DEFINICIN TRANSFORMACIN LINEAL Y SUS PROPIEDADES Se denomina transformacin lineal, funcin lineal o aplicacin lineal a toda aplicacin cuyo

dominio y codominio sean espacios vectoriales y se cumplan las siguientes condiciones: Transformacin lineal: Sean V y W espacios vectoriales reales. Una transformacin lineal T de V en W es una funcin que asigna a cada vector v V un vector nico Tv W y que satisface, para cada u y v en V y cada escalar ,

1. T (u+v)= Tu+Tv 2. T(v)= Tv, donde es un escalar.

El nucleo y la imagen de una aplicacion lineal Si f : V W es una aplicacion lineal, hemos probado que el nucleo y la imagen son subespacios vectoriale Estos subespacios son muy utiles a la hora de estudiar las aplicaciones lineales. Por ejemplo, es facil probar la relacion existente entre las dimensiones del nucleo, de la imagen y la del espacio vectorial V ejemplo: de transformacin lineal imagen y ncleo

Ejemplo: Si V1 = (1,-1) , V2 = (2,-1), V3=(-3,2) y W1=(1,0), W2=(0,-1), W3=(1,1). Existe una transformacin lineal T: R 2 R, tal que T (vi) = Wi para i = 1,2,3 ? Solucin: Si {v1, v2 , v3 }es base de R 2 , entonces existe una nica transformacin lineal T: R 2 R Pero: (-3,2) = -(1,-1) ( 2,-1) { v1, v2 , v3 } no es linealmente Independiente { v1, v2 , v3 }no es base de R 2 no existe tal transformacin lineal 2) Sea T: R 3 R 3 , transformacion lineal , tal que : T (1,1,1) = (1,0,2) ; T ( 1,0,1) = ( 0,1,1) ; T ( 0,1,1) = ( 1,0,1) Encontrar T (x,y,z) Solucin: Por demostrar que el conjunto {(1,1,1), (1,0,1),(0,1,1)} es base de R 3 Sea a.b.c R, tal que .a(1,1,1) + b(1,0,1) + c(0,1,1) = (0,0,0) a+b=0 a+c=0a=b=c=0 a+b+c=0 Luego {(1,1,1),(1,0,1),(0,1,1)} es linealmente Idependiente Sea (x,y,z) R 3 , entonces existen escalares a,b,c R tal que: a(1,1,1) + b( 1,0,1) + c(0,1,1) =(x,y,z) a+b=x a+c=ya=x+y-z;b=z-y;c=z-x a+b+c=z Luego {(1,1,1),(1,0,1),(0,1,1)} es base de R 3 Existe una nica T transformacin lineal de R 3 en R 3 tal que: T(1,1,1) = (1,0,2) , T(1,0,1) = (0,1,1) , T(0,1,1) = (1,0,1) T(x,y,z) = T(a(1,1,1) + b(1,0,1) + c(0,1,1))

T(x,y,z) = aT(1,1,1) + bT(1,0,1) + cT(0,1,1) T(x,y,z) = (x+y-z)T(1,1,1) + (z-y)T(1,0,1) + (z-x)T(0,1,1) T(x,y,z) = (x+y-z)(1,0,2) + (z-y)(0,1,1) + (z-x)(1,0,1) T(x,y,z) = (y , z-y , x+y) 3) .Sea T: R 2 R transformacin lineal definida por T (x,y,z) = 2x -3y +z a) Encontrar ]

T donde = { (1,0,0),(1,1,0),(1,1,1)} y ={2}

b) Encontrar nucleo (T), Imagen (T), Nulidad(T) y Rango (T) Solucin: a) T( 1,0,0) = 2 = 1(2) T(1,0,0) = 2-3 = -1 = -1/2 (2) T(1,1,1) = 2-3+1 = 0 = 0(2) Luego:

T=]

02/11 ]

b) ncleo (T) = { (x,y,z) R 3 / T(x,y,z) = 0 } ncleo (T) = { (x,y,z) R 3 / 2x- 3y + z =0 } ncleo (T) = { (x,y,z) R 3 / -2x+ 3y = z } ncleo (T) = { (x,y,-2x+3y) R 3 / (x,y) R 2 } ncleo (T) = ) 3 , 1 , 0 ( ), 2 , 0 , 1 ( es base de Kernel (T) Nulidad (T) = 2 Imagen (T) ={ T(x,y,z) /(x,y,z) R 3 } Imagen (T) ={ 2x -3y +z / (x,y,z) R 3 } Imagen (T) = 2 Rango (T) = 1

Matriz asociada a una transformacin lineal con respecto a una base dada

Un conjunto de vectores denomina base ordenada para reordenamiento de los vectores en para si

en un espacio vectorial es una base para

se

y si el

se considera una base diferente

debes hallar esta base ordenada despejndola de los tres vectores en el plano que te estn dando; luego, consideras que tu conjunto de vectores dados en estn expresados en la base cannica, y entonces para expresarlos en la base ordenada se debe cumplir que

, agrupas los trminos con las constantes y formas una matriz, como va a ser homogneo, tendr

una nica solucin que ser , luego, hallas la inversa de esa matriz, y ya con ello te es fcil llegar a la matriz de transicin. Ejemplo:

Cambio de base y matriz asociada

Hemos visto que un espacio vectorial puede tener mas de una base y vamos a estudiar como varian las coordenadas de un vector al cambiar la base. Consideraremos que V es un espacio vectorial de dimensi on n y B y B 0 son bases de V. Definici on. Se llama matriz de cambio de base de B a B 0 a la matriz asociada a la identidad de V considerando en el dominio la base B y en el codominio la base B 0, es decir la matriz (idV ) B , B 0 . Notese que si B = { v1, ..., vn } , B 0 = { v0 1 , ..., v0 n } y vj = P
n

entonces (idV ) B , B 0 = (aij) 2 M n(K). Ademas, (v)B 0 = (idV ) B , B 0 (v)B , es decir, al multi-plicar la matriz del cambio de base por la matriz columna de las coordenadas
i=1 aijv0 i

Isomorfismos entre espacios vectoriales.

En esta apartado estudiamos un tipo de aplicaciones lineales interesantes: los isomorfismos entre espacios vectoriales. Cuando existe un isomorfismo entre V y W, diremos que V y W son espacios isomorfos. En el siguiente teorema caracterizamos los espacios vectoriales isomorfos: Teorema 4.1. Sean V y W dos espacios vectoriales de dimensin finita. Entonces, V y W son isomorfos si y solo si tienen la misma dimensin.