Nucleo e Imagen de Una Transformacion Lineal

NUCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL: DEFINICION: Sea una transformacin lnea.
La imagen de T, escrito Im T, es el conjunto de las imgenes de los puntos de E en F. * El ncleo de T, escrito como ( ) +
, es el conjunto de elementos de E que se aplican en * ( ) +
Teorema: Sea una aplicacin o transformacin lineal. Entonces la imagen de T es un sub espacio de F y el ncleo de T es un sub espacio de E. Ejemplo: Sea T: , la aplicacin proyeccin en el plano xy: T(x,y,z)=(x;y;0). Claramente la imagen de T es el plano xy imT=*( ) +
podemos observar que el nucleo de T es el eje z ker T=*( Ejemplo 2: Hallar el ncleo e imagen o recorrido de la Transformacin Lineal , definida por ( Debemos hallar todos los vectores ( sea el vector 0 ) ( ) tal que ( ) ) ( ) ) +
Podemos observar que nos encontramos ante los siguientes sistemas de ecuaciones:
Formamos una matriz aumentada: 0 1
Multipliquemos entonces 2da fila por 2 y summoslo a la 1ra fila 0 ( ) ( ) ( ) ( ) 1 0 1
Observar que a cada columna corresponde a las incgnitas Ahora formemos ecuaciones con en funcin de ( )
( ) Sea ( ) ) ( ( ) ) para cualquier escalar generado ( ) )
La solucin del sistema (
El ncleo de T el subespacio unidimensional (una dimensin R) en ( La imagen o recorrido de la transformacin lineal es: [ ] [ ] . / . /
. /
La imagen de T es el espacio columna de la matriz formada por los vectores: . / . / . / 0 1
Como las dos primeras columnas de la matriz A son independientes, ( ) . / . /
REPRESENTACION MATRICIAL DE UNA TRANSFORMACION LINEAL Cualquier Transformacin lineal entre espacios vectoriales de dimensin finita se puede representar por medio de una matriz. TEOREMA: Sea
( )
una transformacin lineal. Entonces existe una matriz nica ( ), para todo
; tal que:
REPRESENTACIN MATRICIAL CANNICA: * + base cannica para Sea una transformacin lineal y sea . La matriz con ( ) como vector columna es la representacin matricial cannica de T; la notacin lo utilizaremos para denotar un determinado nmero finito de vectores: vectores. Si es la representacin matricial cannica de una transformacin lineal ( ) para todo vector columna. entonces la matriz cannica es: ( ) Ejemplo: Hallar la representacin matricial cannica para la transformacin lineal: ,
; Transformacin que parte de un espacio tetradimensional (4 dimensiones) y llega otro espacio de tres dimensional, definida por: ( ) ( ); donde ( ) ( ) ( ) )
La base para formar la matriz es la cannica ( ( )
Escribimos los vectores como vector columna,; siendo la matriz cannica de la Transformacin T; es la matriz de orden ; cuyas columnas son:
( , ( , ( , ( ,
( ) En ( , ( , ( ( ) ( )
( ) ( ) + ( +
( ) En ( , ( , ( ( ) ( )
( ) ( ) + ( +
( ) En ( , ( , ( ( ) ( )
( ) ( ) + ( +
( ) En ( , ( , ( ( ) ( )
( ) ( ) + ( +
Luego la matriz transformada es: [ ]
REPRESENTACIONES MATRICIAL Sean las bases ordenadas

( )
RESPECTO A LAS BASES

( )
Sean una transformacin lineal y sean B y B bases ordenadas por respectivamente. Sea la matriz de cuyo j-esimo vector columna es vector ordenado columna ( ) respecto a la base B. Esta Matriz es la representacin matricial de T respecto a las bases B y B de y ( ) ; son vectores coordenados columna para x respecto a B y
Tenemos para cada
( ) ; donde B
Para determinar la representacin matricial de B: a. b.
respecto a las bases ordenadas B y
( ) ( ) ( ) ( ))] Forma la matriz partida = [( - donde I es Usamos la reduccin de Gauss-Jordan para obtener la matriz partida , la matriz identidad de orden y es la representacin matricial deseada.
Ejemplo: Sea ( ) la Transformacin lineal se define de la siguiente manera: ( ) , respecto a las bases ordenadas B y B donde: )( )) (( )( )( ))
Hallar la representacin matricial (( )(
Para formar la matriz partida, hallamos primero los ( ) en la base B Para [ ] [ ]
]
) ( )
Apliquemos la Trasformacin lineal definida (
( ) [ ] [ ( ) [
( ) ]
( ) [ ] ( ) [ ] [ ( ) [ ]
( ) ]
[ ]
( )
( ) ]
Debemos hallar el vector coordenado de uno, respecto a la base ordenada, formando luego la matriz partida, con los vectores B en forma de columna. [( ( ) ( ) ( ))]
[ Utilizando la reduccin de Gauss Jordan, tenemos: La 1ra fila multiplicamos por -1 y sumada a la 2da fila Y La 1ra fila multiplicamos por -2 y sumada a la 3ra fila
[ ( (
) )
( (
) )
( (
) )
( (
) )
( (
) )
( (
) )
Desarrollando esta operacin, tenemos: [ Sumamos la 2da fila con la 3ra fila [ Operando: [ ] ] ]
Multipliquemos la 3ra fila por
] *
Desarrollando
Multipliquemos la 2da fila por -1 y sumamos con la 1ra fila ( [ ) ( ) ( ) ( ) ( ) ( ) ]
(puntos suspensivos)
MATRIZ DE CAMBIO DE BASE El cambio de base consiste en conocidas las coordenadas de un vector respecto a una base B, encontrar las coordenadas de dicho vector con respecto a otra base B. ( ) ( ) bases ordenadas de un TEOREMA: Sean espacio vectorial V. La matriz C de cambio de base respecto a las base B, B , que satisfacen la ecuacin:
Se halla la matriz cambio de base reduciendo la matriz aumentada: , - , -, los elementos de B, se convierten a matriz identidad, y los elementos de B as{i convertidos forman la matriz C de cambio de base. Esta matriz C es invertible y su inversa es la matriz cambio de base respecto a B, B.
AUTOVALORES Y AUTOVECTORES PROPIOS DIAGONALIZACIN DE UNA MATRIZ DEFINICION DE VALOR PROPIO: Sea una matriz de orden , matriz cuadrada. Supongamos que c es un vector distinto de cero en un nmero (puede ser cero), tal que:
es un mltiplo escalar de x. Entonces x se llama un vector propio de propio de A
es un valor
Los valores propios y los vectores propios solo estn definidos para matrices cuadradas. El valor propio es un nmero y el valor propio es un vector. Ejemplo: Suponemos que la matriz 0 1, entonces 0 1 es un vector propio que
correspondiente al valor propio 3 y que cumple la siguiente igualdad: 0 10 1 0 1 0 1 0 1
A los valores propios se le denominan tambin eigenvalores, donde eigen es una palabra alemn y significa propio.
Tambin
0 1 es un vector propio correspondiente al valor propio 0 10 1 0 1 0 1 0 1
, ya que:
Supongamos que deseamos encontrar todos los valores propios de una matriz cuadrada de orden . Sabemos que:
A esta ecuacin la multiplicamos por la matriz identidad del mismo orden lados encontraremos un polinomio en
; en ambos
por la propiedad simtrica de la igualada, tenemos.
) =0 es un valor propio de la matriz A<---->( ) tiene una solucin no trivial )
) es singular (determinante igual a cero)<---->det(

Nucleo e Imagen de Una Transformacion Lineal

Cargado por

Copyright:

Formatos disponibles

Nucleo e Imagen de Una Transformacion Lineal

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Nucleo e Imagen de Una Transformacion Lineal

Cargado por

Copyright:

Formatos disponibles

NUCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL: DEFINICION: Sea una transformacin lnea.

, es el conjunto de elementos de E que se aplican en * ( ) +

Formamos una matriz aumentada: 0 1

Multipliquemos entonces 2da fila por 2 y summoslo a la 1ra fila 0 ( ) ( ) ( ) ( ) 1 0 1

( ) Sea ( ) ) ( ( ) ) para cualquier escalar generado ( ) )

La solucin del sistema (

La imagen de T es el espacio columna de la matriz formada por los vectores: . / . / . / 0 1

Como las dos primeras columnas de la matriz A son independientes, ( ) . / . /

La base para formar la matriz es la cannica ( ( )

Luego la matriz transformada es: [ ]

REPRESENTACIONES MATRICIAL Sean las bases ordenadas

RESPECTO A LAS BASES

Tenemos para cada

Para determinar la representacin matricial de B: a. b.

respecto a las bases ordenadas B y

Hallar la representacin matricial (( )(

Para formar la matriz partida, hallamos primero los ( ) en la base B Para [ ] [ ]

Apliquemos la Trasformacin lineal definida (

Multipliquemos la 3ra fila por

Multipliquemos la 2da fila por -1 y sumamos con la 1ra fila ( [ ) ( ) ( ) ( ) ( ) ( ) ]

es un mltiplo escalar de x. Entonces x se llama un vector propio de propio de A

correspondiente al valor propio 3 y que cumple la siguiente igualdad: 0 10 1 0 1 0 1 0 1

0 1 es un vector propio correspondiente al valor propio 0 10 1 0 1 0 1 0 1

por la propiedad simtrica de la igualada, tenemos.

) =0 es un valor propio de la matriz A<---->( ) tiene una solucin no trivial )

) es singular (determinante igual a cero)<---->det(

También podría gustarte