Instituto Tecnológico de Orizaba
Alumna: Gonzalez Rojas Marisa
Jaquelin
No. De control:23010627
Profesora: Rose Mary Freeman
Murguía
Trabajo: Unidad 5
Transformaciones lineales
[Link]
5.1 TRANSFORMACION LINEAL
¿Qué son las transformaciones lineales?
En primer lugar, una transformación lineal es una función. Por ser función, tiene
su dominio y su condominio, con la particularidad de que éstos son espacios
vectoriales. Tenemos dos espacios vectoriales V𝑉 y W𝑊, y una función que va
de V𝑉 a W𝑊. O sea, una regla de asignación que transforma vectores de V𝑉 en
vectores de W𝑊. Pero no toda función que transforme vectores de V𝑉 en vectores
de W𝑊 es una transformación lineal. Debe cumplir ciertas condiciones:
F: V→W𝐹:𝑉→𝑊 es una transformación lineal si y sólo si:
1. F(u+v)=F(u)+F(v) ∀u,v∈V𝐹(𝑢+𝑣)=𝐹(𝑢)+𝐹(𝑣) ∀𝑢,𝑣∈𝑉
2.
3. F(k.v)=k.F(v) ∀v∈V, ∀k∈R𝐹(𝑘.𝑣)=𝑘.𝐹(𝑣) ∀𝑣∈𝑉, ∀𝑘∈𝑅
Propiedades de una transformación lineal
Propiedad 1
La imagen del vector nulo del dominio 0V0𝑉 es el vector nulo del codominio 0w0𝑤:
T(0V)=0w𝑇(0𝑉)=0𝑤
Demostración:
T(0V)=T(0.v)=0.T(v)=0.w=0W𝑇(0𝑉)=𝑇(0.𝑣)=0.𝑇(𝑣)=0.𝑤=0𝑊
Donde hemos expresado a 0V0𝑉 como el producto del escalar 00 por cualquier
vector del espacio vectorial V𝑉, hemos usado la segunda condición que debe
cumplir una transformación lineal, y finalmente hemos vuelto a usar la propiedad de
espacios vectoriales sobre el producto del escalar 0 por cualquier vector.
Propiedad 2
La imagen del vector –v–𝑣 es igual al opuesto de la imagen de v𝑣:
T(–v)=–T(v)𝑇(–𝑣)=–𝑇(𝑣)
Demostración:
T(–v)=T(–1.v)=–1.T(v)=–T(v)𝑇(–𝑣)=𝑇(–1.𝑣)=–1.𝑇(𝑣)=–𝑇(𝑣)
La justificación de los pasos dados en la demostración es similar a la anterior.
Propiedad 3
Consideremos r𝑟 vectores del espacio vectorial V𝑉:
v1,v2,…,vr∈V𝑣1,𝑣2,…,𝑣𝑟∈𝑉
Tomemos una combinación lineal en el dominio:
α1v1+α2v2+α3v3+...+αrvr𝛼1𝑣1+𝛼2𝑣2+𝛼3𝑣3+...+𝛼𝑟𝑣𝑟
Donde αi∈R𝛼𝑖∈𝑅.
Si aplicamos la transformación lineal F𝐹 de V𝑉 a W𝑊, teniendo en cuenta las
propiedades enunciadas en la definición, resulta:
F(α1v1+α2v2+α3v3+...+αrvr)=α1F(v1)+α2F(v2)+…+αrF(vr)𝐹(𝛼1𝑣1+𝛼2𝑣2+𝛼3𝑣3+...
+𝛼𝑟𝑣𝑟)=𝛼1𝐹(𝑣1)+𝛼2𝐹(𝑣2)+…+𝛼𝑟𝐹(𝑣𝑟)
Es decir que una transformación lineal «transporta» combinaciones lineales
de V𝑉 a W𝑊, conservando los escalares de la combinación lineal.
5.2 Núcleo e imagen de una transformación lineal
Teorema 1. Sea T: V W una transformación lineal. Entonces para todos los vectores
u, v,
v1, v2,….vn en V y todos los escalares
Nota en la parte i el 0 de la izquierda es el vector cero en v; mientras que el cero de
la
derecha es el vector cero en W.
i. T(0) = T(0 + 0)= T(0) + T(0). Así 0= T(0) – T(0) = T(0) + t(0) – T(0) = T(0)
ii.T(u-v) = T[u + (-1)v] = Tu + T[(-1)v] = Tu + (-1)Tv = Tu – Tv.
[Link] parte se prueba por inducción (vea el apéndice 1). Para n = 2 se tiene T(α1v1
+ α2v2)
= T (α1v1) + T(α2v2) = α1Tv1 + α2Tv2. Así, la ecuación (1) se cumple para n = 2.
Se supone
que se cumple para n = k y se prueba para n=k + 1: T(α1v1 + α2v2+ ….+
αkvk+αk+1vk-1 ) =
T(α1v1 + α2v2+….+αkvk) + T(αk+1vk+1), y usando la ecuación en la parte iii para
n= k, esto es
igual a (α1Tv1 + α2Tv2+….αkTvk) + αk+1Tvk+1, que es lo que se quería demostrar.
Esto
completa la prueba.
Observación. Los incisos i) y ii) del teorema 1 son casos especiales del inciso iii).
Un dato
importante sobre las transformaciones lineales es que están completamente
determinadas
por el efecto sobre los vectores de la base.
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 T1y T2 son dos transformaciones
lineales de
V en W tales que T1vi = T2vi = wi para i = 1, 2,…,n. Entonces para cualquier vector
v ϵ v,
T 1v = T2v; es decir T1 = T2.
Como B es una base para V, existe un conjunto único de escalares α1, α2,…., αn.
Tales que
v = α1v1 + α2v2 + …+ αn vn.
Entonces, del inciso iii) del teorema 1, T1v = T1(α1 v1 + α2v2 + …+ αnvn)
= α1T2v1 + α2T2v2 +… + αnTnvn= α1w1 + α2w2 +…+ αnTnvn
De manera similar T2v = T2(α1v1 + α2v2 + …+ αnvn) = α1T2v1 + α2T2v2 +…+
αnTnvn
= α1w1 + α2w2 +…+ αnvn
Por lo tanto, T1v =T2v.
El teorema 2 indica que si T:v W y V tiene dimensión finita, entonces sólo es
necesario
conocer el efecto que tiene T sobre los vectores de la base en V. Esto es, si se
conoce la
imagen de cada vector básico, se puede determinar la imagen de cualquier vector
en V.
Esto determina T por completo. Para ver esto, sean v1, v2,….vn una base en V y
sea v otro
vector en V. Entonces, igual que en l aprueba del teorema 2, Tv = α1Tv1 + α2Tv2
+…+
αnTvn
Así, se puede calcular Tv para cualquier vector vϵ V si se conocen Tv1,Tv2,….Tvn
Definición 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 ϵ un T para cualquier transformación 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 “imagines” 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.
5.3 REPRESENTACIÓN MATRICIAL
DE UNA TRANSFORMACIÓN LINEAL
Con el propósito de introducir el concepto de matriz asociada a una
transformación lineal, se puede considerar la transformación T: R3 R2 definida
por
T(x, y, z) = (x + 3y, 2x - z)
Donde es posible encontrar una matriz A tal que el producto de ésta por cualquier
vector, proporcione la imagen de dicho vector bajo la transformación T, esto es
Av = T (v)
En este caso v es un vector en R3 y T (v) es un vector de R2, la igualdad se logra
mediante una matriz A de 2 x 3, de la siguiente forma
Es decir
a11 x + a12 y + a13 z = x + 3 y
a21 x + a22 y + a23 z = 2 x – z
Donde
a11 = 1 a12 = 3
a13 = 0 a21 = 2
a22 = 0 a23 = -
1
Por lo que la matriz
Satisface las condiciones solicitadas.
A esta matriz se le conoce como “matriz asociada a la transformación T”
Se puede establecer ahora que relación tienen los elementos de esta matriz con los
vectores de una base.
A fin de verificarlo, si se obtienen las imágenes de los vectores de la base canónica
e1 = (1, 0, 0), e2 = (0, 1, 0) y e3 = (0, 0, 1)
bajo la transformación T, se tiene
T (1, 0, 0) = (1 , 2)
T (0, 1, 0) = (3 , 0)
T (0, 0, 1) = (0, -1)
Estas imágenes (consideradas como vectores columna) son las columnas de la
matriz asociada a T.
Por lo que para obtener la matriz asociada a una transformación lineal se calculan
las imágenes de los vectores que integran la base canónica.
5.4 Aplicación de las transformaciones lineales,
reflexión, dilatación, contracción y rotación
Reflexión sobre el eje [Link] este caso, queremos averiguar cómo está definida
la transformación T de R2 en R2 que cada vector lo refleja
Fuentes bibliografricas;
[Link]
azul/ingenieria-en-sistemas-computacionales/54-aplicacion-de-las-
transformaciones-lineales-reflexion-dilatacion-contraccion-y-rotacion/59211490
[Link]
lineales/
[Link]
F) Apuntes de Algebra [Link]
