Transformaciones lineales

Práctica 2
Transformaciones lineales
Señales y Sistemas
Un Sistema puede considerarse como un proceso en el cual se transforman señales. Es
decir, hay una señal de entrada que es transformada dando como resultado una señal
de salida. Por ejemplo, un sistema de alta fidelidad toma una señal de audio grabada
y reproduce dicha señal. Si este sistema tiene controles de tono, podemos cambiar la
calidad de la señal reproducida. Esta diferencia entre la entrada y la salida se puede
pensar matemáticamente como una función.
Un tipo particular de sistema son los sistemas lineales, dichos sistemas poseen la pro-
piedad de superposisción. La propiedad de superposición implica que si la entrada es una
suma ponderada de varias señales entonces la salida es la superposición de las respuestas
del sistema a cada una de esas señales. Es decir, por ejemplo, que si sumamos dos señales
de entrada, el sistema dará como señal de salida a la suma de las salidas de cada señal.
Veamos esto matemáticamente, si un sistema lineal transforma X1 en Y1 y X2 en Y2
entonces transformará X1 + X2 en Y1 + Y2 . O si pensamos al sistema como a una función
f que transforma X en Y :
Si f (X1 ) = Y1 y f (X2 ) = Y2 ⇒ f (X1 + X2 ) = Y1 + Y2 .
Pero cuando la definición de sistema lineal habla de suma ponderada de varias señales se
refiere a algo más general. Con ponderada se refiere a que cada señal está multiplicada por
algún escalar. Por ejemplo, en vez de tener como entrada X1 , tendríamos α1 X1 . Ahora
si el sistema transforma X1 en Y1 entonces tendrá que transformar α1 X1 en α1 Y1 . O si
pensamos esto en terminos de funciones:
Si f (X1 ) = Y1 ⇒ f (α1 X1 ) = α1 Y1 .
Álgebra II - Ingeniería en Sonido
Más aún, si Y1 , Y2 , ....., Yn son las salidas que da el sistema para las entradas
X1 , X2 , ....., Xn y α1 , α2 , ....., αn son números reales entonces un sistema lineal va a trans-
formar: α1 X1 + α2 X2 + ..... + αn Xn en α1 Y1 + α2 Y2 + ..... + αn Yn . Esto se puede escribir,
pensando al sistema como una función, de la siguiente manera:
Si f (Xi ) = Yi ∀i ≤ n ⇒ f (α1 X1 + α2 X2 + ..... + αn Xn ) = α1 Y1 + α2 Y2 + ..... + αn Yn .
1. Consideremos las siguientes funciones como si fuesen sistemas. ¿Cuál de ellas representa-
rían a un sistema lineal? Explicá en cada caso el porqué de tu respuesta:
a) f : R → R definida por f (x) = 3x.
b) f : R → R definida por f (x) = 3x + 6.
c) f : R → R definida por f (x) = x2 .
Definición
Si una función f : V → W , con V y W espacios vectoriales, cumple que:
a) f (X1 + X2 ) = f (X1 ) + f (X2 ) ∀ X1 , X2 ∈ V
b) f (λX) = λf (X) ∀X ∈ V ∀λ ∈ R
se dice que f es una Transformación Lineal.
2. Supongamos que f : V → W es una transformación lineal.
a) ¿Cumple f la propiedad de superposisción que tienen los sistemas lineales? Es decir,

¿es cierto que si una entrada es la suma ponderada de varias señales entonces la
salida es la superposición de las respuestas del sistema a cada una de estas señales?
b) Si sabemos que el sistema con el cuál estamos trabajando es un sistema lineal ¿Sería
correcto representarlo con una función que no sea tranformación lineal?
2
3. La siguiente afirmación vale para sistemas lineales: “En un sistema lineal, si la entrada es
nula, la salida también debe serlo”.
a) ¿Cómo se podría escribir la misma afrimación para una transformación lineal f ?
b) ¿Es cierta esta afrimación para transformaciones lineales?
4. Determiná cuáles de las siguientes funciones son transformaciones lineales.
a) f : R2 → R2 / f (x, y) = (2x + y, x + 2y)
b) f : R2 → R2 / f (x, y) = (x + 1, y − 1)
c) f : R3 → R / f (x, y, z) = x + y + z
d ) f : R2 → R3 / f (x, y) = (x, 2x, 3x)
e) f : R2×2 → R / f (A) = tr(A)
f ) f : R2×2 → R / f (A) = det(A)
g) f : R2×2 → R2×2 / f (A) = At
Veamos ahora algunos ejemplos geométricos:
5. Leé la siguiente definición de simetría extraída del libro "Álgebra y geometría” de

Eugenio Hernández, página 430:
Definición
Una simetría con respecto a una recta r es un movimiento en el plano. Recordemos
que el simétrico de un punto P con respecto a r es un punto P’ tal que el segmento
PP’ es perpendicular a r y r corta a PP’en su punto medio.
Decidí cuáles de los siguientes gráficos representan simetrías. Explicá por qué.
3
6. Dibujá los vectores simétricos a los dados, con respecto a la recta indicada.
7. Encontrá y dibujá la recta que hace de simetría de los siguientes vectores. Nota: con
s(v) indicamos el simétrico del vector v
a) v = (7, 1), s(v) = (5, 5)
b) w = (−3, −4), s(w) = (−5, 0)
4
¿Cómo hiciste para encontrarla?
8. Sea r la recta de ecuación y = 0.
a) Hallá los vectores simétricos, con respecto a r, de u = (2, 3), de v = (1, 0) y w = (0, 3)
b) Hallá los vectores simétricos, con respecto a r, de u + v y 7w. ¿Notás alguna relación
con el item anterior?
c) Proponé una fórmula que permita obtener el simétrico de un vector (x, y) con res-
pecto a la recta r
9. a) ¿Cuál es el vector simétrico de cada uno de los siguientes vectores con respecto a
la recta y = x?
1) v1 = (1, 3) 5) v1 + v2
2) v2 = (4, 0) 6) v2 + v4
3) v3 = (5, 3) 7) 7v1
4) v4 = (5, 15) 8) 5v1 + v3
b) ¿Se te ocurre alguna fórmula que permita obtener el simétrico de un punto cualquiera
del plano?
10. Dados un vector v ∈ R2 y una recta r.
a) Recordá la definición geométrica de la proyección ortogonal de un vector sobre una

recta. Buscá, si no la recordas, la fórmula vista en álgebra 1 para calcularla.
b) ¿Hay alguna relación entre v, su simétrico respecto de r y su proyección ortogonal

respecto de r?
c) ¿Podrías hallar una fórmula para una simetría respecto de una recta r usando la
fórmula de la proyección ortogonal sobre esa misma recta?
Sugerencia: Podes pensar este problema primero con una recta r que vos elijas y después
intentá generalizarlo.
5
11. Sea sr : R2 → R2 la simetría con respecto a una recta r. Decidí si las siguientes afirmacio-
nes son verdaderas o falsas. Recordá que podes dar argumentos que tengan que ver con
lo geométrico o que tengan que ver con la fórmula de la simetría.
a) sr (v + w) = sr (v) + sr (w) para todo v, w ∈ R2
b) sr (λv) = λsr (v) para todo v ∈ R2 y λ ∈ R
12. Sea f : R2 → R2 la función definida por la siguiente fórmula: f (x, y) = (x + y, y)
a) Calculá f (0, 1),f (1, 0),f (7, 0),f (0, −4) y f (7, −4)
b) ¿Es cierto que f (7, −4) = f (7, 0) + f (0, −4)?
c) ¿Es f una simetría?
d ) ¿Es f una transformación lineal?
13. Una traslación también es un movimiento en el plano. En este caso, se produce un

desplazamiento paralelo de todos los puntos del dominio. Si, por ejemplo, A y B son dos
puntos del plano y A0 = t(A) y B 0 = t(B) sus puntos trasladados, los vectores AA0 y BB 0
son paralelos y tienen la misma longitud (es decir, podríamos pensar que son iguales). En
este caso se dice que la traslación se da mediante el vector AA0
Sea a = (1, 2) ∈ R2 y ta : R2 → R2 la traslación mediante el vector a.
a) Calculá t(1, 0), t(2, −1), t(−5, 1).
b) Encontrá una fórmula para t.
c) ¿Es t una transformación lineal?
6
Definición
Si una función f : V → V , con V un espacio vectorial, está definida por f (v) = v+w
con w ∈ V un vector fijo, decimos que f es una Traslación.
14. a) Decidí cuales de las siguientes funciones son traslaciones:
f (x, y) = (x + 1, y − 2).
f (x, y) = (x + y, x + y).
f (x, y) = (2x + 1, 2y + 1).
b) De las funciones del item anterior que son traslaciones, ¿Alguna es transformación
lineal?
c) ¿Existe alguna traslación que sea transformación lineal?
15. Interpretá geométricamente las siguientes transformaciones lineales:
a) f : R2 → R2 / f (x, y) = (0, y)
b) f : R2 → R2 / f (x, y) = (x, −y)
c) f : R2 → R2 / f (x, y) = (2x, y)
d ) f : R2 → R2 / f (x, y) = (−x, −y)
e) f : R3 → R3 / f (x, y, z) = (0, 0, z)
f ) f : R3 → R3 / f (x, y, z) = (x, y, −z)
g) f : R3 → R3 / f (x, y, z) = (x, 0, z)
h) f : R3 → R2 / f (x, y, z) = (x, y)
16. Sea f : V → W una transformación lineal. Probá que:
a) f (0V ) = 0W
b) f (−v) = −f (v)
c) Si S es un subespacio de V entonces f (S) es un subespacio de W
7
17. Sea f : R2 → R2 una transformación lineal tal que:
f (1, 0) = (1, 1)
f (0, 1) = (2, 1)
a) ¿Es cierto que (x, y) = x(1, 0) + y(0, 1)?
b) ¿Es cierto que f (x, y) = xf (1, 0) + yf (0, 1)?
c) Proponé una fórmula para f .
d ) ¿Se te ocurre alguna matriz A ∈ R2×2 que cumpla que f (x, y) = A.(x, y)t ?
e) ¿Encotrás alguna relación entre los tranformados de los vectores canónicos y la matriz
A?
f ) Recordá que al multiplicar A.(x, y)t estamos multiplicando la primera columna de

A por x y la segunda columna de A por y.
18. Sea f : R2 → R2 una transformación lineal tal que:
f (1, 1) = (3, 1)
f (−1, 1) = (−1, 2)
a) ¿Es B = {(1, 1); (−1, 1)} una base de R2 ?
b) Si (α, β) son las coordenadas del vector (x, y) en la base B ¿Es cierto que (x, y) =
α(1, 1) + β(−1, 1)?
c) ¿Es cierto que f (x, y) = αf (1, 1) + βf (−1, 1)?
d ) ¿Se te ocurre alguna matriz A ∈ R2×2 que cumpla que f (x, y) = A.(α, β)t ?
e) ¿Encotrás alguna relación entre los transformados de los vectores de la base B y la

matriz A?
f ) Recordá que existe una Matriz de cambio de base que cuando la multiplicas por (x, y)
te da el vector (α, β). Dicha matriz se nota CEB y cumple que CEB .(x, y)t = (α, β)t .
Es decir, la matriz transforma las coordenadas en base canónica en coordenadas en
base B.
8
g) Deducí que f (x, y) = A.CEB .(x, y)t .
h) Proponé una fórmula para f .
19. Sea f : R2 → R2 la transformación lineal que le asigna a cada vector su proyección

ortogonal sobre la recta r de ecuación y = x. Es decir, dado un vector v ∈ R2 se traza
una recta perpendicular a r que pase por v y el punto de intersección de dicha recta con
r es f (v).
a) Interpretá la definición de f geométricamente. Notá que es muy fácil calcular f (1, 1)

y f (−1, 1). Probá que B = {(1, 1); (−1,1)} es una base de R2
b) Si A es la matriz que tiene como primer columna a f (1, 1) y como segunda columna a
f (−1, 1), deducí que f (x, y) = A.[(x, y)]tB . Calculá una fórmula para f (x, y) usando
alguna matriz de cambio de base.
9
Definiciones
Sea f : R2 → R2 una transformación lineal. Sean B, B 0 bases de R2 y E la base
canónica de R2 .
a) Llamamos Matriz de la transformación lineal f a la matriz A ∈ R2×2 tal que

f (x, y) = A(x, y)t . En ese caso notamos A = M (f ). La primer columna es el
transformado del primer vector de la base canónica, la segunda columna es el
transformado del segundo vector de la base canónica.
b) Llamamos matriz de la transformación lineal f de base B en base canónica

a la matriz A ∈ R2×2 tal que f (x, y) = A[(x, y)]tB . En ese caso notamos
A = MBE (f ). La primer columna es el transformado del primer vector de la
base B, la segunda columna es el transformado del segundo vector de la base
B.
c) Llamamos matriz de la transformación lineal f de base B en base B 0 a la

matriz A ∈ R2×2 tal que [f (x, y)]B 0 = A[(x, y)]tB . La primer columna está
formada por las coordenadas en base B 0 del transformado del primer vector
de la base B. La segunda columna está formada por las coordenadas en base
B 0 del transformado del segundo vector de la base B. En particular podemos
escribir M (f ) = MEE (f ).
10
Observación
Las matrices del recuadro anterior se pueden definir cualquiera sea la dimensión de
V y de W con la misma idea. M (f ) tendrá como columnas a los transformados de
los vectores de la base canónica (en el caso de que V tenga una base canónica).
MBE (f ) tendrá como columnas a los transformados de los vectores de la base B(O
a las coordenadas en base canónica de dichos transformados, en este caso también
debería haber una base canónica en el espacio V ). MBB 0 (f ) tendrá como columnas
a las coordenadas en base B 0 de los transformados de los vectores de la base B
(Este es el caso más general, en donde tendríamos que tener una base B de V y
una base B 0 de W ). Muchas veces cuando la base de entrada y de salida son las
mismas escribiremos MB (f ) en lugar de MBB (f ). En cualquier caso, siempre nos
permitirían trabajar provisoriamente con matrices. Restaría pensar:
¿Qué dimensión tendrían esas matrices? ¿Hay alguna relación con las dimen-
siones de V y de W ?
¿Por qué dice trabajar provisoriamente? ¿Qué diferencia hay entre trabajar
con las matrices y trabajar directo con la transformación lineal?
No hace falta responder estas preguntas ahora, tal vez resolver algunos de los ejer-
cicios que siguen te ayude a pensar una posible respuesta.
20. Sea f : R2 → R2 la transformación lineal definida por f (x, y) = (2x + y, x − y).
a) Hallá M (f ).
b) Proponé dos bases B, B 0 de R2 (que no sean la base canónica) y hallá MBB 0 (f ).
c) Calculá f (3, 4) utilizando M (f ).
d ) Calculá f (3, 4) utilizando MBB 0 (f ).
11
Propiedades
Hay algunas operaciones con matrices que podemos hacer para cambiar las bases
con las cuales trabajamos. Sea f : R2 → R2 una transformación lineal. Sean B, B 0 ,
B 00 bases de R2 y E la base canónica de R2 . Sean
a) M (f ) = MBE (f )CEB .
b) M (f ) = CB 0 E MBB 0 (f )CEB .
c) MB 00 B 0 = MBB 0 (f )CB 00 B (Cambio la base de entrada).
d ) MBB 00 = CB 0 B 00 MBB 0 (f )(Cambio la base de salida).
 
2 3
21. Sea f : R2 → R2 la transformación lineal tal que MBE (f ) =  . En donde
1 2
B = {(1, 1), (−1, 1)}.
a) Calculá f (1, 1) y f (−1, 1).
b) Calculá f (2, 2) y f (−1, 4).
c) Hallá M (f ).
 
2 3
22. Sea f : R2 → R2 la transformación lineal tal que MBB 0 (f ) =  . En donde
1 2
B = {(1, 1), (−1, 1)} y B 0 = {(2, −1), (1, 0)}.
a) Calculá f (1, 1) y f (−1, 1).
b) Calculá f (2, 2) y f (−1, 4).
c) Hallá M (f ).
 
1 0 −1
23. Sea la transformación lineal f : R3 → R2 / f (v) = Av con A =  
1 1 1
a) Calculá f (1, 0, 2)
12
 
0 1 0
b) Encontrá una base B de R3 / MBE (f ) =  
0 0 1
Definiciones
Sea f : V → W una transformación lineal.
a) Llamamos Núcleo de f al conjunto de vectores de V que al ser transformados

por f van a parar al 0 de W . Es decir,
N u(f ) = {v ∈ V /f (v) = 0W }.
b) Llamamos imagen de f a su imagen como función. Es decir, la imagen de f

es el siguiente subconjunto de W
Im(f ) = {w ∈ W/ ∃ v ∈ V con f (v) = w}.
c) Decimos que f es Monomorfismo si f es inyectiva.
d ) Decimos que f es Epimorfismo si f es sobreyectiva.
e) Decimos que f es Isomorfismo si f es biyectiva.
24. Si f : V → W es una transformación lineal, ¿Son el núcleo y la imagen subespacios de V

y W respectivamente? Si no estas seguro de la respuesta o de como probar la veracidad de
tu respuesta tal vez te sirve hacer primero algunos de los ejemplos que siguen y después
volver a pensarla.
25. Sea f : R2 → R2 la transformación lineal definida por f (x, y) = (x + 2y, 2x + 4y).
a) Hallá una base de N u(f ) y una de Im(f ).
b) Decidí si f es Epimorfismo, Monomorfismo o Isomorfismo.
26. Sea la transformación lineal f : R3 → R3 /
f (x, y, z) = (2x + y − z, 4x + 2y − 2z, −6x − 3y + 3z)
13
a) ¿Existe un vector u ∈ R3 / f (u) = (1, 1, 1)?
b) Proponé una base de Nu(f )
27. Sea la transformación lineal f : R3 → R3 / f (x, y, z) = (x + y, x − y, 2x − y)
a) Proponé una base de Nu(f ) e indicá su dimensión.
b) Proponé una base de Im(f ) e indicá su dimensión.
28. Para cada una de las siguientes transformaciones, hallá una base de la imagen y otra del
núcleo, e indicá sus dimensiones.
a) f : P2 → R3 / f (a0 + a1 x + a2 x2 ) = (a0 + a1 , a1 + a2 , a0 − a2 )
b) f : R2×2 → R2×2 / f (A) = A − At
29. Sea u0 ∈ R3 −{0} y sea f : R3 → R la función definida por f (v) = v ·u0 donde · representa
el producto escalar.
a) Suponiendo u0 = (1, 2, 3), calculá f (1, 0, 2) y f (3, 0, 6)
b) Probá que f es una T.L. para cualquier u0
c) Proponé una base de Nu(f ) e indicá su dimensión.
d ) Proponé una base de Im(f ) e indicá su dimensión.
30. Sea f : V → W una transformación lineal. Probá que:
a) f es Monomorfismo ⇐⇒ Nu(f ) = {0V }
b) {v1 , v2 , ..., vk } es un sistema de generadores de V =⇒ {f (v1 ), f (v2 ), ..., f (vk )} es un

sistema de generadores de Im(f )
14
Teorema de la dimensión
Sea f : V → W una transformación lineal. Entonces:
dim(N u(f )) + dim(Im(f )) = dim(V )
Podes ver una prueba de este teorema en el Anexo 3. Podes también revisar los
ejercicios que ya hiciste para verificar que las dimensiones te dieron lo que indica
el teorema.
31. Sea la transformación lineal f : R3 → R3 / f (x, y, z) = (x + 2y − z, y + kz, −x + ky), k ∈ R
a) Encontrá todos los valores de k para que f no sea inyectiva.
b) Para algun valor de k hallado en el inciso anterior, escribí una base de Nu(f ) y una
base de Im(f ). ¿Se comprueba el teorema de la dimesión en este caso?
f (x, y, z) = (−2x + 2y − 2z, (k − 1)x + (1 − k)y + (k 2 − 1)z, −x − y − z), k ∈ R
a) Encontrá, si existen, todos los valores de k para que f no sea inyectiva.
b) Encontrá, si existen, todos los valores de k para que la dimensión del Nu(f ) sea 2.
c) Encontrá, si existen, todos los valores de k para que la dimensión del Im(f ) sea 2.
f (x, y, z, w) = (x+y+w, −y+2z+3w, 2x+(k+1)y+(k−1)z+2w, x+(3k−k 2 )z+4w), k ∈ R
Encontrá todos los valores de k para los cuales dim(Nu(f ))=dim(Im(f )).
 
1 0
 
2 3
34. Sea la transformación lineal f : R → R con MB1 B2 (f ) =  1 3 
 
 
1 a
siendo B1 y B2 bases de R2 y R3 respectivamente.
15
a) Para qué valores de a ∈ R, Nu(f ) 6= {0}
b) Si B1 = {(1, 0), (1, −1)} y B2 = {(1, 0, 0), (1, 1, 0), (0, 0, 1)}, determiná el valor de a
para que (1, 1, 1) ∈ Im(f )
c) ¿Cuál es el vector de R2 cuya imagen es (1, 1, 1)
35. Sean V un espacio vectorial, B = {v1 , v2 , v3 } base de V y f : V → V una T.L. que

verifica
f (v1 + v2 ) = v3
f (v1 − v2 ) = 2v2 + v3
f (v1 + v3 ) = v1
a) Hallá MB (f )
b) Calculá f (2v1 − v2 − v3 )
c) ¿Es f un isomorfismo?
36. Dados V y W espacios vectoriales y f : V → W una transformación lineal. Decidí si las

siguientes afirmaciones son verdaderas ó falsas:
a) Si f es monomorfismo entonces dim(V ) ≤ dim(W ).
b) si f es epimorfismo entonces dim(V )<dim(W ).
c) si f es isomorfismo entonces dim(V ) = dim(W ).
37. Sea la transformación lineal f : R3 → R3 / f (x, y, z) = (x+ky+z, kx+y+z, x+y+kz), k ∈

R. Encontrá todos los valores de k para los cuales f es un isomorfismo.
 
−2 1 0
 
38. Sea f : R3 → R3 una t.l. con M (f ) =  −5 1 k 
 
 
−8 k 2
Determiná, si existen, todos los valores de k ∈ R para los cuales se verifica simultánea-
mente:
16
N u(f ) 6= {0}
N u(f ) ⊂ Im(f )
Observación
Dada una transformación lineal, pudimos ver con algunos de los ejemplos que parece
ser suficiente con definirla en vectores de una base del espacio de salida. Es decir,
si decimos cuánto vale la transformación en los vectores de una base de salida,
entonces podremos decir cuánto vale en el resto de los vectores del espacio de salida.
Esto está explicado y desarrollado con detalle como un teorema fundamental de las
transformaciones lineales en el primer anexo de esta práctica.
39. Sea C = {v1 , v2 , v3 } Supongamos que existe una transformación lineal que verifica:
f (v1 ) = (1, 1, 1)
f (v2 ) = (0, −1, 3)
f (v3 ) = (2, 5, −7)
a) Analizá la existencia y la unicidad de f en los siguientes casos:
1) v1 = (1, 1, 1), v2 = (0, 1, 0) y v3 = (2, −1, 2)
2) v1 = (1, 1, 1), v2 = (0, 1, 0) y v3 = (1, 0, 1)
3) v1 = (1, 0, 3), v2 = (0, 1, 1) y v3 = (1, 0, 0)
b) Para los casos del inciso anterior donde la existencia de la transformación es única,
encontrá la expresión analítica de f .
40. Se sabe que una transformación lineal f : R2 → R2 verifica:
f (1, 1) = (2, 1)
f (1, −1) = (0, −1)
¿Se puede saber cuál es la imagen del vector (1, 0)? ¿Por qué?
17
41. Se sabe que una función f : R2 → R3 verifica:
f (1, 0) = (1, 0, 0)
f (1, 1) = (0, 1, 1)
a) ¿Se puede saber cuál es la imagen del vector (−1, 1)? ¿Por qué?
b) Encontrá un vector w ∈ R3 / f (−1, 1) = w para que f sea una transformación lineal.
c) Encontrá la expresión analítica de f
d ) Encontrá MB1 B2 siendo B1 = {(1, 1), (1, −1)} y B2 = {(0, 0, 1), (0, 1, 0), (1, 0, 0)}
42. En cada caso, encontrá si es posible, una transformación lineal que verifique:
a) f : R3 → R3 / Im(f ) = {(x, y, z) ∈ R3 /x + y − z = 0}
b) f : R3 → R3 / Nu(f ) = {(x, y, z) ∈ R3 /x + 3y = 0}
c) f : R2 → R3 / f no sea monomorfismo y (1, 0, 1) ∈ Im(f )
d ) f : R2 → R3 / f sea un epimorfismo.
e) f : R4 → R4 / Im(f ) = Nu(f ) y Im(f ) = {(x, y, z, w) ∈ R4 /x + y = 0 ∧ x − z = 0}
f ) f : R3 → R3 / Im(f ) = Nu(f )
g) f : R3 → R3 / Nu(f ) ⊂ Im(f )
h) f : R3 → R3 / f sea un isomorfismo.
 
0 1
 
2 3
43. Sea la transformación lineal f : R → R con MB1 B2 (f ) =  1 0 
 
 
1 0
siendo B1 = {(1, 1), (0, 1)} y B2 = {(0, 0, 1), (0, 1, 1), (1, 1, 1)}
a) Calculá f (2, 3)
b) Encontrá una expresión analítica de f
44. Sea S = gen{(−1, 1, 0), (0, 1, 1)}
a) Definí una transformación lineal que verifique:
18
f (v) = 2v ∀v ∈ S
f (v) = 0 ∀v ∈ gen{(1, 1, −1)}
b) Para la transformación definida en el item anterior, hallá el valor de k ∈ R tal que

(1, k, 0) ∈ Im(f )
45. Sean S, T ⊆ R4 los subespacios definidos por S = {(x1 , x2 , x3 , x4 )/x1 + x2 + x3 = 0} y

T = {(x1 , x2 , x3 , x4 )/2x1 + x4 = 0, x2 − x3 = 0}
¿Existirá algún isomorfismo f : R4 → R4 tal que f (S) = T ?
Interconexión de sistemas
Muchos sistemas están construidos mediante interconexiones de varios sistemas. Es
decir, la entrada es transformada por un sistema y luego por otro. Un ejemplo pue-
de ser una guitarraa que pasa por una pedalera para luego ir a un amplificador.
Tanto la pedalera como el amplificador transformarán la señal inicial que emite la
guitarra para crear una señal de salida que es resultado de dos transformaciones.
Esto matemáticamente se podría pensar como una composición de funciones, y si
además ambos sistemas son lineales entonces tendríamos la composición de dos
transformaciones lineales. Por otro lado, se dice que un sistema lineal es inversi-
ble si distintas entradas producen distintas salidas y hay una entrada para cada
salida posible. Si un sistema es inversible entonces existe el sistema inverso que al
estar interconectado con el sistema original produce una salida que es igual a la
entrada. Si además ambos sistemas son lineales entonces estaríamos hablando de
transformación lineal inversible y de transformación lineal inversa.
a
Pusimos la guitarra como un ejemplo pero podría ser cualquier otro instrumento, Elvis Cos-
tello diría: “Si todos piden una guitarra, no voy a tener suficientes para todos, pero hay otros
instrumentos divertido como.... el bajo"
19
a) Si f : V → W y g : W → U son dos tranformaciones lineales entonces se

puede plantear la composición g ◦f . En ese caso, si B, B 0 y B 00 son bases de V ,
W y U respectivamente entonces vale que MBB 00 (g ◦ f ) = MB 0 B 00 (g)MBB 0 (f )
b) Si una transformación lineal f : V → W es isomorfismo entonces tendrá, igual

que cualquier otra función, una función inversa. Se puede ver que la inversa
también es transformación lineal y que (M (f ))−1 = M (f −1 ). Mas aún si B y
B 0 son bases de V y W respectivamente entonces (MBB 0 (f ))−1 = MB 0 B (f −1 ).
46. La siguiente afirmación refiere a sistemas "Se dice que un sistema lineal es inversible si
distintas entradas producen distintas salidas y hay una entrada para cada salida posi-
ble".¿Cómo sería una afirmación equivalente para transformaciones lineales?
47. Sea f : R2 → R2 la transformación lineal dada por f (x, y) = (x + 3y, 2x − y). Sin calcular
f −1 , hallá:
a) M (f −1 )
b) M (f −1 )B2 B1 con B1 = {(1, 1), (2, 1)} y B2 = {(−1, 2), (0, 1)}
48. Sean f : R3 −→ R2 y g : R2 −→ R3 dos transformaciones lineales tales que:
f (4, 0, 1) = (1, 1) y f (0, 1, 1) = (1, 0).
Nu(f ) = gen {(0, 0, 2)}.

 
1 3
 
M (g) =  2 0 
 
 
2 0
a) Calculá f og(1, 1)
b) ¿Es f og un isomorfismo? En caso afirmativo, calculá M [(f og)−1 ]
20
 
1 2 0
 
49. Sea f : R3 → R3 la transformación lineal tal que M (f ) =  1 1 −2  y sea B =
 
 
0 −1 −1
{(1, 0, 2), (0, 1, 1), (2, 1, 0)}
a) Hallá M (f )BE y M (f )B
b) Hallá M (f −1 )BE
50. Sea B = {v1 , v2 , v3 } una base de V y f : V → V definida por

 
0 2 −1
 
M (f )B =  0 0 −1 
 
 
0 0 0
a) Calculá f ◦ f (3v1 ) y f ◦ f (v1 − 2v2 )
b) Hallá la dim(Nu(f ◦ f )) y dim(Im(f ◦ f ))
51. Tenemos dos sistemas lineales interconectados, S1 y S2 .Sean f : R3 → R3 y g : R3 → R2

las transformaciones lineales que representan a S1 y a S2 respectivamente.
 
  1 3 0
1 0 −1  
M (g ◦ f )B1 B2 =   y M (f )B1 =  0 1 −1  donde B1 y B2 son bases de
 
2 1 0  
1 2 0
3 2
R y R respectivamente. Tenemos además que:
a) ¿En que orden se aplican los sistemas si utilizamos la transformación lineal gof ?
b) ¿Es cierto que S1 es un sistema inversible?
c) Hallá M (g)B1 B2 .
52. Sean f : R3 → R4 ; f (x1 , x2 , x3 ) = (x1 +x2 , x1 +x3 , 0, 0) y g : R4 → R2 , g(x1 , x2 , x3 , x4 ) =

(x1 − x2 , 2x1 − x2 ).
Calculá el núcleo y la imagen de f , de g y de g ◦ f . Decidí si son monomorfismos, epimor-
fismos o isomorfismos.
53. Sean g : V → W y f : W → U transformaciones lineales. Probá:
21
a) N u(g) ⊆ N u(f ◦ g).
b) Si N u(f ) ∩ Im(g) = {0}, entonces N u(g) = N u(f ◦ g).
c) Im(f ◦ g) ⊆ Im(f ).
d ) Si Im(g) = W , entonces Im(f ◦ g) = Im(f ).
54. Sean B1 = {v1 , v2 , v3 } una base de R3 y B2 = {w1 , w2 , w3 , w4 } una base de R4 . Sea

f : R3 → R4 la transformación lineal tal que:
 
1 −2 1
 
 −1 1 −1 
 
M (f )B1 B2 =
 

 2 1 4 
 
3 −2 5
a) Hallá f (3v1 + 2v2 − v3 ) ¿Cuáles son sus coordenadas en la base B2 ?
b) Hallá una base de N u(f ) y una base de Im(f )
c) Describí el conjunto f −1 (w1 − 3w3 − w4 )
22
Anexo I: Teorema fundamental de las transformaciones lineales
Teorema
Sean V y W dos espacios vectoriales de dimensión finita.
Si B = {v1 , ..., vn } es una base de V y w1 , w2 , w3 , ..., wn son n vectores arbitrarios de W ,
entonces ∃! f : V → W , transformación lineal, tal que f (vi ) = wi ∀1 ≤ i ≤ n
Antes de escribir una demostración, les proponemos algunas preguntas que estaría bueno
tenerlas presentes durante la lectura: ¿por qué el teorema se llamará “fundamental”? ¿Qué
información nos brinda el teorema? ¿Qué problemas, como consecuencia, resuelve?
En general, a un resultado matemático se lo llama teorema (y no, simplemente, propiedad o
proposición) por la importancia que tiene. De alguna manera un teorema es el enunciado de un
problema y su solución. Por ejemplo, el problema: “Juan tiene 50 figuritas y María 20, ¿Cuántas
tienen en total?” se lo podría reordenar como teorema: “Sean 50 y 20 la cantidad de figuritas que
tienen Juan y María, respectivamente. Entonces la cantidad que tienen en total es 70 figuritas”.
La importancia de un resultado matemático (el problema y su solución) se lo puede “medir” de
distintas maneras. Por ejemplo:
es importante porque resolvió un problema que hacía mucho tiempo se estaba pensando.
es importante porque tiene muchas aplicaciones.
es importante porque es “bien general”.
es importante porque no es evidente lo que dice y sin embargo resulta esencial.
es importante porque relaciona dos áreas de la matemática que en principio no tenían

relación.
etc.
Esto, para los matemáticos, no pasa con el problema de las figuritas (no es un problema que se
estuvo pensando durante mucho tiempo, no tiene muchas aplicaciones, no es general, etc) pero
sí pasa con el teorema fundamental que estamos estudiando.
23
El teorema que nos involucra nos dice varias cosas y para empezar a poder escucharlas es
necesario ponerlo en práctica. Veamos:
Supongamos que V = R3 y W = R2 . Consideremos la base B = {(1, 1, 0), (0, 2, 0), (0, 0, −1)}
de R3 y w1 = (1, 1), w2 = (0, 1) y w3 = (−1, 0). Según el teorema, existe una única t.l. tal que:
1. f (1, 1, 0) = (1, 1)
2. f (0, 2, 0) = (0, 1)
3. f (0, 0, −1) = (−1, 0)
¿Cómo hacemos para probar que existe una única transformación lineal que cumple lo di-
cho?¿Cómo hacemos para probar que existe al menos una?
Una de las propiedades más importantes de los espacios vectoriales es que, dado un espacio
vectorial de dimensión finita y una base, cualquier vector del espacio se puede escribir como
una combinación lineal de los vectores de la base (¡y esa combinación es única!). En este caso,
como V = R3 y B = {(1, 1, 0), (0, 2, 0), (0, 0, −1)}, el resultado anterior nos dice que: dado
cualquier (x, y, z) ∈ R3 , ∃! α, β y γ ∈ R tales que (x, y, z) = α(1, 1, 0) + β(0, 2, 0) + γ(0, 0, −1).
Por lo tanto, esto nos da una pauta de cómo tiene que ser la transformación. Como queremos
que sea lineal, f (x, y, z) = f (α(1, 1, 0) + β(0, 2, 0) + γ(0, 0, −1)) = αf (1, 1, 0) + βf (0, 2, 0) +
γf (0, 0, −1) = α(1, 1) + β(0, 1) + γ(−1, 0). Es decir, para cada v ∈ R3 , calculo las coordenadas
de v en la base B y hago “la cuenta” de más arriba. Por ejemplo:
Como (1, 5, 0) = 1(1, 1, 0)+2(0, 2, 0)+0(0, 0, −1), f (1, 5, 0) = 1(1, 1)+2(0, 1)+0(−1, 0) =
(1, 3)
Como (−1, 1, 1) = -1(1, 1, 0) + 1(0, 2, 0) + -1(0, 0, −1), f (−1, 1, 1) = -1(1, 1) + 1(0, 1) +

-1(−1, 0) = (0, 0)
Lo anterior se puede resumir así: Defino f : R3 → R2 f (v) = α(1, 1) + β(0, 1) + γ(−1, 0), donde
(α, β, γ) = [v]B .
Tareas:
24
1. Utilizá varios minutos para meditar sobre lo anterior.
2. Probá que f es una transformación lineal.
3. ¿Por qué es única la transformación definida?
Antes de ver la demostración del teorema, veamos algunas cuestiones generales: por un lado
el teorema nos dice que conociendo solo las imágenes de los vectores de una base de V, pode-
mos conocer toda la función (transformación). Esta idea es análoga al axioma de la geometría
que dice: “dados dos puntos, existe una única recta que pasa por ellos”. O, pensando en las
funciones lineales de análisis, conocidas dos imágenes de dos puntos del dominio, puedo deducir
la fórmula de la función.
Demostración del teorema: Afirmo que la función f : V → W , f (v) = α1 w1 + ... + αn wn ,

donde (α1 , ..., αn ) = [v]B cumple lo afirmado por el teorema. Para corroborar lo dicho, tenemos
que ver:
1. f es lineal.
2. f (vi ) = wi para todo 1 ≤ i ≤ n
3. Si hay otra función g : V → W que cumple 1 y 2, entonces f = g
Veamos 1:
Sean a y b dos vectores de V y (α1 , ..., αn ) = [a]B y (β1 , ..., βn ) = [b]B
f (a+b) = f (α1 (v1 ) + ... + αn (vn ) + β1 (v1 ) + ... + βn (vn )) = f ((α1 + β1 )(v1 ) + ... + (αn + βn )(vn )) =
(α1 + β1 )w1 + ... + (αn + βn )wn = α1 w1 + β1 w1 + ... + αn wn + βn wn = α1 w1 + ... + αn wn + β1 w1 +
... + βn wn = f (a) + f (b)
Sean k ∈ K y v ∈ V y (α1 , ..., αn ) = [v]B
f (kv) = kα1 w1 + ... + kαn wn = k(α1 w1 + ... + αn wn ) = kf (v)
Veamos 2: Observemos que [vi ]B = (0, 0, ..., 0, 1, 0, ..,0), donde el 1 está en la coordenada i. Por
lo tanto, f (vi ) = 0.w1 + ... + 0.wi−1 + 1.wi + 0.wi+1 + ... + 0.wn = wi
Veamos 3:
Supongamos que existe g : V → W que cumple 1 y 2. Sea v ∈ V y (α1 , ..., αn ) = [v]B
25
g(v) = g(α1 v1 + ... + αn vn ) = α1 g(v1 ) + ... + αn g(vn ) = α1 w1 + ... + αn wn = f (v)

Pensemos el siguiente problema: Encontrá una transformación lineal f : R3 → R3 que verique:
(1, 1, 0) ∈ Nu(f )
dim(Im(f )) = 1
Este problema se lo puede pensar a partir del teorema anterior. Podemos definir la trans-
formación sobre una base (el teorema nos dice que de esa manera estaría bien definida) sin
necesidad de encontrar la expresión analítica. Entonces, una posible definición sería:
f (1, 1, 0) = (0, 0, 0) (porque el vector (1, 1, 0) tiene que estar en el núcleo)
f (0, 1, 0) = (0, 0, 0) (porque, como la dimensión de la imagen es 1, la del núcleo tiene que
ser 2)
f (0, 0, 1) = (0, 0, 1)
Demostrá que la función del inciso anterior verifica todo lo pedido. ¿Exitirá otra?¿Por qué?
El teorema, además, nos permite pensar otra manera de representar una transformación: a
partir de una matriz.
Sean V y W dos espacios vectoriales de dimensión finita y f : V → W una t.l. Sean B1 =
{v1 , ..., vn } una base de V y B2 = {w1 , w2 , w3 , ..., wm } una base de W . Afirmo que existe una
matriz M (f )B1 B2 ∈ Rm×n tal que [f (v)]B2 = M (f )B1 B2 ([v]B1 )t

Observemos que si tomamos M (f )B1 B2 = [f (v1 )]B2 |...| [f (vn )]B2 se verifica lo afirmado (la
matriz propuesta tiene como columnas a las imágenes de los vectores de la base B1 escritas en
base B2 ).
A la matriz M (f )B1 B2 se la llama “Matriz asociada a la transformación f en las bases B1 y B2 ”
Para terminar, algunos comentarios sobre la notación: Supongamos que tenemos una t.l
f :V →W
Cuando en la notación de la matriz asociada no se aclaran las bases se deben considerar

las bases canónicas de los espacios correspondientes. Esto es: M (f ) = M (f )E1 E2 , donde
E1 es la base canónica de V y E2 es la base canónica de W .
26
Cuando en la notación de la matriz asociada se escribe una sola letra, se debe considerar
que las bases son iguales (esto también nos dice que en este caso V = W . Es decir:
M (f )B = M (f )BB
En algunos libros/apuntes se utiliza la siguiente notación: M (f )B1 B2 = |f |B1 B2
27
Anexo II: Rotación de vectores en el plano
Dado un punto fijo C del plano y un ángulo θ, una rotación es un movimiento del plano que
consiste en girar los vectores un ángulo θ, alrededor del punto C, llamado centro de rotación.
Las siguientes imágenes son tres ejemplos:
Para fijar un sentido, pensemos que la rotación que queremos estudiar y definir es en el
sentido antihorario y que el centro de rotación es el origen de coordenadas. La tercera figura
sería un ejemplo de este tipo de rotación.
Podemos considerar esta rotación de vectores del plano como una función r : D ⊆ R2 → R2
en donde los vectores v = (x, y) del dominio representan los vectores “a rotar” y sus imágenes
r(x, y) representan los vectores rotados el ángulo fijo θ. En lo que sigue, cada vez que nos
refiramos a una rotación, supondremos C = (0, 0) salvo que se indique lo contrario.
1. Explicá por qué una función de rotación tendrá que verificar las siguientes propiedades:
kr(v)k = kvk ∀v ∈ D.
El ángulo que forman v y w es el mismo que forman r(v) y r(w) ∀v, w ∈ D.
2. ¿Tiene que ser lineal la transformación r? Es decir, si r : R2 → R2 , ¿es cierto que

r(v + w) = r(v) + r(w) para todo v, w ∈ R2 y que r(λv) = λr(v) para todo v ∈ R2 y para
todo λ ∈ R ¿Por qué?
3. Supongamos que r : R2 → R2 representa una rotación de ángulo 30◦ .
a) Calculá y graficá r(1, 0) y r(0, 1).
b) Calculá y graficá r(2, −5) ¿Usaste que r es una transformación lineal?
28
c) Proponé una fórmula para r.
4. Supongamos ahora que rθ : R2 → R2 representa una rotación de ángulo θ.
a) Calculá y graficá rθ (1, 0) y rθ (0, 1).
b) Calculá y graficá rθ (2, −5)
c) Proponé una fórmula para rθ .
5. Sea rθ : R2 → R2 la
transformación lineal
 del problema 4.
cos(θ) − sen(θ)
Probá que M (r) =  
sen(θ) cos(θ)
6. Sea rθ la transformación lineal del problema 4. Decidí si las siguientes afirmaciones son
verdaderas o falsas.
a) Si L ⊂ R2 es una recta, r(L) también lo es.
b) Si P es el punto medio de un vector v ∈ R2 , entonces r(P ) es el punto medio del

vector r(v)
c) rθ es inversible y rθ−1 = r−θ
7. Sea T el triángulo de vértices A = (0, 0), B = (3, 0) y C = (2, 2).
a) Graficá el triángulo.
b) Rotá el triángulo 45◦ en el sentido antihorario. ¿Cuáles serán los vértices del nuevo
triángulo?
8. Sea A ∈ R2×2 una matriz cuadrada. Se dice que la matriz es ortogonal si A.At = In .
Probá que la matriz asociada a una rotación es una matriz ortogonal.
9. Sean r1 y r2 dos rotaciones. ¿Es r1 ◦ r2 una rotación?¿Con qué ángulo?
10. Sea L la recta definida mediante la ecuación x + y = 0.
a) Graficá la recta.
29
  
0 −1 x
b) Sea r(x, y) =   . Probá que r es una rotación. ¿Cuál es el ángulo?
1 0 y
c) Graficá r(L)
d ) Si llamamos (ẋ, ẏ) = r(x, y), ¿Cómo se podría reescribir la ecuación x + y = 0 en

términos de ẋ e ẏ?
30
Anexo III: Teorema de la dimensión para transformaciones lineales
Como pudieron ir viendo, mientras calculaban núcleos e imágenes de las transformaciones

que aparecieron en algunos de los problemas de la práctica, hay una relación entre sus dimen-
siones y la dimensión del dominio. Esa relación es siempre la misma y se tiene que haber ido
repitiendo a lo largo de todos esos problemas. Ahora, ¿en cuántos problemas se tendría que
repetir para poder afirmar que es una relación que se cumple siempre?
En matemática, para probar la veracidad de una afirmación o de un teorema, no sirven

los criterios empíricos. Es decir, si algo se cumple en muchos problemas no es cierto que se
vaya a cumplir en todos, incluso si las condiciones del problema son las mismas. Para poder
afirmar que algo es un teorema entonces, vamos a necesitar dar una prueba formal, una serie
de argumentos lógicos que demuestren la veracidad de la afirmación en cualquier ámbito bajo
ciertas condiciones que se tomarán como supuestos (hipótesis del teorema).
Esto no quiere decir tampoco que probar “a mano” con muchos problemas para obtener
resultados no sea algo valioso. En primer lugar nos puede dar una idea de cual puede ser el
resultado a probar. En segundo lugar nos puede ayudar a entender mejor la situación e incluso
a obtener una idea valiosa para la prueba del teorema. En tercer lugar, aunque el resultado
sea falso, muchas veces el contraejemplo es tan difícil de encontrar que en la práctica podemos
usar las conclusiones obtenidas por más de que no sean verdaderas en todos los casos (También
se podrían pedir hipótesis extras para que pueda ser verdadero). Un ejemplo de esto último
es el método Simplex, un algoritmo que sirve para encontrar el máximo de una función bajo
ciertas condiciones dadas por inecuaciones lineales. En las mayoría de los casos el algoritmo
encuentra la solución muy rápido pero hay ciertos casos “patológicos” que hacen que el algoritmo
tarde mucho más de lo que tarda habitualmente. De esta manera, si queremos probar que el
algoritmo tarda poco no vamos a poder hacerlo pero en la práctica sigue siendo un algoritmo
muy recomendable para usar ya que los casos “patológicos” no suelen aparecer. Es decir, no hay
un teorema que diga “el método Simplex tarda poco” pero se usa igual porque la mayoría de
31
las veces tarda poco.
Bueno, nos fuimos un poco por las ramas (si conoces el Simplex esta frase es prácticamente
un chiste, pero no te preocupes si no lo entendiste, por un lado los chistes matemáticos no
suelen ser muy buenos y por otro lado, no vamos a ver el método Simplex en esta materia).
Lo que sí vamos a ver es el teorema de la dimensión y su demostración. Empecemos por un
ejercicio para que puedas ver cual es la idea detrás de la prueba.
1. Sea f : R3 → R2 una transformación lineal definida por f (x, y, z) = (x + y + z, x + y).
a) Hallá una base de N u(f ).
b) Completá la base hallada a una base de R3 , es decir agrega v2 y v3 de manera tal

que si N u(f ) = gen{v1 } entonces {v1 , v2 , v3 } es una base de R3 .
c) Comprobá que {f (v2 ), f (v3 )} es una base de Im(f ).
d ) Tratá de pensar un argumento para justificar que si {v1 } es una base de N u(f ) y
{v1 , v2 , v3 } es una base de R3 entonces {f (v2 ), f (v3 )} va a ser una base de Im(f )
más allá de cual sea la transformación lineal.
Vamos ahora sí, con el teorema y su demostración:
Teorema de la dimensión
Si f : V → W es una transformación lineal con dim(V ) < ∞ entonces:
Para probarlo vamos a usar un argumento parecido al del ejercicio que pensamos. Supon-
gamos que dim(V ) = n, entonces:
Tomamos primero un conjunto de vectores {v1 , ....vk } que sea base de N u(f ). Esto se
puede hacer siempre y k va a depender de la dimensión de N u(f ) en cada caso particular,
32
incluso podría ser que no haya ningún vector en el núcleo además del vector nulo ( en ese
caso k = 0).
Completamos la base de N u(f ) a una base de V . Es decir, tomamos {w1 , ....., wn−k } tal
que {v1 .....vk , w1 ....wn−k } sea una base de V . Fijate que la cantidad agregada es n − k
porque la cantidad total de vectores en una base de V tiene que se n.
Argumentamos que {f (w1 ), ....., f (wn−k )} es una base de Im(f ). Para esto hay que pro-
bar que ese conjunto es un conjunto L.I que genera Im(f ). En efecto, como f es una
transformación lineal:
Im(f ) = gen{f (v1 ), ....., f (vk ), f (w1 ), ...., f (wn−k )} = gen{f (w1 ), ...., f (wn−k )}
ya que f (vi ) = 0 ∀i ≤ k (recordá que son vectores del núcleo de la transformación lineal).
Supongamos ahora que existen escalares λ1 , ...., λn−k tal que
λ1 f (w1 ) + ..... + λn−k f (wn−k ) = 0W
entonces, como f es una transformación lineal:
f (λ1 w1 + ..... + λn−k wn−k ) = 0W
o sea que λ1 w1 + ..... + λn−k wn−k es un vector de N uf .
Pero como N u(f ) = gen{v1 , ....vk } y {v1 , ....vk , w1 , ...., wn−k } es un conjunto L.I podemos
concluir que
λ1 w1 + ..... + λn−k wn−k = 0
ya que si no, estaríamos agregando un nuevo vector al núcleo que es linealmente indepen-
diente con todos los demás de la base del núcleo. Entonces, como además sabemos que
que {w1 , ...., wn−k } es un conjunto L.I, podemos concluir que:
λ1 = ... = λn−k = 0.
33
Es decir, empezamos suponiendo que λ1 f (w1 ) + ..... + λn−k f (wn−k ) = 0W y terminamos

concluyendo que λ1 = ... = λn−k = 0. Es decir, probamos que {f (v1 ), ..., f (vn−k } es un
conjunto linealmente independiente y, como ya habíamos probado que generaba Im(f ),
probamos que es una base de Im(f ).
Hasta aquí tenemos entonces que dim(N u(f )) = k y dim(Im(f )) = n − k. Ahora como
dim(V ) = n probamos que
que es lo que queríamos probar.
Fijate que lo que usamos es que f es una transformación lineal, todo lo demás es una conse-
cuencia de la estructura de los espacios vectoriales y de las propiedades de las transformaciones
lineales. Lo otro que Supusimos es que dim(V ) = n, eso supone que V es un espacio de dimen-
sión finita. Ahora como dim(V ) es parte de la ecuación no tendría sentido siquiera plantear el
resultado con dim(V ) = ∞ ya que nos quedaría una ecuación numérica con un infinito de un
lado de la igualdad.
34

Transformaciones lineales

Cargado por

Información del documento

Descripción original:

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

Práctica 2

Si f (X1 ) = Y1 y f (X2 ) = Y2 ⇒ f (X1 + X2 ) = Y1 + Y2 .

Si f (Xi ) = Yi ∀i ≤ n ⇒ f (α1 X1 + α2 X2 + ..... + αn Xn ) = α1 Y1 + α2 Y2 + ..... + αn Yn .

a) f : R → R definida por f (x) = 3x.

b) f : R → R definida por f (x) = 3x + 6.

c) f : R → R definida por f (x) = x2 .

a) f (X1 + X2 ) = f (X1 ) + f (X2 ) ∀ X1 , X2 ∈ V

se dice que f es una Transformación Lineal.

2. Supongamos que f : V → W es una transformación lineal.

a) ¿Cumple f la propiedad de superposisción que tienen los sistemas lineales? Es decir,

a) ¿Cómo se podría escribir la misma afrimación para una transformación lineal f ?

b) ¿Es cierta esta afrimación para transformaciones lineales?

4. Determiná cuáles de las siguientes funciones son transformaciones lineales.

a) f : R2 → R2 / f (x, y) = (2x + y, x + 2y)

d ) f : R2 → R3 / f (x, y) = (x, 2x, 3x)

e) f : R2×2 → R / f (A) = tr(A)

f ) f : R2×2 → R / f (A) = det(A)

g) f : R2×2 → R2×2 / f (A) = At

Veamos ahora algunos ejemplos geométricos:

5. Leé la siguiente definición de simetría extraída del libro "Álgebra y geometría” de

a) v = (7, 1), s(v) = (5, 5)

b) w = (−3, −4), s(w) = (−5, 0)

¿Cómo hiciste para encontrarla?

8. Sea r la recta de ecuación y = 0.

4) v4 = (5, 15) 8) 5v1 + v3

10. Dados un vector v ∈ R2 y una recta r.

a) Recordá la definición geométrica de la proyección ortogonal de un vector sobre una

b) ¿Hay alguna relación entre v, su simétrico respecto de r y su proyección ortogonal

a) sr (v + w) = sr (v) + sr (w) para todo v, w ∈ R2

b) sr (λv) = λsr (v) para todo v ∈ R2 y λ ∈ R

12. Sea f : R2 → R2 la función definida por la siguiente fórmula: f (x, y) = (x + y, y)

b) ¿Es cierto que f (7, −4) = f (7, 0) + f (0, −4)?

c) ¿Es f una simetría?

d ) ¿Es f una transformación lineal?

13. Una traslación también es un movimiento en el plano. En este caso, se produce un

Sea a = (1, 2) ∈ R2 y ta : R2 → R2 la traslación mediante el vector a.

a) Calculá t(1, 0), t(2, −1), t(−5, 1).

b) Encontrá una fórmula para t.

c) ¿Es t una transformación lineal?

14. a) Decidí cuales de las siguientes funciones son traslaciones:

f (x, y) = (2x + 1, 2y + 1).

c) ¿Existe alguna traslación que sea transformación lineal?

15. Interpretá geométricamente las siguientes transformaciones lineales:

b) f : R2 → R2 / f (x, y) = (x, −y)

d ) f : R2 → R2 / f (x, y) = (−x, −y)

f ) f : R3 → R3 / f (x, y, z) = (x, y, −z)

16. Sea f : V → W una transformación lineal. Probá que:

c) Si S es un subespacio de V entonces f (S) es un subespacio de W

17. Sea f : R2 → R2 una transformación lineal tal que:

a) ¿Es cierto que (x, y) = x(1, 0) + y(0, 1)?

b) ¿Es cierto que f (x, y) = xf (1, 0) + yf (0, 1)?

c) Proponé una fórmula para f .

f ) Recordá que al multiplicar A.(x, y)t estamos multiplicando la primera columna de

18. Sea f : R2 → R2 una transformación lineal tal que:

a) ¿Es B = {(1, 1); (−1, 1)} una base de R2 ?

c) ¿Es cierto que f (x, y) = αf (1, 1) + βf (−1, 1)?

e) ¿Encotrás alguna relación entre los transformados de los vectores de la base B y la

g) Deducí que f (x, y) = A.CEB .(x, y)t .

h) Proponé una fórmula para f .

19. Sea f : R2 → R2 la transformación lineal que le asigna a cada vector su proyección

a) Interpretá la definición de f geométricamente. Notá que es muy fácil calcular f (1, 1)

a) Llamamos Matriz de la transformación lineal f a la matriz A ∈ R2×2 tal que