Capitulo 3 TRASFORMACIONES LINEALES 3.1. INTRODUCCION Exponemos en este capitulo ol concepto de trasformacién lineal entre dos. espacios vectoriales sobre un mismo cuerpo, las propiedades generales y los tipos especiales de trasformaciones lineales. Se introducen las estructuras de niicleo y de imagen de una trasformacién fineal y se da Ia relacién entre sus dimensiones. Fijada una base en cada espacio, siempre en el caso finito, se determina la matriz asociada a una trasformaci6n lineal, Después del estudio de la composicion de trasformaciones lineales, se conecta este concepto con el producto de matrices. Finalmente, se mencionan los espacios vectoriales de trasformaciones lineales y ol espacio dual de un espacio vectorial. 3.2, TRASFORMACION LINEAL ENTRE DOS ESPACIOS VECT( ‘ORIALES SOBRE UN MISMO CUERPO Sean (V, +, K, .) y (W, +, K, .) dos espacios vectoriales sobre un mismo cuerpo K. 3.2.1, Concepto La funcién f : V > W es una trasformacién lineal u homomorfismo si y séto si {la imagen de la suma de dos vectors cualesquiera de V es igual a la suma de sus imagenes en W F& +ty=SO0 +F(y) ii) Ia imagen del producto de cualquier esealar por todo vector de V es igual al producto del escalar por la imagen de dicho vector. F@x)=af(x)‘TRASFORMACION LINEAL 67 Las condiciones i) y ii) se pueden reducir a la dinica siguiente: f: VW es una trasformacién lineal si y sélo si Fax tBy)=af CQ +B fy) cualesquiera que sean ay Ben K, y xe yen V. El lector puede demostrar por induccién completa que si f: V> W es una trasformacion lineal, entonces se verifica que n * ICE ax) af (%) cualquiera que sea €N. Esto nos permite afirmar que las trasformaciones Hneales preservan las combinaciones lineales. Ejemplo 3-1 Scan los espacios vectoriales (R®, +, R, .) y (R?, +, R, .)- La funcién f : R° > R? definida por £1, X02, Xa}= (1 — Xs, X2— Xs) es una trasformacién lineal, ya que se verifican las condiciones: i) LUG, X2,%3) + Wr Yar Ya MAF ty Xo to Xa t¥3)= =e ty —X3~ Ya, X2t¥2—-X3a—Ys) CD) por suma en R® y definicién de f. Por otra parte, teniendo en cuenta la defini y la suma en R?, es SU, Xa. 3) + LO 1, Vas Ya) = a — Kay Xa —¥a) +1 — Yara Ya) =r —X5 FP 3X2 — Xs $2 - Vs) Q) De (1) y (2) se deduce que la imagen de la suma es igual a la suma de las imagenes. ii) Por definicion de producto de escalares por ternas, definici6n de f, propi n def68 TRASFORMACIONES LINEALES| distributiva del producto en R, producto de escalares por pares, y por definicion de Les Sle Ger, %2, Xs HF (@X1, 0X2, OX 3) =X ~ Xs, OX, — OXg)= * =a (Ky — x3, X2 ~ Xa) HOS (Ky, Xo, Xa) ssea, ta imagen del producto de cualquier escalar por todo vector es igual al producto del escalar por la imagen de! vector. ' Ejemplo 3-2. La funcién f:R° +R? tal que f(y, ¥2,¥3)= Gr) —X3,%2 — x3 +1) no es una trasformacién lineal, pues LUG Xa. 3) + a Yas VMAS Gr HY 2 taxa bys) = =i ty X93 — Ya Xa t¥2 ~ 3 — V3 +1) pero FQ, X2.X3) FLO 1, Ya Ya) = Ot — Xa Xe — Xa t+ Or Is, ¥2 Hs FE = @1 Xa +P 1 — Ya, Xa ~¥3 HY. Hs +2) Fjemplo 33. Supongamos que f : R? > R? es una trasformacién lineal que verifica FC, O)=(1,2,3) y £(0,1)=@, -1, 2) Podemos obtener la imagen de (2, —3) de la siguiente manera F(2, -3)=F [(2, 0) + (0, 3) =F [2 CL, 0) +(-3) (0, DJ = =2f(1,0) + 3) F0,1)= 20, 2,3) +(-3) 0, 1, = =(2,4,6) + (0,3, -6)= (2, 7, 0) 3.2.2, Propiedades y clasificacién de las trasformaciones lineales Sea f: V>W una trasformacién lineal. Denotaremos mediante Oy y Ow a los vectores ulos en V y en W, respectivamente. F La imagen del vector nulo del primer espacio por toda trasformacién lineal es el vector nulo del segundo espacio. Teniendo en cuenta que el producto del escalar 0 por cualquier vector es el vector nulo,y | la condicién ii) de la definicién de trasformacién lineal, se tiene Oy) =F Ox) = OF ()= Oy : UL, La imagen del opuesto de todo vector del primer espacio es igual al opuesto de su! imagen.PROPIEDADES 69 Considerando la propiedad 1 y la definicion de irasformacién lineal, es FOX= FDR ECD S09 =-F 00 De acuerdo con la definicién, una funcién f: V > W es una trasformacién lineal si y s6lo si satisfave las condiciones i) y ii), pero nada se exige a f, salvo que sea una aplicacién. Ein particular diremos que Jes un monomorfismo + fs inyectiva Fes. un epimorfismo © f es sobreyectiva Ses un isomorfismo # f es biyectiva Si W=V, entonces la trasformaci6n lineal f se llama un endomorfismo, y si éste es biyectivo recibe el nombre de automorfismo. O sea, un automorfismo es toda trasformacion lineal biyectiva de un espacio vectorial en sf mismo. Ejemplo 3-4. La aplicacion f : R? > R* definida por F(t, 2, ¥3) = 2, M1, 5) es un automorfismo en R?. Debemos probar que fes una trasformacién lineal biyectiva, 1. fes una trasformaci6n lineal, ya que verifica: i) La imagen de Ja sumta es igual a Ja suma de las imagenes FUG a3) + On Pa PRL Or $12 Has + V5)= = Cra 8a, Xr Yu Xa +9) = Ba, — 483) + a Pa) = =F Ot Xa, ¥3) + £01 Ya Ys) ii) La imagen del producto de cualquier escalar por todo vector es igual al producto del escalar por la imagen del vector. PL Xe Ks HL C1, 2, @X3)= (XQ, — Ay, 85) = FO (X2,— 1, ¥a)™ af X02, Xs) 2, fes inyectiva, Sean (x3, 2,.%3)¥ 01, ¥2, Ya) enel dominio, tales que Ft Xa X39) =F Or, Yar rs) Osea a, 1. ¥3)= Wa, — Ya, 3) Por lo tanto es Xr Va X10 ‘TRASFORMACIONES LINEALES Luego Cu Fa, ¥3)= Os Ya. Ys) 3. Fes sobreyectiva, Cualquiera que sea (@, b, ¢) en el codominio, existe (~b, a, c) en el dominio, tal que fb, 4, 3 =(a, b, ¢) Queda probado asi que f es un automorfismo en R°. La trasformaci6n lineal f puede interpretarse como una trasformacién del espacio en sf mismo que corresponde a una rotacion de 90° alrededor del eje x5. F081 ¥2 x3) Ejemplo 3-5. |. La funcion f: VW que asigna a todo vector de V el vector nulo en W es una trasformacién lineal, pues LO +Y)= Oy = Ow + Ow =F(x) +7) FX) = Oy = Oy = af (x) Je llama trasformacién lineal nula. 2, La funei6n f: V > V tal que f (x) = ax cualquiora que sea x € V, y a un oscalar dado en K, es una trasformacién lineal.PROPIEDADES n En efecto: Sx tyraxty)saxtay=f~+fy) f(a@x)=a (ax) a (ax)=af (x) La trasformacién lineal f asi definida se llama homotecia de razon a. Ejemplo 3-6. Sea f : R? > R?*? definida por a+b °) fa. by ( 0 a+b ‘f es una trasformacion lineal, pues totbt+d 0 DC, d= -(" FIG. +, Dsfate, b+d 0 atbtetd ath 0 e+d 0 -( )+ ) f(@,byt+fe.d) O atb 0 etd y aatab 0 Flala, B=f(aa,ab)= ( } 0 aatab ath 0 «| ) =af(a,6) 0 atb ‘fno es inyectiva ni sobreyectiva. Ejemplo 3-7. Si (V, +,R, .) denota el espacio vectorial de los polinomios reales en la indeterminada X, entonces Ja funcion LiVoy,n TRASFORMACIONES LINEALES que asigna a cada elemento de V el conespondiente polinomio derivado, trasformacién lineal, pues es una fP+QD=P+O¥= "+Q=FP)+S(D F@P)=(@PY=aP=af P) El endomorfismo f no es inyectivo, 3.3. NUCLEO E IMAGEN DE UNA TRASFORMACION LINEAL Consideremos una trasformacién lineal f: V> W, 3.3.1, Concepto de nicleo Niicleo de una trasformacién lineal f, » entre dos espacios vectoriales sobre un mismo Guerbor ¢s €l conjunto de los vectores del dominio cuyas imagenes por f son el vector mulo del codominio. Ww Vv El simboto N (/) se lee micieo de f, Por definicién es NO) {xeV/s(x)= Oy} El micleo de toda trasformacién fi neal es In preimagen del vector nulo det segundo espacio. O sea NO=F1 (1 Ow} ) Por definicién, un vector perteneciente a V es un elemento del micleo si y sélo si su imagen es el vector nulo de W, XENG) © F(X)= OyNUCLEO B Ejemplo 3-8, Determinamos el niicleo de la trasformaci6n lineal definida en el ejemplo 3-1. NOD={ 1x2, x3) ER? /f G1, Xa, x3) = (0 ,0)} Se tiene G1, Xa, KEN (NOS, ¥2, X32) = (0, 0) (1 X53, %2 —X3)= (0,0) xy x3 = 04 xy x3 =08 OX, HX, HX3 Fa Luego N(N={@.a,a)/aeR} Por definicién de ley de composicién externa en R® se tiene NQ={a. 1, /aeR} Esto nos dice que el micleo de f es el conjunto de todos los miiltiplos esculares det vector (1, 1, 1). La representacién del N (f) esta dada en el grafico siguiente R (0,0) Volviendo a la definicién de niicleo de una trasformaci6n lineal f V > W, observamos que NMCV Por otra parte, de acuerdo con 3.2.2. 1, 0s Fy) = Ow En consecuencia OyeNG) Luego, el nucleo de toda trasformaci6n lineal f es no vacio.4 TRASFORMACIONES LINEALES 3.3.2, Propiedad del niicleo FE] micleo de toda trasformacién lineal entre dos espacios vectoriales es un subespacio det primero. Hipétesis) f: V > W es una trasformacién lineal. Tesis) (N(/), +,K,.} es.un subespacio de (V, +, K, .. Demostracién} Ya hemos visto que el micleo de toda trasformacién lineal entre dos espacios vectoriales es una parte no vacia del dominio. De acuerdo con Ja condicién suficiente, demostrada en 1.8.2., falta demostrar: 1. N () es cerrado para la suma. Sean x e y dos vectores cuatesquiera de N (f). XEN (AY EN (J) > (x) = Ow AS (y) = Ow > PLO) FLY) = Ow AL +) = Ow > =>xtyen() Por definicién de niicleo, suma en W, definicion de trasformacién lineal y definicién de niicleo. 2. N (f) es cerrado para el producto por escalares. SeanweKyxeV aeKAxEVaeK A f(x)= Ow > af (x)= a Ow > =f (ax) = Oy 2axEN() Por definicién de nicleo, producto de escalares por elementos de W, definicion de tras- formacién lineal, propiedad 1.3.2. y definicion de nucleo. 3.3.3. Concepto de imagen Imagen de una trasformacion lineal f: V+ W es el conjunto imagen del dominio, o sea, es la totalidad de las imagenes de los vectores del primer espacio. El simbolo I (J) se lee: imagen de f. 1H={F@/xev} También IM=[yewW/axeva fay}IMAGEN 18 Jy U Vf) Sabemos que f Oy) = Ow. En consecuencia, Oy €1 (f), lo que significa que IQAe Ademés, de acuerdo con ta definicién, es 1Mcw 3.3.4, Propiedad de la imagen La imagen de toda trasformacién lineal entre dos espacios vectoriales es un subespacio del codominio. Hipétesis) f: V > Wes una trasformacién lineal. ‘Tesis) (109, +.K, .) es un subespacio de (W, +, K, .) Demostracion) Sabemos que la imagen de toda trasformacion lineal entre dos espacios vectoriales es una parte no vacia del segundo. Teniendo en cuenta la condicién suficiente para la existencia de subespacio, probaremos: 1, E(P)es cerrado pata la suma. Sean wy v dos vectores de I (f). wel (f) A vel()7 3x dyenV/s(XJaur f(yav> SfWtfysutv rAxeVAyeVs ofKty)=utvAxtyeVoutvel() Hemos aplicado la definicion de imagen, de trasformacién lineal y de imagen. 2. 1 (f) es cerrado para el producto por escalares. Consideremos we K y wel () eek Auel(aeK A feu A xeV> maf (x=au nr xeV>f(ex)-au Aaxev> sanel()— 76 TRASFORMACIONES LINEALES De acuerdo con ia definicién de imagen, producto en W, definicién de trasformacién lineal y definicién de imagen. Ejemplo 3-9, Determinamos ef nicleo y ta imagen de la trasformacién lineal f: R? + R2%? definide en el ejemplo 3-6, L NO=1 Gu, x2)ER? /f (0) x2) =N] 0 0 eu snrenmerens)=( )- 0 0 te, 0 00 -( J-(0°) enteccoe 0 x +x,/ \o 0 *xy=-x, Luego: N= [Ca a)/aeR} © sea, el micleo de f es el conjunto de los Pares ordenados de componentes opuestas, 2 TW)= [AER /P Ge, ,¥4)=A} ab a( Jee seusrer? /yeumyaae cd xtx 0 la b ° S| xy tag =a= dab=c=0 0 xX, +x, cd Luego a I (/) pertenecen las matrices del tipo Ejemplo 3-10, Dada la trasformaci6n lineal del ejemplo 3-9, determinamos las dimensiones de N (/)e 10).NUCLEO F IMAGEN n 1. Hemos visto que NW)=|Ca,a)/aeR} ‘Teniendo en cuenta la definicién de ley de composicién externa en R?, es N()={a(-1, D/aeR} Esto significa que N (f) esta generado por el vector (—1, 1), es decir, este vector constituye un sistema de generadores dol nticleo, Ademis es linealmente independiente segtin 2.4.3. i), Por consiguiente, { (—1, 1) } es una base del nicleo, Entonces dimN()=1 2. Como a 0 1()= /aeR 0 a podemos escribir, por definicién de producto de escalares por matrices: {1 0 1M=sa /acR 01 Osea, la matriz (3) es un sistema de generadores de I(/), y ademés linealmente independiente. En consecuencia, constituye una base, Luego dimI (= 1 3.3.5. Nacleo de un monomorfismo Una trasformacién lineal f : V > W es inyectiva si y solo si el Gnico elemento del niicleo es el vector nulo del dominio. 1. Sea f': V+ W un monomorfismo. Debemos probar que N (f)= { Oy | « Oy ENG) {Oy} CN (1)8 TRASFORMACIONES LINEALES Sea x EN (/). Se tiene XEN (Df (x)= Ow =f (Oy) x= Oy > xe {Ov} Por definicion de niicteo, 3.2.2. 1. y por ser f inyectiva. Entonces NOC {ov} De (1) y (2) resulta N= Oy} 2, Sean f : V > W una trasformaci6n lineal y N(/)= | Oy | Para demostrar que f es inyectiva consideremos dos vectores cualesquiera x e y en V, tales que f(x) =f (y). Ahora bien, por suma en W, definiciones de trasformacién lineal y de néicleo, por hipétesis y suma en V, se tiene FR)=FY) ALO) —F(Y) 2 Oy = $y) = Oy = a x-yeN()2x-y=Oy 4x=y © sea, basta que el niicleo tenga un tinico elemento para que ta trasformacién sea inyectiva. Ejemplo 3-11. La imagen de cualquier conjunto linealmente dependiente, por toda trasformacion lineal, es linealmente dependiente, Sea f: V+ W una trasformacién lineal,y {¥),¥2,....¥r | un conjunto linealmente dependiente en V. Debemos probar que { f(¥1), f(¥2).-+ fC») | es linealmente dependiente en W. En efecto, por definicién de dependencia lineal se verifica que a i Zane Oy Aa; #0 Aplicando f es FE, =F OV) Ae #0 Por ser f una trasformacién lineal y por imagen del vector nulo se tiene z af (vi) =0y A a #0 En consecuencia (Fer) £02)... £4 es linealmente dependiente.IMAGEN 9 Ejemplo 3-12. Sif: VW es una trasformacién lineal y v1, V2, .... ¥» on vectores de V tales que sus imégenes constituyen un conjunto linealmente independiente en W, entonces V1, ¥2,---, ¥, Son linealmente independientes. En efecto, consideremos una combinacién lineal, con escalates a determinar, de los vectores ¥; Vay.» Vrs que sea el vector nulo de V Ba 0. 1 v Entonees, por definicién de funcién, es ICE, av) =F Ov) Por ser f una trasformacién lineal y por imagen del vector nulo, se tiene * Br wf = Ow Como los vectores f (¥;), i= 1, 2, . . .7Son linealmente independientes en W, resulta Wi=1,2,.047 y= Luego Vis Vass Me son linealmente independientes en V. Ejemplo 3-13. La imagen de todo conjunto linealmente independiente, dada por cualquier trasforma- cién lineal inycctiva, es un conjunto Jinealmente independiente. Hipdtesis) f : V > W es una trasformacion lineal 1-1. [vis ¥ay--5¥)] es Lien V. esis) | f(y). f (v2)... of (Vr) } es Len W. Demostracién) Sea 2, a0) = Ow Por ser f una trasformacién lineal es F(3, avi)= Ow Por definicién de niicleo se tiene Raven80 TRASFORMACIONES LINEALES Y como f es inyectiva, ef niicleo se reduce al vector nulo de V, 0 sea 3a 0y Aplicando la definicién de independencia lineal a los vectores de la hip6tesis es %=0 W=1,2,..47 En consecuencia {F@), SO)... SOD} ¢ un conjunto linealmente independiente. 3.4. DIMENSIONES DEL NUCLEO Y DE LA IMAGEN La trasformacién lineal f; R* > R?*?, estudiada en los ejemplos 3-9 y 3-10, verifica dimN(QQ=! y dimi(Q=1 Osea dim N(f) + dim 1) = 2=dim R? Este hecho se verifica cualquicra que sea la trasformacion lineal definida en un espacio vectorial de dimension finita Propiedad Si (V,+,K,.) es un espacio vectorial de dimension finita y f:V>W es una trasformacién lineal, entonces la suma de las dimensiones del nitcleo y de la imagen es igual a la dimensién del primer espacio, Mipdtesis) f: V > W es una trasformacién lineal dim V=n Tesis) dim N(f) + dim I(f)= dim V Demostracién) 1. 1) tiene dimensién finita Sabiendo que cualquier base de V es finita, se deduce que I (/) tiene dimensién finita. En efecto, si {wy,W2,..., W | es un conjunto LiL. en I(f), entonces existe un conjunto Li. en Vif V1,¥2,+. 5%, | tal que FW)EW E=1L2Q,..4r de acuerdo con el ejemplo 3-12. Esto significa que si 1 (f) no tuviera dimension finita, entonces V no tendrfa dimensién finita. 2. Sea | X1,%2,...,Xp } una base de N (J), Sin =p, entonces N ({)=V y dim 1 (f) =O, pues en este caso es [(={ Ow} .DIMENSIONES DEL NUCLEO Y DE LA IMAGEN 81 j Sip 2% ay en Qe FE ays 2 89% Oxy — Borys 0y 26-00 ay =0 Vi ii) [24,2%y-- 4%, } 8G. del() Sea z cualquier vector de I (f). Por definieién de conjunto imagen se verifica ZELFIXEV[f(R)=29 Z=L (RA gx t 2 By 2 WOE BLO) | » « aaa fe yxy + By) > % x « * 22a 2 a WwtE Bu t= 2 Bit82 TRASFORMACIONES LINEALES En i) hemos tenido en cuenta que fs una trasformacién lineal, Ia definicién de nicleo, la base de éste, suma en V, y el hecho de que A es una base de V, En ii) hemos expresado a x como combinacién lineal de la base de V, se ha tenido en cuenta que f es una trasformacién lineal, que todo xj es un elemento del niicleo, y que el producto de cualquier escalar por el vector nulo es el vector nulo. Queda demostrado entonces que dim N (f) + dim 1 (Q= din V Ejemplo 3-14, Consideremos la trasformacién lineal f: R* + R? definida por FOr, Xa, Xa, X4)= OL — 82 —X3 +4,0) Determinamos; 1. ELN (A), una base del mismo y su dimension (1, Xa ¥3, Xa VENL) Fe, x2, %3, 24) = (0, 0) > Py 2 xg xg ,0)= 0,0) xy — 2) — x3 HQ HO xy Hxy tx3 4 En consecuencia, los vectores del niicleo son del tipo (a+b -- oa, b,¢), y por definicion de suma en R4 y producto de escalares por cuaternas, se tiene (a+b —c,a, b,c}=(@,a, 0,0) + @, 0,5, 0) + Ce, 0, 0, e) = =a(1,1, 0,0) +5 (1,0, 1,0) +e(~1, 0,0, 1) O sea, los vectores vi =(1,1,0,0) v2 =(1,0,1,0) v3 =(-1,0,0, 1) son un sistema de generadores de N (f). Ademés, son linealmente independientes y por lo tanto constituyen una base del mismo, Luego aim N (= 3 2. Una base de I(/). De acuerdo con el teorema anterior es dimN (J) + dim Q=4 Osea dim Q=1 Entonees, toda base de I (f) tiene un unico vector. Como I= {@-b-c+d,0)/a,b,cydeR} se verifica que‘TEOREMA FUNDAMENTAL 83 Ov rydelN? 01 y2)=@-b-c+d, 0% (1, ¥2)= @, 0) + Hb, 0) +e, 0) +4, 0% © 1, ¥2)=a (1,0) —b (1,0) -e(1, 0) +4 (1,0) #01 ¥2)=@~ be +4) (1,0) * 1, 42) = 41,0) Inego (1, 0) es una base de 1 (/). En consecuencia dimI(=1 3.5. TEOREMA FUNDAMENTAL DE LAS TRASFORMACIONES LINEALES Sean (V,+,K,.) y (W, +,K,.) dos espacios vectoriales y [v]={¥1,¥2,...,¥n} una base de V. Siw,,W,...,Wn Son m vectores cualesquiera de W, entonces existe una Gnica trasformacién lineal f : VW tal que f (vi) =W; Wi= 1, 2,....7 Hipotesis) (V, +, K, .) y (W, +, K, .) son espacios vectoriales Iv]= { vi.¥25-.4¥n | es una base ce V {WisWosees Wn] CW Tesis)_ Existe f : V+ W trasformacién lineal tinica, tal que f (v))= Wi, Vi= 1,2, Demostracién) Sea cualquier vector x € V. Entonces existen y son tinicos los escalares a, 0, ++ 4 Ons tales que n K=D ayy ot ya que todo vector del espacio puede expresarse de modo tinico como combinaei6n lineal de los vectores de la base, segiin 2.4.2. Definimos f:VFW mediante $()=Z, aiw; La asignacién (1) caracteriza a f como una funcidn de V en W. Necesitamos probar las siguientes afirmaciones: 1, fes una trasformacion lineal Six y son dos vectores cuslesquiera de V, y «eK, entonces ay A ya Biv2 TRASFORMACIONES LINEALES y se verifica DLE etd Axd=r2 et pyn) = 2 @t6yw,- 2 X amt 2 Bweray+ryy Dren=103 an-r( ayy) = Gama asasia) 2.751,2,., Bf (Vi) = wy En efecto WaOW HOV tht. tO vy Luego FOD=OW +... + OW HI. HOW, =1 w=; 3. Bajo la condicion f(v;) = w,, Fes tinica, Sig: V— Wes una trasformacién lineal tal que g (v,) = Wi WE= 1,2... ., entonces 8O)8CE gy w= E avg (y * n “Bel -SCE evs = £00) cualquiera que sea x € V, Luego sf EI teorema demostrado asegura que toda trasformacién lineal entre dos espacios Wcrtoriales queda unfvocamente determinada por los valores que toma sobre cualquier base del primero, Ejemplo 3-15, Definimos la trasformaci6n lineal ': R° > R? que asigna a los vectores de la base (11,1), (1, 1,0) ,(1,0,0) en R, tos vectores (,2),0,2) y G4) en R?, respectivamente, Necesitamos determinar la imagen de un vector genérico (@, b,c) ER?. Expresamos a éste como combinacién lineal de la base dada ca |ePRODUCTO DE MATRICES 85 (a,b, e)= ay (1, 1,1) tay (1, 1,0) +05 (1,0, 0)= = (1 $a +45 0 tay a1) > Far = 6,0 =b—c,a;=a~b Entonces (a,b, c)= e(1,1,1)+@—e)U1, 1,0) + @~d)(1, 0,0) ©, 2)4+ @—e) (1, 2) + @—b)E-1, I= £6 2) + (bc, 2b 2c} + (-a +b, a B)= (2b-a,b+a) f@,b,c) w W 3.6. PRODUCTO DE MATRICES. Sean las matrices A € K""*? y Be KP" Llamaremos producto de las matrices A y B, en ese orden, a la matriz C cuyo elemento genérico cj es la suma de los productos de los elementos de la fila # de A, por los cosrespondientes elementos de la columna j de B. Escribiremos C= AB donde eg =i big tain bag t... + ay by; Osea 2 Cy SZ ti Pas cualesquiera que sean #=1,2,...,myf=1,2,...0. De acuerdo con la definicion, para que dos matrices se puedan multiplicar, el nttmero de colummas de la primera debe ser igual al ntimero de filas de la segunda, Por ejemplo, si entonces86 TRASFORMACIONES LINEALES 2 Si A es la misma que en el caso anteriory B= | 2 3 entonces 1 0-1 2 -s ape ( ) ( 3 “ } 1 2-2 3 4 En ninguno de los dos casos existe BA En particular, si m2 =1, los elementos de K"*" se Ilaman matrices cuadradas y se verifica que (K"*", +, .) es un anillo no conmutativo, con divisores de cero y con identidad. El tema esta tratado en el capitulo 9 del texto Algebra I ya citado, y se estudiard en detalle en el capitulo siguiente. El elemento unidad o identidad en K"*" es fa matriz I definida por ay =1 si y ay=0 si i#j y verifica AI=IA cualquiera que sea Ae K"™", 3.7, MATRIZ ASOCIADA A UNA TRASFORMACION LINEAL Consideremos una trasformacion lineal f:V->W, entre los espacios V y W de dimensiones finitas n y im, respectivamente. Probaremos que si se fija una base en cada espacio, entonces la trasformacién lineal f queda caracterizada por una matriz del tipo mx, que llamaremos matziz de la trasformaci6n lineal respecto del par de bases dado. Sean entonces Iv] = | ¥,, ¥2..0.,¥, | uma base de V [w]= i, Wes. Win | una base de W Si x es cualquier vector de V, por ser [v] una base, existen escalares @1,02,...,@y, tinicos, tales que x=Z gy Tales escalates caracterizan a x respecto de la base de V, y segiin vimos en 2.6.2, se Harman las coordenadas de x respecto de dicha base. Podemos escribir Ob on Xv = OpMATRIZ DE UNA TRASFORMACION LINEAL 87 Sila imagen de.x € V es y € W, se tiene y=S@) Como y es un vector de W, puede expresarse de modo tinico como combinacion lineal de la base [w], 0 sea m ye Zam @ donde @s,0°2,...,@y Son las coordenadas de la imagen de x, respecto de la base [w]. En consecuencia Por el teorema fundamental de las trasformaciones lineales, f queda caracterizada univocamente por los valores que toma sobre cualquier base de V. O sea, es suficiente obtener las imagenes, por f, de cada vector de la base [¥]. Ahora bien, para cada 7=1,2,...1,(yj) € W, y por consiguiente puede expresarse como combinacién lineal de la base [w]. Osea a 10)" Zeum GB) Ws1,2,. Asignamos a cada escalar ay un doble subindice; el primero, asociado a cada vector de la base | W1,W2,.. Wns | , ¥ el segundo, en correspondencia con el vector de la base [v] Ast LODE ay Wi tear Wa Fe .. Fay Wp La) Faiz Wi tax Wa +... Ham, Wn Fn) = 1m Wt + Aan Wa +. Hann Wm Los n.m escalares aj, que figuran en las combinaciones de los vectores que son imégenes de los elementos de la base de V, constituyen una matriz cuya traspuesta, que denotamos con A, recibe el nombre de matriz de Ja trasformacin lineal f respecto de las bases [¥] y [w]. Osea 41 ay 4a ax an @mi m2. amp88 ‘TRASFORMACIONES LINEALES La matriz de Ja trasformacin lineal es del tipo mxm, donde m es la dimension del segundo espacio y ” la del primero, 4 Por consiguiente, para hallar la matriz. de una trasformacién lineal f respecto de una base en cada espacio, se determinan las imagenes dadas por f de los vectores de la base del primer espacio. Se expresan estas imagenes en términos de la base del segundo espacio, 0 sea, como; combinaciones lineales de los vectores de la segunda base. La traspuesta de la matriz de‘ coeficientes es la matriz de Ia trasformacién lineal respecto de las bases dadas en ambos espacios. Probaremos ahora si A es la matriz de la trasformaci6n lineal f, respecto de las bases [v] y {w], y si Xjyj denota la matriz, columna correspondiente al vector x € V, cuyos elementos son las coordenadas de éste respecto de la base de V, entonces la imagen de x, expresada en términos de la base de W, se obtiene premultiplicando por A al vector columna X/ yj, 0 sea FCO=A Xv) = Yow] En efecto, dado x € V, es n . 2 x= Zay (Dy f@=y=k ew En consecuencia, teniendo en cuenta (1) y la definiciOn de trasformacién lineal, es FON=LE GWE, FW) Por (3) resulta ay Wi LO)= 2 ay Introduciendo a en Ia segunda sumatoria, por ser constante respecto del indice i, y permutando las dos sumatorias, se tiene % Zaaiwe YOR avadw SOQ= De (2) y (4), por la unicidad de ta combinacién lineal que expresa a f(x) en términos de la base [w], es @:= Bay oy Se deduce de esto que la Zsima fila o componente de ¥fw), 0.sea a’, es igual ala suma de los productos de los elementos de Ja fila i de A por los correspondiontes elementos de la nica columna de Xjy), y por la definicién de producto de matrices resultaMATRIZ DE UNA TRASFORMACION LINEAL a9 Co sr Tes ey ay % @, a an Gin » | = @, mt Oma s+ Ginn) \ ey can O bien AX = ¥pw) Reiterando lo enunciado, afirmamos que la imagen de cualquier vector del primer espacio es igual al producto de Ia matriz de la trasformacién lineal por la mattiz de coordenadas de dicho vector, respecto de la base [v]. Tal imagen resulta expresada en términos de la base del segundo espacio. Ejemplo 3-16. Consideremos la trasformacién lineal f : R? > R? tal que PG ¥2 ¥3)= 01 $83,423) (1) 1. Determinamos la matriz de f respecto de las bases W1={.1,1),(,1,0),€,00)} enR? Iw}={ (2,0), ,1)} en R? Mediante (1) obtonemos las imagenes de los vectores de la base [v], y expresamos Gichas imagenes como combinaciones lineales de los vectores de la segunda base FC 1,1) (2, 0)=1(2,0)+ 0(0, 1) £0,1,0)=(1, D=F2,0)+ 1(0, 1) £(1,0,0)= (1, 0) Se tiene Aces la matriz de la trasformaci6n lineal f, respecto de las bases [v] y [Ww]. 2. Utilizando la matriz, A, obtenemos la imagen de x= (1, 2, 3).90 TRASFORMACIONES LINEALES Para ello es necesario determinar las coordenadas de x respecto de la base en R®, 0 sea, 01, y oy tales que (1, 2,3) =e (1, 1,1) + (1, 1, 0) +a (1,0, 0) = =(@, Fay +43,0, +a, 01) Resulta a =3,=-1, 03 = Entonces 3 X= [-1 -1 Su imagen es itl 22 3 2 Yew) =A Xet = -1) = o10/ \-1 -1 Los escalates 2y | son las componentes de f (x) respecto de la base [w] $i aplicamos directamente f'a la terna (1, 2, 3), se tiene £(1,2,3)=(4,-1) Expresando esta imagen como combinacién lineal de la base [w] es (4 -1)=2(2,0)+--D 1) Ejemplo 3-17. Obtenemos ia matriz de la trasformacién lineal f:R?*?>R_ definida por XX f = (1 tx4,%2 — 25) X30 Xq respecto de la base canénica en ambos espacios. Las imiigenes de los vectores de la base candnica de R?*? son 1 0 f ( ) =(1,0)=1 (1,0) +0, 1) 0 0 0 1 f ( ) =(0,1)=0(1,0) +10, 1) 0 0MATRIZ DE UNA TRASFORMACION LINEAL on 0.0 f ( ) =(0,—1)=0(1, 0) + 1) (0, 1) t 0 0 0 f ( ) =(1,0)=1(1,0)+0(G, 1) oof Resulta 10 041 a-( ) Oo 1-1 0 Notese que, en ef caso de la base canénica, los coeficientes de la combinacién lineal son los elementos de la matriz, o las componentes del par. Asi, la matriz 2-3 (4) 1-1 es un vector de R?%* cuyas coordenadas, respecto de la base candnica (]={ Eu, Br, Ba, Ex | , son 2,-3,1 y ~1. De modo tal que la matriz. puede expresarse asi 2 —3 Pwi=l 4 “1 Su imagen por f, utilizando A, es 10 01 3 1 roma EC) o 1-1 0 4 Tal imagen resulta expreiada en la base candnica de R? y se identifica con la que se obtiene al aplicar directamente la definicidn de f. Asi (4) 2-1, -3-1)=(1,-4)92 TRASFORMACIONES LINEALES 3.8. COMPOSICION DE TRASFORMACIONES LINEALES Sean f:V>U y g: UW dos trasformaciones © aplicaciones lineales. La funcion compuesta gef:Vow se define como en 4.6,, Algebra I, 0 sea (°N&=sf@)] Demostramnos que 1a composicion de dos trasformaciones lineales en las condiciones dadas, es una trasformacién lineal. En efecto: 1 @N&ty)=Bh a+] <@/WO tfy)]= “Bf Olt+slOizeeNW+@eHiy) 2. @°NO@X=sf @x)] =g laf @l=as [F@)]= Sages) (x) Hemos aplicado sucesivamente la definicién de composicidn, las hipétesis (f y g son trasformaciones lineaies) y la definicién de composicion, Ejempio 3-18, Consideremos las trasformaciones lineales FR OR y g:RoR? definidas por FOE XX)" 41 Xa tes ¥ BO)=0,0) Determinamos el niicleo de g » f, Para ello caracterizamos primero Ia ley de asignacin, utilizando la definicién de composicién oN) On Xe, ¥3)$8 FOr, Xo Xa HB OL — 2 $x3)= = (1 — x2 +x5,0) Por definicidn de niicleo, se tiene Gr, t,x) EN ON) OA (4, 9,209) = (0,0) #1 x2 +45,0)= (0,0) #2, — x2 +9 =0% xy = 5 Entonces N@oN=(@-c,b,c)/DER nceR} Como (b-¢,b,c)={6, b, 0) + (-c, 0,c)= BU, 1,0) +e (1,0, 1)COMPOSICION DE TRASFORMACIONES LINEALES 93 es {(1, 1,0), (1,0, 1)} un S.G. del niicleo de ge f. Como ademés es LL, tal conjunto es una base del nicleo, y por consiguiente su dimension es 2. 3 N (ge f) x (0,0) x 3.9. TRASFORMACION LINEAL NO SINGULAR 3.9.1. Concepto La trasformacién lineal f: V-+W es no singular, regular o inversible si y solo si es biyectiva. En simbolos £:V>W esno singular + f es un isomorfismo 0 bien {:V>W es trasformaci6n lineal no singular + fes biyectiva. Sabemos que una funcion f:V-+W es biyectiva si y s6lo si admite inversa, Bn consecuencia, podemos escribir Una trasformacién lineal f: V > W es no singular * Existe 7. 3.9.2. Propiedad La inversa de una trasformacién lineal no singular es una trasformacién lineal. Sea f: V >W una trasformacion lineal no singular, es decir, un isomorfismo de V en W. Probaremos que f“! : W > V es una trasformaci6n lineal.94 TRASFORMACIONES LINEALES Consideremos y, y y2 en W. Por ser / biyectiva, existen y son Gnicos los vectores x1 y Xp enV, tales que FON=a¥ y SOa)=y2 Se verifica que FTG tydRL? FOU) FS OIE L FOr tx EO of) Or + x2) = iy (Kr +X) =x +x. =f" (V1) +/7 (a) nv . SeanweK yy, eW Entonces LF? @y AS" ASQ Eft Pex l= HOT of) (@x1)= ty @X1)= ax, af (Yi) fy f* se llaman trasformaciones lineales inversas, y se verifica que Plofsty y feftsiy donde iy ¢ iy denotan las identidades en V y en W, respectivamente, Ejemplo 3-19. La trasformacién lineal f : R? +R? definida por f(@,b)=(@, -b) es no singular, por ser biyectiva. En efecto 1, Sean (2, b)y (a’, b’) en el dominio, tales que f(a, b)= f(a’, b’). Entonces es @,-b)=@’, -b) En consecuencia y b=b’ O sea, fes inyectiva. 2. Sea (a, 5) cualquier vector del codominio. Existe (@, ~B) en el dominio, tal que f @,—b)=(@,b) Y, por consiguiente, f es sobreyectiva. El significado geométrico de esta trasformacién lineal es una simetria respecto del eje de abscisas96 TRASFORMACIONES LINEALES 1, Hipétesis) f': V+ V es una trasformacién lineal inyectiva dim V=n Tesis) es sobreyectiva. Demostracién) Por hipétesis, fes inyectiva. En consecuencia, por 3 N@={0y} y dim N()=0 Como dim N (f) + dim 1()=¢im V resulta dim I ()=n=dimV En consecuencia, I (f) = V, o sea, fes sobreyectiva. 2, Hipétesis)f: V> V es una trasformacién lineal sobreyectiva dim V=n Tesis) es inyectiva. Demostracién) Sea { wi, Was... Wy] una base del codominio V. Por ser f sobreyectiva, existen v,, V2 ,.-., Vp en Y, tales que FW)=W ViA1,2,..40 Los n vectores v1, ¥2,...,¥n son linealmente independientes en V, y de acuerdo con 2.7.2, constituyen una base de V. Consideremos ahora un yector x cualquiera perteneciente al niicleo de f. Se verifica que KEND2x=E awd £0002 S092 F a fey=09 F awi-0= =a;=0, Vi=1,2,..40 Siendo N (f) = Oy, resulta f inyectiva. 3.10, COMPOSICION DE TRASFORMACIONES LINEALES -Y PRODUCTO DE MATRICES Consideremos las trasformaciones lineales f:VeU y g:Uew y sean W1={ vasvaseeovn} tule bases de U, Vy W, respectivamente. Wy, U2,--.,Uy} y [W]={ Wy, We,. 2. WmMATRIZ DE LA COMPOSICION 97 Las trasformaciones tineales f y g quedan caracterizadas por las matrices AEK?*" y Be K™*P respecto de las bases dadas en cada espacio. Se verifica que la trasformacién lineal compuesta gef:Vow esti asociada a la matriz, C=BAeK™™" respecto de las bases [v] y [Ww]. En efecto, sabemos que para determinar C se necesita obtener las imagenes de los vectores de Ia base [v] y expresarlas en funcién de los vectores de [w], 0 sea eam= Zam W Por otra parte, teniendo en cuenta la definicién de composicién de funciones, que fy g son trasformaciones lineales de matrices A y B, respectivamente, y propiedades de la sumatotia, se deduce @onm=eVonl=s(E 2 => = iy Ans Uh) = 2 ay & (Ue) 2 om 2m me = 2, an & ou wi E, Zande w= ECE, onan 2 1 Wa De (1) y (2), por unicidad de ta imagen, se deduce que z cy Duy As i ey Oe Os En consecuencia, por definicion de producto de matrices, resulta C=BA Ejemplo 3-20, Sean f: R° > Ry g: R> R? trasformaciones lineales definidas por Fr, Xa, X3) Sy tN — 3 £0)=0, 2) Se consideran las bases Iv] = {G,0,0), 0,1, 0),@,0,1)} enR® fw) ={1] enR Iw] = { (2,0), 2)} enR?98 ‘TRASFORMACIONES LINEALES Determinamos las matrices asociadas af g y g © fy verificamos el teorema anterior £,0,0)= 121.1 (@1,0)= 1=1.1 }*A=(@ 1-1) 7,0, 1)=-1=(-1)1 1 E()= (1,295 (2,0) + 1(0,2)2 B= ?) i a1 3) “1 gef:R3 +R? eA) Gr. 2. ¥3)=8 UF Or, Xe, XS) Se tx ~ X3)= (ey + xg — x3, 2%) + 2x2 —2¥5) Resulta L 2 1 Fle 1 C=BA -() Gil -p= Definimos ahora Luego eNC,0,0=( 1, 25 @,0)+10,2) @°NO1,0=( 1, 2 F2.0)+10,2) 0,0, =, -2)=-F 2,0) + (-1)(0,2) Osea vie aL c={2 2 11 3.11. ESPACIO VECTORIAL DE TRASFORMACIONES LINEALES 3.11.1. Concepto Con el simbolo Z (V, W) denotaremos el conjunto de todas las trasformaciones lineales entre los espacios vectoriales V y W, sobre el cuerpo K, 0 seaESPACIO DE FRASFORMACIONES: 99 LAV, W)= | f: V>W//fes trasformaciéon lineal } En L(V, W) definimos la suma de funciones y el producto de escalares por funciones mediante las asignaciones + @®=lH) +8 @) ® (aA (K)= af) Q) Demostraremos las siguientes afirmaciones: 1. La suma de dos trasformaciones lineales de V en W es una trasformacion lineal de V en Ww. En efecto: i) Fta&tY=fEtYtEKTY)= =f@O+tfMteWtEM=FtaWtFtoY) i) (+8) @N)=fEx) +8 (ax)= saf@)tag@=alf@+ts@l= =a(fts) (x) 2, Bl producto de cualquier escalar por cualquier trasformacién lineal de V en Wes una trasformacién lineal de V en W. Utilizando ja definicién (2), y con procedimiento andlogo al utilizado en 1., el lector puede probar que CAA+Y=CN&+ CAG) @A Bx) “BEAM ‘Ademés, las definiciones (1) y (2) permiten comprobar que el conjunto £ (V, W) tiene estructura de espacio vectorial sobre el cuerpo K. La cuatema (.L(V,W),+K,.) denota el espacio vectorial de las trasformaciones lineales de V en W, sobre el cuerpo K. El vector nulo de este espacio es la trasformacion lineal nula 6: VW definida pore (x)= Ow WxeV 3.11.2. lsomorfismo de L (V, W) en K™*" Sean (V,+,K,.) y (W, +,K, .) dos espacios vectoriales de dimensiones finitas n y m, respectivamente, y las bases Uv}= | vi.ves.- Vn} enV [w]={wiswWa,-. Wm} en W Entonces, L (V, W) es isomorfo a K"™"100 TRASFORMACIONES LINEALES En efecto, definimos F:L(V,W)>Km™" mediante F()=A donde A es la matriz de f respecto de las bases [v] y [w]. De acuerdo con el teorema fundamental de las trasformaciones lineales, A queda univocamente determinada para cada fe L (V,W), tespecto de ias bases [v] y [w]. 0 sea, la definicion dada satisface las condiciones de existencia y unicidad de toda funcién. Ademas, se verifica que: 1, F es inyectiva, pues si fy g son dos vectores de L(V, W) que satisfacen FQ)=F@) entonces sus matrices respecto de las bases [v] y [w] son iguales, lo que significa FW)=8@) ¥;=1,2,. a En consecuencia FOD=S(Z WHE a= Z we = gE avd =e(s) Osea fs 2. F es sobreyectiva, ya que, cualquiera que sea A €K"*”, existe f: V>W definida por * TO=Z, ay tal que FQ)=A 3. Pes una trasformacién lineal. En efecto: F(f+g)=A+B=F()+F@) F@N=aAsaF (i) donde A y B son las matrices de f'y g respecto de las bases [v] y [w]. En consecuencia F:L(V,W)>K™™ es un isomorfismo para cada eleccién de una base en V y una en W. Resulta entonces que dim L(V, W)= dim K™*"= mnESPACIO DUAL, 101 3.12, ESPACIO DUAL DE UN ESPACIO VECTORIAL Llamaremos espacio dual de un espacio vectorial (V, +, K, .), al espacio vectorial de las trasformaciones lineales de Ven K. V* denota al espacio dual de (V, +, K,.), 0 sea V*=L(V,K)={ f: VK / fes trasformacién lineal } Los espacios dominio y codominio son, respectivamente (V4,K,.) y (K4,K,.) Los elementos de V*, es decir, las trasformaciones lineales de V en K, se Haman formas lineales 0 funcionales. De acuerdo con el teorema fundamental de las trasformaciones lineales, toda forma lineal queda univocamente determinada por los valores que toma sobre cualquier base de V, Es decit, si [V]={vi,¥2,...¥n } es una base de V, y x4,%2,...4%q son n elementos cualesquiera de K, entonces la funcién £:V > K definida por SO=f(% avy=z arx, es un clemento de V# = (V, K), donde ay, az, .. dy son las coordenadas de x respecto de Ia base [v].