Este documento presenta conceptos fundamentales de las transformaciones lineales, incluyendo: definiciones de imagen, núcleo, nulidad y rango de una transformación lineal; el método de Gauss-Jordan para resolver sistemas de ecuaciones lineales; y cómo las transformaciones lineales se pueden representar mediante matrices. También incluye ejemplos para ilustrar estos conceptos.
MAYO 1 PROYECTO día de la madre el amor más grande
Transformaciones lineales en R3
1. REPUBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN SUPERIOR
INSTITUTO UNIVERSITARIO POLITÉCNICO ¨SANTIAGO MARIÑO¨
ANZOÁTEGUI- BARCELONA
TRANSFORMACIONES LINEALES.
BACHILLER:
JHONNY MAR MOLLEDA
C.I 25.666.626
SECCIÓN: IV
BARCELONA, 18 DE MARZO DEL 2017.
2. TRANSFORMACIONES LINEALES.
Las transformaciones lineales son las funciones con las que trabajaremos en Algebra Lineal.
Se trata de funciones entre K-espacios vectoriales que son compatibles con la estructura (es decir,
con la operación y la acción) de estos espacios.
Ejemplo: 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.
Sean S y T los subespacio de R³ definidos por S = {x ∈ R³/ x1 − x2 = 0} y T = {x ∈ R³/ x3 = 0}.
Hallar una transformación lineal f :R³ → R³ tal que f(S) = T. Sabemos que para definir una
transformación lineal f :R³ → R³ basta con especificar los valores que toma sobre los elementos de
una base de R³ .
Consideramos entonces una base de S, por ejemplo {(1, 1, 0),(0, 0, 1)}, y la extendemos a una
base de R³, por ejemplo {(1, 1, 0),(0, 0, 1),(1, 0, 0)}. Teniendo en cuenta que T =<(1, 0, 0),(0, 1, 0)>,
definimos: f(1, 1, 0) = (1, 0, 0), f(0, 0, 1) = (0, 1, 0), f(1, 0, 0) = (0, 0, 1).
Entonces f(S) = < f(1, 1, 0), f(0, 0, 1) > = < (1, 0, 0),(0, 1, 0) > = T.
3. METODO DE GAUSS- JORDAN.
El Método de Gauss – Jordán o también llamado eliminación de Gauss – Jordán, es un método
por el cual pueden resolverse sistemas de ecuaciones lineales con n números de variables,
encontrar matrices y matrices inversas.
Este método es uno de los mas utilizados a la hora de realizar operaciones de transformación
lineal ya que es mas fácil y efectivo.
Ejemplo: Resolver por gauss- Jordán
La matriz ampliada del sistema es un matriz 3x4
4. Multiplicamos la primera fila por 1/5.
Sumamos la a la segunda y tercera fila la multiplicación por -2.
Multiplicamos las filas segunda y tercera por 5.
Sumamos a la tercera fila la segunda multiplicada por -1.
5. Multiplicamos a segunda fila por -1/10 y la tercera por 1/11.
Sumamos la primera fila y la segunda multiplicada por -2/5 y a la tercera, la segunda por -1.
Multiplicamos la tercera fila por -11/5
Esta última matriz es la forma escalonada reducida (lo sabemos porque tenemos la matriz
identidad). Al tener la matriz identidad, sabemos que se trata de un sistema compatible
determinado y podemos obtener de ella la única solución del sistema.
6. IMAGEN.
La imagen de una transformación lineal. Sean V, W espacios vectoriales sobre un campo F
y sea T ∈ L(V, W). La imagen de T se define como el conjunto de todos los valores de la
aplicación.
NÚCLEO:
Sea L:W una transformación lineal, entonces el núcleo de L, notado por N(L), es el
subconjunto de V, que contiene todos los elementos v Є V, tales que sus imágenes son
iguales a cero. Así: N(L)={v є V/L(v)= 0 є W}
NULIDAD.
nulidad de una transformación lineal). Sean V, W espacios vectoriales sobre un campo F y
sea T ∈ L(V, W). La nulidad de T se define como la dimensión del núcleo de T:
nul(T) = dim(ker(T)).
7. RANGO.
El rango de una transformación lineal. Sean V, W espacios vectoriales sobre un campo F y
sea T ∈ L(V, W). El rango de T se define como la dimensión de la imagen de T: r(T) = dim(im(T)).
RELACIONAR LAS MATRICES CON LAS TRANSFORMACIONES LINEALES.
Cualquier transformación lineal T: V ,W puede representarse mediante una matriz: T(x) = A x.
La matriz A dependerá de las bases elegidas para V y W. La matriz de una transformación lineal
queda determinada cuando se conocen una base ordenada de V, una base ordenada de W y los
transformados de la base de V, en la base de W.
Supongamos que el espacio V tiene una base {v1, ..., vn} y el espacio W tiene una base {w1,..,
wm}. Entonces cualquier transformación lineal de V en W se representa por una matriz A m x n.
8. Ejemplo: Supongamos que en el plano x-y la transformación de matriz A lleva a cada vector a
su reflejo tomando como espejo el eje x, y la transformación de matriz B lleva a cada vector a su
simétrico respecto del origen. Encontrar las matrices A y B, usando como base de R2 el
conjunto {(1, 0), (0, 1)}.
a) ¿ Matriz A?
Transformado de (1, 0) = (1, 0)
Transformado de (0, 1) = (0, -1)
Entonces la matriz la matriz de la transformación es:
b) ¿ Matriz B?
Transformado de (1, 0) = (-1, 0)
Transformado de (0, 1) = (0, -1)
Entonces la matriz la matriz de la transformación es:
9. Transformaciones lineales.
Ejemplo: Encontrar A3x5 asociada a la transformación lineal P5-P3 / T (P(t)) = d2 P(t) /dt2,
transformando P5 en P3 (polinomios de grado ≤ 4 en polinomios de grado ≤ 2).
Base en P5: {1, t, t2, t3, t4}. Base en P3: {1, t, t2}
Transformado de (1, 0, 0, 0, 0) = ( 0, 0, 0)
Transformado de (0, 1, 0, 0, 0) = ( 0, 0, 0)
Transformado de (0, 0, 1, 0, 0) = ( 2, 0, 0)
Transformado de (0, 0, 0, 1, 0) = ( 0, 6, 0)
Transformado de (0, 0, 0, 0, 1) = ( 0, 0, 12)
Entonces la matriz la matriz de la transformación es:
10. Núcleo.
Ejercicio: Observamos que si f : V → W es una transformación lineal, Nu(f) es un subespecio de V ,
puesto que es la pre-imagen por f del subespacio {0} ⊂ W. Sea f : R³→ R² la transformación lineal
definida por f(x1, x2, x3) = (x1, x2). Entonces: Nu(f) = {(x1, x2, x3) ∈ R³: f(x1, x2, x3) = 0}
= {(x1, x2, x3) ∈ R³: x1 = x2 = 0}
= < (0, 0, 1) > .
Imagen.
Ejercicio: Hallar la imagen de la transformación lineal f : R³→ R³ definida como f(x1, x2, x3)
= (x1 − x2, −x1 + x2, 2x1 − 2x2 + x3). Por definición, Im(f) = {y ∈ R³/ ∃ x ∈ R³, f(x) = y} = {y ∈ R³/ ∃
(x1, x2, x3) ∈ R³, (x1 − x2, x1 − x2, 2x1 − 2x2 + x3) = y}.
Entonces, un elemento de y pertenece a Im(f) si y solo si es de la forma
y = (x1 − x2, −x1 + x2, 2x1 − 2x2 + x3)
= (x1, −x1, 2x1) + (−x2, x2, −2x2) + (0, 0, x3)
= x1.(1, −1, 2) + x2.(−1, 1, −2) + x3.(0, 0, 1).
Luego, Im(f) = < (1, −1, 2),(−1, 1, −2),(0, 0, 1) > = < (1, −1, 2),(0, 0, 1) >.
11. Nulidad.
Ejercicio. sea la matriz:
que define una transformación lineal y así . El espacio nulo constará de todos los vectores que
cumplan con la condición .
Esto quiere decir que
Esto define un sistema de ecuaciones lineales que tienen las siguientes soluciones:
El espacio nulo es el conjunto de estos vectores:
12. Rango.
Ejercicio: Para encontrar el rango se analiza el espacio columna de la matriz. El espacio
columna de la matriz esta formado por los vectores:
Se genera una matriz en la que los renglones son los vectores columna de la matriz A, esto
es AT
y se lleva a su forma escalonada
Entonces, los vectores y generan el rango de T. Los vectores que forman el rango se
pueden representar paramétricamente como y, por lo tanto, este es un subespacio
bidimensional de R³.