Instituto Politécnico Universitario

Santiago Mariño
Escuela Ingeniería en Electrónica
Sede Barcelona – Anzoátegui

Transformaciones Lineales
Profesor: Integrantes:
José Castillo Álvarez, Eliu

Sección: “A” Guzmán, Guillermo

Cátedra: Hernández, Jofrank

Algebra Lineal

Barcelona, Junio 2018

Índice
 Introducción
Una transformación es un conjunto de operaciones que se realizan sobre un
vector para convertirlo en otro vector.
Los espacios vectoriales son conjuntos con una estructura adicional, al saber, sus
elementos se pueden sumar y multiplicar por escalares del campo dado, conviene
utilizar funciones que preservan la suma y la multiplicación por escalares.
Transformaciones Lineales

Es una función que tiene como dominio un espacio vectorial, y como contradominio también
un espacio vectorial, y que además conserva las propiedades de linealidad de dichos
espacios. El espacio vectorial V es el dominio de la función T, y el conjunto de vectores es el
contradominio.

Es una función. Por ser función, tiene su dominio y su co-dominio, 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 ciertas
condiciones:

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

Son las funciones con las que trabajaremos en Algebra Lineal. Se trata de funciones entre K-espacios
vectoriales que son compatibles con la estructura (es decir, con la operación y la acción) de estos
espacios.
Se deduce inmediatamente que una transformación lineal preserva combinaciones lineales. Veremos
que, debido a esto, una transformación lineal queda unívocamente determinada por los valores que toma
en los elementos de una base cualquiera de su dominio.

Núcleo de una Transformación Lineal

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 co-dominio.

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 co-dominio. * El núcleo de toda transformación
lineal es un subespacio del dominio:

1. dado que T (0V) = 0W

2. Dados

3. Dados 
Se denomina nulidad a la dimensión del núcleo. Nulidad (T) = dim (Nu (T)) 

Nulidad de una Transformación Lineal

El teorema rango–nulidad del álgebra lineal, en su forma más sencilla, habla de la relación entre el

número de columnas de una matriz, su rango y su nulidad. Específicamente, si A es una matriz de
orden m x n (con m filas y n columnas) sobre algún cuerpo, entonces:
 rgo(A) + nul(A) = n.

Esto aplica también a aplicaciones lineales en espacios vectoriales de dimensión finita.

Sean V y W espacios vectoriales sobre algún cuerpo y sea T : V → W una aplicación lineal. Entonces el
rango de T es la dimensión de la imagen de T(im T) y la nulidad de T es la dimensión
del núcleo de T (ker T), así que tenemos:

dim(im(T)) + dim(ker(T)) = dim (V)

O equivalentemente:

rgo(T) + nul(T) = dim(T)

 Sean V, W espacios vectoriales sobre un campo F y sea T ∈ L (V, W). La nulidad de T se define como
la dimensión del núcleo de T:

nul(T) = dim(ker(T)).

Rango de una Transformación Lineal

Se define como la dimensión del conjunto imagen:
dimf(x) ; f(x) c y
Frecuentemente la noción se aplica a aplicaciones lineales entre espacios de dimensión finita, lo cual da
lugar a la noción de rango de una matriz

Sea T: V → W una transformación lineal. El rango o imagen de T es el conjunto de todas las imágenes
de T en W.

R (T) = {w ∈ W|w = T (v) para algún v ∈ V}

Es decir, el rango es el subconjunto de W formado por aquellos vectores que provienen de algún vector
de V.

Rango de una transformación lineal[editar]

El rango es una propiedad no sólo de las matrices sino extensible a las aplicaciones lineales de las cuales
las matrices son una representación fijada la base. Definamos en primer lugar el concepto de rango de
una aplicación lineal de forma genérica. Dada aplicación o transformación lineal:
Se define el rango simplemente como la dimensión del conjunto imagen de la aplicación:

Una propiedad muy importante del rango así definido y el rango de matrices definido anteriormente, es
que ambos coinciden. Es decir, dada una base arbitraria la aplicación lineal se puede representar
mediante esa base en forma de matriz resultando el rango de esa matriz idéntico al rango de la
aplicación lineal que representa.
Para establecer más claramente la relación entre el rango de una aplicación lineal y una matriz que
represente dicha aplicación lineal, deben fijarse dos bases vectoriales en cada uno de los dos espacios 

 y  , podemos expresar la transformación lineal por una matriz   como una en una
cierta base:

Siendo:

, la imagen del vector x.

, la anti imagen del vector y.

Como se dijo anteriormente, puede demostrarse que el rango de   coincide con la dimensión de la
imagen de f (véase transformación lineal para más detalles acerca de la imagen y el kernel).