Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Los espacios vectoriales son conjuntos con una estructura adicional, al saber, sus elementos se
pueden sumar y multiplicar por escalares del campo dado, conviene utilizar funciones que
preserven dicha estructura. Estas funciones se llamaran transformaciones lineales y en el
presente capitulo las estudiaremos. Mas adelante mostraremos que las transformaciones lineales
se pueden representar en términos de matrices, y viceversa.
Se denomina transformación lineal a toda función cuyo dominio e imagen sean espacios
vectoriales y se cumplan las condiciones necesarias. Las transformaciones lineales ocurren con
mucha frecuencia en el álgebra lineal y en otras ramas de las matemáticas, tienen una gran
variedad de aplicaciones importantes. Las transformaciones lineales tienen gran aplicación en la
física, la ingeniería y en diversas ramas de la matemática.
Estudiaremos las propiedades de las transformaciones lineales, sus diferentes tipos, así como la
imagen, el núcleo, y como se desarrolla en las ecuaciones lineales.
1. Transformaciones lineales
tal que:
i)
,
ii)
,
,
En otras palabras, una transformación lineal es una función que respeta las operaciones definidas
en los espacios vectoriales: “abre sumas y saca escalares”.
Observaciones:
i) Si
En efecto
Nótese que en realidad solo se usa la propiedad aditiva (i) de T. Este hecho lo usamos en el
siguiente inciso.
ii)
,
.
Si T lineal, entonces
a)
b)
iii)
a) Si
, entonces
Este último inciso se puede abreviar usando la notación sigma como sigue:
Veamos algunos ejemplos de transformaciones lineales, donde haremos uso extenso de la
observación (ii) de arriba.
Ejemplo 1.
Sea
tal que
,
, y por otro
lado,
que
Ejemplo 2.
Sea
tal que
,
como
Ejemplo 3.
Sea
tal que
Sea
tal que
. Entonces T es lineal, ya que
Ejemplo 5.
Sea
tal que
, la derivada de
. Entonces T es lineal ya que:
Ejemplo 6.
Sea
y sea
tal que
Se denomina transformación lineal a toda función cuyo dominio e imagen sean espacios
vectoriales y se cumplan las siguientes condiciones:
Epimorfismo: Si
es sobreyectiva (exhaustiva).
Isomorfismo: Si
es biyectiva (inyectiva y exhaustiva).
Endomorfismo: Si
o sea si el dominio es igual al codominio (el espacio vectorial de salida y el de llegada son el
mismo).
Automorfismo: Si
es endomorfismo e isomorfismo a la vez.
)
Sea
en
que gira cada vector
un ángulo
y
tal que
y es lineal, ya que:
en
que cada vector
En este caso, la situación es más sencilla ya que claramente tenemos dos triángulos rectángulos
que son congruentes, de donde T queda definida como sigue:
en
Este último ejemplo tiene más fondo desde el punto de vista de Álgebra Lineal. Consideremos el
Vemos que éste no es sino el eje x (sobre quien se efectuó la proyección). Ahora bien,
más un vector de
como sigue:
sobre
Todo esto nos induce a definir proyecciones sobre subespacios en general como sigue:
el complemento directo de
en V, es decir tal que
Con
y
tal que
,
con
y
, entonces
con
y
En segundo lugar, vemos que esta definición, incluye como caso especial a la de la proyección
sobre el eje x. Sin embargo, vemos que no es suficiente con especificar sobre que subespacio
queremos proyectar, sino también es necesario aclarar cual es el complemento directo que se
estará usando, ya que un mismo subespacio puede tener distintos complementos directos. El
mismo eje x, tiene el siguiente complemento directo:
y
. Además, cada
se escribe
como
Así pues, por cada complemento directo que tengamos a la mano, podemos definir una
proyección asociada a dicha descomposición.
Ejemplo contracción
Una contracción es una transformación que decrece distancias. Bajo una contracción, cualquier
par de puntos es enviado a otro par a distancia estrictamente menor que la original.
Kernel o Núcleo
Definición 94 Sea
una transformación lineal. Se define el Kernel o Núcleo de la transformación lineal
, denotado por
al conjunto de las preimágenes del vector nulo, es decir
Ejemplo Hallar el conjunto de las preimágenes del vector nulo para la transformación lineal
Evaluando
es decir,
por lo tanto,
con lo cual,
(x;y;z) = (0;-(1/3)z;z)
Note que el resolver un sistema de ecuaciones lineales equivale a encontrar las preimágenes de
un vector para una transformación lineal dada.
Reemplazando
Imagen o Recorrido
tales que
luego, un vector tiene preimagen si y sólo si el sistema el sistema es consistente (no necesitamos
que la solución sea única), lo cual es equivalente a escribir
Por lo tanto,
Im(T) = {(a;b;c)
/((x;y;z)
((T(x;y;z)=(a;b;c))
= {(a;b;c)
/a-b-c=0}
= <(1;1;0);(1;0;1)>:
Sea T : V !"! W una T.L con dimV = n, dimW = m si {e1,...,en} es una base de V y {w1,...,wm} es
una base de W, cada elemento t(ek) puede expresarse con unicidad, como una combinación lineal
de los elementos de la base es decir T(ek) =m"i=1tikwi donde tik ,...,t mk son los componentes de
t(ek) respecto a la base ordenada {w1,...,wm}.
Los tik forman un vector columna o matriz columna. Tenemos una columna para cada
uno de los n-elementos t(e1),..., t(en), formando así una matriz de orden m × n.
Teorema
(u1,...,un).
Luego el problema de hallar una representación en matriz diagonal de una transformación lineal
se reduce al de hallar el elemento sin dependientes u1,...,un y los escalares 1,...,n que satisfacen
T(uk) = kuk. Para k = 1, 2,...,n. Tales elementos u1,...,un y 1,...,n, se conocen como autovectores
y autovalores respectivamente.
Teorema
Sea una matriz de n × n se dice que es un valor propio de A ssi P()=det(A " i) = 0 Esta es la
ecuación característica de A, P() se llama polinomio característico de A.
Teorema
Sea A una matriz real o compleja de orden n × n, entonces exite una matriz C compleja invertible
de orden n × n talque
C"1 AC = J
Donde J es la matriz de Jordan cuyos elementos en la diagonal son los valores propios de A.
Mas aun la matriz de Jordan es única, excepto por el orden (dado por la base ordenada fija) en el
que aparecen los bloques de Jordan.
Una manera de facilitar el trabajo con una transformación lineal, es asociarle una matriz, para lo
cual es necesario considerar un par de bases ordenadas.
Definición Sean
dos espacios vectoriales sobre
, además
bases ordenadas de
respectivamente y
una transformación lineal de
en
denotada por
donde
Además si la base
del espacio de partida es igual al del espacio de llegada, la matriz asociada a la transformación
lineal se denota por
Dada una matriz de un sistema de ecuaciones lineales, resulta una matriz de un sistema
equivalente si:
b) Se multiplica o divide un renglón por una constante diferente de cero. Símbolo: kRiRi.
c) Un múltiplo constante de un renglón se suma a otro renglón. Símbolo: kRi + Rj
Rj.
Uso de matrices para resolver un sistema de ecuaciones lineales.
Ejemplo.
Resuelve el sistema:
x + 2y + 3z = 9
4x + 5y + 6z = 24
3x + y - 2z = 4
Luego aplicamos transformaciones elementales de renglón a fin de obtener otra matriz (más
sencilla) de un sistema de ecuaciones equivalentes. Pondremos símbolos adecuados entre
matrices equivalentes.
(-4)R1 + R2
R2
(-3)R1 + R3
R3
(-(1÷ 3))R2
R2
(-1)R3
R3
(-5)R2 + R3
R3
Que equivale al sistema original. La solución x = 4, y = -2, z = 3 se puede encontrar ahora por
sustitución.
Ejemplo:
Sea la matriz:
, es "una matriz escalonada"
(a) Localizar la primer columna que contenga elementos diferentes de cero y aplicar
transformaciones elementales de renglón a fin de obtener 1 en el primer renglón de esa columna.
(b) Aplicar transformaciones elementales de renglón del tipo kR1 + Rj
Rj. para j > 1 y obtener 0 bajo el número 1 obtenido en la guía (a) en cada uno de los renglones
restantes.
(c) Hacer caso omiso del primer renglón. Localizar la próxima columna que contenga elementos
diferentes de cero y aplicar transformaciones elementales de renglón con objeto de obtener el
número 1 en el segundo renglón de esa columna.
(d) Aplicar transformaciones elementales del tipo kR2 + Rj
Rj. para j >2 y obtener 0 bajo el número 1 obtenido en la guía (c) en cada uno de los renglones
restantes.
(e) Hacer caso omiso del primer y segundo renglones. Localizar la siguiente columna que
contenga elementos diferentes de cero y repetir el procedimiento.
(f) Continuar el proceso hasta alcanzar la forma escalonada.
Ejemplo:
Resuelve el sistema:
Solución: Comenzamos con la matriz aumentada y luego obtenemos una forma escalonada,
según se describe en las guías.
R1
R4
R2
R3
(1)R1 + R3
R3
(-2)R1 + R4
R4
(-1)R2
R2
(-(1÷ 2))R2
R2
(-1)R2 + R3
R3
(-1)R2 + R4
R4
(3)R3 + R4
R4
(-(1÷ 2))R4
R4
Ahora usamos sustitución a fin de hallar la solución. De la última ecuación vemos que w = -1;
de la tercera ecuación vemos que z = -2 . Sustituimos en la segunda ecuación, y obtenemos:
y - 2z - w = 6
y - 2(-2) - (-1) = 6
y+4+1=6
y=1
x + z + 2w = -3
x + (-2) + 2(-1) = -3
x - 2 - 2 = -3
x=1
Por lo tanto, el sistema tiene una solución: x = 1, y = 1, z = -2, w = -1.
Sean
podemos definir la suma de transformaciones lineales, dada por
T1(T2+T3)=T1T2+T1T3
(T2+T3)T1=T2T1+T3T1
(T1T2)=(T1)T2=T1(T2)
(T1T2)T3=T1(T2T3)
(T2T1)(v+u)=T2(T1(v+u))=T2(T1(v)+T1(u))
= (T2T1)(v)+(T2T1)(u)
(T2T1) es T.L.
V2 = { (x;y)/T(x;y)=2(x;y)}
= {(x;y)/(x+y;3x-y)=2(x;y)}
= {(x;y)/(-x+y;3x-3y)=(0;0)}
= {(x;y)/-x+y=0
= <(1;1)>
V-2 = {(x;y)/T(x;y)=-2(x;y)}
= {(x;y)/(x+y;3x-y)=-2(x;y)}
= {(x;y)/(3x+y;3x+y)=(0;0)}
= {(x;y)/3x+y=0}
= <(1;-3)>
Ejemplo Sean
bases de
y
una transformación lineal tal que
Demostrar que
Calculemos
por lo tanto la matriz es invertible, luego
es un isomorfismo.
Para explicitar la transformación inversa, tenemos
Reemplazando obtenemos
Necesitamos determinar las coordenadas de
en la base
.
Así
luego
[T-1(x;y;z)]b = ( -1 -2 0)74x+14y-54z
( -8 -13 1)14y-54x+34z
( -11 -18 1) 14z+14x-14y
[T(x;y;z)]D = ( 34x-34y-14z) (a')
( 52x-112y+12z)=(b')
( 72x-152y+12z) (c')
Conclusión
Se han visto mas detallado y con mas exactitud los teoremas y propiedades que hilan todos los
temas propuestos por este trabajo y se ha se ha llegado a la conclusión de todos los temas están
relacionados en cierta forma ya que en varios de estos se necesita recurrir a las propiedades que
se han visto en temas anteriores.
Con esto podríamos decir que nos ha enseñado a tener un amplio criterio de la utilidad de temas
ya vistos en nuestra carrera, ya que no podemos omitir las enseñanzas pasadas ya que estas nos
forman las bases para comprender y analizar y poder poner en practica los temas futuros.
Este trabajo se ha hecho con el fin de comprender de que no hay que dejar tirado lo ya hemos
aprendido antes ya que eso nos va a ayudar a solucionar problemas en nuestro futuro, citando el
dicho popular si no aprendemos de nuestros errores del pasado los mismo nos estarán esperando
en un futuro.
Bibliografía
http://72.14.253.104/search?
q=cache:nor7ql8AS2QJ:www.usergioarboleda.edu.co/matematicas/memorias/memorias13/Form
as%2520can%C3%B3nicas%2520de%2520Jordan.pdf+REPRESENTACI
%C3%93N+MATRICIAL+DE+UNA+TRANSFORMACI
%C3%93N+LINEAL&hl=es&ct=clnk&cd=6&gl=mx&lr=lang_es
http://docentes.uacj.mx/gtapia/ALgebra/Contenido/Unidad%20IV/definicion%20y
%20ejemplos.htm
http://ima.ucv.cl/hipertexto/alineal/cap3/def91.htm
http://ima.ucv.cl/hipertexto/alineal/cap3/def94.htm
http://ima.ucv.cl/hipertexto/alineal/cap3/def97.htm
http://www.virtual.unal.edu.co/cursos/ciencias/2001004/lecciones_html/cap2/cap2.html
http://www.virtual.unal.edu.co/cursos/ciencias/2001004/lecciones_html/cap2/cap2s1.html
http://www.virtual.unal.edu.co/cursos/ciencias/2001004/lecciones_html/cap2/cap2s2.html
http://www.matem.unam.mx/~rgomez/algebra/seccion_2.html#
http://www.ciencia.net/VerArticulo/Transformaci%C3%B3n-lineal?
idArticulo=dsfjuvpf1drjfg2kj5kpa2e1
http://html.rincondelvago.com/algebra-lineal_vectores-y-espacios-vectoriales.html