Tarea 5
UNIDAD 5.-TRANSFORMACIONES LINEALES
5.1 INTRODUCCION A LAS TRANSFORMACIÓNES LINEALES.
Definición: Las transformaciones lineales son las funciones y tratan sobre Kespacios
vectoriales que son compatibles con la estructura (es decir, con la operación y la acción)
de estos espacios. Aquí se presentan las funciones entre espacios vectoriales que
preservan las cualidades de los espacios vectoriales. Es decir, de funciones que
preservan la suma y la multiplicación por escalares. Nosotros usaremos el concepto de la
función para darle un tratamiento a los sistemas de ecuaciones lineales. La restricción que
haremos sera sobre el tipo de funciones: solo estaremos interesados en funciones que
preserven las operaciones en el espacio vectorial. Este tipo de funciones serán llamadas
funciones lineales. Primeramente, las definiremos, veremos algunas propiedades
generales y después veremos cómo se aplican estos resultados a sistemas de
ecuaciones. Sean V y W dos espacios vectoriales posiblemente iguales. Una
transformación lineal o mapeo lineal de V a W es una función T : V → W tal que para
todos los vectores u y v de V y cualquier escalar c:
a) T (u + v) = T (u) + T (v)
b) T (c u) = c T (u)
Demuestre que la transformación T : R2 →R2 definida por
es lineal.
Entonces:
Por otro lado, para todo escalar c,
Como se cumplen las dos condiciones:
T es lineal.
Una transformación lineal preserva combinaciones lineales. Veremos que, debido a esto,
una transformación lineal queda unívoca-mente determinada por los valores que toma en
los elementos de una base cualquiera de su dominio.
Teniendo en cuenta que las transformaciones lineales son funciones entre conjuntos, tiene
sentido estudiar la validez de las propiedades usuales de funciones: inyectividad,
suryectividad y biyectividad.
Las transformaciones lineales que verifican alguna de estas propiedades reciben nombres
particulares: Definición 3.6 Sean V y W dos K-espacios vectoriales, y sea f : V → W una
transformación lineal. Se dice que:
1. f es un monomorfismo si f es inyectiva.
2. f es un epimorfismo si f es suryectiva.
3. f es un isomorfismo si f es biyectiva.
En algunos casos, consideraremos transformaciones lineales de un K-espacio vectorial en
s ́ ı mismo: Sea V un K-espacio vectorial. Una transformación lineal f : V → V se llama un
endomorfismo de V . Si f es un endomorfismo que es además un isomorfismo, entonces
se dice que es un automorfismo.
Se denomina transformación lineal, función lineal o aplicación lineal a toda aplicación cuyo
dominio y codominio sean espacios vectoriales y se cumplan las siguientes condiciones:
Transformación lineal: Sean V y W espacios vectoriales reales. Una transformación lineal
T de V en W es una función que asigna a cada vector v V ϵ un vector único Tv W y que
satisface, para cada u y v en V y cad ϵ ∝ a escalar ,
1. T (u+v)= Tu+Tv
2. T(∝v)= ∝Tv, donde ∝ es un escalar. Tres notas sobre notación.
1. Se escribe T: V → W para indicar que T toma el espacio vectorial real V y lo lleva al
espacio vectorial real W; esto es, T es una función con V como su dominio y un
subconjunto de W como su imagen.
2. Se escriben indistintamente Tv y T (v). denotan lo mismo; las dos fases se leen “T de v”.
eso es análogo a la notación funcional f(x), que se lee “f de x”.
3. Muchas de las definiciones y teoremas se cumplen también para los espacios
vectoriales complejos (espacios vectoriales en donde los escalares son números
complejos).
Terminología: las transformaciones lineales con frecuencia se llaman operadores lineales.
Nota: No toda transformación que se ve lineal es en realidad lineal. Por ejemplo, defina T:
R→R por Tx= 2x + 3. Entonces la grafica de {(x, Tx): x R} es una línea ϵ recta en el plano
xy; pero T no es lineal porque T(x+ y) = 2(x +y) + 3 = 2x + 2y + 3y Tx + ty = (2x+3) +
(2y+3) = 2x + 2y + 6. Las únicas transformaciones lineales de R en R son funciones de la
forma f (x) = mx para algún número real m. así, entre todas las funciones cuyas graficas
son rectas, las únicas que son lineales son aquellas que pasan por el origen. En algebra y
calculo una función lineal con dominio R esta definida como una función que tiene la
forma f (x) = mx + b. asi, se puede decir que una función lineal es una transformación de
R en R si y solo si b (la ordenada al origen) es cero.
5.2 NUCLEO E IMAGUEN DE UNA TRANSFORMACION LINEAL.
Transformaciones lineales: núcleo e imagen.
Teorema 1
Sea T: V S W una transformación lineal. Entonces para todos los vectores u, v, v1, v2, . . .
, vn en V y todos los escalares a1, a2, . . . , an:
i. T(0) = 0
ii. T(u - v) = Tu - Tv
iii. T(a1v1 + a2v2 +. . .+ anvn) = a1Tv1 + a2Tv2 +. . .+ anTvn
Nota. En la parte i) el 0 de la izquierda es el vector cero en V; mientras que el 0 de la
derecha 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 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.
Ejemplo
Definición 1 Núcleo e imagen de una transformación lineal
Sean V y W dos espacios vectoriales y sea T:V W una transformación lineal. Entonces
i . El núcleo de T, denotado por un, está dado por
ii. La imagen de T, denotado por Im T, esta dado por
Observacion 1. Observe que un T es no vacio porque, de acuerdo al teorema 1, T(0) = 0
de manera que 0 un T para cualquier transformació ϵ n lineal T. Se tiene interés en
encontrar otros vectores en V que “se transformen en 0”. De nuevo, observe que cuando
escribimos T(0) = 0, el 0 de la izquierda está en V y el de la derecha en W.
Observación 2. La imagen de T es simplemente el conjunto de “imajenes” de los vectores
en V bajo la transformación T. De hecho, si w = Tv, se dice que w es la imagen de v bajo
T.
Antes de dar ejemplos de núcleos e imágenes , se demostrará un teorema de gran
utilidad.
Teorema 4
Si T:V W es una transformación lineal, entonces
i.Un T es un subespacio de V.
ii.Im T es un subespacio de W.
Demostracion i.Sean u y v en un T; Entonces T(u + v) = Tu + Tv =0 + 0 =0 y T( ) = = 0 = 0
de forma que u + v y ∝u están en un T. ii. Sean w y x en Im T. Entonces w = Tu y x = Tv
para dos vestores u y v en V. Esto significa que T(u + v)= Tu + Tv = w + x y T(∝u) = ∝Tu
=∝w. Por lo tanto, w + x y ∝w están en Im T.
Ejemplo 3. Núcleo e imagen de la transformación cero
Sea Tv = 0 para todo v V(T es la transformación cero). ϵ Entonces un T = v e Im T = {0}.
Ejemplo 4 Núcleo e imagen de la transformación identidad
Sea Tv = v para v V(T es la transformación identidad). ϵ Entonces un T= {0} e Im T = V.
Las transformaciones cero e identidad proporcionan dos extremos. En la primera todo se
encuentra en el núcleo. En la segunda sólo el vector cero se encuentra en el núcleo. Los
casos intermedios son más interesantes.
Ejemplo 5 Núcleo e imagen de un operador de proyección
Sea T:R3 R3 definida por
T es el operador de proyección de R3 en el plano xy.
Entonces x = y = 0. Así, nu T = {(x,y,z):x = y = 0, z R}, ϵ es decir, el eje z, e Im T = {(x,y,z):
z = 0}, es decir el plano xy. Observe que dim un T = 1 y dim Im T = 2.
Definición 2 Nulidad y rango de una transformación lineal
Si T es una transformación lineal de v en w, entonces se define.
Toda matriz A de m*n da lugar a una transformación lineal T:R´´ R´´´ definida por Tx = Ax.
Es evidente que un T = NA, Im T = Im A = CA, v(T) = v(A) y p(T) = p(A). Entonces se ve
que las definiciones de núcleo, imagen, nulidad y rango de una transformación lineal son
extensiones del espacio nulo, la imagen, la nulidad y el rango de una matriz.
5.3 LA MATRIZ DE UNA TRANSFORMACIÓN LINEAL.
Desde el punto de vista algebraico lineal, las transformaciones más importantes son las
aquellas que conservan las combinaciones lineales. Estas son llamadas transformaciones
lineales o aplicaciones lineales. Una transformación lineal es una parte esencial en el
álgebra lineal. La idea principal detrás de la “Matriz de una transformación lineal” es la
definición de la matriz de T con respecto a las bases arbitrarias del dominio de V y el
codominio de W. En este caso, V y W son espacios vectoriales de dimensión finita sobre
F, y T: V → W es una transformación lineal.
Sea V y W espacios vectoriales de finita dimensión sobre F, e imagina que T: V! W es
lineal. Fija una base
B = {v1, v2. . . vn}
de V y una base de
B0 = {w1, w2. . . wm}
de W. Ahora definimos la matriz MBB’ (T) de T con respecto a estas bases. Puesto que B0
es una base de W, cada T (vj) puede escribirse únicamente como T(v j) =
Por lo tanto la matriz de T, en definitiva, con respecto a las bases B y B0 se define como la
matriz MBB’ (T) = (cij ) m × n . ¿Lo qué dice esta definición es que la columna jth de la
matriz MBB’(T) es el vector columna formado por los coeficientes de T(vj) con respecto a
la base B0? Uno puede expresar el término anterior en forma matricial mediante
(T(v1) T(v2) • • • T(v n)) = (w1 w2 • • •wm)MBB ’(T).
Es importante tener en cuenta que si V = Fn, W = Fm y T = TA, donde A Fm×n, entonces
MBB’(T) = A si B y B0 son las bases estándares. De TA (ej) es siempre la columna jth de
A.
Ahora, sea V el espacio de polinomios reales de al menos tres grados, y W el espacio de
polinomios reales de a lo sumo dos grados. Entonces, la diferenciación es una
transformación lineal D: V → W. Ahora
D (ax3 + bx2 + cx + d) = 3ax2 + 2bx + c.
Sea B la base {1, x, x2, x3} de V y B0 la base {1, x, x2} de W.
Ahora, D (1) = 0, D(x) = 1, D(x2) = 2x, D(x3) = 3×2.
Así
MBB’(D) =
Ahora bien, supongamos que T: V → V es una transformación lineal diagonalizable (o
semi-simple). Recordemos que esto significa que existe una base B = {v1, v2. . . vn} de V
tal que (vi) = vi para cada índice i entre 1 y n. Por lo tanto, B es una base propia de V para
T. En este caso, MBB (T) es la matriz diagonal.
Pero ¿Qué es la matriz de T con respecto a alguna otra base B0 de V? El primer paso
para responder a esta pregunta es encontrar cómo relacionar las expansiones de un
vector dado de V con respecto a dos bases distintas. Esto por sí solo constituye un
concepto diferente y más amplio que necesita de un conocimiento muy superior y más
profundo de las matemáticas.
5.4 Aplicación de las transformaciones lineales: reflexión,
dilatación, contracción y rotación.
Reflexión sobre el eje x
En este caso, queremos averiguar como está definida la transformación T de R2 en R2
que cada vector lo refleja sobre el eje x, para obtener
un vector
En una gráfica, vemos la situación como sigue:
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:
Esta transformación se llama la reflexión sobre el eje x, y es lineal, ya que:
Ejemplo dilatación o expansión
Una dilatación es una transformación que incrementa distancias.
Sea V= (2 4) encontrara la expansión vertical cuando K=2
Expansión horizontal (k71) o contracción (0<k<1)
Expansión vertical (k71) o contracción (0<k<1)
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.
Sea V= (2 4) encontrara la contracción horizontal cuando K=1/2
Haciendo la grafica el punto disminuye en el eje horizontal.
Rotación por un ángulo
Sea un ángulo medido en radianes. Queremos averiguar cual es la
transformación T de R2 en R2 que gira cada vector un angulo ,
para obtener un vector
En una gráfica, vemos la situación como sigue:
Si usamos las funciones trigonométricas, tenemos que:
Distribuyendo y usando el hecho de
que y tenemos que:
Por lo tanto, ya descubrimos cómo debe estar definida la
transformación tal
que
Esta transformación se llama la rotación por un ángulo y es lineal, ya que:
