5.1 Introduccin a las transformaciones lineales.

Definicin: Las transformaciones lineales son las funciones y tratan sobre K-espacios
vectoriales que son compatibles con la estructura (es
decir, con la operacin y la accin) de estos espacios.
Aqu 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 multiplicacin
por escalares.
Nosotros usaremos el concepto de la funcin para darle un tratamiento a los sistemas de
ecuaciones lineales. La restriccin que haremos ser sobre el tipo de funciones: solo
estaremos interesados en funciones que preserven las operaciones en el espacio
vectorial. Este tipo de funciones sern llamadas funciones lineales. Primeramente las
definiremos, veremos algunas propiedades generales y despus veremos cmo se
aplican estos resultados a sistemas de ecuaciones.
Sean V y W dos espacios vectoriales posiblemente iguales.
Una transformacin lineal o mapeo lineal de V a W es una funcin
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 transformacin T : R2 R2 definida por

Es lineal.

Entonces :

Por otro lado, para todo escalar c,

Como se cumplen las dos condiciones:

T es lineal.
Una transformacin lineal preserva combinaciones lineales. Veremos que, debido a esto,
una transformacin lineal queda unvoca-mente determinada por los valores que toma
en los elementos de una base cualquiera de su dominio.

Teniendo en cuenta que las transformaciones lineales son funciones entre conjuntos,
tiene sentido estudiar la validez de las propiedades usuales de funciones: infectividad,
suryectividad y biyectividad.
Las transformaciones lineales que verifican alguna de estas propiedades reciben nombres particulares:
Definicin 3.6 Sean V y W dos K-espacios vectoriales, y sea f : V W una
transformacin 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 mismo:
Sea V un K-espacio vectorial. Una transformacin lineal f : V V se llama un
endomorfismo de V . Si f es un endomorfismo que es adems un isomorfismo, entonces
se dice que es un automorfismo.

5.2 Ncleo e imagen de una transformacin lineal.

En esta seccin se desarrollan algunas propiedades bsicas de las

transformaciones lineales.
Teorema 1. Sea T: V W una transformacin lineal. Entonces para todos los
vectores u, v, v1, v2,.vn en V y todos los escalares

Nota en la parte i el 0 de la izquierda es el vector cero en v; mientras que el cero

de la derecha es el vector cero en W.
i. T(0) = T(0 + 0)= T(0) + T(0). As 0= T(0) T(0) = T(0) + t(0) T(0) = T(0)
ii.T(u-v) = T[u + (-1)v] = Tu + T[(-1)v] = Tu + (-1)Tv = Tu Tv.
iii.Esta parte se prueba por induccin (vea el apndice 1). Para n = 2 se tiene
T(1v1 + 2v2) = T (1v1) + T(2v2) = 1Tv1 + 2Tv2. As, la ecuacin (1) se cumple
para n = 2. Se supone que se cumple para n = k y se prueba para n=k + 1:

T(1v1 + 2v2+ .+ kvk+k+1vk-1 ) = T(1v1 + 2v2+.+kvk) + T(k+1vk+1), y usando la

ecuacin en la parte iii para n= k, esto es igual a ( 1Tv1 + 2Tv2+.kTvk) +
k+1Tvk+1, que es lo que se quera demostrar. Esto completa la prueba.

Observacin. Los incisos i) y ii) del teorema 1 son casos especiales del inciso
iii). Un dato importante sobre las transformaciones lineales es que estn
completamente determinadas por el efecto sobre los vectores de la base.

Teorema 2
Sea v un espacio vectorial de dimensin finita con base B= {v1,v 2,
.vn}. Sean w1,w2,.wn vectores en W. Suponga que T1y 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, T 1v = T2v; es decir T1 = T2.
Como B es una base para V, existe un conjunto nico de escalares 1, 2,., n.
Tales que v = 1v1 + 2v2 + + n vn.
Entonces, del inciso iii) del teorema 1, T1v = T1(1 v1 + 2v2 + + nvn)
= 1T2v1 + 2T2v2 + + nTnvn= 1w1 + 2w2 ++ nTnvn
De manera similar T2v = T2(1v1 + 2v2 + + nvn) = 1T2v1 + 2T2v2 ++ nTnvn
= 1w1 + 2w2 ++ nvn

Por lo tanto, T1v =T2v.

El teorema 2 indica que si T:v W y V tiene dimensin finita, entonces slo es

necesario conocer el efecto que tiene T sobre los vectores de la base en V. Esto
es, si se conoce la imagen de cada vector bsico, se puede determinar la imagen
de cualquier vector en V. Esto determina T por completo. Para ver esto, sean v 1,
v2,.vn una base en V y sea v otro vector en V. Entonces, igual que en l aprueba
del teorema 2, Tv = 1Tv1 + 2Tv2 ++ nTvn

Ejemplo 1 Si se conoce el efecto de una transformacin lineal sobre los vectores

de la base, se conoce el efecto sobre cualquier otro vector.

Sea T una transformacin lineal de R3 en R2 y suponga que

Solucin. Se tiene

Entonces

Surge otra pregunta; si w1,w2,.,wn son n vectores en W, existe una

transformacin lineal T tal que Tv1 = w1 para i = 1,2,,n? La respuesta es s.
Como lo muestra el siguiente teorema.

Definicin 1 Ncleo e imagen de una transformacin lineal

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

i . El ncleo de T, denotado por un, est dado por

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

Observacin 1. Observe que un T es no vaco porque, de acuerdo al teorema 1,

T(0) = 0 de manera que 0 un T para cualquier transformacin lineal T. Se tiene
inters 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 est en V y el de la
derecha en W.

Observacin 2. La imagen de T es simplemente el conjunto de imajenes de los

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

Antes de dar ejemplos de ncleos e imgenes , se demostrar un teorema de gran

utilidad.

Teorema 4 Si T:V W es una transformacin lineal, entonces

i.Un T es un sub-espacio de V.
ii.Im T es un sub-espacio de W.

Demostracin

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 estn en un T.
ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vestores 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 estn en Im T.

Ejemplo 3. Ncleo e imagen de la transformacin cero

Sea Tv = 0 para todo v V(T es la transformacin cero). Entonces un T = v e Im T
= {0}.

Ejemplo 4 Ncleo e imagen de la transformacin identidad

Sea Tv = v para v V(T es la transformacin 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 ncleo. En la segunda slo el vector cero se encuentra en
el ncleo. Los casos intermedios son ms interesantes.

Ejemplo 5 Ncleo e imagen de un operador de proyeccin

Sea T:R3 R3 definida por

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

Entonces x = y = 0. As, nu T = {(x,y,z):x = y = 0, zR}, 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.

Definicin 2

Nulidad y rango de una transformacin lineal

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

Observacin. En la seccin 4.7 se definieron el rango, la imagen, el espacio nulo y

la nulidad de una matriz. Segn el ejemplo 5.1.7, Toda matriz A de m*n da lugar a
una transformacin 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
ncleo, imagen, nulidad y rango de una transformacin lineal son extensiones del
espacio nulo, la imagen, la nulidad y el rango de una matriz.

5.3 La matriz de una transformacin lineal.

Si A es una matriz de m*n y T: R n-Rm est definida por Tx = Ax, entonces, T es una
transformacin lineal.
Ahora se ver que para toda transformacin lineal de R n en Rm existe una matriz A
de m*n tal que Tx = Ax para todo x Rn. Este hecho es de gran utilidad. Si Tx = Ax.
Entonces un T = NA e Im T = RA. Ms aun, v(T) = dim un T = v(A) y p(T) = dim Im T
= p(A). As se puede determinar el ncleo, la imagen, la nulidad y el rango de una
transformacin 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 R n mediante una simple multiplicacin de
matrices.

Pero esto no es todo. Como se ver, cualquier transformacin lineal entre

espacios vectoriales de dimensin finita se puede representar mediante una
matriz.
Teorema 1
Sea T:Rn -Rm una transformacin lineal. Existe entonces una matriz nica de m*n,
AT tal que

Demostracin
Sea w1 = Te1,w2 = Te2,.,wn = Ten. Sea AT la matriz cuyas columnas son w1, w2,.,
wn y hagamos que AT denote tambin ala transformacin de Rn-Rm, que multiplica
un vector en Rn por AT. Si

Entonces

De esta forma, ATei = wi para i = 1,2,.n., T y la transformacin AT son las mismas

porque coinciden en los vectores bsicos.

Ahora se puede demostrar que AT es nica. Suponga que Tx = ATx y que Tx = BTx
para todo x Rn. Entonces ATx = BTx, o estableciendo CT= AT BT, se tiene que
CTx = 0 para todo x Rn. En particular, CTei es la columna i de CT. As, 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.

Definicin 1

Matriz de transformacin

La matriz AT en el teorema 1 se denomina matriz de transformacin

correspondiente a T o representacin matricial de T.

NOTA. La matriz de transformacin AT est definida usando las bases estndar

tanto en Rn como en R3. Si se utilizan otras bases, se obtendr una matriz de
transformacin diferente.

TEOREMA 2

Sea AT la matriz de transformacin correspondiente a laa transformacin lineal T.

Entonces:
1.

Im T = Im A = CAT

2.

P (T) = p(AT)

3.

Un T = NAT

4.

v (T) = v (AT

Ejemplo 1

Representacin matricial de una transformacin de proyeccin

Encuentre la matriz de transformacin AT correspondiente ala proyeccin de un

vector en R3 sobre el plano xy.
Solucin

Teorema 4
Sean V y W espacios vectoriales de dimensin finita con dim V = n. sea T: V-W
una transformacin lineal y sea AT una representacin matricial de T respecto a las
bases B1 en V y B2 en W. entonces
1.

p(T) =p(AT)

ii. V (A) = v(AT)

iii. V(a) + p (T) = n

Teorema 5
Sea T: Rn-Rm una transformacin lineal. Suponga que C es la matriz de
transformacin de T respecto a las bases estndar S n y Sm en Rn y Rm,

respectivamente. Sea A1 la matriz de transicin de B2 a base Sm en Rm. Si

AT denota la matriz de transformacin de T respecto a las bases B 1 y B2, entonces:

Geometra
de
las
transformaciones lineales de
R2.

R2 en

Sea T:R2-R2 una transformacin lineal con representacin matricial AT Ahora de

demostrar que si AT es invertible, entonces T se puede escribir como una
sucesin de una o ms transformaciones especiales, denominadas expansiones,
compresiones, reflexiones y cortes.

5.4 Aplicacin de las transformaciones lineales: reflexin,

dilatacin, contraccin y rotacin.

Aplicacin de las transformaciones lineales: reflexin, expansin, contraccin y

rotacin
Graficar un conjunto de puntos en otro es lo que se conoce como transformacin
lineal de un conjunto de puntos. Existen ciertas propiedades bsicas 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
notacin general utilizada para una transformacin lineal es T: Rn Rm.
1. Reflexin: Cuando un conjunto de puntos dados es graficado desde el espacio
euclidiano de entrada a otro de manera tal que este es isomtrico al espacio
euclidiano de entrada, llamamos a la operacin realizada la reflexin del conjunto
de puntos dado. Esto puede realizarse tambin con respecto a la matriz, en tal
situacin la matriz de salida es llamada la matriz de reflexin. La reflexin 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. Expansin: Al igual que en la reflexin, tambin es posible expandir los puntos
dados en una direccin particular. La expansin se realiza habitualmente para un
cierto grado. Es como realizar una operacin de multiplicacin de los elementos
del conjunto de puntos dados con un trmino escalar hacia la direccin donde
tiene que ser expandido. Sea para un punto (2, 3) si el grado de expansin 2 es la
direccin de y, entonces el nuevo punto obtenido es (2, 6).
3. Dilatacion: La contraccin es el procedimiento inverso de la expansin. Aqu el
punto es contrado en un determinado grado hacia una direccin dada. Sea el
punto de entrada (4, 8) y este debe ser contrado para el grado dos en la direccin
de x entonces el nuevo punto resulta ser (2, 8).
4. Rotacin: El trmino rotacin tiene dos significados, ya la rotacin de un objeto
puede ser realizada con respecto al eje dado o al eje mismo. La rotacin se realiza
para un cierto grado el cual es expresado en forma de un ngulo. Asimismo, la
rotacin puede realizarse en la direccin de las manecillas del reloj, o inverso a las
manecillas del reloj.
Como ejemplo, dirijmonos a producir la matriz estndar para la representacin de
la transformacin lineal reflejando un conjunto de puntos en el plano x-y a travs
de la recta y = (2x / 3).
El primer paso para esto es determinar los vectores base.

Por lo tanto, podemos afirmar que,

Dado que y pertenece a R2. Imagina que A: R2 R2 es una transformacin lineal,

entonces podemos escribir que,

La imagen de la matriz base determina la imagen de cualquier elemento. Por lo

tanto la imagen de a travs de y = (2x/ 3) es determinada mediante la obtencin
de una recta que pasa por (1, 0) y es que es ortogonal a . Esto est dado por y =
(3x/ 2) (3/ 2).
El punto donde las dos rectas, esto es, y = (3x/ 2) (3/ 2) e y = (2x/ 3) se
interceptan se dado como (9/13, 6/13). Tomamos p1 para ser el punto de
reflexin de a travs de la recta dada. Este punto es simtrico respecto a (9/13,
6/13) por lo tanto, podemos escribir que,

Esto produce,
De manera similar, la imagen del vector base resulta ser

Y tenemos la matriz de transformacin lineal final como,

Bibliografia:
1.- Lay, David C. Algebra Lineal Y Sus Aplicciones.3 . Ed. Mexico : Pearson
Educacion 2006
2.- Grossman, Stanley l, Algebra Lineal.6 . Ed.Mexico 2008