Instituto Tecnológico de Ciudad Madero
Materia: Algebra Lineal
Docente: Jorge Alberto Cerecero y Cordoba
Unidad 5
Investigación:
Transformaciones Lineales
Fernández Aguilar Adrián N.C 20071264
Horario: 10:00 – 11:00
12 de diciembre de 2021
5. Transformaciones lineales.
5.1. Definición de transformación lineal.
En primer lugar, 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. 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 𝑊 es una transformación lineal.
Debe cumplir ciertas condiciones:
𝐹: 𝑉 → 𝑊 es una transformación lineal si y sólo si:
1. 𝐹(𝑢 + 𝑣) = 𝐹(𝑢) + 𝐹(𝑣) ∀𝑢, 𝑣 ∈ 𝑉
2. 𝐹(𝑘. 𝑣) = 𝑘. 𝐹(𝑣) ∀𝑣 ∈ 𝑉, ∀𝑘 ∈ ℝ
Propiedades de una transformación lineal:
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 0𝑉 como el producto del escalar 0 por cualquier vector
del espacio vectorial 𝑉, 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:
𝑇(−𝑣) = −𝑇(𝑣)
Demostración:
𝑇(−𝑣) = 𝑇 (−1. 𝑣) = −1. 𝑇(𝑣) = −𝑇(𝑣)
La justificación de los pasos dados en la demostración es similar a la anterior.
Propiedad 3
Consideremos 𝑟 vectores del espacio vectorial 𝑉:
𝑣1, 𝑣2, …, 𝑣𝑟 ∈ 𝑉
Tomemos una combinación lineal en el dominio:
𝛼1𝑣1 + 𝛼2𝑣2 + 𝛼3𝑣3+. . . +𝛼𝑟𝑣𝑟
Donde 𝛼𝑖 ∈ ℝ
Si aplicamos la transformación lineal 𝐹 de 𝑉 a 𝑊, teniendo en cuenta las
propiedades enunciadas en la definición, resulta:
𝐹 (𝛼1𝑣1 + 𝛼2𝑣2 + 𝛼3𝑣3+. . . +𝛼𝑟𝑣𝑟) = 𝛼1𝐹(𝑣1) + 𝛼2𝐹(𝑣2) + ⋯ + 𝛼𝑟𝐹(𝑣𝑟)
Es decir que una transformación lineal “transporta” combinaciones lineales de V a
W, conservando los escalares de la combinación lineal.
5.2. Núcleo e imagen de una transformación lineal.
Núcleo de una transformación lineal
Sea 𝐹: 𝑉 → 𝑊 transformación lineal
Llamamos núcleo de 𝐹 al conjunto de vectores del dominio cuya imagen por 𝐹 es el
0𝑊.
𝑁𝑢(𝐹) = {𝑣 ∈ 𝑉 | 𝐹(𝑣) = 0𝑊}
El núcleo de una transformación lineal es un subespacio de 𝑽.
Imagen de una transformación lineal
Llamamos imagen de 𝐹 al conjunto de vectores de 𝑊 que son imagen de algún
vector de 𝑉.
𝐼𝑚(𝐹) = {𝑤 ∈ 𝑊 | 𝑤 = 𝐹(𝑣), 𝑣 ∈ 𝑉}
La imagen es un subespacio de W.
5.3. Representación matricial de una transformación lineal.
Desde el punto de vista algebraico lineal, las transformaciones más importantes son
las aquellas que conservan las combinaciones lineales. Estas son llamadas
transformaciones lineales o aplicaciones lineales. Una transformación lineal es una
parte esencial en el álgebra lineal. La idea principal detrás de la “Matriz de una
transformación lineal” es la definición de la matriz de T con respecto a las bases
arbitrarias del dominio de V y el codominio de W. En este caso, V y W son espacios
vectoriales de dimensión finita sobre F, y T: V → W es una transformación lineal.
Sea V y W espacios vectoriales de finita dimensión sobre F, e imagina que T: V! W
es lineal. Fija una base
B = {v1, v2. . . vn}
de V y una base de
B0 = {w1, w2. . . wm}
de W. Ahora definimos la matriz MBB’ (T) de T con respecto a estas bases. Puesto
que B0 es una base de W, cada T (vj) puede escribirse únicamente como
T (v j) =
Por lo tanto la matriz de T, en definitiva, con respecto a las bases B y B0 se define
como la matriz MBB’ (T) = (cij) m × n . ¿Lo qué dice esta definición es que la columna
jth de la matriz MBB’(T) es el vector columna formado por los coeficientes de T(vj)
con respecto a la base B0? Uno puede expresar el término anterior en forma
matricial mediante
(T(v1) T(v2) • • • T(v n)) = (w1 w2 • • •wm)MBB ’(T).
Es importante tener en cuenta que si V = Fn, W = Fm y T = TA, donde A Fm×n,
entonces MBB’(T) = A si B y B0 son las bases estándares. De TA (ej) es siempre la
columna jth de A.
Ahora, sea V el espacio de polinomios reales de al menos tres grados, y W el
espacio de polinomios reales de a lo sumo dos grados. Entonces, la diferenciación
es una transformación lineal D: V → W. Ahora
D (ax3 + bx2 + cx + d) = 3ax2 + 2bx + c.
Sea B la base {1, x, x2, x3} de V y B0 la base {1, x, x2} de W. Ahora,
D (1) = 0, D(x) = 1, D(x2) = 2x, D(x3) = 3×2.
Así
MBB’(D) =
Ahora bien, supongamos que T: V → V es una transformación lineal diagonalizable
(o semi-simple). Recordemos que esto significa que existe una base B = {v1, v2. . .
vn} de V tal que (vi) = vi para cada índice i entre 1 y n. Por lo tanto, B es una base
propia de V para T. En este caso, MBB (T) es la matriz diagonal. Pero, ¿Qué es la
matriz de T con respecto a alguna otra base B0 de V? El primer paso para responder
a esta pregunta es encontrar cómo relacionar las expansiones de un vector dado de
V con respecto a dos bases distintas. Esto por sí solo constituye un concepto
diferente y más amplio que necesita de un conocimiento muy superior y más
profundo de las matemáticas.
5.4. Aplicación de las transformaciones lineales: reflexión, dilatación,
contracción, rotación
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.
Rotación
Cuando se rotan los vectores (1, 0) y (0, 1) un ángulo q, se obtienen
respectivamente, los vectores (cos q, sen q) y (-sen q, cos q). Así, una
transformación de rotación se representa matricialmente con:
Ejemplos
Cuando se aplican transformaciones lineales de
TA: R2 R2 y TB:R2 R2 de matrices:
se obtienen, respectivamente, rotaciones de 90° y 180°. Gráficamente:
Reflexión
Para cada recta que pasa por el origen de coordenadas, existe una transformación
lineal que refleja el plano respecto de esa recta.
Aquí mostraremos tres reflexiones: respecto del eje x, del eje y, y de la recta y = x
Ejemplos
Cuando se aplican transformaciones lineales de
TA: R2 R2, TB: R2 R2 y TC: R2 R2 de matrices:
se obtienen, respectivamente, la reflexión respecto del eje x, la reflexión respecto
del eje y, y la reflexión respecto de la recta y = x. Gráficamente:
Expansión – Compresión
La expansión a lo largo del eje x es una transformación lineal que a cada (x, y) del
dominio le hace corresponder (c x, y). La constante c se denomina factor de
expansión y es c > 1.
La compresión a lo largo del eje x es una transformación lineal que a cada (x, y) del
dominio le hace corresponder (c x, y). La constante c se denomina ahora factor de
compresión y es 0 < c < 1.
Las expansiones o compresiones a lo largo del eje y son transformaciones lineales
que a cada (x, y) del dominio le hace corresponder (x, c y). La constante es c > 1
para las expansiones y 0 < c < 1 para las compresiones.
Ejemplos
Se muestran gráficamente una expansión en “x” y “y” (con c = 2) y una compresión
en “x” y “y” (con c = 0,5):
Bibliografía
Pustilnik, I., & Gómez, F. (2016). Algebra y Geometría Analítica. Algebra y Geometría
Analítica UTN.BA. Recuperado 7 de diciembre de 2021, de
https://aga.frba.utn.edu.ar/wp-content/uploads/2016/12/AGA-Virtual-Unidad-5.pdf
Transformaciones Lineales. (s. f.). Atlantic International University. Recuperado 7 de
diciembre de 2021, de
https://cursos.aiu.edu/Algebra%20Lineal/PDF/Tema%205.pdf
Universidad Tecnológica Nacional Facultad Regional San Nicolás. (s. f.). Geometría de las
transformaciones lineales en el plano. UTN San Nicolás. Recuperado 7 de
diciembre de 2021, de http://www.frsn.utn.edu.ar/gie/tl/mov.html
