Академический Документы
Профессиональный Документы
Культура Документы
1.
Aplicaciones Lineales
: Aplicacion
Lineal. Sean V y W espacios vectoriales sobre IK . Una
Definicion
T
aplicacion
1.
T (u + v) = T (u) + T (v), u, v V .
2.
T ( u) = T (u), IK, u V .
2.
Observaciones:
1. Las aplicaciones (o transformaciones) lineales se denotan por letras
mayusculas
T, L, A, etc.
2. Si V
lineal T : V V
= W , entonces una aplicacion
se llama
Operador Lineal.
son equivalentes con:
3. Las condiciones (1) y (2), de la definicion,
3.
Ejemplo 2). Las siguientes aplicaciones son lineales, para los espacios vectoriales
indicados:
1) Cualquiera sean los espacios vectoriales V y W ,
T1 : V W, T1 (v) = W .
T2 : V V, T2 (v) = v.
2) Para V
= R3 y W = R2 ,
T : V W, T (x, y, z) = (x + y, z).
3) Para u
Rn y V = Mn (R),
T : Mn (R) Rn , T (A) = Au.
= 2.
4.
Propiedades.
a) Si T y L son aplicaciones lineales de V en W entonces se tiene que:
1.
T (V ) = W .
2.
T (u) = T (u), u V .
3.
lineal IK .
T + L es una aplicacion
5.
Definicion.
Sean V y W espacios vectoriales sobre IK , T
: V W una
Ker(T ) := {u V : T (u) = }.
2.
Im(T ) := {w W : T (u) = w, u V }.
T definida en
Ejemplo 3.. Encuentre el nucleo
y la imagen de la aplicacion
ejemplo (2.2).
Naturalmente el nucleo
Observacion.
(o kernel) de T es el subconjunto de V de
los vectores cuya imagen es el vector nulo. En cambio la Imagen de T es el
lineal, tambien
se
subconjunto de W correspondiente al recorrido de la aplicacion
escribe
Im(T ) = {T (u) : u V }.
6.
T : V W una
lineal. Se tiene:
aplicacion
1. El Nucleo
de T , Ker(T ), es un subespacio de V .
2. La imagen de T , Im(T ), es un subespacio de W .
: V W se llama nulidad de T a la
del Ker(T ) y se llama rango de T a la dimension
de Im(T ). Se
dimension
Dada una aplicacion
lineal T
Definicion.
denotan por:
N (T ) = dim(Ker(T )),
R(T ) = dim(Im(T ))
respectivamente.
Ejemplo 4. Encuentre nucleo,
7.
lineal T
aplicacion
{w1 , w2 , ..., wn } son vectores del espacio vectorial W , entonces existe una
lineal T : V W tal que T (vi ) = wi , i = 1, 2, ..., n.
unica
aplicacion
Corolario. Si T y L son aplicaciones lineales de V en W que coinciden en una
base de V , entonces T
= L.
8.
Teorema. Si T
Observacion.
lineal inyectiva y {u1 , u2 , ..., um } V es
: V W es una aplicacion
linealmente independiente, entonces {T (u1 ), T (u2 ), ..., T (um )} W es
Si T
linealmente independiente.
Teorema de las dimensiones.. Sean V y W dos espacios vectoriales sobre el
finita. Si T
mismo cuerpo IK , V de dimension
: V W es una aplicacion
lineal, entonces
N (T ) + R(T ) = dim(V ).
9.
T : Rn Rm , x 7 T (x) = A x.
lineal T , multiplicacion
por la matriz A, para la
Ejemplo 5). Defina la aplicacion
matriz
A= 2 0 6
0 1 3
10 .
vectores:
(a11 , a12 , ..., a1n ), (a21 , a22 , ..., a2n ), ..., (am1 , am2 , ..., amn ).
y llamaremos espacio de columnas de A al subespacio generado por los
vectores columnas de A. Es decir por
a11
a21
.
..
am1
a12
a22
, .
..
am2
a1n
a2n
, ..., .
..
amn
11 .
12 .
: Rn Rm es la aplicacion
por una matriz A, entonces Im(T ) = {Ax : x Rn } es el espacio de
columnas de A.
Teorema. Si T
misma dimension.
13 .
= {v1 , v2 , ..., vn } y
= {w1 , w2 , ..., wm } bases de V y W respectivamente y T : V W
BW
lineal, entonces
una aplicacion
..
.
BW .
14 .
Notacion:
La matriz asociada a T se denota por:
W
[T ]B
BV
o por
[T ]BV BW ,
es decir,
W
[T ]B
BV
a11
a21
:= .
..
am1
lineal identica I
Para la aplicacion
a12
a22
..
.
am2
...
a1n
...
a2n
...
..
.
... amn
: V V y B la base canonica
del espacio
n la matriz asociada es
V de dimension
[I]BB = In .
15 .
Observaciones.
Sean V , W espacios vectoriales sobre IK y
T : V W una aplicacion
lineal. Se tiene:
T : Rn Rm , T u = A u.
Si BV , BW son bases de V y W respectivamente, entonces T se puede
B
definir a partir de [T ]BW
como sigue
V
W
[T ]B
BV [u]BV = [T (u)]BW .
16 .
Teorema.
finita sobre K , BV y BW bases
Sean V y W espacios vectoriales de dimension
de V y W respectivamente. Si T, L
entonces
17 .
lineal
Ejemplo 6. La aplicacion
= {} e Im(T ) = R2 .
2 1
B
es
18 .
Aplicaciones Lineales
Por el teorema anterior, se tiene que su inversa A1 es la matriz asociada a la
linesal T 1 . Es decir
aplicacion
[T
]B =
[T ]1
BV
=A
inversa T 1
Con esta matriz se puede definir la aplicacion
: R2 R2 , desde
la relacion
[T
]B
x
y
x
y
xy
x + 2y
T 1 : R2 R2 , T 1 (x, y) = (x y, x + 2y).
19 .
T : M2 (R) R ,
= (a, b, c, d).
Teorema.
finita sobre IK . Si dim(V )
Sean V y W espacios vectoriales de dimension
y dim(W )
=n
20 .
Matriz de transicion.
Definicion:
que la j-esima
columna de P es el vector de coordenadas de vj en la base B . Es
Sean B
decir,
a11
a21
P := .
..
an1
a12
a22
..
.
an2
...
a1n
...
a2n
...
..
.
... ann
a1j
a2j
, con .
..
anj
= [vj ]B , j = 1, 2, ..., n.
B.
Es facil
ver que P
Observacion.
= [I]B
B .
21 .
V las coordenadas de
P 1 = P t .
22 .
= {( 12 , 12 ), ( 12 , 12 } y
B = {(1, 0), (0, 1)}, entonces la matriz de paso de de B a B es simple de
encontrar, corresponde a:
P =
1
2
1
2
1
2
12
Como las bases son ortonormales se tiene que la matriz de paso de la base B a
la base B es
Q = P 1 = P t =
1
2
1
2
1
2
12
1
2
1
2
1
2
12
23 .
Aplicaciones Lineales
lineal depende de las bases consideradas
La matriz asociada a una aplicacion
para los espacios vectoriales, la matriz cambia cuando se cambian las bases. La
es dada en el siguiente teorema.
relacion
Teorema. Si T
[T ]B = P 1 [T ]B P.
Ejemplo. Si consideramos las bases de R2 , B
lineal
B = {(1, 0), (0, 1)}, entonces la matriz asociada a la aplicacion
T (x, y) = (2x + y, x + y), en las bases dadas y la matriz P de paso de B a
B son:
1 1
2 1
1 2
[T ]B =
, [T ]B =
,P =
1 2
1 1
1 1
y satisfacen la identidad del teorema.
24 .
= P 1 AP .
25 .