1

Maestro:
Jesús Domingo Lacorte García

Alumno:

Pérez Niño Angel Jesús

Materia:

Algebra Lineal

Hora:
7am-8am

 Unidad 5: Transformaciones Lineales.

2
INDICE

5.1 INTRODUCCION A LAS TRANSFORMACIÓNES LINEALES ....................... 4

5.2 NUCLEO E IMAGUEN DE UNA TRANSFORMACION LINEAL.................... 8

5.3 LA MATRIZ DE UNA TRANSFORMACIÓN LINEAL ........................................13

5.4 APLICACIONDE LAS TRASFORMACIONES LINEALES REFLEXION,

DILATACION, CONTRACCION Y
ROTACION……... ............................................................................................................ 17

BIBLIOGRAFIAS .................................................................................................................. 21

3
 5.1 Definición de transformación lineal
Definición: Las transformaciones lineales son las funciones y tratan sobre K-
espacios vectoriales que son compatibles con la estructura (es
decir, con la operación y la acción) de estos espacios.

Aquí 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
multiplicación por escalares.

Nosotros usaremos el concepto de la función para darle un tratamiento a los

sistemas de ecuaciones lineales. La restricción que haremos será sobre el tipo de
funciones: solo estaremos interesados en funciones que preserven las
operaciones en el espacio vectorial. Este tipo de funciones serán llamadas
funciones lineales. Primeramente, las definiremos, veremos algunas propiedades
generales y después veremos cómo se aplican estos resultados a sistemas de
ecuaciones.

Sean V y W dos espacios vectoriales posiblemente iguales.

Una transformación lineal o mapeo lineal de V a W es una función
T : V → W tal que para todos los vectores u y v de V y cualquier escalar c:
a) T (u + v) = T (u) + T (v)
b) T (c u) = c T (u)

Demuestre que la transformación T : R2 →R2 definida por

es lineal.

Entonces:

4
Por otro lado, para todo escalar c,

Como se cumplen las dos condiciones:

T es lineal.

Una transformación lineal preserva combinaciones lineales. Veremos que, debido

a esto, una transformación lineal queda unívoca-mente determinada por los
valores que toma en los elementos de una base cualquiera de su dominio.

5
Teniendo en cuenta que las transformaciones lineales son funciones entre
conjuntos, tiene sentido estudiar la validez de las propiedades usuales de
funciones: infectividad, selectividad y biyectividad.

Las transformaciones lineales que verifican alguna de estas propiedades reciben

nombres particulares:
Definición 3.6 Sean V y W dos K-espacios vectoriales, y sea f : V → W una
transformación lineal. Se dice que:

1. f es un monomorfismo si f es inyectiva.
2. f es un epimorfismo si f es suryectiva.
3. f es un isomorfismo si f es biyectiva.

En algunos casos, consideraremos transformaciones lineales de un K-espacio

vectorial en s ́ı mismo:
Sea V un K-espacio vectorial. Una transformación lineal f : V → V se llama un
endomorfismo de V . Si f es un endomorfismo que es además un isomorfismo,
entonces se dice que es un automorfismo

Se denomina transformación lineal, función lineal o aplicación lineal a toda

aplicación cuyo dominio y codominio sean espacios vectoriales y se cumplan las
siguientes condiciones:
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 ϵ V
un vector único Tv ϵ W y que satisface, para cada u y v en V y cada escalar ∝,

6
1. T (u+v)= Tu+Tv
2. T(∝v)= ∝Tv, donde ∝ es un escalar.
Tres notas sobre notación.
1. Se escribe T: V → W para indicar que T toma el espacio vectorial real V y lo
lleva al espacio vectorial real 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 fases se leen
“T de v”. eso es análogo a la notación funcional f(x), que se lee “f de x”.
3. Muchas de las definiciones y teoremas se cumplen también para los espacios
vectoriales complejos (espacios vectoriales en donde los escalares son números
complejos).
· Terminología: las transformaciones lineales con frecuencia se llaman operadores
lineales.
· Nota: No toda transformación que se ve lineal es en realidad lineal. Por ejemplo,
defina T: R→R por Tx= 2x + 3. Entonces la gráfica de {(x, Tx): xϵ R} es una línea
recta en el plano xy; pero T no es lineal porque T(x+ y) = 2(x +y) + 3 = 2x + 2y + 3y
Tx + ty = (2x+3) + (2y+3) = 2x + 2y + 6. Las únicas transformaciones lineales de R
en R son funciones de la forma f (x) = mx para algún número real m. así, entre
todas las funciones cuyas graficas son rectas, las únicas que son lineales son
aquellas que pasan por el origen. En algebra y calculo una función lineal con
dominio R esta definida como una función que tiene la forma f (x) = mx + b. asi, se
puede decir que una función lineal es una transformación de R en R si y solo si b
(la ordenada al origen) es cero.

7
5.2 NUCLEO E IMAGUEN DE UNA TRANSFORMACION LINEAL.

Teorema 1

Sea T: V S W una transformación lineal. Entonces para todos los

vectores u, v, v1,

v2, . . . , vn en V y todos los escalares a1, a2, . . . , an:

i. T(0) = 0

ii. T(u - v) = Tu - Tv

iii. T(a1v1 + a2v2 +. . .+ anvn) = a1Tv1 + a2Tv2 +. . .+ anTvn

Nota. En la parte i) el 0 de la izquierda es el vector cero en V; mientras que el 0 de

la

derecha es el vector cero en W.

Teorema 2

Sea V un espacio vectorial de dimensión finita con base B = {v1, v2, . . . , vn}.
Sean w1,

w2, . . . , wn vectores en W. Suponga que T1 y T2 son dos transformaciones

lineales de V

en W tales que T1vi = T2vi = wi para i = 1, 2, . . . , n. Entonces para cualquier

vector v ∈

V, T1v = T2v; es decir T1 = T2.

8
Ejemplo

Definición 1 Núcleo e imagen de una transformación lineal

Sean V y W dos espacios vectoriales y sea T:V W una transformación lineal.

Entonces

i . El núcleo de T, denotado por un, está dado por

9
ii. La imagen de T, denotado por Im T, esta dado por

Observación 1. Observe que un T es no vacío porque, de acuerdo al teorema 1,

T(0) = 0 de manera que 0 ϵ un T para cualquier transformación lineal T. Se tiene
interés en encontrar otros vectores en V que “se transformen en 0”. De nuevo,
observe que cuando escribimos T(0) = 0, el 0 de la izquierda está en V y el de la
derecha en W.

Observación 2. La imagen de T es simplemente el conjunto de “imágenes” de los

vectores en V bajo la transformación T. De hecho, si w = Tv, se dice que w es la
imagen de v bajo T.

Antes de dar ejemplos de núcleos e imágenes, se demostrará un teorema de gran

utilidad.

Teorema 4

Si T:V W es una transformación lineal, entonces

i.Un T es un subespacio de V.

ii.Im T es un subespacio de W.

Demostración

i. Sean u y v en un T; Entonces T(u + v) = Tu + Tv =0 + 0 =0 y T( ) = = 0 = 0 de

forma que u + v y ∝u están en un T.

ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vectores u y v en V.

Esto significa que T(u + v)= Tu + Tv = w + x y T(∝u) = ∝Tu =∝w. Por lo tanto, w +
x y ∝w están en Im T.

10
Ejemplo 3. Núcleo e imagen de la transformación cero

Sea Tv = 0 para todo vϵ V(T es la transformación cero). Entonces un T = v e Im T

= {0}.

Ejemplo 4 Núcleo e imagen de la transformación identidad

Sea Tv = v para vϵ V(T es la transformación identidad). Entonces un T= {0} e Im T

= V.

Las transformaciones cero e identidad proporcionan dos extremos. En la primera

todo se encuentra en el núcleo. En la segunda sólo el vector cero se
encuentra en el núcleo. Los casos intermedios son más interesantes.

Ejemplo 5 Núcleo e imagen de un operador de proyección

Sea T:R3 R3 definida por

T es el operador de proyección de R3 en el plano xy.

Entonces x = y = 0. Así, nu T = {(x,y,z):x = y = 0, zϵR}, es decir, el eje z, e Im T =

{(x,y,z): z = 0}, es decir el plano xy. Observe que dim un T = 1 y dim Im T = 2.

11
Definición 2 Nulidad y rango de una transformación lineal

Si T es una transformación lineal de v en w, entonces se define.

Toda matriz A de m*n da lugar a una transformación lineal T:R´´ R´´´ definida por Tx
= Ax. Es evidente que un T = NA, Im T = Im A = CA, v(T) = v(A) y p(T) = p(A).
Entonces se ve que las definiciones de núcleo, imagen, nulidad y rango de una
transformación lineal son extensiones del espacio nulo, la imagen, la nulidad y el
rango de una matriz.

12
 5.3 Representación matricial de una transformación lineal
Si A es una matriz de m*n y T: Rn-Rm está definida por Tx = Ax, entonces, T es una
transformación lineal. Ahora se verá que para toda transformación lineal de R n en Rm existe
una matriz A de m*n tal que Tx = Ax para todo x ϵ Rn. Este hecho es de gran utilidad. Si Tx
= Ax. Entonces un T = NA e Im T = RA. más aun, v(T) = dim un T = v(A) y p(T) = dim Im T =
p(A). Así se puede determinar el núcleo, la imagen, la nulidad y el rango de una
transformación lineal de Rn-Rm determinando el espacio nulo y la imagen de la matriz
correspondiente. Adicionalmente, una vez que se sabe que Tx = Ax. Se puede evaluar Tx
para cualquier x en Rn mediante una simple multiplicación de matrices.

Tx = AT x Para toda x ϵ ʀ

Pero esto no es todo. Como se verá, cualquier transformación lineal entre espacios
vectoriales de dimensión finita se puede representar mediante una matriz.
Teorema 1
Sea T:Rn -Rm una transformación lineal. Existe entonces una matriz única de m*n, AT tal que
Demostración
Sea w1 = Te1,w2 = Te2,….,wn = Ten. Sea AT la matriz cuyas columnas son w1, w2,…., wn y
hagamos que AT denote también ala transformación de R n-Rm, que multiplica un vector en
Rn por AT. si

𝑎1𝑖
𝑎2𝑖
𝑤𝑖 = . 𝑝𝑎𝑟𝑎 𝑖 = 1,2, . . . , 𝑛
.
(𝑎𝑚𝑖 )
Entonces
0
𝑎11 𝑎12 ⋯ 𝑎1𝑖 𝑎1𝑛 0 𝑎1𝑖
𝑎21 𝑎22 ⋯ 𝑎2𝑖 ⋮
𝐴 𝑇 𝑒𝑖 ( ⋮ ⋯ 𝑎2𝑛 ) (
𝑎2𝑖
⋮ ⋮ ⋮ 1 = ⋮ ) = 𝑊𝑖
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑖 0
⋯ 𝑎𝑚𝑛 𝑎𝑚𝑖
⋮
(0)

De esta forma, ATei = wi para i = 1,2,….n., T y la transformación A T son las mismas porque
13
coinciden en los vectores básicos.

Ahora se puede demostrar que AT es única. Suponga que Tx = ATx y que Tx = BTx para
todo x ϵ Rn. Entonces ATx = BTx, o estableciendo CT= AT – BT, se tiene que CTx = 0 para
todo x ϵ Rn. En particular, CTei es la columna i de CT. Así, cada una de las n columnas de
CT es el m-vector cero, la matriz cero de m*n. Esto muestra que AT = BT y el teorema queda
demostrado.
Definición 1 Matriz de transformación
La matriz AT en el teorema 1 se denomina matriz de transformación correspondiente a T o
representación matricial de T.

NOTA. La matriz de transformación AT está definida usando las bases estándar tanto en
Rn como en R3. Si se utilizan otras bases, se obtendrá una matriz de transformación
diferente.

TEOREMA 2 sea AT la matriz de transformación correspondiente a laa transformación lineal

T. entonces.
i. Im T = Im A = CAT
ii. P(T) = p(AT)
iii. Un T = NAT
iv. v(T) = v(AT
Ejemplo 1 Representación matricial de una transformación de proyección
Encuentre la matriz de transformación AT correspondiente ala proyección de un vector en
R3 sobre el plano xy.
Solución

𝑥 𝑥 1 1 0 0 0 0
𝑎𝑞𝑢𝑖 𝑇 (𝑦) = (𝑦) 𝐸𝑛 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑎𝑟 𝑇 (0) = (0) . 𝑇 (1) = (1) 𝑦 𝑇 (0) = (0) 𝐴𝑠𝑖
𝑧 0 0 0 0 0 1 1
1 0 0 𝑥 1 0 0 𝑥 𝑥
AT = (0 1 0) 𝑜𝑏𝑠𝑒𝑟𝑣𝑒 𝑞𝑢𝑒 𝐴 𝑇 (𝑦) = (0 1 0) (𝑦) = (𝑦)
0 0 0 𝑧 0 0 0 𝑧 0

14
Teorema 4
Sean V y W espacios vectoriales de dimensión finita con dim V = n. sea T:V-W una
transformación lineal y sea AT una representación matricial de T respecto a las bases B1 en
V y B2 en W. entonces
i. p(T) =p(AT) ii. V(A) = v(AT) iii. V(a) + p(T) = n

Teorema 5 Sea T:Rn-Rm una transformación lineal. Suponga que C es la matriz de

transformación de T respecto a las bases estándar Sn y Sm en Rn y Rm, respectivamente.
Sea A1 la matriz de transición de B2 a base Sm en Rm. Si AT denota la matriz de
transformación de T respecto a las bases B1 y B2, entonces.

AT = A2-1CA1

Geometría de las transformaciones lineales de R2 en R2.

Sea T:R2-R2 una transformación lineal con representación matricial AT Ahora de demostrará
que si AT es invertible, entonces T se puede escribir como una sucesión de una o más
transformaciones especiales, denominadas expansiones, compresiones, reflexiones y
cortes.

Expansiones a lo largo de los ejes x o y

Una expansión a lo largo del eje x es una transformación lineal que multiplica a la
coordenada x de un vector en R2 por una constante C >1. Esto es
𝑥 𝑐𝑥
𝑇 (𝑦) = ( 𝑦 )

1 𝑐 0 0 𝑐 0
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑇 ( ) = ( ) 𝑦 𝑇 ( ) = ( ) de manera que si AT = ( ) se tiene
0 0 1 1 0 1
𝑥 𝑥 𝑐 0 𝑥 𝑐𝑥
𝑇 (𝑦) = 𝐴 (𝑦) = ( ) (𝑦) = ( 𝑦 )
0 1

De manera similar, una expansión a lo largo del eje y es una transformación lineal que
multiplica la coordenada y de todo vector en R2 por una constante C>1. Como antes ,
𝑥 𝑐𝑥
𝑠𝑖 𝑇 (𝑦) = ( 𝑦 )

1 0
entonces la representación matricial de T es 𝐴 𝑇 ( ) de manera que
0 𝑐

15
 1 0 𝑥 𝑥
( ) (𝑦) = (𝑐𝑦)
0 𝑐

a) se comienza con este rectángulo.

b) Expansión en la dirección de x c = 2.
c) Expansión en la dirección de y con c = 4.

Compresión a lo largo de los ejes x o y.

Una compresión a lo largo de los ejes x o y es una transformación lineal que multiplica ala
coordenada x o y de un vector en R2 por una constante positiva 0<c<1, mientras que para
la expansión c<1.

a) se comienza con este rectángulo.

b) Compresión a lo largo del eje x con c =1/3.
c) Compresión a lo largo del eje x con c=1/2

16
 5.4 APLICACIONDE LAS TRASFORMACIONES LINEALES REFLEXION,
DILATACION, CONTRACCION Y ROTACION.

Graficar un conjunto de puntos en otro es lo que se conoce como transformación

lineal de un conjunto de puntos. Existen ciertas propiedades básicas de las
transformaciones lineales, las cuales, si son tomadas en cuenta y aplicadas al
momento de resolver un problema, pueden reducirlo un problema simple. La
notación general utilizada para una transformación lineal es T: Rn à Rm.

1. 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, llamamos a la operación realizada la reflexión del conjunto
de puntos dado. Esto puede realizarse también 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.
2. Expansión: Al igual que en la reflexión, también es posible 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).
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. Rotación: El término rotación tiene dos significados, ya 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.

Reflexión sobre el eje xEn este caso, queremos averiguar cómo está definida la

transformación T de R2 en R2 que cada vector lo refleja sobre el

eje x, para obtener un vector

17
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 comosigue:

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

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)

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=1/2Haciendo la

gráfica el punto disminuye en el eje horizontal.

18
Rotación por un ángulo

Sea un ángulo medido en radianes. Queremos

averiguar cual es la transformación T de R2 en R2 que gira cada

vector un angulo , 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:

19
20
BIBLIOGRAFIAS

http://sitioalgebralinealtercersemestre.blogspot.com/2015/12/unidad-5-
transformaciones-lineales.html

https://sites.google.com/site/sistemasalgebralineal/unidad-5---transformaciones-
lineales/representacion-matricial-de-una-transformacion-lineal-respecto-a-dos-
bases-no-estadar-en-r2

https://sites.google.com/site/sistemasalgebralineal/unidad-5---transformaciones-
lineales/5-2-nucleo-e-imagen-de-una-transformacion-lineal

https://sites.google.com/site/sistemasalgebralineal/unidad-5---transformaciones-
lineales/5-4-aplicacion-de-las-transformaciones-lineales

http://itsavbasicas.blogspot.mx/2012/05/54-aplicacion-de-las-
transformaciones.html

http://mate.dm.uba.ar/~jeronimo/algebra_lineal/Capitulo3.pdf

21
22