Competencia 5 Transformaciones Lineales Invesigacion

| INSTITUTO TECNOLOGICO DE ORIZABA
GRUPO: 2f3O
COMPERENCIA 5: Transformaciones
Lineales
INTEGRANTES:
ALVARES SALGADO JUAN PABLO
RIVERA CABRERA LUIS ALBERTO
SÁNCHEZ BENITEZ ALDO JOEL.
REYES FLORES GLADIS ANAHI
TRUJILLO DURAN JOSE LUIS
HERNÁNDEZ HERNÁNDEZ IVAN ALAIN
Investigación “Transformaciones Lineales “
CATEDRÁTICO:
ING. MIGUEL ANGEL
HERRERA
HERNANDEZ
Contenido
Introducción a las transformaciones lineales .......... 3

Núcleo o imagen de una transformación lineal ....... 6
Representación matricial de una transformación
lineal. ........................................................................ 8
Aplicación de las transformaciones lineales: ......... 11
Bibliografía ............................................................. 12
Introducción a las transformaciones lineales
La diferencia entre una ecuación matricial Ax = b y la ecuación vectorial asociada
x1a1 + ∙ ∙ ∙ + xnan = b es sólo un asunto de notación. Sin embargo, una ecuación
matricial Ax = b puede aparecer en álgebra lineal (y en aplicaciones como la grafi
cación por computadora y el procesamiento de señales) en una manera que no
esté directamente relacionada con combinaciones lineales de vectores. Esto
sucede cuando se piensa en la matriz A como un objeto que “actúa” sobre un
vector x multiplicándolo para producir un nuevo vector llamado Ax. Por ejemplo,
las ecuaciones
establecen que multiplicar por A transforma a x en b y a u en el vector cero. Vea

la figura 1.
Desde este nuevo punto de vista, la resolución de la ecuación Ax = b equivale a
encontrar todos los vectores x en R4 que se transformen en el vector b en R2 bajo
la “acción” que representa multiplicar por A. La correspondencia de x a Ax se
denomina función de un conjunto de vectores a otro. Este concepto generaliza el
conocimiento usual de función como una regla que transforma un número real en
otro.
TRANSFORMACIONES LINEALES
Una transformación (o función o mapeo) T de Rn a Rm es una regla que asigna a
cada vector x en Rn un vector T(x) en Rm. El conjunto Rn se llama dominio de T,
y Rm se llama codominio de T. La notación T : Rn → Rm indica que el dominio de
T es Rn y que el codominio es Rm. Para x en Rn, el vector T(x) en Rm se denomina
imagen de x (bajo la acción de T). El conjunto de todas las imágenes T(x) es
llamado rango de T.
Una transformación (o mapeo) T es lineal si:

(i) T(u + v) = T(u) + T(v) para toda u, v en el dominio de T;
(ii) T(cu) = cT(u) para toda u y todos los escalares c.
Las transformaciones lineales conservan las operaciones de suma de vectores y

multiplicación por un escalar. La propiedad (1) sostiene que el resultado T(u + v)
sumando primero u y v en Rn, y aplicando luego T, es el mismo que si primero se
aplica T a u y a v y luego se suman T(u) y T(v) en R m. Estas dos propiedades
conducen fácilmente a los útiles fundamentos siguientes.
La propiedad (3) se deriva de (ii), porque T(0) = T(0u) = 0T(u) = 0. La propiedad
(4) requiere tanto de (i) como de (ii): T (cu+ dv)=T (cu) + T (dv)=cT(u) + dT(v)
Observe que si una transformación satisface (4) para todas u, v, c y d, entonces
tiene que ser lineal. (Se establece c = d = 1 para la conservación de la suma, y d
= 0 para conservar la multiplicación por escalares.) Al aplicar (4) en forma repetida
se obtiene una generalización útil:
T (c1v1 +···+ cpvp)=c1T(v1) +···+ cpT(vp) (5)
En física e ingeniería, (5) se denomina principio de superposición. Piense en v 1, .

. . , vp como señales que entran en un sistema o proceso, y en T(v 1), . . . , T(vp)
como las respuestas de ese sistema o proceso a dichas señales.
Ejemplo: Dado un escalar r, se defi ne T : R2 → R2 como T(x) = r x. Se dice que

T es una contracción cuando 0 ≤ r ≤ 1, y es una dilatación cuando r > 1. Sea r =
3, demuestre que T es una transformación lineal.
Solucion: Sean u, v en R2 y c, d escalares.

Entonces, T (cu+ dv) = 3(cu+ dv) Deﬁnición deT
= 3cu+3dv
= c(3u) + d(3v) Aritmetica vectorial
= cT(u) + dT(v)
Por lo tanto, T es una transformación lineal porque satisface (4).

Núcleo o imagen de una transformación
lineal
A una transformación lineal f : V → W podemos asociarle un subespacio de V , llamado su
núcleo, que de alguna manera mide el tamaño de la pre-imagen por f de un elemento de su
imagen. En particular, conocer este subespacio nos permitirá determinar si f es inyectiva.
Sean V y W dos K-espacios vectoriales, y sea f : V → W una transformación lineal. Se llama
núcleo de f al conjunto Nu (f) = {v ∈ V / f(v) = 0} = f −1 ({0}).
Ejemplo.
Sea f: R 3 → R 2 la transformación lineal definida por f(x1, x2, x3) = (x1, x2). Entonces
Nu (f) = {(x1, x2, x3) ∈ R 3 : f(x1, x2, x3) = 0}
= {(x1, x2, x3) ∈ R 3 : x1 = x2 = 0} =<(0,0,1)>.
La siguiente proposición nos da una manera de determinar si una transformación lineal es un
monomorfismo considerando simplemente su núcleo.
Sea f: V → W una transformación lineal. Entonces
f es monomorfismo ⇐⇒ Nu(f) = {0}
(⇒) Si f es un monomorfismo, entonces es una función inyectiva. En particular, existe a lo sumo
un elemento v ∈ V tal que f(v) = 0. Puesto que f(0) = 0, debe ser v = 0. Luego, Nu(f) = {0}.
(⇐) Sean v, v0 ∈ V. Supongamos que f(v) = f(v 0 ). Entonces f (v − v 0) = f(v) − f(v 0 ) = 0, con lo
que v−v 0 ∈ Nu(f) y por lo tanto, la hipótesis Nu(f) = {0} implica que v−v 0 = 0, es decir, v = v 0 .
Luego f es inyectiva.
Otro conjunto importante asociado a una transformación lineal es su imagen.

Recordamos que si f: V → W, su imagen se define como Im (f) = {w ∈ W / ∃ v ∈ V, f(v) =w}.
Se desprende que la imagen de una transformación lineal f : V → W resulta ser un subespacio de
W. Ejemplo.
Hallar la imagen de la transformación lineal f : R 3 → R 3 definida como f(x1, x2, x3) = (x1 − x2,
−x1 + x2, 2x1 − 2x2 + x3).
Por definición
Im(f) = {y ∈ R 3 / ∃ x ∈ R 3 , f(x) = y}
= {y ∈ R 3 / ∃ (x1, x2, x3) ∈ R 3 , (x1 − x2, x1 − x2, 2x1 − 2x2 + x3) = y}.
Entonces, un elemento de y pertenece a Im (f) si y solo si es de la forma

y = (x1 − x2, −x1 + x2, 2x1 − 2x2 + x3) = (x1, −x1, 2x1) + (−x2, x2, −2x2)
+ (0, 0, x3) =x1.(1,−1,2)+x2.(−1,1,−2)+x3.(0,0,1).
Luego, Im (f) = < (1, −1, 2),(−1, 1, −2),(0, 0, 1) > = < (1, −1, 2),(0, 0, 1) >.
Otra manera de calcular la imagen de f, teniendo en cuenta que es una transformación lineal, es
la siguiente:
Consideremos un sistema de generadores de R 3, por ejemplo la base canónica {e1, e2, e3}.
Para cada x R 3 se tiene que x = x1.e1 + x2.e2 + x3.e3, de donde resulta que
f(x) = x1.f(e1) + x2.f(e2) + x3.f(e3).
Luego,
Im(f) = {f(x) : x R 3 } = < f(e1), f(e2), f(e3) > =
=<(1,−1,2),(−1,1,−2),(0,0,1)>=<(1,−1,2),(0,0,1) >.
La proposición siguiente generaliza el segundo de los procedimientos utilizados en el ejemplo

anterior para el cálculo de la imagen de una transformación lineal.
Sean V y W dos K-espacios vectoriales y sea f: V → W una transformación lineal. Entonces, si {vi:
i I} es un sistema de generadores de V, {f(vi) : i I} es un sistema de generadores de Im(f).
Ejemplo.
Sean S y T los subespacios de R 3 definidos por S = {x R 3 / x1 − x2 = 0} y T = {x R 3 / x3 = 0}.
Hallar una transformación lineal f : R 3 → R 3 tal que f(S) = T.
Sabemos que para definir una transformación lineal f : R 3 → R 3 basta con especificar los
valores que toma sobre los elementos de una base de R 3 .
Consideramos entonces una base de S, por ejemplo {(1, 1, 0),(0, 0, 1)}, y la extendemos a una
base de R 3 , por ejemplo {(1, 1, 0),(0, 0, 1),(1, 0, 0)}. Teniendo en cuenta que T = < (1, 0, 0),(0, 1,
0) >, definimos: f(1, 1, 0) = (1, 0, 0), f(0, 0, 1) = (0, 1, 0), f(1, 0, 0) = (0, 0, 1).
Entonces f(S) = < f(1, 1, 0), f(0, 0, 1) > = < (1, 0, 0),(0, 1, 0) > = T
Representación matricial de una
transformación lineal.
Si T es una función de en definida por en donde A es una

matriz de , y dado que la condición corresponde a la
propiedad distributiva de la multiplicación de matrices y la
condición es también una propiedad de la multiplicación de
matrices . Entonces T es una transformación lineal. Y se puede
concluir que:
Toda matriz A de define una transformación lineal de en .

Ahora consideremos una transformación lineal T de en ; si aplicamos
esta transformación a los vectores base de , obtenemos los siguientes
vectores:
Si construimos una matriz AT cuyas columnas sean los vectores

; AT define una transformación lineal de en tal que si
para i = 1, 2, . . . , n.
Entonces
y por lo tanto para i = 1, 2, . . . , n. Concluimos que T y la
transformación AT , son la misma, porque tienen el mismo efecto sobre los vectores
base.
AT es la matriz cuyas columnas son los vectores .
La matriz AT se llama matriz de transformación de T o representación

matricial de T.
Si se usan bases diferentes, las matrices de transformación que se obtendrán serán
diferentes.
Ejemplo 1.
Encuentre la representación matricial de la transformación

lineal T de en definida por
Aplicamos T a los vectores base de :
, , ,
Entonces la matriz AT es
Ejemplo 2.
En el ejemplo 1 se utilizó la base canónica para construir la matriz de representación de

la transformación lineal
ahora se utilizará la base .
, , ,
Entonces la nueva matriz de transformación queda:
Ejemplo 3.
Encuentre la representación matricial AT de la transformación lineal T definida

por
Aplicamos T a los vectores base de :
Entonces la matriz de transformación es
Ejemplo 4.
Encuentre la representación matricial AT de la transformación lineal T definida por

Aplicamos la transformación a los vectores base de
Entonces la matriz de transformación es .

REPRESENTACION MATRICIAL DE UNA TRANSFORMACION LINEAL.
Aplicación de las transformaciones lineales:
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. La notación general utilizada para una transformación lineal es T: Rn
Las transformaciones lineales forman un “hilo” que se entreteje en la tela de este texto. Su utilización
mejora el sentido geométrico de lo escrito. Por ejemplo, en el capítulo 1, las transformaciones lineales
proporcionan una visión dinámica y gráfica de la multiplicación matriz-vector.
1. Reflexión: Cuando un conjunto de puntos dados es graficado desde el espacio euclidiano de

entrada a otro de manera tal que este es isométrico al espacio euclidiano de entrada, llamamos a la
operación realizada la reflexión del conjunto de puntos dado. Esto puede realizarse también con respecto
a la matriz, en tal situación la matriz de salida es llamada la matriz de reflexión. La reflexión 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. Expansión: Al igual que en la reflexión, también es posible expandir los puntos dados en una
dirección particular. La expansión se realiza habitualmente para un cierto grado. Es como realizar una
operación de multiplicación de los elementos del conjunto de puntos dados con un término escalar hacia
la dirección donde tiene que ser expandido. Sea para un punto (2, 3) si el grado de expansión 2 es la
dirección de y, entonces el nuevo punto obtenido es (2, 6).
Bibliografía
mate.dm.uba.ar. (s.f.). Recuperado el 18 de 05 de 2020, de mate.dm.uba.ar:
http://mate.dm.uba.ar/~jeronimo/algebra_lineal/Capitulo3.pdf
Lay, D. C. (2020). introduccion a las transformaciones lineales. En D. C. Lay, algebra lineal y sus
aplicaciones (págs. 73-78). Mendoza: Addison Wesley.
Fcm.ens.uabc.mx. (2010). Recuperado 15 de Mayo del 2020, desde

http://fcm.ens.uabc.mx/~matematicas/algebralineal/V%20Transformaciones%20Lineales/03%2
0representacion%20matricial.htm.
s.a. (2015). Sistemas Algebra Lineal. 15- Mayo -2020, de Google Sitio web:
https://sites.google.com/site/sistemasalgebralineal/unidad-5---transformacioneslineales/5-4-aplicacion-
de-las-transformaciones-lineales

Competencia 5 Transformaciones Lineales Invesigacion

Cargado por

Copyright:

Formatos disponibles

Competencia 5 Transformaciones Lineales Invesigacion

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Competencia 5 Transformaciones Lineales Invesigacion

Cargado por

Copyright:

Formatos disponibles

| INSTITUTO TECNOLOGICO DE ORIZABA

Investigación “Transformaciones Lineales “

Introducción a las transformaciones lineales .......... 3

establecen que multiplicar por A transforma a x en b y a u en el vector cero. Vea

Una transformación (o mapeo) T es lineal si:

Las transformaciones lineales conservan las operaciones de suma de vectores y

T (c1v1 +···+ cpvp)=c1T(v1) +···+ cpT(vp) (5)

En física e ingeniería, (5) se denomina principio de superposición. Piense en v 1, .

Ejemplo: Dado un escalar r, se defi ne T : R2 → R2 como T(x) = r x. Se dice que

Solucion: Sean u, v en R2 y c, d escalares.

Por lo tanto, T es una transformación lineal porque satisface (4).

Otro conjunto importante asociado a una transformación lineal es su imagen.

Entonces, un elemento de y pertenece a Im (f) si y solo si es de la forma

La proposición siguiente generaliza el segundo de los procedimientos utilizados en el ejemplo

Si T es una función de en definida por en donde A es una

Toda matriz A de define una transformación lineal de en .

Si construimos una matriz AT cuyas columnas sean los vectores

La matriz AT se llama matriz de transformación de T o representación

Encuentre la representación matricial de la transformación

Aplicamos T a los vectores base de :

En el ejemplo 1 se utilizó la base canónica para construir la matriz de representación de

Entonces la nueva matriz de transformación queda:

Encuentre la representación matricial AT de la transformación lineal T definida

Aplicamos T a los vectores base de :

Entonces la matriz de transformación es

Encuentre la representación matricial AT de la transformación lineal T definida por

Entonces la matriz de transformación es .

Aplicación de las transformaciones lineales:

1. Reflexión: Cuando un conjunto de puntos dados es graficado desde el espacio euclidiano de

Fcm.ens.uabc.mx. (2010). Recuperado 15 de Mayo del 2020, desde

También podría gustarte