INSTITUTO TECNOLÓGICO DE MÉXICO

INSTITUTO TECNOLÓGICO DE OAXACA

“TRANSFORMACIONES LINEALES”

NOMBRE DE LA CARRERA: INGENIERÍA CIVIL

MATERIA: ALGEBRA LINEAL

UNIDAD 5

GRUPO ICH (1:00-2:00 PM)

NOMBRE DEL CATEDRÁTICO: Ángel Mario Gallegos Baños

INTEGRANTES DEL EQUIPO:

 Juárez Juárez Barsimeo
 López Bartolo Jesús Alan
 Martínez Perez Yair Ulises
 Montalvo franco Dulce Mariela
 Santiago Sánchez Alejandro

OAXACA DE JUÁREZ A 14 DE DICIEMBRE DEL 2016.

 Rotación en el plano
Demuestre que la transformación lineal 𝑇: 𝑅 2 → 𝑅 2
dada por la matriz.
𝒄𝒐𝒔 𝜽 −𝒔𝒆𝒏 𝜽
( )
𝒔𝒆𝒏 𝜽 𝒄𝒐𝒔 𝜽

Tiene la propiedad de rotar todo vector en 𝑹𝟐 en sentido

contrario a las manecillas del reloj con respecto al
origen de un ángulo 𝜽.
Solución: Se sabe que T es una transformación lineal.
Para demostrar que rota todo vector en 𝑅 2 en sentido
contrario a las manecillas del reloj un angulo 𝜃, se considera 𝑣 =
(𝑥, 𝑦), que es un vector en 𝑅 2 . Usando coordenadas polares, se
puede expresar v como:
𝑣 = (𝑥, 𝑦) = (𝑟 𝒄𝒐𝒔 𝜶 , 𝑟 𝒔𝒆𝒏 𝜶).
Donde r es la longitud de v y 𝜶 es el ángulo descrito en sentido
contrario a las manecillas del reloj del eje x positivo al vector v.
luego, al aplicar la transformación lineal T a v se obtiene:
𝒄𝒐𝒔 𝜽 −𝒔𝒆𝒏 𝜽 𝒙
𝑻(𝒗) = 𝑨𝒗 = [ ][ ]
𝒔𝒆𝒏 𝜽 𝒄𝒐𝒔 𝜽 𝒚

𝒄𝒐𝒔 𝜽 −𝒔𝒆𝒏 𝜽 𝒓 𝒄𝒐𝒔 𝒂

=[ ][ ]
𝒔𝒆𝒏 𝜽 𝒄𝒐𝒔 𝜽 𝒓 𝒔𝒆𝒏 𝒂

𝒓 𝒄𝒐𝒔 𝜽 𝒄𝒐𝒔 𝒂 − 𝒓 𝒔𝒆𝒏 𝜽 𝒔𝒆𝒏 𝒂

=[ ]
𝒓 𝒔𝒆𝒏 𝜽 𝒄𝒐𝒔 𝒂 + 𝒓 𝒄𝒐𝒔 𝜽 𝒔𝒆𝒏 𝒂

𝒓 𝒄𝒐𝒔 (𝜽 + 𝒂 )
[ ].
𝒓 𝒔𝒆𝒏 (𝜽 + 𝒂)
Por consiguiente, el vector 𝑻(𝒗 ) tiene la misma longitud que v.
además, dado que el ángulo del eje x positivo a 𝑻(𝒗) es 𝜽 + 𝒂,
entonces 𝑻(𝒗) es el vector que se obtiene al rotar el vector v en
sentido contrario a las manecillas del reloj un ángulo 𝜽.

𝑇(𝑥, 𝑦)

(𝑥, 𝑦)
𝜃

Observación de la transformación lineal del ejemplo

anterior se llama rotación en 𝑹𝟐 . Las rotaciones en 𝑹𝟐
conservan tanto la longitud vectorial como el ángulo
vectorial como el ángulo entre 2 vectores, es decir el
ángulo entre u y v es igual al ángulo entre 𝑇 (u) y 𝑇
(v).
Ejemplo 8 una proyección en 𝑹𝟑 .
La transformación Lineal 𝑇: 𝑹𝟑 → 𝑹𝟐 .
1 0 0
A=[0 1 0]
0 0 1
Se llama proyección en 𝑹𝟑 . Si v=(x,y,z) es un vector
en 𝑹𝟑 , entonces 𝑇, transforma todo vector en 𝑹𝟑 . En
su proyección ortogonal en el plano xy, como se muestra
en la fig.

X,Y,Z

𝑇(𝑥, 𝑦, 𝑧) = 𝑥, 𝑦, 0

Proyección en el plano xy
INTRODUCCIÒN
 “DEFINICIÓN DE TRANSFORMACIÓN LINEAL”
Sean V y W espacios vectoriales reales. Una transformación lineal T de V en W es una
función que asigna a cada vector v  V un vector único Tv  W y que satisface, para cada
u y v en V y cada escalar α,

T (u + v) = Tu + Tv

T (αv) = αTv

TRES OBSERVACIONES SOBRE NOTACIÓN

1. Se escribe T: V→W para indicar que T toma el espacio vectorial real V y lo lleva al
espacio vectorial W; esto es, T es una función con V como su dominio y un
subconjunto de W como su imagen.
2. Se escriben indistintamente Tv y T(v). Denotan lo mismo; las dos se leen “T de v “.
Esto es análogo a la notación funcional f(x), que se lee “f de x”.
3. Sólo se manejarán espacios vectoriales reales y, por lo tanto, se eliminará la palabra
“real” en el análisis de los espacios vectoriales y las transformaciones lineales.

Las transformaciones lineales con frecuencia se denominan operadores lineales.

Son trasformaciones lineales que ya consideramos:

 Proyección: L: R3 → R2, definida como L (x, y, z) = (x, y).
 Dilatación: L: R3→ R3, definida como L(u)= ru, r > 1.
 Contracción: L: R3 → R3, definida como L(u) = ru, 0 < r < 1.
 Reflexión: L: R2 → R2, definida como L (x, y) = (x, −y).

 Rotación: L: R2 → R2, definida como L(u) =

CosΦ -senΦ u.
senΦ CosΦ
 EJEMPLO NÚMERO 1
Una transformación lineal de R2 en R3
x+y
Sea T: R2 → R3 definida por T = x = . Por ejemplo,
x- y
y
3y

-1 X1 +x2 + y1 + y2
2 x1 x2
T = 5 . Entonces T + =
X1 +x2- y1- y2 =
-3 y1 y2
-9 3y2 +3y2

X1 + y1 X2 + y2 X1 + y1 x1 X2 + y2
= + Pero =T y =T x2
X1 – y1 X2 – y2 X1 – y1 y1 X2 – y2
y2
3y1 3y2 3y1 3y2

x2 x2
Así, T + =T +
y2 y2

De manera similar,

x αx + αy x+y
Tα =T αx = =α = αT x
y αx – αy x–y
αy y
3αy 3y

Así, T es una transformación lineal.

 EJEMPLO NUMERO 2
Sea L: P1 → P2 definida como L (at + b) = t (at + b).
Demostraremos que L es una transformación lineal. Solución Sean at + b y ct + d vectores
en P1, y sea k un escalar. Entonces, y L [k(at + b)] = t[k(at + b)] = k[t(at + b)]=kL(at + b).
Por lo tanto, L es una transformación lineal.
EJEMPLO NUMERO 3
Sea L: P1 → P2 definida como L[p(t)] = tp(t) + t2.
¿L es una transformación lineal?
Solución Sean p(t) y q(t) vectores en P1, y sea k un escalar. Entonces, L[p(t) + q(t)] = t[p(t)
+ q(t)] + t2 = tp(t) + tq(t) + t2, y L[p(t)] + L[q(t)] = [tp(t) + t2] + [tq(t) + t2] = t[p(t) + q(t)] + 2t2.
Como L[p(t) + q(t)] L[p(t)] + L[q(t)], concluimos que L no es una trasformación lineal.
EJEMPLO NUMERO 4
Sea L: Mmn → Mnm definida como L(A) = AT para A en Mmn. ¿Es L una transformación
lineal?
Solución Sean A y B matrices en Mmn. Entonces, de acuerdo con el teorema 1.4 de la
sección 1.4, tenemos que L (A + B) = (A + B) T = AT + BT = L(A) + L(B), y, si k es un escalar,
L(kA) = (kA)T = kAT = kL(A).
Por lo tanto, L es una transformación lineal.
EJEMPLO NUMERO 5
Sea W el espacio vectorial de todas las funciones
con valores reales, y sea V el subespacio de todas las funciones diferenciables. Sea
L : V → W definida como
L (f) = f ‘,
donde f ‘es la derivada de f. Las propiedades de la derivada, permiten demostrar que L es
una transformación lineal.
EJEMPLO NÙMERO 6
Sea V un espacio vectorial de dimensión n, y sea S = {v1, v2, · · ·, vn} una base para V.
Si v es un vector en V, entonces v = c1v1 + c2v2 + · · · + cnvn, donde c1, c2, . . ., cn son
las coordenadas de v respecto a S (vea la sección 6.7). Definimos L: V → Rn como L(v) =
[v]S.
Es fácil demostrar que L es una transformación lineal.
 NÚCLEO E IMAGEN DE UNA TRANSFORMACIÓN LINEAL.
Una transformación lineal L: V→W es uno a uno (o inyectiva) si para todo v1, v2 en
V, v1 ≠ v2 implica que L(v1) ≠ L(v2). Una afirmación equivalente es que L es uno a
uno si para todo v1, v2 en V, L(v1) = L(v2) implica que v1 = v2.
Esta definición dice que L es uno a uno si L(v1) y L(v2) son distintos cuando v1 y
v2 son distintos.

V W V W

V1 L(v1) V1 L(v1) = L(v2)

V2 L(v2) V2

 Sea L: V →W una transformación lineal. El núcleo (o kernel) de L, o núcleo(L)

[ker(L)],
es el subconjunto de V que consta de todos los vectores v tales que L(v) = 0W.
La propiedad del teorema, nos garantiza que núcleo (L) nunca es un conjunto vacío, pues
0V está en núcleo(L).

 Si L: V →W es una transformación lineal, entonces núcleo(L) es un subespacio de

V.
. Supongamos que u y v están en núcleo(L). Entonces, como L es una transformación lineal,
L (u + v) = L(u) + L(v) = 0W + 0W = 0W, de modo que u + v está en núcleo(L). Además, si
c es un escalar, como L es una transformación lineal, L(cu) = cL(u) = c0W = 0W, de modo
que cu está en núcleo(L). Por lo tanto, núcleo(L) es un subespacio de V.
Si L(x) = b y L(y) = b, entonces x − y pertenece a núcleo(L). En otras palabras, cualesquiera
dos soluciones de L(x) = b difieren por un elemento del núcleo (kernel) de L.

 Si L: V → W es una transformación lineal, la imagen de L, que se denota imag(L),

es
el conjunto de vectores en W que son imágenes, bajo L, de vectores en V. En consecuencia,
un vector w está en imag(L) si podemos encontrar algún vector v en V tal que
L(v) = w. Si imag(L) = W, decimos que L es sobre. Esto es, L es sobre si y sólo si, dado
cualquier w en W, existe un v en V tal que L(v) = w.

 Si L: V → W es una transformación lineal, imag(L) es un subespacio de W.

Primero observemos que imag(L) no es un conjunto vacío, pues 0W = L(0V), de modo
que 0W está en imag(L). Ahora, sean w1 y w2 vectores en imag(L). Entonces w1 = L(v1)
y w2 = L(v2) para ciertos v1 y v2 en V. Tenemos, w1 + w2 = L(v1) + L(v2) = L(v1 + v2), lo
cual implica que w1 + w2 está en imag(L). Además, si c es un escalar, cw1 =
cL(v1) = L(cv1), de modo que cw1 está en imag(L). Por lo tanto, imag(L) es un subespacio
de W.

EJEMPLO NÚMERO 1
Sea L: R2 → R2 definida como L (x, y) = (x + y, x − y).
Para determinar si L es uno a uno, hacemos v1 = (a1, a2) y v2 = (b1, b2).
Entonces, si L(v1) = L(v2), tenemos a1 + a2 = b1 + b2 … a1 − a2 = b1 − b2.
Al sumar estas ecuaciones, tenemos que 2a1 = b1, o a1 = b1, lo cual implica que a2 = b2.
Por lo tanto, v1 = v2, y L es uno a uno.

EJEMPLO NÙMERO 2
Sea L: R3 → R2 definida como en el ejemplo 2. El vector (0, 0, 2) está en núcleo(L), pues
L (0, 0, 2) = (0, 0). Sin embargo, el vector (2, −3, 4) no está en núcleo(L), pues L (2, −3, 4)
= (2, −3).
Para determinar núcleo(L), debemos encontrar todos los x en R3 tales que L(x) = 0. Es
decir, buscamos x = (x1, x2, x3), de modo que L(x) = L (x1, x2, x3) = 0 = (0, 0). Pero L(x) =
(x1, x2). Entonces, (x1, x2) = (0, 0), esto es x1 = 0, x2 = 0 y x3 puede ser cualquier número
real.
Por lo tanto, núcleo(L) consta de todos los vectores en R3 de la forma (0, 0, r), donde r es
cualquier número real. Es claro que núcleo(L) es el eje z en el espacio tridimensional R3.
EJEMPLO NÙMERO 3
Si L se define como en el ejemplo 1, entonces núcleo(L) consta de todos los vectores x
en R2 tales que L(x) = 0. En consecuencia, debemos resolver el sistema lineal
x+y=0
x−y=0
en términos de x y de y. La única solución es x = 0, de modo que núcleo(L) = {0}.
EJEMPLO NÚMERO 4
Si L es como en el ejemplo 1, entonces núcleo(L) es el subespacio {0}; su dimensión
es igual a cero.

EJEMPLO NÚMERO 5
Sea L la transformación lineal. Para determinar si L es sobre, elegimos cualquier vector y =
(y1, y2) en R2 y buscamos un vector x = (x1, x2, x3) en R3 tal que L(x) = y. Como L(x) =
(x1, x2), vemos que si x1 = y1 y x2 = y2, entonces L(x) = y. Por lo tanto, L es sobre, y la
dimensión de imag(L) es 2. La dimensión de la imagen de L, dim(imag(L)), se conoce con
el nombre de rango de L, que denotaremos en adelante con rango(L). Rango(L) = 2.
Ejemplo número 6
Sea L: R4 → R3 definida como L (a1, a2, a3, a4) = (a1 + a2, a3 + a4, a1 + a3). Determine
una base para imag(L).
Solución
Tenemos
L (a1, a2, a3, a4) = a1(1, 0, 1) + a2(1, 0, 0) + a3(0, 1, 1) + a4(0, 1, 0). En consecuencia, S
= {(1, 0, 1), (1, 0, 0), (0, 1, 1), (0, 1, 0)} genera imag(L). Para determinar un subconjunto de
S que sea una base para imag(L), procedemos como en el teorema 6.6, escribiendo primero
a1(1, 0, 1) + a2(1, 0, 0) + a3(0, 1, 1) + a4(0, 1, 0) = (0, 0, 0). La forma escalonada reducida
por filas de la matriz aumentada de este sistema homogéneo es:

1 0 0 -1 0

0 1 0 1 0

0 0 1 1 0

Como los unos (1s) principales aparecen en las columnas 1, 2 y 3, concluimos que los
primeros tres vectores de S forman una base para imag(L). Así, {(1, 0, 1), (1, 0, 0), (0, 1, 1)}
es una base para imag(L). En forma alternativa, podemos proceder como en la sección 6.6
y formar la matriz cuyas filas son los vectores dados:

1 0 1

1 0 0

0 1 1

0 1 0

Al transformar esta matriz a su forma escalonada reducida por filas, obtenemos;

100
 010
001
000
Por lo tanto, {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es una base para imag(L). Para determinar si una
transformación lineal es uno a uno o sobre, debemos resolver un sistema lineal. Ésta es
una demostración más de la frecuencia con la que debemos resolver sistemas lineales para
responder muchas preguntas de álgebra lineal. Por último, en el cual nulidad(L) = 1,
rango(L) = 2 y dim(dominio(L)) = 3, se cumple que nulidad(L) + rango(L) = dim(dominio(L)).
Sea L: P2 → P2 la transformación lineal definida como L (at2 + bt + c) = (a + 2b)t + (b + c).
(a) ¿−4t2 + 2t − 2 está en núcleo(L)? (b) ¿t2 + 2t + 1 está en imag(L)? (c) Determine una
base para núcleo(L). (d) ¿L es uno a uno? (e) Determine una base para imag(L). (f) ¿L es
sobre? Solución (a) Como L (−4t2 + 2t −2) = (−4 + 2 · 2) t + (−2 + 2) = 0, concluimos que
−4t2 + 2t −2 está en núcleo(L). (b) El vector t2 + 2t + 1 está en imag(L) si podemos
determinar un vector at2 + bt + c en P2 tal que L (at2 + bt + c) = t2 + 2t + 1. Como L (at2 +
bt + c) = (a + 2b) t + (b + c), tenemos que (a + 2b) t + (b + c) = t2 + 2t + 1.
Podemos escribir el lado izquierdo de esta ecuación como 0t2 + (a + 2b) t + (b + c).
En consecuencia, 0t2 + (a + 2b)t + (b + c) = t2 + 2t + 1.
Entonces debemos tener 0 = 1 a + 2b = 2 b + c = 1.
Como este sistema lineal tiene no solución, el vector dado no está en imag(L).
(c) El vector at2 + bt + c está en núcleo(L) si L (at2 + bt + c) = 0, es decir, si (a + 2b)t + (b +
c) = 0. Entonces, a + 2b = 0. b + c = 0.
Al llevar la matriz aumentada de este sistema lineal a su forma escalonada reducida por
filas, encontramos (verifique) que una base para el espacio solución es:

-1

1
de modo que una base para núcleo(L) es {2t2 − t + 1}. (d) Como núcleo(L) no tiene
solamente el vector cero, L no es uno a uno. (e) Todo vector en imag(L) es de la forma (a
+ 2b)t + (b + c), de modo que los vectores t y 1 generan a imag(L). Estos vectores forman
una base para imag(L) porque también son linealmente independientes. (f) La dimensión
de P2 es 3, mientras que imag(L) es un subespacio de P2 de dimensión 2, de modo que
imag(L) P2. Por lo tanto, L no es sobre. (g) De acuerdo con (c), nulidad(L) = 1 y, según (e),
rango(L) = 2, de modo que 3 = dim P2 = nulidad(L) + rango(L).