Universidad Católica Tecnológica de Barahona Maestría en

Matemática Educativa

Algebra Lineal

Cod: MMM-333

Mat-222

Equipo

Gustavo West 2017-1353

Ensayo Tema: Transformaciones Lineales

Asesor: Juan Pablo Buret Berroa, Ms.C.

 Introducción

Una función, aplicación o transformación es un conjunto de operaciones que se realizan

sobre un elemento de un espacio vectorial 𝑉, para convertirlo en un elemento de otro espacio

vectorial 𝑊.

Al igual que las funciones tradiciones, las transformaciones tienen tres partes

esenciales para existir: el dominio, el codominio, y la regla de asignación, como se observa en

la figura.

El dominio es el espacio vectorial 𝑉 al cual se le aplicará la transformación; el

codominio es el espacio 𝑊 al cual pertenece el resultado de aplicar la transformación; la regla

de asignación 𝑇 es la forma en la cual se debe manipular un elemento de 𝑉 para convertirlo en

un elemento de 𝑊; finalmente, 𝑇(𝑉) es el recorrido de la transformación, y es el subconjunto

de 𝑊 obtenido a partir de la aplicación de la transformación a cada elemento de 𝑉.

Dentro de las transformaciones existe un subconjunto especial llamado núcleo. El núcleo es

parte del dominio y es el conjunto de vectores de 𝑉 cuya transformación bajo 𝑇 tiene como

único resultado al vector nulo del espacio 𝑊 (codominio).

A continuación detallamos la teoría de transformaciones lineales.

 Para hablar de Transformaciones en sentido general debemos mencionar las

transformaciones matriciales para llegar a las transformaciones Lineales.

La notación Rn para el conjunto de todos los n-vectores con entradas reales. De

acuerdo con ello, R2 denota el conjunto de todos los 2-vectores, y R 3 el conjunto de todos los

3-vectores. De manera geométrica, es conveniente representar los elementos de R2 y R3 como

segmentos de recta en un sistema de coordenadas rectangular. El enfoque es intuitivo, y nos

permitirá presentar algunas aplicaciones geométricas interesantes. Kolman, (2006).

Las funciones aparecen en casi todas las aplicaciones de matemáticas. Mostraremos

una breve introducción a ciertas transformaciones de Rn a Rm desde un punto de vista

geométrico. Ya que deseamos representar estas funciones, denominadas transformaciones

matriciales, vamos a consideraremos con mayor detalle una función más general,

denominada transformación lineal de Rn a Rm. Puesto que toda transformación matricial es

una transformación lineal, a continuación, aprenderemos más acerca de sus propiedades.

Las transformaciones lineales desempeñan un papel muy importante en muchas áreas

de matemáticas, así como en numerosos problemas de aplicación en ciencias físicas, ciencias

sociales y economía. Kolman, (2006).

Si A es una matriz de m × n y u es un n-vector, el producto Au es un m-vector. Una

función f que transforma Rn en Rm se denota mediante f: Rn → Rm. Una transformación

matricial es una función f: Rn → Rm, definida con f (u) = Au. El vector f(u) en R m se

denomina imagen de u, y el conjunto de todas las imágenes de los vectores en R n se

denomina rango de f. Aunque nos limitaremos a estudiar matrices y vectores con entradas

reales, puede desarrollarse un análisis completamente similar para matrices y vectores con

entradas complejas. Kolman, (2006).

Veamos el siguiente ejemplo, para ir comprendiendo el tema.

 Observe que si A es una matriz de m × n y f: R n→Rm es una transformación matricial

de Rn a Rm, definida por f (u) = Au, un vector w en R m está en el rango de f sólo si podemos

encontrar un vector v en Rn tal que f (v) = w.

Ya hemos hablamos de las transformaciones matriciales, funciones que transforman

Rn en Rm. Presentaremos un enfoque alternativo a las transformaciones matriciales.

Denotaremos una función que transforma Rn en Rm por L.

La definición es: Una transformación lineal L de Rn en Rm es una función que asigna

a cada u en Rn un único vector L(u) en Rm, de modo que:

(a) L(u + v) = L(u) + L(v), para cada u y v en Rn.

(b) L(ku) = kL(u), para cada u en Rn y cada escalar k.

Se dice que una función T de R n en Rm es no lineal si no es una transformación lineal.

El vector L(u) en Rm se denomina imagen de u. El conjunto de todas las imágenes en R m de

los vectores en Rn es el rango de L. Puesto que Rn puede considerarse como una sucesión de

puntos o vectores, L(u) también puede tomarse como punto o como vector de R m, para cada u

en Rn. Escribiremos el hecho de que L manda Rn en Rm, aunque no sea una transformación

lineal, como L: Rn → Rm.

Si n = m, una transformación lineal L: R n→Rm es llamada también operador lineal en

Rn. Kolman, (2006).

Veamos lo importante de lo siguiente:

Sea A una matriz de m × n. Ya definimos una transformación matricial como una

función L : Rn → Rm, definida por L(u) = Au. Al verificar que se cumplen las propiedades (a)

y (b) de la definición anterior, enseguida demostraremos que cada transformación matricial

es una transformación lineal. Kolman, (2006).

Si u y v son vectores en Rn, entonces

L(u + v) = A(u + v) = Au + Av = L(u) + L(v).

Además, si c es un escalar, entonces

L(cu) = A(cu) = c(Au) = cL(u).

Por lo tanto, toda transformación matricial es una transformación lineal.

Al ejemplo de arriba le llamaremos Ejemplo 1.

Como las primeras coordenadas de L(u + v) y L(u) + L(v) son diferentes, L(u + v) ≠

L(u) + L(v), por lo que concluimos que L es una transformación no lineal.

Puede demostrarse que L: Rn → Rm es una transformación lineal si y sólo si L(au + bv) =

aL(u) + bL(v) para cualesquiera números reales a y b y cualesquiera vectores u, v en Rn.

Los dos teoremas siguientes proporcionan algunas otras propiedades básicas de las

transformaciones lineales de Rn en Rm. Kolman, (2006).

TEOREMA # 1

Si L: Rn →Rm es una transformación lineal, entonces

L(c1u1 + c2u2 + · · · + ckuk) = c1L(u1)+ c2L(u2) + · · · + ckL(uk)

para cualesquiera vectores u1, u2, . . . , uk en Rn y cualesquiera escalares c1, c2, . . . , ck.

TEOREMA # 2

Sea L : Rn →Rm una transformación lineal. Entonces:

(a) L(0Rn) = 0Rm

(b) L(u – v) = L(u) – L(v), para u y v en Rn

COLORARIO # 1

Sea T : Rn → Rm una función. Si T(0R n) ≠ 0Rm, entonces T es una transformación no

lineal.

Demostración Sea T(0Rn) = w 0Rm. Entonces

Sin embargo,

Como w ≠ 2w, T es no lineal.

Veamos el segundo ejemplo.

Sea L : R3→ R2 una transformación lineal para la cual sabemos que

L(1, 0, 0) = (2, −1), L(0, 1, 0) = (3, 1) y L(0, 0, 1) = (−1, 2).

Determine L(−3, 4, 2).

Solución:
Veamos una aplicación práctica.
Al utilizar la correspondencia entre letras y números, vemos que Mark ha recibido el mensaje

LLEVARÉ LOS MAPAS

En general, ya hemos visto que si A es una matriz m × n, la transformación matricial

L:Rn → Rm definida mediante L(x) = Ax para x en Rn es una transformación lineal.

En el teorema siguiente demostraremos que si L : R n→Rm es una transformación lineal, L

debe ser una transformación matricial. Kolman, (2006).

Transformaciones Lineales de un espacio vectorial V en un espacio vectorial W.

Definiciones y Ejemplos:

Sean V y W espacios vectoriales. Una transformación lineal L de V en W es una función que

asigna a cada vector u en V un único vector L(u) en W tal que:

(a) L(u + v) = L(u)+ L(v) cualesquiera sean u y v en V.

(b) L(ku) = kL(u), para cada u en V y cada escalar k.

Observe que, en (a) de la definición anterior, el signo + en u + v del lado izquierdo de la

ecuación se refiere a la operación de suma en V, mientras que el signo + en L(u) + L(v) del

lado derecho de la ecuación se refiere a la operación de suma en W. De manera análoga, en

(b) el producto escalar ku está en V, mientras que el producto escalar kL(u) está en W.

Indicaremos que L transforma V en W (aunque no sea una transformación lineal), así

L: V → W.
Puede suceder que V y W sean iguales. En este caso la transformación lineal L : V →V

también se denomina operador lineal sobre V.

Por ejemplo, las siguientes son trasformaciones lineales que ya consideramos:

Recuerde que P1 es el espacio vectorial de todos los polinomios de grado ≤ 1; en general, Pn

es el espacio vectorial de todos los polinomios de grado ≤ n, y Mnn es el espacio

vectorial de todas las matrices de n × n. Kolman, (2006).

Para verificar que una función dada es una transformación lineal, debemos comprobar que se

cumplan las condiciones (a) y (b) de la definición anterior.

Veamos los siguientes ejemplos:

Teorema:

Si L : V → W es una transformación lineal, entonces

L(c1v1 + c2v2 + · · · + ckvk) = c1L(v1) + c2L(v2)+ · · · + ckL(vk)

para cualesquiera vectores v1, v2, . . . , vk en V, y cualesquiera escalares c1, c2, . . . , ck.

Teorema:

Sea L : V → W una transformación lineal. Entonces

(a) L(0V) = 0W, donde 0V y 0W son los vectores cero en V y W, respectivamente.

(b) L(u − v) = L(u) − L(v).

(a) Tenemos

0V = 0V + 0V.
Entonces,

L(0V) = L(0V + 0V) = L(0V) + L(0V)

Al sumar −L(0V) a ambos lados de la ecuación (1), obtenemos

L(0V) = 0W.

Teorema:

Sea L : V →W una transformación lineal de un espacio vectorial V de dimensión n

en un espacio vectorial W. Además, sea S = {v1, v2, . . . , vn} una base de V. Si u es

cualquier vector en V, entonces L(u) queda completamente determinada por {L(v1),

L(v2), . . ., L(vn)}. Kolman, (2006).

Demostración

Como u está en V, podemos escribir

u = c1v1 + c2v2 + · · · + cnvn,

donde c1, c2, . . . , cn son escalares determinados de manera única. Entonces,

L(u) = L(c1v1 + c2v2 + · · · + cnvn) = c1L(v1) + c2L(v2) + · · · + cnL(vn),

de acuerdo con el teorema. En consecuencia, L(u) queda completamente determinada por los

elementos L(v1), L(v2), . . . , L(vn). Kolman, (2006).

 Conclusión

Como se ha visto, una transformación tiene tres elementos esenciales: el dominio, el

codominio y la regla de correspondencia; además, tiene dos características importantes

derivadas de las tres antes mencionadas: el recorrido (perteneciente al codominio) y el núcleo

(parte del dominio).

En Álgebra Lineal se ha hablado de operaciones de suma de vectores y de

multiplicación por un escalar; para que una transformación sea caso de estudio en el Álgebra

Lineal, es necesario que mantenga dichas operaciones válidas a lo largo de la transformación.

Es así como surge el concepto de transformación lineal. Sean 𝑉 y 𝑊 dos espacios vectoriales

sobre el mismo campo 𝐾 y una transformación 𝑇:𝑉→𝑊. Se dice que 𝑇 es una

transformación lineal si satisface ∀ 𝑢,𝑣̅ ∈ 𝑉 y ∀ 𝛼 ∈ 𝐾 las propiedades

𝑇(𝑢+𝑣̅)=𝑇(𝑢)+𝑇(𝑣̅) (Principio de superposición).

𝑇(𝛼𝑢)=𝛼𝑇(𝑢) (Principio de homogeneidad).

Es decir, 𝑇 es lineal si preserva las dos operaciones definidas dentro del espacio vectorial:

suma de vectores y multiplicación de un escalar por un vector.

Las transformaciones lineales son funciones entre espacios vectoriales. Ellas

preservan (mantienen) las estructuras lineales que caracterizan a esos espacios: los

transformados de combinaciones lineales de vectores son las correspondientes

combinaciones de los transformados de cada uno de los vectores.

Las funciones que mantienen las estructuras características de los espacios entre los

que actúan son de especial importancia porque permiten” moverse” entre ellos comparando

las estructuras que los definen; en particular, permiten analizar cuan diferentes o semejantes

son desde el punto de vista de esas propiedades (lineales, en el presente caso). En conclusión,

las transformaciones lineales son tan importantes en el estudio de los espacios vectoriales,

como las isometrías o movimientos lo son en la geometría métrica.

 Bibliografía

 Kolman, B., & Hill, D. R. (2006). Álgebra lineal. Pearson Educación.

 Hoffman, K., Kunze, R., & Finsterbusch, H. E. (1973). Álgebra lineal. Prentice-Hall
Hispanoamericana.

 Grossman, S. I. (2008). Algebra lineal. McGraw Hill Educación.

 Poole, D. (2011). Álgebra lineal. Cengage Learning.

 Lay, D. C. (2001). Álgebra lineal. México: Prentice Hall.

 Arce, C., Castillo, W., & González, J. (2004). Algebra lineal. San José: Editorial de la
Universidad de Costa Rica.

 Gerber, H., Peña, E. O., Espinosa, F. H., & Bocanegra, F. P. (1992). Álgebra lineal
(No. QA251. G47. 1992.). Grupo Editorial Iberoamericana.