• No se han encontrado resultados

Operaciones con transformaciones lineales Suma y Producto por un escalar Composición e Inversa Matriz asociada

N/A
N/A
Protected

Academic year: 2021

Share "Operaciones con transformaciones lineales Suma y Producto por un escalar Composición e Inversa Matriz asociada"

Copied!
47
0
0

Texto completo

(1)

Operaciones con transformaciones

lineales

Suma y Producto por un escalar

Composición e Inversa

(2)

transformaciones lineales

Dados V y W e.v. sobre el cuerpo K, se llama

transformación lineal a toda función

T : V → W que verifique

(3)

Proposición

T : V → W

transformación lineal

(4)

T.L. inducida por una matriz

(5)

T.L. inducida por una matriz

V, W e.v. tales que dim V = n y dim W = m.

Entonces cualquier matriz A ∈ Mm×n(K) define

(6)

T.L. inducida por una matriz

V, W e.v. tales que dim V = n y dim W = m.

Entonces cualquier matriz A ∈ Mm×n(K) define

una T.L.:

(7)

T.L. inducida por una matriz

V, W e.v. tales que dim V = n y dim W = m.

Entonces cualquier matriz A ∈ Mm×n(K) define

una T.L.:

Kn →A Km

(8)

T.L. inducida por una matriz

V, W e.v. tales que dim V = n y dim W = m.

Entonces cualquier matriz A ∈ Mm×n(K) define

una T.L.:

Kn →A Km

coord−A1 ↓ ↓ coord−B1

(9)

Ejemplo

V = R2[x] W = R3[x] con las respectivas bases canónicas A =        1 0 1 0 1 0 1 0 1 0 1 0        TA(ax2 + bx + c) =

(10)

Ejemplo

V = R2[x] W = R3[x] con las respectivas bases canónicas A =        1 0 1 0 1 0 1 0 1 0 1 0        TA(ax2 + bx + c) = coord− 1 C A(a, b, c)

(11)

Ejemplo

V = R2[x] W = R3[x] con las respectivas bases canónicas A =        1 0 1 0 1 0 1 0 1 0 1 0        TA(ax2 + bx + c) = coord− 1 C A(a, b, c) = coord−1(a + c, b, a + c, b)

(12)

Ejemplo

V = R2[x] W = R3[x] con las respectivas bases canónicas A =        1 0 1 0 1 0 1 0 1 0 1 0        TA(ax2 + bx + c) = coord− 1 C A(a, b, c) = coord−C 1(a + c, b, a + c, b) = (a + c)x3 + bx2 + (a + c)x + b

(13)

Matriz asociada - definición

Nos interesa ahora ver si dada una T.L.

(14)

Matriz asociada - definición

Nos interesa ahora ver si dada una T.L.

V T W

(15)

Matriz asociada - definición

Nos interesa ahora ver si dada una T.L.

V T W

Kn →A Km hay una transformación lineal A

(16)

Matriz asociada - definición

Nos interesa ahora ver si dada una T.L.

V T W

↓ ↓

Kn →A Km

(17)

-Matriz asociada - definición

La matriz A que verifica:

V →T W

coordA ↓ ↓ coordB

Kn →A Km

(18)

Matriz asociada - definición

La matriz A que verifica:

V →T W

coordA ↓ ↓ coordB

Kn →A Km

se llama matriz asociada a T en las bases A y B

y se simboliza:

(19)

Ejemplo 1

Consideremos la función derivada:

d : R2[x] → R1[x]

con las respectivas bases canónicas

¿cuál es la matriz asociada a d en las bases canónicas?

(20)

Ejemplo 2

Fijemos un vector Y ∈ R3, y consideremos la T.L.

TY : R3 → R

X 7→ X · Y

¿cuál es la matriz asociada a TY en las

(21)

Matriz cambio de base

Un caso especial de matriz asociada es cuando tenemos

IV : V → V

v 7→ v

(22)

Matriz cambio de base

Un caso especial de matriz asociada es cuando tenemos

IV : V → V

v 7→ v

baseA baseB

en ese caso, la matriz asociada

B(IV)A

(23)

Matriz cambio de base

Un caso especial de matriz asociada es cuando tenemos

IV : V → V

v 7→ v

baseA baseB

en ese caso, la matriz asociada

B(IV)A

(24)

Ejemplo

Si en R3 consideramos la base:

B = {(1, 1, 1); (1, 1, 0); (1, 0, 0)}

la matriz cambio de base es :

(25)

Ejemplo

Si en R3 consideramos la base:

B = {(1, 1, 1); (1, 1, 0); (1, 0, 0)}

la matriz cambio de base es :

C(IR3)B =    1 1 1 1 1 0 1 0 0   

(26)
(27)

Definición

V, W e.v. sobre K y

S, T : V → W transformaciones lineales

(28)

Definición

V, W e.v. sobre K y S, T : V → W transformaciones lineales se define: I S + T : V → W (S + T )(v) = S(v) + T (v) ∀v ∈ V

(29)

Definición

V, W e.v. sobre K y S, T : V → W transformaciones lineales se define: I λT : V → W (λT )(v) = λ.T (v) ∀v ∈ V

(30)

Proposiciones

V, W e.v. sobre K y

S, T : V → W transformaciones lineales.

Entonces:

(31)

Proposiciones

V, W e.v. sobre K y

S, T : V → W transformaciones lineales.

Entonces:

I S + T es una transformación lineal

(32)

Proposición

Sean U, V, W e.v. sobre K

(33)

Proposición

Sean U, V, W e.v. sobre K

(34)

Proposición

Sean U, V, W e.v. sobre K

S : U → V T.L.

T : V → W T.L.

(35)

Proposición

Sean U, V, W e.v. sobre K

S : U → V T.L.

T : V → W T.L.

)

(36)
(37)

Proposición

V, W e.v. sobre K (dimensión finita) y

S, T : (V, A) → (W, B) transformaciones lineales.

Entonces:

(38)

Proposición

V, W e.v. sobre K (dimensión finita) y

S, T : (V, A) → (W, B) transformaciones lineales.

Entonces:

I B(S + T )A =B (S)A +B (T )A

(39)

Proposición

V, W e.v. sobre K (dimensión finita) y

S, T : (V, A) → (W, B) transformaciones lineales.

Entonces:

I B(S + T )A =B (S)A +B (T )A

(40)

Proposición

Sean U, V, W e.v. sobre K con bases

A, B y C respectivamente

(41)

Proposición

Sean U, V, W e.v. sobre K con bases

A, B y C respectivamente

(42)

Proposición

Sean U, V, W e.v. sobre K con bases

A, B y C respectivamente

S : U → V T.L.

T : V → W T.L.

(43)

Proposición

Sean U, V, W e.v. sobre K con bases

A, B y C respectivamente

S : U → V T.L.

T : V → W T.L.

)

(44)

Proposición

Sean U, V, W e.v. sobre K con bases

A, B y C respectivamente

S : U → V T.L.

T : V → W T.L.

)

(45)

Proposición

(46)

Proposición

A y B bases finitas de V e.v., entonces

(47)

Proposición

A y B bases finitas de V e.v., entonces

A(IV)B B(IV)A = I

Es decir

A(IV)B = [A(IV)B]−

Referencias

Documento similar

4) Elemento inverso: para todas las matrices de orden n con determinante no nulo existe otra matriz de orden n con determinante no nulo, donde el producto de ambas es la

- Magnitud escalar: Una magnitud física es escalar cuando queda completamente determinada por el número que expresa su medida (escalar), expresado en alguna unidad conveniente..

La suma de matrices de n´ umeros reales de cualquier tama˜ no es conmutativa, asociativa, y tiene elemento neutro dado por la matriz nula. Es consecuencia directa de las

En los resultados de nuestro estudio podemos extraer las líneas básicas a modo de resumen, para la población estudiada, con el juego y los estímulos empleados,

En tanto los recursos disponibles de información por parte de los agentes de ventas tales como bases de datos son muy importantes ya que con esta herramienta los agentes

Ejemplo: La composición de funciones no es una operación conmutativa en general.. No obstante, existe otro concepto de función inversa que puede llevar a confusión con el anterior

Al determinar la composición bacteriana del producto, utilizando secuenciación de amplicones del ADNr16S, observaron la presencia de Leuconostoc gasicomitatum

no es, mala jugada por parte de quienes desarrollaron el concepto que no lograron posicionarlo bien. Lo mismo ocurre a veces con las bandas, pueden tener buena música, pero no saben