Instituto Universitario Politcnico Santiago Mario (I.U.P.S.

M) Extensin Valencia

Autor: Leonel Arias C.I.: 17.248.956

13/07/2011.

INTRODUCCIN

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. Ms adelante mostraremos que las transformaciones lineales se pueden representar en trminos de matrices, y viceversa. Se denomina transformacin lineal a toda funcin cuyo dominio e imagen sean espacios vectoriales y se cumplan las condiciones necesarias. Las transformaciones lineales ocurren con mucha frecuencia en el lgebra lineal y en otras ramas de las matemticas, tienen una gran variedad de aplicaciones importantes. Las transformaciones lineales tienen gran aplicacin en la fsica, la ingeniera y en diversas ramas de la matemtica. Estudiaremos las propiedades de las transformaciones lineales, sus diferentes tipos, as como la imagen, el ncleo, y como se desarrolla en las ecuaciones lineales.

NCLEO E IMGENES DE UNA TRANSFORMACIN LINEAL.

Sea T: V W una transformacin lineal. El ncleo T es el subconjunto formado por todos los vectores en V que se mapean a cero en W. Ker (T) = {v V | T (v) = 0 W}

Ejemplo: Indique cuales opciones contienen un vector en el ncleo de la transformacin de R3 en R3 definida como:

Dentro de las opciones:

Solucin: Antes de pasar a la verificacin, es conveniente observar que es posible encontrar una matriz A tal que T(x) = Ax. 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 R3 entonces el nmero de columnas de A es 3. Por otro lado, como el resultado Ax es un vector de R3, entonces el nmero de renglones de A es 3.

Si requerimos que:

No es difcil ver:

Es decir que:

El vector v1 est en el ncleo de T debido a que:

El vector v2 est en el ncleo de T debido a que:

El vector v3 no est en el ncleo de T debido a que:

El vector v4 est en el ncleo de T debido a que:

El vector v5 no est en el ncleo de T debido a que:

El vector v6 no est en el ncleo de T debido a que:

TEOREMA DE LA DIMENSIN DEL NCLEO E IMGENES.

Teorema: Dados los e.v. V, W sobre K, de dimensin finita y la transformacin lineal T: V Entonces: dim (V) = dim(N (T)) + dim(Im(T)) W

Ncleo E Imagen: Dados V, W e.v. sobre K y la transformacin lineal T: V W Se define el ncleo de T como: N (T) = T 1 (OW) La imagen de T como: Im (T) = T (V) Ejemplo: T: R R tal que T(x, y, z) = (3x + 2y 4z, x 5y + 3z) a) Determinar N (T) b) Determinar Im (T)

TEOREMA DE TRANSFORMACIN LINEAL INVERTIBLE. Sean V;W espacios vectoriales sobre un campo F. Una transformacin lineal TL (V;W) se llama invertible si existe tal que UT = IV y TU = IW. En este caso U

se llama transformacin inversa de la transformacin T.

Transformaciones lineales invertibles tambin se llaman transformaciones no singulares, isomorfismos lineales, isomorfismos de espacios vectoriales.

ESPACIO DUAL, ESPACIO DE COLUMNA DE UNA MATRIZ. Dado cualquier espacio vectorial V sobre un cierto cuerpo F, definimos el espacio dual V* como el conjunto de todas las funcionales lineales en F, es decir, transformaciones lineales en V a valores escalares (en este contexto, un "escalar" es un miembro del cuerpo-base F). El propio V* se convierte en un espacio vectorial sobre F bajo la definiciones siguientes ('punto a punto') de la adicin y de la multiplicacin escalar

Para todos , en V*, a en F y x en V. En lenguaje del clculo tensorial, los elementos de V a veces se llaman vectores contravariantes, y los elementos de V* vectores covariantes (y a campos de estos uno-formas). Ejemplos: Si la dimensin de V es finita, entonces V* tiene la misma dimensin que V; si { e1,..., e n} es una base para V, entonces la base dual asociada { e,...,e n} de V* viene dada por:

Especficamente, si se interpreta Rn como espacio de columnas de n nmeros reales, su espacio dual se escribe tpicamente como el espacio de filas de n nmeros. Tal fila acta en Rn como funcional lineal por la multiplicacin ordinaria de matrices. Si V consiste en el espacio de los vectores geomtricos (flechas) en el plano, entonces los elementos del dual V* se pueden intuitivamente representar como colecciones de lneas paralelas. Tal coleccin de lneas se puede aplicar a un vector para dar un nmero de la manera siguiente: se cuenta cuntas de las lneas cruzan el vector. Si V es infinito-dimensional, entonces la construccin antedicha ej no produce una base para V* y la dimensin de V* es mayor que la de V. Considrese por ejemplo el espacio R
()

, cuyos elementos son las secuencias de nmeros reales que tienen solo una cantidad

finita de entradas diferentes de cero. El dual de este espacio es R, el espacio de todas las secuencias de nmeros reales. Tal secuencia (an) se aplica a un elemento (xn) de R() para dar n xnan.

CAMBIO DE BASE DE UNA TRANSFORMACIN LINEAL. Sean y dos -espacios de dimensiones y respectivamente. En el una matriz de

Teorema 1 se vi como asociar a cada transformacin lineal tamao fijando un par de bases en y en

. Es lgico pensar que al cambiar

de bases la matriz de la transformacin

tambin cambie. En esta leccin se estudia la

relacin entre las matrices de una misma transformacin calculadas en diferentes bases. Se tiene el siguiente preliminar: Proposicin: Sea de un -espacio de dimensin y , bases

. Entonces, cada vector

se puede representar como una combinacin lineal de los

vectores de la base

, Dando origen a una matriz cuadrada invertible matriz de cambio de la base a la base . a la base . Adems,

, de orden . Se denomina la

es la matriz de cambio de la base

Demostracin: El cambio de base se puede expresar "matricialmente" de la siguiente manera:

HIPERPLANO Y CONJUNTO CONVEXO. Se define un Hiperplano como: H = [x Rn / ct x = ; R, ct Rn, ct 0] Es decir, se trata de la expresin: c1 x1 + c2 x2 +... + cn xn = , que para el caso de n=2, se tiene: c1 x1 + c2 x2 = , ecuacin que corresponde a la de una recta en el plano. Por tanto, un Hiperplano, es la generalizacin al espacio n-dimensional del concepto de recta. Cada hiperplano define dos semi-espacios. Grficamente se trata de la porcin del espacio que esta por encima del Hiperplano (semi-espacio superior) o por debajo del hiperplano (semi-espacio inferior).

Un conjunto S es convexo si cumple que: x1 , x2 S x1 + (1-) x2 S, [0,1] Es decir, que dados dos puntos cualesquiera del conjunto, el segmento lineal cerrado que une los dos puntos est totalmente contenido en el conjunto.

Envoltura Convexa.

La propiedad de la convexidad de los conjuntos es una propiedad deseable en los problemas de optimizacin, aunque si no se cumple, se pueden aplicar otras condiciones que se vern ms adelante. No obstante, para algunos conjuntos no convexos es posible definir su envoltura convexa Co(S), concepto que podemos expresar como: el menor conjunto convexo que contiene a S (no convexo), o tambin como la interseccin de todos los conjuntos convexos que contienen a S.

Propiedades de los Conjuntos Convexos:

a) El conjunto vaco ( ) es un conjunto convexo. b) Los conjuntos de un nico punto {a}, tambin son conjuntos convexos. c) Tambin el conjunto Rn (espacio total) es un conjunto convexo.

CONCLUSIN

Se han visto ms detallado y con ms exactitud los teoremas y propiedades que hilan todos los temas propuestos por este trabajo y se ha se ha llegado a la conclusin de todos los temas estn relacionados en cierta forma ya que en varios de estos se necesita recurrir a las propiedades que se han visto en temas anteriores. Con esto podramos decir que nos ha enseado a tener un amplio criterio de la utilidad de temas ya vistos en nuestra carrera, ya que no podemos omitir las enseanzas pasadas ya que estas nos forman las bases para comprender y analizar y poder poner en prctica los temas futuros. Este trabajo se ha hecho con el fin de comprender de que no hay que dejar tirado lo ya hemos aprendido antes ya que eso nos va a ayudar a solucionar problemas en nuestro futuro, citando el dicho popular si no aprendemos de nuestros errores del pasado los mismo nos estarn esperando en un futuro.