Você está na página 1de 6

Transformaciones Lineales Es el estudio de las funcines con valor vectorial de una variable vectorial.

es decir, funciones q tienen la forma W= F(v), en donde la variable independiente v y la dependiente w son vectores. Se enfoca la atencin en una clase especial de funciones vectoriales conocidas como tansformaciones lineales. Estas funciones tienen muchas aplicaciones importantes en fsica, ingeniera, ciencias sociales y diversas ramas de las matemticas. Si V y W son espacios vectorialesny F es una funcin que asocia un vector nico en W, con cada vector en V, se dice que F aplica (mapea) V en W y se escribe . Ademas si F asocia el vector w al vector v se escribe w= F(v) y se dice que w es la imagen de v bajo F. Como la ilustracin, si v = (x,y) es un vector en , entonces la formula F(v) = (x, x+y, x-y) Define una funcin que aplica . En particular, si v = (1,1), entonces x=1, y=1 de modo que la imagen de v bajo F es F(v)= (1,2,0) Definicin: si es una funcin de espacio vectorial V hacia el espacio vectorial W, entonces F es una transformacin lineal si (i) F(u+v) = F(u) + F(v) para todos los vectores u y v en V (ii) F (ku) = kF (u) para todos los vectores u en V y todos los escalares k. la funcin definida por F (v) = (x, x+y, x-y). , entonces de modo que [ ] [ ][ ] [ ]

Como la ilustracin, sea Si y

Tambin, si k es u escalar,

de manera que

Por tanto,F es una transformacin lineal. Si es una transformacin lineal, ntonces para cualesquiera escalares en se tiene

cualesquiera en V y

A continuacin se dan algunos ejemplos de transformaciones lineales Ejemplpo 1 Sea una matriz fija de m x n. si se utiliza la notacin matricial para vectores en Entonces se puede definir una funcin por medio de T(x)=Ax

Obsrvese que si x es una matriz de n x 1, entonces el producto Ax es una matriz de m x 1; as entonces T aplica . Adems, T es lineal; para comprobarlo, sean u y v matrices de n x 1 y k un escalar. Al aplicar las propiedades de la multiplicacin de matrices se obtiene De modo equivalente 5 A la transformacin lineal de este ejemplo se le denominara multiplicacin por A. a las transformaciones lineales de este tipo se les conoce como transformaciones matriciales. Ejempo 2 Dado la mattriz A que define por medio

A=[

[ ]

Realice lo siguiente : a) Encuentre

es decir la imagen de bajo la transformacin T

* +

T(x)=[

* +

(*

+)

b) A = [

Encuentre una en

cuya imagen bajo T

* Sistema Equivalente

=[

] si existe y es nico, y esta en Existe mas de una cuya imagen bajo sea igual a ?

c)

No existe mas de una y solo una d) Si Determine si esta en el recorrido de la transformacin T estar en el recorrido

Sistema equivalente =9 Por lo tanto: no esta en el Recorrido Ejemplo 3 Sea la funcin que aplica T: T(x,y)=(2x+y,x-y). Ver si T es una transformacin lineal a) ; No, Contradiccin

b)

Si Cumple

( K K Si Cumple

NOTA Toda transformacin lineal se convierte en una transformacin matricial es decir una multiplicacin por A Para este ejemplo seria (* +) [ ] * * +* + +

Propiedades de las Transformaciones Lineales: Nucleo (Kernel) y Recorrido En particular, se demuestra que una vez que se conocen las imgenes de los vecores base bajo una transformacion lineal, es posible encontrar las imgenes de los vectores restantes del espacio. Teorema 1 es una transformacion lineal,entonces : a) T(0)=0 b) T(-v)=-T(v) para todos los v en V c) T(v-w)=T(v)-T(w) para todos los v y w en V Demostracion Sea v cualquier vector en V. Debido a que 0v=0, se tiene: T(0)=T(0v)=0T(v)=0 Lo cual prueba (a) Tambien,T(-v)=T((-1)v)=(-1) T(v)=-T(v), lo cual prueba (b) Por ultimo, v-w=v+(-1)w, por tanto T(v-w)=T(v+(-1)w) =T(v)+(-1)T(w) =T(v)-T(w)

Definicion : si es una transfomacion lineal, entonces el conjunto de vectores en V que T aplica hacia 0 se conoce como el nucleo(kernel o espacio nulo) de T; este espacio se denota por ker(T). el conjunto de todos los vectores en W que son imgenes bajo T de al menos un vector en V se conoce como el reorrido de T; este conjunto se denota por R(T). Ejemplo 4 Supongase que es la transformacion cero. Supuesto que T aplica todo vector hacia 0, ker(T)=V. Ya que 0 es la unica imagen posible bajo T,R(T)nconsta del vector cero. Ejemplo 5 Sea

l multiplicacion por

[ El nucleo de T consta de tdos los [ ]

Que son vectores solucion del sistema homogeneo [ El recorrido de T consta de los vectores [ Tales que el sistema [ Es consistente Teorema 2 es una transformacion lineal entonces: a) El nucleo de T es un subespacio de V b) El recorrido de T es un subespaio de W Demostracion ] [ ] ] ] [ ]

a) Para demostrar que ker(T) es un subespacio, se debe que es cerrado bajo la adicion y la multiplicacion escalar. Sean vectores en ker(T) y supongase que k es cualquier escalar. Entonces T( )= T =0+0=0 De modo que esta en ker(T). tambien T(k )= kT( )= k0 = 0 De manera que k esta en ker(T). b) Sean vectores en el recorrido de T. para esta parte, es necesario demostrar que y k estan en el recorrido de T, para cualquier escalar k; es decir, se han encontrado los vectores a y b en V tales que T(a)= y T(b)=k . Supuesto que estan en el recorrido de T, existen los vectores en V tales que T( )= y T( )= . Sean a= y b=k Entonces T(a)=T( )= T( )+ T( )=

T(b)=T(k )= kT( )= k Lo cual completa la demostracion.

Você também pode gostar