MATEMATICAS IV

TRANSFORMACIONES
LINEALES
UNIDAD V
Alumno: Ana Irene Ortiz Peralta
Catedrtico: Ing. Jess Lpez Ortega

ING. CIVIL

Pgina 1 de 39

5.1 DEFINICIN DE TRANSFORMACIN LINEAL Y SUS PROPIEDADES.

Las transformaciones lineales son mapeos de importancia fundamental en el
lgebra lineal y en sus aplicaciones. Son transformaciones entre espacios
vectoriales que conservan la suma vectorial y la multiplicacin por escalar.
Sean V y W dos espacios vectoriales posiblemente iguales.

Una transformacin lineal o mapeo

lineal de V a W es una funcin tal que
para todos los vectores u y v de V y
cualquier escalar c:

T: V W*

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

b) T(c u) = c T(u)
*Escribimos T: V W para indicar que T transforma V en W

Las transformaciones lineales se llaman con frecuencia operadores lineales.

Tambin, las funciones que satisfacen a) y b) se denominan funciones lineales.
En R2 definamos una funcin T por la frmula T( )

) geomtricamente, T

toma un vector en R2 y lo transforma en su reflexin con respecto al eje x. una vez

que hayamos dado la definicin bsica, veremos que T es una transformacin
lineal de R2 en R2.

Propiedades de las transformaciones lineales

Teorema 3: Sea T: V W una transformacin lineal. Entonces para todos los
vectores v1, v2,,vn en V y todos los escalares c1,c2,,cn:
T(c1v1+c2v2++cnvn)= c1Tv1+c2Tv2++cnTvn
Demostracin:
Si T es lineal, entonces T(c1v1 + C2v2)= T(c1v1) + T(c2v2)=c1T(v1)+ c2T(v2) y asi
sucesivamente.
As, las transformaciones lineales mapean una combinacin lineal de vectores en
la misma combinacin lineal de las imgenes de esos vectores.

Teorema 4: sea T: V W

una transformacin lineal. Entonces

1. T(0)= 0. Esta transformacin lineal mapea a todos los vectores de V en

0, en W se le llama transformacin cero.
2. T(u-v)= T(u)- T(v)
Demostracin:
1.- T(0)= T(0v)= 0T(v)=0
2.-haciendo que c1=1 y c2=-1

T(u-v)= T(1u+(-1)v)= 1T(u)+ (-1)T(v)= T(u) T(v)

Teorema 5: sea T: V W una transformacin lineal y sea B=

{v1,v2,vn} el generador de V. entonces, el conjunto T(B)=
{T(v1),T(v2),T(vn)} genera el contradominio de T.
Demostracin:
Sea W R Entonces existe un v que pertenece a V tal que
T(v)=W. como B genera a V, hay escalares c tales que v=c1v1.
Entonces
W= T(v)= T(c1v1++cnvn)=c1T(v1)++cnT(vn)
de aqu que W sea una combinacin lineal de T(B)

Ejemplo

Pgi
na 4
de
39

Ejemplo

5.2 EJEMPLOS DE TRANSFORMACIONES LINEALES (REFLEXIN,

DILATACIN, CONTRACCIN, ROTACIN)

Homotecia
Para un escalar fijo c. T: V W es lineal.
T(v)= cv
Sea u y w V y r R. T es lineal porque
T(u+w)= c(u + w)= cu + cw= T(u) + T(w)
T(ru)= c(ru)= rT(u)

Si c > 1, la homotecia es una dilatacin, y su efecto sobre v es estirarlo en un

factor de c. Si 0 < c < 1, la homotecia es una contraccin, y su efecto sobre v es
encogerla en un factor de c. si c <0, esta transformacin invierte la direccin de v.

Ejemplos:

Pgi
na 6
de
39

Ahora bien, si T: R2

R2 definida por

( )

). Es fcil verificar que T es

lineal y que, geomtricamente, T toma un vector en R2 y lo refleja con respecto al

eje y, a esto se le llama reflexin.

Pgi
na 7
de
39

Ejemplo:

Pgi
na 8
de
39

Transformacin de rotacin
Supongamos que el vector

( ) en el plano xy gira un ngulo en la direccin

contraria a las manecillas del reloj.

Pgina 10 de 39

Sea

) el vector girado. Entonces, como en la figura, si r denota la longitud

de v (la cual no cambia con la rotacin),

Entonces, de (3) y (4), vemos que

( )

( ).

dada
por (5), se llama
transformacin
de
La transformacin
lineal
T: R2
R2rotacin.
definida por Tv= Av, donde A est

Ejemplo:

Pgin
a 10
de 39

Pgin
a 11
de 39

5.3 DEFINICIN DE NCLEO O KERNEL, E IMAGEN DE UNA

TRANSFORMACIN LINEAL.
Sean V y W espacios vectoriales y sea T: V W
Entonces:

una transformacin lineal.

El kernel o ncleo de T, denotado como KerT, esta dado por:

KerT{v V: Tv=0 W}

La imagen de T, denotada como R(T), esta dada por:

R(T)={w W: w=Tv para alguna v V}

Sea T: V W

una transformacin lineal. Entonces

1.- ker(T) es un subespacio de V
2.- R(T) es un subespacio de W

La propiedad fundamental del ncleo y del contradominio es que ambos son

espacios vectoriales. La dimensin del ncleo se llama nulidad de T. la dimensin
del contradominio se llama rango de T.

Demostracin:

Pgin
a 12
de 39

En caso especial en el que la transformacin lineal es matricial, se cumple lo

siguiente:
Sea T: RnRm es una transformacin matricial cuya matriz estndar es A.
Entonces:

Demostracin:
Puesto que T(x)= AX, entonces T(x)= 0 si y solo si Ax=0. De aqu, Ker(T)= V(A).
igualmente, si b esta en Rm, entonces hay un x en Rn tal que T(x)=b si y solo si
Ax=b. En consecuencia, R(T)= col(A). Las partes de las nulidades y los rangos se
ven a continuacin.
El teorema de la dimensin
Si T: V W es una transformacin lineal de un espacio vectorial V de dimensin
finita a un espacio vectorial W, entonces.
Nulidad(T) + Rango(T)= dim(V)

Pgin
a 13
de 39

Ejemplo:
Calcule las bases para el ncleo y el contradominio y determine la nulidad y el
rango de
T: R4R3, T(x,y,z,w)= (x+3z,y - 2z,w)

Solucin:
De acuerdo con el teorema, basta expresar a T como transformacin matricial y
obtener las bases para las columnas y el espacio nulo de su matriz estndar A. A
se expresa con:

Y est en forma escalonada reducida por operaciones de rengln. Por

consiguiente, los vectores {(1,0,0), (0,1,0), (0,0,1)} forman una base para Col(A)=
R(T)= R3. Por otra parte {-3,2,1,0} es una base para V(A)= Ker(T). De modo que el
rango de T es 3 y la nulidad es 1.

Ejemplo:
Dada la transformacin lineal

Determinar la imagen de
Pgin
a 14
de 39

Solucin: Si recordamos el proceso que usamos en el clculo en una variable,

determinemos cuales vectores tienen preimagen.
Para ello, sean
tales que:
T(x;y;z) = (a;b;c) (2x-y+z;x-y+z;x) = (a;b;c)
Igualando coordenadas tenemos el siguiente sistema

Ahora, resolvamos el sistema buscando la matriz asociada a l, y determinando su

escalonada

luego, un vector tiene preimagen si y slo si el sistema el sistema es consistente

(no necesitamos que la solucin sea nica), lo cual es equivalente a escribir

Por lo tanto,
Im(T) = {(a;b;c)
/((x;y;z)
((T(x;y;z)=(a;b;c))
= {(a;b;c)
/a-b-c=0}
= <(1;1;0);(1;0;1)>:

Pgin
a 15
de 39

5.4 LA MATRIZ DE UNA TRANSFORMACIN LINEAL Y REPRESENTACIN

MATRICIAL DE UNA TRANSFORMACIN LINEAL.
Sea T: V W una transformacin lineal entre dos espacios vectoriales V y W de
dimensiones finitas. Sea B= {v1.,vn} una base de V y B= {v1,,vm} una
base de W. la matriz A m x n cuyas columnas son:

Es la nica matriz que satisface

Para todo v V
Demostracin:
Como B genera a V, hay escalares c1,,cn tales que v= c1v1++cnvn. As

Porque T es lineal, por consiguiente:

Pgin
a 16
de 39

Teorema:
Toda transformacin lineal T: RnRm es una transformacin matricial.
Demostracin:
Sean B y B las bases estndar de Rn y Rm, respectivamente. Entonces hay una
matriz A tal que

Para todo v Rn. Pero como T(v)=[T(v)]B y A[v]B= Av para las bases estndar,
tenemos
T(v)= Av
Por consiguiente, T es una transformacin matricial cuya matriz estndar es A.
Pgin
a 17
de 39

Ejemplos:

Solucin:

Pgin
a 18
de 39

Ejercicios

Pgina 20 de 39

Pgin
a 20
de 39

Pgin
a 21
de 39

5.5 TRANSFORMACIONES Y SISTEMAS DE ECUACIONES LINEALES.

Una transformacin lineal es un conjunto de operaciones que se realizan sobre

un vector para convertirlo en otro vector. En ocasiones trabajar con vectores es
muy sencillo ya que pueden ser fcilmente interpretados dentro de un contexto
grfico, lamentablemente no siempre ocurre y es necesario transformar a los
vectores para poderlos trabajar ms fcilmente.

Por otra parte, trabajar con sistemas lineales es mucho ms sencillo que con
sistemas no lineales, ya que se puede utilizar una tcnica llamada superposicin,
la cual simplifica de gran manera gran variedad de clculos, por lo que es de gran
inters demostrar que un proceso puede ser reducido a un sistema lineal, lo cual
solo puede lograrse demostrando que estas operaciones forman una
transformacin lineal.

Los sistemas de ecuaciones lineales son ecuaciones que tienen n incgnitas, las
cuales podemos representar en una notacin matricial, se puede utilizar una
tcnica llamada superposicin, la cual simplifica de gran manera gran variedad de
clculos, por lo que es de gran inters demostrar que un proceso puede ser
reducido a un sistema lineal, lo cual solo puede lograrse demostrando que estas
operaciones forman una transformacin lineal.
A partir de una ecuacin lineal podemos hacerle las transformaciones lineales para
tener como resultado escalares.

Pgin
a 22
de 39

Definicin
Sea (V,K) / dimV = n y sea BV = {e1, ......, en}.
Sean {e1, ......, en} y {a1, ......,an} V / ai = (ai1, ......, ain). El nmero mximo de
vectores LI es el rango de los {a1, ......,ak} = dim [L({a1, ......,ak})] . O sea:

Proposicin
Dada la matriz A, el rangA es igual al mayor orden de los menores con det 0.

Teorema de Rouch-Frobenious.
Sean (V,K) / dimV = n y {a1, ......,ar} V
v L(a1, ......,ar) v(a1, ......,ar) = v(a1, ......, ar, v)

Consecuencias: Sea el sistema

decimos que el sistema es incompatible (sin solucin) si v L(a1, ......,ar) rangA

rangB, donde:

el sistema

Pgin
a 23
de 39

es compatible si

Observacin: Si rangA es mximo e igual a la dimensin de V entonces el sistema

es compatible determinado (existe una nica solucin).
Si rangA es menor que la dimensin del espacio entonces el sistema es
compatible pero existen muchas soluciones.
Otro punto de vista es el siguiente: Consideremos el sistema

que podemos reescribir de la forma

La solucin del sistema es un conjunto de escalares (a1,an)/ aijaj=bj. Sea ahora

f: V W tal que dimV= n y dimW=p tal que Bv= {e1,en} y Bw= {u1,up} tal que

Las ecuaciones de f respecto de Bv son

Teorema de Rouche- Frobenious (2).

El sistema de ecuaciones lineales tiene solucin si el vector

Pgin
a 24
de 39

Teniendo en cuenta que los vectores * ( )+ constituyen un sistema de generadores

de Imf y puesto que dim[imf]= rangA si llamamos B a la matriz ampliada, entonces
el teorema de R- F dice:
! Solucin si rangA= rangB
Las ecuaciones del sistema homogneo representan las ecuaciones del kerf. si el
sistema es compatible, el conjunto de sus soluciones es el conjunto f -1(b) i.e.
El conjunto de todas las soluciones del sistema es:

Entonces el sistema es compatible si

Regla de cramer
Sistema en el que el nmero de ecuaciones coincide con el de incgnitas/ detA 0
Sea:

Como detA 0 entonces A-1

Pgin
a 25
de 39

Ejemplo 1
Resolver el sistema

Sea

Pgin
a 26
de 39

Ejemplo 2

Pgin
a 27
de 39

Pgin
a 28
de 39

5.6 LGEBRA DE LAS TRANSFORMACIONES LINEALES.

A una transformacin lineal de un espacio vectorial en s mismo se le llama

operador lineal. Los operadores lineales juegan (como veremos mas adelante) un
papel muy importante en el estudio de las transformaciones lineales, el conjunto de
todos los operadores lineales de c se denotara por Endc debido a que los
operadores lineales tambin son conocidos como endomorfismos de un espacio
vectorial.
Por definicin tenemos Endc= Mor(c,c). la principal diferencia entre las
transformaciones lineales y los operadores lineales es que la operacin de
composicin es una operacin interna en espacio vectorial Endc. Esto quiere decir
que si componemos 2 operadores, obtendremos otro.
Si un espacio vectorial cualquiera (el cual ya trae definidos la suma y el producto
por escalares) tiene otra operacin binaria que cumple los axiomas en el recuadro
a la derecha, entonces, se le llama lgebra. Observese que los primeros 3 axiomas
los podemos resumir en uno: la suma de vectores y definen un anillo en el espacio
vectorial. El cuarto axioma lo que quiere decir es que para cualquier escalar y
cualesquiera vectores a y b se cumple que a*b=b(a*b).
Alg1) *es asociativa
Alg2) *es distributiva con respecto a +
Alg3) *tiene elemento neutro
Alg4) *conmuta con el producto por escalares

Para ver que Endc es un lgebra solo nos queda comprobar que la composicin
tiene elemento neutro. Pero esto es obvio ya que la funcin identidad cumple que

f*1=1f=f

Pgina 30 de 39

O sea, es el neutro para la composicin. Hemos demostrado el siguiente resultado:

El espacio vectorial Endc en un algebra con respecto a la composicin
Hay dos lgebras importantes que deben ser muy conocidas por el lector. Primero,
el conjunto de los polinomios con coeficientes reales R[x] es un espacio vectorial
sobre R. segundo, los nmeros complejos son un espacio vectorial de dimensin
sobre los reales pero adems sabemos multiplicar nmeros complejos.

Un lgebra se le llama conmutativa si el producto de vectores es conmutativo. El

lgebra de los nmeros complejos y el lgebra de polinomios sobre un campo son
conmutativas. Las algebras Endc casi nunca son conmutativas (salvo en
dimensin). Por ejemplo en el plano cartesiano R2 la rotacin f en 45 y la reflexin
g en el eje y son operadores lineales.

Ejemplos:

Pgin
a 30
de 39

Pgin
a 31
de 39

5.7 APLICACIONES DE LAS TRANSFORMACIONES LINEALES.

Transformaciones afines y grficas de computadora

Definiciones
Sea A una matriz m x n. una transformacin afn T: RnRm tiene la forma T(x)= Ax
+b
Para algn vector m fijo b. esta transformacin es no lineal si b 0. Por lo anterior,
T(0) 0. En el caso especial en que m= n y A sea la matriz I de identidad, n x n,
entonces
T(x)= Ix + b= x + b
A esta T se le llama traslacin por b.
Una traslacin por un vector b 0 desplaza a una figura sumando b a todos sus
puntos. Una transformacin afn es una transformacin lineal seguida de una
traslacin. La figura (a) muestra la imagen S del cuadrado S despus de la
traslacin por (2,-1) y la figura (b) muestra la transformacin afn.

T consiste en una rotacin de 45 seguida de una traslacin por (-2,0). Las

transformaciones afines con n= m= 2 y n=m=3 son muy tiles para las graficas en
Pgin
computadora.

a 32
de 39

Ejercicio 1
Obtenga la transformacin afn T que convirti la imagen izquierda de la figura en
la de la derecha, puesto que se usaronlos siguientes puntos:
(1,0), (0.7,0.7), (0,1), (-0.7,0.7), (-1,0), (-0.7, -0.7), (0,-1), (0.7,-0.7), (1,0)
Cuyas respectivas imgenes fueron:

(2,-1), (2.05, -0.3), (1.5, 0), (0.65,-0.3), (0,-1), (0.05,-1.7), (0.5,-2),(1.35,-1.7), (2,-1)

Pgin
a 33
de 39

Por lo anterior, T es el deslizamiento en 0.5 a lo largo del eje x seguido de la

traslacin por (1,-1).

Tranformaciones afines y fractales

En los ltimos aos ha surgido un rea nueva en las matemticas, llamada
geometra fractal. Aunque esta geometra tiene sus races en varias contribuciones
importantes como las de Cantor, Sierpinski, von Koch, Peano y otros matemticos
del siglo XIX, no fue sino hasta finales de la dcada de los 60s que llego a ser un
campo nuevo. Esto se debio al trabajo precursor de Benoit Mandelbrot de la IBM
Corporation, y a la disponibilidad de computadora rapidas. La palabra Fractal,
introducida por Mandelbrot, se usa para describir figuras con infinitas repeticiones
d ela misma forma. A continuacin describiremos 2 fractales, el tringulo de
Sierpinski y un fractal que se ve como un abeto (es un anlogo del helecho por M.
Barnsley).
M. Barnsley observ que pueden obtenerse muchos objetos fractaloides
graficando iteraciones de ciertas transformaciones afines.
Pgin
a 34
de 39

1. El Tringulo de sierpinski
Sean f1, f2, f3 las 3 transformaciones afines de R2 a R2 expresadas por

El tringulo de Sierpinski puede generarse como sigue: comenzaremos con un

tringulo, por ejemplo, aquel cuyos vrtices estn en (0,0), (1,0) y elegimos un
punto dentro de l.

Y lo graficamos, digamos, en el punto (

). A continuacin seleccionamos al azar

una de las transformaciones f1, f2 0 f3, digamos f1, y se calcula y grafica fi(
).
Partiremos de este nuevo punto y repetiremos el proceso tanto como lo deseemos.
La imagen que resulta es un objeto fractal que parece un tringulo con agujeros
triangulares (si se grafican bastantes puntos).

Pgin
a 35
de 39

2. Un abeto parecido al helecho de Barnsley

Sean f1, f2,f3,f4 las 4 transformaciones afines de R2 a R2 representadas por

El fractal parecido a un abeto puede generarse como sigue: se elige y grafica

cualquier punto, por ejemplo (5,5). A continuacin se selecciona aleatoriamente
una de las funciones f1, f2,f3 o f4, digamos fi y se calcula y grafica fi(5,5). Haciendo
que ste sea un nuevo punto de partida, se repite el proceso. La imagen que
resulta parece una parte de un abeto.

Pgin
a 36
de 39

A continuacin describiremos el procedimiento que gener ambos fractales. Este

procedimiento produce una imagen fractal para algunos conjuntos de
transformaciones afines.
Algoritmo:

Pgin
a 37
de 39

BIBLIOGRAFIA

Grossman, Stanley, ALGEBRA LINEAL 2 edicin,

Nakos, George. LGEBRA LINEAL CON APLICACIONES, Edit. Thomson.

Belinchn, Jos A., notas del lgebra lineal Elemental.

Williams, Garet., Transformaciones lineales con aplicaciones (4 Edicion),

Edit. McGraw-Hill.

Pgin
a 38
de 39