Transformaciones lineales

Enrique Morales Rodrguez

enmora@yahoo.com; enmora@ece.buap.mx
Resumen
La ultima parte del curso de algebra lineal esta destinada a las transformaciones lineales. Estas
notas inician desde isomorsmos y naliza con diagonalizacion, ya en la parte de la matriz asociada
a una transformacion lineal y que son los temas hasta donde abarcara el ultimo examen parcial del
curso.

Indice
3. Transformaciones lineales 2
3.1. Transformaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.1.1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.1.2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.1.3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.1.4. Isomorfismos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.2. Matriz de una transformacion lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.2.1. Matriz asociada a una transformacion lineal y matriz de cambio de base . . . . . . 2
3.2.2. Valores y vectores propios de una transformacion lineal . . . . . . . . . . . . . . . 6
3.2.3. Diagonalizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1
Transformaciones lineales
3. Transformaciones lineales
3.1. Transformaciones lineales
3.1.1.
3.1.2.
3.1.3.
3.1.4. Isomorfismos
Hasta esta parte del curso hemos usado indistintamente vectores y matrices; de hecho, hemos utilizado
las mismas operaciones para unos y para otras, por ejemplo, para espacios vectoriales R
3
y M
3,1
las
operaciones utilizadas son las mismas, por lo que podramos considerarlos esencialmente lo mismo. De
hecho isomorfo es una palabra griega que signica de la misma forma (iso=igual, morfos=forma).
_
`

Denicion de isomorsmo
Una transformacion lineal T : V W en la que existe un elemento de W para cada elemento
de V y tanto el espacio vectorial V como el espacio vectorial W son de dimension n, entonces
la transformacion es un isomorsmo.
Teorema 6.9 (Espacios isomorfos y dimension)
Dos espacios vectoriales V y W son isomorfos si y solo si tienen la misma dimension.
Ejemplo:
Los siguientes espacios vectoriales son isomorfos entre s:
a) R
4
= espacio de 4 dimensiones
b) M
4,1
= espacio de todas las matrices de 4 1
c) M
2,2
= espacio de todas las matrices de 2 2
d) p
3
= espacio de todos los polinomios de grado menor o igual a 3
e) V = {(x
1
, x
2
, x
3
, x
4
, 0) : x
i
es un n umero real} (subespacio de R
5
)
En este ejemplo se establece que los elementos de los espacios vectoriales enumerados se comportan
de la misma forma que los vectores, a un cuando son entidades matematicas distintas.
3.2. Matriz asociada a una transformacion lineal
3.2.1. Matriz asociada a una transformacion lineal y matriz de cambio de base
Matriz asociada a una transformacion lineal
Una transformacion puede representarse al menos de dos maneras:
T(x
1
, x
2
, x
3
) = (2x
1
+ x
2
x
3
, x
1
+ 3x
2
2x
3
, 3x
2
+ 4x
3
) (1)
o
2

Algebra lineal - FCE - BUAP

Transformaciones lineales Matriz de una transformacion lineal
T(x) = Ax =
_

_
2 1 1
1 3 2
0 3 4
_

_
_

_
x
1
x
2
x
3
_

_
(2)
La segunda representacion es mejor que la primera al menos por tres razones: Es mas facil de escribir,
mas facil de leer y se adapta mejor para utilizarse en tareas de computo. Ademas, ofrece ventajas teoricas
y en esta parte del curso veremos que una transformacion lineal con espacios vectoriales de dimension
nita siempre es posible la representacion matricial.
La clave para representar una transformacion lineal T : V W por medio de una matriz es determinar
como act ua T sobre una base de V .
Recordemos que la base estandar de R
n
, escrita en notacion de columna, esta denida por:
B = { e
1
, e
2
, . . . , e
n
} =
_

_
_

_
1
0
.
.
.
0
_

_
,
_

_
0
1
.
.
.
0
_

_
, ,
_

_
0
0
.
.
.
1
_

_
_

_
(3)
Teorema 6.10 (matriz estandar de una transformacion lineal)
Sea T : R
n
R
m
una transformacion lineal tal que:
T( e
1
) =
_

_
a
11
a
21
.
.
.
a
m1
_

_
, T( e
2
) =
_

_
a
12
a
22
.
.
.
a
m2
_

_
, , T( e
n
) =
_

_
a
1n
a
2n
.
.
.
a
mn
_

_
.
Entonces la matriz de m n cuyas n columnas corresponden a T( e
i
),
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_

_
es tal que T(v) = Av para toda v en R
n
. A se denomina matriz estandar para T.
Ejemplo:
Determine la matriz estandar de la transformacion lineal T : R
3
R
2
denida por:
T(x, y, z) = (x 2y, 2x + y). (4)
3

Algebra lineal - FCE - BUAP

Transformaciones lineales Matriz de una transformacion lineal
Solucion: Se empieza por encontrar las imagenes de e
1
, e
2
y e
3
:
Para e
1
, le aplicamos la transformacion denida en la ecuacion (4):
El primer vector de la base, esta dado por T(1, 0, 0), con x = 1, y = 0 y z = 0, por lo que al sustituir
estos valores en la ecuacion 4, tenemos:
T( e
1
) = [1 2(0), 2(1) + 0] = (1, 2)
que escrito en su forma matricial, tenemos:
T( e
1
) = T
_
_
_
_
_
_

_
1
0
0
_

_
_
_
_
_
_
=
_
1
2
_
.
De la misma manera, procedemos con los vectores base restantes y obtenemos:
T( e
2
) = T
_
_
_
_
_
_

_
0
1
0
_

_
_
_
_
_
_
=
_
2
1
_
.
y
T( e
3
) = T
_
_
_
_
_
_

_
0
0
1
_

_
_
_
_
_
_
=
_
0
0
_
.
Aplicando el teorema 6.10, tenemos que las columnas de A constan de T( e
1
), T( e
2
) y T( e
3
), entonces:
A = [T( e
1
) : T( e
2
) : T( e
3
)] =
_
1 2 0
2 1 0
_
. (5)
NOTA: Veamos que por simple inspeccion (con un poco de practica) podemos escribir la matriz de
transformacion escribiendo en cada renglon los coecientes de cada componente de la transformacion: en
nuestro ejemplo, en la matriz (5), el primer renglon corresponde al primer componente de la transforma-
cion y como no tiene zeta le correspondio un cero; en la ecuacion (4): 1x 2y + 0z y en la matriz (5):
1 2 0.
Ejemplo: 2: Por simple inspeccion escribir la matriz de la transformacion dada por:
T(x
1
, x
2
, x
3
) = (x
1
2x
2
+ 5x
3
, 2x
1
+ 3x
3
, 4x
1
+ x
2
2x
3
)
Solucion:
A =
_

_
1 2 5
2 0 3
4 1 2
_

_
4

Algebra lineal - FCE - BUAP

Transformaciones lineales Matriz de una transformacion lineal
Matriz de cambio de base
Sea V un espacio vectorial de dimension nita y sean B = (

b
1
,

b
1
, . . . ,

b
1
) y B

= (

1
,

b

1
, . . . ,

b

1
) dos
bases ordenadas para V . Nuestro trabajo en esta parte del curso es encontrar una matriz C que transforme
el vector columna v
b
del vector v V , en el vector columna v
b
, esto es, debe cumplirse que:
Cv
b
= v
b
(6)
Y para ello enunciamos el siguiente teorema:
Teorema (matriz de cambio de base)
Sean B = (

b
1
,

b
1
, . . . ,

b
1
) y B

= (

1
,

b

1
, . . . ,

b

1
) bases ordenadas para el espacio vec-
torial V . La matriz C de cambio de base respecto a las bases B, B

que satisface la
ecuacion (6) se halla reduciendo la matriz aumentada:
_

b
1
,

b
1
, . . . ,

b
1
|

b

1
,

b

1
, . . . ,

b

1
_
a [I|C].
Esta matriz C es invertible y su inversa es la matriz de cambio de base respecto a
B

, B
Ejemplo: 1:
Considerar la base ordenada B = [(1, 1, 0), (1, 0, 1), (0, 1, 1)] para R
3
. Hallar la matriz de cambio de
base respecto a las bases E, B, donde E es la base ordenada canonica para R
3
.
Solucion:
Recordemos que la base canonica para R
3
es:
E =
_

_
1 0 0
0 1 0
0 0 1
_

_
Aplicando el teorema, ya con B escrita en forma matricial, tenemos:
_

_
1 1 0 1 0 0
1 0 1 0 1 0
0 1 1 0 0 1
_

_
a la cual hay que aplicarle la reduccion de Gauss-Jordan, para obtener ( Tarea 1
en la libreta, realizar la reduccion Gauss-Jordan que menciona este ejemplo. Cuenta para calicacion ):
_

_
1 0 0
1
2
1
2

1
2
0 1 0
1
2

1
2
1
2
0 0 1
1
2
1
2
1
2
_

_
5

Algebra lineal - FCE - BUAP

Transformaciones lineales Matriz de una transformacion lineal
Por lo tanto la matriz de cambio de base C es:
C =
_

_
1
2
1
2

1
2
1
2

1
2
1
2

1
2
1
2
1
2
_

_
Ejemplo: 2:
Sea el vector denido en la base canonica en R
3
:
_

_
2
2
4
_

_
Usando la matriz de cambio de base del ejercicio anterior, encontrar las coordenadas de dicho vector
respecto a B.
Solucion:
Sabemos que C v
E
=

v

B
, as que multiplicamos Tarea 2
en la libreta, realizar la multiplicaci on indicada en este ejemplo. Cuenta para calicacion :
_

_
1
2
1
2

1
2
1
2

1
2
1
2

1
2
1
2
1
2
_

_
_

_
2
2
4
_

_
=
_

_
2
4
0
_

_
As que con respecto a la base B, el vector tiene coordenadas:
_

_
2
4
0
_

_
Signicado de este ejemplo: Ya debemos saber que la mencionada base canonica no es otra
cosa que los ejes coordenados x, y y z (del sistema cartesiano), as que las coordenadas del vector son
las distancias perpendiculares del nal del vector hacia cada uno de los ejes. La nueva base signica
que se ha denido un nuevo sistema cartesiano llamado B y las nuevas coordenadas (el resultado del
segundo ejemplo) son las distancias perpendiculares del nal del mismo vector pero ahora con respecto a
los nuevos ejes. En cursos mas adelantados se vera algo parecido que se llamara rotacion de ejes.
3.2.2. Valores y vectores propios de una transformacion lineal
En la literatura generalmente se maneja el nombre de eigenvalor para el valor propio y eigenvector
para el vector propio, esto debido a que en aleman eigenwert signica, precisamente, valor propio.
Si consideramos a una matriz A de n n, nuestro interes se centra en descubrir si existen vectores
x R
n
tales que sean m ultiplos escalares precisamente del vector x, esto es, que cumplan que:
6

Algebra lineal - FCE - BUAP

Transformaciones lineales Matriz de una transformacion lineal
Ax = x (7)
El valor escalar se llama eigenvalor y el vector x se llama eigenvector.
_

Denicion de eigenvalor y eigenvector

Sea A una matriz de n n. El escalar se denomina eigenvalor de A si existe un vector x
diferente de cero tal que
Ax = x
El vector x se llama eigenvector de A correspondiente a .
Ejemplo:
Comprobar que x = (1, 0) es un eigenvector de la matriz A correspondiente al eigenvalor = 2
A =
_
2 0
0 1
_
Solucion:
Multipliquemos A por x:
Ax =
_
2 0
0 1
_
_
1
0
_
=
_
2
0
_
= 2
_
1
0
_
Por lo que podemos concluir que efectivamente, = 2 y el vector x es el mismo, tanto para la matriz
A como para el eigenvalor.
Teorema 7.2 (Eigenvalores y eigenvectores de una matriz)
Sea A una matriz de n n
1. Un eigenvalor de A es un escalara tal que
det(I A) = 0 (8)
2. Los eigenvectores de A correspondientes a son las soluciones diferentes de cero
de
(I A)x =

0 (9)
La cantidad entre parentesis de la ecuacion 8 se llama ecuacion caracterstica de A y cuando se desarrolla
en forma de polinomio, este se llama polinomio caracterstico, esto es:
|I A| = c
n

n
+ c
n1

n1
+ + c
1

1
+ c
0
(10)
La determinacion de los eigenvalores y de los eigenvectores es uno de los principales problemas que se
solucionan en ingeniera. A continuacion veremos ejemplos para determinarlos.
Ejemplo: Encontrar los eigenvalores y los eigenvectores de la matriz:
7

Algebra lineal - FCE - BUAP

Transformaciones lineales Matriz de una transformacion lineal
A =
_
2 12
1 5
_
(11)
Solucion:
Primera parte: encontrar los eigenvalores
Formemos la ecuacion caracterstica de la matriz; necesitamos (I A), entonces, para nuestro caso,
I es:
I =
_
1 0
0 1
_
Al multiplicar por , tenemos: I =
_
1 0
0 1
_
=
_
0
0
_
Y si a este resultado le restamos A, tenemos
|I A| =
_
0
0
_

_
2 12
1 5
_
=
_
0
0
_
+
_
2 12
1 5
_
=
_
2 12
1 + 5
_
y procedemos a encontrar el determinante:
det
_
2 12
1 + 5
_
= ( 2)( + 5) (1)(12)
=
2
+ 3 10 + 12
=
2
+ 3 + 2
= ( + 1)( + 2) (12)
Entonces las races del polinomio caracterstico (12) son los eigenvalores de la matriz (11):

1
= 1 (13)

2
= 2 (14)
Segunda parte: encontrar los eigenvectores
Para ello aplicamos la reduccion Gauss-Jordan para resolver dos veces el sistema lineal homogeneo
dado por (I A)v =

0, primero para
1
= 1 y despues para
2
= 2.
Para
1
= 1, la matriz de coecientes es:
(1)I A =
_
1 2 12
1 1 + 5
_
=
_
3 12
1 4
_
y al aplicarle la reduccion de Gauss-Jordan, tenemos:
_
1 4
0 0
_
8

Algebra lineal - FCE - BUAP

Transformaciones lineales Matriz de una transformacion lineal
Que indica que para el sistema lineal existe un n umero innito de soluciones, entonces, de la ecuacion del
primer renglon:
x
1
4x
2
= 0 (15)
Tomamos el parametro x
2
= t
por lo que todo eigenvector de
1
es de la forma:
x =
_
x
1
x
2
_
=
_
4t
t
_
= t
_
4
1
_
, t = 0
Procedemos de la misma panera para
2
= 2, y tenemos:
(2)I A =
_
2 2 12
1 2 + 5
_
=
_
4 12
1 3
_
y al aplicarle la reduccion de Gauss-Jordan, tenemos:
_
1 3
0 0
_
Ahora, si tomamos el parametro x
2
= t en x
2
3x
2
= 0, todo eigenvector para
2
es de la forma:
x =
_
x
1
x
2
_
=
_
3t
t
_
= t
_
3
1
_
, t = 0
fin del ejemplo
NOTA: En realidad encontrar los eigenvalores es un tanto complicado ya que se deben encontrar
las races del polinomio caracterstico, cosa que no siempre resulta facil, pues en nuestro ejemplo tenemos
un polinomio de segundo grado ya que la matriz era de 2 2; si la matriz es de 3 3 el polinomio
sera de tercer grado y as por el estilo. En este curso nos dedicamos exclusivamente a las races reales del
polinomio caracterstico, pero no siempre existen solo races reales.
3.2.3. Diagonalizacion
Para enfrentar este tema debemos primero estudiar sobre la semejanza de matrices.
Matrices semejantes
_
`

Denicion de matrices semejantes

Para matrices cuadradas A y A

de orden n, se dice que A

es semejante a A si existe una

matriz invertible P tal que:
A

= P
1
AP
Ejemplo: Las matrices
A =
_
2 2
1 3
_
y A

=
_
3 2
1 2
_
9

Algebra lineal - FCE - BUAP

Transformaciones lineales Matriz de una transformacion lineal
son semejantes ya que A

= P
1
AP con
P =
_
1 1
0 1
_
( Tarea 3 en la libreta, realizar la comprobacion haciendo la multiplicaci on P
1
AP )
Diagonalizacion
Recordemos que una matriz cuadrada diagonal es aquella cuya diagonal principal esta formada por
valores diferentes de cero y las zonas triangulares por encima y por abajo de la diagonal principal estan
formadas por ceros
1
_
`

Denicion de matriz diagonalizable

Una matriz de n n es diagonalizable si A es semejante a una matriz diagonal. Es decir,
A es diagonalizable si existe una matriz invertible P tal que P
1
AP es una matriz diagonal.
Ejemplo: 1: Vericar si la matriz
A =
_

_
1 3 0
3 1 0
0 0 2
_

_
es diagonizable con P:
P =
_

_
1 1 0
1 1 0
0 0 1
_

_
Solucion:
Debe demostrarse que las matrices cumplen que:
P
1
AP =
_

_
4 0 0
0 2 0
0 0 2
_

_
( Tarea 4 en la libreta, encontrar P
1
y realizar la multiplicacion P
1
AP )
Ejemplo: 2:
Demostrar que la matriz
1
Como en las matrices identidad I, pero ahora en la diagonal pueden estar valores diferentes de 1
10

Algebra lineal - FCE - BUAP

Transformaciones lineales Matriz de una transformacion lineal
P
1
AP =
_

_
1 1 1
1 3 1
3 1 1
_

_
es diagonalizable y determinar una matriz P que cumpla que P
1
AP sea diagonal.
Solucion:
Primero debemos encontrar la matriz P, Esto se logra encontrando los eigenvalores y los eigenvectores
de A.
El polinomio caracterstico de A es:
|I A| =
_

_
1 1 1
1 3 1
3 1 + 1
_

_
= ( 2)( + 2)( 3)
( Tarea 5 en la libreta, Realizar las operaciones indicadas para llegar al resultado mostrado )
Por lo tanto los eigenvalores son
1
= 2,
2
= 2 y
3
= 3. Usando los eigenvalores, podemos
encontrar los eigenvectores, y son, respectivamente
2
:
_

_
1
0
1
_

_
,
_

_
1
1
4
_

_
y
_

_
1
1
1
_

_
y seran las columnas de la matriz P:
P =
_

_
1 1 1
0 1 1
1 4 1
_

_
La inversa de P es:
P
1
=
_

_
1 1 0
1
5
0
1
5
1
5
1
1
5
_

_
( Tarea 6 en la libreta, Realizar las operaciones indicadas para encontrar P
1
)
2
AVISO: quien me entregue en hojas blancas correctamente encontrados los eigenvectores tendra DOS PUNTOS extra
en el ultimo parcial. Pueden consultar la pagina 440 del libro, pero necesito todos los calculos
11

Algebra lineal - FCE - BUAP

Transformaciones lineales Matriz de una transformacion lineal
Entonces se concluye que:
P =
_

_
2 0 0
0 2 0
0 0 3
_

_
( Tarea 7 en la libreta, Realizar la multiplicacion P
1
AP )
FIN de las notas
12

Algebra lineal - FCE - BUAP