Transformaciones Lineales Parte I Introduccin

Holi. :) Bienvenido a la segunda entrega de mis resmenes de lgebra lineal! Para la prxima prueba har ms. :! "e dir una cosa# si no dominas espacios vectoriales# esta $ea ser una tortura. Pero onda% H&''IB() "&'"*'+! !: , -a sabes por mi resumen anterior .ue dominar espacios vectoriales implica estar bien en matrices - toda lgebra I. Pues a.u/ lo mismo# debes dominar toda la materia anterior. :! 0"odo el semestre es as/# as/ .ue v-anse acostumbrando. x!) Pero su1iciente introduccin# vamos a empe2ar con% 34sica pica3

"rans1ormaciones (ineales!
56u es esta $ea7 )sta $ea es una 1uncin. *na 1uncin .ue va de un espacio vectorial a otro. "ambi n se les conoce con el nombre de 8Homomorfismos9 - 8Aplicaciones Lineales9 Personalmente me gusta decirles trans1ormaciones# es ms lindo. x! :osotros estamos acostumbrados a las 1unciones de ' en ' despu s de verlas toda la vida en media - estar haci ndonos mierda con ellas en ;lculo I - II. Pues bien# ha- un tipo de 1uncin de ' en ' .ue es la base de todas las trans1ormaciones lineales: <on las rectas .ue pasan por el origen! 0!eben de pasar por el origen# si no# no son espacios vectoriales) <abes por .ue7 Por.ue es una lnea recta. , sabes como le dicen a esa $ea tambi n7 =uncin lineal. :&! (I:)+ recta! =uncin (I:)+(! "rans1ormacin (I:)+(. :&! >es la relacin7 :& Bueno sea como sea# las l/neas rectas .ue pasan por el origen cumplen las siguientes propiedades:

=0x?@xA)B=0x?)@=0xA) =0ax)Ba10x) <uenan 1amiliares no7 )s la misma $ea .ue los subespacios vectoriales. Es decir que una transformacin lineal conserva las propiedades de los espacios vectoriales. :&! )ntonces# la $ea es extrapolar el concepto de 1uncin lineal de ' en ' a cual.uier espacio vectorial > - C% !e modo .ue% <ea " una trans1ormacin lineal de > en C. <e denota por% ": >C , cumple con% "0>@*)B"0>)@"0*) "0a>)Ba"0>) Pero al igual .ue en los espacios vectoriales% "ambi n debe de estar el cero - cumplirse% "0D)BD Podemos demostrarlo reempla2ando en la segunda propiedad. aBD "0a>)Ba"0>) "0D>)BD"0>) "0D)BD 6.).! 0<iempre .uise usar eso. x!) Ntese que el primer 0 es de V y el segundo de W. !e esta misma propiedad se deduce .ue las trans1ormaciones lineales son 1unciones impares. 0(o .ue concuerda con el hecho de .ue las rectas .ue pasan por el origen son 1unciones impares) <ea a B E? "0a>)Ba"0>) "0E>)BE"0>) 6.).! >es como heredan muchas propiedades de las rectas7 )ntonces se entiende el concepto detrs de las trans1ormaciones lineales7 (o repetir con palabras bonitas .ue dan miedo! ;&:<"'*I' ');"+< I:")')<P+;I+()< 6*) P+<+: P&' )( &'IF):! *hhh t trico. x! &G# no# pero esa es la $ea. Tomar el concepto de funcin lineal de R en R y extrapolarlo a todos los espacios vectoriales.

Y ahora con peras y manzanas! (Solo que sin peras <ea > el espacio vectorial de los rboles de man2ana. <ea C el espacio vectorial de las man2anas. <ea ": >C la trans1ormacin lineal cultivar rboles de man2anas! >#* pertenecen a >. a es un escalar. "0>@*)B"0>)@"0*) <i tu cultivas dos rboles Huntos obtienes la misma cantidad de man2anas .ue plantndolos separados! 0<alvo .ue algo raro pase# pero no nos pongamos trgicos) "0a>)Ba"0>) <i plantas 8a9 rboles iguales# obviamente obtendrs 8a9 veces la cantidad de man2anas! , por ultimo% "0D)BD <i no plantas rboles% :o ha- man2anas! :&! 6ueda entonces demostrado .ue plantar rboles de man2anas es una trans1ormacin lineal.

+lgunos eHemplos
!a transformacin nula" cero o simplemente #. ": >C I "0>)BD >> "rans1orma todo vector en D. ;laramente es lineal# pues es e.uivalente a la recta ,BD. 06ue pasa por el origen - por lo .ue diHimos antes es una trans1ormacin lineal) !a transformacin identidad. I: >> I "0>)B> >> "rans1orma todo vector en si mismo. )s lineal por.ue e.uivale a la recta ,BJ. 0, como -a diHimos# eso es una trans1ormacin lineal%) :o .uiero repetir las $eas. !a transformacin derivada. !: >> I "0>)B>K >> !onde el espacio > es# por eHemplo# los polinomios. Por las propiedades de la derivada podemos demostrar .ue es lineal. 01@g)K0x)B1K0x)@gK0x) - 0G1)K0x)BG1K0x)

!a transformacin inte$ral definida. L: >' I"0>)BIntegral de1inida de + a B de > respecto a J. >> !onde el espacio > es# por eHemplo# cual.uier 1uncin contina. Por las propiedades .ue conocemos del clculo# sabemos .ue est trans1ormacin tambi n es lineal. !a transformacin matricial. 0&hh suena mu- miedo) <ea + una matri2 cual.uiera de dimensin 4x: <ean > - C espacios vectoriales de dimensin : - 4 respectivamente. )ntonces > puede ser escrito como vector columna con : entradas - C como vector columna con 4 entradas. ": >C I "0>)B+> )sto me da paHa desmotarlo# pero es trans1ormacin lineal por las propiedades de las matrices. 06u espero de verdad domines a ests alturas) (a trans1ormacin matricial es mu- importante# por.ue bueno% )s lgebra lineal! "&!& (& 6*) "I):) 4+"'I;)< )< I4P&'"+:")! :&! :o# hablando en serio# es importante por.ue casi todas las trans1ormaciones lineales se pueden pasar a modo matricial.

:cleo e Imagen de una "rans1ormacin (ineal

%n t&rminos simples' )l ncleo son todas las $eas .ue dan D. (a imagen son todas las $eas .ue son resultado de la trans1ormacin. %n t&rminos formales' )l ncleo 0o Gernel) ser/a: Mer " B Nv> I "0v) B DO , la imagen ser/a% Im " B N "0v) I v > O )l ncleo es un subespacio vectorial de >. 0;onHunto de salida) (a imagen es un subespacio vectorial de C. 0;onHunto de llegada) Ha- un teorema .ue dice lo siguiente:

dim (er(T ) dim *m(T + dim(,

La dimensin del ncleo se conoce como nulidad!. La dimensin de la imagen se conoce como rango!. :ulidad viene de .ue la dimensin del ncleo es e.uivalente a la cantidad de 1ilas nulas de una matri2 escalonada. 'ango viene% de% '+:F& de una matri2. :&!

Teorema de la existencia Para hallar el ncleo - la imagen podemos recurrir al siguiente teorema: <ea B un conHunto base de > - < un conHunto cual.uiera de C# tal .ue% "0B)B< )ntonces existe una *:I;+ trans1ormacin lineal .ue cumple con esas condiciones. )l nico re.uisito es .ue B sea base de >. C puede ser cual.uier conHunto de C. +s/ si la dimensin de > es :. , tenemos : vectores (I% Podemos usarlos para encontrar una trans1ormacin lineal. Por eHemplo ": 'A 'A "0D#?)B0a#b) "0?#D)B0c#d) (os dos vectores son (I - son base de 'A. (uego existe una nica trans1ormacin lineal .ue cumple con esos re.uisitos. Para encontrarla% 0x#-) es un vector de 'A. ;omo esos dos vectores son base de 'A tenemos% 0x#-)Br0?#D)@G0D#?) !onde r - G son x e - respectivamente. +un.ue no siempre se cumple eso# lo .ue pasa es .ue en este caso estamos usando la base cannica. (uego% 0x#-)Bx0?#D)@-0D#?) +plicamos trans1ormacin lineal a ambos lados de la ecuacin. "0x#-)Bx"0?#D)@-"0D#?) )l x e - .uedan 1uera por.ue son escalares% "0x#-)Bx0a#b)@-0c#d) "0x#-)B0ax@c-#bx@d-) (uego ah/ esta nuestra trans1ormacin lineal. Pudiendo haber usado cual.uier valor para los parmetros a#b#c#d hubi semos llegado a una nica trans1ormacin lineal. 'ecuerden .ue en el lado derecho puede haber cual.uier vector# salvo .ue ha-a prerre.uisitos% )l procedimiento es el mismo para cual.uier otro espacio# haci ndose ms paHero si usamos matrices o polinomios# pero la idea detrs es la misma. ":>C <i un conHunto < genera Mer "# podemos reducirlo hasta obtener una base de Mer ". Por eHemplo Mer " B P>?#>A#>QR <upongamos .ue >A era (!. (uego% Mer " B P>?# >QR !e esto se desprende .u : "0>?)BD - "0>A)BD

<i un conHunto F genera Im "# podemos reducirlo hasta obtener una base de Im "# siguiendo el mismo ra2onamiento interior. Por eHemplo Im " B PC?#CA#CQ#CSR <upongamos .ue se mueren CQ - C?% Im " B PCA#CSR !e esto se desprende .ue obligatoriamente los vectores CA - CS tienen .ue estar en la imagen% (uego podemos usar el teorema de existencia. !e la primera parte ten/amos% "0>?)BD "0>A)BD +hora agregamos vectores de > tal .ue el conHunto N>?#>A#>S#>TO sea base de >. 0<ino no podr/amos usar el teorema de la existencia) "0>S)B "0>T)B ;omo podemos poner cual.uier $ea en el lado derecho% Podr/amos usar cual.uier vector# pero a.u/ ha- un re.uisito% 6ue CA - CS tienen .ue estar en la imagen% "0>S)BCA "0>T)BCS +un.ue nada impide .ue usemos% "0>S)BCS "0>T)BCA (uego recurrimos al mismo ra2onamiento de antes% "omamos un vector gen rico - lo escribimos en 1uncin de las bases% (uego es cosa de aplicar trans1ormacin - listo. -ato importante <i la trans1ormacin es una trans1ormacin matricial. )ntonces el Mer0") es la solucin al sistema homog neo 1ormado por esa matri2. +xBD !e ah/ podemos sacar las bases del ncleo - su dimensin. Im 0") en cambio# coincide con el espacio columna de la matri2 - con el espacio 1ila. 0,a .ue estos dos son iguales# - a su ve2 son iguales al rango) (uego para encontrar Im 0") basta con escalonar la matri2! :! , eso tu -a lo debes dominar al rev s - al derecho! :!

*n po.uito ms de teor/a.
;omo dicen nuestros apuntes: "na transformacin lineal #$omomorfismo% se llama monomorfismo si es inyectiva& epimorfismo si es so'reyectiva& e isomorfismo si es 'iyectiva. (uando los espacios inicial y final coinciden& la transformacin lineal y el isomorfismo se suelen llamar endomorfismo y automorfismo& respectivamente.!

.onomorfismos +hora bien% 56u mierda signi1ica esta $ea7 ,a# primero .ue todo# 56u era la in-ectividad7 =uncion uno a uno - toda esa $ea. 6ue a cada elemento del dominio le corresponde nicamente uno del recorrido. (a unica 1orma de .ue esto se cumpla es .ue% Mer 0") B NDO & alternativamente% dim Mer 0") B D :ulidad de " B D )ue el sistema $omog*neo de la matri+ transformacin tenga solucin nica. <i la nulidad de " es ma-or .ue D. )ntonces ha- in1initos elementos en el ncleo. (uego% + todos los elementos del nucleo les corresponde el D. (uego no es in-ectiva por.ue la correspondencia debiera ser nica. , es un -onomorfismo#.nyectiva% si y solo si /er #,% 0 102 , es un -onomorfismo#.nyectiva% si y solo si dim /er #,% 0 0 )sas son dos maneras de ponerlo en verdadero - 1also% +un.ue la primera es ms% Hmm% 8>alida9. Pero si salen esas en la prueba# son verdaderas# al tiro. +un.ue en lgebra nunca hacen verdadero - 1also% x! %pimorfismos <obre-ectiva# o simplemente sobre# signi1ica .ue si tenemos una trans1ormacin ": >C# entonces Im 0") B C. )s decir# .ue todo el conHunto C puede ser escrito como la trans1ormacin de un elemento de >. dim Mer 0") @ dim Im 0") B dim > !e la sobre-ectividad se desprende .ue dim Im 0") B dim C 0Pues son el mismo espacio) (uego% dim Mer 0") @ dim C B dim > (uego% la nica 1orma de .ue una trans1ormacin sea sobre-ectiva es .ue la dimensin de C sea menor o igual a la dimensin de >. *na trans1ormacin 'A en 'Q no puede ser sobre. Pero una de 'Q en 'A s/. *somorfismo )sto simplemente signi1ica .ue cumple con las dos propiedades anteriores% (uego debemos probar .ue es in-ectiva - sobre-ectiva para decir .ue es bi-ectiva# como en las 1unciones normales%

%ndomorfismo )s una trans1ormacin lineal ":>> <i es una de1inicin mu- simple. x! !ems .ue preguntan ests $eas en verdadero - 1also. /utomorfismo )s una trans1ormacin lineal ":>> "al .ue " es bi-ectiva. (uego tiene .ue probarse primero .ue " es un isomor1ismo.

4atri2 asociada.
(isto# solo nos 1alta esto para terminar% <upongamos tenemos una trans1ormacin lineal ": >C <upongamos .ue tenemos una base de > - una de C. (as denotaremos B> - BC% "enemos .ue% "0B>) B < !onde < es un conHunto de vectores. Pero cada < se puede escribir como combinacin lineal de BC. Ha- un teorema .ue dice .ue podemos asociarle a cada trans1ormacin una nica matri2 4x: donde 4 es la dimensin de C - : la dimensin de >. (as columnas de esta matri2 estn dadas por las coordenadas de las imgenes de B> respecto a BC. )s decir% Primero calculamos <# despu s sacamos las coordenadas de cada vector respecto a la base BC. 04uchos sistemas de ecuaciones%) Por ultimo ponemos esas coordenadas en 1orma de vectores columna en la matri2 4x:. +hora# cual.uier vector de > .ue -o .uiera trans1ormar# me basta escribirlo como columna - multiplicar la matri2 asociada por el vector# obteniendo el vector resultante como columna. )s decir .ue ahora tenemos el poder de convertir cual.uier trans1ormacin lineal en una trans1ormacin matricial. Por eHemplo una mu- simple% ": ''A "0x)B0Ax#x) )l Gernel de esta trans1ormacin es claramente D# aun.ue en otros casos habr .ue sacarlo. (uego de la 1ormula de antes% (a imagen tiene dimensin ?. (uego es una recta .ue pasa por el origen <e asume .ue la trans1ormacin esta dada en 1uncin de las bases cannicas de los respectivos subespacios# as/ .ue tomaremos la base cannica de ' 'A. N?O - N0?#D)U0D#?O respectivamente.

(a imagen de la base de ' es... 0A#?) (as coordenadas de ese vector en 1uncin de la base de 'A es% 6ue al ser cannica son exactamente iguales al vector% 0A#?) (uego escribimos la matri2% 4x: en este caso% Ax? +B 2 1 "enemos nuestra matri2 asociada% (uego podemos de1inir la trans1ormacin como% "0x)B+x +l reali2ar la multiplicacin nos da un vector columna .ue es e.uivalente a la trans1ormacin original 0Ax#x). +hora el mismo proceso se puede extrapolar a espacios de ma-or dimensin por ende de ma-or 1actor paHero% "ambi n se puede hacer con polinomios# espacios vectoriales matriciales. )n todo caso# el ra2onamiento es el mismo. <iempre es el mismo. )so es lo bueno del lgebra# .ue una ve2 .ue aprendes a hacer un cosito# sabes hacerlos todos.

=in! :!
+hora .ue le-eron el resumen# cons/ganse el <chaum# .ue viene super bien explicado con todas las $eas entendibles 0)xcepto .ui2s las demostraciones .ue son mas o menos br/gidas) !e todos modos# creo .ue esto es todo lo .ue entra en nuestra prueba del mi rcoles. +s/ .ue la siguiente parte de trans1ormaciones lineales ser para la siguiente prueba# sea cuando sea. )n todo caso si no tienes idea sobre .ue hacer en la prueba# ha2 matrices Huega con ellas# las probabilidades dictan .ue al menos una de las matrices te de algo importante - te den un po.uito de puntos. :! ;on esto conclu-e el segundo resumen de lgebra lineal. :os vemos por ah/. :! EBrian Meith