REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACION SUPERIOR UNIVERSIDAD NACIONAL EXPRIMENTAL POLITECNICA DE LAS

FUERZAS ARMADAS BOLIVARIANA. INGENIERIA MECNICA SECCIND 02-02 TUCUPIDO, EDO GUARICO.

TRANFORMACIONES LINEALES VECTORES

FACILITADOR. DENISIS AVILA

BACHILLERES: MEDINA JUNIOR MILANO JESUS MIJARES RAMON RAMIREZ JESUS SANCHEZ LEANDRO

JUNIO, 2013
1

INDICE INTRODUCCION TRANSFORMACIN LINEAL PROPIEDADES: CLASIFICACIN DE LAS TRANSFORMACIONES LINEALES EJEMPLO 1 EJEMPLO 2 EJEMPLO 3 VECTORES ALGUNAS APLICACIONES DE LOS VECTORES 1CINEMTICA 2ADINMICA 3 CAMPOS 3 ELECTRICIDAD VECTORES Y VALORES PROPIOS DE LOS VECTORES EJEMPLOS CLCULO DE LOS VALORES PROPIOS CLCULO DE LOS VECTORES PROPIOS
CONCLUSIN BIBLIOGRAFIA

3 4 5 6 7 7 8 9 9 9 11 11 11 12 14-16 16-17 18
19 20

INTRODUCCION En esta lectura 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 multiplicacin por escalares.

Se denomina transformacin lineal a toda funcin cuyo dominio e imagen sean espacios vectoriales y se cumplan las condiciones necesarias. Las transformaciones lineales ocurren con mucha frecuencia en el lgebra lineal y en otras ramas de las matemticas, tienen una gran variedad de aplicaciones importantes. Las transformaciones lineales tienen gran aplicacin en la fsica, la ingeniera y en diversas ramas de la matemtica. Estudiaremos las propiedades de las transformaciones lineales, sus diferentes tipos, as como la imagen, el ncleo, y como se desarrolla en las ecuaciones lineales.

Transformacin Lineal As como cuando se estudian las funciones reales interesan especialmente las funciones continuas, cuando se estudian funciones de un espacio vectorial en otro interesan aquellas que poseen ciertas propiedades especiales, por ejemplo
3

las que conservan operaciones. Es decir, que la funcin sea tal que "conserve" las dos operaciones fundamentales que definen la estructura de espacio vectorial. Una transformacin lineal es una funcin entre espacios vectoriales, es decir, el objetivo es transformar un espacio vectorial en otro. Notacin: para sealar una transformacin lineal usaremos f (v)=W, donde V y W son los espacios vectoriales que actan sobre un mismo campo. Terminologa: a las transformaciones lineales las llamaremos aplicacin lineal. Grfico: Dado un espacio vectorial V, cuyos elementos son: v1, v2, y dado un espacio vectorial W, sus elementos son funcin de los elementos de V V W Sean: V,W: Espacios Vectoriales f v1 w1 v1,v2,v3 Vectores v2 w2 w1,w2,w3 v3 w3 En sntesis, podemos dar la siguiente definicin: Una funcin T: V W (de un espacio vectorial V en un espacio vectorial k T K (K (a + b) es el = cuerpo T de (a) escalares) + se T W) tiene: (b) se dice una transformacin lineal si, para todo a, b V,

T (k a) = k T (a)

Que se puede resumir en T (a a + b b) = a T (a) + b T (b), llamada propiedad de linealidad. Si T: V W es una transformacin lineal, el espacio V se llama dominio de T y el espacio W se llama codominio de T. Ejemplo 1. A partir de la definicin, analicemos si es lineal la siguiente transformacin: T: R2 R3 / " x R2: T ((x1, x2)) = (x1 + x2, x1 - x2, x2)
4

Se deben verificar las dos condiciones de la definicin: a) x, y R2: T (x + y) = T (x) + T (y)? x = (x1, x2) y = (y1, y2) x + y = (x1 + y1, x2 + y2)

T (x + y) = T (x1 + y1, x2 + y2) = (x1 + y1 + x2 + y2, x1 + y1 - x2 - y2, x2 + y2) = (x1 + x2, x1 - x2, x2) + (y1 + y2, y1 - y2, y2) = T (x) + T (y).

b) x R2, " k R: T (k x) = k T (x)? T (k x) = T (k (x1, x2)) = T (k x1, k x2) = (k x1 + k x2, k x1 - k x2, k x2) = = k (x1 + x2, x1 - x2, x2) = = k T (x) Se verifican las dos condiciones de la definicin, entonces la transformacin es lineal.

Propiedades: Para toda transformacin lineal T: V W, T (-x) = -T (x) Para toda transformacin lineal T: V W, T (0) = 0 ( El que aparece en la izquierda es el vector nulo de V, mientras que el que aparece en el lado derecho es el vector nulo de W. Se puede escribir tambin T (0V) = 0W )
Sea V un espacio vectorial de dimensin finita, W un espacio vectorial,

{v1,..., vn} una base de V, y {z1,..., zn} un conjunto cualquiera de vectores de W. Entonces existe una nica transformacin lineal T: V W tal que T (vi) = zi (1 i n).
5

Clasificacin de las Transformaciones Lineales Recordemos que las transformaciones lineales son funciones, y como tales, pueden ser suryectivas, inyectivas o biyectivas. Grficamente:

Transformacin suryectiva

Transformacin inyectiva

Transformacin biyectiva

Se dice que:

T: V W es un monomorfismo si, y slo si, T es inyectiva. Es decir, T es un monomorfismo si y slo si" u, v V: T(u) = T(v) u = v. T: V W es un epimorfismo si, y slo si, T es sobreyectiva. Es decir, T es un epimorfismo si y slo si "w W, $ v V / w = T(v). T: V W es un isomorfismo si, y slo si, T es biyectiva. Es decir, T es un isomorfismo si y slo si es un monomorfismo y un epimorfismo. T: V W es un endomorfismo si y slo si V = W. T: V W es un automorfismo si y slo si T es un isomorfismo y un endomorfismo.

Ejemplo 1

Ejemplo 2

Ejemplo 3

Vectores En matemticas se define un vector como un elemento de un espacio vectorial, esta nocin es ms abstracta y para muchos espacios vectoriales no es posible representar sus vectores mediante el mdulo, la longitud y la orientacin (ver espacio vectorial). En particular los espacios de dimensin infinita sin producto escalar no son representables de ese modo. Algunos ejemplos de magnitudes fsicas que son magnitudes vectoriales: la velocidad con que se desplaza un mvil, ya que no queda definida tan slo por su
8

mdulo (lo que marca el velocmetro, en el caso de un automvil), sino que se requiere indicar la direccin y el sentido (hacia donde se dirige); la fuerza que acta sobre un objeto, ya que su efecto depende, adems de su intensidad o mdulo, de la direccin en la que acta; tambin, el desplazamiento de un objeto. Algunas aplicaciones de los Vectores Tanto en el plano como en el espacio los vectores pueden considerarse como objetos algebraicos y geomtricos, lo cual permite estudiar la geometra con mtodos algebraicos. Quienes desarrollaron esta dualidad con gran habilidad fueron Apolonio de Perga (S III a.c., griego) y Ren Descartes que a diferencia de Apolonio, introduce sistemas de coordenadas independientes de las curvas. Sin embargo muchos aseguran que el estudio de los vectores comenz con al trabajo de William Hamilton que en su deseo de hallar una forma de representar ciertos objetos en el plano y en el espacio le llev a descubrir lo que l llam cuaterniones, concepto que llev al desarrollo de lo que hoy llamamos vectores. Fue Josiah Gibbs (entre otros) quien desarroll el anlisis de los fenmenos fsicos a travs de los vectores. 1) Financieros, en economa se emplea frecuentemente el concepto de vector precio, vector oferta, vector demanda interna, vector demanda final, vector produccin, 2) Fsica, todos los temas de fsica estn ligados al empleo de vectores pues todo estudio que implique desplazamiento, velocidad, y fuerza necesita adems de la magnitud una direccin que lo defina completamente. Algunas aplicaciones son: trabajo de una fuerza, momento de una fuerza respecto de un punto , resultantes de fuerzas, equilibrio de una fuerza, etc. 3) Seleccin de datos para suavizar grficos: se los emplea para minimizar el impacto que pudiera afectar la interpretacin de los datos debido a las perturbaciones en un gran nmero de mediciones que dependen por ejemplo del tiempo.
9

4) Sistemas dinmicos discretos que es una ecuacin o sistema de ecuaciones que tienen por objeto estudiar cantidades que dependen del tiempo. Ejemplos de ellos son la ecuacin del Saldo Pt de una cuenta con intereses en el momento t. Otro empleo es en los modelos de crecimiento de poblacin (tasa de supervivencia, tasa de natalidad, tasa de mortalidad,etc.) 5) En geometra euclideana se los puede emplear para demostrar prcticamente todos los teoremas geomtricos. . La mayor parte de la fsica es vectorial desde el momento que el desplazamiento es vectorial. De esta forma mediante vectores podemos explicar cosas como: 1CINEMTICA Simplemente conociendo movimientos de una sola direccin y haciendo combinaciones de ellos mediante vectores, podemos entender movimientos en dos y tres dimensiones como el tiro parablico, fcilmente entendible haciendo una composicin de movimientos en dos dimensiones mediante vectores.

2ADINMICA Las fuerzas son vectoriales, de forma que la accin de un conjunto de fuerzas sobre un cuerpo, no slo va a depender del valor de las mismas, sino tambin de su punto de aplicacin ( una puerta se mover de forma diferente si aplicas una fuerza cerca o lejos de su eje), direccin y sentido. Es decir hay que tener en cuenta el carcter vectorial de las fuerzas para poder saber el efecto que tendrn. UTN Lic. Fauroux, Adriana Raquel 3 CAMPOS Tanto el campo gravitatorio, como el elctrico como el magntico tienen tambin carcter vectorial, con lo que la accin de varias cargas sobre otras, no slo depender del valor de ellas, sino de cmo estn colocadas respectivamente, lo que conlleva a considerar las direcciones entre ellas ( carcter vectorial)
10

3 ELECTRICIDAD Gran parte del desarrollo matemtico con seales elctricas se hace con fasores y notacin compleja. A efectos matemticos un nmero complejo puede tratarse como un vector de dos dimensiones. Resumiendo, el mundo real es vectorial, y no podemos expresarlo sin recurrir a vectores. Pongamos un ltimo ejemplo que demostrar la necesidad de recurrir a vectores de dos o tres componentes, aunque este caso slo es una aproximacin de la realidad. Supongamos que queremos ir a un lugar x ubicado a 1 Km de nosotros. Con esta nica informacin no se podr ir. Se necesita saber por ejemplo en que direccin y sentido se ha de empezar a andar. En este caso se ha considerado que la Tierra es plana y slo nos movemos sobre ella, con lo cual se ha usado dos coordenadas. Pero si al llegar exactamente al punto indicado, nos encontramos con un edificio de 10 plsos, an falta saber una tercera coordenada, y eso lleva a un vector de tres dimensiones. Con el vector completo se consigue ubicar el lugar x. Aplicaciones del Producto escalar y producto interno ( en particular)(El producto interno es una generalizacin del producto escalar para vectores abstractos) 1) Procesamiento aplicado a seales. 2) Mnimos cuadrados inventado por Karl Friedrich Gauss para resolver un problema de astronoma en 1801 1802. Con l predijo la hora y el lugar en el que el asteroide Ceres se vera al alejarse del Sol.( determinacin de una curva que encaje o se ajuste a una serie de datos experimentales) 3) Proceso de Gram-Schmidt ideado por el Dans Jrgen Pedersen Gram y Erhard Schmidt permite ortogonalizar cualquier base de cualquier subespacio de

11

dimensin finita n pero cuanto mayor es n el error acumulado de clculo puede ser inmenso. 4) Aproximacin de funciones (usando producto interno para el clculo de los coeficientes) En muchas aplicaciones se necesita analizar una funcin en trminos de su periodicidad ( por ej. Las ondas sonoras), como la mayora de stas no son perdicas se las trata de aproximar usando funciones peridicas como ser el seno o el coseno. Si bien la idea y formuleo se debe a Euler , quien las us por primera vez fue el francs Jean-Baptiste transmisin de calor. 5) Teora de las ondulaciones cuyo objetivo es resolver muchos de los problemas que se han tratado de resolver con los polinomios de Fourier, en los cuales intervienen ondas, fracuencias, amplitudes, etc. Vectores y Valores Propios de los Vectores. En lgebra lineal, los vectores propios, autovectores o eigenvectores de unoperador lineal son los vectores no nulos que, cuando son transformados por el operador, dan lugar a un mltiplo escalar de s mismos, con lo que no cambian su direccin. Este escalar recibe el nombre valor propio, autovalor, valor caracterstico o eigenvalor. A menudo, una transformacin queda completamente determinada por sus vectores propios y valores propios. Un espacio propio, autoespacio, eigenespacio o subespacio fundamental asociado al valor propio es el conjunto de vectores propios con un valor propio comn. Joseph Fourir para resolver la ecuacin de

Las transformaciones lineales del espacio como la rotacin, la reflexin, el ensanchamiento, o cualquier combinacin de las anteriores; en esta lista podran incluirse otras transformaciones pueden interpretarse mediante el efecto que producen en los vectores. Los vectores pueden visualizarse como flechas de una cierta longitud apuntando en una direccin y sentido determinados.

12

Los Vectores Propios de las transformaciones lineales son vectores que, o no se ven afectados por la transformacin o se ven multiplicados por un escalar, y por tanto no varan su direccin.1

El Valor Propio de un vector propio es el factor de escala por el que ha sido multiplicado.

Un Espacio Propio es un espacio formado por todos los vectores propios del mismo valor propio, adems del vector nulo, que no es un vector propio.

La Multiplicidad Geomtrica de un valor propio es la dimensin del espacio propio asociado.

El Espectro de una transformacin en espacios vectoriales finitos es el conjunto de todos sus valores propios.

Por ejemplo, un vector propio de una rotacin en tres dimensiones es un vector situado en el eje de rotacin sobre el cual se realiza la rotacin. El valor propio correspondiente es 1 y el espacio propio es el eje de giro. Como es un espacio de una dimensin, sumultiplicidad geomtrica es uno. Es el nico valor propio del espectro (de esta rotacin) que es un nmero real. Formalmente, se definen los vectores propios y valores propios de la siguiente manera: Si A: V V es un operador lineal en un cierto espacio vectorial V, v es un vector diferente de cero en V y c es un escalar tales que

Entonces decimos que v es un vector propio del operador A, y su valor propio asociado es c. Observe que si v es un vector propio con el valor propio c entonces cualquier mltiplo diferente de cero de v es tambin un vector propio con el valor propio c. De hecho, todos los vectores propios con el valor propio asociado c junto con 0, forman un subespacio de V, el espacio propio para el valor propio c. Observe adems que un espacio propio Z es
13

un subespacio

invariante de A,

es

decir

dado w un

vector

en Z,

el

vector Aw tambin pertenece a Z.

Ejemplos A medida que la Tierra rota, los vectores en el eje de rotacin permanecen invariantes. Si se considera la transformacin lineal que sufre la Tierra tras una hora de rotacin, una flecha que partiera del centro de la Tierra al polo Sur geogrfico sera un vector propio de esta transformacin, pero una flecha que partiera del centro a un punto del ecuador no sera un vector propio. Dado que la flecha que apunta al polo no cambia de longitud por la rotacin, su valor propio es 1. Otro ejemplo sera una lmina de metal que se expandiera uniformemente a partir de un punto de tal manera que las distancias desde cualquier punto al punto fijo se duplicasen. Esta expansin es una transformacin con valor propio 2. Cada vector desde el punto fijo a cualquier otro es un vector propio, y el espacio propio es el conjunto de todos esos vectores.

Una onda estacionaria en una cuerda fija en sus cabos o, ms concretamente, una funcin propia de la transformacin correspondiente al transcurso del tiempo. A medida que vara el tiempo, la onda estacionaria vara en amplitud, pero su perodo no se modifica. En este caso el valor propio es dependiente del tiempo. Sin embargo, el espacio geomtrico tridimensional no es el nico espacio vectorial. Por ejemplo, considrese una cuerda sujeta por sus extremos, como la de un instrumento de cuerda (mostrada a la derecha). La distancia de los tomos de la cuerda vibrante desde sus posiciones cuando sta est en reposo pueden
14

interpretarse como componentes de un vector en el espacio con tantas dimensiones como tomos tenga dicha cuerda. Si se supone que la cuerda es un medio continuo y se considera la transformacin de la cuerda en el transcurso del tiempo, sus vectores propios o funciones propias son sus ondas estacionariaslo que, mediante la intervencin del aire circundante, se puede interpretar como el resultado de taer una guitarra. Las ondas estacionarias corresponden a oscilaciones particulares de la cuerda tales que la forma de la cuerda se escala por un factor (el valor propio) con el paso del tiempo. Cada componente del vector asociado con la cuerda se multiplica por este factor dependiente del tiempo. Las amplitudes (valores propios) de las ondas estacionarias decrecen con el tiempo si se considera la atenuacin. En este caso se puede asociar un tiempo de vida al vector propio, y relacionar el concepto de vector propio con el concepto de resonancia. Intuitivamente, para las transformaciones lineales del espacio de dos dimensiones , los vectores propios son:

Rotacin: ningn vector propio de valores reales (existen en cambio pares valor propio, vector propio complejos).

Reflexin: los vectores propios son perpendiculares y paralelos al eje de simetra, los valores propios son -1 y 1, respectivamente.

Escalado Uniforme: todos los vectores son vectores propios, y el valor propio es el factor de escala.

Proyeccin sobre una Recta: los vectores propios con el valor propio 1 son paralelos a la lnea, vectores propios con el valor propio 0 son paralelos a la direccin de la proyeccin

15

Clculo de los Valores Propios Una herramienta importante para encontrar valores propios de matrices cuadradas es el polinomio caracterstico: decir que es un valor propio de A es equivalente a decir que el sistema de ecuaciones lineales A v = v A v - v = 0 (factorizando por v queda) (A - I) v = 0 (donde I es la matriz identidad) tiene una solucin no nula v (un vector propio), y de esta forma es equivalente al determinante:

La funcin p() = det(A - I) es un polinomio de pues los determinantes se definen como sumas de productos. ste es el polinomio caracterstico de A: los valores propios de una matriz son los ceros de su polinomio caracterstico. Todos los valores propios de una matriz A pueden calcularse resolviendo la ecuacin Si A es una . matriz nn, entonces tiene grado n y A tiene como

mximo n valores propios. El teorema fundamental del lgebra dice que esta ecuacin tiene

exactamente n races (ceros), teniendo en cuenta su multiplicidad. Todos los polinomios reales de grado impar tienen un nmero real como raz, as que para n impar toda matriz real tiene al menos valor propio real. En el caso de las matrices reales, para n par e impar, los valores propios no reales son pares conjugados.

Clculo de los Vectores Propios Una vez que se conocen los valores propios , los vectores propios se pueden hallar resolviendo el sistema de ecuaciones homogneo:

16

Una forma ms sencilla de obtener vectores propios sin resolver un sistema de ecuaciones lineales se basa en el teorema de Cayley-Hamilton que establece que cada matriz cuadrada satisface su propio polinomio caracterstico. As, si son los valores propios de A se cumple que

Por lo que los vectores columna de propios de .

son vectores

Ejemplo de matriz sin valores propios reales Un ejemplo de matriz sin valores propios reales es la rotacin de 90 grados en el sentido de las manecillas del reloj:

Cuyo polinomio caracterstico es

y sus valores propios son el par

de conjugados complejos i, -i. Los vectores propios asociados tampoco son reales.

Ejemplo1 Considrese la matriz

Que representa un operador lineal R R. Si se desea computar todos los valores propios de A, se podra empezar determinando el polinomio caracterstico:

17

y porque p(x) = - (x - 2)(x - 1)(x + 1) se ve que los valores propios de A son 2, 1 y -1. El teorema de Cayley-Hamilton establece que cada matriz cuadrada satisface su propio polinomio caracterstico. Es decir

Efectivamente, para el caso del valor propio 2, se puede comprobar que

De donde (1, 1, -1) es un vector propio asociado a 2.

CONCLUSIN Se han visto mas detallado y con mas exactitud los teoremas y propiedades que hilan todos los temas propuestos por este trabajo y se ha se ha llegado a la conclusin de todos los temas estn relacionados en cierta forma ya que en varios de estos se necesita recurrir a las propiedades que se han visto en temas anteriores. Con esto podramos decir que nos ha enseado a tener un amplio criterio de la utilidad de temas ya vistos en nuestra carrera, ya que no podemos omitir las enseanzas pasadas ya que estas nos forman las bases para comprender y analizar y poder poner en practica los temas futuros. Este trabajo se ha hecho con el fin de comprender de que no hay que dejar tirado lo ya hemos aprendido antes ya que eso nos va a ayudar a solucionar problemas en nuestro futuro, citando el dicho popular si no aprendemos de nuestros errores del pasado los mismo nos estarn esperando en un futuro.

18

BIBLIOGRAFIA
http://html.rincondelvago.com/transformaciones-lineales.html http://www.buenastareas.com/materias/tipos-de-transformaciones-lineales/0 http://www.mty.itesm.mx/etie/deptos/m/ma95-843/lecturas/l843-52.pdf http://algebra-lineal.blogspot.com/2007/07/transformaciones-lineales-valoresy.html

19