Tema 1II: Aplicaciones Lineales Asignatura: Álgebra David González de la Aleja Gallego Departamento de Matemática Aplicada Tema III: Aplicaciones Lineales • ¿Qué es una Transformación Lineal? • Aplicaciones Lineales de ℝn a ℝm. • Aplicaciones Lineales utilizando Coordenadas. Departamento de Matemática Aplicada ¿Qué es una transformación lineal? Una aplicación lineal (o transformación lineal) es una función T entre dos espacios vectoriales, V y W T: V v⃗ que cumple: • T ( u ⃗ + v )⃗ = T ( u )⃗ + T ( v )⃗ • T (λ v )⃗ = λT ( v )⃗ → → W T ( v )⃗ ∀ u ,⃗ v ⃗ ∈ V . ∀ v ⃗ ∈ V, ∀λ ∈ ℝ . Por ejemplo, T : ℝ2 → ℝ2 tal que T 1 2 = (0) (0) y T 0 0 . = (1) (2) T T 2 0 1 0 2 0 2 4 =T +T = 2T + 2T =2 +2 = (2) (0) (2) (0) (1) (0) (2) (4) : Tema 3: Aplicaciones Lineales Transformaciones lineales y matrices - YouTube 3 ¿Qué es una transformación lineal? Matrices La transformación mediante una matriz es una aplicación lineal. Para A ∈ T : ℝn x⃗ → → m×n , ℝm T( x ⃗ ) = A x ⃗ es una aplicación lineal porque: • T( x ⃗ + y ⃗ ) = A( x ⃗ + y ⃗ ) = A x ⃗ + A y ⃗ = T( x ⃗ ) + T( y ⃗ ) • T(λ x ⃗ ) = A(λ x ⃗ ) = λ A x ⃗ = λT( x ⃗ ) ∀ x ,⃗ y ⃗ ∈ ℝn . ∀ x ,⃗ ∈ ℝn, λ ∈ ℝ . Ejemplo: Para A = 1 5 −1 ∈ (6 −9 1 ) ℝ3 x y (z) → → , definimos la aplicación lineal ℝ2 x x 1 5 −1 y T y = ( ) 6 −9 1 (z) (z) 𝔐 T: 2×3 4 : . 𝔐 Tema 3: Aplicaciones Lineales Aplicaciones Lineales de ℝn a ℝm. Teorem Sea T : ℝn → ℝm una aplicación lineal. Entonces, para cada x ⃗ ∈ ℝn, se cumple qu T ( x ⃗ ) = T (x1 e 1⃗ + x 2 e 2⃗ + … + xn e n⃗ ) = x1T es decir, existe una única matriz A ∈ T( x ⃗ ) = A x ⃗ con m×n 1 0 ⋮ 0 + … + x nT 0 0 ⋮ 1 1 0 ⋮ 0 = T 0 0 ⋮ 1 … T x1 x2 ⋮ xn tal qu A = (T( e 1⃗ ) T( e 2⃗ ) … T( e n⃗ )) . Por ejemplo, dada una aplicación lineal T : ℝ2 → ℝ2 definida por T (y) = , la (x − y) x+y x matriz que define la aplicación es: T T 1 1 = (0) (1) A= 0 1 = (1) (−1) 1 1 . (1 −1) 5 e , e a 𝔐 Tema 3: Aplicaciones Lineales Aplicaciones Lineales de ℝn a ℝm. Núcleo e Imagen Sea T : ℝn → ℝm una aplicación lineal. Definimos: ✦ Núcleo: es el conjunto de vectores de ℝn que tienen valor 0 ,⃗ es decir, ⃗ Ker(T ) = { x ⃗ ∈ ℝn / T( x ⃗ ) = 0 } ✦ Imagen: es el conjunto de vectores de ℝm que se obtienen a partir de T, es decir, Im(T ) = { y ⃗ ∈ ℝm / T( x ⃗ ) = y ⃗ para algún x ⃗ ∈ ℝn} Debido a que T : ℝn → ℝm está definida por una matriz A ∈ m×n , tenemos que n n ⃗ ⃗ • Ker(T ) = { x ⃗ ∈ ℝ / T( x ⃗ ) = 0 } = { x ⃗ ∈ ℝ / A x ⃗ = 0 } = Ker(A) • Im(T ) = Col(A) ya que si A = ( a 1⃗ a 2⃗ … a n⃗ ) entonces T( x ⃗ ) = A x ⃗ = x1 a 1⃗ + x2 a 2⃗ + … + xn a n⃗ 6 : . : . . . 𝔐 Tema 3: Aplicaciones Lineales Aplicaciones Lineales de ℝn a ℝm. Sobreyectiva, Inyectiva y Biyectiva Sea T : ℝn → ℝm una aplicación lineal. Definimos: ✤ Sobreyectiva: si la imagen de T es ℝm ✤ Inyectiva: si T( x ⃗ ) ≠ T( y ⃗ ) para cada x ,⃗ y ⃗ ∈ ℝn con x ⃗ ≠ y ⃗ ✤ Biyectiva: si es sobreyectiva y inyectiva. Teorem Sea T : ℝn → ℝm una aplicación lineal con matriz asociada A ∈ • T es inyectiva • T es sobreyectiva ⇔ (A | 0 )⃗ tiene una única solución Col(A) = ℝm ⇔ m×n . Entonces ⇔ rango(A) = n ⇔ rango(A) = m. 7 . : . . a 𝔐 Tema 3: Aplicaciones Lineales Aplicaciones Lineales de ℝn a ℝm. Sobreyectiva, Inyectiva y Biyectiva (Ejemplo) Para la matriz 2 1 3 −2 C = 2 −1 5 2 ( ) 1 1 1 1 se pide • Define la aplicación lineal asociada a C • ¿Es sobreyectiva, inyectiva y/o biyectiva? La aplicación lineal asociada a C es T : ℝ4 → ℝ3 tal qu T( x ⃗ ) = C x ⃗ Esta aplicación no es inyectiva ya que rango(C) ≤ 3 y n = 4. Entonces tampoco es biyectiva. Finalmente, veamos que es sobreyectiva: 2 1 3 −2 2 −1 5 2 ( ) 1 1 1 1 → 1 1 1 1 0 1 −1 4 (0 0 0 1) → rango(C ) = 3 y m = 3. 8 e . , . : Tema 3: Aplicaciones Lineales Aplicaciones Lineales de ℝn a ℝm. Sobreyectiva, Inyectiva y Biyectiva Teorem Sea T : ℝn → ℝn una aplicación lineal con matriz asociada A ∈ • T es inyectiva ⇔ T es sobreyectiva ⇔ n×n cuadrada. Entonces T es biyectiva ⇔ A es invertible Además, en este caso, existe la función inversa de T T −1 : ℝn x⃗ → → ℝn T −1( x ⃗ ) = A −1 x ⃗ Por ejemplo, la aplicación lineal asociada a la matriz 3 −4 −1 A = −3 2 0 es biyectiva ya que rango(A) = 3 ( 0 −2 −2) → 3 −4 −1 0 2 1 (0 0 −1) Además, la aplicación inversa es T −1 : ℝ3 → ℝ3 con matriz asociada : . . 9 : . a 𝔐 Tema 3: Aplicaciones Lineales 2/3 1/3 −1 = 0 0 1/2 ( −1 −1 1 ) A −1 Aplicaciones Lineales utilizando Coordenadas Sea T : ℙ3 → ℙ2 la aplicación lineal que transforma cada polinomio en su derivada. Por ejemplo, la base canónica la transforma en: T(1) = 0, T(x) = 1, T(x 2) = 2x, T(x 3) = 3x 2 También, se puede escribir en coordenadas T̃ ( e 1⃗ ) = 0 ,⃗ T̃ ( e 2⃗ ) = e 1⃗ , T̃ ( e 3⃗ ) = 2 e 2⃗ , T̃ ( e 4⃗ ) = 3 e 3⃗ donde T̃ : ℝ4 → ℝ3 es la aplicación lineal actuando en las coordenadas. Además, podemos definir la matriz asociada 0 1 0 0 A= 0 0 2 0 (0 0 0 3) Entonces, para transformar 1 + 3x + 5x 2 + 4x 3 hacemos lo siguiente c 1 0 1 0 0 3 3 = 10 0 0 2 0 (0 0 0 3) 5 (12) 4 : . . : : = 3 + 10x + 12x 2 . c 10 Tema 3: Aplicaciones Lineales . → 3 10 [12] 𝔅 → 𝔅 1 3 1 + 3x + 5x 2 + x 3 = 5 4 Matriz Asociada Sea T : V → W una aplicación lineal entre dos espacios vectoriales V y W, y consideramos • V → • W → V = { v 1⃗ , v 2⃗ , …, v n⃗ } . W = { w 1⃗ , w 2⃗ , …, w m⃗ } . Entonces, para cada v ⃗ ∈ V con coordenadas x ⃗ con respecto a V T( v ⃗ ) = x1T( v 1⃗ ) + x2T( v 2⃗ ) + … + xnT( v n⃗ ) = [x1 a 1⃗ + x2 a 2⃗ + … + xn a n⃗ ] donde a i⃗ son las coordenadas de T( v i⃗ ) con respecto a T [ x ⃗] V = [A x ⃗ ] W V, W. Por W 𝔅 𝔅 , : : matriz se (T ) 𝔅 . 𝔅 𝔅 𝔙 lo tanto W. Esta V Tema 3: Aplicaciones Lineales 𝔅 W A = ( a 1⃗ a 2⃗ … a n⃗ ) con la matriz asociada a la aplicación con respecto a las base denota por : 𝔅 𝔅 𝔐 𝔅 𝔅 Aplicaciones Lineales utilizando Coordenadas 11 Aplicaciones Lineales utilizando Coordenadas Matriz Asociada (Ejemplo) Dada la aplicación lineal T: ℝ2 x (y) ℝ2 x+y (x − y) → → se pide calcular • La matriz asociada a la aplicación lineal, o lo que es lo mismo, T( e 1⃗ ) = 1 1 1 1 = , T( e 2⃗ ) = = (1) [1] (−1) [−1] → c (T ) con , c (T ) (T ) = c 1 1 (1 −1) 1 1 , {(0) (1)} 0 1 = , (1) [1] T 2 2 1 = = (1) (0) [0] → , (T ) = 0 2 (1 0) 𝔅 𝔅 𝔅 𝔐 𝔅 𝔅 𝔐 12 . . : . , 𝔅 𝔅 𝔅 𝔅 Tema 3: Aplicaciones Lineales : 𝔐 𝔐 𝔅 𝔅 𝔅 T( e 1⃗ ) = = c, c 𝔅 • c, Aplicaciones Lineales utilizando Coordenadas Matriz Asociada y Cambios de Base Otra forma de calcular (T ) = , T 0 2 es utilizar el siguiente diagrama: (1 0) P T c P (T ) = P = 1 1 (0 1) c← (T ) = c c, c , = c ← Para transformar v ⃗ tenemos dos opciones • v ⃗ = [ x ⃗] → b⃗ = • v ⃗ = [ x ⃗] → y⃗=P (T ) x ⃗ , c← x⃗ → → ← 1 1 (1 −1) c, c c → (T )P , 1 −1 (0 1 ) c← (T ) = . 0 2 (1 0) T( v ⃗ ) = [ b ]⃗ z⃗ = c, c (T ) y ⃗ → b⃗ = P ← c z⃗ → T( v ⃗ ) = [ b ]⃗ . Por tanto, 𝔅 c (T )P c← x ⃗. 𝔅 c, 𝔐 𝔅 𝔅 𝔅 𝔅 c 13 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 . 𝔐 𝔐 : 𝔐 𝔐 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 𝔅 Tema 3: Aplicaciones Lineales 𝔐 𝔐 𝔐 𝔐 𝔅 𝔅 𝔅 ← 𝔅𝔅 𝔅 (T ) x ⃗ = P , 𝔅 𝔅 b⃗ = Sobreyectiva, Inyectiva y Biyectiva Sea T : V → W una aplicación lineal. Definimos: ✤ Sobreyectiva: si ⃗ ✦ Ker(T ) = { v ⃗ ∈ V / T( v ⃗ ) = 0 } ✦ Im(T ) = W ✤ Inyectiva: si Ker(T ) = 0 ⃗ . Im(T ) = { w ⃗ ∈ W / T( v ⃗ ) = w ,⃗ v ⃗ ∈ V} ✤ Biyectiva: si es sobreyectiva y inyectiva ❖ Isomorfimos: si T es lineal y biyectiva. ❖ Endomorfismo: si T : V → V es lineal ❖ Automorfismo: si T : V → V es lineal y biyectiva. Teorem Sea T : V → W una aplicación lineal con matriz asociada A = W (T ) ∈ m×n . Entonces V, W (T ) es invertible. 14 𝔅 𝔅 ⇔ rango(A) = n rango(A) = m • T es sobreyectiva ⇔ Si m = n, T es inyectiva ⇔ T es sobreyectiva ⇔ T es biyectiva ⇔ V, • T es inyectiva : . . . . a . 𝔐 𝔅 𝔅 Tema 3: Aplicaciones Lineales 𝔐 𝔐 Aplicaciones Lineales utilizando Coordenadas Aplicaciones Lineales utilizando Coordenadas Sobreyectiva, Inyectiva y Biyectiva (Ejemplo) Sea T : 2×2 → 2×2 una aplicación lineal definida como T(C ) = C − C T. Prueba si es sobreyectiva, inyectiva y/o biyectiva. 0 1 0 1 0 1 0 0 0 0 T = − = = (0 0) (0 0) (0 0) (0 0) 0 0 c 0 0 0 0 0 0 1 0 −1 −1 T = − = = (1 0) (1 0) (0 0) (1 0 ) 1 0 0 0 1 0 1 0 0 0 1 1 T = − = = (0 0) (0 0) (1 0) (−1 0) −1 0 c 0 0 0 0 0 0 0 0 0 0 T = − = = (0 0) (0 1) (0 1) (0 0) 0 0 c c La matriz asociada respecto a las bases canónica es: c, 0 0 0 0 0 1 −1 0 (T ) = c 0 −1 1 0 0 0 0 0 𝔅 𝔅 𝔐 𝔅 𝔅 𝔅 𝔅 Como el rango es 1 y n = m = 4, no es sobreyectiva, inyectiva ni biyectiva. 15 𝔐 𝔐 Tema 3: Aplicaciones Lineales Aplicaciones Lineales utilizando Coordenadas Núcleo e Imagen (Ejemplo) Calcula también una base para el núcleo y la imagen: 1 0 0 0 0 1 , , 0 1 0 0 0 1 • Como el núcleo de la matriz es L 𝔅 𝔅 . Tema 3: Aplicaciones Lineales . , entonces una base para el núcleo de T es: 0 1 −1 0 , entonces una base para la imagen de T es: 0 1 {(−1 0)} 16 Im(T ) = 𝔅 𝔅 1 −1 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 , , {(0 0) (1 0) (0 1)} • Como el Col de la matriz está generado por 𝔐 0 0 0 0 Ker(T ) = → . c, 0 0 0 0 0 1 −1 0 (T ) = c 0 −1 1 0 0 0 0 0 Ejercicios ★ Álgebra Lineal con métodos elementales (Luis Merino y Evangelina Santos) • Ejercicios Resueltos del Tema III: 32 al 42 • Ejercicios Propuestos del Tema III: 87 al 103, del 105 al 112, 114, 116 y 117 En clase haremos: 87.1, 90, 91, 94, 96, 103, 106, 110, 117. ★ Álgebra Lineal y sus aplicaciones 4º Edición (David C. Lay). En clase haremos: • Ejercicios 1.8: 11, 20 • Ejercicios 1.9: 1, 5 • Ejercicios 2.3: 33. Ecuaciones paramétricas : . . . . Departamento de Matemática Aplicada