Академический Документы
Профессиональный Документы
Культура Документы
Pruebe que es aplicación lineal.
2) Sean y , debemos probar que
pero
Por lo tanto es aplicación lineal.
Ejercicios: Para las siguientes funciones determine cuáles son aplicaciones lineales,
demostrando las que sean.
1 .
2) ,
2
1
3
4
2
Sea una base del espacio vectorial , de dimensión sobre
y una familia de vectores de un espacio vectorial
sobre . Entonces existe una aplicación lineal y solamente una , tal que
Demostración: Comencemos por ver la existencia de una tal aplicación. Para esto, te
mostraré una aplicación lineal que cumple las condiciones, luego existe una.( Tomado del
libro Algebra Lineal de Dra. Marïa Teresa Alcalde)
Este teorema nos permite afirmar que una aplicación lineal está totalmente determinada
cuando conocemos el comportamiento de los vectores de una base de y esta
información se extiende por linealidad a todos los vectores del dominio de la aplicación.
3
Imagen y Núcleo de una aplicación lineal
Demostración: es el conjunto formado por todas las imágenes de los vectores de ,
bajo , es decir,
ii) Para demostrar que es cerrado para la suma, sean ' luego tienen
la forma: para ciertos
el cual es un vector de .
Luego
Ejemplo: Sea
Como es un subespacio vectorial de , tiene sentido buscar base de .
, entonces
, entonces
y como además estos vectores son li, ellos
forman base de .
Solución:
La expresión se descompone como combinación lineal de
ciertos vectores.
4
Demostración:
Si es epiyectiva entonces
recíprocamente si como es un subespacio vectorial de
entonces es sobreyectiva.
Demostración:
i) Sean entonces
Tenemos:
Puesto que
5
Solución: ) . Al resolver el sistema
dado por las dos ecuaciones que caracterizan los elementos del Núcleo, tenemos
. Al
sustituir éstas expresiones en el vector tenemos Esto implica que
Luego éste forma la base del Núcleo y su dimensión es 1.
a)
b) , donde es la matriz
c) 4
d)
Demostración: Sea una base de podemos extender hasta
base una de . Notemos que y que
Falta demostrar que .
Sea entonces por la proposición previa a la anterior vemos
que Demostremos ahora que es . Para ello sean
tales que Como es lineal, podemos escribir
y . Puesto que
existen tales que
. Eso equivale a decir que
pewro es base de y en consecuencia es linealmente independiente,
luego Lo anterior muestra que es base de y por lo tanto
6
Definición: Sea una aplicación lineal. Diremos que la nulidad de es la
dimensión del núcleo y que el rango de es la dimensión de la imagen. Se acostumbra
designar tales números como y respectivamente.
Sea una aplicación lineal. Sea una base de . Entonces
1. es inyectiva ssi es li.
2. es epiyectiva ssi genera
3. es biyectiva ssi es una base de
Nota: Una aplicación lineal inyectiva también recibe el nombre de monomorfismo.y las
epiyectivas el nombre de epimorfismo.
Demostración (1): Sea un conjunto Dmostremos que es
inyectiva, es decir, que
.Sea luego Si , en
particular luego , ciertos y
Luego
Luego
, luego
Demostración (2):Sea epiyectiva y demostremos que genera
Tenemos que para todo existen tal que Pero
ciertos . Luego
7
Luego es combinación lineal de los vectores luego
genera
Ahora, recíprocamente, sea Sea luego
con
Luego es epiyectiva.
Nota: Esta proposición nos dice que una aplicación lineal inyectiva, lleva un conjunto li
de en un conjunto li de También nos dice que una aplicación lineal epiyectiva lleva
un conjunto de generadores de a un conjunto de generadores de y que una
aplicación lineal biyectiva transforma una base de en una base de
La matriz que estamos buscando es la matriz cuyas columnas son las coordenadas de
las imágenes por de los vectores de la base ordenada de en la base ordenada de
Es decir
8
Ejemplo: Encuentre la matriz asociada a ,
y en las bases ordenadas y .
Solución:
Como se puede apreciar al observar los sistemas todos tienen la misma matriz de
coeficientes, sólo cambia la columna , luego se pueden resolver los tres en forma
simultánea copiando ordenadamente las distintas columnas es decir, la matriz ampliada
resultante es:
Luego la matriz asociada a , [ ]
Aún cuando en este ejemplo era más fácil resolver directamente cada sistema, el
procedimiento descrito simplifica los cálculos para hallar cualquier otra matriz asociada a
una aplicación lineal, por lo que resulta conveniente su manejo, ya que en ocasiones los
sistemas son bastante complejos e involucran muchas variables.
9
d) , donde
es fija.
Proposición: Sean y bases ordenadas de los espacios de dimensión finita y
respectivamente. Sea y su matriz asociada, entonces
para cualquier
Ejemplo: Podemos usar la matriz [ ] , asociada a la aplicación
lineal , definida por en las bases
ordenadas
y para hallar la imagen del
vector
Solución: , luego
Esta proposición muestra que se puede usar la matriz asociada a la aplicación lineal para
hallar las imágenes de vectores en base mediante una simple multiplicación matricial.
Toda aplicación lineal tiene asociada una única matriz previamente fijada las bases
ordenadas.
La composición de aplicaciones lineales se puede obtener multiplicando sus matrices
asociadas si se fijan previamente las bases ordenadas para cada uno de los espacios
vectoriales involucrados.
Diagonalización
El problema que ahora analizaremos consiste en encontrar, si existe una base de de tal
forma que tenga asociada en esta base una matriz diagonal. Si existe tal base se dirá
que es diagonalizable.
Los vectores no nulos que satisfacen la igualdad con son llamados vectores
propios de asociados al valor propio . Es frecuente que los vectores propios sean llamados
autovectores o vectores característicos. Del mismo modo los valores propios son denominados
10
autovalores o valores característicos. El conjunto de autovalores de es conocido como espectro
de y se designa por Spec
Observación: Sea tal que para cierto cierto , entonces
Luego es también un vector propio asociado al valor
propio , para todo , pero podría haber otros vectores li a . Entonces es natural definir el
conjunto de vectores propios asociados a un valor propio . Veamos cómo caracterizarlo
ssi ssi ssi ssi
Tenemos entonces: Para todo valor propio de se tiene ssi
, esto nos conduce a la definición siguiente:
Definición: Para todo valor propio , el núcleo, es llamado el subespacio propio
correspondiente a , el cual lo denotaremos por Es decir:
Nota: El núcleo de un morfismo puede tener dimensión mayor o igual a 2, luego puede haber
vectores li asociados a un mismo .
Definición: Sea Si y si existe una base de tal que:
11
entonces diremos que es diagonalizable. que si es diagonalizable entonces es
semejante con una matriz diagonal denotada
d) Se encuentra bases de los espacios característicos ya que éstas contienen los vectores
característicos.
e) Si , entonces la aplicación lineal es diagonalizable en la base
formada por la unión de las bases
Solución: El determinante se obtiene de la
siguiente forma: entonces
12
Los valores característicos so
Los espacios característicos son:
es decir los vectores de este subespacio son las soluciones del
sistema
homogéneo . Al resolver éste se obtienen las condiciones de los vectores
para pertenecer a este subespacio vectorial.
de donde se obtiene que .
los vectores de este subespacio son las soluciones del sistema
homogéneo . Al resolver éste se obtienen las condiciones de los
vectores para pertenecer a este subespacio vectorial.
13
es decir los vectores de este subespacio son las soluciones
del sistema
homogéneo . Al resolver este sistema homogeneo, se obtienen las
condiciones de los vectores para pertenecer a este subespacio vectorial.
. Las soluciones son Al
sustituir estas condiciones en el vector tenemos: . Luego
Luego es diagonalizable porque existe una base formada por vectores
característicos, ésta es . La matriz asociada a en la base
es la matriz diagonal La matriz
14