5 Transformaciones Lineales

 5.1 Definición de transformación lineal.

Las transformaciones lineales son las funciones y tratan sobre K-espacios vectoriales que son compatibles con la estructura (es decir, con la operación y la acción) de estos espacios.

Aquí se presentan las funciones entre espacios vectoriales que preservan las cualidades de los

espacios vectoriales. Es decir, de funciones que preservan la suma y la multiplicación por escalares.

Nosotros usaremos el concepto de la función para darle un tratamiento a los sistemas de ecuaciones lineales. La restricción que haremos sera sobre el tipo de funciones: solo estaremos interesados en funciones que preserven las operaciones en el espacio vectorial. Este tipo de funciones serán llamadas funciones lineales. Primeramente las definiremos, veremos algunas propiedades generales y después veremos como se aplican estos resultados a sistemas de ecuaciones.

5.2 Núcleo e imagen de una transformación lineal.

Teorema  1

Sea T: V S W una transformación lineal. Entonces para todos los vectores u, v, v1,

v2, . . . , vn en V y todos los escalares a1, a2, . . . , an:

i. T(0) = 0

ii. T(u - v) = Tu - Tv

iii. 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 dimensión 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.

 

Ejemplo

Definición 1 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 “imajenes” 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.

 

Teorema 4

Si T:V W es una transformación lineal, entonces

i.Un T es un subespacio de V.

ii.Im T es un subespacio de W.

 

Demostracion

i.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 están en un T.

ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vestores 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 están en Im T.

 

Ejemplo 3.  Núcleo e imagen de la transformación cero

Sea Tv = 0 para todo vϵ V(T es la transformación cero). Entonces un T = v e Im T = {0}.

 

Ejemplo 4   Núcleo e imagen de la transformación identidad

Sea Tv = v para vϵ V(T es la transformación 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 núcleo. En la segunda sólo el vector cero se encuentra en el núcleo. Los casos intermedios son más interesantes.

Ejemplo 5 Núcleo e imagen de un operador de proyección

Sea T:R³ R³ definida por

T es el operador de proyección de R³ en el plano xy.

Entonces x = y = 0. Así, nu T = {(x,y,z):x  = y = 0, zϵR}, es decir, el eje z, e Im T = {(x,y,z): z = 0}, es decir el  plano xy. Observe que dim un T = 1 y dim Im T = 2.

Definición 2      Nulidad y rango de una transformación lineal

Si T es una transformación lineal de v en w, entonces se define.

Toda matriz A de m*n da lugar a una transformación lineal T:R^´´ R^´´´ definida por Tx = Ax. Es evidente que un T = N_A, Im T = Im A = C_A, v(T) = v(A) y p(T) = p(A). Entonces se ve que las definiciones de núcleo, imagen, nulidad y rango de una transformación lineal son extensiones del espacio nulo, la imagen, la nulidad y el rango de una matriz.

5.3 Representación matricial de una transformación lineal.

Su definición Sean V y W dos espacios vectoriales de dimensión n y m, respectivamente, y sea     T: V→W una transformación lineal, entonces existe una matriz A de orden m × n llamada matriz de transformación o representación matricial de T que satisface T(v) = Av para toda v en V.

Representación Matricial de una transformación R3 en R4

Si se tiene una transformación T: R3 → R4 dada por

La T representa la transformación, que será representada por AT, mientras que la matriz a su lado representa el vector original. El resultado es la transformación realizada. Para poder representarla de forma matricial lo que se debe obtener es la matriz de transformación. Ya que a la  vez se obtiene, se pueden determinar otros datos como el núcleo y la imagen de la transformación.

Para este caso utilizando el resultado de la transformación, se puede determinar fácilmente la matriz de transformación, separando el vector original y determinando las operaciones que se realizaron.;

Y su representación quedaría como la matriz de trasformación multiplicando al vector original para dar como resultado a la transformación:

5.4 Aplicación de las transformaciones lineales: reflexión, dilatación, contracción y rotación.

Graficar un conjunto de puntos en otro es lo que se conoce como transformación lineal de un conjunto de puntos. Existen ciertas propiedades básicas de las transformaciones lineales, las cuales si son tomadas en cuenta y aplicadas al momento de resolver un problema, pueden reducirlo un problema simple. La notación general utilizada para una transformación lineal es T: Rn à Rm.

1. Reflexión: Cuando un conjunto de puntos dados es graficado desde el espacio euclidiano de entrada a otro de manera tal que este es isométrico al espacio euclidiano de entrada, llamamos a la operación realizada la reflexión del conjunto de puntos dado. Esto puede realizarse también con respecto a la matriz, en tal situación la matriz de salida es llamada la matriz de reflexión. La reflexión es realizada siempre con respecto a uno de los ejes, sea el eje x o el eje y. Esto es como producir la imagen espejo de la matriz actual.

2. Expansión: Al igual que en la reflexión, también es posible expandir los puntos dados en una dirección particular. La expansión se realiza habitualmente para un cierto grado. Es como realizar una operación de multiplicación de los elementos del conjunto de puntos dados con un término escalar hacia la dirección donde tiene que ser expandido. Sea para un punto (2, 3) si el grado de expansión 2 es la dirección de y, entonces el nuevo punto obtenido es (2, 6).

3. Contracción: La contracción es el procedimiento inverso de la expansión. Aquí el punto es contraído en un determinado grado hacia una dirección dada. Sea el punto de entrada (4, 8) y este debe ser contraído para el grado dos en la dirección de x entonces el nuevo punto resulta ser (2, 8).

4. Rotación: El término rotación tiene dos significados, ya la rotación de un objeto puede ser realizada con respecto al eje dado o al eje mismo. La rotación se realiza para un cierto grado el cual es expresado en forma de un ángulo. Asimismo, la rotación puede realizarse en la dirección de las manecillas del reloj, o inverso a las manecillas del reloj.