ntroducción

Una transformación es un conjunto de operaciones que se realizan sobre un vector para

convertirlo en otro vector.

Los espacios vectoriales son conjuntos con una estructura adicional, al saber, sus elementos se
pueden sumar y multiplicar por escalares del campo dado, conviene utilizar funciones que
preserven dicha estructura. Estas funciones se llamaran transformaciones lineales y en el
presente capitulo las estudiaremos. Mas adelante mostraremos que las transformaciones lineales
se pueden representar en términos de matrices, y viceversa.

Se denomina transformación lineal a toda función cuyo dominio e imagen sean espacios
vectoriales y se cumplan las condiciones necesarias. Las transformaciones lineales ocurren con
mucha frecuencia en el álgebra lineal y en otras ramas de las matemáticas, tienen una gran
variedad de aplicaciones importantes. Las transformaciones lineales tienen gran aplicación en la
física, la ingeniería y en diversas ramas de la matemática.

Estudiaremos las propiedades de las transformaciones lineales, sus diferentes tipos, así como la
imagen, el núcleo, y como se desarrolla en las ecuaciones lineales.

1. Transformaciones lineales

1.1 Definición de transformación lineal y sus propiedades

Definición.   Sean  V  y  W  espacios vectoriales sobre el mismo campo k. Una transformación

lineal  de V  en  W, es una función 

 tal que:

i)  

, 

           ii)  

, 
, 

En otras palabras, una transformación lineal es una función que respeta las operaciones definidas
en los espacios vectoriales: “abre sumas y saca escalares”.

Observaciones:

i) Si 

 es una transformación lineal, entonces 

En efecto

. Por la ley de la cancelación en W, tenemos que

Nótese que en realidad solo se usa la propiedad aditiva  (i) de T. Este hecho lo usamos en el
siguiente inciso.

ii)

 es lineal si y solo si

,
.

Si T lineal, entonces

. Inversamente, supongamos que

. Probemos las dos condiciones para que  T  sea lineal:

a)   

b)  

Nótese que usamos el hecho de que 

, lo cual es consecuencia del comentario hecho al final del inciso (i).

iii)  

 es lineal si y solo si

, 

La demostración se hace por inducción sobre n.

a)      Si 

, entonces 

, por la condición  (ii) de T.

b)      Supongamos válido para n. Probemos para 

Por la condición (i) de T, tenemos que,

Y por hipótesis de inducción, tenemos que,

Así que podemos concluir que,

Este último inciso se puede abreviar usando la notación sigma como sigue:
Veamos algunos ejemplos de transformaciones lineales, donde haremos uso extenso de la
observación  (ii) de arriba.

Ejemplo 1. 

Sea 

 tal que 

, 

. Entonces  T es lineal,  ya que

, y  por otro

lado, 

. Por lo tanto, vemos

que 

Esta transformación recibe el nombre de la transformación cero y se denota como

Ejemplo 2.
Sea 

  tal que 

, 

. Entonces  T es lineal, ya que 

Esta transformación recibe el nombre de la transformación identidad de V en V, y se denota

como 

Ejemplo 3.

Sea 

  tal que 

 la traza de A, es decir, 

, la suma de los elementos de la diagonal. Entonces  T  es lineal, ya que

Ejemplo 4.

Sea 

  tal que 
. Entonces T es lineal, ya que

Ejemplo 5.

Sea 

 tal que 

, la derivada de
. Entonces  T  es lineal ya que:

Ejemplo 6.

Sea 

, el espacio vectorial de todas  las funciones continuas en un intervalo cerrado

 y sea 

 tal que 

.  Entonces  T  es lineal ya que:

Se denomina transformación lineal a toda función cuyo dominio e imagen sean espacios
vectoriales y se cumplan las siguientes condiciones:

 T(u+v) = T(u) + T(v)

 T(ku) = kT(u) donde k es un escalar.

Clasificación de las transformaciones lineales

 Monomorfismo: Si
es inyectiva, o sea si el único elemento del núcleo es el vector nulo.

 Epimorfismo: Si
es sobreyectiva (exhaustiva).

 Isomorfismo: Si
es biyectiva (inyectiva y exhaustiva).

 Endomorfismo: Si
o sea si el dominio es igual al codominio (el espacio vectorial de salida y el de llegada son el
mismo).

 Automorfismo: Si
es endomorfismo e isomorfismo a la vez.

1.2 Ejemplos de transformaciones lineales (reflexión, dilatación, contracción, rotación)

Ejemplo 7. (Rotación por un ángulo

 )

Sea 

  un ángulo medido en radianes. Queremos averiguar  cual es la transformación  T  de 

  en 
 que gira cada vector 

 un ángulo

, para obtener un vector

. En una gráfica, vemos la situación como sigue:

Si usamos las funciones trigonométricas, tenemos que:

Distribuyendo y usando el hecho de que 

 y 

          tenemos que:

Por lo tanto, ya descubrimos cómo debe estar definida la transformación

 tal que 

Esta transformación se llama la rotación por un ángulo

 y es lineal, ya que:

Ejemplo 8.  (Reflexión sobre el eje x)

En este caso, queremos averiguar como está definida la transformación T  de 

  en 
que cada vector

 lo refleja sobre el eje x, para obtener un vector 

. En una gráfica, vemos la situación como sigue:

En este caso, la situación es más sencilla ya que claramente tenemos dos triángulos rectángulos
que son congruentes, de donde  T  queda definida como sigue:

Esta transformación se llama la reflexión sobre el eje x, y es lineal, ya que:

 

Ejemplo 9. (Proyección ortogonal sobre el eje x)

En este caso, queremos averiguar como está definida la transformación T  de

  en 

que a cada vector

 lo proyecta perpendicularmente sobre el eje x, para obtener un vector 

. En una gráfica, vemos la situación como sigue:

También este caso es sencillo, pues es obvio que  T  queda definida como sigue:

Esta transformación se llama la proyección sobre el eje x, y es lineal, ya que:

Este último ejemplo tiene más fondo desde el punto de vista de Álgebra Lineal. Consideremos el

siguiente subespacio de 

Vemos que  éste no es sino el eje x (sobre quien se efectuó la proyección). Ahora bien,

 tiene un complemento directo, a saber,

De tal forma  que cada vector

 se escribe en forma única como suma de un vector de

 más un vector de

  como sigue:

Notamos que la proyección sobre el eje x, manda a

 sobre

, el cual  es precisamente el término correspondiente a

 en la descomposición anterior!

Todo esto nos induce a definir proyecciones sobre subespacios en general como sigue:

Definición.   Sea  V  un espacio vectorial y sea 

 un subespacio tal que existe

el complemento directo de
 en V,  es decir  tal que 

, de tal forma que cada vector 

 se escribe en forma única como:

Con

  y 

. Definimos entonces la proyección sobre 

, como aquella transformación 

 tal que 

Lo primero que observamos es que esta transformación es lineal, ya que si 

, 

  con 

  y  
, entonces 

con 

  y 

. Por lo tanto, de acuerdo a la definición de  T, tenemos que:

En segundo lugar, vemos que esta definición, incluye como caso especial a la de la proyección
sobre el eje x. Sin embargo, vemos que no es suficiente con especificar sobre que subespacio
queremos proyectar, sino también es necesario aclarar cual es el complemento directo que se
estará usando, ya que un mismo subespacio puede tener distintos complementos directos. El
mismo eje x, tiene el siguiente complemento directo:

En efecto, es claro que

 es un subespacio de 

 y 

. Además, cada 

 se escribe
como 

. Todo esto demuestra que

. Usando esta descomposición y la definición de proyección, tendremos que en este caso, la

transformación queda dada como sigue:

Así pues, por cada complemento directo que tengamos a la mano, podemos definir una
proyección asociada a dicha descomposición.

Ejemplo contracción

Una contracción es una transformación que decrece distancias. Bajo una contracción, cualquier
par de puntos es enviado a otro par a distancia estrictamente menor que la original.

Sea V= (2 4) encontrara la contracción horizontal cuando K=1/2

Haciendo la grafica el punto disminuye en el eje horizontal.

Ejemplo dilatación o expansión

Una dilatación es una transformación que incrementa distancias.

Sea V= (2 4) encontrara la expansión vertical cuando K=2

Expansión horizontal (k71) o contracción (0<k<1)

Expansión vertical (k71) o contracción (0<k<1)

1.3 Definición del núcleo o kernel, e imagen de una transformación lineal

Kernel o Núcleo

Definición 94 Sea
una transformación lineal. Se define el Kernel o Núcleo de la transformación lineal
, denotado por
al conjunto de las preimágenes del vector nulo, es decir

Ejemplo Hallar el conjunto de las preimágenes del vector nulo para la transformación lineal

Solución: Necesitamos determinar los vectores

de
tales que

Evaluando

es decir,

luego, utilizando la matriz asociada al sistema, obtenemos

por lo tanto,
con lo cual,

(x;y;z) = (0;-(1/3)z;z)

= z(0;-(1/3);1) Así el conjunto de las preimágenes del vector nulo es el subespacio

Note que el resolver un sistema de ecuaciones lineales equivale a encontrar las preimágenes de
un vector para una transformación lineal dada.

Ejemplo Determinar el kernel de la siguiente transformación lineal

Solución: Como tenemos que

Reemplazando

Imagen o Recorrido

Recordemos la definición de recorrido.

Definición Se define la Imagen o Recorrido de una transformación lineal

, esto es
como el conjunto de los vectores que tienen al menos una preimagen.

Ejemplo Dada la transformación lineal

Determinar la imagen de

Solución: Si recordamos el proceso que usamos en el cálculo en una variable, determinemos

cuales vectores tienen preimagen.
Para ello, sean

tales que  

T(x;y;z) = (a;b;c) (2x-y+z;x-y+z;x) = (a;b;c)

Igualando coordenadas tenemos el siguiente sistema

Ahora, resolvamos el sistema buscando la matriz asociada a él, y determinando su escalonada

luego, un vector tiene preimagen si y sólo si el sistema el sistema es consistente (no necesitamos
que la solución sea única), lo cual es equivalente a escribir
Por lo tanto,

Im(T) = {(a;b;c)
/((x;y;z)
((T(x;y;z)=(a;b;c))

= {(a;b;c)
/a-b-c=0}
= <(1;1;0);(1;0;1)>:

1.4 La matriz de una transformación lineal y representación matricial de una

transformación lineal

Representación matricial de una transformación lineal.

Sea T : V !"! W una T.L con dimV = n, dimW = m si {e1,...,en} es una base de V y {w1,...,wm} es
una base de W, cada elemento t(ek) puede expresarse con unicidad, como una combinación lineal
de los elementos de la base es decir T(ek) =m"i=1tikwi donde tik ,...,t mk son los componentes de
t(ek) respecto a la base ordenada {w1,...,wm}.
  Los tik forman un vector columna o matriz columna. Tenemos una columna para cada
uno de los n-elementos t(e1),..., t(en), formando así una matriz de orden m × n.

Así toda T.L de un espacio n-dimensional V, en un espacio m dimensional W da origen a una

matriz m × n t(eik), cuyas columnas son los componentes de t(ei),...,t(en), relativos a la base
(w1,...,wn), la llamamos representación matricial de T relativa a unas bases ordenadas {e1,...,en},
de V y {w1,...,wm}, para w.

Teorema

Dada una transformación lineal T: V ! V donde dimV = n. Si T tienen una representación en

matriz diagonal, existe entonces un conjunto de elementos independientes u1,...,u2 en V y un
conjunto correspondiente de escalares 1,...n que satisfacen: T(uK) = kuk para k=1, 2,...,n.
Recíprocamente, si existe un conjunto independiente u1,...,un en V y un conjunto
correspondiente de escalares 1,...,n que satisfacen (1), entonces la matriz A = diag(1,...,n) es una
representación de T respecto a la base

(u1,...,un).

Luego el problema de hallar una representación en matriz diagonal de una transformación lineal
se reduce al de hallar el elemento sin dependientes u1,...,un y los escalares 1,...,n que satisfacen
T(uk) = kuk. Para k = 1, 2,...,n. Tales elementos u1,...,un y 1,...,n, se conocen como autovectores
y autovalores respectivamente.

Teorema

Sea una matriz de n × n se dice que es un valor propio de A ssi P()=det(A " i) = 0 Esta es la
ecuación característica de A, P() se llama polinomio característico de A.

Teorema

Sea A una matriz real o compleja de orden n × n, entonces exite una matriz C compleja invertible
de orden n × n talque

C"1 AC = J

Donde J es la matriz de Jordan cuyos elementos en la diagonal son los valores propios de A.

Mas aun la matriz de Jordan es única, excepto por el orden (dado por la base ordenada fija) en el
que aparecen los bloques de Jordan.

Una manera de facilitar el trabajo con una transformación lineal, es asociarle una matriz, para lo
cual es necesario considerar un par de bases ordenadas.

Definición Sean
dos espacios vectoriales sobre
, además

bases ordenadas de
respectivamente y
una transformación lineal de
en

Se define la matriz asociada a

en las bases
a

denotada por

donde

Además si la base
del espacio de partida es igual al del espacio de llegada, la matriz asociada a la transformación
lineal se denota por

1.5 Transformaciones y sistemas de ecuaciones lineales

Teorema sobre transformaciones de renglones de matrices.

Dada una matriz de un sistema de ecuaciones lineales, resulta una matriz de un sistema
equivalente si:

a) Se intercambian dos renglones. Símbolo:      Ri Rj.

b) Se multiplica o divide un renglón por una constante diferente de cero. Símbolo: kRiRi.

c) Un  múltiplo  constante  de  un  renglón  se  suma  a  otro  renglón.   Símbolo:     kRi + Rj
Rj.
Uso de matrices para resolver un sistema de ecuaciones lineales.

Ejemplo.
Resuelve el sistema:

x + 2y + 3z = 9

4x + 5y + 6z = 24

3x + y - 2z = 4

Comenzaremos con la matriz del sistema, es decir, la matriz aumentada:

Luego aplicamos transformaciones elementales de renglón a fin de obtener otra matriz (más
sencilla) de un sistema de ecuaciones equivalentes. Pondremos símbolos adecuados entre
matrices equivalentes.

     (-4)R1 + R2

R2 

(-3)R1 + R3

R3
      
(-(1÷ 3))R2

R2
   
(-1)R3
 R3
    
(-5)R2 + R3

R3
            

Con la matriz final regresamos al sistema de ecuaciones:

  

  

Que equivale al sistema original. La solución x = 4, y = -2, z = 3 se puede encontrar ahora por
sustitución.

La matriz final de la solución es una forma escalonada.

En general, una matriz está en forma escalonada si satisface estas condiciones:

a) El primer número diferente de cero de cada renglón, leyendo de izquierda a

derecha, es 1.
b)   La columna que contenga el primer número diferente de cero en cualquier
renglón está a la izquierda de la columna con el primer número distinto de cero
del renglón de abajo.
c)  Los renglones formados enteramente de ceros pueden aparecer en la parte
inferior de la matriz.

Ejemplo:
Sea la matriz:
,      es "una matriz escalonada"

Guías para hallar la forma escalonada de una matriz.

(a) Localizar la primer columna que contenga elementos diferentes de cero y aplicar
transformaciones elementales de renglón a fin de obtener 1 en el primer renglón de esa columna.
(b) Aplicar transformaciones elementales de renglón del tipo kR1 + Rj
Rj. para j > 1 y obtener 0 bajo el número 1 obtenido en la guía (a) en cada uno de los renglones
restantes.
(c) Hacer caso omiso del primer renglón. Localizar la próxima columna que contenga elementos
diferentes de cero y aplicar transformaciones elementales de renglón con objeto de obtener el
número 1 en el segundo renglón de esa columna.
(d) Aplicar transformaciones elementales del tipo kR2 + Rj
Rj. para j >2 y obtener 0 bajo el número 1 obtenido en la guía (c) en cada uno de los renglones
restantes.
(e) Hacer caso omiso del primer y segundo renglones. Localizar la siguiente columna que
contenga elementos diferentes de cero y repetir el procedimiento.
(f) Continuar el proceso hasta alcanzar la forma escalonada.

Uso de la forma escalonada para resolver un sistema de ecuaciones lineales.

Ejemplo:
Resuelve el sistema:

Solución: Comenzamos con la matriz aumentada y luego obtenemos una forma escalonada,
según se describe en las guías.
       R1

R4    

       R2

R3    

(1)R1 + R3

R3

(-2)R1 + R4

R4

(-1)R2

R2         

(-(1÷ 2))R2
 R2

(-1)R2 + R3

R3

(-1)R2 + R4

R4

(3)R3 + R4

R4

La matriz final está en forma escalonada y corresponde a un sistema de ecuaciones:

(-(1÷ 2))R4

R4
  

  

Ahora usamos sustitución a fin de hallar la solución. De la última ecuación vemos que   w = -1; 
de la tercera ecuación vemos que   z = -2 .   Sustituimos en la segunda ecuación, y obtenemos:

y - 2z - w = 6

y - 2(-2) - (-1) = 6

y+4+1=6

y=1

Sustituimos los valores encontrados en la primera ecuación:

x + z + 2w = -3

x + (-2) + 2(-1) = -3

x - 2 - 2 = -3

x=1

Por lo tanto, el sistema tiene una solución:   x = 1,   y = 1,   z = -2,   w = -1.

1.6 Algebra de las transformaciones lineales

Sean
podemos definir la suma de transformaciones lineales, dada por

También podemos definir la multiplicación por escalar.

Sean

definamos la multiplicación por escalar de una transformación lineal, dada por

 Definición. Un álgebra A sobre un campo F es un espacio vectorial sobre F en el que se

tiene definida una operación producto que satisface para todos los elementos T1, T2, T3
A y F:

 T1(T2+T3)=T1T2+T1T3

 (T2+T3)T1=T2T1+T3T1

 (T1T2)=(T1)T2=T1(T2)

 Si además se cumple que

 (T1T2)T3=T1(T2T3)

 entonces A es un álgebra asociativa

 Definición. Sean V, U y W espacios vectoriales sobre el mismo campo F. Sean T1: VU y

T2: UW dos transformaciones lineales.

 Se define la composición de T2 seguida de T1 T2T1 como la función de V a W

(T2T1) :VW tal que (T2T1)(v)=T2(T1(v))

 Proposición. Si T1 y T2 son TL, entonces T2T1 también lo es.

 Demo. Sean u,v V y , F, entonces

 (T2T1)(v+u)=T2(T1(v+u))=T2(T1(v)+T1(u))

 = (T2T1)(v)+(T2T1)(u)

 (T2T1) es T.L.

 Puede verse que Hom(V,V) con la composición es un álgebra asociativa.

1.7 Aplicación de las transformaciones lineales.

Se aplican en sistemas de ecuaciones lineales, en matrices y en un sin número de problemas,
gracias a las transformaciones lineales sabemos el dominio e imagen y teniendo esto saber si es
un espacio vectorial.

Ejemplo 142Dada la transformación lineal

Determinar todos los espacios propios asociados a

sabiendo que
son los únicos valores propios.

Solución: Determinemos el espacio propio asociado al valor propio

V2 = { (x;y)/T(x;y)=2(x;y)}

= {(x;y)/(x+y;3x-y)=2(x;y)}

= {(x;y)/(-x+y;3x-3y)=(0;0)}

= {(x;y)/-x+y=0

= <(1;1)>

Para el otro valor propio procedemos de manera similar

V-2 = {(x;y)/T(x;y)=-2(x;y)}

= {(x;y)/(x+y;3x-y)=-2(x;y)}

= {(x;y)/(3x+y;3x+y)=(0;0)}

= {(x;y)/3x+y=0}

= <(1;-3)>
Ejemplo Sean

bases de

y
una transformación lineal tal que

Demostrar que

es un isomorfismo, sin explicitar

Solución: Para demostrar que

es un isomorfismo, basta celular el determinante de

y comprobar que es distinto de

Calculemos
por lo tanto la matriz es invertible, luego
es un isomorfismo.
Para explicitar la transformación inversa, tenemos

Reemplazando obtenemos
Necesitamos determinar las coordenadas de

en la base
.

igualando coordenadas obtenemos el sistema de ecuaciones lineales

resolviendo el sistema mediante la matriz, tenemos

Así
luego

[T-1(x;y;z)]b = ( -1 -2 0)74x+14y-54z
                                 ( -8 -13 1)14y-54x+34z
                                 ( -11 -18 1) 14z+14x-14y
[T(x;y;z)]D = ( 34x-34y-14z)       (a')
                             ( 52x-112y+12z)=(b')
                             ( 72x-152y+12z)  (c')  

Con lo cual obtenemos

T-1(x;y;z) = a'(1;1;-1)+b'(0;2;-1)+c'(1;0;1)
T-1(x;y;z) = (174x-334y+14z;234x-474y+34z;14x-54y+14z )

Conclusión

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 conclusión de todos los temas están
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 podríamos decir que nos ha enseñado a tener un amplio criterio de la utilidad de temas
ya vistos en nuestra carrera, ya que no podemos omitir las enseñanzas 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 estarán esperando
en un futuro.

Bibliografía

http://72.14.253.104/search?
q=cache:nor7ql8AS2QJ:www.usergioarboleda.edu.co/matematicas/memorias/memorias13/Form
as%2520can%C3%B3nicas%2520de%2520Jordan.pdf+REPRESENTACI
%C3%93N+MATRICIAL+DE+UNA+TRANSFORMACI
%C3%93N+LINEAL&hl=es&ct=clnk&cd=6&gl=mx&lr=lang_es

http://docentes.uacj.mx/gtapia/ALgebra/Contenido/Unidad%20IV/definicion%20y
%20ejemplos.htm

http://ima.ucv.cl/hipertexto/alineal/cap3/def91.htm

http://ima.ucv.cl/hipertexto/alineal/cap3/def94.htm

http://ima.ucv.cl/hipertexto/alineal/cap3/def97.htm

http://www.virtual.unal.edu.co/cursos/ciencias/2001004/lecciones_html/cap2/cap2.html

http://www.virtual.unal.edu.co/cursos/ciencias/2001004/lecciones_html/cap2/cap2s1.html

http://www.virtual.unal.edu.co/cursos/ciencias/2001004/lecciones_html/cap2/cap2s2.html
http://www.matem.unam.mx/~rgomez/algebra/seccion_2.html#

http://www.ciencia.net/VerArticulo/Transformaci%C3%B3n-lineal?
idArticulo=dsfjuvpf1drjfg2kj5kpa2e1

http://html.rincondelvago.com/algebra-lineal_vectores-y-espacios-vectoriales.html