Unidad 4. Transformaciones Lineales

UNEFA APURE ÁLGEBRA LINEAL
Unidad 4: Transformaciones Lineales

Una transformación es un conjunto de operaciones que se realizan sobre un vector para convertirlo en
otro vector.
Una transformación lineal es una función entre espacios vectoriales, cuyo objetivo es transformar un
espacio vectorial en otro.
Definición
Sean 𝑉 y 𝑊 espacios vectoriales reales. Una transformación lineal 𝑇 de 𝑉 en 𝑊es una función que
asigna a cada vector 𝑣 ∈ 𝑉 un vector único 𝑇𝑣 ∈ 𝑊 y que satisface, para cada 𝑢 y 𝑣 en 𝑉 y cada escalar 𝛼:
1. 𝑇(𝑢 + 𝑣) = 𝑇𝑢 + 𝑇𝑣
2. 𝑇(𝛼𝑢) = 𝛼𝑇𝑢
Una transformación lineal es una función que respeta las operaciones definidas en los espacios
vectoriales (funciones que preservan la suma y la multiplicación por escalares).
Notación. Se escribe T: V → W para indicar que T transforma V en W.
Si T: V  W es una transformación lineal, el espacio V se llama dominio de T y el espacio W

se llama codominio de T.
Dado un espacio vectorial V, cuyos elementos son: v1, v2…,y dado un espacio vectorial W,
sus elementos son función de los elementos de V
Ing. Crisalida Herrera

Ejemplo:
𝑥 𝑥 + 3𝑦
Verificar que la transformación𝑇: ℝ2 → ℝ2 definida por 𝑇 (𝑦) = ( ) es una transformación
𝑥 + 2𝑦
lineal.
𝑥1 𝑥2
Sea 𝑢 = (𝑦 ) y 𝑣 = (𝑦 )Se verifican las dos condiciones:
1 2
1. 𝑇(𝑢 + 𝑣) = 𝑇𝑢 + 𝑇𝑣
𝑥1 𝑥2 𝑥1 𝑥2
𝑇 [(𝑦 ) + (𝑦 )] = 𝑇 (𝑦 ) + 𝑇 (𝑦 )
1 2 1 2
𝑥 +𝑥 𝑥 + 3𝑦1 𝑥 + 3𝑦2
𝑇 (𝑦1 + 𝑦2 ) = ( 1 )+( 2 )
1 2 𝑥1 + 2𝑦1 𝑥2 + 2𝑦2
𝑥 + 𝑥2 + 3𝑦1 + 3𝑦2 𝑥 + 𝑥2 + 3𝑦1 + 3𝑦2
( 1 )=( 1 )
𝑥1 + 𝑥2 + 2𝑦1 + 2𝑦2 𝑥1 + 𝑥2 + 2𝑦1 + 2𝑦2
𝑥1 𝑥1
𝑇 [𝛼 (𝑦 )] = 𝛼𝑇 (𝑦 )
1 1
𝛼𝑥1 𝑥 + 3𝑦1
𝑇 (𝛼𝑦 ) = 𝛼 ( 1 )
1 𝑥1 + 2𝑦1
𝛼𝑥 + 3𝛼𝑦1 𝛼𝑥 + 3𝛼𝑦1
( 1 )=( 1 )
𝛼𝑥1 + 2𝛼𝑦1 𝛼𝑥1 + 2𝛼𝑦1
Como las dos condiciones se cumplen, la transformación𝑇: ℝ2 → ℝ2 es lineal.
La transformación cero.- Sean V y W espacios vectoriales y defina T: V → W por Tv= 0 para todo
v en V. Entonces 𝑇(𝑣1 + 𝑣2 ) = 0 = 0 + 0 = 𝑇𝑣1 + 𝑇𝑣2 𝑦 𝑇(𝛼𝑣) = 0 = 𝛼0 = 𝛼𝑇𝑣. En este caso T se
llamala transformación cero.
La transformación identidad.- Sea V un espacio vectorial y defina I: V → V por Iv= v para todo v en
V. Aquí es obvio que I es una transformación lineal, la cual se llama transformación identidad u operador
identidad.
Propiedades de las transformaciones lineales: Núcleo e Imagen
Teorema 1
Sea T: V → W una transformación lineal. Entonces para todos los vectores𝑢, 𝑣, 𝑣1 , 𝑣2 , … , 𝑣𝑛 en Vy
todos los escalares 𝛼1 , 𝛼2 , … , 𝛼𝑛 :
i. 𝑇(0) = 0
ii. 𝑇(𝑢 − 𝑣) = 𝑇𝑢 − 𝑇𝑣
iii. 𝑇(𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 ) = 𝛼1 𝑇𝑣1 + 𝛼2 𝑇𝑣2 + ⋯ + 𝛼𝑛 𝑇𝑣𝑛
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 base𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 }. Sean 𝑤1 , 𝑤2 , … , 𝑤𝑛 ,n
vectores en W. Suponga que 𝑇1 𝑦 𝑇2 son dos transformaciones lineales de Ven W tales que𝑇1 𝑣𝑖 = 𝑇2 𝑣𝑖 =
𝑤𝑖 para𝑖 = 1,2, … , 𝑛. Entonces para cualquier vector 𝑣 ∈ 𝑉, 𝑇1 𝑣 = 𝑇2 𝑣; es decir, 𝑇1 = 𝑇2 .
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 T, está dado por

𝑛𝑢 𝑇 = {𝑣 ∈ 𝑉: 𝑇𝑣 = 0}
Es decir que el núcleo de una transformación lineal está formado por el conjunto de todos los vectores
del dominio que tienen por imagen al vector nulo del codominio.
Dado un espacio vectorial V, cuyos elementos son: v1, v2…,y dado un espacio vectorial W, El núcleo
está formado por todos aquellos vectores que tienen como Correspondiente el vector cero en W.
ii.La imagen de T, denotado por imagen T, esta dado por

𝐼𝑚 𝑇 = {𝑤 ∈ 𝑊: 𝑤 = 𝑇𝑣 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑛𝑎 𝑣 ∈ 𝑉}
La imagen de una transformación lineal está formada por el conjunto de todos los vectores del
codominio que son imágenes de al menos algún vector del dominio. La imagen de toda transformación lineal
es un subespacio del codominio.
Teorema 4
Si T: V → W es una transformación lineal, entonces
i.𝑛𝑢 𝑇 es un subespacio de V.
ii.𝐼𝑚𝑇 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 𝛼 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 (𝛼 u) = 𝛼 Tu = 𝛼 w. Por lo tanto, w + x y 𝛼 w están en 𝐼𝑚 𝑇.
Ejemplo
Núcleo e imagen de la transformación cero
Sea Tv = 0 para todo vϵ V (T es la transformación cero). Entonces un T = v e 𝐼𝑚T = {0}.
Núcleo e imagen de la transformación identidad
Sea Tv = v para vϵ V (T es la transformación identidad). Entonces un T= {0} e 𝐼𝑚T = V.
Nulidad y rango de una transformación lineal
Si T es una transformación lineal de v en w, entonces se define.
El rango de una transformación lineal es la dimensión de la imagen.

rg(T) = dim(Im(T))
Teorema de las dimensiones
dim(Nu(T)) + dim(Im(T)) = dim(V)
Toda matriz A de m x n da lugar a una transformación lineal𝑇: ℝ𝑛 → ℝ𝑚 definida por Tx = Ax. Es

evidente que un T = NA, 𝑖𝑚𝑎𝑔𝑒𝑛 T = 𝑖𝑚𝑎𝑔𝑒𝑛A = 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.
Matriz Asociada a una transformación Lineal
Así como se pueden representar operadores lineales como matrices, cualquier transformación lineal
entre espacios vectoriales de dimensión finita se puede representar mediante una matriz.

Sea 𝑇: ℝ𝑛 ⟶ ℝ𝑚 una transformación lineal, de acuerdo a los teoremas de representación matricial,

solo existe una matriz única 𝑚 𝑥 𝑛, la matriz 𝐴𝑇 , donde toda 𝑥 pertenece a ℝ𝑛 y donde 𝑤 representa la 𝑥
transformada, de modo que la transformación de 𝑥 es igual a 𝑥 multiplicada por la matriz de transformación.
𝑇𝑥 = 𝐴𝑇 𝑥
La matriz de transformación, representada por𝐴𝑇 , es la representación matricial de T, la operación que

convierte o transforma el vector original al vector resultado. La matriz de transformación está definida
usando las bases estándar en ℝ𝑛 𝑦 ℝ𝑚 , por lo que si se utilizan bases distintas, la matriz de transformación es
diferente.
Teorema 1: Sea 𝑇: ℝ𝑛 ⟶ ℝ𝑚 una transformación lineal. Existe entonces una matriz única de 𝑚 𝑥 𝑛, 𝐴𝑇 tal
que
Demostración: Sea w1 = Te1, w2 = Te2,….,wn = Ten. Sea 𝐴𝑇 la matriz cuyas columnas son w1, w2,…., wn y
hagamos que 𝐴𝑇 denote también ala transformación de ℝ𝑛 ⟶ ℝ𝑚 , que multiplica un vector
en ℝ𝑛 por 𝐴𝑇 . Si
Entonces:
De esta forma, 𝐴𝑇 𝑒𝑖 = 𝑤𝑖 𝑝𝑎𝑟𝑎𝑖 = 1,2, … 𝑛. , 𝑇 y la transformación 𝐴𝑇 son las mismas porque

coinciden en los vectores básicos.

Ahora se puede demostrar que 𝐴𝑇 es única. Suponga que Tx = ATx y que Tx = BTx para todo x ϵ Rn.
Entonces 𝐴𝑇 x = BTx, o estableciendo CT= AT – BT, se tiene que CTx = 0 para todo x ϵ Rn. En particular,
CTei es la columna i de CT. Así, cada una de las n columnas de CT es el m-vector cero, la matriz cero de m x n.
Esto muestra que AT = BT y el teorema queda demostrado.
Definición 1. Matriz de transformación.
La matriz AT en el teorema 1 se denomina matriz de transformación correspondiente a T o

representación matricial de T.
Nota. La matriz de transformación AT está definida usando las bases estándar tanto en Rn como en R3. Si
se utilizan otras bases, se obtendrá una matriz de transformación diferente.
Teorema 2. Sea AT la matriz de transformación correspondiente a la transformación lineal T. Entonces.
i. Im T = Im A = 𝐶𝐴𝑇
ii. P(T) = p(AT)
iii. Un T = 𝑁𝐴𝑇
iv. v(T) = v(AT)
Ejemplo
Representación matricial de una transformación de proyección
Encuentre la matriz de transformación AT correspondiente a la proyección de un vector en R3 sobre el
plano xy.
Solución

Cambio de Base y Matriz Asociada

Sea 𝑇: ℝ𝑛 → ℝ𝑚 una transformación lineal. Sean 𝐶𝑛 𝑦𝐶𝑚 las bases canónicas de ℝ𝑛 yℝ𝑚
respectivamente. Sea 𝐴𝑇 la representación matricial canónica (Standard) de T. Luego:
𝐴𝑇 . 𝑥 = 𝑇(𝑥)∀𝑥ℝ𝑛
Sean ahora:
𝐵1 𝑏𝑎𝑠𝑒𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎𝑝𝑎𝑟𝑎ℝ𝑛
𝐵2 𝑏𝑎𝑠𝑒𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎𝑝𝑎𝑟𝑎ℝ𝑚
Sean
𝑃1 𝑙𝑎𝑚𝑎𝑡𝑟𝑖𝑧𝑑𝑒𝑝𝑎𝑠𝑜𝑑𝑒𝐵1 𝑎𝐶𝑛 (𝑒𝑛ℝ𝑛 )
𝑃2 𝑙𝑎𝑚𝑎𝑡𝑟𝑖𝑧𝑑𝑒𝑝𝑎𝑠𝑜𝑑𝑒𝐵1 𝑎𝐶𝑚 (𝑒𝑛ℝ𝑚 )
Si 𝐴′ 𝑇 = [𝑇]𝐵1 𝐵2 es la representación matricial de 𝑇 respecto de 𝐵1 𝑦𝐵2 respectivamente. Entonces se
verifica:
En consecuencia 𝐴′ 𝑇 es semejante a 𝐴𝑇
Ejemplo:
𝑥
𝑥+𝑦
Considerando la Transformación lineal 𝑇: ℝ3 → ℝ2 dada por la función 𝑇 (𝑦) = ( 𝑦 − 𝑧 ). Calcular la matriz
𝑧
1 1 1
1 1
asociada a 𝑇 respecto de las bases 𝐵1 = {(1) , (1) , (0)} de ℝ3 y 𝐵2 = {( ) , ( )} de ℝ2 .
1 0
1 0 0
Se inicia con la base canónica del espacio vectorial en ℝ3
1 0 0
{(0) (1) (0)}
0 0 1
Se sustituyen los vectores en la función

1 0 0
1 1 0
𝑇 (0) = ( ) 𝑇 (1) = ( ) 𝑇 (0) = ( )
0 1 −1
0 0 1
1 1 0
𝐴𝑇 = ( )
0 1 −1
𝐴𝑇 → 𝑅𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑎 𝑑𝑒 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛, 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑐𝑎𝑛ó𝑛𝑖𝑐𝑎
1 1 1
𝑃1 = (1 1 0)
1 0 0
𝑃1 → 𝑅𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑜𝑛𝑓𝑜𝑟𝑚𝑎𝑑𝑎 𝑝𝑜𝑟 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑛𝑢𝑒𝑣𝑎 𝑏𝑎𝑠𝑒 𝑒𝑛 ℝ3
1 1
𝑃2 = ( )
1 0
𝑆𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑛𝑣𝑒𝑟𝑠𝑎 𝑑𝑒 𝑃2 𝑎 𝑡𝑟𝑎𝑣é𝑠 𝑑𝑒𝑙 𝑚𝑒𝑡𝑜𝑑𝑜 𝑑𝑒 𝐺𝑎𝑢𝑠𝑠 𝐽𝑜𝑟𝑑𝑎𝑛
1 11 0 1 11 0 ̃ + 𝑓1 (1 01 0
𝑃2−1 = ( | ) 𝑓2 =̃
𝑓1 − 𝑓2 ( | ) 𝑓1 = (−1)𝑓2 | )
1 00 1 0 1 0 −1 0 1 0 −1
0 1
𝑃2−1 = ( )
1 −1
𝑆𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎 𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝑃2−1 y 𝐴𝑇
0 1 1 1 0 0 1 −1
𝑃2−1 ∗ 𝐴𝑇 = ( )∗( )=( )
1 −1 0 1 −1 1 0 1
1 1 1
0 1 −1 0 1 0
(𝑃2−1 ∗ 𝐴𝑇 ) ∗ 𝑃1 = ( ) ∗ (1 1 0) = ( )
1 0 1 2 1 1
1 0 0
𝐴′𝑇 = 𝑃2−1 ∗ 𝐴𝑇 ∗ 𝑃1
0 1 0
∴ 𝐴′𝑇 = ( )
2 1 1
𝐴′𝑇 → 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑎 𝑎 𝑙𝑎 𝑇𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙𝑇: ℝ3 → ℝ2 , 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎𝑠 𝑏𝑎𝑠𝑒 𝐵1 𝑦𝐵2
Isomorfismos entre Espacios Vectoriales

Definición 1 Transformación uno a uno
Sea 𝑇: 𝑉 → 𝑊 es una transformación lineal; entonces T es uno a uno, escrito 1 1, si
𝑇𝑣1 = 𝑇𝑣2 𝑖𝑚𝑝𝑙𝑖𝑐𝑎 𝑞𝑢𝑒 𝑣1 = 𝑣2

Es decir, 𝑇 es 1 − 1 si y sólo si todo vector 𝒘 en la imagen de 𝑇 es la imagen de exactamente un vector

en V.
Nota: Una Transformación 1-1 se llama inyectiva.
Teorema 1
Sea T: V → W una transformación lineal. Entonces T es 1 − 1 si y sólo si nu T = {0}.
Definición 2 Transformación Sobre
Sea T: V → W es una transformación lineal. Entonces se dice que T es sobre W o simplemente sobre, si
para todo w ∈ W existe al menos una v ∈ V tal que Tv = w. Es decir, T es sobre W si y sólo si im T = W.
Nota: Una transformación sobre se llama también Sobreyectiva.
T T
Teorema 2
Sea T: V → W una transformación lineal. Suponiendo que dim V=dim W=n.
i. Si 𝑇 𝑒𝑠 1 − 1 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑇 𝑒𝑠 𝑠𝑜𝑏𝑟𝑒.
ii. Si 𝑇 𝑒𝑠 𝑠𝑜𝑏𝑟𝑒, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑠 1 − 1.
Demostración
Sea 𝐴𝑇 una representación matricial de T. Entonces si 𝑇 𝑒𝑠 1 − 1, 𝑛𝑢 𝑇 = {0} y 𝑣(𝐴𝑇 ) = 0, lo que

significa que 𝑝(𝑇) = 𝑛 − 0 = 𝑛 de manera que 𝑖𝑚 𝑇 = 𝑊. Si T es sobre, entonces 𝑝(𝐴𝑇 ) = 𝑛, por lo tanto
𝑣(𝑇) = 𝑣(𝐴𝑇 ) = 0 𝑦 𝑇 𝑒𝑠 1 − 1.

Teorema 3
Sea T: V → W una transformación lineal. Suponiendo que dim V=n y dim W=m. Entonces
i. Si n>m, T no es 1-1
ii. Si m>n, T no es sobre.
Definición 3 Isomorfismo
Sea T: V → W una transformación lineal. Entones T es un isomorfismo si T es 1-1 y sobre.
Definición 4 Espacios vectoriales isomorfos
Se dice que los espacios vectoriales V y W son isomorfos si existe un isomorfismo T de V sobre W. En
este caso se escribe 𝑉 ≅ 𝑊.
Sea 𝑇: ℝ𝑛 → ℝ𝑛 y sea 𝐴𝑇 la representación matricial de T. T es 1-1 si y solo si 𝑛𝑢 𝑇 = {0}, lo que se

cumple si y solo si 𝑣(𝐴𝑇 ) = 0 si y solo si 𝑑𝑒𝑡 𝐴𝑇 ≠ 0.
Teorema 4. Teorema de Resumen

Sea 𝐴 una matriz de 𝑛 𝑥 𝑛; entonces las 11 afirmaciones siguientes son equivalentes, es decir, cada una
implica las otras 10 (de manera que si una es cierta, todas son ciertas):
i. 𝐴 es invertible.
ii. 𝐿𝑎 𝑢𝑛𝑖𝑐𝑎 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑎𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 ℎ𝑜𝑚𝑒𝑔𝑒𝑛𝑒𝑜 𝐴𝑥 = 0 𝑒𝑠 𝑙𝑎 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑡𝑟𝑖𝑣𝑖𝑎𝑙 (𝑥 = 0).
iii. 𝐸𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝐴𝑥 = 𝑏 𝑡𝑖𝑒𝑛𝑒 𝑢𝑛𝑎 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑢𝑛𝑖𝑐𝑎 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑛 − 𝑣𝑒𝑐𝑡𝑜𝑟 𝑏.
iv. 𝐴 𝑒𝑠 𝑒𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑡𝑒 𝑝𝑜𝑟 𝑟𝑒𝑛𝑔𝑙𝑜𝑛𝑒𝑠 𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑 𝐼𝑛 𝑑𝑒 𝑛 𝑥 𝑛.
v. 𝐴 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑒𝑠𝑐𝑟𝑖𝑏𝑖𝑟 𝑐𝑜𝑚𝑜 𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑑𝑒 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠.
vi. 𝐿𝑎 𝑓𝑜𝑟𝑚𝑎 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎 𝑝𝑜𝑟 𝑟𝑒𝑛𝑔𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝐴 𝑡𝑖𝑒𝑛𝑒 𝑛 𝑝𝑖𝑣𝑜𝑡𝑒𝑠.
vii. 𝐿𝑜𝑠 𝑟𝑒𝑛𝑔𝑙𝑜𝑛𝑒𝑠 (𝑦 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠)𝑑𝑒 𝐴 𝑠𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠.

viii. det 𝐴 ≠ 0.
ix. v(𝐴) = 0.
x. p(𝐴) = 𝑛
xi. 𝐿𝑎 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑇 𝑑𝑒 ℝ𝑛 𝑒𝑛 ℝ𝑛 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑎 𝑝𝑜𝑟 𝑇𝑥 = 𝐴𝑥 𝑒𝑠 𝑢𝑛 𝑖𝑠𝑜𝑚𝑜𝑟𝑓𝑖𝑠𝑚𝑜.

Ejercicios Resueltos
𝒙+𝒚
𝟐 𝟑
𝒙
1. Verificar que la transformación 𝑻: ℝ → ℝ definida por 𝑻 (𝒚) = ( 𝒚 ) es una transformación
𝒙−𝒚
lineal.
𝑥1 𝑥2
Sea 𝑢 = (𝑦 ) y 𝑣 = (𝑦 )
1 2
Se verifican las dos condiciones:

1. 𝑇(𝑢 + 𝑣) = 𝑇𝑢 + 𝑇𝑣
𝑥1 𝑥2 𝑥1 𝑥2
𝑇 [(𝑦 ) + (𝑦 )] = 𝑇 (𝑦 ) + 𝑇 (𝑦 )
1 2 1 2
𝑥1 + 𝑦1 𝑥2 + 𝑦2
𝑥 +𝑥
𝑇 (𝑦1 + 𝑦2 ) = ( 𝑦1 ) + ( 𝑦2 )
1 2
𝑥1 − 𝑦1 𝑥2 − 𝑦2
𝑥1 + 𝑥2 + 𝑦1 + 𝑦2 𝑥1 + 𝑥2 + 𝑦1 + 𝑦2
( 𝑦1 + 𝑦2 )=( 𝑦1 + 𝑦2 )
𝑥1 + 𝑥2 − 𝑦1 − 𝑦2 𝑥1 + 𝑥2 − 𝑦1 − 𝑦2
𝑥1 𝑥1
𝑇 [𝛼 (𝑦 )] = 𝛼𝑇 (𝑦 )
1 1
𝑥1 + 𝑦1
𝛼𝑥1
𝑇 (𝛼𝑦 ) = 𝛼 ( 𝑦1 )
1
𝑥1 − 𝑦1
𝛼𝑥1 + 𝛼𝑦1 𝛼𝑥1 + 𝛼𝑦1
( 𝛼𝑦1 ) = ( 𝛼𝑦1 )
𝛼𝑥1 − 𝛼𝑦1 𝛼𝑥1 − 𝛼𝑦1
Las dos condiciones se cumplen ∴la transformación𝑇: ℝ2 → ℝ3 es lineal.
𝒙+𝒚
𝟐 𝟑
𝒙
2. Verificar que la transformación 𝑻: ℝ → ℝ definida por 𝑻 (𝒚) = (𝒙 − 𝒚 + 𝟐) es una
𝒚
transformación lineal.
𝑥1 𝑥2
Sea 𝑢 = (𝑦 ) y 𝑣 = (𝑦 )
1 2

1. 𝑇(𝑢 + 𝑣) = 𝑇𝑢 + 𝑇𝑣
𝑥1 𝑥2 𝑥1 𝑥2
𝑇 [(𝑦 ) + (𝑦 )] = 𝑇 (𝑦 ) + 𝑇 (𝑦 )
1 2 1 2
𝑥1 + 𝑦1 𝑥2 + 𝑦2
𝑥 +𝑥
𝑇 (𝑦1 + 𝑦2 ) = (𝑥1 − 𝑦1 + 2) + (𝑥2 − 𝑦2 + 2)
1 2
𝑦1 𝑦2
𝑥1 + 𝑥2 + 𝑦1 + 𝑦2 𝑥1 + 𝑥2 + 𝑦1 + 𝑦2
(𝑥1 + 𝑥2 − 𝑦1 − 𝑦2 + 2) ≠ (𝑥1 + 𝑥2 − 𝑦1 − 𝑦2 + 4)
𝑦1 + 𝑦2 𝑦1 + 𝑦2
La condición no se cumple ∴ la transformación no es lineal.
𝟏 −𝟒
𝟏 𝟎
3. Sea la transformación lineal 𝑻: ℝ𝟐 → ℝ𝟑 definida por 𝑻 ( ) = (𝟐) 𝒚 𝑻 ( ) = ( 𝟎 )
𝟎 𝟏
𝟑 𝟓
Encontrar:
2 −3
a) 𝑇 ( ) 𝑏) 𝑇( )
4 7
Se expresan los vectores como combinación lineal, y se aplica las propiedades de transformaciones lineales
2
Caso a) 𝑇 ( )
4
2 1 0
𝑇 ( ) = 2𝑇 ( ) + 4𝑇 ( )
4 0 1
1 −4
2
𝑇 ( ) = 2 (2 ) + 4 ( 0 )
4
3 5
−14
2
𝑇( ) = ( 4 )
4
26
−3
Caso b) 𝑇 ( )
7
−3 1 0
𝑇 ( ) = 3𝑇 ( ) + 7𝑇 ( )
7 0 1
1 −4
−3
𝑇 ( ) = −3 (2) + 7 ( 0 )
7
3 5
−31
−3
𝑇 ( ) = ( −6 )
7
26
4. Determine si la transformación dada de V en W es lineal.
𝑇: 𝑃2 → 𝑃1
𝑇(𝑐 + 𝑏𝑥 + 𝑎𝑥 2 ) = 𝑏 + 𝑎𝑥
Sea:
𝑢 = (𝑐1 + 𝑏1 𝑥 + 𝑎1 𝑥 2 ) 𝑣 = (𝑐2 + 𝑏2 𝑥 + 𝑎2 𝑥 2 )
1. 𝑇(𝑢 + 𝑣) = 𝑇𝑢 + 𝑇𝑣
𝑇[(𝑐1 + 𝑏1 𝑥 + 𝑎1 𝑥 2 ) + (𝑐2 + 𝑏2 𝑥 + 𝑎2 𝑥 2 )] = 𝑇(𝑐1 + 𝑏1 𝑥 + 𝑎1 𝑥 2 ) + 𝑇(𝑐2 + 𝑏2 𝑥 + 𝑎2 𝑥 2 )

𝑇(𝑐1 + 𝑐2 + (𝑏1 + 𝑏2 )𝑥 + (𝑎1 + 𝑎2 )𝑥 2 ) = (𝑏1 + 𝑎1 𝑥) + (𝑏2 + 𝑎2 𝑥)
𝑏1 + 𝑏2 + (𝑎1 + 𝑎2 )𝑥 = 𝑏1 + 𝑏2 + (𝑎1 + 𝑎2 )𝑥
𝑇[𝛼(𝑐1 + 𝑏1 𝑥 + 𝑎1 𝑥 2 )] = 𝛼𝑇(𝑐1 + 𝑏1 𝑥 + 𝑎1 𝑥 2 )
𝑇(𝛼𝑐1 + 𝛼𝑏1 𝑥 + 𝛼𝑎1 𝑥 2 ) = 𝛼(𝑏1 + 𝑎1 𝑥)
𝛼𝑏1 + 𝛼𝑎1 𝑥 = 𝛼𝑏1 + 𝛼𝑎1 𝑥
Las dos condiciones se cumplen ∴la transformación𝑇: 𝑃2 → 𝑃1 es lineal.

𝒙−𝒚
𝒙 𝒚+𝒛
5. Sea la transformación Lineal 𝑻: ℝ𝟑 → ℝ𝟒 definida por: 𝑻 (𝒚) = ( 𝟐𝒙 − 𝒚 − 𝒛 ),
𝒛
−𝒙 + 𝒚 + 𝟐𝒛
Encuentre: 𝑨𝑻 , 𝒏𝒖 (𝑻), 𝑰𝒎 (𝑻)
Matriz Asociada a la Transformación Lineal
1 0 0
{(0) (1) (0)}
0 0 1
Se sustituyen en la función
1−0 1
1 0+0
𝑇 (0) = ( 2(1) − 0 − 0 ) = ( 0 )
2
0 −1 + 0 + 2(0) −1
0−1 −1
0 1+0
𝑇 (1) = ( 2(0) − 1 − 0 ) = ( 1 )
−1
0 −0 + 1 + 2(0) 1
0−0 0
0 0+1
𝑇 (0) = ( 2(0) − 0 − 1 ) = ( 1 )
−1
1 −0 + 0 + 2(1) 2
1 −1 0
∴ 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑎 𝑎 𝑙𝑎 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑠 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝐴𝑇 = ( 0 1 1)
2 −1 −1
−1 1 2
Núcleo de la Transformación lineal
De acuerdo a la definición de núcleo de una transformación lineal:
𝑥−𝑦 0
𝑥 𝑦+𝑧
𝑇 (𝑦) = ( 2𝑥 − 𝑦 − 𝑧 ) = (0)
0
𝑧
−𝑥 + 𝑦 + 2𝑧 0

A través del método de eliminación gaussiana se resuelve el sistema de ecuaciones
1 −1 0 0 1 −1 0 0 1 −1 00
𝑓3 = ̃
2𝑓1 − 𝑓3
𝐴=( 0 1 1 |0) (0 1 1|0) 𝑓3 =̃
𝑓2 + 𝑓1 (0 1 1|0)
2 −1 −1 0 𝑓4 = 𝑓1 + 𝑓4 0 −1 1 0 0 0 20
−1 1 2 0 0 0 20 0 0 20
1 −1 0 0
𝑓3 − 𝑓4 (0 1 1|0)
𝑓4 =̃
0 0 20
0 0 00

dim 𝑛𝑢(𝑇) + dim 𝐼𝑚(𝑇) = dim(𝑉)
dim 𝑛𝑢(𝑇) + 3 = 3 ⇒ dim 𝑛𝑢(𝑇) = 0 ∴ 𝑛𝑢 (𝑇) = {0}
dim 𝐼𝑚(𝑇) = 3 ∴ 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑙𝑎 𝐼𝑚 (𝑇), 𝑒𝑠𝑡𝑎𝑟á 𝑓𝑜𝑟𝑚𝑎𝑑𝑎 𝑝𝑜𝑟 𝑡𝑟𝑒𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠

Nota:
dim(𝑉), 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑎𝑙𝑎𝑑𝑖𝑚𝑒𝑛𝑠𝑖𝑜𝑛𝑑𝑒𝑙𝑒𝑠𝑝𝑎𝑐𝑖𝑜𝑜𝑟𝑖𝑔𝑒𝑛, 𝑒𝑛𝑒𝑠𝑡𝑒𝑐𝑎𝑠𝑜𝑎𝑙𝑒𝑠𝑝𝑎𝑐𝑖𝑜ℝ3 , 𝑐𝑢𝑦𝑎 𝑑𝑖𝑚𝑒𝑛𝑠𝑖ó𝑛 𝑒𝑠 3
dim 𝐼𝑚(𝑇) , 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒 𝑎𝑙 𝑟𝑎𝑛𝑔𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑎 𝑎 𝑙𝑎 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙, 𝑐𝑢𝑦𝑜 𝑟𝑎𝑛𝑔𝑜 𝑒𝑠 3
Imagen de la Transformación lineal
Se inicia con la base canónica de un espacio vectorial en ℝ3
1 0 0
{(0) (1) (0)}
0 0 1
1−0 1
1 0+0
𝑇 (0) = ( 2(1) − 0 − 0 ) = ( 0 )
2
0 −1 + 0 + 2(0) −1
0−1 −1
0 1+0
𝑇 (1) = ( 2(0) − 1 − 0 ) = ( 1 )
−1
0 −0 + 1 + 2(0) 1
0−0 0
0 0+1
𝑇 (0) = ( 2(0) − 0 − 1 ) = ( 1 )
−1
1 −0 + 0 + 2(1) 2
1 −1 0
∴ 𝐼𝑚 (𝑇) = 𝑔𝑒𝑛 {( 0 ) , ( 1 ) , ( 1 )}
2 −1 −1
−1 1 2

𝒙
𝟑 𝟐 𝒙−𝒚+𝒛
6. Sea la transformación Lineal 𝑻: ℝ → ℝ definida por: 𝑻 (𝒚) = ( ),
−𝟐𝒙 + 𝟐𝒚 − 𝟐𝒛
𝒛
1 0 0
{(0) (1) (0)}
0 0 1
1 1−0+0 1
𝑇 (0) = ( )=( )
−2(1) + 2(0) − 2(0) −2
0
0 0−1+0 −1
𝑇 (1) = ( )=( )
−2(0) + 2(1) − 2(0) 2
0
0 0−0+1 1
𝑇 (0) = ( )=( )
−2(0) + 2(0) − 2(1) −2
1
1 −1 1
∴ 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑎 𝑎 𝑙𝑎 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑠 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝐴𝑇 = ( )
−2 2 −2
Núcleo e Imagen de la Transformación lineal
𝑥
𝑥−𝑦+𝑧 0
𝑇 (𝑦) = ( )=( )
−2𝑥 + 2𝑦 − 2𝑧 0
𝑧
1 −1 1 1 −1 1
𝐴=( ) 𝑓2 = ̃
2𝑓1 + 𝑓2 ( )
−2 2 −2 0 0 0
dim 𝑛𝑢(𝑇) + 1 = 3 ⇒ dim 𝑛𝑢(𝑇) = 2 ∴ 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒𝑙 𝑛𝑢 (𝑇) 𝑒𝑠𝑡𝑎𝑟á 𝑓𝑜𝑟𝑚𝑎𝑑𝑜 𝑝𝑜𝑟 2 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠.
De acuerdo al sistema equivalente resultante
𝑥
(𝑦 ) = 𝑥 − 𝑦 + 𝑧 = 0 ⇒ 𝑦 = 𝑥 + 𝑧
𝑧
1 0
𝑥 = 1 𝑧 = 0 (𝑇)
𝑝𝑎𝑟𝑎: 𝑛𝑢 = 𝑔𝑒𝑛 {(1) , (1)}
𝑥=0 𝑧=1
0 1

1
dim 𝐼𝑚(𝑇) = 1 ∴ 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑙𝑎 𝐼𝑚 (𝑇), 𝑒𝑠𝑡𝑎𝑟á 𝑓𝑜𝑟𝑚𝑎𝑑𝑎 𝑝𝑜𝑟 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 ∴ 𝐼𝑚 (𝑇) = 𝑔𝑒𝑛 {( )}
−2
Nota:
𝒙 𝒙 + 𝟐𝒚 + 𝟑𝒛
𝟑 𝟑
7. Sea la transformación Lineal 𝑻: ℝ → ℝ definida por: 𝑻 (𝒚) = (𝟐𝒙 − 𝟒𝒚 − 𝟐𝒛),
𝒛 𝟑𝒙 − 𝟐𝒚 + 𝒛
1 0 0
{(0) (1) (0)}
0 0 1
1 1 + 2(0) + 3(0) 1
𝑇 (0) = (2(1) − 4(0) − 2(0)) = (2)
0 3(1) − 2(0) + 0 3
0 0 + 2(1) + 3(0) 2
𝑇 (1) = (2(0) − 4(1) − 2(0)) = (−4)
0 3(0) − 2(1) + 0 −2
0 0 + 2(0) + 3(1) 3
𝑇 (0) = (2(0) − 4(0) − 2(1)) = (−2)
1 3(0) − 2(0) + 1 1
1 2 3
∴ 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑎 𝑎 𝑙𝑎 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑒𝑠 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝐴𝑇 = (2 −4 −2)
3 −2 1
Núcleo de la Transformación lineal
𝑥 𝑥 + 2𝑦 + 3𝑧 0
𝑇 (𝑦) = (2𝑥 − 4𝑦 − 2𝑧) = (0)
𝑧 3𝑥 − 2𝑦 + 𝑧 0

1 2 3 𝑓2 = ̃ 2𝑓1 − 𝑓2 1 2 3 1 2 3
𝐴 = (2 −4 −2) (0 8 8) 𝑓3 =̃
𝑓2 − 𝑓3 (0 8 8)
𝑓3 = 3𝑓1 − 𝑓3
3 −2 1 0 8 8 0 0 0

dim 𝑛𝑢(𝑇) + 2 = 3 ⇒ dim 𝑛𝑢(𝑇) = 1 ∴ 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒𝑙 𝑛𝑢 (𝑇), 𝑒𝑠𝑡𝑎𝑟á 𝑓𝑜𝑟𝑚𝑎𝑑𝑜 𝑝𝑜𝑟 1 𝑣𝑒𝑐𝑡𝑜𝑟
De acuerdo al sistema equivalente quedan las siguientes ecuaciones:
𝑥 + 2𝑦 + 3𝑧 = 0 ⟶ 𝑥 = −2(−𝑧) − 3𝑧 ⟶ 𝑥 = −𝑧
8𝑦 + 8𝑧 = 0 ⟶ 𝑦 = −𝑧
−1
𝑃𝑎𝑟𝑎 𝑧 = 1 𝑛𝑢(𝑇) = 𝑔𝑒𝑛 {(−1)}
1
dim 𝐼𝑚(𝑇) = 2 ∴ 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑙𝑎 𝐼𝑚 (𝑇), 𝑒𝑠𝑡𝑎𝑟á 𝑓𝑜𝑟𝑚𝑎𝑑𝑎 𝑝𝑜𝑟 2 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑙𝑖𝑛𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
Nota:
Imagen de la Transformación lineal
1 0 0
{(0) (1) (0)}
0 0 1
1 1 + 2(0) + 3(0) 1
𝑇 (0) = (2(1) − 4(0) − 2(0)) = (2)
0 3(1) − 2(0) + 0 3
0 0 + 2(1) + 3(0) 2
𝑇 (1) = (2(0) − 4(1) − 2(0)) = (−4)
0 3(0) − 2(1) + 0 −2
0 0 + 2(0) + 3(1) 3
𝑇 (0) = (2(0) − 4(0) − 2(1)) = (−2)
1 3(0) − 2(0) + 1 1
De acuerdo a la matriz asociada a la transformación lineal
1 2 3
𝐴𝑇 = (2 −4 −2)
3 −2 1

Se eligen los vectores linealmente independientes como 𝐼𝑚(𝑇)

1 2
∴ 𝐼𝑚 (𝑇) = 𝑔𝑒𝑛 {(2) , (−4)}
3 −2
𝒙 𝒙−𝒛
8. Considerando la Transformación lineal 𝑻: ℝ𝟑 → ℝ𝟐 dada por la función 𝑻 (𝒚) = (𝟐𝒙 − 𝒚).
𝒛
𝟏 −𝟏 𝟎
Calcular la matriz asociada a 𝑻 respecto de las bases 𝑩𝟏 = {(𝟎) , ( 𝟏 ) , (𝟏)} de ℝ𝟑 y 𝑩𝟐 =
𝟏 𝟎 𝟎
𝟐 −𝟏 𝟐
{( ) , ( )} de ℝ .
𝟏 𝟎
1 0 0
{(0) (1) (0)}
0 0 1
1 0 0
1 0 −1
𝑇 (0) = ( ) 𝑇 (1) = ( ) 𝑇 (0) = ( )
2 1 0
0 0 1
1 0 −1
𝐴𝑇 = ( )
2 1 0
1 −1 0
𝑃1 = (0 1 1)
1 0 0
2 −1
𝑃2 = ( )
1 0

2 −1 1 0 1 0 0 1 1 0 0 1
𝑃2−1 = ( | ) 𝑓1̃
↔ 𝑓2 ( | ) 𝑓2 = ̃
2𝑓1 − 𝑓2 ( | )
1 0 0 1 2 −1 1 0 0 1 −1 2
0 1
𝑃2−1 = ()
−1 2
0 1 1 0 −1 2 1 0
𝑃2−1 ∗ 𝐴𝑇 = ( )∗( )=( )
−1 2 2 1 0 3 2 1
1 −1 0
2 1 0 2 −1 1
𝑃2−1 ∗ 𝐴𝑇 ∗ 𝑃1 = ( ) ∗ (0 1 1 ) = ( )
3 2 1 4 −1 2
1 0 0
2 −1 1
∴ 𝐴′𝑇 = ( )
4 −1 2
𝐴′𝑇 → 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑎 𝑎 𝑙𝑎 𝑇𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑇: ℝ3 → ℝ2 , 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎𝑠 𝑏𝑎𝑠𝑒 𝐵1 𝑦𝐵2
𝒙 𝒙−𝒚
9. Considerando la Transformación lineal 𝑻: ℝ𝟑 → ℝ𝟐 dada por la función 𝑻 (𝒚) = (𝒚 + 𝟑𝒙 − 𝒛).
𝒛
𝟏 𝟎 𝟑
Calcular la matriz asociada a 𝑻 respecto de las bases 𝑩𝟏 = {(𝟏) , (−𝟏) , (𝟏)} de ℝ𝟑 y 𝑩𝟐 =
𝟎 𝟏 𝟏
𝟏 𝟎 𝟐
{( ) , ( )} de ℝ .
𝟐 −𝟏

1 0 0
{(0) (1) (0)}
0 0 1

1 0 0
1 −1 0
𝑇 (0) = ( ) 𝑇 (1) = ( ) 𝑇 (0) = ( )
3 1 −1
0 0 1
1 −1 0
𝐴𝑇 = ( )
3 1 −1

1 0 3
𝑃1 = (1 −1 1)
0 1 1
1 0
𝑃2 = ( )
2 −1
1 0 1 0 1 01 0
𝑃2−1 = ( | ) 𝑓2 = ̃2𝑓1 − 𝑓2 ( | )
2 −1 0 1 0 1 2 −1
1 0
𝑃2−1 = ( )
2 −1

1 0 1 −1 0 1 −1 0
𝑃2−1 ∗ 𝐴𝑇 = ( )∗( )=( )
2 −1 3 1 −1 −1 −3 1
1 0 3
1 −1 0 0 1 2
𝑃2−1 ∗ 𝐴𝑇 ∗ 𝑃1 = ( ) ∗ (1 −1 1) = ( )
−1 −3 1 −4 4 −5
0 1 1
𝒙 𝟐𝒙 + 𝒚 − 𝟐𝒛
𝟑 𝟑
10. Sea la transformación Lineal 𝑻: ℝ → ℝ definida por: 𝑻 (𝒚) = (𝟐𝒙 + 𝟐𝒚 − 𝟑𝒛).Indique si la
𝒛 𝟐𝒙 + 𝒚 − 𝟐𝒛
transformación es inyectiva, sobreyectiva o existe isomorfismo.
1 0 0
{(0) (1) (0)}
0 0 1
1 2 0 1 0 −2
𝑇 (0) = (2) 𝑇 (1) = (2) 𝑇 (0) = (−3)
0 2 0 1 1 −2
Matriz asociada a la transformación lineal
2 1 −2
𝐴 𝑇 = (2 2 −3)
2 1 −2

Se aplica el método de eliminación Gaussiana para calcular el rango de la matriz

2 1 −2 𝑓2 =̃ 𝑓2 − 𝑓1 2 1 −2
𝐴 𝑇 = (2 2 −3) (0 1 −1)
𝑓3 = 𝑓1 − 𝑓3
2 1 −2 0 0 0
𝐿𝑎 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑑𝑒𝑝𝑒𝑛𝑑𝑒 𝑑𝑒 𝑢𝑛 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 ∴ dim 𝑛𝑢 (𝑇) = 1
Como dim 𝑛𝑢 (𝑇) ≠ 0 ⟹ 𝑇: ℝ𝟑 → ℝ𝟑 𝒏𝒐 𝒆𝒔 𝑰𝒏𝒚𝒆𝒄𝒕𝒊𝒗𝒂

𝑟𝑎𝑛𝑔𝑜 (𝐴𝑇 ) = dim 𝐼𝑚 (𝑇) = 2
Para que una transformación lineal sea sobreyectiva, la dimensión de la imagen de la transformación
debe ser igual a la dimensión del espacio vectorial de llegada.
dim 𝐼𝑚 (𝑇) = 2 ≠ dim(ℝ𝟑 ) = 3 ∴ 𝑇: ℝ𝟑 → ℝ𝟑 𝒏𝒐 𝒆𝒔 𝑺𝒐𝒃𝒓𝒆𝒚𝒆𝒄𝒕𝒊𝒗𝒂
𝑇: ℝ3 → ℝ3 no es biyectiva, por no ser inyectiva ni sobreyectiva, ∴ ∄ isomorfismo entre los espacios
vectoriares ℝ3 → ℝ3 .
𝒙 𝒚+𝒛+𝒘
𝟒 𝟑 𝒚 𝒙 + 𝒚 + 𝟑𝒛 + 𝟐𝒘 ).Indique
11. Sea la transformación Lineal 𝑻: ℝ → ℝ definida por: 𝑻 ( 𝒛 ) = (
𝟐𝒙 + 𝟐𝒚 + 𝟔𝒛 + 𝟒𝒘
𝒘
si la transformación es inyectiva, sobreyectiva o existe isomorfismo.
1 0 0 0
{( ) ( ) ( ) (0)}
0 1 0
0 0 1 0
0 0 0 1
1 0 0 0
0 1 1 1
𝑇 (0) = (1) 𝑇 (1) = (1) 𝑇 (0) = (3) 𝑇 (0) = (2)
0 0 1 0
2 2 6 4
0 0 0 1
0 1 1 1
𝐴 𝑇 = (1 1 3 2)
2 2 6 4
0 1 1 1 1 1 3 2 1 1 3 2
𝐴 𝑇 = (1 ̃
1 3 2) 𝑓1 ⟷ 𝑓2 (0 ̃
1 1 1) 𝑓3 = 2𝑓1 − 𝑓3 (0 1 1 1)
2 2 6 4 2 2 6 4 0 0 0 0
𝐿𝑎 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑑𝑒𝑝𝑒𝑛𝑑𝑒 𝑑𝑒 𝑑𝑜𝑠 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 ∴ dim 𝑛𝑢 (𝑇) = 2
Como dim 𝑛𝑢 (𝑇) ≠ 0 ⟹ 𝑇: ℝ𝟒 → ℝ𝟑 𝒏𝒐 𝒆𝒔 𝑰𝒏𝒚𝒆𝒄𝒕𝒊𝒗𝒂

dim 𝐼𝑚 (𝑇) = 2 ≠ dim(ℝ𝟑 ) = 3 ∴ 𝑇: ℝ𝟒 → ℝ𝟑 𝒏𝒐 𝒆𝒔 𝑺𝒐𝒃𝒓𝒆𝒚𝒆𝒄𝒕𝒊𝒗𝒂
𝑇: ℝ4 → ℝ3 no es biyectiva, por no ser inyectiva ni sobreyectiva, ∴ ∄ isomorfismo entre los espacios

vectoriares ℝ4 → ℝ3 .
𝒙
𝒙+𝒚
𝒚
12. Sea la transformación Lineal 𝑻: ℝ𝟒 → ℝ𝟑 definida por: 𝑻 ( 𝒛 ) = (𝒛 + 𝒘).Indique si la
𝒘 𝒙+𝒛
1 0 0 0
{(0) (1) (0) (0)}
0 0 1 0
0 0 0 1
1 0 0 0
1 1 0 0
𝑇 (0) = (0) 𝑇 (1) = (0) 𝑇 (0) = (1) 𝑇 (0) = (1)
0 0 1 0
1 0 1 0
0 0 0 1
1 1 0 0
𝐴 𝑇 = (0 0 1 1)
1 0 1 0
1 1 0 0 1 1 0 0 1 1 0 0
𝐴 𝑇 = (0 0 1 1) 𝑓3 =̃
𝑓1 − 𝑓3 (0 0 1 1) 𝑓2̃
⟷ 𝑓3 (0 1 −1 0)
1 0 1 0 0 1 −1 0 0 0 1 1
𝐿𝑎 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑑𝑒𝑝𝑒𝑛𝑑𝑒 𝑑𝑒 𝑢𝑛 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 ∴ dim 𝑛𝑢 (𝑇) = 1
Como dim 𝑛𝑢 (𝑇) ≠ 0 ⟹ 𝑇: ℝ𝟒 → ℝ𝟑 𝒏𝒐 𝒆𝒔 𝑰𝒏𝒚𝒆𝒄𝒕𝒊𝒗𝒂
rango (𝐴𝑇 ) = dim 𝐼𝑚 (𝑇) = 3 = dim(ℝ𝟑 ) ∴ 𝑇: ℝ𝟒 → ℝ𝟑 𝒆𝒔 𝑺𝒐𝒃𝒓𝒆𝒚𝒆𝒄𝒕𝒊𝒗𝒂
Como la 𝑇: ℝ4 → ℝ3 es sobreyectiva pero no inyectiva; no es biyectiva, ∴ ∄ isomorfismo entre los

espacios vectoriares ℝ4 → ℝ3 .

𝒙 𝒙 + 𝒚 + 𝟑𝒛
13. Sea la transformación Lineal 𝑻: ℝ𝟑 → ℝ𝟑 definida por: 𝑻 (𝒚) = ( 𝟑𝒚 + 𝟐𝒛 ).Indique si la
𝒛 𝟐𝒙 + 𝒛
1 0 0
{(0) (1) (0)}
0 0 1
1 1 0 1 0 3
𝑇 (0) = (0) 𝑇 (1) = (3) 𝑇 (0) = (2)
0 2 0 0 1 1

1 1 3
𝐴 𝑇 = (0 3 2)
2 0 1
1 1 3 1 1 3 ̃ 1 1 3
2
𝐴 𝑇 = (0 3 ̃
2) 𝑓3 = 2𝑓1 − 𝑓3 (0 3 2) 𝑓2 = 𝑓2 − 𝑓3 (0 3 2 )
3 0 0 −11⁄
2 0 1 0 2 5 3
det( 𝐴𝑇 ) = −11 ≠ 0, 𝑒𝑙 𝑛𝑢 (𝑇) = {0} ∴ 𝑻: ℝ𝟑 → ℝ𝟑 𝒆𝒔 𝑰𝒏𝒚𝒆𝒄𝒕𝒊𝒗𝒂
𝑟𝑎𝑛𝑔𝑜 (𝐴𝑇 ) = dim 𝐼𝑚 (𝑇) = 3

Para que una transformación lineal sea sobreyectiva, la dimensión de la imagen de la transformación
debe ser igual a la dimensión del espacio vectorial de llegada.
dim 𝐼𝑚 (𝑇) = 3 = dim(ℝ𝟑 ) ∴ 𝑇: ℝ𝟑 → ℝ𝟑 𝒆𝒔 𝑺𝒐𝒃𝒓𝒆𝒚𝒆𝒄𝒕𝒊𝒗𝒂
𝐶𝑜𝑚𝑜 𝑙𝑎 𝑇: ℝ3 → ℝ3 𝑒𝑠 𝐼𝑛𝑦𝑒𝑐𝑡𝑖𝑣𝑎 𝑦 𝑆𝑜𝑏𝑟𝑒𝑦𝑒𝑐𝑡𝑖𝑣𝑎, 𝑡𝑎𝑚𝑏𝑖𝑒𝑛 𝑒𝑠 𝐵𝑖𝑦𝑒𝑐𝑡𝑖𝑣𝑎

∴ ∃ 𝑰𝒔𝒐𝒎𝒐𝒓𝒇𝒊𝒔𝒎𝒐 𝑇: ℝ3 → ℝ3 ( ℝ3 ≅ ℝ3 )

Ejercicios Propuestos
𝑥 𝑥 + 2𝑦
1. Verificar si la siguiente operación 𝑇 (𝑦) = ( ) , es una transformación lineal.
3𝑥 − 𝑦
1 0 0
3 1 −1
2. Sea la transformación lineal 𝑻: ℝ𝟑 → ℝ𝟐 definida por 𝑇 (0) = ( ) ; 𝑇 (1) = ( ) ; 𝑇 (0) = ( )
4 −2 3
0 0 1
Encontrar:
𝑥 1
a) 𝑇 (𝑦) 𝑏) 𝑇 ( 6 )
𝑧 −2
3. Determine si la transformación dada de V en W es lineal.
𝑇: 𝑃2 → 𝑃1
𝑇[𝑎𝑥 2 + 𝑏𝑥 + 𝑐] = (𝑎 + 𝑏)𝑥 + 𝑐
𝑥
𝟑 2𝑥 −𝑦
𝑦
4. Verificar si la transformación 𝑻: ℝ → 𝑴𝟐𝒙𝟐 definida por 𝑇 ( ) = ( )
𝑥+𝑧 3𝑦
𝑧

Unidad 4. Transformaciones Lineales

Cargado por

Copyright:

Formatos disponibles

Unidad 4. Transformaciones Lineales

Cargado por

Información del documento

Descripción 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

Unidad 4. Transformaciones Lineales

Cargado por

Copyright:

Formatos disponibles

UNEFA APURE ÁLGEBRA LINEAL

Unidad 4: Transformaciones Lineales

Notación. Se escribe T: V → W para indicar que T transforma V en W.

Si T: V  W es una transformación lineal, el espacio V se llama dominio de T y el espacio W

Ing. Crisalida Herrera

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

Núcleo e imagen de una transformación lineal

i.El núcleo de T, denotado por un T, está dado por

ii.La imagen de T, denotado por imagen T, esta dado por

Ing. Crisalida Herrera

Núcleo e imagen de la transformación cero

Sea Tv = 0 para todo vϵ V (T es la transformación cero). Entonces un T = v e 𝐼𝑚T = {0}.

Núcleo e imagen de la transformación identidad

Sea Tv = v para vϵ V (T es la transformación identidad). Entonces un T= {0} e 𝐼𝑚T = V.

Nulidad y rango de una transformación lineal

Si T es una transformación lineal de v en w, entonces se define.

El rango de una transformación lineal es la dimensión de la imagen.

Teorema de las dimensiones

dim(Nu(T)) + dim(Im(T)) = dim(V)

Toda matriz A de m x n da lugar a una transformación lineal𝑇: ℝ𝑛 → ℝ𝑚 definida por Tx = Ax. Es

Matriz Asociada a una transformación Lineal

Ing. Crisalida Herrera

Sea 𝑇: ℝ𝑛 ⟶ ℝ𝑚 una transformación lineal, de acuerdo a los teoremas de representación matricial,

La matriz de transformación, representada por𝐴𝑇 , es la representación matricial de T, la operación que

De esta forma, 𝐴𝑇 𝑒𝑖 = 𝑤𝑖 𝑝𝑎𝑟𝑎𝑖 = 1,2, … 𝑛. , 𝑇 y la transformación 𝐴𝑇 son las mismas porque

Ing. Crisalida Herrera

Definición 1. Matriz de transformación.

La matriz AT en el teorema 1 se denomina matriz de transformación correspondiente a T o

Teorema 2. Sea AT la matriz de transformación correspondiente a la transformación lineal T. Entonces.

Ing. Crisalida Herrera

Cambio de Base y Matriz Asociada

Se inicia con la base canónica del espacio vectorial en ℝ3

Ing. Crisalida Herrera

𝑆𝑒 𝑐𝑎𝑙𝑐𝑢𝑙𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑛𝑣𝑒𝑟𝑠𝑎 𝑑𝑒 𝑃2 𝑎 𝑡𝑟𝑎𝑣é𝑠 𝑑𝑒𝑙 𝑚𝑒𝑡𝑜𝑑𝑜 𝑑𝑒 𝐺𝑎𝑢𝑠𝑠 𝐽𝑜𝑟𝑑𝑎𝑛

Isomorfismos entre Espacios Vectoriales

Sea 𝑇: 𝑉 → 𝑊 es una transformación lineal; entonces T es uno a uno, escrito 1 1, si

𝑇𝑣1 = 𝑇𝑣2 𝑖𝑚𝑝𝑙𝑖𝑐𝑎 𝑞𝑢𝑒 𝑣1 = 𝑣2

Ing. Crisalida Herrera

Es decir, 𝑇 es 1 − 1 si y sólo si todo vector 𝒘 en la imagen de 𝑇 es la imagen de exactamente un vector

Nota: Una Transformación 1-1 se llama inyectiva.

Definición 2 Transformación Sobre

Nota: Una transformación sobre se llama también Sobreyectiva.

Sea 𝐴𝑇 una representación matricial de T. Entonces si 𝑇 𝑒𝑠 1 − 1, 𝑛𝑢 𝑇 = {0} y 𝑣(𝐴𝑇 ) = 0, lo que

Ing. Crisalida Herrera

Sea T: V → W una transformación lineal. Entones T es un isomorfismo si T es 1-1 y sobre.

Definición 4 Espacios vectoriales isomorfos

Sea 𝑇: ℝ𝑛 → ℝ𝑛 y sea 𝐴𝑇 la representación matricial de T. T es 1-1 si y solo si 𝑛𝑢 𝑇 = {0}, lo que se

Teorema 4. Teorema de Resumen

ii. 𝐿𝑎 𝑢𝑛𝑖𝑐𝑎 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑎𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 ℎ𝑜𝑚𝑒𝑔𝑒𝑛𝑒𝑜 𝐴𝑥 = 0 𝑒𝑠 𝑙𝑎 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑡𝑟𝑖𝑣𝑖𝑎𝑙 (𝑥 = 0).

iii. 𝐸𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝐴𝑥 = 𝑏 𝑡𝑖𝑒𝑛𝑒 𝑢𝑛𝑎 𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑢𝑛𝑖𝑐𝑎 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑛 − 𝑣𝑒𝑐𝑡𝑜𝑟 𝑏.

iv. 𝐴 𝑒𝑠 𝑒𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑡𝑒 𝑝𝑜𝑟 𝑟𝑒𝑛𝑔𝑙𝑜𝑛𝑒𝑠 𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑 𝐼𝑛 𝑑𝑒 𝑛 𝑥 𝑛.

v. 𝐴 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑒𝑠𝑐𝑟𝑖𝑏𝑖𝑟 𝑐𝑜𝑚𝑜 𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑑𝑒 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠.

vi. 𝐿𝑎 𝑓𝑜𝑟𝑚𝑎 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑑𝑎 𝑝𝑜𝑟 𝑟𝑒𝑛𝑔𝑙𝑜𝑛𝑒𝑠 𝑑𝑒 𝐴 𝑡𝑖𝑒𝑛𝑒 𝑛 𝑝𝑖𝑣𝑜𝑡𝑒𝑠.

vii. 𝐿𝑜𝑠 𝑟𝑒𝑛𝑔𝑙𝑜𝑛𝑒𝑠 (𝑦 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠)𝑑𝑒 𝐴 𝑠𝑜𝑛 𝑙𝑖𝑛𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠.

xi. 𝐿𝑎 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑙𝑖𝑛𝑒𝑎𝑙 𝑇 𝑑𝑒 ℝ𝑛 𝑒𝑛 ℝ𝑛 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑎 𝑝𝑜𝑟 𝑇𝑥 = 𝐴𝑥 𝑒𝑠 𝑢𝑛 𝑖𝑠𝑜𝑚𝑜𝑟𝑓𝑖𝑠𝑚𝑜.

Ing. Crisalida Herrera

Se verifican las dos condiciones:

Se verifican las dos condiciones:

𝑇[(𝑐1 + 𝑏1 𝑥 + 𝑎1 𝑥 2 ) + (𝑐2 + 𝑏2 𝑥 + 𝑎2 𝑥 2 )] = 𝑇(𝑐1 + 𝑏1 𝑥 + 𝑎1 𝑥 2 ) + 𝑇(𝑐2 + 𝑏2 𝑥 + 𝑎2 𝑥 2 )