Professional Documents
Culture Documents
Departamento de Matemática
Campus Santiago
DEFINICION
Sean U, V dos espacios vectoriales sobre un cuerpo K y sea T : U −→ V una función.
Diremos que T es una transformación lineal ssi satisface las siguientes dos condiciones:
2. T (α · u) = α · T (u) ∀ α ∈ K, ∀ u ∈ U .
TEOREMA
T : U −→ V es una transformación lineal ssi
T (α · u1 + β · u2 ) = α · T (u1 ) + β · T (u2 ) ∀ α, β ∈ K, ∀ u1 , u2 ∈ U .
EJEMPLOS
1
3. Considere la función T : R2 −→ R3 tal que T (x, y) = (x + y, x − y, 2x + 3y).
Análogamente,
2
PROPIEDADES
Sea T : U −→ V una transformación lineal. Entonces, se cumplen las siguientes
propiedades:
2. Sean u1 , u2 , · · · , us ∈ U, α1 , α2 , · · · , αs ∈ K; entonces
T (α1 · u1 + α2 · u2 + · · · + αs · us ) = α1 · T (u1 ) + α2 · T (u2 ) + · · · + αs · T (us ).
DEMOSTRACION
4. Como u1 , u2 , · · · ,P
us son vectores l.d., existen escalares α1 , α2 , · · · , αs ∈ K no to-
dos nulos tal que si=1 αi · ui = 0U . Por lo tanto, si aplicamos T a ambos lados,
s
!
X
T αi · ui = T (0U )
i=1
s
X
αi · T (ui ) = 0V
i=1
Como no todos los αi son nulos, hemos probado que el conjunto formado por los
s vectores T (ui ) del espacio vectorial V es l.d.
EJERCICIOS
Determine si las siguientes son o no transformaciones lineales:
3
4. ev0 : Rn [x] −→ R, tal que ev0 (p) = p(0).
5. T : Rn [x] −→ Rn+1 [x], tal que T (p) = D(p) + Ix (p).
6. T : R2 −→ R, tal que T (x, y) = x2 + y 2 .
7. T : R2 −→ R3 , tal que T (x, y) = (x, y, xy).
DEFINICION
Sea T ∈ L(U, V ). Definimos el kernel ó núcleo de T como el conjunto
ker(T ) = {u ∈ U : T (u) = 0V }
es decir, es el conjunto de todos los elementos de U que tienen como imagen al 0V .
TEOREMA
Sea T ∈ L(U, V ). Entonces kerT ≤ U .
DEMOSTRACION Debemos probar que:
4
1. kerT 6= ∅, lo cual es claro pues T (0U ) = 0V , de donde 0U ∈ kerT .
TEOREMA
Sea T ∈ L(U, V ). Entonces ImT ≤ V .
DEMOSTRACION Debemos probar que:
EJEMPLOS
5
= {(x, 0, −x) + (0, y, −y), x, y ∈ R} = {x(1, 0, −1) + y(0, 1, −1) : x, y ∈ R}
= h(1, 0, −1), (0, 1, −1)i.
Nuevamente, hemos encontrado una base para el kerT y dim kerT = 2.
Como cualquier u ∈ R puede ser obtenido como suma de 3 números reales,
ImT ≤ R, y dimR = 1, entonces una base para ImT puede ser C = {1}.
6. T : R3 −→ R5 , T (x, y, z) = (x + y, y + z, x + 2y + z, x + y, 0)
(x, y, z) ∈ kerT ⇐⇒ T (x, y, z) = (0, 0, 0, 0, 0) ⇐⇒
x+y = 0
y+z = 0 x = −y
=⇒ Por lo tanto,
x + 2y + z = 0 z = −y
x+y = 0
kerT = {(x, y, z) ∈ R3 : x = −y, z = −y} = {(−y, y, −y), y ∈ R} = h(−1, 1, −1)i
TEOREMA
Sean U, V espacios vectoriales sobre K, B = {u1 , u2 , · · · , un } una base de U , y sean
v1 , v2 , · · · , vn ∈ V arbitrarios. Entonces, ∃! T : U −→ V lineal, tal que T (ui ) = vi .
OBSERVACION
Este teorema establece que una transformación lineal de un espacio vectorial de
dimensión finita en otro espacio vectorial queda completamente determinada si se conoce
las imágenes de todos los elementos de una base. En el siguiente ejemplo veremos una
aplicación directa de este hecho.
EJEMPLOS
1. Sea T : R2 −→ R3 lineal tal que T (1, 0) = (1, −2, 3), T (0, 1) = (−1, 1, −1).
Determinar explı́citamente la transformación lineal.
Para ello, sabemos que: ∀(x, y) ∈ R2 : (x, y) = x(1, 0) + y(0, 1).
T (x, y) = T (x(1, 0) + y(0, 1)) = xT (1, 0) + yT (0, 1) = x(1, −2, 3) + y(−1, 1, −1)
6
Encuentre la transformación lineal para cualquier polinomio en R2 [x], determine
dim kerT , dim ImT y encuentre una base para ellos.
TEOREMA
Sea T ∈ L(U, V ); entonces, T es 1-1 ⇐⇒ ker T = {0U }.
DEMOSTRACION
(⇒) Sea x ∈ kerT . Entonces T (x) = 0V = T (0U ). Como T es inyectiva,
T (x) = T (0U ) ⇒ x = 0U . Por lo tanto, kerT = {0U }.
7
EJEMPLOS
x−y = 0
−2x + y = 0 ⇐⇒ x=y=0
3x − y = 0
Luego, KerT = {(0, 0)} por lo que T es inyectiva.
2 a −a − c
2
(b) Para T : R [x] −→ M2×2 (R) con T (a+bx+cx ) =
a−c c
vimos que KerT = {a + bx + cx2 : a = c = 0} = {bx, b ∈ R} por
lo que T no es inyectiva.
a+b=0
c+d=0
e=0
Esto implica que b = −a, d = −c. Luego p(x) ∈ kerT ⇐⇒
p(x) = a − ax + cx2 − cx3 , lo cual implica que p(x) = a(1 − x) + c(x2 − x3 ).
Una base para kerT es {(1 − x), (x2 − x3 )}. Por tanto, dim kerT = 2.
(c) Consideremos la base canónica de R4 [x]. Tenemos que: T (1) = (1, 0, 0),
T (x) = (1, 0, 0), T (x2 ) = (0, 1, 0), T (x3 ) = (0, 1, 0), T (x4 ) = (0, 0, 1).
Claramente, los 3 vectores linealmente independientes que encontramos (vec-
tores de la base canónica de R3 ) forman la base de ImT . Por lo tanto, dim
ImT = 3.
(d) Notar que dimR (kerT ) + dimR (ImT ) = 2 + 3 = 5 = dimR4 [x]
8
TEOREMA
Sea T : U −→ V lineal, con dimK U = n. Entonces
TEOREMA
Sean U, V, W espacios vectoriales sobre K y sean T ∈ L(U, V ), S ∈ L(V, W ). En-
tonces, la composición de las transformaciones lineales también es lineal, es decir,
S ◦ T ∈ L(U, W ).
DEMOSTRACION Sean α, β ∈ K, x, y ∈ U. Entonces
(S ◦ T )(αx + βy) = S(T (αx + βy)) = S((αT (x) + βT (y)) = (αS(T (x)) + βS(T (y)))
TEOREMA
Sea T : U −→ V lineal e inyectiva. Entonces la inversa de T , que denotamos por
−1
T : ImT −→ U también es una transformación lineal.
DEMOSTRACION Sean v1 , v2 ∈ ImT =⇒ ∃ u1 , u2 ∈ U :
T −1 (v1 ) = u1 , T −1 (v2 ) = u2 . Luego, T (u1 ) = v1 , T (u2 ) = v2 .
Por lo tanto, v1 + v2 = T (u1 + u2 ) =⇒ u1 + u2 = T −1 (v1 + v2 ) =⇒
T (v1 + v2 ) = T −1 (v1 ) + T −1 (v2 ).
−1
DEFINICION
Sea T : U −→ V lineal. Diremos que T es un isomorfismo si y sólo si T es inyectiva
e ImT = V . En este caso, diremos que U y V son isomorfos, y escribimos U ∼ = V.
OBSERVACION
T ∈ L(U, V ) isomorfismo =⇒ T −1 ∈ L(V, U ) también es un isomorfismo.
EJEMPLO
Sea V un espacio vectorial sobre R, tal que dimR V = n. Sea B = {u1 , u2 , · · · , un }
una base ordenada de V , de modo que si v ∈ V , entonces formamos la matriz de
coordenadas de v en la base B:
α1
α2
[v]B =
...
αn
9
Definimos la función ϕ : V =⇒ Rn , con ϕ(v) = (α1 , α2 , · · · , αn ).
Dejamos como ejercicio demostrar que ϕ es lineal, inyectiva y epiyectiva. Por lo
tanto, ϕ es un isomorfismo.
EJEMPLO
Sea T ∈ L(R3 , R2 ), T (x, y, z) = (x − 2y + 3z, 4x − y − z).
1. Si B1 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} y B2 = {(1, 2), (1, −1)} son bases ordenadas
de R3 y R2 respectivamente, encuentre [ T ]B B1 .
2
10
2. Sea u = (1, 2, 3). Encuentre [u]B1 , [ T (u)]B2 , y [ T ]B
B1 · [u]B1 .
2
Calculamos ahora
0
B2 2/3 7/3 −1/3 5/3
[ T ]B1 · [u]B1 = · 1 = = [T(u)]B2 .
−5/3 5/3 4/3 13/3
2
Esta última propiedad es general, vale decir, [ T ]B
B1 · [u]B1 = [T(u)]B2 .
2
11
RELACION ENTRE
OPERACIONES DE TRANSFORMACIONES LINEALES Y
OPERACIONES ENTRE MATRICES
Consideremos, como antes, los espacios vectoriales U, V sobre un cuerpo K, tal que
dimK U = n, y dimK V = m. Sean B1 = {u1 , u2 , · · · , un }, B2 = {v1 , v2 , · · · , vm }
bases ordenadas de U y V , respectivamente. Sean T, S ∈ L(U, V ). Entonces:
1. [ T + S ]B B2 B2
B1 = [ T ]B1 + [ S ]B1 , es decir, la matriz asociada a la suma de trans-
2
2. [ αT ]B B2
B1 = α[ T ]B1 ,
2
∀ α ∈ K, es decir, la matriz asociada al producto por escalar
de una transformación lineal es el escalar multiplicado por la matriz asociada a
la transformación lineal.
EJEMPLOS
12
1 1 2 −3 3 −2
(a) [ T + S =]C
C + =
1 −1 4 −5 5 −6
1 1 −5 −5
(b) [ −5T ]CC = −5 · =
1 −1 −5 5
1 0 2 −3
(c) [ L ◦ S ]C
C =
0 1 · 2 −3 = 4 −5
4 −5
1 1 6 −8
la siguiente propiedad:
∀w ∈ U =⇒ [id(w)]B2 = [ id ]B
B1 · [w]B1 , de donde
2
[w]B2 = [ id ]B
B1 · [w]B1
2
2 −1
([ id ]B
B1 ) [w]B2 = [w]B1
13