5.1INTRODUCCIÓN A LAS TRANSFORMACIONES LINEALES

La transformación lineal es una función utilizada para la asignación de un espacio vectorial a otro espacio vectorial con la ayuda de los escalares, la cual satisface la expresión f(a*x+b*y) =a*f(x)+b*f(y).

En otras palabras, se consideran 2 espacios vectoriales, V y W. Una transformación lineal es una gráfica T: V→ W que satisface dos condiciones:

1). T (v1 + v2) = T (v1) + T (v2) donde v1 y v2 son vectores en V. 2). T (xV) = x T (v) donde x es una escala

Una transformación lineal puede ser sobreyectiva o inyectiva. En el caso que, W y V tengan dimensiones idénticas, entonces T puede llegar a ser invertible, esto es, se encuentra T-1 el cual satisface la condición TT-1 = I. Asimismo, T (0) será siempre 0.

La teoría de la matriz entra en la teoría de las transformaciones lineales porque es posible representar cada transformación lineal como matriz. La multiplicación de matrices puede considerarse como el ejemplo principal que puede demostrar el

concepto de transformación lineal. Una matriz A de dimensión n x m define que T (v) = Av y aquí v es representado como un vector columna. Veamos un ejemplo:

Aquí, la transformación lineal t es definida como T (x, y) = (y, −2x + 2y, x). En el caso que, V y W sean de dimensión finita, la transformación lineal está mejor representada con la multiplicación de matrices en lugar de estableciendo la base del espacio vectorial, tanto para W y V. En el caso que, W y V incluyan un producto escalar y también los espacios vectoriales correspondientes y que W y V sean ortonormales, será simple representar la matriz correspondiente como .

Mientras que w y v son de dimensión infinita, la transformación lineal puede ser continua. Por ejemplo, considera que un espacio polinómico de 1 variable sea v y T una derivada. Entonces, T (xn) = nxn-1, una no continua como xn/n = 0 mientras que T (xn)/n no converge.

El resultado de la suma de 2 o más transformaciones lineales, la multiplicación de una transformación lineal por número particular, y la multiplicación de 2 transformaciones lineales, son siempre transformaciones lineales. Una transformación lineal en la cual su identidad es descrita en el espacio euclidiano siempre es auto-adjunta en el caso de que la matriz A correspondiente sea simétrica en cualquier base ortonormal. Una transformación lineal que es auto-adjunta y se describa en una dimensión finita unitaria, el espacio (euclidiano) contiene una base ortonormal en la cual su matriz lleva una forma diagonal.

Existen dos espacios fundamentales que están asociados a una transformación lineal: su kernel ker(T) y su imagen im(T). El kernel y la imagen de una transformación lineal T corresponden con el espacio nulo y el espacio de la columna de cualquier matriz que represente a T.

En un sistema lineal, el número de variables es igual al número de variables libres más el número de variables angulares, quedando una transformación lineal final T: V→ W en la identidad dim V = dim ker(T) dim im(T). Si dim ker(T) = 0 y dim im(T) = dimW, entonces t esta sobre y uno a uno. En este caso, esto se denomina un isomorfismo.

5.2 TRANSFORMACIONES LINEALES: NÚCLEO E IMAGEN.

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 = NA, Im T = Im A = CA, 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 LA MATRIZ DE UNA TRANSFORMACIÓN LINEAL.

Si A es una matriz de m*n y T: Rn-Rm está definida por Tx = Ax, entonces, T es una transformación lineal. Ahora se verá que para toda transformación lineal de Rn en Rm existe una matriz A de m*n tal que Tx = Ax para todo x ϵ Rn. Este hecho es de gran utilidad. Si Tx = Ax. Entonces un T = NA e Im T = RA. más aun, v(T) = dim un T = v(A) y p(T) = dim Im T = p(A). Así se puede determinar el núcleo, la imagen, la nulidad y el rango de una transformación lineal de Rn-Rm determinando el espacio nulo y la imagen de la matriz correspondiente. Adicionalmente, una vez que se sabe que Tx = Ax. Se puede evaluar Tx para cualquier x en Rn mediante una simple multiplicación de matrices.

Pero esto no es todo. Como se verá, cualquier transformación lineal entre espacios vectoriales de dimensión finita se puede representar mediante una matriz.

Teorema 1

Sea T:Rn -Rm una transformación lineal. Existe entonces una matriz única de m*n, AT tal que

Demostración

Sea w1 = Te1,w2 = Te2,….,wn = Ten. Sea AT la matriz cuyas columnas son w1, w2,…., wn y hagamos que AT denote también ala transformación de Rn-Rm, que multiplica un vector en Rn por AT. si

Entonces

De esta forma, ATei = wi para i = 1,2,….n., T y la transformación AT son las mismas porque coinciden en los vectores básicos.

Ahora  se puede demostrar que AT es única. Suponga que Tx = ATx y que Tx = BTx para todo x ϵ Rn. Entonces ATx = BTx, o estableciendo CT= AT – BT, se tiene que CTx = 0 para todo x ϵ Rn. En particular, CTei es la columna i de CT. Así, cada una de las n columnas de CT es el m-vector cero, la matriz cero de m*n. Esto muestra que AT = BT y el teorema queda demostrado.

Definición 1    Matriz de transformación

La matriz AT en el teorema 1 se denomina matriz de transformación correspondiente a T o representación matricial de T.

NOTA. La matriz de transformación AT está definida usando las bases estándar tanto en Rn como en R3. Si se utilizan otras bases, se obtendrá  una matriz de transformación diferente.

TEOREMA 2   sea AT la matriz de transformación correspondiente a laa transformación lineal T. entonces.

i.                     Im T = Im A = CAT

ii.                   P(T) = p(AT)

iii.                  Un T = NAT

iv.                 v(T) = v(AT

Ejemplo 1    Representación matricial de una transformación de proyección

Encuentre la matriz de transformación AT correspondiente ala proyección de un vector en R3 sobre el plano xy.

Solución

Teorema 4

Sean V y W espacios vectoriales de dimensión finita con dim V = n. sea T:V-W una transformación lineal y sea AT una representación matricial de T respecto a las bases B1 en V y B2  en W. entonces

i.                     p(T) =p(AT)         ii. V(A) = v(AT)           iii. V(a) + p(T) = n

Teorema 5 Sea T:Rn-Rm una transformación lineal. Suponga que C es la matriz de transformación de T respecto a las bases estándar Sn y Sm en Rn y Rm, respectivamente. Sea A1 la matriz de transición  de B2 a base Sm en Rm. Si AT denota la matriz de transformación de T respecto a las bases B1 y B2, entonces.

Geometría de las transformaciones lineales de R2 en R2.

Sea T:R2-R2 una transformación lineal con representación matricial AT Ahora de demostrará que si AT es invertible, entonces T se puede escribir como una sucesión de una o más transformaciones especiales, denominadas expansiones, compresiones, reflexiones y cortes.

Expansiones a lo largo de los ejes x o y

Una expansión a lo largo del eje x es una transformación lineal que multiplica a la coordenada x de un vector en R2 por una constante C >1. Esto es

De manera similar, una expansión a lo largo del eje y es una transformación lineal que multiplica la coordenada y de todo vector en R2 por una constante C>1. Como

antes ,

entonces la representación matricial de T es   de manera que

a)      se comienza con este rectángulo.

b)      Expansión en la dirección de x c = 2.

c)       Expansión en la dirección de y con c = 4.

Compresión a lo largo de los ejes x o y.

Una compresión a lo largo de los ejes x o y es una transformación lineal que multiplica ala coordenada x o y de un vector en R2 por una constante positiva 0<c<1, mientras que para la expansión c<1.

a)      se comienza con este rectángulo.

b)      Compresión a lo largo del eje x con c =1/3.

c)       Compresión a lo largo del eje x con c=1/2.

5.4 APLICACIÓN DE LAS TRANSFORMACIONES LINEALES: REFLEXIÓN, EXPANSIÓN, 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 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.

Como ejemplo, dirijámonos a producir la matriz estándar para la representación de la transformación lineal reflejando un conjunto de puntos en el plano x-y a través de la recta y = (−2x / 3).

El primer paso para esto es determinar los vectores base.

Por lo tanto, podemos afirmar QUE,

Dado que y pertenece a R2. Imagina que A: R2 R2 es una TRANSFORMACIÓN lineal, entonces podemos escribir que,

La IMAGEN de la matriz BASE determina la imagen de cualquier elemento. Por lo tanto la imagen de a través de y = (−2x/ 3) es determinada mediante la obtención de una recta que pasa por (1, 0) y es que es ortogonal a . Esto está dado por y = (3x/ 2) – (3/ 2).

El punto donde las dos rectas, esto es, y = (3x/ 2) – (3/ 2) e y = (−2x/ 3) se intersectan se dado COMO (9/13, −6/13). Tomamos p¬1¬ para ser el punto de reflexión de a través de la recta dada. Este punto es simétrico respecto a (9/13, −6/13) por lo tanto, podemos escribir que,

Esto produce,

De manera similar, la imagen del vector base resulta ser

Y tenemos la matriz de transformación lineal final como,

5.5 INTEGRAL DOBLE EN COORDENADAS POLARES

Una forma relativamente sencilla de definir las integrales múltiples es mediante su representación geométrica como la magnitud del espacio entre el objeto definido por la ecuación xn + 1 = f(x1,…,xn) y una región T en el espacio definido por los ejes de las variables independientes de la función f (si T es una región cerrada y acotada y f está definida en la región T). Por ejemplo, si n = 2, el volumen situado entre la superficie definida por x3 = f(x1,x2) y una región T en el plano x1×2 es igual a algúna integral doble, si es que la función f está definida en región T.

Se puede dividir la región Ten una partición interior Δ formada por m subregiones rectangulares sin solapamiento que estén completamente contenidas en T. La

norma | | Δ | | de esta partición está dada por la diagonal más larga en las m subregiones.

Si se toma un punto (x1i,x2i,…,xni) que esté contenido dentro de la subregión con dimensiones Δx1iΔx2i…Δxni para cada una de las m subregiones de la partición, se puede construir un espacio con una magnitud aproximada a la del espacio entre el objeto definido por xn + 1 = f(x1,…,xn) y la subregión i. Este espacio tendrá una magnitud de:

Entonces se puede aproximar la magnitud del espacio entero situado entre el objeto definido por la ecuación xn + 1 = f(x1,…,xn) y la región T mediante la suma de Riemann de las magnitudes de los m espacios correspondientes a cada una de las subregiones:

Esta aproximación mejora a medida que el número m de subregiones se hace mayor. Esto sugiere que se podría obtener la magnitud exacta tomando el límite. Al aumentar el número de subregiones disminuirá la norma de la partición:

El significado riguroso de éste último límite es que el límite es igual L si y sólo si para todo existe un δ > 0 tal que

para toda partición Δ de la región T (que satisfaga | | Δ | | < δ), y para todas las elecciones posibles de (x1i,x2i,…,xni) en la iésima subregión. Esto conduce a la definición formal de una integral múltiple:

Si f está definida en una región cerrada y acotada T del definido por los ejes de las variables independientes de f, la integral de f sobre T está dada por:

siempre que el límite exista. Si el límite existe se dice que f es integrable con respecto a T.

Propiedades

Las integrales múltiples comparten muchas de las propiedades de las integrales simples. Si f y g son funciones continuas en una región cerrada y acotada D en un

espacio Rn y c una constante con respecto a todas las variables involucradas entonces se puede demostrar que: 

5.6 COORDENADAS CILÍNDRICAS Y ESFÉRICAS

En el sistemas de coordenadas cilíndricas un punto P del espacio tridimensional está representado por la terna ordenada (r,θ,z), donde r y el θ son las coordenadas polares de la proyección de P en el plano xy y z es la distancia dirigida del plano xy a P.

Ecuaciones para transformar de Cilíndricas a Rectangulares

las coordenadas cilíndricas son útiles en problemas que tienen simetría alrededor de un eje, en ese caso se selecciona el eje z de manera que coincida con el eje de simetría Ecuaciones para transformar de Rectangulares a Cilíndricas

Ecuaciones para transformar de Cilíndricas a Esféricas

El sistema de coordenadas esféricas es especialmente útil en problemas donde hay simetría alrededor de un punto, y el origen se pone en ese punto.

Las coordenadas esféricas (ρ, θ, φ) de un punto P en el espacio, donde ρ =│OP│ es la distancia del origen a P, θ es el mismo ángulo que en las coordenadas cilíndricas, y φ es el ángulo entre el semieje positivo z y el segmento de recta OP. Note que

P≥ 0 0≤φ≤ πEl sistema de coordenadas esféricas es especialmente útil en problemas donde hay simetría alrededor de un punto, y el origen se pone en ese punto.

Dado un vector del espacio tridimensional y tres planos que se cortan en el punto origen de , se definen las coordenadas esféricas como los tres números que se obtienen desde las proyecciones ortogonales del vector sobre las tres aristas de intersección de los planos perpendiculares, por las relaciones siguientes:

Sistema de Coordenadas Esféricas

Es el sistema de coordenadas esféricas un punto p del espacio que viene representado por un trío ordenado , donde:

1.- es la distancia de P al origen, .

2.- es el mismo Angulo utilizado en coordenadas cilíndricas para .

3.- es el Angulo entre el semieje positivo y el segmento recto , .

Nótese que las coordenadas primeras y terceras son siempre no negativas.

Coordenadas EsféricasEcuaciones para transformar de Esféricas a Rectangulares

Ecuaciones para transformar de Rectangulares a Esféricas

Ecuaciones para transformar de Esféricas a Cilíndricas

5.7 aplicación de la integral triple en coordenadas cartesianas ,cilíndricas y esféricas

En geometría plana, el sistema de coordenadas polares se usa para dar una descripción cómoda de ciertas curvas y regiones. La figura siguiente hace posible que recordemos la conexión entre coordenadas polares y cartesianas. Si el punto

P tiene coordenadas cartesianas   y coordenadas polares  , entonces , de la figura,

 , 

 

En tres dimensiones hay un sistema de coordenadas, llamadas coordenadas cilíndricas, que es semejante a las coordenadas polares y da descripciones cómodas de algunas superficies y sólidos que por lo general se presentan. como  veremos algunas integrales triples son mucho más faciles de evaluar en coordenadas cilíndricas.En el sistema de coordenadas cilíndricas, un punto P en espacio tridimensional

está representado por el triple ordenado , donde r y q son coordenadas polares de la proyección de P sobre el plano xy y z es la distancia dirigida desde el

plano xy a P.