MATEMA MA TEMATICA TICAS S IV
TRANSFORMACIONES LINEALES UNIDAD UNID AD V Alumno: Ana Irene Ortiz Peralta Catedrático: Ing. Jesús López Ortega
ING. CIVIL
Página 1 de 39
5.1 DEFINICIÓ DEFINICIÓN N DE TRANSFORMACIÓ TRANSFORMACIÓN N LINEAL L INEAL Y SUS PROPIEDADES. PROPIEDADES. Las transformaciones lineales son mapeos de importancia fundamental en el álgebra lineal y en sus aplicaciones. Son transformaciones entre espacios vect vector oria iale les s que que cons conser erva van n la suma suma vect vector oria iall y la mult multip ipli lica caci ción ón por por esca escala larr. Sean V y W dos espacio espacios s vectori vectoriale ales s posible posiblemen mente te iguale iguales. s.
m apeo Una transfo rmación lin eal o ma lineal de V a W es una función tal que para todos los vectores u y v de V y cualqui cualquier er escala escalarr c:
T: V → W*
a) T(u + v ) = T(u ) + T(v ) b) T(c u ) = c T(u ) *Escribimos T: V → W para indicar indicar que que T transforma transforma V en W
Las transformaciones lineales se llaman con frecuencia oper operad ador ores es line lineal ales es. Tambié ambién, n, las funci funcion ones es que que satis satisfac facen en a) y b) se denomin denominan an funcion funciones es lineale linealess. En R2 defi defina namo mos s una una func funció ión n T por por la fórm fórmul ula a T( )
(
) geométricamen geométricamente, te, T
toma un vector en R 2 y lo transforma en su reflexión con respecto al eje x. una vez que hayamos dado la definición básica, veremos que T es una transformación line linea al de R 2 en R2.
Propiedades Propiedades de las transformaciones transformaciones lineales lineales Teorema 3: Sea T: V
W
una transformació transformación n lineal. Entonces Entonces para todos los vectores v 1, v2,…,vn en V y todos los escalare escalares s c 1,c2,…,cn: →
T(c1v1+c2v2+…+cnvn)= c1Tv1+c2Tv2+…+cnTvn Demostración: Si T es lineal, entonces T(c 1v1 + C2v2)= T(c1v1) + T(c2v2)=c1T(v1)+ c2T(v2)… y asi sucesivamente. Así, las transformacio transformaciones nes lineales lineales mapean mapean una combina combinación ción lineal de vectores vectores en la misma combinación combinación lineal lineal de las imágenes de esos vectores. vectores.
Teorema 4: sea T: V → W una transformació transformación n lineal. Entonces 1. T(0)= 0……. Esta transformación lineal mapea a todos los vectores de V en 0, en W se le llama transfor transforma mación ción cero cero . 2. T(u-v)= T(u-v)= T(u)- T(v) Demostración: 1.- T(0)= T(0v)= T(0v)= 0T(v)=0 0T(v)=0 2.-…haciendo 2.-…haciendo que c 1=1 y c2=-1 T(u-v)= T(1u+(-1)v)= 1T(u)+ (-1)T(v)= T(u) – T(v)
Teorema 5: sea T: V
→
W una transformación lineal y sea B=
{v1,v2,…vn} el generador de V. entonces, el conjunto T(B)= {T(v1),T(v2)…,T(vn)} genera el contradominio de T. Demostración: Sea W ∈ R Entonces existe un v que pertenece a V tal que T(v)=W. como B genera a V, hay escalares c tales que v=c1v1. Entonces W= T(v)= T(c1v1+…+cnvn)=c1T(v1)+…+cnT(vn) de aquí que W sea una combinación lineal de T(B)
Ejemplo
Pági na 4 de 39
Ejemplo
5.2 EJEMPLOS DE TRANSFORMACIONES LINEALES (REFLEXIÓN, DILATACIÓN, CONTRACCIÓN, ROTACIÓN) Homotecia Para un escalar fijo c. T: V
→
W es lineal. T(v)= cv
Sea u y w
∈V
yr
∈ R.
T es lineal porque
T(u+w)= c(u + w)= cu + cw= T(u) + T(w) T(ru)= c(ru)= rT(u)
Si c > 1, la homotecia es una dilatación , y su efecto sobre v es estirarlo en un factor de c. Si 0 < c < 1, la homotecia es una contracción , y su efecto sobre v es encogerla en un factor de c. si c <0, esta transformación invierte la dirección de v.
Ejemplos:
Pági na 6 de 39
Ahora bien, si T: R 2
R2 definida por
( )
(
) . Es fácil verificar que T es
lineal y que, geométricamente, T toma un vector en R 2 y lo refleja con respecto al eje y, a esto se le llama reflexión .
Pági na 7 de 39
Ejemplo:
Pági na 8 de 39
Transformación de rotación Supongamos que el vector
( ) en el plano xy gira un ángulo ϴ en la dirección
contraria a las manecillas del reloj.
Página 10 de 39
Sea
(
) el vector girado. Entonces, como en la figura, si r denota la longitud
de v (la cual no cambia con la rotación),
Entonc es, de (3) y (4), vemos que
( )
(
).
dada por (5), se llama transformación de La transformación l ineal T: R2 R2rotación. definida por Tv= Aϴv, donde Aϴ está
Ejemplo:
Págin a 10 de 39
Págin a 11 de 39
5.3 DEFINICIÓN DE NÚCLEO O KERNEL, E IMAGEN DE UNA TRANSFORMACIÓN LINEAL. Sean V y W espacios vectoriales y sea T: V → W Entonces:
una transformación lineal.
El kernel o núcleo de T, denotado como KerT, esta dado por: KerT{v ∈ V: Tv=0 ∈ W}
La imagen de T, denotada como R(T), esta dada por: R(T)={w ∈ W: w=Tv para alguna v
Sea T: V → W
∈
V}
una transformación lineal. Entonces 1.- ker(T) es un subespacio de V 2.- R(T) es un subespacio de W
La propiedad fundamental del núcleo y del contradominio es que ambos son espacios vectoriales. La dimensión del núcleo se llama nulidad de T. la dimensión del contradominio se llama rango de T.
Demostración:
Págin a 12 de 39
En caso especial en el que la transformación lineal es matricial, se cumple lo siguiente: Sea T: Rn⟶Rm es una transformación matricial cuya matriz estándar es A. Entonces:
Demostración: Puesto que T(x)= AX, entonces T(x)= 0 si y solo si Ax=0. De aquí, Ker(T)= V(A). igualmente, si b esta en R m, entonces hay un x en R n tal que T(x)=b si y solo si Ax=b. En consecuencia, R(T)= col(A). Las partes de las nulidades y los rangos se ven a continuación.
El teorema de la dimensión Si T: V⟶ W es una transformación lineal de un espacio vectorial V de dimensión finita a un espacio vectorial W, entonces. Nulidad(T) + Rango(T)= dim(V)
Págin a 13 de 39
Ejemplo:
Calcule las bases para el núcleo y el contradominio y determine la nulidad y el rango de T: R4⟶R3, T(x,y,z,w)= (x+3z,y - 2z,w)
Solución: De acuerdo con el teorema, basta expresar a T como transformación matricial y obtener las bases para las columnas y el espacio nulo de su matriz estándar A. A se expresa con:
Y está en forma escalonada reducida por operaciones de renglón. Por consiguiente, los vectores {(1,0,0), (0,1,0), (0,0,1)} forman una base para Col(A)= R(T)= R3. Por otra parte {-3,2,1,0} es una base para V(A)= Ker(T). De modo que el rango de T es 3 y la nulidad es 1.
Ejemplo:
Dada la transformación lineal
Determinar la imagen de Págin a 14 de 39
Solución: Si recordamos el proceso que usamos en el cálculo en una variable, determinemos cuales vectores tienen preimagen. Para ello, sean tales que: T(x;y;z) = (a;b;c) (2x-y+z;x-y+z;x) = (a;b;c) Igualando coordenadas tenemos el siguiente sistema
Ahora, resolvamos el sistema buscando la matriz asociada a él, y determinando su escalonada
luego, un vector tiene preimagen si y sólo si el sistema el sistema es consistente (no necesitamos que la solución sea única), lo cual es equivalente a escribir
Por lo tanto, Im(T) = {(a;b;c) /((x;y;z) ((T(x;y;z)=(a;b;c)) = {(a;b;c) /a-b-c=0} = <(1;1;0);(1;0;1)>:
Págin a 15 de 39
5.4 LA MATRIZ DE UNA TRANSFORMACIÓN LINEAL Y REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN LINEAL. Sea T: V → W
una transformación lineal entre dos espacios vectoriales V y W de dimensiones finitas. Sea B= {v 1……….,vn} una base de V y B’= {v’1,……,v’m} una base de W. la matriz A m x n cuyas columnas son:
Es la única matriz que satisface
Para todo v
∈V
Demostración: Como B genera a V, hay escalares c1,…,cn tales que v= c1v1+…+cnvn. Así
Porque T es lineal, por consiguiente:
Págin a 16 de 39
Teorema:
Toda transformación lineal T: R n
Rm es una transformación matricial.
⟶
Demostración: Sean B y B’ las bases estándar de Rn y Rm, respectivamente. Entonces hay una matriz A tal que
Para todo v tenemos
∈
Rn. Pero como T(v)=[T(v)] B’ y A[v]B= Av para las bases estándar, T(v)=Av
Por consiguiente, T es una transformación matricial cuya matriz estándar es A. Págin a 17 de 39
Ejemplos:
Solución:
Págin a 18 de 39
Ejercicios
Página 20 de 39
Págin a 20 de 39
Págin a 21 de 39
5.5 TRANSFORMACIONES Y SISTEMAS DE ECUACIONES LINEALES. Una transformación lineal es un conjunto de operaciones que se realizan sobre un vector para convertirlo en otro vector. En ocasiones trabajar con vectores es muy sencillo ya que pueden ser fácilmente interpretados dentro de un contexto gráfico, lamentablemente no siempre ocurre y es necesario transformar a los vectores para poderlos trabajar más fácilmente. Por otra parte, trabajar con sistemas lineales es mucho más sencillo que con sistemas no lineales, ya que se puede utilizar una técnica llamada superposición, la cual simplifica de gran manera gran variedad de cálculos, por lo que es de gran interés demostrar que un proceso puede ser reducido a un sistema lineal, lo cual solo puede lograrse demostrando que estas operaciones forman una transformación lineal.
Los sistemas de ecuaciones lineales son ecuaciones que tienen n incógnitas, las cuales podemos representar en una notación matricial, se puede utilizar una técnica llamada superposición, la cual simplifica de gran manera gran variedad de cálculos, por lo que es de gran interés demostrar que un proceso puede ser reducido a un sistema lineal, lo cual solo puede lograrse demostrando que estas operaciones forman una transformación lineal. A partir de una ecuación lineal podemos hacerle las transformaciones lineales para tener como resultado escalares.
Págin a 22 de 39
Definición Sea (V,K) / dimV = n y sea BV = {e1, ......, en}. Sean {e1, ......, en} y {a1, ......,an} ⊂ V / ai = (ai1, ......, a in). El número máximo de vectores LI es el rango de los {a1, ......,a k} = dim [L({a1, ......,a k})] . O sea:
Proposición Dada la matriz A, el rang A es igual al mayor orden de los menores con det≠ 0.
Teorema de Rouché-Frobenious. Sean (V,K) / dimV = n y {a1, ......,ar } ∈ V v ∈ L(a1, ......,ar ) ⇔v(a1, ......,a r ) = v(a 1, ......, ar , v)
Consecuencias: Sea el sistema
decimos que el sistema es incompatible (sin solución) si v ≠ rangB, donde:
∉ L(a1, ......,a r ) ⇔
rang A
el sistema
Págin a 23 de 39
es compatible si
Observación: Si rang A es máximo e igual a la dimensión de V entonces el sistema es compatible determinado (existe una única solución). Si rang A es menor que la dimensión del espacio entonces el sistema es compatible pero existen muchas soluciones. Otro punto de vista es el siguiente: Consideremos el sistema
que podemos reescribir de la forma
La solución del sistema es un conjunto de escalares (a 1,…an)/ ∑aija j=b j. Sea ahora f : V⟶ W tal que dimV= n y dimW=p tal que B v= {e1,…en} y Bw= {u1,…up} tal que
Las ecuaciones de f respecto de B v son
Teorema de Rouche- Frobenious (2). El sistema de ecuaciones lineales tiene solución si el vector
Págin a 24 de 39
Teniendo en cuenta que los vectores * ( )+ constituyen un sistema de generadores de Imf y puesto que dim[im f ]= rangA si llamamos B a la matriz ampliada, entonces el teorema de R- F dice: Ǝ! Solución si rangA= rangB Las ecuaciones del sistema homogéneo representan las ecuaciones del ker f . si el sistema es compatible, el conjunto de sus soluciones es el conjunto f -1(b) i.e. El conjunto de todas las soluciones del sistema es:
Entonces el sistema es compatible si
Regla de cramer Sistema en el que el número de ecuaciones coincide con el de incógnitas/ detA≠ 0 Sea:
Como detA≠ 0 entonces ƎA-1
Págin a 25 de 39
Ejemplo 1 Resolver el sistema
Sea
Págin a 26 de 39
Ejemplo 2
Págin a 27 de 39
Págin a 28 de 39
5.6 ÁLGEBRA DE LAS TRANSFORMACIONES LINEALES. A una transformación lineal de un espacio vectorial en sí mismo se le llama operador lineal. Los operadores lineales juegan (como veremos mas adelante) un papel muy importante en el estudio de las transformaciones lineales, el conjunto de todos los operadores lineales de c se denotara por End c debido a que los operadores lineales también son conocidos como endomorfismos de un espacio vectorial. Por definición tenemos End c= Mor(c,c). la principal diferencia entre las transformaciones lineales y los operadores lineales es que la operación de composición es una operación interna en espacio vectorial End c. Esto quiere decir que si componemos 2 operadores, obtendremos otro. Si un espacio vectorial cualquiera (el cual ya trae definidos la suma y el producto por escalares) tiene otra operación binaria que cumple los axiomas en el recuadro a la derecha, entonces, se le llama álgebra. Observese que los primeros 3 axiomas los podemos resumir en uno: la suma de vectores y definen un anillo en el espacio vectorial. El cuarto axioma lo que quiere decir es que para cualquier escalar λ y cualesquiera vectores a y b se cumple que λa*b=λb(a*b). Alg1) *es asociativa Alg2) *es distributiva con respecto a + Alg3) *tiene elemento neutro Alg4) *conmuta con el producto por escalares
Para ver que End c es un álgebra solo nos queda comprobar que la composición tiene elemento neutro. Pero esto es obvio ya que la función identidad cumple que
f *1=1 f = f
Página 30 de 39
O sea, es el neutro para la composición. Hemos demostrado el siguiente resultado: El espacio vectorial End c en un algebra con respecto a la composición Hay dos álgebras importantes que deben ser muy conocidas por el lector. Primero, el conjunto de los polinomios con coeficientes reales R[x] es un espacio vectorial sobre R. segundo, los números complejos son un espacio vectorial de dimensión sobre los reales pero además sabemos multiplicar números complejos. Un álgebra se le llama conmutativa si el producto de vectores es conmutativo. El álgebra de los números complejos y el álgebra de polinomios sobre un campo son conmutativas. Las algebras End c casi nunca son conmutativas (salvo en dimensión). Por ejemplo en el plano cartesiano R2 la rotación f en 45° y la reflexión g en el eje y son operadores lineales.
Ejemplos:
Págin a 30 de 39
Págin a 31 de 39
5.7 APLICACIONES DE LAS TRANSFORMACIONES LINEALES.
Transformaciones afines y gráficas de computadora
Definiciones Sea A una matriz m x n. una transformación afín T: R n⟶Rm tiene la forma T(x)= Ax +b Para algún vector m fijo b. esta transformación es no lineal si b ≠ 0. Por lo anterior, T(0)≠ 0. En el caso especial en que m= n y A sea la matriz I de identidad, n x n, entonces T(x)= Ix + b= x + b A esta T se le llama traslación por b. Una traslación por un vector b ≠ 0 desplaza a una figura sumando b a todos sus puntos. Una transformación afín es una transformación lineal seguida de una traslación. La figura (a) muestra la imagen S’ del cuadrado S después de la traslación por (2,-1) y la figura (b) muestra la transformación afín.
T consiste en una rotación de 45 ° seguida de una traslación por (-2,0). Las transformaciones afines con n= m= 2 y n=m=3 son muy útiles para las graficas en Págin computadora.
a 32 de 39
Ejercicio 1 Obtenga la transformación afín T que convirtió la imagen izquierda de la figura en la de la derecha, puesto que se usaronlos siguientes puntos: (1,0), (0.7,0.7), (0,1), (-0.7,0.7), (-1,0), (-0.7, -0.7), (0,-1), (0.7,-0.7), (1,0) Cuyas respectivas imágenes fueron: (2,-1), (2.05, -0.3), (1.5, 0), (0.65,-0.3), (0,-1), (0.05,-1.7), (0.5,-2),(1.35,-1.7), (2,-1)
Págin a 33 de 39
Por lo anterior, T es el deslizamiento en 0.5 a lo largo del eje x seguido de la traslación por (1,-1).
Tranformaciones afines y fractales
En los últimos años ha surgido un área nueva en las matemáticas, llamada geometría fractal. Aunque esta geometría tiene sus raíces en varias contribuciones importantes como las de Cantor, Sierpinski, von Koch, Peano y otros matemáticos del siglo XIX, no fue sino hasta finales de la década de los 60 ’s que llego a ser un campo nuevo. Esto se debio al trabajo precursor de Benoit Mandelbrot de la IBM Corporation, y a la disponibilidad de computadora rapidas. La palabra Fractal, introducida por Mandelbrot, se usa para describir figuras con infinitas repeticiones d ela misma forma. A continuación describiremos 2 fractales, el triángulo de Sierpinski y un fractal que se ve como un abeto (es un análogo del helecho por M. Barnsley). M. Barnsley observó que pueden obtenerse muchos objetos graficando iteraciones de ciertas transformaciones afines.
“fractaloides”
Págin a 34 de 39
1. El Triángulo de sierpinski Sean f 1, f 2, f 3 las 3 transformaciones afines de R 2 a R2 expresadaspor
El triángulo de Sierpinski puede generarse como sigue: comenzaremos con un triángulo, por ejemplo, aquel cuyos vértices están en (0,0), (1,0) y elegimos un punto dentro de él.
Y lo graficamos, digamos, en el punto (
). A continuación seleccionamos al azar
una de las transformaciones f 1, f 2 0 f 3, digamos f 1, y se calcula y grafica f i(
).
Partiremos de este nuevo punto y repetiremos el proceso tanto como lo deseemos. La imagen que resulta es un “objeto fractal” que parece un triángulo con agujeros triangulares (si se grafican bastantes puntos).
Págin a 35 de 39
2. Un abeto parecido al helecho de Barnsley Sean f 1, f 2, f 3,f 4 las 4 transformaciones afines de R2 a R2 representadas por
El fractal parecido a un abeto puede generarse como sigue: se elige y grafica cualquier punto, por ejemplo (5,5). A continuación se selecciona aleatoriamente una de las funciones f 1, f 2, f 3 o f 4, digamos f i y se calcula y grafica f i(5,5). Haciendo que éste sea un nuevo punto de partida, se repite el proceso. La imagen que resulta parece una parte de un abeto.
Págin a 36 de 39
A continuación describiremos el procedimiento que generó ambos fractales. Este procedimiento produce una imagen fractal para algunos conjuntos de transformaciones afines. Algoritmo:
Págin a 37 de 39
