Tecnológico Nacional de México

Campus Querétaro

ACTIVIDAD 5.1 TRABAJO DE INVESTIGACIÓN

Que presenta:
Sandoval Frías David.

Estudiante de la carrera:

Ingeniería en electrónica

Docente:

Marisela Zamora Soto

Asignatura:

Algebra lineal

Fecha:01/06/2022
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

1. ¿Que son las transformaciones lineales?

una transformación lineal es una función. Por ser función, tiene su dominio y su codominio, con la
particularidad de que éstos son espacios vectoriales. Tenemos dos espacios vectoriales V y W
, y una función que va de V a W. O sea, una regla de asignación que transforma vectores de V en
vectores de W. Pero no toda función que transforme vectores de V en vectores de W
es una transformación lineal.

La transformación lineal, tal como su nombre lo indica, se encarga de mapear o transformar

elementos de V en elementos de W.

La notación para funciones también se utiliza en el caso de las transformaciones lineales, así, el
dominio de V es el conjunto de elementos (vectores) a transformar, mientras que el codominio o
recorrido es el conjunto resultante.

Para que una transformación sea llamada transformación lineal, necesita cumplir con dos
condiciones:

T: V→WT: V→W es una transformación lineal si y sólo si:

1. T(u+v) = T(u)+F(v) ∀u,v∈V Se refiere a la adición, para que una

transformación T sea lineal.
Si se suman dos vectores El resultado debe de ser igual, si
(en el espacio original). Y los transformamos primero y
después los transformamos. después los sumamos.

La segunda condición representa la

2. T (k.v) =k.T (v) ∀v∈V, ∀k∈R homogeneidad en la multiplicación de un
escalar por un vector.
La transformación del debe ser igual a: primero, obtener
producto del escalar por el la transformación del vector y,
vector. después, multiplicarlo por el
escalar.
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

Propiedades de las transformaciones lineales

Propiedad 1:

La imagen del vector nulo del dominio 0v es el vector nulo del codominio 0w:
T(0v) =0w
Demostración:
T(0V)=T(0.v)=0.T(v)=0.w=0W
Donde hemos expresado a 0V0V como el producto del
escalar 00 por cualquier vector del espacio vectorial VV,
hemos usado la segunda condición que debe cumplir una
transformación lineal, y finalmente hemos vuelto a usar la
propiedad de espacios vectoriales sobre el producto del
escalar 0 por cualquier vector.

Propiedad 2:

La imagen del vector –v es igual al opuesto de la imagen de v: Demostración:

T(–v) =–T(v) T(–v) =T (–1. v)=–1. T(v)=–T(v)

Propiedad 3:

La imagen de los vectores T(u–v) es igual al opuesto de la imagen de T (u) – T(v):

T (u – v) = T (u) – T(v)

Propiedad 4:

Consideremos r vectores del espacio vectorial V:

V1,V2…,Vr ∈V
Tomemos una combinación lineal en el dominio:

α1 v1+ α2 v2+ α3 v3+...+αrvr

Donde αi∈R
Si aplicamos la transformación lineal F de V a W, teniendo en cuenta las propiedades enunciadas en la definición, resulta:

T (α1v1+α2v2+α3v3+...+αrvr) = α1T(v1)+α2T(v2)+…+αrT(vr)
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

2. núcleo e imagen de una transformación lineal

Definición (la imagen de una transformación lineal). Sean V, W espacios vectoriales sobre un campo F
y sea T ∈ L (V, W). La imagen de T se define como el conjunto de todos los valores de la aplicación T.

Definición (el núcleo de una transformación lineal). Sean V, W espacios vectoriales sobre un campo F
y sea T ∈ L(V, W ). El núcleo (kernel, espacio nulo) de T se define como la preimagen completa del
vector nulo:

Proposición (el núcleo de una transformación lineal es un subespacio vectorial del dominio). Sean V,
W espacios vectoriales sobre un campo F y sea T ∈ L(V,W).Entonces ker(T ) es un subespacio de V .

Proposición (la imagen de una transformación lineal es un subespacio vectorial del codominio). Sean
V, W espacios vectoriales sobre un campo F y sea T ∈ L(V, W ). Entonces im(T ) es un subespacio de W
.

Demostración:

Se aplica el criterio de subespacio. Se demuestra que el conjunto im(T ) es cerrado bajo la adición y
bajo la multiplicación por escalares, además contiene al vector cero.

Mostremos que el conjunto im (T) es cerrado bajo la adición. Sean w1, w2 ∈ im(T ).Por la definición de
la imagen, existen v1, v2 ∈ V tales que w1 = T (v1), w2 = T (v2). Por la linealidad de T,

T (v1 + v2) = T (v1) + T (v2) = w1 + w2.

Logramos encontrar un vector x = v1 + v2 tal que T (x) = w1 + w2. Por la definición de la imagen, esto
implica que w1 + w2 ∈ im (T).
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

Rango de una transformación:

Sea T : V → W una transformación lineal. El rango o imagen de T es el conjunto de todas las imágenes
de Ten W.

Es decir, el rango es el subconjunto de W formado por aquellos vectores que provienen de algún
vector de V.

Núcleo e imagen son subespacios:

La propiedad fundamental del núcleo y del contradominio es que ambos son espacios vectoriales:
Teorema Sea T: V → W una transformación lineal. Entonces

• Ker(T) es un subespacio de V.
• R(T) es un subespacio de W.

Demostración:

El núcleo de T es subespacio
Sean v1 y v2 elementos del núcleo de T y c un escalar cualquiera. Así T(v1) = 0 = T(v2), y por tanto:

T(c1 v1 + c2 v2) = c1 T(v1) + c2 T(v2) = c1 0 + c2 0 = 0

probando que c1 v1 + c2 v2 está también en el núcleo de T. Lo cual a su vez prueba que el núcleo de T
es un subespacio de V .

La imagen de T es subespacio
Sean w1 y w2 elementos de la imagen de T y c un escalar cualquiera. Así T(v1) = w1 y T(v2) = w2 para
algunos v1 y v2 en V , y por tanto:

T(c1 v1 + c2 v2) = c1 T(v1) + c2 T(v2) = c1 w1 + c2 w2

probando que c1 w1 + c2 w2 es imagen de c1 v1 + c2 v2 y por consiguiente c1 w1 + c2 w2 está también

en la imagen de T. Lo cual a su vez prueba que la imagen de T es un subespacio de W .
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

Nulidad y rango de una transformación

Debido al resultado anterior el núcleo y la imagen de una transformación lineal son espacios
vectoriales.
Como espacios vectoriales, ellos tienen una dimensión asociada. Estas dimensiones tienen nombres
específicos:
Definición: Sea T: V → W una transformación lineal.

• La nulidad de T es la dimensión de Ker(T)

• El rango de T es la dimensión de R(T).

El siguiente resultado permite calcular fácilmente la nulidad y el rango de una transformación

matricial.
Teorema
Sea T : V → W una transformación lineal. Suponga que T corresponde a la transformación matricial
asociada a A. Entonces:

• Ker(T) = V(A) = Espacio nulo de A

• R(T) = C(A) = Espacio generado por las columnas de A
• Nulidad (T) = Nulidad(A) = Número de columnas sin pivote en A reducida.
• Rango (T) = Rango(A) = Número de columnas con pivote en A reducida.

Note que el resultado anterior indica que para cualquier transformación lineal T : V → W,
Así, por ejemplo:

T : R4 → R3 lineal no puede ser inyectiva pues

4 = dim(Ker(T)) + dim(R(T)) ≤ dim(Ker(T)) + 3

por tanto, dim(Ker(T)) ≥ 1 probando que Ker(T)) 6= {0}.

T : R4 → R8 lineal no puede ser sobre pues

4 = dim(Ker(T)) + dim(R(T))

por tanto, dim(R(T)) ≤ 4 probando que R(T) 6= R8.

 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

Ejercicio N.1

1
ALGEBRA LINEAL SANDOVAL FRIAS DAVID

4
ALGEBRA LINEAL SANDOVAL FRIAS DAVID

5
ALGEBRA LINEAL SANDOVAL FRIAS DAVID

Ejercicio N.2
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

3. Representación matricial de una transformación lineal

Sea V y W dos espacios vectoriales de dimensión n y m, respectivamente, y sea T: V→W una

transformación lineal, entonces existe una matriz A de orden m × n llamada matriz de transformación
o representación matricial de T que satisface T (v) = Av para toda v en V.

Representación Matricial de una transformación R3 en R4

Si se tiene una transformación T: R3 → R4 dada por

La T representa la transformación, que será representada por AT, mientras que la matriz a su lado
representa el vector original. El resultado es la transformación realizada. Para poder representarla
de forma matricial lo que se debe obtener es la matriz de transformación. Ya que a la vez se obtiene,
se pueden determinar otros datos como el núcleo y la imagen de la transformación.

Definición:
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

Ejercicio N.1
ALGEBRA LINEAL SANDOVAL FRIAS DAVID
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

Ejercicio N.2
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

4. Aplicación de las transformaciones lineales: reflexión, dilatación, contracción y rotación.

En primer lugar, una transformación lineal es una función. Por ser función, tiene su dominio y su co-
dominio, con la particularidad de que éstos son espacios vectoriales. Tenemos dos espacios vectoriales
V y W, y una función que va de V a W. Ósea, una regla de asignación que transforma vectores de V en
vectores de W. Pero no toda función que transforme vectores de V en vectores de WW es una
transformación lineal. Debe cumplir ciertas condiciones:
F: V→WF: V→W es una transformación lineal si y sólo si:

• F(u+v) =F(u)+F(v) ∀u, v∈VF(u+v) =F(u)+F(v) ∀u, v∈V

• F(k*v) =k*F(v) ∀v∈V, ∀k∈RF(k*v) =k*F(v) ∀v∈V, ∀k∈R

4.1.-
4.1.Reflexión:
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, la llamamos reflexión del conjunto
de puntos dados. También se realiza 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
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

4.2.- Dilatación:

Al igual que en la reflexión, se pueden 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).

4.3.- 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).

4.4.- Rotación:

El término rotación tiene dos significados, pues 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.
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

Ejercicio N.1
ALGEBRA LINEAL SANDOVAL FRIAS DAVID
ALGEBRA LINEAL SANDOVAL FRIAS DAVID
 ALGEBRA LINEAL SANDOVAL FRIAS DAVID

Ejercicio N.2
ALGEBRA LINEAL SANDOVAL FRIAS DAVID