“UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

TRANSFORMACIONES LINEALES

I. DEFINICION Y PROPIEDADES.

En primer lugar, una transformación lineal es una función. Por ser función, tiene su dominio y su
condominio, con la particularidad de que éstos son espacios vectoriales. Tenemos dos espacios
vectoriales V y W, y una función que va de V a W. O sea, una regla de asignación que transforma
vectores de V en vectores de W. Pero no toda función que transforme vectores de V en vectores
de W es una transformación lineal. Debe cumplir cierta condición es (Dept. De Geometría Y
Topología Y De Analisis Matematico, 2009):

F:V→W→ es una transformación lineal si y sólo si:

1. F(u+v)=F(u)+F(v) ∀u,v∈V
2. F(k.v)=k.F(v) ∀v∈V, ∀k∈R

Propiedad 1

La imagen del vector nulo del dominio 0V es el vector nulo del condominio 0w:

T(0V)=0w

Demostración:

T(0V)=T(0.v)=0.T(v)=0.w=0W

Donde hemos expresado a 0v como el producto del escalar 0 por cualquier vector del espacio vectorial V,
hemos usado la segunda condición que debe cumplir una transformación lineal, y finalmente hemos vuelto
a usar la propiedad de espacios vectoriales sobre el producto del escalar 0 por cualquier vector.

Propiedad 2

La imagen del vector –v es igual al opuesto de la imagen de v:

T(–v)= –T(v)

Demostración:

T(–v)=T(–1.v)=–1.T(v)= –T(v)

La justificación de los pasos dados en la demostración es similar a la anterior.

Propiedad 3

Consideremos r vectores del espacio vectorial V:

v1,v2,…,vr∈V
Tomemos una combinación lineal en el dominio:

α1v1+α2v2+α3v3+...+αrvr
CRISTHIAM JHEASMANY FLORES AROVIRE
 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

Donde αi ∈R
Si aplicamos la transformación lineal F de V a W, teniendo en cuenta las propiedades enunciadas en la
definición, resulta:

F(α1v1+α2v2+α3v3+...+αrvr)=α1F(v1)+α2F(v2)+…+αrF(vr)

Es decir que una transformación lineal «transporta» combinaciones lineales de V a W, conservando los
escalares de la combinación lineal. I (Ingeniería Civil. Matemáticas, 2017)

EJEMPLO 1:
Analizar si la siguiente función es una transformación

RESOLUCION:

CRISTHIAM JHEASMANY FLORES AROVIRE

 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

EJEMPLO 2:

SOLUCION:

CRISTHIAM JHEASMANY FLORES AROVIRE

 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

II. KERNEL Y RANGO DE UNA TRANSFORMACIÓN LINEAL

Núcleo (Kernel) de una Transformación Lineal: El núcleo de una transformación lineal, también conocido
como espacio nulo, es el conjunto de todos los vectores de entrada en el dominio que se mapean al vector
cero en el espacio de llegada. En términos matemáticos, si tenemos una transformación lineal T: V → W,
el núcleo (Ker(T)) se define como (Tesis de Doctorado, 2018):

Ker(T) = {v ∈ V | T(v) = 0}

CRISTHIAM JHEASMANY FLORES AROVIRE

 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

Es decir, el núcleo de T es el conjunto de vectores de entrada cuya imagen es el vector cero en el espacio
de llegada.

Rango de una Transformación Lineal:

El rango de una transformación lineal es el espacio generado por todas las imágenes posibles de los vectores
de entrada en el dominio. En términos matemáticos, para una transformación lineal T: V → W, el rango
(Im(T)) se define como:

Im(T) = {T(v) | v ∈ V}

Esto significa que el rango es el conjunto de todas las imágenes de los vectores de entrada bajo la
transformación lineal T, y forma un subespacio en el espacio de llegada (Sri Lanka, 2016).

EJEMPLO 1:

CRISTHIAM JHEASMANY FLORES AROVIRE

 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

EJEMPLO 2:

EJEMPLO 3:

CRISTHIAM JHEASMANY FLORES AROVIRE

 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

CRISTHIAM JHEASMANY FLORES AROVIRE

 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

III. MATRIZ ASOCIADA A UNA TRANSFORMACIÓN LINEAL

Definición (matriz asociada a una transformación lineal respecto a un par de bases, repaso). Sean
V,W espacios vectoriales de dimensiones finitas sobre un campo F, sea A = (a1,...,an) una base de
V , sea B = (b1,...,bm) una base de W, y sea T ∈ L(V,W). La matriz de T en bases B y A (o matriz
asociada con T respecto a las bases B y A), denotada por TB,A, se define como la matriz cuyas
columnas son columnas de coordenadas de los vectores T(a1),...,T(an) en base B: (Revista de la
Asociación de Técnicos de Informática 2012)

Representación matricial de una transformación lineal, repaso). Sean V,W espacios vectoriales de
dimensiones finitas sobre un campo F, sea A una base de V , sea B una base de W, sea T ∈ L(V,W).
Entonces para todo v ∈ V se tiene: (Educación Matemática 2015)

(Tv)B = TB,AvA. (1)

La fórmula (1) se llama la representación matricial de T. En particular, si W = V y

A = B, entonces
(T v)B = TBvB
Ejemplo 1 (matriz de una transformación lineal en un espacio de polinomios). Demostrar que la función T
: P2(R) → P2(R) definida mediante la siguiente regla de correspondencia es una transformación lineal:

(Tf)(x) = (x2 − 3x + 5)f00(x) + (x − 1)f0(x) + 4f(x).

Calcular la matriz TE asociada a T respecto a la base can´onica E = (e0,e1,e2), donde

e0(x) = 1, e1(x) = x, e2(x) = x2.

CRISTHIAM JHEASMANY FLORES AROVIRE

 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

EJEMPLO 1:

Para comprobación calcular Tg aplicando la regla de correspondencia de T, escribir el vector (Tg)E y calcular
el producto TEgE.

g(x) = 3 − 4x + 5x2.

Solución. I. Demostremos que T es lineal. Si f,g ∈ P2(R), entonces

(f + g)0 = f0 + g0, (f + g)00 = f00 + g00, (f + g)(x) = f(x) + g(x), y por lo tanto

Si f ∈ P2(R) y λ ∈ R, entonces

(λf)0 = λf0, (λf)00 = λf00, (λf)(x) = λf(x),

y por lo tanto

II. Calculamos los polinomios T(ej), j = 0,1,2, y sus coordenadas respecto a la base E:

T(e0) = 0 + 0 + 4 = 4e0 + 0e1 + 0e2;

T(e1) = 0 + (x − 1) + 4x = −1 + 5x = −1e0 + 5e1 + 0e2;
T(e2) = 2(x2 − 3x + 5) + 2x(x − 1) + 4x2 = 10 − 8x + 8x2 = 10e0 − 8e1 + 8e2.

Escribimos (T(e0))E,(T(e1))E,(T(e2))E, es decir, las columnas de coordenadas de los polinomios

T(e0),T(e1),T(e2) respecto a la base E (este paso es simple y se puede omitir):

, , .

Formamos la matriz TE juntando las columnas (T(e0))E,(T(e1))E,(T(e2))E.

CRISTHIAM JHEASMANY FLORES AROVIRE

 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

Respuesta: .

III. Para la comprobación, consideramos el polinomio

g(x) = 3 − 4x + 5x2

y calculemos (T(g))E de dos maneras diferentes. Por un lado,

(T(g))(x) = (x2 − 3x + 5) · 10 + (x − 1)(10x − 4) + 4(3 − 4x + 5x2) = 66 − 60x + 40x2,

de allí

.
Por otro lado, podemos calculas (T(g))E usando la fórmula de la representación matricial de T:

.
EJEMPLO 2
(matriz asociada a una transformación lineal que actúa en un espacio de matrices). Demostrar que la función
T : M2(R) → M2(R) definida mediante la siguiente regla de correspondencia es una transformación lineal:

T(X) = XA, donde .

Hallar la matriz asociada a T respecto a la base F = (F1,F2,F3,F4) de M2(R), donde

Para comprobar la respuesta calcule T(Y ) de dos maneras diferentes:

1) usando la matriz asociada;

2) aplicando la regla de correspondencia de T.

CRISTHIAM JHEASMANY FLORES AROVIRE

 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

Solución. I. Para demostrar que T es lineal usamos propiedades de las operaciones con matrices, a saber:
la propiedad distributiva izquierda de la multiplicación respecto a la adición, le propiedad homogénea de la
multiplicación (respecto al primer factor), y las propiedades asociativa y conmutativa de la adición.

T(X + λY ) = (X + λY )A = XA + (λY )A = XA + λY A = T(X) + T(Y ).

II. Matriz asociada. Primero calculamos las imágenes de las matrices básicas F1,F2,F3,F4 bajo la
transformación T y sus coordenadas respecto a la base F:

,
Escribir las columnas de coordenadas de T(F1),T(F2),T(F3),T(F4) respecto a la base F (este paso es muy
simple y se puede omitir):

.
De allí por definición,

Comprobación. Calculemos (TY )F de dos maneras diferentes. Primero, aplicamos la definición de T:

.
Así que

.
CRISTHIAM JHEASMANY FLORES AROVIRE
 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

IV. APLICACIONES

Las transformaciones lineales son funciones que preservan la estructura lineal entre dos espacios
vectoriales. Estas transformaciones tienen aplicaciones fundamentales en diversas áreas, tanto en
matemáticas puras como en aplicaciones prácticas. Algunas de las aplicaciones más importantes de
las transformaciones lineales son las siguientes:

Gráficos y animaciones: En gráficos por computadora y animación, las transformaciones lineales

se utilizan para realizar traslaciones, rotaciones, escalados y distorsiones de figuras y objetos en un
espacio bidimensional o tridimensional. (Hill D, 2006)

• Análisis de imágenes: En procesamiento de imágenes y visión por computadora, las

transformaciones lineales permiten realizar correcciones geométricas, ajustes de
perspectiva, reducción de ruido y mejoras en la calidad de las imágenes.
• Sistemas de ecuaciones lineales: En álgebra lineal, las transformaciones lineales se estudian
para resolver sistemas de ecuaciones lineales y analizar la dependencia lineal de los
vectores.
• Ingeniería y física: En ingeniería y física, las transformaciones lineales se utilizan para
modelar sistemas lineales, como circuitos eléctricos y sistemas mecánicos, y analizar su
comportamiento.
• Criptografía: En criptografía, las transformaciones lineales son útiles en el diseño de
algoritmos de cifrado y descifrado seguros.
• Procesamiento de señales: En procesamiento de señales, las transformaciones lineales se
emplean para analizar, filtrar y transformar señales, como en la transformada de Fourier.
• Economía y estadísticas: En economía y estadísticas, las transformaciones lineales se
aplican en análisis de regresión, ajuste de modelos y análisis de datos multivariados.
• Redes neuronales y aprendizaje profundo: En el campo del aprendizaje automático, las
transformaciones lineales son fundamentales en el diseño y entrenamiento de redes
neuronales, que son modelos matemáticos altamente expresivos utilizados en
reconocimiento de patrones y otras tareas de inteligencia artificial. (Management,2010).

Geometría y geometría computacional: En geometría, las transformaciones lineales juegan un papel

importante en el estudio de figuras geométricas y su movimiento en el espacio. Programación lineal:
En optimización, las transformaciones lineales son esenciales en la programación lineal, donde se
busca optimizar una función lineal sujeta a restricciones lineales. Estos son solo algunos ejemplos
de las muchas aplicaciones de las transformaciones lineales en diversas áreas del conocimiento. Su
importancia radica en su capacidad para simplificar problemas, expresar relaciones lineales y
modelar situaciones de la vida real de manera más clara y efectiva. (Comunicaciones en
Estadística, 2016).

V. REFERENCIAS.

Colman B. & Hill D., (2006). Ajgebra lineal, octva edición, editorial parson educación .

Larco R . & Falvo D., (2010). Fundamento de algebra lineal, sexta edición, Editorial segige
loarning.

CRISTHIAM JHEASMANY FLORES AROVIRE

 “UNIVERSIDAD NACIONAL DEL ALTIPLANO DE PUNO”

Tema 1. Repaso de matrices, determinantes y sistemas de ecuaciones lineales Universidas de

Granada Dept. De Geometría Y Topología Y De Análisis Matematico (2009).

Matrices, determinantes y sistemas de ecuaciones lineales. Ingeniería Civil. Matemáticas Ingeniería

Civil. Matemáticas I (2017).

Construcciones y mecanismos mentales para el aprendizaje del teorema matriz asociada a una
transformación lineal María Trigueros GaismanIsabel Maturana Peña[...]Miguel Rodríguez
Educación Matemática (2015).

Integrando las matrices RASCI en BPMN para la Gestión de la Responsabilidad Cristina

CabanillasManuel ResinasAntonio Ruiz-Cortés Novática: Revista de la Asociación de Técnicos de
Informática (2012).

CRISTHIAM JHEASMANY FLORES AROVIRE