P. 1
Transformación lineal

Transformación lineal

|Views: 7.162|Likes:
Publicado porJorge Ramos

More info:

Published by: Jorge Ramos on Feb 26, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

08/18/2013

pdf

text

original

5.01 DEFINICIÓN TRANSFORMACIÓN LINEAL Y SUS PROPIEDADES En un espacio vectorial se definen dos operaciones: la adición y la multiplicación por un escalar.

Las transformaciones lineales entre espacios vectoriales conservan estas estructuras lineales según el criterio que se establece a continuación. Definición. Sean V y W espacios vectoriales. Una transformación lineal T de V en W es una función que asigna a cada vector v ∈ V un único vector Tv ∈ W y que satisface para cada u y v en V y cada escalar α, T(u + v) = Tu + Tv (1) T(cu) = cT(u) (2) Notación. Escribimos T: V → W para indicar que T transforma V en W. Terminología. Las transformaciones lineales se llaman, con frecuencia, operadores lineales. También, las funciones que satisfacen (1) y (2) se denominan funciones lineales. La primera condición implica que T convierte la suma de los vectores en la suma de las imágenes de los vectores. La segunda condición implica que T convierte el múltiplo escalar de un vector en el múltiplo escalar de la imagen. De esta manera, las operaciones de adición y multiplicación por un escalar se conservan bajo una transformación lineal. Propiedades básicas de las transformaciones lineales. Teorema 1. Sea T: V → W una transformación lineal. Entonces para todos los vectores u, v, v1, v2, ..., vn en V y todos los escalares α1, α2, ..., αn: i. T(0) = 0 ii. T(u - v) = Tu - Tv iii. T(α1v1, α2v2, ..., αnvn) = α1Tv1+ α2Tv2+ ... + αnTvn Nota. En la parte (i) el 0 de la izquierda, es el vector cero en V mientras que el 0 del lado derecho, es el vector cero en W. Teorema 2. Sea V un espacio vectorial de dimensión finita con base B={v1, v2, ..., vn}. Sean w1, w2, ..., wn n vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de V en W tales que T1vi= T2vi = wi para i = 1, 2, ..., n. Entonces para cualquier vector v ∈ V, T1v = T2v. Es decir T1 = T2.

Teorema 3. Sea V un espacio vectorial de dimensión finita con base B = {v1, v2, ..., vn}. Sea también W un espacio vectorial que contiene a los n vectores w1, w2, ..., wn. Entonces existe una única transformación lineal T: V → W tal que Tvi = wi para i = 1, 2, ..., n.
Ejemplo 21.2 Demuestre que la transformación T : R3→R2 es lineal: T((x, y, z)′) = (x + z, y − z)′ Solución Sean u = (x1, y1, z1)′ y v = (x2, y2, z2)′. Entonces T(u + v) = T((x1 + x2, y1 + y2, z1 + z2)′) = ((x1 + x2) + (z1 + z2), (y1 + y2) − (z1 + z2))′ = (x1 + z1, y1 − z1)′ + (x2 + z2, y2 − z2)′ = T(u) + T(v) Por otro lado, para todo escalar c, T(c u) = T((c x1, c y1, c z1)′) = (c x1 + c z1, c y1 − c z1)′ = c (x1 + z1, y1 − z1)′ = c T((x1, y1, z1)′) = c T(u) Como se cumplen las dos condiciones: T(u + v) = T(u) + T(v) T(c u) = c T(u) T es lineal _ Ejemplo 21.3 Sea A una matriz m × n. Demuestre que la transformación T : Mn×k→Mm×k definida como T(B) = AB es lineal. Solución Sean B y C dos matrices n × k cualquiera y c un escalar cualquiera: T(B + C) = A(B + C) = AB + AC = T(B) + T(C) T(cB) = A(cB) = c (AB) = c T(B) Como se cumplen las dos condiciones: T(B + C) = T(B) + T(C) T(cB) = c T(B) T es lineal _ Ejemplo 21.4 ¿Es lineal la transformación f : R→R, definida por f(x) = x + 1 ? 4 Solución No, la parte 1 de la definición no se cumple porque f(x + y) = (x + y) + 1 y f(x) + f(y) = x + 1 + y + 1 = x + y + 2 no son iguales _

la situación es más sencilla ya que claramente tenemos dos triángulos rectángulos que son congruentes. -u2) .5. v2). u2 cos θ – u1 sen θ).sen α sen θ) v2 = ||T (ū)|| • sen (α + θ) = ||ū|| • (sen α cos θ + cos α sen θ) Como u1 = ||ū|| = cos α y u2 = ||ū|| = sen α se obtiene: v1 = u1 cos θ – u2 sen θ v2 = u2 cos θ – u1 sen θ Por lo tanto la Transformación T : R2 ―› R2 debe estar definida tal que: T (u1. v2) Transformación de Reflexión: La Transformación de T : R2 ―› R2 que a cada vector ū = (u1. Usando las funciones trigonométricas. para obtener un vector T (ū) = (v1. u2) = (u1. u2) + γT (v1. para obtener un vector T (ū) = (v1. u2) lo refleja sobre el eje x. u2) + γ(v1. Esta transformación se llama la rotación por un ángulo θ y es lineal. v2). u2 cos θ + u1 sen θ)+(v1 cos θ . (u2 + γv2) cos θ + (u1 + γv1) sen θ) =(u1 cos θ . u2) = (u1 cos θ – u2 sen θ. La Transformación de T : R2 ―› R2 que gira sobre un vector ū = (u1.u2 sen θ. de donde T queda definida como sigue: T (u1.02. CONTRACCION Y ROTACION) Rotación Sea 0 ≤ θ < 2π un ángulo medido en radianes. v2)] = T (u1 + γv1.-EJEMPLOS DE TRANSFORMACIONES LINEALES ( REFLEXION.v2 sen θ. En este caso. tenemos que: v1 = ||T (ū)|| • cos (α + θ) = ||ū|| • (cos α cos θ . ya que: T [(u1. v2 cos θ + v1 sen θ) = T (u1. u2) es un ángulo θ. u2 + γv2) = ((u1 + γv1) cos θ – (u2 + γv2) sen θ. DILATACION.

ya que: T [(u1. la imagen se localiza en la misma dirección que el punto original a partir del origen. se Por consiguiente. T transforma el punto en el punto .Esta transformación se llama la reflexión sobre el eje x. v2)] = T (u1 + γv1. -u2 -γv2) = (u1. -v2) = T (u1. y es lineal. donde r es un escalar. esta operación recibe el nombre de contracción de factor r. u2) + γT (v1. determine el efecto que tiene T en la base canónica La matriz canonica es T se puede expresar como una transformación matricial: Por ejemplo considere la dilatación T definida por la matriz tiene que. . entonces T acerca los puntos al origen. pero se encuentran tres veces mas lejos del origen. Determine la matriz canónica de T. u2) + γ(v1. Se puede demostrar que T es una transformación lineal. si . -u2) + γ(v1. u2 + γv2) = (u1 + γv1. v2) Dilatación y contraccion Considere el operador T: R2→R2 . . definido por .

ker T es un subespacio de V. ii. el rango se representa por rango(T). Teorema. Sean w y x en imag T. ii. imag T es un subespacio de W. T(0) = 0 de manera que 0 ∈ ker T para toda transformación lineal T. Entonces w = Tu y x = Tv para dos vectores u y v en V. nótese que cuando escribimos T(0) = 0. Definición. el 0 de la izquierda está en V. De esta manera w + x y αw están en imagT. Entonces: El kernel (o núcleo) de T. De hecho. entonces: i. De nuevo. .5. Esto significa que T(u + v) = Tu + Tv = w + x y T(αu) = αTu = αw.03 DEFINICIÓN DE NUCLEO O KERNEL E IMAGEN DE UNA TRANSFORMACIÓN LINEAL Nucleo o kernel Definición. El concepto imag T es simplemente el conjunto de "imágenes" de vectores en V bajo la transformación T. entonces T(u + v) = Tu + Tv = 0 + 0 = 0 y T(αu) = αTu = α0 = 0 de modo que u + v y αu están en ker T. Note que ker T es no vacío ya que por el Teorema 1 de las Transformaciones lineales. Demostración. Entonces: imag V = { w ∈ W: w = Tv para alguna v ∈V} Observación. si w = Tv. diremos que w es también la imagen de v bajo T. Sean u y v en ker T. Imagen de una transformación lineal. y el 0 de la derecha está en W. Si T : V → W es una transformación lineal. Sean V y W espacios vectoriales y sea T : V → W una transformación lineal. Será interesante encontrar otros vectores en V que sean "mapeados al cero". i. Sean V y W espacios vectoriales y sea T : V → W una transformación lineal. también recibe el nombre de rango de T. denotado como ker T. está dado por ker T = {v ∈ V: Tv = 0} Obervación.

se obtienen varias soluciones . Nucleo: el nucleo contara de todos los vectores tales que en . Al resolver este sistema. Esta ecuación matricial corresponde al siguiente sistema de ecuaciones lineales. A define un operador lineal T: Los elementos de se expresan en forma de matriz columna para poder efectuar la multiplicación de matrices.de esta manera. Asi. Por conveniencia.Ejemplo Determine el nucleo y el rango de la transformación definida por la siguiente matriz Solución A es una matriz de 3x3. exprese los elementos de en forma de renglón.

Los vectores renglón distintos de cero proporcionan una base para el rango. el rango de T es Rango(T) es un Subespacio bidimensional de con base . el nucleo es el conjunto de vectores . Por consiguiente. El ker(T) es un Subespacio unidimensional de cuya base es Rango: los vectores columna de A genera el rango. Por lo tanto. cualquier vector del rango es una combinación lineal de estos vectores. Así Los vectores generan el rango de T.. Escriba estos vectores columna como renglones de una matriz y calcule la forma reducida escalonada de la matriz.

. Entonces . . Y se puede concluir que: es también una propiedad de la multiplicación una transformación Toda matriz A de define una transformación lineal de en . Ahora consideremos una transformación lineal T de en . Si T es una función de donde A es una matriz condición condición en de definida por . si aplicamos esta transformación a los vectores base de . obtenemos los siguientes vectores: Si en construimos una matriz AT cuyas columnas sean los vectores . AT define una transformación lineal de tal que si para i = 1. 2.-LA MATRIZ DE UNA TRANSFORMACIÓN Y REPRESENTACION MATRICIAL DE UNA TRANSFORMACION LINEAL.5. . n. .04. Entonces T es lineal. y dado la en que la propiedad y la corresponde a distributiva de la multiplicación de matrices de matrices .

Encuentre la representación matricial lineal T de en definida por Aplicamos T a los vectores base de : de la transformación . . porque tienen el mismo efecto sobre los vectores base. . Si se usan bases diferentes.y por lo tanto para i = 1. . 2. Ejemplo 1. La matriz AT se llama matriz de transformación de T o representación matricial de T. En el ejemplo 1 se utilizó la base canónica para construir la matriz de representación de la transformación lineal . Entonces la matriz AT es . AT es la matriz cuyas columnas son los vectores . son la misma. . Concluimos que T y la transformación AT . . . n. Ejemplo 2. las matrices de transformación que se obtendrán serán diferentes.

. . Encuentre la representación lineal T definida por matricial AT de la transformación Aplicamos T a los vectores base de : Entonces la matriz de transformación es Ejemplo 4. . Entonces la nueva matriz de transformación queda: Ejemplo 3.ahora se utilizará la base . Encuentre la representación lineal T definida por matricial AT de la transformación Aplicamos la transformación a los vectores base de .

.05. Entonces el sistema no tiene solución. Ahora cuenta con una forma elegante de visualizar este conjunto solución. ésta es la matriz de coeficientes del sistema. Un sustema de m ecuaciones lineales con n variables se puede expresar en forma matricial de la siguiente manera: Ax = y A es una matriz de m x n.Entonces la matriz de transformación es 5. Se verá que estos sistemas permiten visualizar los conjuntos de soluciones. Las transformaciones lineales junto con los conceptos de núcleo y rango desempeñan un papel importante en el análisis de sistemas de ecuaciones lineales.TRANSFORMACIONES LINEALES Y SISTEMAS DE ECUACIONES LINEALES. El sistema de ecuaciones se puede escribir de la siguiente manera: T(x) = y El conjunto de soluciones es el conjunto de vectores en Rn transformado por T en el vector y. Véase la siguiente figura: . El conjunto de soluciones es el conjunto de x que satisface esta ecuación. Sea T: Rn → Rm la transformación lineal definida por A. Si y no pertenece al rango de T.

Teorema 1. Ax = 0. un subespacio.Ecuaciones homogéneas Esta forma de ver los sistemas de ecuaciones lineales nos lleva al siguiente resultado. . Ecuaciones no homogéneas Ahora verá que el conjunto de soluciones de un sistema de ecuaciones lineales no homogéneas no forma un subespacio. no es un subespacio. Demostración. Ax1 = y y Ax2= y Si se suman estas ecuaciones. se obtiene Ax1+ Ax2= 2y A(x1 +x2)= 2y Por lo tanto. Sea x1 y x2 soluciones. No se trata de una solución. El conjunto de soluciones es el núcleo de la transformación y por consiguiente. El conjunto de soluciones no es cerrado bajo la adición. El conjunto de soluciones es el conjunto de vectores en Rn transformado por T en el vector cero. Sea Ax = y (y ≠ 0) un sistema de ecuaciones lineales no homogéneo. es un subespacio de Rn. x1 + x2 no satisfacen a Ax = y. El conjunto de soluciones de un sistema homogéneo de m ecuaciones lineales con n variables. Sea T la transformación lineal de Rn en Rm. por consiguiente. definida por A. Por lo tanto.

Desde el punto de vista geométrico. llámenlo z. Este resultado implica que el conjunto de soluciones de un sistema de ecuaciones lineales no homogéneo Ax = y se puede obtener a partir del kernel de la transformación definida por la matriz de coeficientes y una solución particular x1. Teorema 2. Véase la siguiente figura: . esto significa que el conjunto de soluciones se obtiene trasladando el núcleo a una distancia y en una dirección definidas por el vector x1. Así.Sin embargo. Si se igualan Ax1 y Ax. se obtiene una solución. Si se toma cualquier vector z del kernel y le suma x1. x1 es una solución.x1) = 0 T(x . Por consiguiente. Cada solución se puede escribir de la siguiente forma: x = z + x1. Ax1 = y.x1 es un elemento del núcleo de T. Sea x1 una solución particular. el conjunto se puede obtener trasladando cierto subespacio. x . Ax = y. es decir.Ax1 = 0 A(x .x1) = 0 Por lo tanto. Sea Ax = y un sistema no homogéneo de m ecuaciones lineales con n variables. se tiene que Ax1 = Ax Ax . Sea x cualquier solución. donde z es un elemento del núcleo de la transformación T definida por A. La solución es única si el kernel consta sólo del vector cero. Demotración. x . ¡No todo está perdido! Aunque el conjunto de soluciones de un sistema no homogéneo no es un subespacio. si el kernel es el vector cero.x1 = z Se puede escribir: x= z + x1 Note que la solución es única si el único valor de z es 0. Este resultado permitirá representar el conjunto de soluciones.

En ocasiones trabajar con vectores es muy sencillo ya que pueden ser facilmente interpretados dentro de un contexto gráfico. ya que se puede utilizar una técnica llamada superposición. trabajar con sistemas lineales es mucho más sencillo que con sistemas no lineales. y T una función de V en W. T es una transformación lineal si para cada par de . función lineal o aplicación lineal a toda aplicación cuyo dominio y codominio sean espacios vectoriales y se cumplan las siguientes condiciones: Sean V y W espacios vectoriales sobre el mismo campo K.5. Por otra parte. lo cual solo puede lograrse demostrando que estas operaciones forman una transformación lineal. por lo que es de gran interes demostrar que un proceso puede ser reducido a un sistema lineal. lamentablemente no siempre ocurre y es necesario transformar a los vectores para poderlos trabajar más facilmente. Se denomina transformación lineal.06. la cual simplifica de gran manera gran variedad de cálculos.-ÁLGEBRA DE LAS TRANSFORMACIONES LINEALES Una transformación lineal es un conjunto de operaciones que se realizan sobre un vector para convertirlo en otro vector.

. se satisface que: 1. Propiedades de las transformaciones lineales 1.. una Teorema fundamental de las transformaciones lineales • Sea B = {v1. es no singular si: X En caso contrario es singular. 2. Endomorfismo: Si o sea si el dominio es igual al codominio (el espacio vectorial de salida y el de llegada son el mismo).. 3. w3. Para detalles específicos sobre estos. ver el artículo Operador (mecánica cuántica). w2. entonces existe una única transformación lineal Para todo Clasificación de las transformaciones lineales 1. Automorfismo: Si es endomorfismo e isomorfismo a la vez. elemento del núcleo es el vector nulo. 4.vn} base de V y C = {w1. Entonces. Son aplicaciones lineales los operadores usados en la formulación matemática de la mecánica cuántica.v3. es inyectiva..vectores de u y v pertenecientes a V y para cada escalar k perteneciente a K. o sea si el único 5. .wn n} un conjunto de vectores de W no necesariamente distintos. Monomorfismo: Si 2...v2. Epimorfismo: Si es sobreyectiva (exhaustiva). Transformación Lineal Singular y No Singular Sean y espacios vectoriales sobre el mismo campo y transformación lineal de en . Isomorfismo: Si es biyectiva (inyectiva y exhaustiva). donde k es un escalar.

donde para abreviar) al espacio de morfismos de esto es: es la función constante cero. Un isomorfismo si es un morfismo biyectivo. 2. Si se definen así: es la transformación dada por . TEOREMAS . Diremos que 1. y sea . 4. Y la suma y producto escalar en 1. . Un Monomorfismo si es un morfismo inyectivo. Una transformación lineal (o morfismo ) si dados . Un epimorfismo si es un morfismo sobreyectivo. Si . entonces es la transformación dada por. . Además llamaremos ( . 3.Definición 1 Sean es: espacios vectoriales. . entonces 2.

Si T. Supongamos que V es dimensionalmente finito y que b = {x 1. Es un ejercicio verificar que aT + U es una transformación lineal y que L(V. sobre y biyectiva. W) y a Î F. es un espacio vectorial sobre F. nulidad(T) = 0) Para todo S ê V. y biyectivas que no son transformaciones lineales. xn} es una base de V. y en este caso. Una transformación lineal es una función que preserva la estructura algebraica de espacio vectorial.2 Sean V y W dos espacios vectoriales sobre un campo F.. Esto motiva las definiciones de monomorfismo. entonces V es dimensionalmente finito si y sólo si N(T) y R(T) son dimensionalmente finitos. LEMA 2. Es un ejercicio demostrar que para una transformación lineal T : V W. epimorfismo e isomorfismo. junto con estas operaciones de suma y de multiplicación por escalares. S es linealmente independiente si y sólo si T(S) ê W es linealmente independiente También se deja como ejercicio el verificar que si V y W son dos espacios vectoriales con la misma dimensión (finita) y T : V W es una transformación lineal. por lo que no toda función entre espacios vectoriales es una transformación lineal. es sencillo encontrar funciones inyectivas. definimos L(V. W).. dim(V) = nulidad(T) + rango(T). sobre..TEOREMA 2. Entonces para todo {y1. las siguientes condiciones son equivalentes: • • • T es inyectiva N(T) = {0} (es decir. .. De hecho. definimos aT + U : V ® W como (aT + U)(x) = aT(x) + U(x) para toda x Î F. n. existe una unica transformación lineal T : V W tal que T(xi) = yi para toda i = 1.. Definimos el que una función fuera inyectiva.. ..1 Si T : V W es una transformación lineal. yn} í W. entonces T es inyectiva o sobre si y sólo si es biyectiva. . Demostración Dados dos espacios vectoriales V y W sobre un campo F. W) = {T : V W | T es una transformación lineal}. U Î L(V.. ..

am Î F tales que x = a1x1 + ..TEOREMA 2. Para cada x Î V.3 En la categoría de los espacios vectoriales dimensionalmente finitos. xm} una base ordenada de V y g = {y1..... W) Mn x m(F). ). yn} una base ordenada de W. definimos la matriz asociada a T con respecto a las bases ordenadas b y g como [T] g b =( [T(x1)]g [T(xm)]g .. W)..... b = {x1. xm} una base ordenada de V y g = {y1. TEOREMA 2. existen escalares únicos a1. . Por otro lado.. Demostración Sea V un espacio vectorial dimensionalmente finito sobre un campo F y sea b = (x1.. Entonces el mapeo T | [T]bg constituye un isomorfismo F : L(V. Para cada T Î L(V. la dimensión es un invariante completo de isomorfismo. para cualesquiera dos espacios vectoriales dimensionalmente finitos V y W sobre un campo F. dada una matriz A Î Mn x m(F)..4 Sean V y W dos espacio vectoriales dimensionalmente finitos sobre un campo F.. xn} una base ordenada de W. . la función LA : Fm ® Fn definida por LA(x) = Ax.. . es una transformación lineal (ejercicio). b = {x1. Es decir. Definimos al vector coordenado de x relativo a b como a1 [ x ]b ( : ).. Demostración . = am Sean V y W dos espacio vectoriales dimensionalmente finitos sobre un campo F. se tiene que F (A) Î L(V. existe un isomorfismo entre V y W si y sólo si dim(V) = dim(W)... para -1 toda A Î Mn x m(F). xm) una base ordenada de V.. .. W) es tal que [F-1(A)]bg = A. . + amxm.. . Más aún..

Si T Î L(V. Dado definido por denotemos subconjunto . Ejercicios: Sea de rango un -espacio vectorial y una transformación lineal de tal que . W) es tal que [F-1(A)]bg = A. ejemplo Sea un -espacio vectorial y sea por el . b' son dos bases ordenadas de V y g g' son dos bases ordenadas de W.5 Sean V y W dos espacio vectoriales dimensionalmente finitos sobre un campo F. Sea es entonces de tales que Sea . . de . Entonces el mapeo T | [T] bg constituye un isomorfismo F : L(V. Demostrar que existe un escalar Solución. Puesto que nulo de un decir. entonces existe una matriz invertible Q tal que . Solución. W) Mn x m(F).▫ Encontrar subespacios pero la suma no es directa. puesto que el vector Pero nótese que la suma un subespacio de de . W). que no es directa ya que . tal que vector . Es claro En efecto. Más aún. así. se tiene -1 que F (A) Î L(V. Si b. de . .Sean V y W dos espacios vectoriales sobre un campo F. . El siguiente teorema (cambio de coordenadas) establece la relación entre estas matrices. TEOREMA 2. entonces existe un vector no para algún . entonces existe una matriz asociada a T por cada par de bases ordenadas b y g de V y W respectivamente. para toda A Î Mn x m(F). Denotemos por la colección de todos .

(i) Si entonces el recíproco: debemos entonces demostrado que . esta base se puede completar hasta una base de conjunto es una base de . De la misma forma se demuestra que la operación de escalar por vector está bien definida y además se cumplen las otras propiedades de espacio vectorial: . Sea ahora entonces por tanto demostrar que . sea una base de . según la Prop 9 del Capítulo 1. Demostrar y Veamos ahora : entonces sea Hemos . Vamos a probar que el veamos en primer lugar que este conjunto de clases genera al espacio .estos subconjuntos. . (iii) Sea . que: Solución. y de esta manera se tiene que Ahora revisemos las propiedades de la suma de vectores: la asociatividad y la conmutatividad son consecuencia de las respectivas propiedades de la suma de vectores en espacio cociente es El cero del El opuesto del vector es . luego . . es decir. es decir. . : y . (ii) Veamos que la operación de suma está bien definida:sea entonces debemos ver que entonces . es decir. luego hemos probado la otra inclusión.

ingquimica.htm • http://www.itlp.php? name=Forums&file=viewtopic&t=267&start=0&postdays=0& postorder=asc&highlight .mx/tutoriales/matematicas4/t41.uabc. htm • • Stanley I.ens. Grossman: "Algebra Lineal". Segunda Edición. Grupo Editorial Iberoamérica • • http://oceanologia.edu.Bibliografía • http://sistemas.com/modules.mx/~matematicas/algebralin eal/V%20Transformaciones %20Lineales/03%20representacion%20matricial.

de C. Mc Graw Hill Interamericana. Editores S. .A.• Gareth Williams:”algebra lineal con aplicaciones”. cuarta edición.V.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->