5.

1: Introducción a las transformaciones lineales

Las transformaciones lineales son conceptos fundamentales en el ámbito de álgebra lineal y

matemáticas aplicadas. Estas transformaciones proporcionan un marco poderoso para
entender y analizar cambios geométricos y algebraicos en espacios vectoriales. Antes de
profundizar en este tema, es esencial tener una comprensión básica de algunos conceptos
clave.

EJEMPLO: Un ejemplo sencillo de una transformación lineal es la

transformación de rotación en el plano. Supongamos que tenemos el plano
cartesianoR2, y consideramos la transformación lineal T:R2→R2 que rota
cada vector en el plano en sentido anti horario por un ángulo fijo 0

La matriz asociada a esta transformación de rotación es:

cos ( 0 )−¿ sin ⁡(0) cos ⁡( 0)¿

¿
x
Esta matriz representa la acción de la rotación en cada vector columna
y
x cos ⁡(0) −sin ⁡(0) x
resultando en el vector rotado
y sin ⁡(0) cos ⁡(0) y

Esta transformación es lineal porque cumple con las propiedades de

aditividad y homogeneidad. Puedes verificar fácilmente estas propiedades
utilizando las propiedades trigonométricas de seno y coseno.

1 π
Un ejemplo específico sería rotar el vector en radianes. Aplicando la
0 2
fórmula de rotación, obtenemos:

π π
cos ⁡( ) −sin ⁡( )
2 2 1 1
---
π π 0 0
sin ⁡( ) cos ⁡( )
2 2
1 π
Este resultado tiene sentido, ya que rotar el vector en radianes en
0 2
0
sentido anti horario nos da el vector , que es el vector unitario en la
1
dirección positiva del eje y, indicando una rotación de 90 grados en el
plano.
 Propiedades de las transformaciones lineales:
Las transformaciones lineales tienen varias propiedades que son
fundamentales para comprender su comportamiento y su utilidad en
álgebra lineal. Aquí están algunas de las propiedades clave:

Aditividad:
 T(u+v)=T(u)+T(v)
Esta propiedad establece que la imagen de la suma de dos vectores
es igual a la suma de las imágenes de los vectores individuales.

Homogeneidad:
 T(cu)=cT(u)
Indica que la transformación lineal escala de manera homogénea, es
decir, la imagen de un vector multiplicado por un escalar es igual al
escalar multiplicado por la imagen del vector
Preservación del Vector Nulo:
 (0)=0T(0)=0
La transformación lineal lleva el vector nulo al vector nulo.
Preservación de la Resta:
 T(u−v)=T(u)−T(v)
Indica que la transformación lineal preserva la resta de dos vectores.

T2∘T1(v)=T2(T1(v))
Composición de Transformaciones:

La composición de dos transformaciones lineales es también una
transformación lineal.
1. Núcleo y Recorrido:
 ker(T) es el conjunto de vectores cuya imagen es el vector
nulo.
 im(T) rango(T)) es el conjunto de vectores en el espacio de
salida que son la imagen de al menos un vector en el espacio
de entrada.
2. Invertibilidad:
 Si T es invertible, entonces existe una transformación lineal T−1
tal T−0 T=T∘T−1=Id, donde IdId es la transformación
identidad.
3. Preservación de la Linealidad:
 T(c1v1+c2v2+…+cnvn)=c1T(v1)+c2T(v2)+…+cnT(vn)
Indica que la transformación lineal preserva las combinaciones
lineales de vectores.
TRANSFORMACIONES LINEALES INYECTIVAS:

Una transformación lineal es "inyectiva" (o "una a una" o "injertiva")

si cada elemento diferente del dominio es asignado a un elemento
diferente en el codominio. De manera formal, una transformación
lineal T:V→W es inyectiva si para cada par de vectores diferentes
1v1 y 2v2 en V, sus imágenes bajo T son también diferentes:

siempre que T(v1)=T(v2) siempre que v1=v2

Otra manera de expresar esto es que si T(v1)=T(v2), entonces v1

=v2.

Esto significa que la transformación asigna vectores diferentes en el

dominio a vectores diferentes en el codo minio, lo que implica que no
hay "colisiones" en la asignación. En el contexto de matrices y
sistemas lineales, una transformación lineal inyectiva se corresponde
con un sistema homogéneo cuya única solución es la trivial (todos los
coeficientes son cero).

TRANSFORMACIONES SOBREINYECTIVAS: Una transformación lineal T:V→W es

sobreyectiva si cada elemento en el dominio W tiene al menos un elemento
en el dominioV que se asigna a él. En otras palabras, el rango de la
transformación es igual a la dimensión del codominio W.

TRANSFORMACIONES LOINEALES BIYECTIVAS: Una transformación

lineal que es biyectiva cumple con dos propiedades clave: inyectividad y
sobreyectividad. Vamos a explorar cada una de estas propiedades y cómo
se aplican en el contexto de transformaciones lineales.
TRASNFORMACIONES LINEALES ISOMORFAS: Una transformación lineal
isomorfa es una transformación lineal biyectiva entre dos espacios
vectoriales. Esto implica que la transformación lineal establece una
correspondencia uno a uno entre los elementos del espacio vectorial de
origen y los del espacio vectorial de destino, preservando las operaciones
lineales. En otras palabras, la transformación lineal isomorfa es una
biyección lineal.
TRANSFORMACIONES LINEALES ORTOGONALES: Las transformaciones
lineales ortogonales son un tipo especial de transformación lineal que
preserva las longitudes de los vectores y los ángulos entre ellos. Estas
transformaciones son fundamentales en geometría, especialmente en el
contexto de espacios vectoriales euclídeos. Aquí tienes algunos conceptos
clave sobre transformaciones lineales ortogonales

5.2 NUCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL:

El núcleo de una transformación lineal T:V→W, denotado como
ker(T), es el conjunto de todos los vectores en el espacio de entrada
V que se mapean al vector nulo en el espacio de salida W.

Matemáticamente, el núcleo se define como:

ker(T)={v∈V∣T(v)=0W}

IMAGEN DE UNA TRANSFORMACION LINEAL:

La imagen de una transformación lineal T:V→W, denotada como
im(T) o rango(T), es el conjunto de todos los vectores en el espacio
de salida W que son la imagen de al menos un vector en el espacio
de entrada V.

Matemáticamente, la imagen se define como:

im(T)={T(v)∈W∣v∈V}

5.3 LA MATRIZ DE UNA TRANSFORMACION LINEAL:

La matriz de una transformación lineal proporciona una representación
algebraica eficiente de la transformación en términos de matrices.
Supongamos que tenemos una transformación lineal T:Rn→Rm. La matriz
asociada a esta transformación lineal se llama matriz de la transformación.
En resumen, la matriz de una transformación lineal proporciona una
herramienta eficaz para realizar cálculos y operaciones algebraicas en el
contexto de transformaciones lineales, y facilita la conexión entre álgebra
lineal y geometría.
PRESERVACION DE LA ADICION DE VECTORES:

Una propiedad fundamental de las transformaciones lineales es la

preservación de la adición de vectores. Si T:V→W es una
transformación lineal entre dos espacios vectoriales V y W, entonces
la propiedad de preservación de la adición de vectores se expresa de
la siguiente manera:

T(u+v)=T(u)+T(v)

Esta ecuación indica que la transformación lineal de la suma de dos

vectores en el espacio de entrada es igual a la suma de las
transformaciones lineales de cada vector por separado en el espacio
de salida.

PRESERVACION DE LA MULTIPLICACION POR UN ESCALAR:

La preservación de la multiplicación por un escalar es otra propiedad
fundamental de las transformaciones lineales. Si T:V→W es una
transformación lineal entre dos espacios vectoriales V y W, entonces
la propiedad de preservación de la multiplicación por un escalar se
expresa de la siguiente manera:

T(cv)=cT(v)

PRESERVACION DE LA COMPOCICION:
La preservación de la composición es otra propiedad importante de
las transformaciones lineales. Si tienes dos transformaciones lineales
T:V→W y U:W→X, entonces la propiedad de preservación de la
composición establece que la composición de estas transformaciones
lineales es también una transformación lineal. Matemáticamente, esto
se expresa como:

((U∘T)(v)=U(T(v))

5.4 APLICACIÓN DE LAS TRANSFORMACIONES LINEALES:

REFLEXION, DILATACION, CONTROLACION, ROTACION
Las transformaciones lineales tienen una amplia variedad de
aplicaciones en diversos campos, incluyendo matemáticas, física,
ingeniería y ciencias de la computación. A continuación, se presentan
algunas aplicaciones comunes de las transformaciones lineales:
1. Gráficos por Computadora: En gráficos por computadora, las
transformaciones lineales se utilizan para realizar operaciones como
traslación, rotación y escalado de objetos tridimensionales en el
espacio.
2. Procesamiento de Imágenes: En el procesamiento de imágenes,
las transformaciones lineales se aplican para realizar operaciones
como cambio de contraste, brillo y filtrado de imágenes.
3. Sistemas de Control Dinámico: En ingeniería de control, las
transformaciones lineales se utilizan para modelar y analizar sistemas
dinámicos lineales, facilitando la comprensión y el diseño de
controladores.
4. Estadísticas y Regresión Lineal: En estadísticas, las
transformaciones lineales son fundamentales para técnicas como la
regresión lineal, donde se modela la relación entre variables
mediante una función lineal.
5. Criptografía: En criptografía, ciertas transformaciones lineales se
utilizan en algoritmos de cifrado y descifrado para garantizar la
seguridad de la información.
6. Redes Neuronales Artificiales: En el ámbito de la inteligencia
artificial, las transformaciones lineales se utilizan en capas lineales de
redes neuronales artificiales para realizar operaciones de ponderación
y combinación lineal de entradas.
7. Resolución de Sistemas de Ecuaciones Lineales: Las
transformaciones lineales son fundamentales para resolver sistemas
de ecuaciones lineales mediante métodos como la eliminación
gaussiana y la descomposición LU.
8. Análisis de Vibraciones Mecánicas: En ingeniería mecánica, las
transformaciones lineales se aplican para analizar vibraciones y
modos normales en estructuras mecánicas.
9. Óptica: En óptica, las transformaciones lineales describen cómo se
propagan y refractan los rayos de luz a través de diferentes medios.
10. Teoría de Grafos: En teoría de grafos, las transformaciones
lineales se utilizan para representar y analizar las propiedades de los
grafos, como la conectividad y la estructura.

REFLEXION: a reflexión en el contexto de transformaciones lineales

se refiere a una operación que invierte la dirección de los vectores a
través de un hiperplano específico. Este hiperplano actúa como un
espejo, y la reflexión en este espejo transforma cada vector al otro
lado del hiperplano, manteniendo la longitud de los vectores y
preservando las propiedades lineales.
 Supongamos que tenemos una transformación lineal T:Rn→Rn que
realiza una reflexión en relación con un hiperplano. La matriz
asociada a esta transformación reflejará los vectores en ese
hiperplano.

1. Ejemplo Simple: En el plano, la reflexión con respecto al eje x

implica cambiar el signo de la coordenada y de cada vector.

Reflejar en el eje x:[xy]↦[x−y]

La matriz asociada sería I−2uuT donde u=[01].

La reflexión lineal es una transformación lineal fundamental con

aplicaciones en geometría, física, y procesamiento de imágenes,
entre otros campos. Su capacidad para invertir direcciones y
preservar la longitud hace que sea una herramienta valiosa en
diversos contextos.

DILATACION: En el contexto de transformaciones lineales, la

dilatación se refiere a una operación que escala todos los vectores en
un espacio vectorial por un factor constante. Esta operación puede
expandir o contraer los vectores en función del factor de escala
utilizado. La dilatación es una transformación lineal si y solo si el
factor de escala es igual en todas las direcciones.
La forma general de una dilatación en Rn es la siguiente:

T(v)=c⋅v

donde T es la transformación lineal, v es un vector en Rn, y c es el

factor de escala constante. El vector resultante T(v) es simplemente
el vector v escalado por c>1, la dilatación resulta en una expansión
de los vectores; si 0<c<1, la dilatación contrae los vectores.

CONTRACION:
La contracción en el contexto de transformaciones lineales se refiere
a una operación que escala todos los vectores en un espacio vectorial
por un factor constante menor a 1. Esta operación provoca una
reducción en la longitud de los vectores en función del factor de
escala utilizado. Similar a la dilatación, la contracción es una
transformación lineal si y solo si el factor de escala es constante en
todas las direcciones.
La forma general de una contracción en Rn es la siguiente:

T(v)=c⋅v

donde T es la transformación lineal, v es un vector en Rn, y c es el

factor de escala constante. La contracción implica que 0<c<1, lo
que provoca una reducción en la magnitud de los vectores.

ROTACION: La rotación en el contexto de transformaciones lineales

implica cambiar la orientación de los vectores en un espacio vectorial
alrededor de un punto fijo. Esta operación es común en geometría y
se utiliza para girar figuras y objetos en el plano o en el espacio.

La forma general de una rotación en Rn es la siguiente:

T(v)=R⋅v
donde T es la transformación lineal, v es un vector en Rn, y R es la
matriz de rotación asociada a la transformación. La matriz R depende
del ángulo de rotación y del eje alrededor del cual se realiza la
rotación.