Unidad 4 Espacios vectoriales.

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,