Transformaciones Lineales

Capítulo 7
Transformaciones lineales
Muchos problemas prácticos planteados en un espacio vectorial pueden convertirse en problemas más
simples en otro espacio vectorial, para realizar esto, es necesaria una adecuada función entre esos
dos espacios vectoriales, tal función se llama Transformación lineal, en éste capítulo estudiamos
el marco teórico de estas funciones.
7.1 Introducción
7.1.1 La definición de transformación lineal
Considere una función T : U → V , donde U y V son espacios vectoriales. T es una transformación
lineal si:
(i) Para todo u, w ∈ U, T (u + w) = T (u) + T (w)
(ii) Para todo u ∈ U y todo k ∈ R, T (ku) = kT (u)
Nótese que una transformación lineal preserva las operaciones básicas de un espacio vectorial, es
decir, preserva la suma y producto por escalar.
Ejemplo 7.1 La función T : R3 → R2 , definida por

 
x
2x + y
T y =
y + 3z
z
   
x a
T es transformación lineal, en efecto: Sean u =  y  ,w=  b  , entonces:
z c
 
x+a
T (u + w) = T  y + b 
z+c
2 (x + a) + (y + b)
=
(y + b) + 3 (z + c)
2x + y 2a + b
= +
y + 3z b + 3c
137
138 CAPÍTULO 7. TRANSFORMACIONES LINEALES
   
x a
= T  y +T  b 
z c
= T (u) + T (w) .
por otra parte si k ∈ R, entonces:



kx
T (ku) = T  ky 
kz
2kx + ky
=
ky + 3kz
2x + y
= k
y + 3z
 
x
= kT  y 
z
= kT (u) .
Ejemplo 7.2 Sea A ∈ Mm,n , definimos la transformación T : Rn → Rm por
T (x) = Ax
las propiedades matriciales permiten probar que T es una transformación lineal.
7.1.2 Propiedades de una transformación lineal

Teorema 7.1 Si T es una transformación lineal, entonces
1. T (0) = 0.
2. T (u − v) = T (u) − T (v)
3. T (−u) = −T (u)
La primera propiedad muestra (en su forma contrapositiva) que si T (0) = 0, entonces T no

puede ser transformación lineal.
Ejemplo 7.3 Sea T : R2 → R3 definida por

 
2x + 3y + 5
x
T = x+y 
y
x + 2y − 1
   
5 0
0
obsérvese que T =  0  =  0  , por tanto T no es transformación lineal.
0
−1 0
Observación. Nótese que T (0) = 0, no es garantía de que T sea transformación lineal.

7.2. CONSTRUCCIÓN DE TRANSFORMACIONES LINEALES 139
Ejemplo 7.4 Sea T : R2 → R3  

xy
x
T = x 
y
x+y
se puede probar que T no es transformación lineal ¡pruébelo!.
Ejercicios propuestos
1. Demostrar el teorema 7.1.
2. Determinar si las siguientes funciones son o no transformaciones lineales
 
x
3 2 3x − y + 2z
(a) T : R → R , T  y = Sol. Si
x+z
z
x x
(b) T : R2 → R2 , T = Sol. No
y y+2
 
x
x+y x−z
(c) T : R3 → M2,2 , T  y = Sol. Si.
y 2z
z
x y 2x − 3w
(d) T : M2,2 → R2 , T = Sol. Si
z w 3z − 4y
 
xy
x
(e) T : R2 → R3 , T = x  Sol. No
y
x+y
x |x|
(f) T : R2 → R2 , T = , Sol. No
y 0
3. Se define T : Mn,n → Mn,n por T (x) = xM + Mx, donde M es una matriz cualquiera de V,
mostrar que T es una transformación lineal.
7.2 Construcción de transformaciones lineales

Considere un espacio vectorial V, sea B = {e1 , e2 , . . . , en } una base de V. Sea T una transformación
lineal de V en un espacio vectorial W. Si v ∈ V, entonces
v = c1 e1 + c2 e2 + · · · + cn en ,
aplicando la transformación lineal se encuentra:
T (v) = c1 T (e1 ) + c2 T (e2 ) + · · · + cn T (en )
lo anterior muestra que la transformación T está completamente determinada por las imágenes de
los vectores básicos. Lo anterior permite construir transformaciones lineales.
Ejemplo 7.5 Considere los espacios vectoriales R3 y R2 , sea

      
 1 −1 0 
B = v1 =  −1  , v2 =  0  , v3 =  0 
 
1 1 1
una base de R3 . Sea T una transformación lineal tal que

     
1 −1 0
1 2 1
T  −1  = ,T  0  = ,T  0  = . (i)
−1 −1 1
1 1 1
Determinar la transformación lineal.


x
Solución. Sea v =  y  , existen números c1 , c2 , c3 tal que
z
v = c1 v1 + c2 v2 + c3 v3 , (ii)
esto origina el sistema:

    
1 −1 0 c1 x
 −1 0 0   c2  =  y 
1 1 1 c3 z
resolviendo se encuentra:
c1 = −y (iii)
c2 = −x − y
c3 = x + 2y + z
empleando la transformación T a la ecuación (ii) se encuentra:
T (v) = c1 T (v1 ) + c2 T (v2 ) + c3 T (v3 )
reemplazando (i), (iii) y v en la anterior ecuación se encuentra:

 
x
1 2 1
T  y  = −y + (−x − y) + (x + 2y + z)
−1 −1 1
z
−x − y + z
=
2x + 4y + z
7.3. COMPOSICIÓN 141
1. Sea T : R2 → R una transformación lineal tal que
1 1
T = 2, T = −2
1 2
x
determinar T . Sol. 6x − 4y
y
2. Sea T : R2 → R3 una transformación lineal tal que :

  
1 2
1 1
T =  0 ,T = 1 
1 2
−1 4
 
y
x
Determinar T . Sol. −x + y 
y
−6x + 5y
3. Determinar si existe o no una transformación lineal T : R2 → R2 tal que
2 1 3 1
T = ,T =
4 −1 6 1
explicar.
4. Sea T : U → V una transformación lineal. Sea B = {u1 , u2 , . . . , un } un conjunto en U tal que

C = {T (u1 ) , T (u2 ) , · · · , T (un )} es L.I., Mostrar que B es L.I.
7.3 Composición
Sean T : U → V, S : V → W transformaciones lineales como se muestra en la figura.
U T V S W
S(T (u))
T (u)
u
S ◦T
La compuesta de T y S, escrito S ◦ T, es la función de U en W definida por:
(S ◦ T ) (u) = S (T (u)) ,
es evidente que S ◦ T es una transformación lineal.

Ejemplo 7.6 Determinar S ◦ T si:

   
x − 2y u
x u − 2v
T =  −2x + y  , S  v  =
y v+w
2x + 2y w
Solución.
x x
(S ◦ T ) = S T
y y
 
x − 2y
= S  −2x + y 
2x + 2y
x − 2y − 2 (−2x + y)
=
−2x + y + 2x + 2y
5x − 4y
=
3y
7.4 Núcleo e imagen

7.4.1 Núcleo
Sea T : U → V, una transformación lineal, definimos el núcleo de T como:
Nu (T ) = {u ∈ U : T (u) = 0}
Teorema 7.2 El núcleo de una transformación lineal T : U → V es un subespacio de U.
Demostración. Sean u, w ∈ Nu (T ) , entonces T (u) = 0 y T (w) = 0, de donde
T (u + w) = T (u) + T (w) = 0 + 0 = 0
luego u + w ∈ Nu (T ) . Por otra parte si k ∈ R, entonces
T (ku) = kT (u) = k0 = 0,
de donde se deduce que ku ∈ Nu (T ) . De lo anterior se sigue que Nu (T ) es un subespacio de U.
Definición 7.3 (Nulidad) La nulidad de una transformación lineal T : U → V, denotado por

nulidad (T ) , es la dimensión del núcleo de T, es decir:
nulidad (T ) = dim (Nu (T ))
7.4.2 Imagen
Sea T : U → V, una transformación lineal, definimos la imagen de T como:
Im (T ) = {T (u) : u ∈ U }
o alternativamente como:
Im (T ) = {v ∈ V : existe u ∈ U tal que T (u) = v}

7.4. NÚCLEO E IMAGEN 143
Teorema 7.4 La imagen de una transformación lineal T : U → V es un subespacio de V.
Demostración. Sean v1 , v2 ∈ Im (T ) , luego existen vectores u1 , u2 ∈ U tales que T (u1 ) = v1 y

T (u2 ) = v2 , entonces:
T (u1 + u2 ) = T (u1 ) + T (u2 ) = v1 + v2 ,
esto prueba que v1 + v2 ∈ Im (T ) .
Por otra parte si k ∈ R y v ∈ Im (T ) , probaremos que kv ∈ Im (T ) . Para empezar existe u ∈ U
tal que T (u) = v, entonces:
kv = kT (u) = T (ku) ,
esto prueba que kv ∈ Im (T ) .
Definición 7.5 (rango) El rango de una transformación lineal T : U → V, denotado por rango (T ) ,
es la dimensión de la imagen T, es decir:
rango (T ) = dim (Im (T ))
7.4.3 El teorema de la dimensión

Teorema 7.6 Sea T : U → V una transformación lineal, sea n = dim (U ) , entonces:
nulidad (T ) + rango (T ) = n.
Ejemplo 7.7 Determinar el núcleo, la imagen y sus dimensiones de la transformación T : R2 → R3

definida por:  
x−y
x
T =  x + 2y 
y
x+y
Solución.
Cálculo de la nulidad
 
 0 
x x
Nu (T ) = :T = 0 
 y y 
0
    
 x−y 0 
x
= :  x + 2y  =  0 
 y 
x+y 0
lo anterior origina el sistema:    
1 −1 0
 1 x
2  =  0 ,
y
1 1 0
resolviendo se encuentra que la única solución es:
x 0
=
y 0
por tanto
0
Nu (T ) = .
0
luego nulidad (T ) = 0
Cálculo de la imagen
   
 a a 
x x
Im (T ) =  b  : T =  b  para algún
 y y 
c c
es decir se debe tener:    
x−y a
 x + 2y  =  b 
x+y c
esto origina el sistema:    
1 −1 a
 1 x
2  = b 
y
1 1 c
llevando la matriz aumentada a la forma escalonada se encuentra:
     
1 −1 a 1 −1 : a 1 −1 : a
 1 2 b  ∼ 0 3 : −a + b  ∼ 0 3 : −a + b 
F21(−1)
1 1 c F 0 2 : −a + c F 0 0 : − 3 a + c − 23 b
1
31(−1) 32(− 3
2
)
lo anterior muestra que el sistema tiene solución si y solamente si − 13 a + c − 23 b = 0, por tanto:
  
 a 1 2 
Im (T ) =  b  : − a + c − b = 0; a, b, c ∈ R
 3 3 
c
  
 a 
=  b  : a, b ∈ R
 1 2 
3a + 3b
     
 1 0 
= a  0  +b  1  : a, b ∈ R
 1 2 
3 3
de donde se deduce que rango (T ) = 2.

Nótese que
nulidad (T ) + rango (T ) = 0 + 2 = 2 = dim R2 .
Ejemplo 7.8 Determinar el núcleo, la imagen y sus dimensiones de la transformación T : R3 → R2

definida por:  
x
2x − y + 6z
T y =
−2x − 2y + 6z
z
Solución.
Cálculo del núcleo
Se resuelve el sistema  
x
2 −1 6  y = 0
−2 −2 6 0
z
7.4. NÚCLEO E IMAGEN 145
La solución de éste sistema es    

x −1
 y  = t 4 , t ∈ R
z 1
por tanto:    
 −1 
Nu (T ) = t  4  , t ∈ R ,
 
1
puesto que Nu (T ) es generado por un sólo vector, nulidad (T ) = 1.
Cálculo de la imagen.
a
Sea ∈ Im (T ) , entonces:
b
 
x
2x − y + 6z a
T y = =
−2x − 2y + 6z b
z
así, se plantea el sistema:  

x
2 −1 6  y = a
−2 −2 6 b
z
llevando la matriz aumentada a la forma escalonada se encuentra:
2 −1 6 : a 2 −1 6 : a
∼
−2 −2 6 : b 0 −3 12 : a + b
a
lo anterior muestra que éste sistema siempre tiene soluciones, es decir, cualquier ∈ Im (T ) ,
b
por tanto Im (T ) = R2 y rango (T ) = 2.
Nuevamente el teorema de la dimensión se cumple:
nulidad (T ) + rango (T ) = 1 + 2 = 3 = dim R3 .
1. En los siguientes problemas, determinar una base y la dimensión de (i) núcleo (ii) la imagen
de T.
   
x x − y + 2z
(a) Sea T  y  =  −4x − 2y + 13z 
z 2x − 3z
      
 3/2   a 
Sol. Nu (T ) = t  7/2  : t ∈ R , Im (T ) =  b  : a, b ∈ R
   2 1 
1 3a − 3b
   
x x + 2y − z
(b) Sea T  y  =  y+z 
z x + y − 2z
         
 3   1 0 
Sol. Nu (T ) = t  −1  : t ∈ R , Im (T ) = a  0  + b  1  : a, b ∈ R
   
1 1 −1
1 2
2. Sea T : M2,2 → M2,2 y M = , sea T (A) = AM − MA determinar una base y la
0 3
−1 1 1 0
dimensión del núcleo de T. Sol. ,
0 0 0 1
1 2
3. Sea T : M2,2 → M2,2 y M = , sea T (A) = M A, determinar el núcleo de T
3 5
7.5 La transformación inversa

Definición 7.7 (Transformación 1-1) Sea T : U → V, una transformación lineal. Se dice que T
es uno a uno (1 − 1) si para elementos u1 , u2 distintos de U , se encuentra que T (u1 ) = T (u2 ) .
Una definición alternativa es: Se dice que T es uno a uno si T (u1 ) = T (u2 ) implica u1 = u2 .
Teorema 7.8 Sea T : U → V, una transformación lineal. Las siguientes afirmaciones son equiva-
lentes.
1. T es uno a uno.
2. Nu (T ) = {0} .
3. nulidad (T ) = 0.
Ejemplo 7.9 Determinar si la siguiente transformación es o no uno a uno.

 
x + 2y
x
T = x−y 
y
2x − y
el núcleo de T se encuentra resolviendo:

x + 2y = 0
x−y =0
2x − y = 0
x 0
se encuentra que la única solución es: = , por tanto
y 0
0
Nu (T ) = ,
0
de donde se deduce que T es una transformación lineal uno a uno.

7.5. LA TRANSFORMACIÓN INVERSA 147
Ejemplo 7.10 ¿Bajo qué circunstancias la transformación T : Rn → Rm , definida por T (x) = Ax,
es uno a uno?, aquí A ∈ Mm,n .
Solución. Sean x, y ∈ Rn vectores tales que T (x) = T (y) , es decir: Ay = Ax, de donde:
A (y − x) = 0,
éste es un sistema homogéneo, como se sabe éste sistema siempre tiene solución. Si rango (A) = n,
entonces la única solución es la nula esto es y − x = 0, por tanto T es uno a uno si rango (A) = n.
En particular si m = n, T es uno a uno ssi A ∈ Mn,n es invertible.
Definición 7.9 (Transformación inversa) Sea T una transformación lineal. T : V → W, tal

que W = Im (T ) . Se dice que T es invertible si existe una transformación lineal T −1 de W en V tal
que
T −1 (T (v)) = v,
T T −1 (w) = w
para todo v ∈ V y todo w ∈ W.
Teorema 7.10 T : V → Im (T ) es invertible si y solamente si Nu (T ) = {0}
x 3x − y
Ejemplo 7.11 Sea T : R2 → R2 , definida por T = (a) determinar si es o no
y 4x − y
invertible, (b) si fuera invertible determinar la inversa.
Solución. (a) El núcleo se encuentra resolviendo
3x − y = 0
4x − y = 0
0 0
la única solución es , por tanto Nu (T ) = , luego T es invertible.
0 0
a x a
(b) Sea tal que T = , esto origina el sistema:
b y b
3x − y = a
4x − y = b
resolviendo se encuentra x = b − a, y = 3b − 4a, de donde se deduce que la transformación inversa

es:
a b−a
T −1 =
b 3b − 4a
o empleando las variables x, y :
x y−x
T −1 =
y 3y − 4x
En los siguientes ejercicios, determinar T −1 si ésta existe.

   
x − 2y a
x −3a + 2b
1. T : R2 → Im (T ) , T =  2x − 3y . Sol. T −1  b  = , c=b−a
y b − 2a
x−y c
 
x
x − 2y + z
2. T : R3 → R2 , T  y  = . Sol. No existe
x + y − 3z
z
 
  −x + z
x  2x + y − 2z 
3. T : R3 → R4 , T  y  = 
 x + 2y − z  , Sol. No existe

z
x−z
   
x − 2y a
x  −x + 3y   b  3a + 2b
4. T : R2 → R4 , T =  , Sol. T −1 
 3x − 5y  
= , c = 4a + b, d = 0
y c  a+b
0 d
5. Sea      
 1 0 
W = a  −1  + b  1  : a, b ∈ R
 
1 1
 
x
2 3x + y a
Se define T : W → R por T  y  = , z = 2x + y. Sol. T −1 =
8x + 3y b
z
 
3a − b
 −8a + 3b  ..
−2a + b
7.6 La matriz de una transformación lineal

7.6.1 Matriz de coordenadas de un vector
Sea U un espacio vectorial y B = {u1 , u2 , . . . , un } una base de U. Si u ∈ U, entonces u se escribe
como:
u = c1 u1 + c2 u2 + · · · + cn un ,
la matriz  
c1
 c2 
 
 .. 
 . 
cn
7.6. LA MATRIZ DE UNA TRANSFORMACIÓN LINEAL 149
se llama matriz de coordenadas del vector u relativo a la base B. Emplearemos la notación:

 
c1
 c2 
 
mat B u =  . 
 . .
cn
Ejemplo 7.12 En R3 se considera la base

      
 1 2 0 
B = u1 =  
0 , u2 =  
0 , u3 =  1 
 
1 0 1
 
1
sea u =  2  , para encontrar la matriz de coordenadas matB u se plantea el sistema:
3
c1 u1 + c2 u2 + c3 u3 = u
lo que origina:     
1 2 0 c1 1
 0 0 1   c2  =  2 
1 0 1 c3 3
resolviendo se encuentra c1 = 1, c2 = 0, c3 = 2, por tanto la matriz de coordenadas es:
 
1
B 
mat u = 0 .
2
7.6.2 Matriz de coordenadas de una transformación lineal

Sea T : U → V una transformación lineal y B = {u1 , u2 , . . . , un } una base de U y C = {v1 , v2 , . . . , vm }
una base de V. Puesto que C es una base de V, entonces cada vector T (uj ) se escribe como combi-
nación lineal de los vectores v1 , v2 , . . . , vm , es decir:
T (u1 ) = a11 v1 + a21 v2 + · · · am1 vm
T (u2 ) = a12 v1 + a22 v2 + · · · am2 vm
···
T (un ) = a1n v1 + a2n v2 + · · · amn vm
 
a1j
 a2j 
C  
las componentes de la matriz mat T (uj ) =  ..  forman la j − ésima columna de la matriz
 . 
amj
de coordenadas de la transformación T, se denota con matCB T, es decir:
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
 
mat C
BT =  . .. .. .. 
 .. . . . 
am1 am2 . . . amn
Teorema 7.11 Sea T : U → V una transformación lineal y B = {u1 , u2 , . . . , un } una base de U y

C = {v1 , v2 , . . . , vm } una base de V. Entonces:
mat C T (u) = mat C

BT mat B u
para todo u ∈ U.
Demostración. Sea u ∈ U, existen números c1 , c2 , . . . , cn tal que:
u = c1 u1 + c2 u2 + · · · + cn un ,
por tanto:  
c1
 c2 
 
mat B u =  .. 
 . 
cn
por otra parte aplicando la transformación se encuentra:
T (u) = c1 T (u1 ) + c2 T (u2 ) + · · · + cn T (un ) ,
entonces:
T (u) = c1 (a11 v1 + a21 v2 + · · · am1 vm )

+c2 (a12 v1 + a22 v2 + · · · am2 vm )
+···
+cn (a1n v1 + a2n v2 + · · · amn vm )
reordenando respecto a los vectores vi se encuentra:
T (u) = (a11 c1 + a12 c2 + · · · a1n cn ) v1

+ (a21 c1 + a22 c2 + · · · a2n cn ) v2
+···
+ (am1 c1 + am2 c2 + · · · amn cn ) vm
por tanto:
 
a11 c1 + a12 c2 + · · · a1n cn
 a21 c1 + a22 c2 + · · · a2n cn 
 
mat C T (u) =  .. 
 . 
am1 c1 + am2 c2 + · · · amn cn
  
a11 a12 . . . a1n c1
 a21 a22 . . . a2n   c2 
  
=  .. .. .. ..   .. 
 . . . .  . 
am1 am2 . . . amn cm
= mat C
BT mat B u .
Ejemplo 7.13 Considere la transformación lineal T : R3 → R2 definida por

 
x
 x+y
T y = .
y+z
z
      
 1 1 0 
2 1
Sean B = u1 =  
0 , u2 =  0  , u3 =  1  ,C = v1 = , v2 = bases
  5 3
1 −1 0
de R3 y R2 respectivamente.
(a) Calcular matC
BT  
2
(b) Empleando el teorema 7.11 (pág. 150) calcular matC T (u) , donde u =  1  .
−1
C
(c) Calcular mat T (u) directamente.
Solución. (a) Cálculo de la primera columna: Se calcula matC T (u1 ), las componentes de éste
vector son las soluciones del sistema:
x1 v1 + x2 v2 = T (u1 )
así se plantea el sistema:

2 1 x1 1+0
=
5 3 x2 0+1
x1 2 2
resolviendo se encuentra: = , luego matC T (u1 ) = .
x2 −3 −3
Cálculo de la segunda columna: Se calcula matC T (u2 ), las componentes de éste vector son las
soluciones del sistema:
x1 v1 + x2 v2 = T (u2 )
2 1 x1 1+0
=
5 3 x2 0 + (−1)
x1 4 4
x2 −7 −7
Cálculo de la tercera columna: Se calcula matC T (u3 ), las componentes de éste vector son las
soluciones del sistema:
x1 v1 + x2 v2 = T (u3 )
2 1 x1 0+1
=
5 3 x2 1+0
x1 2 2
x2 −3 −3
De lo anterior se deduce:
2 4 2
mat C
BT =
−3 −7 −3
Solución (b) Empleando el teorema mencionado sólo es necesario calcular matB u, las compo-
nentes de éste vector son las soluciones del sistema:
x1 u1 + x2 u2 + x3 u3 = u,
es decir:     
1 1 0 x1 2
 0 0 1   x2  =  1 
1 −1 0 x3 −1
 1   1

 
x1 2 2
 3   3

resolviendo se encuentra: x2  =   , por tanto: matB u =   , por tanto:
 2   2 
x3
1 1
mat C T (u) = mat C

BT mat B u
 1

2
2 4 2  3

=  
−3 −7 −3  2 
1
9
=
−15
Solución (c). Se encuentra resolviendo el sistema
3
x1 v1 + x2 v2 = T (u) =
0
de donde:
2 1 x1 3
=
5 3 x2 0
resolviendo se encuentra
x1 9
=
x2 −15
es decir:
9
mat C T (u) = .
−15
En los siguientes ejercicios, determinar, si es posible, matC
B T.
 
2x − y
x
1. T : R2 → R3 , T =  x − 3y 
y
3x + y
     
 1 1 1 
3 1 
B= , , C= 0 , −1 , 1 
   
2 1  
1 1 1
2
determinar también matC T (u) , u =
−1
x 2x − y
2. T : R2 → R2 , T = ,
y x − 3y
3 5 2 −2
B= , , C= ,
1 2 3 3
7.6.3 Cambio de base

Teorema 7.12 Sea T : V → W una transformación lineal. Sean B, B ′ bases de V y C, C ′ bases de
W, entonces:
′ C′
mat C
B ′ T = mat C IW mat C
BT mat B
B ′ IV
donde IW e IV son las aplicaciones identidad en W y V.
Ejemplo 7.14 Considere la transformación T : R2 → R3 , definida por

 
x−y
x
T =  −x + 2y 
y
x+y
      
 1 0 0 
1 0
Sean B = e1 = , e2 = , C = f1 =  0  , f2 =  1  , f3 =  0  bases
0 1  
0 0 1
de R2 y R3 respectivamente. La matriz de coordenadas de T relativo a estas bases es:
 
1 −1
mat CBT =
 −1 2 
1 1
      
 1 1 1 
3 4
Sean B = e1 =
′ ′ ′
, e2 y C = f1 =
′ ′   ′
1 , f2 =   ′
−1 , f3 =  0  nuevas
2 3  
1 0 0
′
bases de R2 y R3 , calcularemos matCB ′ T empleando el resultado:
′ ′
mat C C
B ′ T = mat C IW mat C
BT mat B
B ′ IV
′
• Cálculo de matC 3
C IW . (aquí W = R ). Primera columna:
    
1 1 1 x1 1
 1 −1 0   x2  =  0 
1 0 0 x3 0
 
0
resolviendo se encuentra el vector :  0  .
1
Segunda columna:     
1 1 1 x1 0
 1 −1 0   x2  =  1 
1 0 0 x3 0
 
0
cuya solución es:  −1  .
1
Tercera columna:     
1 1 1 x1 0
 1 −1 0   x2  =  0 
1 0 0 x3 1
 
1
resolviendo se encuentra la solución:  1  .
−2
De lo anterior se sigue que  
0 0 1
′
mat C
C IW =  0 −1 1 
1 1 −2
• Cálculo de matB I (aquí V = R2 ) Primera columna:

B′ V
1 0 x1 3
=
0 1 x2 2
es claro que la solución es:

x1 3
=
x2 2
Segunda columna:
1 0 x1 4
=
0 1 x2 3
x1 3
la solución es = , por tanto:
x2 2
3 4
mat B
B ′ IV = 2 3
Finalmente:
′ ′
mat C
B′ T = mat C
C IW mat C
BT mat B
B ′ IV
  
0 0 1 1 −1
3 4
=  0 −1 1   −1 2 
2 3
1 1 −2 1 1
 
5 7
=  4 5 
−8 −11

Transformaciones Lineales

Cargado por

Información del documento

Título 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

Transformaciones Lineales

Cargado por

Copyright:

Formatos disponibles

Capítulo 7

Ejemplo 7.1 La función T : R3 → R2 , deﬁnida por

por otra parte si k ∈ R, entonces:

Ejemplo 7.2 Sea A ∈ Mm,n , deﬁnimos la transformación T : Rn → Rm por

las propiedades matriciales permiten probar que T es una transformación lineal.

7.1.2 Propiedades de una transformación lineal

La primera propiedad muestra (en su forma contrapositiva) que si T (0) = 0, entonces T no

Ejemplo 7.3 Sea T : R2 → R3 deﬁnida por

Observación. Nótese que T (0) = 0, no es garantía de que T sea transformación lineal.

Ejemplo 7.4 Sea T : R2 → R3  

7.2 Construcción de transformaciones lineales

aplicando la transformación lineal se encuentra:

T (v) = c1 T (e1 ) + c2 T (e2 ) + · · · + cn T (en )

Ejemplo 7.5 Considere los espacios vectoriales R3 y R2 , sea

una base de R3 . Sea T una transformación lineal tal que

Determinar la transformación lineal.

esto origina el sistema:

empleando la transformación T a la ecuación (ii) se encuentra:

T (v) = c1 T (v1 ) + c2 T (v2 ) + c3 T (v3 )

reemplazando (i), (iii) y v en la anterior ecuación se encuentra:

2. Sea T : R2 → R3 una transformación lineal tal que :

3. Determinar si existe o no una transformación lineal T : R2 → R2 tal que

4. Sea T : U → V una transformación lineal. Sea B = {u1 , u2 , . . . , un } un conjunto en U tal que

La compuesta de T y S, escrito S ◦ T, es la función de U en W deﬁnida por:

es evidente que S ◦ T es una transformación lineal.

Ejemplo 7.6 Determinar S ◦ T si:

7.4 Núcleo e imagen

Teorema 7.2 El núcleo de una transformación lineal T : U → V es un subespacio de U.

Demostración. Sean u, w ∈ Nu (T ) , entonces T (u) = 0 y T (w) = 0, de donde

luego u + w ∈ Nu (T ) . Por otra parte si k ∈ R, entonces

de donde se deduce que ku ∈ Nu (T ) . De lo anterior se sigue que Nu (T ) es un subespacio de U.

Deﬁnición 7.3 (Nulidad) La nulidad de una transformación lineal T : U → V, denotado por

nulidad (T ) = dim (Nu (T ))

Im (T ) = {v ∈ V : existe u ∈ U tal que T (u) = v}

Teorema 7.4 La imagen de una transformación lineal T : U → V es un subespacio de V.

Demostración. Sean v1 , v2 ∈ Im (T ) , luego existen vectores u1 , u2 ∈ U tales que T (u1 ) = v1 y

rango (T ) = dim (Im (T ))

7.4.3 El teorema de la dimensión

Ejemplo 7.7 Determinar el núcleo, la imagen y sus dimensiones de la transformación T : R2 → R3

de donde se deduce que rango (T ) = 2.

Ejemplo 7.8 Determinar el núcleo, la imagen y sus dimensiones de la transformación T : R3 → R2

La solución de éste sistema es    

así, se plantea el sistema:  

nulidad (T ) + rango (T ) = 1 + 2 = 3 = dim R3 .

7.5 La transformación inversa

Ejemplo 7.9 Determinar si la siguiente transformación es o no uno a uno.

el núcleo de T se encuentra resolviendo:

de donde se deduce que T es una transformación lineal uno a uno.

Deﬁnición 7.9 (Transformación inversa) Sea T una transformación lineal. T : V → W, tal

para todo v ∈ V y todo w ∈ W.

Teorema 7.10 T : V → Im (T ) es invertible si y solamente si Nu (T ) = {0}

Solución. (a) El núcleo se encuentra resolviendo

resolviendo se encuentra x = b − a, y = 3b − 4a, de donde se deduce que la transformación inversa

En los siguientes ejercicios, determinar T −1 si ésta existe.

7.6 La matriz de una transformación lineal

se llama matriz de coordenadas del vector u relativo a la base B. Emplearemos la notación:

Ejemplo 7.12 En R3 se considera la base

7.6.2 Matriz de coordenadas de una transformación lineal

Teorema 7.11 Sea T : U → V una transformación lineal y B = {u1 , u2 , . . . , un } una base de U y

mat C T (u) = mat C

Demostración. Sea u ∈ U, existen números c1 , c2 , . . . , cn tal que:

T (u) = c1 T (u1 ) + c2 T (u2 ) + · · · + cn T (un ) ,

T (u) = c1 (a11 v1 + a21 v2 + · · · am1 vm )