no de ellos es el espacio vectorial propio, mientras #ue el otro es el subespacio cero, es decir, 9 2 :1; 'eamos un ejemplo de subespacio &alcula si el conjunto de entrada viene siendo el subespacio del espacio vectorial dado =enemos ? como un conjunto de puntos de A- donde el valor de cada elemento del conjunto debe ser mayor #ue cero B*e est formando un subespacio de A-C (ara probar esto simplemente tenemos #ue confirmar si el conjunto de entrada se ajusta a la propiedad de cierre de la multiplicacin y suma escalares =omando la primera propiedad de clausura bajo la adicin (xD)D, yD)D) + (xD-D, yD-D) 2 (xD)D + xD-D, yD)D + yD-D) !hora, ya se ha dicho #ue el valor de cada elemento en el conjunto es mayor #ue cero (or lo tanto, tenemos xD)D y xD-D es mayor #ue cero, esto significa #ue su suma tambi,n debe ser mayor #ue cero *imilar es el caso de yD)D y yD-D Esto significa #ue la propiedad de clausura bajo la adicin es cierta =omando la segunda propiedad de la multiplicacin escalar, (ara demostrar esta propiedad tomamos una cantidad escalar negativa c Entonces su multiplicacin con cual#uier elemento del conjunto ser, c(x, y) 2 (cx, cy) &omo el valor de c es negativo su multiplicacin con cual#uier cantidad positiva produce un t,rmino negativo En consecuencia, la propiedad de cierre de la multiplicacin escalar no es verdadera lo cual significa #ue no forma parte del espacio vectorial dado 4.3 Combinacion lineal. Independencia lineal. En las Eatemticas generales, el t,rmino combinacin lineal se refiere a una expresin desarrollada a partir de un conjunto de t,rminos especficos, despu,s de la multiplicacin de cada t,rmino del conjunto por una constante en particular, y posteriormente mediante la suma del resultado 6a forma bsica de la combinacin lineal es ax + by !#u tanto a como b son t,rminos constantes particulares 6a &ombinacin 6ineal constituye el concepto bsico del lgebra lineal Entendamos la definicin de una manera ms precisa &onsidere el campo F y el espacio vectorial ', #ue est sobre F *uponga #ue v) G vn son vectores juntos con a)Gan los cuales son escalares (or lo tanto, la combinacin lineal de los vectores es% (odra darse el caso #ue uno se confunda con el significado bsico de H&ombinacin linealI, es decir, si la &ombinacin 6ineal es un valor o una expresin (uede verse #ue en la mayora bsicamente el concepto se refiere a un valor, aun#ue de ve$ en cuando se trata como una expresin Jtro concepto importante #ue est ms o menos relacionado con la &ombinacin 6ineal es la 0ndependencia 6ineal "na familia de vectores se dice #ue es linealmente independiente cuando ninguno de ellos puede ser escrito con t,rminos de combinacin lineal dentro de la variedad de los vectores del conjunto 6a definicin ms formal y precisa de la 0ndependencia 6ineal supone #ue ' denota un espacio vectorial no necesariamente de dimensin finita en un campo arbitrario 8 !ntes de definir la nocin de la dimensin ', primero debemos introducir algunas nociones preliminares, a partir de la 0ndependencia 6ineal 7e manera informal situamos #ue, un conjunto de vectores son linealmente independientes si ninguno de ellos puede expresarse como una &ombinacin 6ineal de los otros En otras palabras, dos vectores son linealmente independientes cuando no se encuentran en la misma lnea a trav,s del origen y tres vectores son independientes cuando no se encuentran en el mismo plano a trav,s del origen 'eamos una definicin ms profunda de este concepto *i ?) ?K estn en ' 7ecimos #ue ?) ?K son linealmente independientes (simple o independiente) si y solo si la combinacin a)?) + a-?- + L L L + aK?K 2 1, con a), a-, , aK 8 es una combinacin trivial a) 2 a- 2 L L L 2 aK 2 1 *i la ecuacin a)?) + a-?- + L L L + aK?K 2 1 tiene una solucin en la #ue algunos ai 1, decimos #ue ?) , son linealmente independientes (simple o independiente) =ambi,n diremos #ue un subconjunto finito * de ' es independiente si los vectores contenidos en * son independientes (or ejemplo% *upongamos #ue #ueremos saber #ue si los vectores (), )) y (@., -) son linealmente independientes o no &omencemos esta prueba simple% &onsidere #ue M) y M- to son dos n5meros reales #ue satisfacen (), )) M) + (@., -) M- 2 (1, 1) *implificando las coordenadas individualmente, obtenemos M) N . M- 2 1 M) + - M- 2 1 !l resolverlo, obtenemos M) 2 1 y M- 2 1 4.4 Base y dimension de un espacio vectorial, cambio de base. 6a base de un espacio vectorial es un subconjunto de un espacio vectorial #ue se extiende sobre un espacio vectorial determinado y es linealmente independiente en el mismo Esto es, si tenemos un espacio vectorial ' y tenemos * como un subconjunto de este espacio vectorial, el cual consiste de n vectores de la forma vD)D, vD-D, vD.D G vDnD entonces podemos definir #ue este subconjunto es la base del espacio vectorial dado, si cumple las dos condiciones siguientes% ) Este subconjunto se extiende a trav,s del espacio vectorial dado - * es subconjunto de ' conteniendo los vectores de ', los cuales son linealmente independientes &on la ayuda de una ecuacin lineal podemos representar tal conjunto como, !#u v es un vector #ue yace en el espacio vectorial dado y los vectores n representados como v4)D, vD-D, vD.D G vDnD forman parte de la base del espacio vectorial dado Existen numerosos ejemplos de la base de un espacio vectorial 0magina tres dimensiones las cuales constan de dos vectores 0magina #ue estos vectores no son planos El plano definido con la ayuda de estos dos vectores slo formar una base para los espacios tridimensionales actuales Esto es por#ue si definimos una combinacin lineal con la ayuda de estos dos vectores, entonces este se encontrara definitivamente dentro el plano mismo e inversamente tambi,n es posible expresar un vector dentro del plano como una combinacin lineal de ambos !hora extendamos esta definicin para formar la base de la definicin de la dimensin del espacio vectorial 0maginemos #ue tenemos un espacio vectorial ' y sea * la base de este espacio vectorial !hora colo#uemos un n5mero limitado de vectores en la base de espacio vectorial *, entonces definiramos este espacio vectorial dado como un espacio vectorial de dimensin finita y la dimensin real se obtendra mediante calcular el n5mero total de vectores en la base de ese espacio vectorial En caso de #ue tengamos un n5mero infinito de vectores en la base del espacio vectorial dado, entonces llamaremos al espacio vectorial un espacio vectorial de dimensin infinita, y la dimensin de tal espacio vectorial es y la dimensin de un espacio vectorial nulo es el valor 1 (uede haber ms de una base para un espacio vectorial dado Esto significara #ue es posible definir los vectores dentro de un espacio vectorial dado como la sumatoria de los vectores de ambas bases *ea ' un espacio vectorial y * la base de este espacio vectorial !hora definamos todos los vectores v ' en t,rminos de los elementos finitos de esta base 7efinamos ahora otra base para este espacio vectorial !hora bien, si intentamos redefinir los elementos del espacio vectorial como una sumatoria de los elementos del segundo vector, llamamos a este proceso cambio de base Este proceso puede ser considerado como una funcin identidad sobre los elementos del espacio vectorial 4. Espacio vectorial con producto interno y sus propiedades. *iempre #ue se utili$a el t,rmino HespacioI en un contexto matemtico, se refiere a un espacio vectorial, es decir, real o n4 espacio complejo, el espacio de funciones continuas en la recta, el espacio de operadores lineales adjuntos y as sucesivamente (or lo tanto, es un hecho innegable, #ue este tema tiene su propia importancia en el campo de las matemticas 8ijaremos el espacio vectorial de una manera ms amplia, con una definicin #ue contiene todos los conceptos relacionados *ea 8 un campo y ' un conjunto *upongamos #ue hay una operacin binaria sobre ' llamada adicin, la cual asigna a cada par de elementos a y b de ' una suma 5nica a + b ' 0magina tambi,n, #ue hay una segunda operacin, llamada multiplicacin escalar, #ue asigna a cual#uier r 8 y a cual#uier - ', un m5ltiplo escalar 5nico ra ' *upongamos #ue tanto la suma como la multiplicacin escalar satisfacen los siguientes axiomas% ()) 6a suma de los vectores es conmutativa Es decir, a + b 2 b + a para todo a, b ' (-) 6a suma de los vectores es asociativa Es decir, (a + b) + c 2 a + (b + c) para todo a, b, c ' (.) Existe una identidad aditiva 1 ' de manera #ue 1 + a 2 a para todos los a ' (/) (ara todo a ', )a 2 a, donde ) es la identidad multiplicativa de 8 (3) (or cada elemento v de ', hay un elemento 4v tal #ue v + (4 v) 2 1 7e este modo 4v es un inverso aditivo de v (<) 6a multiplicacin escalar es asociativa *i r, s 8 y a ', entonces (rs)a 2 r(sa) (O) 6a multiplicacin escalar es distributiva *i r, s 8 y a, b ', entonces r(a + b) 2 ra + rb, and (r + s)a 2 ra + sa Entonces ' es un espacio vectorial sobre 8 &on el tiempo te dars cuenta de #ue todas las condiciones anteriores son necesarias !l igual #ue en los campos, la identidad aditiva 1 es 5nica, y los inversos aditivos son 5nicos% cada vector tiene su inverso 6lamemos a 1, el vector cero En un espacio vectorial, slo puede haber un vector cero (or otra parte, el inverso aditivo de un vector es siempre 5nico 4.! Base ortonormal, proceso de ortonormali"acion de #ram $c%midt. 6a base es el subconjunto de alg5n espacio vectorial, tal #ue este es linealmente independiente y se extiende sobre todos los elementos de ese espacio vectorial 6a base ortonormal es un tipo especial de base, la cual es un subconjunto de un tipo especial de espacio vectorial el cual es el producto escalar del espacio vectorial !ntes de ahondar en el tema, primero aclararemos nuestro concepto sobre un conjunto ortonormal *ea un ' producto escalar de un espacio vectorial, si cada vector par discreto dentro de ese espacio vectorial es ortogonal, entonces podemos definir el espacio vectorial como un conjunto ortogonal !dems, ampliando esta definicin, en un conjunto ortogonal si tenemos cada vector con una norma igual a uno, entonces este es definido como conjunto ortonormal *ea ' producto escalar de un espacio vectorial, y tenemos a * como base de ese espacio vectorial dado, entonces, si * es un conjunto ortogonal, entonces lo llamamos una base ortogonal y si * es un conjunto ortonormal entonces lo denominamos una base ortonormal 8ormalmente hablando, una base * del producto escalar de un espacio vectorial ' #ue contiene vectores de la forma vD)D, vD-D, vD.D G vDnD se define como una base ortonormal si satisface la condicin PvDiD vDjDQ 2 1 donde i no debe ser igual a j !#u RS es el producto escalar del espacio vectorial dado *in embargo no es indispensable #ue una base ya determinada est, en forma ortogonal (odemos, si es necesario, transformar la base a la forma ortonormal El procedimiento para hacerlo se llama proceso de ortonormali$acin de Tram *chmidt 6a entrada del procedimiento es generalmente una base finita y la salida es una base ortonormal definida en alg5n perodo arbitrario El teorema establece H (ara un conjunto K de elementos, el cual es lineal e independiente, es posible construir un conjunto ortonormal, y el conjunto resultante es la agrupacin lineal del conjunto de entrada y se extiende sobre el mismo espacio vectorialI Es esencial #ue la base est, ordenada para #ue sea una base ortonormal *ea ' un producto escalar de un espacio vectorial, y si tenemos a * como la base del espacio vectorial dado #ue contiene los elementos de la forma vD)D, vD-D, vD.D G vDnD !hora, #ue tenemos otra base *S, #ue contiene los elementos de la forma ?D)D, ?D-D, ?D.D G ?DnD !#u vD)D 2 ?DD)D, entonces, =ambi,n podemos afirmar lo definido de una manera inversa diciendo #ue si * es un subconjunto ortonormal de ' #ue consiste en vectores no cero, entonces podemos decir #ue * es linealmente independiente *i tenemos * como base ortonormal para cual#uier producto escalar de un espacio vectorial, entonces por cada elemento en el espacio vectorial dado tenemos, !#u x es un vector en el espacio vectorial dado y los coeficientes Ux, vDiDV son llamados coeficientes de 8ourier "n punto digno de mencin es #ue todos los productos de los espacios vectoriales #ue tienen tama>o finito, tienen esencialmente una base ortonormal Unidad &ransformaciones lineales. 7esde el punto de vista de la algebra lineal, las transformaciones ms importantes son a#uellas #ue conservan las combinaciones lineales Estas tambi,n son llamadas como transformaciones lineales o mapeos lineales =ransformacin lineal es una parte esencial en la lgebra lineal =ransformaciones lineales entre dos espacios vectoriales " y ' relaciona el mapeo =% " W ' #ue satisface estas condiciones% )) = (") + "-) 2 = (")) + = ("-), donde ") y "- son vectores en " -) = (!u) 2 ! = (u), donde ! es cual#uier cifra escalar 6a primera condicin se conoce como la aditividad mientras #ue la segunda se conoce como homogeneidad (uede ser definido como una funcin entre dos espacios vectoriales, la cual conserva operaciones de multiplicacin escalar y suma 7e acuerdo con la lgebra abstracta, son homomorfismo de espacios vectoriales =oda transformacin #ue conserva combinaciones lineales es una transformacin lineal Jtra propiedad evidente es #ue cual#uier transformacin lineal mapas 1 a 1% = (1) 2 1 Este sigue, por ejemplo, el hecho de #ue = (x) 2 = (x + 1) 2 = (x) + = (1) (ara alguna x - ', la cual slo puede ocurrir si = (1) 2 1 Aepresentar una transformacin lineal en t,rminos de una matri$ es una manera ingeniosa, ya #ue permitir clculos concretos en naturale$a En otras palabras, se puede decir #ue una matri$ puede dar el modelo bsico de estas transformaciones (or ejemplo, si X es una matri$ de m4by4n, en ese caso, la regla= (!u) 2 ! = (u) representa la transformacin An W Am 6a transformacin 0d% ' W ' definida por 0d(x) 2 x se llama transformacin de la identidad Esta transformacin es claramente lineal (ropiedades generales de transformaciones lineales *uponga #ue ' es un espacio vectorial dimensional finito sobre 8, y 9 es otro espacio vectorial (no necesariamente de dimensin finita) sobre 8 7ado una base de ', existe una transformacin lineal 5nica =% ' W 9 tomando cual#uier valor #ue deseamos en la base dada de ', y, adems, sus valores sobre la base de ' determinan unicamente la transformacin lineal !dems, sea ' y 9 espacios vectoriales sobre 8 Entonces, cada transformacin lineal =% ' W 9 es determinado 5nicamente por sus valores sobre una base de ' (or otra parte, si v) vn es una base de ' y ?), ,?n sonvectores arbitrarios en 9, entonces existe una transformacin lineal 5nica =% ' W 9 tal #ue = (vi) 2 ?i para cada i En otras palabras, hay una transformacin lineal 5nica con los valores dados en una base Jtra propiedad de transformacin lineal establece #ue si ' y 9 son espacios vectoriales sobre 8, entonces cual#uier combinacin lineal de transformaciones lineales con dominio ' y objetivo 9 tambi,n es lineal !s, el conjunto 6 (', 9) de todas las transformaciones lineales =% ' W 9 es un espacio vectorial sobre 8 (ara concluir, hay dos espacios fundamentales asociados con una transformacin lineal% su n5cleo Ker (=) y su imagen im (=) El n5cleo y la imagen de una transformacin lineal = corresponden con el espacio nulo y espacio de la columna de cual#uier matri$ #ue representa = .1 Introduccion a las transformaciones lineales. 6a transformacin lineal es una funcin utili$ada para la asignacin de un espacio vectorial a otro espacio vectorial con la ayuda de los escalares, la cual satisface la expresin f(aYx+bYy) 2aYf(x)+bYf(y) En otras palabras, se consideran - espacios vectoriales, ' y 9 "na transformacin lineal es una grfica =% 'W 9 #ue satisface dos condiciones% )) = (v) + v-) 2 = (v)) + = (v-) donde v) y v- son vectores en ' -) = (x') 2 x = (v) donde x es una escala "na transformacin lineal puede ser sobreyectiva o inyectiva En el caso #ue, 9 y ' tengan dimensiones id,nticas, entonces = puede llegar a ser invertible, esto es, se encuentra =4) el cual satisface la condicin ==4) 2 0 !simismo, = (1) ser siempre 1 6a teora de la matri$ entra en la teora de las transformaciones lineales por#ue es posible representar cada transformacin lineal como matri$ 6a multiplicacin de matrices puede considerarse como el ejemplo principal #ue puede demostrar el concepto de transformacin lineal "na matri$ ! de dimensin n x m define #ue = (v) 2 !v y a#u v es representado como un vector columna 'eamos un ejemplo% !#u, la transformacin lineal t es definida como = (x, y) 2 (y, @-x + -y, x) En el caso #ue, ' y 9 sean de dimensin finita, la transformacin lineal est mejor representada con la multiplicacin de matrices en lugar de estableciendo la base del espacio vectorial, tanto para 9 y ' En el caso #ue, 9 y ' incluyan un producto escalar y tambi,n los espacios vectoriales correspondientes y #ue 9 y ' sean ortonormales, ser simple representar la matri$ correspondiente como Eientras #ue ? y v son de dimensin infinita, la transformacin lineal puede ser continua (or ejemplo, considera #ue un espacio polinmico de ) variable sea v y = una derivada Entonces, = (xn) 2 nxn4), una no continua como xnZn 2 1 mientras #ue = (xn)Zn no converge El resultado de la suma de - o ms transformaciones lineales, la multiplicacin de una transformacin lineal por n5mero particular, y la multiplicacin de - transformaciones lineales, son siempre transformaciones lineales "na transformacin lineal en la cual su identidad es descrita en el espacio euclidiano siempre es auto4adjunta en el caso de #ue la matri$ ! correspondiente sea sim,trica en cual#uier base ortonormal "na transformacin lineal #ue es auto4adjunta y se describa en una dimensin finita unitaria, el espacio (euclidiano) contiene una base ortonormal en la cual su matri$ lleva una forma diagonal Existen dos espacios fundamentales #ue estn asociados a una transformacin lineal% su Kernel Ker(=) y su imagen im(=) El Kernel y la imagen de una transformacin lineal = corresponden con el espacio nulo y el espacio de la columna de cual#uier matri$ #ue represente a = En un sistema lineal, el n5mero de variables es igual al n5mero de variables libres ms el n5mero de variables angulares, #uedando una transformacin lineal final =% 'W 9 en la identidad dim ' 2 dim Ker(=) dim im(=) *i dim Ker(=) 2 1 y dim im(=) 2 dim9, entonces t esta sobre y uno a uno En este caso, esto se denomina un isomorfismo .2 'ucleo e ima(en de una transformacion lineal. algunas propiedades bsicas de las transformaciones lineales &eorema 1. *ea =% ' 9 una transformacin lineal Entonces para todos los vectores u, v, v ) , v - ,Gv n en ' y todos los escalares [ota en la parte i el 1 de la i$#uierda es el vector cero en v\ mientras #ue el cero de la derecha es el vector cero en 9 i =(1) 2 =(1 + 1)2 =(1) + =(1) !s 12 =(1) N =(1) 2 =(1) + t(1) N =(1) 2 =(1) ii=(u4v) 2 =Uu + (4))vV 2 =u + =U(4))vV 2 =u + (4))=v 2 =u N =v iiiEsta parte se prueba por induccin (vea el ap,ndice )) (ara n 2 - se tiene =(] ) v ) + ] - v - ) 2 = (] ) v ) ) + =(] - v - ) 2 ] ) =v ) + ] - =v - !s, la ecuacin ()) se cumple para n 2 - *e supone #ue se cumple para n 2 K y se prueba para n2K + )% =(] ) v ) + ] - v - + G+ ] K v K +] K+) v K4) ) 2 =(] ) v ) + ] - v - +G+] K v K ) + =(] K+) v K+) ), y usando la ecuacin en la parte iii para n2 K, esto es igual a (] ) =v ) + ] - =v - +G] K =v K ) + ] K+) =v K+) , #ue es lo #ue se #uera demostrar Esto completa la prueba )bservaci*n. 6os incisos i) y ii) del teorema ) son casos especiales del inciso iii) "n dato importante sobre las transformaciones lineales es #ue estn completamente determinadas por el efecto sobre los vectores de la base &eorema 2 *ea v un espacio vectorial de dimensin finita con base ^2 :v),v - ,Gv n ; *ean ? ) ,? - ,G? n vectores en 9 *uponga #ue = ) y = - son dos transformaciones lineales de ' en 9 tales #ue = ) v i 2 = - v i 2 ? i para i 2 ), -,G,n Entonces para cual#uier vector v v, = ) v 2 = - v\ es decir = ) 2 = -
&omo ^ es una base para ', existe un conjunto 5nico de escalares ]
) , ] - ,G, ] n =ales #ue v 2 ] ) v ) + ] - v - + G+ ] n v n
Entonces, del inciso iii) del teorema ), = ) v 2 = ) (] ) v ) + ] - v - + G+ ] n v n ) 2 ] ) = - v ) + ] - = - v - +G + ] n = n v n 2 ] ) ? ) + ] - ? - +G+ ] n = n v n 7e manera similar = - v 2 = - (] ) v ) + ] - v - + G+ ] n v n ) 2 ] ) = - v ) + ] - = - v - +G + ] n = n v n 2 ] ) ? ) + ] - ? - +G+ ] n v n (or lo tanto, = ) v 2= - v El teorema - indica #ue si =%v 9 y ' tiene dimensin finita, entonces slo es necesario conocer el efecto #ue tiene = sobre los vectores de la base en ' Esto es, si se conoce la imagen de cada vector bsico, se puede determinar la imagen de cual#uier vector en ' Esto determina = por completo (ara ver esto, sean v ) , v - ,Gv n una base en ' y sea v otro vector en ' Entonces, igual #ue en l aprueba del teorema -, =v 2 ] ) =v ) + ] - =v - +G+ ] n =v n !s, se puede calcular =v para cual#uier vector v ' si se conocen =v ) ,=v - ,G=v n E+emplo 1 *i se conoce el efecto de una transformacin lineal sobre los vectores de la base, se conoce el efecto sobre cual#uier otro vector *ea = una transformacin lineal de A . en A - y suponga #ue *olucin *e tiene Entonces Surge otra pregunta; si w 1 ,w 2 ,.,w n son n vectores en W, existe una transformacin lineal T tal que Tv 1 w 1 para i 1,2,,n! "a respuesta es s#. $omo lo muestra el siguiente teorema. Definicin 1 %&cleo e imagen 'e una transformacin lineal Sean ( ) W 'os espacios vectoriales ) sea T*( W una transformacin lineal. +ntonces i . +l n&cleo 'e T, 'enota'o por un, est, 'a'o por ii. "a imagen 'e T, 'enota'o por -m T, esta 'a'o por Jbservacion ) Jbserve #ue un = es no vacio por#ue, de acuerdo al teorema ), =(1) 2 1 de manera #ue 1 un = para cual#uier transformacin lineal = *e tiene inter,s en encontrar otros vectores en ' #ue Hse transformen en 1I 7e nuevo, observe #ue cuando escribimos =(1) 2 1, el 1 de la i$#uierda est en ' y el de la derecha en 9 Jbservacin - 6a imagen de = es simplemente el conjunto de HimajenesI de los vectores en ' bajo la transformacin = 7e hecho, si ? 2 =v, se dice #ue ? es la imagen de v bajo = !ntes de dar ejemplos de n5cleos e imgenes , se demostrar un teorema de gran utilidad &eorema 4 *i =%' 9 es una transformacin lineal, entonces i"n = es un subespacio de ' ii0m = es un subespacio de 9 7emostracion i*ean u y v en un =\ Entonces =(u + v) 2 =u + =v 21 + 1 21 y =( ) 2 2 1 2 1 de forma #ue u + v y u estn en un = ii *ean ? y x en 0m = Entonces ? 2 =u y x 2 =v para dos vestores u y v en ' Esto significa #ue =(u + v)2 =u + =v 2 ? + x y =( u) 2 =u 2 ? (or lo tanto, ? + x y ? estn en 0m = Ejemplo . [5cleo e imagen de la transformacin cero *ea =v 2 1 para todo v '(= es la transformacin cero) Entonces un = 2 v e 0m = 2 :1; Ejemplo / [5cleo e imagen de la transformacin identidad *ea =v 2 v para v '(= es la transformacin identidad) Entonces un =2 :1; e 0m = 2 ' 6as transformaciones cero e identidad proporcionan dos extremos En la primera todo se encuentra en el n5cleo En la segunda slo el vector cero se encuentra en el n5cleo 6os casos intermedios son ms interesantes E+emplo ',cleo e ima(en de un operador de proyecci*n *ea =%A . A . definida por = es el operador de proyeccin de A . en el plano xy Entonces x 2 y 2 1 !s, nu = 2 :(x,y,$)%x 2 y 2 1, $A;, es decir, el eje $, e 0m = 2 :(x,y,$)% $ 2 1;, es decir el plano xy Jbserve #ue dim un = 2 ) y dim 0m = 2 - Definici*n 2 'ulidad y ran(o de una transformaci*n lineal *i = es una transformacin lineal de v en ?, entonces se define Jbservacin En la seccin /O se definieron el rango, la imagen, el espacio nulo y la nulidad de una matri$ *eg5n el ejemplo 3)O, =oda matri$ ! de mYn da lugar a una transformacin lineal =%A __ A ___ definida por =x 2 !x Es evidente #ue un = 2 [ ! , 0m = 2 0m ! 2 & ! , v(=) 2 v(!) y p(=) 2 p(!) Entonces se ve #ue las definiciones de n5cleo, imagen, nulidad y rango de una transformacin lineal son extensiones del espacio nulo, la imagen, la nulidad y el rango de una matri$ Ejemplo < [5cleo y nulidad de un operador de proyeccin *ea ` un subespacio de A__ y sea =v 2 proy ` v Es obvio #ue la 0m = 2 ` *e tiene #ue toda v ' si v2h + proy ` v + proy ` v *i =v 2 1, entonces h21, lo #ue significa/a8 .3 -a matri" de una transformacion lineal. 7esde el punto de vista algebraico lineal, las transformaciones ms importantes son las a#uellas #ue conservan las combinaciones lineales Estas son llamadas transformaciones lineales o aplicaciones lineales "na transformacin lineal es una parte esencial en el lgebra lineal 6a idea principal detrs de la HEatri$ de una transformacin linealI es la definicin de la matri$ de = con respecto a las bases arbitrarias del dominio de ' y el codominio de 9 En este caso, ' y 9 son espacios vectoriales de dimensin finita sobre 8, y =% ' W 9 es una transformacin lineal *ea ' y 9 espacios vectoriales de finita dimensin sobre 8, e imagina #ue =% 'b 9 es lineal 8ija una base ^ 2 :v), v- vn; de ' y una base de ^1 2 :?), ?- ?m; de 9 !hora definimos la matri$ E^^S (=) de = con respecto a estas bases (uesto #ue ^1 es una base de 9, cada = (vj) puede escribirse 5nicamente como =(v j) 2 (or lo tanto la matri$ de =, en definitiva, con respecto a las bases ^ y ^1 se define como la matri$ E^^S (=) 2 (cij ) m c n B6o #u, dice esta definicin es #ue la columna jth de la matri$ E^^S(=) es el vector columna formado por los coeficientes de =(vj) con respecto a la base ^1C "no puede expresar el t,rmino anterior en forma matricial mediante (=(v)) =(v-) L L L =(v n)) 2 (?) ?- L L L?m)E^^ S(=) Es importante tener en cuenta #ue si ' 2 8n, 9 2 8m y = 2 =!, donde ! 8mcn, entonces E^^S(=) 2 ! si ^ y ^1 son las bases estndares 7e =! (ej) es siempre la columna jth de ! !hora, sea ' el espacio de polinomios reales de al menos tres grados, y 9 el espacio de polinomios reales de a lo sumo dos grados Entonces, la diferenciacin es una transformacin lineal 7% ' W 9 !hora 7 (ax. + bx- + cx + d) 2 .ax- + -bx + c *ea ^ la base :), x, x-, x.; de ' y ^1 la base :), x, x-; de 9 !hora, 7 ()) 2 1, 7(x) 2 ), 7(x-) 2 -x, 7(x.) 2 .c- !s E^^S(7) 2 !hora bien, supongamos #ue =% ' W ' es una transformacin lineal diagonali$able (o semi4simple) Aecordemos #ue esto significa #ue existe una base ^ 2 :v), v- vn; de ' tal #ue (vi) 2 vi para cada ndice i entre ) y n (or lo tanto, ^ es una base propia de ' para = En este caso, E^^ (=) es la matri$ diagonal (ero, BXu, es la matri$ de = con respecto a alguna otra base ^1 de 'C El primer paso para responder a esta pregunta es encontrar cmo relacionar las expansiones de un vector dado de ' con respecto a dos bases distintas Esto por s solo constituye un concepto diferente y ms amplio #ue necesita de un conocimiento muy superior y ms profundo de las matemticas .4 .plicacion de las transformaciones lineales/ refle0ion, dilatacion, contraccion y rotacion. Traficar un conjunto de puntos en otro es lo #ue se conoce como transformacin lineal de un conjunto de puntos Existen ciertas propiedades bsicas de las transformaciones lineales, las cuales si son tomadas en cuenta y aplicadas al momento de resolver un problema, pueden reducirlo un problema simple 6a notacin general utili$ada para una transformacin lineal es =% An ) Aeflexin% &uando un conjunto de puntos dados es graficado desde el espacio euclidiano de entrada a otro de manera tal #ue este es isom,trico al espacio euclidiano de entrada, llamamos a la operacin reali$ada la reflexin del conjunto de puntos dado Esto puede reali$arse tambi,n con respecto a la matri$, en tal situacin la matri$ de salida es llamada la matri$ de reflexin 6a reflexin es reali$ada siempre con respecto a uno de los ejes, sea el eje x o el eje y Esto es como producir la imagen espejo de la matri$ actual - Expansin% !l igual #ue en la reflexin, tambi,n es posible expandir los puntos dados en una direccin particular 6a expansin se reali$a habitualmente para un cierto grado Es como reali$ar una operacin de multiplicacin de los elementos del conjunto de puntos dados con un t,rmino escalar hacia la direccin donde tiene #ue ser expandido *ea para un punto (-, .) si el grado de expansin - es la direccin de y, entonces el nuevo punto obtenido es (-, <) . &ontraccin% 6a contraccin es el procedimiento inverso de la expansin !#u el punto es contrado en un determinado grado hacia una direccin dada *ea el punto de entrada (/, 8) y este debe ser contrado para el grado dos en la direccin de x entonces el nuevo punto resulta ser (-, 8) / Aotacin% El t,rmino rotacin tiene dos significados, ya la rotacin de un objeto puede ser reali$ada con respecto al eje dado o al eje mismo 6a rotacin se reali$a para un cierto grado el cual es expresado en forma de un ngulo !simismo, la rotacin puede reali$arse en la direccin de las manecillas del reloj, o inverso a las manecillas del reloj &omo ejemplo, dirijmonos a producir la matri$ estndar para la representacin de la transformacin lineal reflejando un conjunto de puntos en el plano x4y a trav,s de la recta y 2 (@-x Z .) El primer paso para esto es determinar los vectores base (or lo tanto, podemos afirmar #ue, A- es una transformacin lineal, entonces podemos escribir #ue,7ado #ue y pertenece a A- 0magina #ue !% A- 6a imagen de la matri$ base determina la imagen de cual#uier elemento (or lo tanto la imagen de a trav,s de y 2 (@-xZ .) es determinada mediante la obtencin de una recta #ue pasa por (), 1) y es #ue es ortogonal a Esto est dado por y 2 (.xZ -) N (.Z -) El punto donde las dos rectas, esto es, y 2 (.xZ -) N (.Z -) e y 2 (@-xZ .) se intersectan se dado como (aZ)., @<Z).) =omamos pD)D para ser el punto de reflexin de a trav,s de la recta dada Este punto es sim,trico respecto a (aZ)., @<Z).) por lo tanto, podemos escribir #ue, Esto produce, 7e manera similar, la imagen del vector base resulta ser d tenemos la matri$ de transformacin lineal final como,