Álgebra y Geometría Analítica – UTN – FRRO – Prof.

Marina Morzán
TRANSFORMACIONES LINEALES

TRANSFORMACIONES LINEALES

DEFINICIÓN

Sean (𝑉, +, . ) y (𝑊,⊕,∗ ) dos espacios vectoriales reales y sea una función 𝑇 tal que

𝑇: 𝑉 → 𝑊, se dice que T es una transformación Lineal (o aplicación Lineal) de V en W

si T verifica las siguientes condiciones:
1. 𝑇(𝒖 + 𝒗) = 𝑇(𝒖) ⊕ 𝑇(𝒗), ∀ 𝒖, 𝒗 ∈ 𝑉
2. 𝑇(𝛼𝒖) = 𝛼 ∗ 𝑇(𝒖), ∀ 𝒖 ∈ 𝑉, ∀ 𝛼 ∈ ℝ

OBSERVACIONES

➢ Las operaciones del espacio V no tienen que ser las mismas que en el espacio W
por eso se usan notaciones diferentes.

➢ Las condiciones 1 y 2 de la definición de transformación lineal se podrían

unificar en la siguiente:

𝑇(𝛼𝑢 + 𝛽𝑣 ) = 𝛼 ∗ 𝑇(𝑢) ⊕ 𝛽 ∗ 𝑇(𝑣)

EJEMPLO 1

a) La función 𝑇: ℝ3 → ℝ2 tal que 𝑇(𝑥, 𝑦, 𝑧) = (2𝑥 + 𝑦, 𝑥 − 𝑧) es una

transformación lineal, con las operaciones suma y el producto por un escalar
conocidas.
Demostración:
Tengamos en cuenta que en ambos espacios se consideran las mismas
operaciones.
Debemos probar:

1. 𝑇(𝒖 + 𝒗) = 𝑇(𝒖) + 𝑇(𝒗), ∀ 𝒖, 𝒗 ∈ ℝ3

2. 𝑇(𝛼𝒖) = 𝛼𝑇(𝒖), ∀ 𝒖 ∈ ℝ3 , ∀ 𝛼 ∈ ℝ

• Sean (𝑥1 , 𝑦1 , 𝑧1 ) ∈ ℝ3 𝑦 (𝑥2 , 𝑦2 , 𝑧2 ) ∈ ℝ3

𝑇((𝑥1 , 𝑦1 , 𝑧1 ) + (𝑥2 , 𝑦2 , 𝑧2 )) = 𝑇(𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 , 𝑧1 + 𝑧2 ) =
= (2(𝑥1 + 𝑥2 ) + (𝑦1 + 𝑦2 ), 𝑥1 + 𝑥2 − (𝑧1 + 𝑧2 )) =
(2𝑥1 + 𝑦1 , 𝑥1 − 𝑧1 ) + (2𝑥2 + 𝑦2 , 𝑥2 − 𝑧2 ) =
= 𝑇(𝑥1 , 𝑦1 , 𝑧1 ) + 𝑇(𝑥2 , 𝑦2 , 𝑧2 )

1
 Álgebra y Geometría Analítica – UTN – FRRO – Prof. Marina Morzán
TRANSFORMACIONES LINEALES

• Sea (𝑥1 , 𝑦1 , 𝑧1 ) ∈ ℝ3 , 𝛼 ∈ ℝ
𝑇(𝛼(𝑥1 , 𝑦1 , 𝑧1 )) = 𝑇(𝛼𝑥1 , 𝛼𝑦1 , 𝛼𝑧1 ) = (2𝛼𝑥1 + 𝛼𝑦1 , 𝛼𝑥1 − 𝛼𝑧1 ) =
= 𝛼(2𝑥1 + 𝑦1 , 𝑥1 − 𝑧1 ) = 𝛼𝑇(𝑥1 , 𝑦1 , 𝑧1 )
Por lo tanto T es una transformación lineal.

b) La función 𝑇: ℝ2 → ℝ2 tal que 𝑇(𝑥, 𝑦) = (𝑥 + 𝑦, 1) NO es una transformación

lineal. Con operaciones suma y el producto por un escalar conocidas.
Demostración:
• Sean (𝑥1 , 𝑦1 ) ∈ ℝ2 𝑦 (𝑥2 , 𝑦2 ) ∈ ℝ2
𝑇((𝑥1 , 𝑦1 ) + (𝑥2 , 𝑦2 )) = 𝑇(𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 )
= (𝑥1 + 𝑥2 + (𝑦1 + 𝑦2 ), 1)
= (𝑥1 + 𝑥2 + 𝑦1 + 𝑦2 , 1)
𝑇(𝑥1 , 𝑦1 ) + 𝑇(𝑥2 , 𝑦2 ) = (𝑥1 + 𝑦1 , 1) + (𝑥2 + 𝑦2 , 1)
= (𝑥1 + 𝑦1 +𝑥2 + 𝑦2 , 2)
= (𝑥1 + 𝑥2 + 𝑦1 + 𝑦2 , 2)
Es decir 𝑇((𝑥1 , 𝑦1 ) + (𝑥2 , 𝑦2 )) ≠ 𝑇(𝑥1 , 𝑦1 ) + 𝑇(𝑥2 , 𝑦2 )
Por lo tanto T NO es una transformación lineal.

𝑥 𝑦
c) Sea 𝐹: 𝑀2×2 → ℝ tal que 𝐹 ( ) = 2𝑥 − 𝑡, con las operaciones usuales en
𝑧 𝑡
ambos espacios.

Veamos:

2
 Álgebra y Geometría Analítica – UTN – FRRO – Prof. Marina Morzán
TRANSFORMACIONES LINEALES

Por lo tanto F es transformación lineal.

d) Sea 𝐹: 𝑃2 → 𝑃1 / 𝐹 (𝑎𝑥 2 + 𝑏𝑥 + 𝑐 ) = (𝑎 + 𝑐 )𝑥 + 3𝑏, con operaciones usuales

entre polinomios.

Por lo tanto F es una transformación lineal.

EJEMPLO 2

Sean (𝑉, +, . ) y (𝑊,⊕,∗ ) dos espacios vectoriales reales, donde los elementos neutros
son 0 y 0’ respectivamente.

Sea 𝑇: 𝑉 → 𝑊 / 𝑇(𝒖) = 0’, T es una transformación lineal y recibe el nombre de

Transformación nula.

PROPIEDADES

Sean (𝑉, +, . ) y (𝑊,⊕,∗ ) dos espacios vectoriales reales y sea 𝑇: 𝑉 → 𝑊 una

transformación lineal de V en W. Entonces:

1. 𝑇(𝟎) = 𝟎′ donde 𝟎 y 0′ son los elementos neutros de V y W respectivamente.

2. 𝑇(𝒖 − 𝒗) = 𝑇(𝒖) − 𝑇(𝒗) Para todo 𝒖, 𝒗 ∈ 𝑉
3. 𝑇(𝛼1 𝒗𝟏 + 𝛼2 𝒗𝟐 + ⋯ + 𝛼𝑛 𝒗𝒏 ) = 𝛼1 𝑇(𝒗𝟏 ) + 𝛼2 𝑇(𝒗𝟐 ) + ⋯ + 𝛼𝑛 𝑇(𝒗𝒏 ) donde 𝒖𝑖 ∈ 𝑉 y
𝛼𝑖 ∈ ℝ

3
 Álgebra y Geometría Analítica – UTN – FRRO – Prof. Marina Morzán
TRANSFORMACIONES LINEALES

DEMOSTRACIONES

1. 𝟎 = 0. 𝒖 ⇒ 𝑇(𝟎) = 𝑇(0. 𝒖) = 0 ∗ 𝑇(𝒖) = 𝟎′

2. 𝑇(𝒖 − 𝒗) = 𝑇(𝒖 + (−1)𝒗) = 𝑇(𝒖) ⊕ 𝑇((−1)𝒗) = 𝑇(𝒖) ⊕ (−1)𝑇(𝒗)

= 𝑇(𝒖) − 𝑇(𝒗)

EJEMPLO 3

Resolución:

𝛿 = 𝑧−𝑦
Entonces: {𝛽 = 𝑦 − 𝑥
𝛼=𝑥

Luego:

4
 Álgebra y Geometría Analítica – UTN – FRRO – Prof. Marina Morzán
TRANSFORMACIONES LINEALES

DEFINICIÓN

Sea 𝑇: 𝑉 → 𝑊 una transformación lineal de V en W.

• El núcleo de T y lo simbolizamos Ker(T), al conjunto:

𝑘𝑒𝑟(𝑇) = {𝒖 ∈ 𝑉 | 𝑇(𝒖) = 𝟎′}
• La imagen de T y lo simbolizamos Im(T), al conjunto:
𝐼𝑚(𝑇) = {𝑇(𝒖) | 𝒖 ∈ 𝑉 }

OBSERVACIONES

1. Como 𝑇(𝟎) = 𝟎′ entonces 𝟎 ∈ 𝐾𝑒𝑟(𝑇) por lo tanto ker (𝑇) ≠ ∅.

2. Como 𝑇(𝟎) = 𝟎′ entonces 𝟎′ ∈ 𝐼𝑚(𝑇) por lo tanto Im (𝑇) ≠ ∅.

TEOREMA

Sea 𝑇: 𝑉 → 𝑊 una transformación lineal de V en W.

1. El ker(T) es un subespacio vectorial de V.

2. La Im(T) es un subespacio vectorial de W.

DEMOSTRACIONES

Sean (𝑉, +, . ) y (𝑊,⊕,∗ ) los dos espacios vectoriales reales.

1. Sean 𝐮, 𝐯 ∈ 𝐾𝑒𝑟(𝑇) y sea α ∈ ℝ . Como 𝐾𝑒𝑟(𝑇) es no vacío, bastará demostrar que

𝐮 + 𝐯 ∈ Ker(T) y que α𝐮 ∈ Ker(T)
T(𝐮 + 𝐯) = T(𝐮) + T(𝐯) = 𝟎 + 𝟎 = 𝟎 ⟹ 𝐮 + 𝐯 ∈ Ker(T)
T(α𝐮) = αT(𝐮) = α𝟎 = 𝟎 ⟹ α𝐮 ∈ Ker(T)
Por lo tanto Ker(T) es un subespacio de V.

5
 Álgebra y Geometría Analítica – UTN – FRRO – Prof. Marina Morzán
TRANSFORMACIONES LINEALES

2. Sean 𝐦, 𝐧 ∈ Im(T) y sea α ∈ ℝ.

Entonces existen vectores 𝐮, 𝐯 ∈ V tales que 𝐦 = T(𝐮), 𝐧 = T(𝐯)
Como T es lineal:
𝐦 + 𝐧 = T(𝐮) + T(𝐯) = T(𝐮 + 𝐯) ⟹ 𝒎 + 𝒏 ∈ 𝐼𝑚(𝑇)
α𝐦 = α T(𝐮) = T(α 𝐮) ⟹ α𝐦 ∈ 𝐼𝑚(𝑇)

Por lo tanto Im(T) es un subespacio de W.

EJEMPLO 4

Encontrar el núcleo y la imagen de las siguientes transformaciones lineales:

a) La transformación nula: 𝑇: 𝑉 → 𝑊 | 𝑇(𝒖) = 𝟎′

Como la imagen de todos los elementos de V es 0’ entonces ker(𝑇) = 𝑉
y 𝐼𝑚(𝑇) = {𝟎′}

b) Sea 𝑇: ℝ3 → ℝ3 | 𝑇(𝑥, 𝑦, 𝑧) = (𝑥, 𝑦, 0)

c) Sea 𝑇: ℝ3 → ℝ3 | 𝑇(𝑥, 𝑦, 𝑧) = (4𝑥 + 5𝑦 + 6𝑧, 𝑥 + 2𝑦 + 3𝑧, 7𝑥 + 8𝑦 + 9𝑧)

6
 Álgebra y Geometría Analítica – UTN – FRRO – Prof. Marina Morzán
TRANSFORMACIONES LINEALES

ker(𝑇) = {(𝑥, 𝑦, 𝑧) | 𝑥 = 𝑧, 𝑦 = −2𝑧, 𝑧 ∈ ℝ}

El sistema (S) debe ser compatible para poder obtener una imagen, la única posibilidad
para que esto ocurra es que −24𝑎 + 12𝑏 + 12𝑐 = 0 es decir: −2𝑎 + 𝑏 + 𝑐 = 0

Por lo tanto: 𝐼𝑚(𝑇) = {(𝑎, 𝑏, 𝑐 ) | − 2𝑎 + 𝑏 + 𝑐 = 0}

TEOREMA

Sea 𝑇: 𝑉 → 𝑊 una transformación lineal de V en W y sea 𝐵 = {𝒗𝟏 , 𝒗𝟐 , … , 𝒗𝒏 } un conjunto

generador de V. Entonces el conjunto 𝑇(𝐵) = {𝑇(𝒗𝟏 ), 𝑇(𝒗𝟐 ), … , 𝑇(𝒗𝒏 )} es un conjunto
generador de Im(T).

DEMOSTRACIÓN

Sea 𝐰 ∈ Im(T), entonces existe 𝐯 ∈ V tal que T(𝐯) = 𝐰.

Como B es un conjunto generador de V, existen escalares α1 , α2 , … , αn tales que

𝐯 = α1 𝐯𝟏 + α2 𝐯𝟐 + ⋯ + αn 𝐯𝐧

Entonces:

𝐰 = T(𝐯) = T(α1 𝐯𝟏 + α2 𝐯𝟐 + ⋯ + αn 𝐯𝐧 ) = α1 T(𝐯𝟏 ) + α2 T(𝐯𝟐 ) + ⋯ + αn T(𝐯𝐧 )

7
 Álgebra y Geometría Analítica – UTN – FRRO – Prof. Marina Morzán
TRANSFORMACIONES LINEALES

Por lo tanto 𝐰 es una combinación lineal de los elementos de T(𝐵).

DEFINICIÓN

Sea 𝑇: 𝑉 → 𝑊 una transformación lineal de V en W. Entonces:

• la dimensión de la imagen de T, se denomina rango de T y se escribe: r( T ).
• la dimensión del núcleo de T, se denomina nulidad de T y se escribe Nu( T ).

TEOREMA

Sea 𝑇: 𝑉 → 𝑊 una transformación lineal de V en W. Entonces:

𝑟(𝑇) + 𝑁𝑢(𝑇) = 𝐷𝑖𝑚 𝑉