Processing math: 100%

miércoles, 25 de octubre de 2017

Matriz asociada a una aplicación lineal

Sean los espacios vectoriales V\equiv \mathbb{R}^m y V'\equiv \mathbb{R}^n y sea la aplicación lineal f:V \rightarrow V'\,; \vec{x} \mapsto \vec{y} (esto es \vec{y}=f(\vec{x}) ), donde las coordenadas de \vec{x} en una base de V, \mathcal{B}=\{\vec{u}_1,\ldots,\vec{u}_m\}, son (x_1,\ldots,x_m) y las coordenadas de \vec{y} en una base de V', \mathcal{B'}=\{\vec{u'}_1,\ldots,\vec{u'}_n\}, son (y_1,\ldots,y_n)

Entonces podemos escribir también que f(\vec{x})=f(x_1\,\vec{u}_1+\ldots+x_1\,\vec{u}_m)\overset{\text{ap. lin.}}{=}x_1\,f(\vec{u}_1)+\ldots+x_m\,f(\vec{u}_m) \quad \quad (1) Ahora bien, como cada i=1\,\ldots,m, f(u_i) \in V' podemos escribir \begin{matrix}f(\vec{u}_1)=a_{11}\,\vec{u'}_1+\ldots+a_{1n}\,\vec{u'}_n \\ f(\vec{u}_2)=a_{21}\,\vec{u'}_1+\ldots+a_{2n}\,\vec{u'}_n\\ \ldots \\ f(\vec{u}_m)=a_{m1}\,\vec{u'}_1+\ldots+a_{mn}\,\vec{u'}_n\end{matrix}
con lo cual
f(\vec{x})=(y_1,\ldots\,y_n)=x_1\,(a_{11}\,\vec{u'}_1+\ldots+a_{1n}\,\vec{u'}_n)+\ldots+x_m\,(a_{m1}\,\vec{u'}_1+\ldots+a_{mn}\,\vec{u'}_n) que podemos escribir de la forma
(y_1,\ldots\,y_n)=(x_1\,a_{11}+\ldots+x_m\,a_{m1})\,\vec{u'}_1+\ldots+(x_1\,a_{1n}+\ldots+x_m\,a_{mn})\,\vec{u'}_n \Leftrightarrow \Leftrightarrow \left\{\begin{matrix}y_1=x_1\,a_{11}+\ldots+x_m\,a_{m1} \\ y_2=x_1\,a_{12}+\ldots+x_m\,a_{m2} \\ \ldots \\ y_n=x_1\,a_{1n}+\ldots+x_m\,a_{mn} \end{matrix}\right. lo cual podemos expresar en forma de producto de matrices \begin{pmatrix}x_1 & x_2 &\ldots & x_m \end{pmatrix}\begin{pmatrix} a_{11} & a_{12} & \ldots & a_{1n} \\ a_{21} & a_{22} & \ldots & a_{2n} \\ \ldots & \ldots & \ldots &\ldots \\ a_{m1} & a_{m2} & \ldots & a_{mn} \\ \end{pmatrix}=\begin{pmatrix}y_1 & y_2 & \ldots & y_n \end{pmatrix} Trasponiendo en cada miembro, también podemos escribir \begin{pmatrix} a_{11} & a_{21} & \ldots & a_{m1} \\ a_{12} & a_{22} & \ldots & a_{m2} \\ \ldots & \ldots & \ldots &\ldots \\ a_{1n} & a_{2n} & \ldots & a_{mn} \\ \end{pmatrix}_{n\times m}\begin{pmatrix}x_1\\x_2\\\ldots\\x_m\end{pmatrix}_{m \times 1}=\begin{pmatrix}y_1\\y_2\\\ldots\\y_n\end{pmatrix}_{n \times 1} y llamamos matriz asociada a la aplicación lineal f del espacio vectorial V ( de dimensión m ) en el espacio vectorial V' ( de dimensión n ), con respecto de las bases \mathcal{B} de V y \mathcal{B'} de V' a la matriz A_{n \times m}=\begin{pmatrix} a_{11} & a_{21} & \ldots & a_{m1} \\ a_{12} & a_{22} & \ldots & a_{m2} \\ \ldots & \ldots & \ldots &\ldots \\ a_{1n} & a_{2n} & \ldots & a_{mn} \\ \end{pmatrix} Subrayemos que los vectores columna de esta matriz asociada a la aplicación lineal corresponden a ordenar en columnas las coordenadas de los vectores
f(\vec{u_1})=(a_{11},a_{12},\ldots,a_{1n})^{\top}
f(\vec{u_2})=(a_{21},a_{22},\ldots,a_{2n})^{\top}
\vdots
f(\vec{u_m})=(a_{m1},a_{m2},\ldots,a_{mn})^{\top}
-oOo-
Ejemplos: [1|]

\square

No hay comentarios:

Publicar un comentario

Gracias por tus comentarios