5.1 Introducción a las transformaciones lineales.

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:
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.

Teniendo en cuenta que las transformaciones lineales son funciones entre conjuntos, tiene
sentido estudiar la validez de las propiedades usuales de funciones: inyectividad, suryectividad
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.

5.2 Núcleo e imagen de una transformación lineal.

Transformaciones lineales: núcleo e imagen.

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.

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

ii. La imagen de T, denotado por Im T, está 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.

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.

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.
 5.4 Aplicación de las transformaciones lineales: reflexión, dilatación,
contracción y rotación.
Reflexión

Algunas orientaciones deseables para los objetos tridimensionales no pueden ser obtenidas
usando solamente giros. Con la reflexión se consigue un efecto "espejo", de modo que los
objetos se ven reflejados en un plano. Cuando la reflexión se hace sobre uno de los planos
ortogonales (x = 0, o y = 0, o bien z = 0) la matriz de transformación es sencilla, pues es similar
a la matriz identidad, aunque siendo –1 el elemento que representa a la coordenada que es nula
en el plano de reflexión. Así, las matrices de reflexión para los planos XY, XZ e YZ son:

Cuando se quiera una reflexión sobre un plano cualquiera, el proceso se complica notablemente.
La técnica utilizada es similar a la del giro sobre eje arbitrario. En este caso, inicialmente se
requiere definir un punto en el plano, y lanormal al plano en ese punto.

El proceso de reflexión se resume en los siguientes puntos:

• Trasladar el punto establecido del plano al origen de coordenadas

• Realizar los giros oportunos para hacer coincidir el vector normal al plano de reflexión con
uno de los ejes de coordenadas; así el problema se reduce a una simple reflexión sobre alguno
de los planos del sistema de referencia.
Por ejemplo, si el eje escogido es el Z, el plano de reflexión sería el XY.
• Realizar la reflexión sobre el plano seleccionado
• Aplicar las transformaciones inversas para devolver el plano de reflexión a su posición
original.
La matriz neta podría ser, por ejemplo, el resultado de la composición de las matrices [M]= [T]·
[G]· [G]· [R]· [G]-1 ·
[G]-1 ·[T]-1 x y z y x, si se opta por realizar las transformaciones para alinear el vector normal
con el eje Z. En tal caso,
la matriz de reflexión a utilizar sería la Rz.

Rotación

Otro tipo común de transformación en el plano es la rotación o giro en torno a cualquier punto
en el plano. Nos interesan principalmente las rotaciones en tormo al origen. Rotación en el
plano: La transformación :2→2 se define por

y hace girar cada vector, θ rad en sentido contrario al de las manecillas del reloj en torno al
origen.
Por ejemplo, calcularemos la imagen de (1,1) para teta =pi/2.

Rotación en torno al origen

COMPRESIONES-EXPANSIONES
Las compresiones y expansiones son escalamientos a lo largo de los ejes coordenados. Con más
precisión: para CC >c >0, la transformación Cx X, = (cx, y) escala las coordenadas x en un
factor de c, dejando inalteradas a las coordenadas y. Si 0< c <1 se trata de una compresión en la
dirección del eje x positivo. Si c >1, se refiere a una expansión. También se tienen compresiones
y expansiones a lo largo del eje y, expresadas por Cy X, = c, y para c >0.
Compresión y estiramiento a lo largo del eje x.

Otro tipo son los escalamientos simultáneos a lo largo de los ejes x & y, como C xy X, = cx, y
con factores de escala c>0 y d >0 a lo largo de las direcciones x & y.

Escalamiento a lo largo de los ejes x & y.

Tanto Cx como Cy y C xy son transformaciones matriciales, con sus respectivas matrices

CORTES

Un corte o deslizamiento a lo largo del eje x es una transformación de la forma Sx x, y = (x+cy,

y)

En otras palabras, cada punto se mueve a lo largo de la dirección x una cantidad proporcional a
la distancia al eje x.
También hay cortes a lo largo del eje y:
Sy x, y = (x, cx+y)

Sx y Sy son transformaciones matriciales cuyas matrices son

Deslizamiento a lo largo del eje x.