Académique Documents
Professionnel Documents
Culture Documents
31/05/2017
5. Transformaciones Lineales
5.1 Introduccin a las transformaciones lineales.
Las transformaciones lineales; Sean v y W espacios vectoriales reales. Una
transformacin lineal T de V en W es una funcin que asigna a cada vector v V
un vector nico Tv W y que satisface, para cada U y v en V y cada escalar .
Ejemplo 1
Defina se ve que T,
denominado operador de transposicin es una transformacin lineal.
Ejemplo 11 Una transformacin que no es [lineal].
Suponga que T: C[0,1] -> R est definida por Tf = f(0) + 1. Entonces T no es lineal.
Para ver esto se calcula:
Esto proporciona otro ejemplo de una transformacin que puede parecer lineal pero
que de hecho no lo es.
5.2 Ncleo e imagen de una transformacin lineal
Sean V y W dos espacios vectoriales y sea T: V W una transformacin lineal.
Entonces:
l. El ncleo de T, denotado por un, est dado por
Teorema 1
Sea T: V S W una transformacin lineal. Entonces para todos los
vectores u, v, v1,v2, . . . , vn en V y todos los escalares a1, a2, . . . , an:
l. T(0) = 0
ll. T(u - v) = Tu - Tv
lll. 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 dimensin 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.
Observacin 1. Observe que un T es no vaco porque, de acuerdo al teorema 1,
T(0) = 0 de manera que 0 un T para cualquier transformacin lineal T. Se tiene
inters 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 est en V y el de la
derecha en W.
Observacin 2. La imagen de T es simplemente el conjunto de imgenes de los
vectores en V bajo la transformacin T. De hecho, si w = Tv, se dice que w es la
imagen de v bajo T.
Teorema 4
Si T: V W es una transformacin lineal, entonces
l.Un T es un subespacio de V.
ll.Im T es un subespacio de W.
Demostracin
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 estn en un T.
Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vectores 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
estn en Im T.
Ejemplo 3. Ncleo e imagen de la transformacin cero
Sea Tv = 0 para todo v V (T es la transformacin cero). Entonces un T = v e Im T
= {0}.
Ejemplo 4. Ncleo e imagen de la transformacin identidad
Sea Tv = v para v V(T es la transformacin identidad). Entonces un T= {0} e Im T
= V.
Las transformaciones cero e identidad proporcionan dos extremos. En la primera
todo se encuentra en el ncleo. En la segunda slo el vector cero se
encuentra en el ncleo. Los casos intermedios son ms interesantes.
Ejemplo 5 Ncleo e imagen de un operador de proyeccin
Sea T: R3 R3 definida por
Solucin:
Antes de pasar a la verificacin, es conveniente observar que es posible encontrar
una matriz A tal que T(x) = A x. Es decir, aplicar T a un vector x es equivalente a
multiplicar por una cierta matriz A al vector x. Empecemos con la dimensin de A:
como A se multiplica por la izquierda de x y x R 3 entonces el nmero de columnas
de A es 3. Por otro lado, como el resultado A x es un vector de R 3, entonces el
nmero de renglones de A es 3. Si requerimos que:
5.3 La matriz de una transformacin lineal.
Si A es una matriz de m*n y T: Rn-Rm est definida por Tx = Ax, entonces, T es una
transformacin lineal. Ahora se ver que para toda transformacin lineal de R n en
Rm existe una matriz A de m*n tal que Tx = Ax para todo x Rn. Este hecho es de
gran utilidad. Si Tx = Ax. Entonces un T = NA e Im T = RA. ms aun, v(T) = dim un T
= v(A) y p(T) = dim Im T = p(A). As se puede determinar el ncleo, la imagen, la
nulidad y el rango de una transformacin lineal de R n-Rm determinando el espacio
nulo y la imagen de la matriz correspondiente. Adicionalmente, una vez que se sabe
que Tx = Ax. Se puede evaluar Tx para cualquier x en R n mediante una simple
multiplicacin de matrices.
Pero esto no es todo. Como se ver, cualquier transformacin lineal entre espacios
vectoriales de dimensin finita se puede representar mediante una matriz.
Teorema 1
Sea T:Rn -Rm una transformacin lineal. Existe entonces una matriz nica de m*n,
AT tal que
Demostracin
Sea w1 = Te1,w2 = Te2,.,wn = Ten. Sea AT la matriz cuyas columnas son w1, w2,.,
wn y hagamos que AT denote tambin a la transformacin de Rn-Rm, que multiplica
un vector en Rn por AT. si
Entonces
y hace girar cada vector, rad en sentido contrario al de las manecillas del reloj en
torno al origen.
Por ejemplo, calcularemos la imagen de (1,1) para =/2.
COMPRESIONES-EXPANSIONES
Las compresiones y expansiones son escalamientos a lo largo de los ejes
coordenados. Con ms precisin: para CC>>0, la transformacin , =(,)
escala las coordenadas x en un factor de c, dejando inalteradas a las coordenadas
y. Si 0<<1 se trata de una compresin en la direccin del eje x positivo. Si >1, se
refiere a una expansin. Tambin se tienen compresiones y expansiones a lo largo
del eje y, expresadas por , = , para >0.
Compresin y estiramiento a lo largo del eje x.
Otro tipo son los escalamientos simultneos a lo largo de los ejes x y y, como
, = , con factores de escala >0 y >0 a lo largo de las direcciones x y y.
Escalamiento a lo largo de los ejes x y y.
CORTES
Un corte o deslizamiento a lo largo del eje x es una transformacin de la forma
, = (+, )
En otras palabras, cada punto se mueve a lo largo de la direccin x una cantidad
proporcional a la distancia al eje x. Tambin hay cortes a lo largo del eje y:
, = (, +)
y son transformaciones matriciales cuyas matrices son