Clase - 5 Transformaciones Lineales

Transformaciones
lineales
1
Transformaciones lineales.
Definicion: Sean 𝑉 y 𝑊 dos espacios vectoriales, sobre un mismo campo K.

Una transformación lineal entre dichos espacios es una función 𝑇: 𝑉 → 𝑊 que
verifica las siguientes condiciones:
1. 𝑇 𝑢 + 𝑣 = 𝑇 𝑢 + 𝑇 𝑣 , ∀𝑢, 𝑣 ∈ 𝑉.
2. 𝑇 𝛼𝑣 = 𝛼𝑇 𝑣 , ∀𝛼 ∈ 𝐾, 𝑣 ∈ 𝑉.
En el caso particular en que V= 𝑊 se dice que 𝑇 es un operador lineal.
𝑅𝑒𝑠𝑢𝑚𝑒𝑛: 𝑇 𝛼𝑢 + 𝛽𝑣 = 𝛼𝑇 𝑢 + 𝛽𝑇 𝑣 , ∀𝑢, 𝑣 ∈ 𝑉, 𝛼, 𝛽 ∈ 𝐾 . 2
2
Ejemplos.-
Determinar si las siguientes aplicaciones son o no transformaciones lineales:
1. Para 𝑉 y 𝑊 espacios vectoriales

𝑇: 𝑉 → 𝑊, dada por 𝑇 𝑣 = 0𝑊 . Transformación nula.
2. 𝐼𝑑: 𝑉 → 𝑉, I𝑑 𝑣 = 𝑣. Transformación identidad.
3. 𝑇: ℝ3 → ℝ2 , dada por 𝑇 𝑥, 𝑦, 𝑧 = (2𝑥 + 𝑦, 𝑥 − 𝑧).
4. 𝑇: ℝ2 → ℝ3 , dada por 𝑇 𝑥, 𝑦 = (𝑥 2 , 𝑥 + 𝑦, 𝑥𝑦).
5. 𝑇: ℙ2 (𝑥) → ℝ2 , dada por 𝑇 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 = 2𝑎 + 𝑐 + 3, 𝑏 − 𝑐
𝑎 𝑏
6. 𝑇: ℳ2×2 (ℝ) → ℙ3 (𝑥), 𝑇 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 .
𝑐 𝑑
7. 𝑇: ℳ𝑛×1 (ℝ) → ℳ𝑚×1 (ℝ), 𝑇 𝑥 = 𝐴𝑥, donde 𝐴 ∈ ℳ𝑚×𝑛 (ℝ).
3
Un ejemplo geométrico
Sea 𝑇: ℝ2 → ℝ2 definida por 𝑇 𝑥, 𝑦 = 𝑥, −𝑦 ∈ ℝ2 , esto es, T v es el

vector de ℝ2 que geométricamente representa la reflexión del vector 𝑥, 𝑦
respecto al eje de las abscisas .
𝑇
𝑦 𝑦
𝑥 𝑥
𝑇(𝑣)
4
Teorema: Sean 𝑉 y 𝑊 dos espacios vectoriales. Si 𝑇: 𝑉 → 𝑊 es una
transformación lineal, entonces:
1. 𝑇 0𝑉 = 0𝑊 .
2. 𝑇 𝑢 − 𝑣 = 𝑇 𝑢 − 𝑇 𝑣 .
3. 𝑇 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 = 𝛼1 𝑇 𝑣1 + 𝛼2 𝑇(𝑣2 ) + ⋯ +
𝛼𝑛 𝑇(𝑣𝑛 ).
para todo 𝛼1 , 𝛼2 , … , 𝛼𝑛 ∈ ℝ y 𝑣1 , 𝑣2 , … , 𝑣𝑛 ∈ 𝑉.
5
Núcleo e imagen
• Definición: Sean 𝑉 y 𝑊 dos espacios vectoriales y sea 𝑇: 𝑉 → 𝑊

una transformación lineal, definimos:
• El núcleo o kernel de 𝑇 como
N 𝑇 = 𝑘𝑒𝑟 𝑇 = {𝑣 ∈ 𝑉: 𝑇 𝑣 = 0 𝑊 } .
• La imagen o recorrido de 𝑇 como

𝐼𝑚 𝑇 = 𝑅𝑒 𝑇 = 𝑤 ∈ 𝑊: 𝑤 = 𝑇 𝑣 , 𝑣 ∈ 𝑉
Teorema: Sean 𝑉 y 𝑊 dos espacios vectoriales sobre un mismo campo K y sea

𝑇: 𝑉 → 𝑊 una transformación lineal, entonces 𝑁(𝑇) es sub-espacio de 𝑉 y
𝐼𝑚(𝑇) es sub-espacio de 𝑊.
6
Definición: Sean 𝑉 y 𝑊 dos espacios vectoriales sobre un mismo campo K y
sea 𝑇: 𝑉 → 𝑊 una transformación lineal.
• La nulidad de 𝑇, denotada por 𝜈(𝑇), se define como la dimensión del núcleo

de 𝑇, es decir,
𝜐 𝑇 = dim 𝑁 𝑇 = dim ker 𝑇 .
• El rango de 𝑇, denotado por 𝜌 𝑇 , se define como la dimensión de la

imagen de 𝑇, es decir,
𝜌 𝑇 = dim 𝐼𝑚 𝑇 .
Teorema: Sean 𝑉 y 𝑊 dos espacios vectoriales de dimensión finita sobre un

mismo campo K, y sea 𝑇: 𝑉 → 𝑊 una transformación lineal, entonces
𝜐 𝑇 + 𝜌 𝑇 = dim(𝑉).
7
5
Ejemplo.-
𝑆𝑒𝑎 𝑇: ℝ3 → ℝ3 , la transformación
𝑇(𝑥, 𝑦, 𝑧) = (𝑥 + 2𝑦 + 𝑧, 3𝑥 + 𝑦 − 2𝑧, −𝑥 − 7𝑦 − 6𝑧)

Determinar Núcleo y la Imagen
8
• Teorema: Sean 𝑉 y 𝑊 dos espacios vectoriales de dimensión finita.
Supongamos que 𝑛 = dim(𝑉), 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } es una base de 𝑉 y
𝑤1 , 𝑤2 , … , 𝑤𝑛 son 𝑛 vectores de 𝑊, no necesariamente distintos entre si,
entonces existe una única transformación lineal 𝑇: 𝑉 → 𝑊 tal que
• 𝑇 𝑣1 = 𝑤1 , 𝑇 𝑣2 = 𝑤2 , … , 𝑇 𝑣𝑛 = 𝑤𝑛 .
Corolario: Sean 𝑉 y 𝑊 dos espacios vectoriales y 𝑇1 y 𝑇2 dos transformaciones lineales

de 𝑉 en 𝑊 y sea 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } una base de 𝑉. Si
𝑇1 𝑣𝑖 = 𝑇2 (𝑣𝑖 ) para todo 𝑖 ∈ {1, … , 𝑛},
entonces 𝑇1 = 𝑇2 .
9
6
Ejemplo.-
Encontrar una transformación lineal de 𝑃2 𝑥 𝑒𝑛 ℝ2 tal que
T(1)= (2,-1) ; T(x)= (3,4) ; T (𝑥 2 ) = (−1,5)
10

Clase - 5 Transformaciones Lineales

Cargado por

Copyright:

Formatos disponibles

Clase - 5 Transformaciones Lineales

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase - 5 Transformaciones Lineales

Cargado por

Copyright:

Formatos disponibles

Transformaciones

Definicion: Sean 𝑉 y 𝑊 dos espacios vectoriales, sobre un mismo campo K.

En el caso particular en que V= 𝑊 se dice que 𝑇 es un operador lineal.

1. Para 𝑉 y 𝑊 espacios vectoriales

2. 𝐼𝑑: 𝑉 → 𝑉, I𝑑 𝑣 = 𝑣. Transformación identidad.

3. 𝑇: ℝ3 → ℝ2 , dada por 𝑇 𝑥, 𝑦, 𝑧 = (2𝑥 + 𝑦, 𝑥 − 𝑧).

4. 𝑇: ℝ2 → ℝ3 , dada por 𝑇 𝑥, 𝑦 = (𝑥 2 , 𝑥 + 𝑦, 𝑥𝑦).

5. 𝑇: ℙ2 (𝑥) → ℝ2 , dada por 𝑇 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 = 2𝑎 + 𝑐 + 3, 𝑏 − 𝑐

7. 𝑇: ℳ𝑛×1 (ℝ) → ℳ𝑚×1 (ℝ), 𝑇 𝑥 = 𝐴𝑥, donde 𝐴 ∈ ℳ𝑚×𝑛 (ℝ).

Sea 𝑇: ℝ2 → ℝ2 definida por 𝑇 𝑥, 𝑦 = 𝑥, −𝑦 ∈ ℝ2 , esto es, T v es el

• Definición: Sean 𝑉 y 𝑊 dos espacios vectoriales y sea 𝑇: 𝑉 → 𝑊

• La imagen o recorrido de 𝑇 como

Teorema: Sean 𝑉 y 𝑊 dos espacios vectoriales sobre un mismo campo K y sea

• La nulidad de 𝑇, denotada por 𝜈(𝑇), se define como la dimensión del núcleo

• El rango de 𝑇, denotado por 𝜌 𝑇 , se define como la dimensión de la

Teorema: Sean 𝑉 y 𝑊 dos espacios vectoriales de dimensión finita sobre un

𝑇(𝑥, 𝑦, 𝑧) = (𝑥 + 2𝑦 + 𝑧, 3𝑥 + 𝑦 − 2𝑧, −𝑥 − 7𝑦 − 6𝑧)

Corolario: Sean 𝑉 y 𝑊 dos espacios vectoriales y 𝑇1 y 𝑇2 dos transformaciones lineales

T(1)= (2,-1) ; T(x)= (3,4) ; T (𝑥 2 ) = (−1,5)

También podría gustarte