Invcaro
Invcaro
Invcaro
Desde el punto de vista del Algebra Lineal, las funciones más importantes son las
que preservan las combinaciones lineales. Estas funciones se llaman
Transformaciones Lineales.
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. Más adelante
mostraremos que las transformaciones lineales se pueden representar en términos
de matrices, y viceversa.
Las funciones más sencillas (después de las constantes) de una ´ variable con
valores reales son las funciones de la forma f(x) = kx; cuya gráfica, para un valor
fijo k, es una línea recta con pendiente k que pasa por el origen. La forma simple
que tienen estas funciones las hace sumamente importantes para estudiar el
comportamiento de funciones más complicadas. Por ejemplo, una función que es
derivable en un punto x0 se puede aproximar localmente por medio de la línea recta
tangente a la gráfica de la función en el punto (x0, f(x0)); y esta línea recta no es
más que una traslación afín de la recta y = f (x0)x. Una gran variedad de fenómenos
se pueden modelar a través de soluciones de cierto ´ tipo de ecuaciones que
exhiben un comportamiento lineal, en el sentido de
que la suma de dos soluciones y el producto de un
escalar por una solucion también son soluciones;
dichos fenómenos y sus respectivos modelos son
llamados, por antonomasia, lineales también. Con
base en la característica de linealidad de estos
fenómenos es posible, en general, determinar el comportamiento de los mismos en
una forma relativamente sencilla. Así, como las funciones lineales de una variable
sirven para aproximar funciones más complicadas, los modelos lineales se pueden
utilizar para aproximar fenómenos más complejos. Por sí solos los fenómenos
lineales son sumamente interesantes y cubren una gran variedad de importantes
aplicaciones. Las funciones lineales de una variable tienen una inmediata extensión
a funciones de varias variables y, más aún, a funciones entre espacios vectoriales.
En esta sección estudiaremos en un contexto general este tipo de funciones que
llamaremos transformaciones lineales.
2. T(αx) = αT(x),∀x ∈ E, ∀α ∈ R.
Ejemplo 5.1 Sea T : R → R la funcion de ´ finida por T(x) = 3x, entonces para x1, x2
∈ R y para todo escalar α,
PROPIEDADES:
2. (T1 +T2)(αx) = T1(αx) +T2(αx) = αT1(x) +αT2(x) = α(T1(x) +T2(x)) = α(T1 +T2)(x).
1. T( 0E) =0F.
3. T(−x) = −T(x) ∀x ∈ E.
Vimos en los ejemplos 5.2 y 5.3 que las transformaciones lineales de R en R son
las funciones de la forma T(x) = ax, donde a es una constante. El símil para
transformaciones de Rn en Rm esta contenido en el siguiente ejemplo.
Teorema 5.3 Sean {ei}, {fj} las bases canónicas de Rn y Rm, respectivamente, y T : Rn →
Rm una transformación lineal. Entonces existe una matriz A∈Mm×n tal que T=TA. De hecho,
una matriz A qué sirve para este propósito es aquella cuyas columnas son los vectores
T(ei), i = 1,...,n, descritos en la base canónica de ´ Rm.
El teorema 5.3 significa que las únicas transformaciones lineales que existen entre espacios
Rk son las transformaciones matriciales TA. Este es un resultado muy sencillo, pero también
muy importante, que el lector debe tener siempre presente.
2. La matriz A del teorema 5.3 no es única en el sentido de que se pueden tener resultados
análogos a este teorema utilizando otras bases.
5.2 NÚCLEO E IMAGEN DE UNA TRANSFORMACIÓN LINEAL
Demostración
El núcleo de T es sub-espacio
Sean v1 y v2 elementos del núcleo de T y c un escalar cualquiera. Así T(v1) = 0 = T(v2),
y por tanto:
T(c1 v1 + c2 v2) = c1 T(v1) + c2 T(v2) = c1 0 + c2 0 = 0
Probando que c1 v1 + c2 v2 está también en el núcleo de T. Lo cual a su vez prueba que
el núcleo de T es un sub-espacio de V .
La imagen de T es sub-espacio
Sean w1 y w2 elementos de la imagen de T y c un escalar cualquiera. Así T(v1) = w1 y
T(v2) = w2 para algunos v1 y v2 en V , y por tanto:
T(c1 v1 + c2 v2) = c1 T(v1) + c2 T(v2) = c1 w1 + c2 w2
Probando que c1 w1 + c2 w2 es imagen de c1 v1 + c2 v2 y por consiguiente c1 w1 + c2
w2 está también en la imagen de T. Lo cual a su vez prueba que la imagen de T es un
sub-espacio de W .
NULIDAD Y RANGO DE UNA TRANSFORMACIÓN
Debido al resultado anterior el núcleo y la imagen de una transformación lineal son
espacios vectoriales.
Como espacios vectoriales, ellos tienen una dimensión asociada. Estas dimensiones
tienen nombre específicos:
Definición: Sea T : V → W una transformación lineal.
La nulidad de T es la dimensión de Ker(T)
El rango de T es la dimensión de R(T).
El siguiente resultado permite calcular fácilmente la nulidad y el rango de una
transformación matricial.
Teorema
Sea T : V → W una transformación lineal. Suponga que T corresponde a la
transformación matricial asociada a A. Entonces:
Ker(T) = V(A) = Espacio nulo de A
R(T) = C(A) = Espacio generado por las columnas de A
Nulidad (T) = Nulidad(A) = Número de columnas sin pivote en A reducida.
Rango (T) = Rango(A) = Número de columnas con pivote en A reducida.
Note que el resultado anterior indica que para cualquier transformación lineal T : V → W,
Así por ejemplo:
T : R4 → R3 lineal no puede ser inyectiva pues
4 = dim(Ker(T)) + dim(R(T)) ≤ dim(Ker(T)) + 3
por tanto, dim(Ker(T)) ≥ 1 probando que Ker(T)) 6= {0}.
T : R4 → R8 lineal no puede ser sobre pues
4 = dim(Ker(T)) + dim(R(T))
por tanto, dim(R(T)) ≤ 4 probando que R(T) 6= R8
5.3 REPRESENTACIONES MATRICIALES DE
TRANSFORMACIONES LINEALES
Para toda transformación lineal T : Rn → Rm existe una matriz A ∈ Mm×n tal que T =
TA; esto es, T(u) = Au ∀u ∈ Rn. En esta sección veremos que este resultado se
puede extender a transformaciones T ∈ L (E,F) cuando los espacios vectoriales E y
F tienen dimensiones finitas.
2. [αu]B = α[u]B ∀u ∈ E, ∀α ∈ R.
LEMA 5.1
Esto es, las soluciones de los sistemas (con la misma matriz de coeficientes):
Entonces,
TEOREMA 5.19
TEOREMA 5.20
5.4 APLICACIÓN DE LAS TRANSFORMACIONES LINEALES:
REFLEXIÓN, EXPANSIÓN, CONTRACCIÓN Y ROTACIÓN
Graficar un conjunto de puntos en otro es lo que se conoce como transformación
lineal de un conjunto de puntos. Existen ciertas propiedades básicas de las
transformaciones lineales, las cuales si son tomadas en cuenta y aplicadas al
momento de resolver un problema, pueden reducirlo un problema simple. La
notación general utilizada para una transformación lineal es T: Rn
Transformaciones lineales
http://www-fp.usc.es/~edels/FM/Cap_04_FM.pdf
http://webdelprofesor.ula.ve/ciencias/nunez/cursos/MetodosMatematicos1/2
008A/Tem6MatricesAutovectoresA08.pdf
http://www.tesoem.edu.mx/alumnos/cuadernillos/2010.004.pdf