2) Teórico-Transformaciones Lineales (1er Parte)

Matemática para Economistas–U.B.A.
Transformaciones Lineales
TRANSFORMACIONES LINEALES
Definición de Transformación Lineal:
Sean y dos espacios vectoriales reales y sea f :  una función. La función f se

denomina transformación lineal si verifica las siguientes condiciones:
a) f  v1  v2   f  v1   f  v2   v1    v2 
b) f  .v   . f  v   v   
Ejemplos:
1) Sea f :  , definida por: f  x   3.x
a) f  v1  v2   3.  v1  v2  Definición de esta función.
 3.v1  3.v2 Propiedad distributiva respecto a la operación aditiva en .

 f  v1   f  v2 
en
Definición de esta función.
b) f  .v   3.  .v  Definición de esta función.

  3.  .v Propiedad asociativa mixta.
  .3 .v Propiedad conmutativa en .
 .  3.v  Propiedad asociativa mixta.
 . f  v  Definición de esta función.
Como se verifican ambas condiciones, la función lineal f  x   3.x es transformación lineal.
2) Sea f :  , definida por: f  x   5.x  2

a) f  v1  v2   5.  v1  v2   2 Definición de esta función.
 5.v1  5.v2  2 Propiedad distributiva respecto a la operación aditiva en .

 5.v1   5.v2  2  en
Propiedad asociativa.
 5.v1  f  v2  Definición de esta función.
 f  v1   f  v2 
Entonces, la función lineal f  x   5.x  2 NO es transformación lineal.
3) Sea f :  , definida por: f  x   2.x 2

f  v1  v2   2.  v1  v2 
2
a) Definición de esta función.
 2.  v  2v1.v2  v2
1
2 2
 Desarrollo de binomio al cuadrado.
 2.v12  4.v1.v2  2.v2 2 Propiedad asociativa.
 f  v1   4.v1.v2  f  v2  Definición de esta función.
 f  v1   f  v2 
Entonces, la función f  x   2.x 2 NO es transformación lineal.
Se puede observar con estos ejemplos, que estructuras cuadráticas (potencias, multiplicación
de variables) o constantes sumando en la función no determinan transformaciones lineales.
Prof: Alejandra Zaia 1 Apunte Teórico TP1

Matemática para Economistas–U.B.A. Transformaciones Lineales
4) Sea f : 3
 2
, definida por: f  x1 , x2 , x3    x1  2 x2  x3 ,3x1  x2  5x3 
a) f  v1  v2   f  x , x , x    y , y , y 
1 2 3 1 2 3 Siendo v1   x1 , x2 , x3  y v2   y1 , y2 , y3 
 f  x1  y1 , x2  y2 , x3  y3  Pues v1  v2   x1  y1 , x2  y2 , x3  y3 
   x1  y1   2  x2  y2    x3  y3  ,3  x1  y1    x2  y2   5  x3  y3   Definición de
esta función.
  x1  y1  2 x2  2 y2  x3  y3 ,3x1  3 y1  x2  y2  5x3  5 y3  Operaciones en , en
cada coordenada.
  x1  2 x2  x3  y1  2 y2  y3 ,3x1  x2  5x3  3 y1  y2  5 y3  Reordenando las variables
de cada vector.
  x1  2 x2  x3 ,3x1  x2  5x3    y1  2 y2  y3 ,3 y1  y2  5 y3  Separando en suma de dos
vectores.
 f  x1 , x2 , x3   f  y1 , y2 , y3  Definición de esta función.
 f  v1   f  v2 
b) f  v   f    x1 , x2 , x3   Siendo v   x1 , x2 , x3 
 f   x1 ,  x2 ,  x3  Pues v    x1 ,  x2 ,  x3 
    x1   2   x2     x3  ,3   x1     x2   5   x3   Definición de esta función.
   x1  2 x2   x3 ,3 x1   x2  5 x3  Operaciones en , en cada coordenada.
    x1  2 x2  x3  ,   3x1  x2  5x3    es factor común en cada coordenada.
   x1  2 x2  x3 ,3x1  x2  5x3  Producto del escalar  por un vector de
2
  f  x1 , x2 , x3  Definición de esta función.

  f v
Como se verifican ambas condiciones, la función f  x1 , x2 , x3    x1  2 x2  x3 ,3x1  x2  5x3 
es transformación lineal.
5) Sea f : 2  x  3  x , definida por: f  p  x     2 x  1 . p  x 

a) f  v1  v2   f  p  x   q  x   Siendo v  p  x  y v  q  x  polinomios de
1 2
 x 2
  2 x  1 .  p  x   q  x   Definición de esta función.
  2 x  1 . p  x    2 x  1 .q  x  Propiedad distributiva en la suma de polinomios
 f  p  x   f  q  x  Definición de esta función.

 f  v1   f  v2 
b) f  .v   f  . p  x  
  2 x  1 .  . p  x   Definición de esta función.
   2 x  1 .  . p  x  Propiedad asociativa mixta.
  .  2 x  1  . p  x  Propiedad conmutativa del prod. por un escalar en  x  .
 .   2 x  1 . p  x   Propiedad asociativa mixta.

 . f  p  x   Definición de esta función.
  f v
Como se verifican ambas condiciones, la función f  p  x     2 x  1 . p  x  es
transformación lineal.

6) Sea f : n
 m
, definida por: f  v   A.v
a) f  v1  v2   A  v1  v2  Definición de esta función.
 Av1  Av2 Propiedad distributiva en el producto de matrices
 f  v1   f  v2  Definición de esta función.
b) f  .v   A.  .v  Definición de esta función.
  A.  .v Propiedad asociativa mixta.
  . A .v Propiedad conmutativa del prod. por un escalar en matrices
 .  A.v  Propiedad asociativa mixta.

  f v Definición de esta función.
Como se verifican ambas condiciones, la función f  v   A.v es transformación lineal.
Propiedades: (Demostraciones en el apéndice)
Para toda transformación lineal f :  se verifican las siguientes propiedades:

1) f 0 0
2) f  v    f  v  para todo v 
3) f  v1  v2   f  v1   f  v2  para todo v1  , para todo v2 
4) f  1v1  2v2   nvn   1 f  v1   2 f  v2    n f  vn  para todo vi  , para todo i 
Transformaciones lineal especiales:
- Transformación lineal nula: f :  definida como f  v   0  v

- Transformación lineal identidad: f :  definida como f  v   v  v
- Transformación lineal escalar: f :  definida como f  v   v  v ,  .
La transformación lineal nula es un caso particular de transformación lineal escalar en caso de

ser  y   0 , mientras que la transformación lineal identidad es el caso particular de
transformación lineal escalar, si   1
NOTA:
Sea f :  una transformación lineal, y sean  ,  y w , entonces:

f    w   / w  f  s  , s   La imagen del conjunto
f 1  w  v  / f  v   w La preimagen del vector w
f 1
   v  / f  v   t,  t   La preimagen del conjunto
a) Si es subespacio de entonces f   es subespacio de .

b) Si es subespacio de entonces f 1   es subespacio de .

Nota:
a) Si es subespacio de , ¿cómo se obtiene el subespacio f  ?
Si es subespacio de , existen s1 , s2 , , sk  que generan . Entonces, para todo
s  , existen 1 , 2 , , k  que verifican: s  1s1  2 s2   k sk . Aplicando la
transformación lineal a s queda: f  s   1 f  s1   2 f  s2    k f  sk  , es decir, f  s 
es combinación lineal de las imágenes de los generadores de , cualquiera sea el s  . Por
lo tanto f    gen  f  s1  , f  s2  , , f  sk 
b) Si w , ¿cómo se obtiene f 1  w ?
Como se están buscando los vectores de cuya imagen sea el vector w , se debe
plantear f  v   w y “despejar v ”.
Este es un sistema de ecuaciones lineales:
-Si el sistema es un S.C.D., existe un único v  que verifica f  v   w , entonces
f 1  w  v .
-Si el sistema es un S.C.I., existen infinitos vectores v  que verifican f  v   w ,
entonces f 1  w  todos los vectores cuya imagen es w .
-Si el sistema es un S.I., no existe v  que verifica f  v   w , entonces f 1  w   . En
este caso, w no pertenece a la imagen de la transformación lineal f .
Tener en cuenta que f 1  w es un subconjunto de , no es un subespacio (salvo que
w0 )
c) Si es subespacio de , ¿cómo se obtiene el subespacio f 1  ?

Como se buscan los vectores de cuya imagen sea un vector de , habría que buscar la
preimagen de todos los vectores de . Supongamos que t1 , t2 , , tn generan . Entonces
para todo t  , existen 1 , 2 , , n  que verifican: t  1t1  2t2   ntn . Por lo
tanto, buscar la preimagen de cada vector de significa plantear el sistema f  v   t para
cada t  , que es equivalente a plantear el sistema f  v   1t1  2t2   ntn para todo
1 , 2 , , n  . Este sistema de ecuaciones se torna muy engorroso a la hora de resolverlo,
y sobre todo, de interpretar los resultados obtenidos, entonces se plantea la situación de otra
manera más simple:
Decir que v  f 1   es equivalente a decir que f  v   . Entonces se reemplaza la
imagen de un vector genérico de (en forma genérica) y se le pide que pertenezca a , es
decir, se le pide que cumpla las ecuaciones de . Y se resuelve el sistema homogéneo que
queda planteado. En este caso es necesario tener definido el subespacio por ecuaciones.
Veamos algunos ejemplos:
Ejemplos:
1) Sea f : 3  3
definida por f  x1 , x2 , x3    2 x1  x2  x3 ,3x1  x2  2 x3 , 2 x1  4 x2  2 x3 
Hallar:
a) f  2,3, 1
b) f   siendo  gen  2,3,1 ,  3, 2, 1

c) f   siendo   gen 1, 2,3 ,  4,3, 2
d) f 1  0,3,6  y f 1  3, 2, 2 
e) f 1   siendo  gen 1,0, 2 
f) f 1    siendo   w  3 / x1  3x2  2 x3  0
Resolución:
(a) Para calcular f  2,3, 1 , reemplazamos las coordenadas del vector en la fórmula
de la transformación lineal, entonces:
f  2,3, 1   2.2  3   1 ,3.2  3  2.  1 , 2.2  4.3  2.  1 
  4  3  1, 6  3  2, 4  12  2 
  0, 7,14 
Por lo tanto, f  2,3, 1   0,7,14 
(b) Para calcular f   , calculamos la imagen de cada uno de los generadores de
y obtenemos los generadores de f   . Como  gen  2,3,1 ,  3, 2, 1 ,
entonces:
f  2,3,1   2.2  3  1,3.2  3  2.1, 2.2  4.3  2.1   2,11,18
f  3, 2, 1   2.3  2   1 ,3.3  2  2.  1 , 2.3  4.2  2.  1   3,9,12 
Por lo tanto, f    gen  2,11,18 ,  3,9,12
Puede verificarse que los generadores de f   son linealmente independientes,
por lo tanto B f     2,11,18 ,  3,9,12  es base de f   .
(c) Para calcular f    , calculamos la imagen de cada uno de los generadores de 
y obtenemos los generadores de f    . Como   gen 1, 2,3 ,  4,3, 2  ,
entonces:
f 1, 2,3   2.1  2  3,3.1  2  2.3, 2.1  4.2  2.3  3,11,16 
f  4,3, 2   2.4  3   2 ,3.4  3  2.  2  , 2.4  4.3  2.  2    3,11,16 
Por lo tanto, f    gen 3,11,16 ,  3,11,16
Puede verificarse que los generadores de f    son linealmente dependientes,
por lo tanto B f     3,11,16  es base de f    .
Como puede verificarse, dim  f      dim    . Depende de la transformación
lineal.
(d) Para calcular f 1  0,3,6  , debo buscar los vectores v  3
que verifiquen:
f  v    0,3,6 
 2 x1  x2  x3 ,3x1  x2  2x3 , 2x1  4x2  2x3    0,3,6
Esta es una igualdad de vectores, por lo tanto, deben ser iguales sus
componentes:
 2 x1  x2  x3  0

 3x1  x2  2 x3  3 y debemos resolver el sistema de ecuaciones lineales:
2 x  4 x  2 x  6
 1 2 3

 2 1 1 0   2 1 1 0  0 5 1 6
     
 3 1 2 3  1 3 0 3  1 3 0 3 
 2 4 2 6  2 6 0 6   0 0 0 0
    
 5 x2  x3  6  x3  6  5 x2
  
 x1  3x2  3 3  3x2  x1
v   3  3x2 , x2 ,6  5x2    3,0,6   x2 3,1, 5
Por lo tanto, f 1  0,3,6    3,0,6   x2  3,1, 5 ,  x2  
Para calcular f 1  3, 2, 2  , debo buscar los vectores v  3
que verifiquen:
f  v    3, 2, 2 
 2 x1  x2  x3 ,3x1  x2  2x3 , 2x1  4x2  2x3   3, 2, 2 
Nuevamente, tenemos una igualdad de vectores, por lo tanto, deben ser iguales
sus componentes:
 2 x1  x2  x3  3

 3x1  x2  2 x3  2 y debemos resolver el sistema de ecuaciones lineales:
2 x  4 x  2 x  2
 1 2 3
 2 1 1 3   2 1 1 3   0 5 1 5 
     
 3 1 2 2  1 3 0 4   1 3 0 4 
 2 4 2 2  2 6 0 4   0 0 0 4
     
De la última fila, se concluye que el sistema es incompatible (no tiene solución).
Por lo tanto, f 1  3, 2, 2   
(e) Para calcular f 1   siendo  gen 1,0, 2  , busco todos los vectores
v 3
que verifican: f  v   1 1,0, 2   1  .
 2 x1  x2  x3 ,3x1  x2  2x3 , 2 x1  4 x2  2 x3   1 1,0, 2
 2 x1  x2  x3 ,3x1  x2  2x3 , 2x1  4x2  2x3    1,0, 21 
Como otra vez tenemos una igualdad de vectores, deben ser iguales sus
componentes:
 2 x1  x2  x3  1

 3x1  x2  2 x3  0 y debemos resolver el sistema de ecuaciones
2 x  4 x  2 x  2
 1 2 3 1
lineales:
 2 1 1 1   2 1 1 1   0 5 1 31 
     
3 1 2 0   1 3 0 21   1 3 0 21 
 2 4 2 2   2 6 0 4   0 0 0 0 
 1  1 
 5 x2  x3  31  x3  31  5 x2
  
 x1  3x2  21 3x2  21  x1
v   3x2  21 , x2 , 31  5 x2   1  2,0, 3  x2 3,1, 5 
Por lo tanto, f 1    gen 2,0, 3 , 3,1, 5
Notar que dim    1 y sin embargo, dim  f 1     2 .

En este caso fue relativamente fácil buscar la preimagen de , justamente
porque la dimensión de es 1. Si la dimensión de es mayor a 1, los cálculos
de esta manera se pueden complicar.
(f) Otra forma de calcular f 1    siendo   w  3 / x1  3x2  2 x3  0 es
buscando todos los vectores v  3
que verifican: f  v    .
Si v   x1 , x2 , x3  , entonces f  v    2 x1  x2  x3 ,3x1  x2  2 x3 , 2 x1  4 x2  2 x3 
Pedir que f  v    significa pedir que el vector f  v  cumpla con las
ecuaciones de  , en este caso, con la ecuación x1  3x2  2 x3  0 .
Reemplazando, queda:  2 x1  x2  x3   3  3x1  x2  2 x3   2  2 x1  4 x2  2 x3   0
7
Resolviendo: 7 x1  6 x2  3x3  0  3x3  7 x1  6 x2  x3   x1 2 x2.
3
 7   7
Entonces v   x1 , x2 ,  x1  2 x2   x1 1, 0,    x2  0,1, 2  y por lo tanto
 3   3
 7 
f 1     gen 1, 0,   ,  0,1, 2   .
 3 
Notar que dim     2 y en este caso dim  f 1      2 , también.
En general, esta es la manera más sencilla de buscar la preimagen de un
subespacio, conociendo al mismo por sus ecuaciones.
2) Sea f : 3  4
definida por f  x1 , x2 , x3    2 x1  x2 , x1  x2  2 x3 , x1  x2  2x3 ,3x1  2x2  x3 
Hallar:
a) f  2,3, 1
b) f   siendo  gen 1, 2,3 ,  4,3, 2
c) f  0,5,1, 0  y f 1  0,0, 4, 2 
1
d) f 1   siendo  w  4 / x1  3x2  2 x3  x4  0; 2 x1  x2  2 x3  2 x4  0
Resolución:
(a) Para calcular f  2,3, 1 , reemplazamos las coordenadas del vector en la fórmula
f  2,3, 1   2.2  3, 2  3  2.  1 , 2  3  2.  1 ,3.2  2.3   1 
  4  3, 2  3  2, 2  3  2, 6  6  1
 1,3, 7, 1
Por lo tanto, f  2,3, 1  1,3,7, 1
y obtenemos los generadores de f   . Como  gen 1, 2,3 ,  4,3, 2  ,
entonces:
f 1, 2,3   2.1  2,1  2  2.3,1  2  2.3,3.1  2.2  3   0,9, 3, 2 
f  4,3, 2   2.4  3, 4  3  2.  2  , 4  3  2.  2  ,3.4  2.3   2    5,3,11, 4 
Por lo tanto, f    gen  0,9, 3, 2 , 5,3,11, 4
por lo tanto B f     0,9, 3, 2  ,  5,3,11, 4  es base de f   .

En este caso, dim  f     dim   .
(c) Para calcular f 1  0,5,1, 0  , debo buscar los vectores v  3
que verifiquen:
f  v    0,5,1,0 
 2x1  x2 , x1  x2  2x3 , x1  x2  2x3 ,3x1  2x2  x3    0,5,1,0
componentes:
 2 x1  x2 0
 x  x  2x  5
 1 2 3
 y debemos resolver el sistema de ecuaciones lineales:
 x1  x2  2 x3  1
3x1  2 x2  x3  0
 2 1 0 0   2 1 0 0  2 1 0 0  0 1 0 2 
       
 1 1 2 5   5 5 0 5  5 0 0 5 0 0 0 0 
 1 1 2 1   7 3 0 1  1 0 0 1 1 0 0 1 
       
 3 2 1 0   3 2 1 0  1 0 1 0 0 0 1 1 
 x2  2  x2  2
 
 x1  1   x1  1
 x 1 x 1
 3  3
v  1, 2,1
Por lo tanto, f 1  0,5,1,0   1, 2,1
Para calcular f 1  0,0, 4, 2  , debo buscar los vectores v  3

que verifiquen:
f  v    0,0, 4, 2 
 2x1  x2 , x1  x2  2x3 , x1  x2  2x3 ,3x1  2x2  x3    0,0, 4, 2 
componentes:
 2 x1  x2  0
 x  x  2x  0
 1 2 3
 x1  x2  2 x3  4
3x1  2 x2  x3  2
 2 1 0 0   2  1 0 0  2  1 0 0
     
1 1 2 0   5 5 0 4  5 0 0 4
 1 1 2 4   7 3 0 0  1 0 0 0
     
 3 2 1 2   3  2 1  2  1 0 1  2
 0 1 0 0 
 
0 0 0 4 
1 0 0 0 
 
 0 0 1 2 
De la segunda fila, se concluye que el sistema es incompatible (no tiene
solución).
Por lo tanto, f 1  0,0, 4, 2   

(d) Para calcular f 1   siendo
 w  4
/ x1  3x2  2 x3  x4  0; 2 x1  x2  2 x3  2 x4  0 , buscamos todos
los vectores v  3
que verifican: f  v   .
Si v   x1 , x2 , x3  entonces
f  v    2 x1  x2 , x1  x2  2 x3 , x1  x2  2 x3 ,3x1  2 x2  x3 
Pedir que f  v   significa pedir que el vector f  v  cumpla con las
 x1  3x2  2 x3  x4  0
ecuaciones de , en este caso, con las ecuaciones  .
2 x1  x2  2 x3  2 x4  0
Reemplazando, queda:
  2 x1  x2   3  x1  x2  2 x3   2  x1  x2  2 x3    3x1  2 x2  x3   0


2  2 x1  x2    x1  x2  2 x3   2  x1  x2  2 x3   2  3x1  2 x2  x3   0

6 x1  2 x2  11x3  0
Resolviendo las cuentas: 
  x1  3x2  8 x3  0
Y finalmente, resolviendo el sistema:
 0 16 37 0 
 6 2 11 0   0 16 37 0   
     17 
  1 3  8 0    1 3  8 0    1 0  0
 16 
 37
16 x2  37 x3  0 16 x2  37 x3  x2  x3
   16
Entonces:  17   17   .
  x1  16 x3  0   x1  16 x3  x   17 x
 1 16
3
 17 37   17 37 
Nos queda que v    x3 , x3 , x3   x3   , ,1 y por lo tanto
 16 16   16 16 
 17 37  
f 1    gen   , ,1  .
 16 16  
Notar que dim  2 y en este caso dim  f 1    1
3) Sea f : 4  2 definida por f  x1 , x2 , x3 , x4    2 x1  x2  x3 , x1  2 x3  x4 

Hallar:
a) f 1, 2, 1,3
b) f   siendo  gen1,1,3, 1 ,  2,1, 2,1
c) f 1 1, 2  y f 1  2,1
d) f 1   siendo  w  2 / x1  2 x2  0
Resolución:
(a) Para calcular f 1, 2, 1,3 , reemplazamos las coordenadas del vector en la
fórmula de la transformación lineal, entonces:
f 1, 2, 1,3   2.1  2   1 ,1  2  1  3
  2  2  1,1  2  3
  3, 6 

Por lo tanto, f 1, 2, 1,3   3,6 
y obtenemos los generadores de f   . Como  gen 1,1,3, 1 ,  2,1, 2,1 ,
entonces:
f 1,1,3, 1   2.1  1  3,1  2.3   1    6, 6 
f  2,1, 2,1   2.2  1   2  ,1  2.  2   1  3,6 
Por lo tanto, f    gen  6, 6 , 3,6
por lo tanto B f     6, 6  ,  3,6  es base de f  .
En este caso, dim  f     dim   , ¿y, además?
(c) Para calcular f 1
1, 2 , debo buscar los vectores v 4
que verifiquen:
f  v   1, 2 
 2 x1  x2  x3 , x1  2 x3  x4   1, 2
componentes:
2 x1  x2  x3  1
 x1  2 x3  x4  2
2 1 1 0 1
  , matriz que vista desde las columnas 2 y 4, ya está
 1 0 2 1 2 
pivoteada, entonces:
2 x1  x2  x3  1  x2  1  2 x1  x3
  
 x1  2 x3  x4  2  x4  2  x1  2 x3
v   x1 ,1  2 x1  x3 , x3 , 2  x1  2 x3    0,1,0, 2   x1 1, 2,0, 1  x3  0, 1,1, 2 
Por lo tanto, f 1 1, 2   0,1,0, 2   x1 1, 2,0, 1  x3  0, 1,1, 2  ,  x1, x3  
Para calcular f 1  2,1 , debo buscar los vectores v  4
que verifiquen:
f  v    2,1
 2 x1  x2  x3 , x1  2x3  x4    2,1
componentes:
2 x1  x2  x3  2
 x1  2 x3  x4  1
 2 1 1 0 2
  , matriz que vista desde las columnas 2 y 4, ya está
 1 0 2 1 1 
pivoteada, entonces:
2 x1  x2  x3  2  x2  2  2 x1  x3
  
 x1  2 x3  x4  1  x4  1  x1  2 x3
v   x1 , 2  2 x1  x3 , x3 ,1  x1  2 x3    0, 2,0,1  x1 1, 2,0, 1  x3  0, 1,1, 2 
Por lo tanto, f 1 1, 2   0, 2,0,1  x1 1, 2,0, 1  x3  0, 1,1, 2  ,  x1, x3  

En los ejemplos anteriores, encontramos que la preimagen de algún vector dio
vacía. En este ejemplo, ¿existe un w 2 que verifique f 1  w   ?
(d) Para calcular f 1   siendo  w  2
/ x1  2 x2  0 , buscamos todos los
vectores v  4
Si v   x1 , x2 , x3 , x4  entonces f  v    2 x1  x2  x3 , x1  2 x3  x4 
ecuaciones de , en este caso, con las ecuaciones  x1  2 x2  0 . Reemplazando,
queda:  2x  x
1 2  x3   2  x1  2 x3  x4   0
Resolviendo las cuentas:  x2  5x3  2 x4  0
Y finalmente, resolviendo el “sistema”:
x2  5x3  2 x4
Nos queda que
v   x1 , 5x3  2 x4 , x3 , x4   x1 1,0,0,0   x3  0, 5,1,0   x3  0, 2,0,1 y por lo
tanto
f 1    gen 1,0,0,0  ,  0, 5,1,0  ,  0, 2,0,1
Notar que dim    1 y sin embargo dim  f 1    3 .
22
4) Sea f :  4
definida por
a a 
f  11 12    a11  2a12 , a11  a21  2a22 , a21  a12  2a22 , a11  2a12  a21 
 a21 a22 
Hallar:
 2 1
a) f  
 3 0
 1 2  1 0   3 2  
b) f   siendo  gen  , , 
  0 0   1 2   2 1 
c) f 1  0,5,1, 0  y f 1  0,0, 4, 2 
d) f 1   siendo  w  4
/ x1  3x2  2 x3  x4  0; 2 x1  x2  2 x3  2 x4  0
Resolución:
 2 1
(a) Para calcular f   , reemplazamos las coordenadas del vector en la fórmula
 3 0
 2 1
f    2  2.1, 2  3  2.0,3  1  2.0, 2  2.1  3
 3 0
  2  2, 2  3,3  1, 2  2  3
  0,5, 4,3
 2 1
Por lo tanto, f     0,5, 4,3
 3 0
y obtenemos los generadores de f  .

 1 2  1 0   3 2  
Como  gen  , ,   , entonces:
 0 0  1 2   2 1  
1 2
f   1  2.2,1  0  2.0, 0  2  2.0,1  2.2  0    3,1, 2, 3
0 0
1 0
f   1  2.0,1  1  2.2,1  0  2.2,1  2.0  1  1, 6, 3, 2 
1 2
3 2
f    3  2.2,3  2  2.1, 2  2  2.1,3  2.2  2    1, 7, 2,1
2 1
Por lo tanto, f    gen  3,1, 2, 3 , 1,6, 3, 2 ,  1,7, 2,1
por lo tanto B f     3,1, 2, 3 , 1,6, 3, 2  ,  1,7, 2,1 es base de f   .
En este caso, dim  f     dim   .
(c) Para calcular f 1  0,5,1, 0  , debo buscar los vectores v  22 que verifiquen:
f  v    0,5,1,0 
 a11  2a12 , a11  a21  2a22 , a21  a12  2a22 , a11  2a12  a21    0,5,1,0
componentes:
 a11  2a12 0
a  a21  2a22  5
 11
 a12  a 21  2 a 22  1
 a11  2a12  a21 0
 1 2 0 0 0   1 2 0 0 0   1 2 0 0 0 
     
1 0 1 2 5 0 2 1 2 5 0 2 0 2 5
 0 1 1 2 1   0 1 1 2 1   0 1 0 2 1 
     
 1 2 1 0 0  0 0 1 0 0 0 0 1 0 0
 1 0 0 4 2  1 0 0 0 4
   
0 0 0 6 3  0 0 0 6 3  , quedando:
 0 1 0 2 1  0 1 0 0 2
   
0 0 1 0 0 0 0 1 0 0
 a11  4
 a11  4 
6a  3  a22  1
 22
   2
 a12  2  a12  2
 a21  0 
 a21  0
4 2
v 
0 1 
 2
 4 2  
 
Por lo tanto, f  0,5,1, 0   
1
1 

 0 2  
 

Para calcular f 1  0,0, 4, 2  , debo buscar los vectores v  22

que verifiquen:
f  v    0,0, 4, 2 
 a11  2a12 , a11  a21  2a22 , a21  a12  2a22 , a11  2a12  a21    0,0, 4, 2 
componentes:
 a11  2a12  0
a  a21  2a22  0
 11
 y debemos resolver el sistema de ecuaciones
 a12  a21  2a22  4
 a11  2a12  a21  2
lineales:
 1 2 0 0 0   1 2 0 0 0   1 2 0 0 0 
     
1 0 1 2 0 0 2 1 2 0  0 2 0 2 2 
 0 1 1 2 4   0 1 1 2 4   0 1 0 2 6 
     
 1 2 1 0 2   0 0 1 0 2   0 0 1 0 2 
 16 
 1 0 0 0
 1 0 0 4 12  3 
   
 0 0 0 6 10   0 0 0 6 10 
 , quedando:
 0 1 0 2 6  8 
  0 1 0 0 
 0 0 1 0 2   3 
 0 0 1 0 2 
 
 16

a 
16  a11  3
 11
3 
 a   5
 22
6 a   10  22
   3
 a 8  8
 12 3  a12 
 a  2  3
 21  a21  2
 16 8
 3 3
v 
 2  5 
 
 3
 16 8 
 3 3  
Por lo tanto, f 1  0, 0, 4, 2    

 2   
5
 3  
En los ejemplos anteriores, encontramos que la preimagen de algún vector dio
vacía. En este ejemplo, ¿existe un w 4 , que verifique f 1  w   ?
(d) Para calcular f 1   siendo
 w  4
/ x1  3x2  2 x3  x4  0; 2 x1  x2  2 x3  2 x4  0 , buscamos todos
los vectores v  22

a a 
Si v   11 12  entonces
 a21 a22 
f  v    a11  2a12 , a11  a21  2a22 , a21  a12  2a22 , a11  2a12  a21 
 x1  3x2  2 x3  x4  0
ecuaciones de , en este caso, con las ecuaciones  .
2 x1  x2  2 x3  2 x4  0
Reemplazando, queda
 a11  2a12   3  a11  a21  2a22   2  a21  a12  2a22    a11  2a12  a21   0


2  a11  2a12    a11  a21  2a22   2  a21  a12  2a22   2  a11  2a12  a21   0

5a11  6a12  2a21  10a22  0
Resolviendo las cuentas: 
a11  2a12  a21  6a22  0
Y finalmente, debemos resolver el sistema de ecuaciones lineales:
 5 6 2 10 0   0 4 3 20 0   0 4 3 20 0 
     
 1 2 1 6 0   1 2 1 6 0   1 0 2
1
4 0
 3
 4a12  3a21  20a22  0 a12  4 a21  5a22

quedando:  1  
a11  a21  4a22  0
2  a   1 a  4a
 11 2
21 22
 1 3 
 a  4a22 a21  5a22   1 3   4 5
Nos queda que v   2 21 4  a21  2 4   a22   y
   1 0  0 1
 a21 a22 
por lo tanto
  12   4 5 
  gen  
3
f 1  4
; 

 1 0   0 1 

Notar que dim    1 y dim  f 1     1 , también.
Teorema fundamental de las Transformaciones Lineales:
Sea B  v1 , v2 , , vn  una base del espacio vectorial y sea w1 , w2 , , wn  un conjunto de
vectores del espacio vectorial , entonces existe una única trasformación lineal f :  que
verifica: f  v1   w1 , f  v2   w2 , , f  vn   wn .
En otras palabras, este teorema nos dice que toda transformación lineal está definida unívocamente
sobre las imágenes de los elementos de una base.
Sólo se necesita conocer los transformados de los elementos de una base del conjunto de partida
para obtener la fórmula de la transformación lineal.
(Demostración en el apéndice)
Ejemplos:
En cada caso decidir si existe una única transformación lineal. En caso de existir, hallarla:
1) f 1,1,1   2,3 ; f  2, 2,0   1, 1 ; f  1,0,0    0, 2 

Conjunto de partida: 3
Conjunto de llegada: 2
El conjunto 1,1,1 ;  2, 2,0  ;  1,0,0  es base de 3 (verificarlo)
Por el Teorema Fundamental de las Transformaciones Lineales, existe una única transformación
lineal
Como tenemos una base, para todo v  3 existen únicos 1 , 2 , 3  tal que
v  1v1  2v2  3v3
 x1 , x2 , x3   1 1,1,1  2  2, 2,0  3  1,0,0 
 x1 , x2 , x3    1 , 1 , 1    22 , 22 ,0   3 ,0,0 
 x1, x2 , x3    1  22  3 , 1  22 , 1 
1  22  3  x1 1 2 1 x1   0 2 1 x1  x3   0 0 1 x1  x2 
      
 1  22  x2 1 2 0 x2   0 2 0 x2  x3   0 2 0 x2  x3 
  x3 1 0 0 x  1 0 0 x3  1 0 0 x3 
 1  3  
3   x1  x2
3  x1  x2 
  1 1
Entonces: 22  x2  x3  2  x2  x3
  x  2 2
 1 3
1  x3
Por lo tanto:
 x1 , x2 , x3   1 1,1,1  2  2, 2,0  3  1,0,0 
 x1 , x2 , x3   x3 1,1,1  
1 1 
x2  x3   2, 2, 0     x1  x2  1, 0, 0 
2 2 
Aplicándole la transformación:
 1 1  
f  x1 , x2 , x3   f  x3 1,1,1   x2  x3   2, 2, 0     x1  x2  1, 0, 0  
 2 2  
1 1 
f  x1 , x2 , x3   x3 . f 1,1,1   x2  x3  . f  2, 2, 0     x1  x2  . f  1, 0, 0 
2 2 
Y reemplazando las imágenes de los vectores de la base:
1 1 
f  x1 , x2 , x3   x3 .  2,3   x2  x3  . 1, 1    x1  x2  .  0, 2 
2 2 
1 1 1 
f  x1 , x2 , x3    2 x3 ,3x3    x2  x3 ,   x2  x3     0, 2   x1  x2  
1
2 2 2 2 
1 1 1 1 
f  x1 , x2 , x3    2 x3 ,3x3    x2  x3 ,  x2  x3    0, 2 x1  2 x2 
2 2 2 2 
1 3 3 7 
f  x1 , x2 , x3    x2  x3 , 2 x1  x2  x3  es la fórmula de la única transformación lineal.
2 2 2 2 
2) f 1,1,1   2,1, 4, 2  ; f  2, 2,0    2, 4,0, 2  ; f  2, 2,1   1, 1, 4,3

El conjunto 1,1,1 ;  2, 2,0  ;  2, 2,1 no es base de 3
Casi a simple vista, se puede notar que el vector (2, 2,1) es combinación lineal de los otros dos.

Por lo tanto, no podemos asegurar que existe una única transformación lineal. Pero esto puede
significar que no existe transformación lineal o bien, que existe transformación lineal pero no es
única o bien, que existe única transformación lineal.
Para ver en cuál de las situaciones se presenta, se analiza si se cumple la definición de
transformación lineal a partir de la aplicación de la función a la combinación lineal:
1
(2, 2,1)  1,1,1   2, 2, 0  Aplicamos f miembro a miembro
2
 1 
f (2, 2,1)  f  1,1,1   2, 2, 0   Asumimos que es transformación lineal y usamos la
 2 
definición:
1
f (2, 2,1)  f 1,1,1  f  2, 2, 0  Reemplazamos las imágenes de los vectores:
2
1
f (2, 2,1)   2,1, 4, 2    2, 4, 0, 2 
2
  2,1, 4, 2   1, 2, 0,1
  1, 1, 4,3 Es la imagen que se pide del vector  2, 2,1
Por lo tanto, si se cumplen las dos primeras, automáticamente se cumple la tercera. Entonces
existe transformación lineal que cumpla las tres condiciones que se piden.
Como la tercera condición ya se verifica, no es dato relevante, pero en realidad, no hay una base
de 3 .
Como para definir una única transformación lineal se necesita una base, se completa el conjunto
dado a una base, eligiendo cualquier vector de 3 linealmente independiente con los vectores
dados. Pero también se necesita la imagen de este vector elegido, que también puede ser
cualquier vector de 4 .
Esta posibilidad de elegir cualquier vector L.I. para la base y cualquier vector para su imagen
permite obtener infinitas transformaciones lineales que cumplan con las condiciones dadas.
1,1,1 ;  2, 2,0 ; 1,0,0 es base de 3 , rápidamente verificable por “la cantidad y ubicación
de los ceros”. Como, mientras sea L.I. con los dos primeros, sirve cualquier vector, conviene
elegir uno sencillo para el que no sea necesario hacer cuentas para analizar que sea
efectivamente L.I.
Además se necesita una imagen para este vector elegido. Una imagen buena para elegir es el
vector nulo, pues minimiza las cuentas finales, pero en este caso, también cualquier vector de
4
, sin ninguna condición, sirve.
Entonces:
f 1,1,1   2,1, 4, 2 
Datos
f  2, 2,0    2, 4,0, 2 
f 1,0,0    0,0,0,0  Vectores elegidos arbitrariamente
lineal.
Como tenemos una base, para todo v  3 existen únicos 1 , 2 , 3  tal que
v  1v1  2v2  3v3
 x1 , x2 , x3   1 1,1,1  2  2, 2,0  3 1,0,0
 x1 , x2 , x3    1 , 1 , 1    22 , 22 ,0   3 ,0,0
 x1, x2 , x3    1  22  3 , 1  22 , 1 

1  22  3  x1 1 2 1 x1   0 2 1 x1  x3   0 0 1 x1  x2 
      
 1  22  x2 1 2 0 x2   0 2 0 x2  x3   0 2 0 x2  x3 
  x3 1 0 0 x  1 0 0 x3  1 0 0 x3 
 1  3  
3  x1  x2
3  x1  x2 
  1 1
Entonces: 22  x2  x3  2  x2  x3
  x  2 2
 1 3
1  x3
Por lo tanto:
 x1 , x2 , x3   1 1,1,1  2  2, 2,0  3  1,0,0 
 x1 , x2 , x3   x3 1,1,1  
1 1 
x2  x3   2, 2, 0    x1  x2  1, 0, 0 
2 2 
 1 1  
f  x1 , x2 , x3   f  x3 1,1,1   x2  x3   2, 2, 0    x1  x2  1, 0, 0  
 2 2  
1 1 
f  x1 , x2 , x3   x3 . f 1,1,1   x2  x3  . f  2, 2, 0    x1  x2  . f  1, 0, 0 
2 2 
1 1 
f  x1 , x2 , x3   x3 .  2,1, 4, 2    x2  x3  .  2, 4, 0, 2    x1  x2  .  0, 0, 0, 0 
2 2 
 1 1  1 1  1 1 
f  x1 , x2 , x3    2 x3 , x3 , 4 x3 , 2 x3    2  x2  x3  , 4  x2  x3  , 0, 2  x2  x3     0, 0, 0, 0 
 2 2  2 2  2 2 
f  x1 , x2 , x3    2 x3 , x3 , 4 x3 , 2 x3    x2  x3 , 2 x2  2 x3 ,0, x2  x3 
f  x1 , x2 , x3    x2  3x3 , 2 x2  3x3 , 4 x3 , x2  x3  es la fórmula de la única transformación lineal
que verifica los datos dados y el dato elegido.
3) f 1,1,1   5,1, 2  ; f  2, 2,0    2, 4, 2  ; f  2, 2,1  1,1,3

El conjunto 1,1,1 ;  2, 2,0  ;  2, 2,1 no es base de 3
(es el mismo del ejercicio anterior)
El vector (2, 2,1) es combinación lineal de los otros dos.
Por lo tanto, no podemos asegurar que existe una única transformación lineal. Como en el caso
anterior, puede significar que no existe transformación lineal o bien, que existe transformación
lineal pero no es única o bien, que existe única transformación lineal.
Para ver cuál de las situaciones es, se analiza si se cumple la definición de transformación lineal
a partir de la aplicación de la función a la combinación lineal:
1
(2, 2,1)  1,1,1   2, 2, 0  Aplicamos f miembro a miembro
2
 1 
f (2, 2,1)  f  1,1,1   2, 2, 0   Asumimos que es transformación lineal y usamos la
 2 
definición:
1
f (2, 2,1)  f 1,1,1  f  2, 2, 0  Reemplazamos las imágenes de los vectores:
2

1
f (2, 2,1)   5,1, 2    2, 4, 2 
2
  5,1, 2   1, 2, 1
  6, 1, 3 NO es la imagen que se pide del vector  2, 2,1
Por lo tanto, si se cumplen las dos primeras, nunca se cumple la tercera condición. Entonces no
existe transformación lineal que cumpla las tres condiciones pedidas.
1 1   2 1  8 2 
4) f  5, 2     ; f  3,1    ; f  2, 2    
 2 1  3 1  10 10 
Conjunto de llegada: 22
El conjunto  5, 2  ;  3,1 ;  2, 2  no es base de 2
Los vectores  5, 2  ;  3,1 son L.I. en 2 , entonces se puede escribir al vector (2, 2) es
combinación lineal del conjunto.
Por lo tanto, no podemos asegurar que existe una única transformación lineal. O sea, puede
significar que no existe transformación lineal o bien, que existe transformación lineal pero no es
única o bien, que existe única transformación lineal.
Para ver en cuál de las dos situaciones estamos, se analiza si se cumple la definición de
transformación lineal a partir de la aplicación de la función a la combinación lineal:
(2, 2)  1  5, 2   2  3,1
(2, 2)   51  32 , 21  2 
51  32  2  5 3 2  1 0 4   1 0 4  1  4  1  4
          
 21  2  2  2 1 2  2 1 2  0 1 6   2  6 2  6
(2, 2)  4.  5, 2    6  3,1 Aplicamos f miembro a miembro

f (2, 2)  f  4.  5, 2   6  3,1  Asumimos que es transformación lineal y usamos la
definición:
f (2, 2)  4. f  5, 2    6  . f  3,1 Reemplazamos las imágenes de los vectores:
1 1   2 1
f (2, 2)  4.     6  .  
 2 1  3 1
 4 4   12 6 
  
 8 4   18 6 
 8 2 
  Es la imagen que se pide del vector  2, 2 
 10 10 
Por lo tanto, si se cumplen las dos primeras, automáticamente se cumple la tercera. Entonces
existe transformación lineal que cumpla las tres condiciones que se piden.
Como la tercera condición ya se verifica, no es dato relevante, pero en este caso, si hay una base
de 2 .
lineal
Como tenemos una base, para todo v  2 existen únicos 1 , 2  tal que v  1v1  2v2
 x1, x2   1  5, 2  2  3,1
 x1 , x2    51  32 , 21  2 
51  32  x1  5 3 x1   1 0 x1  3x2   1 0 x1  3x2 

      
 21  2  x2  2 1 x2   2 1 x2   0 1 2 x1  5 x2 
1  x1  3x2  1   x1  3x2
   
 2  2 x1  5 x2 2  2 x1  5 x2
Por lo tanto:
 x1, x2   1  5, 2  2  3,1
 x1 , x2     x1  3x2 5, 2   2 x1  5x2 3,1
f  x1 , x2   f    x1  3x2  5, 2    2 x1  5x2  3,1 
f  x1 , x2     x1  3x2  . f  5, 2    2 x1  5x2  . f  3,1
1 1   2 1
f  x1 , x2     x1  3x2  .     2 x1  5 x2  .  
 2 1  3 1
  x1  3x2  x1  3x2   2  2 x1  5 x2  2 x1  5 x2 
f  x1 , x2     
 2   x1  3x2     x1  3x2    3  2 x1  5 x2  2 x1  5 x2 
  x  3x2  x1  3x2   4 x1  10 x2 2 x1  5 x2 
f  x1 , x2    1  
 2 x1  6 x2 x1  3x2   6 x1  15 x2 2 x1  5 x2 
 3x  7 x2 x1  2 x2 
f  x1 , x2    1  es la fórmula de la única transformación lineal que verifica
 4 x1  9 x2 3x1  8 x2 
todos los datos dados.
En todos los casos, para verificar que la fórmula de la transformación lineal está bien hallada,
alcanza con reemplazar los datos del conjunto de partida dados y ver que se obtienen sus
correspondientes imágenes.
Núcleo de una Transformación lineal:
Sea f :  una transformación lineal, se define el núcleo de la transformación lineal f como

el conjunto
Nu  f   v  / f v  0 
Dicho de otra manera, el núcleo de la transformación lineal f es el conjunto de las preimágenes del
vector nulo de , por lo tanto, Nu  f   f 1  0 
Imagen de una Transformación lineal:
Sea f :  una transformación lineal, se define la imagen de la transformación lineal f como

el conjunto
Im  f   w  / v : f  v   w
Dicho de otra manera, la imagen de la transformación lineal f es el conjunto de las imágenes de
todos los vectores de , por lo tanto, Im  f   f  

Sea f :  una transformación lineal

1) El núcleo de f es un subespacio de , es decir Nu  f   es subespacio.
2) La imagen de f es un subespacio de , es decir Im  f   es subespacio.
3) Si B  v1 , v2 , , vn  es base de entonces  f v  , f v  ,
1 2 , f  vn  es un conjunto de
generadores de Im  f  . (Esta es la forma más sencilla de obtener los generadores de la
Im  f  )
4) Si  f v  , f v  ,
1 2 , f  vk  es un conjunto L.I. de entonces v1 , v2 , , vk  es un
conjunto L.I. de .
NOTA:
En la propiedad 3, se puede ver que, aunque B  v1 , v2 , , vn  es base de (o sea, es un conjunto

L.I.), entonces Im  f   gen  f  v1  , f  v2  , , f  vn  o sea, no se puede asumir que
 f v  , f v  ,
1 2 , f  vn  es un conjunto L.I., eso dependerá de la transformación lineal. Con los
ejemplos se podrá comprender mejor.
Teorema de la dimensión:
Sea f :  una transformación lineal entonces dim    dim  Nu  f    dim  Im  f  

(Demostración en el apéndice)
Ejemplos:
Hallar núcleo e imagen de las siguientes transformaciones lineales:

1) Sea f : 3  3 definida por f  x1 , x2 , x3    2 x1  x2  x3 ,3x1  x2  2 x3 , 2 x1  4 x2  2 x3 
a) Como el núcleo son los vectores v   3
tal que su imagen es el vector nulo de  3
,
igualamos la función a 0 3 :
f  x1 , x2 , x3    0,0,0 
 2 x1  x2  x3 ,3x1  x2  2x3 , 2x1  4x2  2x3    0,0,0
 2 x1  x2  x3  0  2 1 1 0  2 1 1 0   0 5 1 0
      
 3x1  x2  2 x3  0 3 1 2 0  1 3 0 0   1 3 0 0 
2 x  4 x  2 x  0 2 4 2 0   2 6 0 0   0 0 0 0
 1 2 3     
 5 x2  x3  0  x3  5 x2
     x1 , x2 , x3   3x2 , x2 , 5x2   x2 . 3,1, 5
 x1  3x2  0  x1  3x2
BNu f    3,1, 5

b) Como la imagen son los vectores w  3 tal que tienen preimagen, es decir, existe
v   3 que verifica f  v   w , se toma un w   y1 , y2 , y3  y se plantea (por definición)
la existencia de v   x1 , x2 , x3  que verifique f  x1 , x2 , x3    y1 , y2 , y3 
 2 x1  x2  x3 ,3x1  x2  2x3 , 2x1  4x2  2x3    y1, y2 , y3 
 2 x1  x2  x3  y1  2  1 y11   2 1 1 y1 
    
 3x1  x2  2 x3  y2 3 1 y22   1 3 0 y2  2 y1 
2 x  4 x  2 x  y 2 y23   2 6 0 y  2 y 
 1 2 3 3  4  3 1
 0 5 1 2 y2  3 y1 
 
 1 3 0 y2  2 y1 
 0 0 0 y  2y  2y 
 3 2 1
Como lo importante es la existencia de v   x1 , x2 , x3  , lo importante es que este sistema sea

compatible (es indistinto si determinado o indeterminado).
Para que este sistema sea compatible, se debe exigir que y3  2 y2  2 y1  0 , pues de lo
contrario, el sistema es incompatible. Esta es la ecuación a resolver para hallar la imagen:
y3  2 y2  2 y1  0  y3  2 y2  2 y1 entonces:
w   y1 , y2 , y3    y1 , y2 , 2 y2  2 y1    y1 ,0, 2 y1    0, y2 , 2 y2   y1. 1,0, 2   y2 .  0,1, 2 
BIm f   1,0, 2  ;  0,1, 2 
Buscar la imagen de una transformación lineal por definición es complicado. Podemos

buscarla de una forma más sencilla, usando la propiedad 3).
Tomemos una base de  3 cualquiera. Una base buena para hacer la menor cantidad de
cuentas es la base canónica: E  1,0,0  ;  0,1,0  ;  0,0,1 , entonces
Im  f   gen  f 1,0,0 ; f  0,1,0  ; f  0,0,1
f 1, 0, 0    2,3, 2 
f  0,1, 0    1,1, 4   Im  f   gen  2,3, 2 ;  1,1, 4  ; 1, 2, 2 
f  0, 0,1  1, 2, 2 
Se puede verificar que cada uno de los generadores de la imagen, es combinación lineal de
los vectores obtenidos como base de la imagen.
Por definición, hallamos la base de la imagen, que está determinada por dos vectores,
BIm f   1,0, 2  ;  0,1, 2  por lo tanto dim  Im  f    2
Por la propiedad 3) hallamos los generadores de la imagen. Sabiendo que dim  Im  f    2 ,
si se pretende tener una base, alcanza con tomar dos vectores L.I que generan la imagen para
obtener una base, con los vectores obtenidos, distintas bases podrían ser:
BIm  f    2,3, 2  ;  1,1, 4 
  f    2,3, 2  ; 1, 2, 2 
BIm
  f    1,1, 4  ; 1, 2, 2 
BIm
Conociendo la dimensión de la imagen, esta es la forma más sencilla de hallarla. La
dimensión de la imagen se puede obtener a través del teorema de la dimensión:
dim    dim  Nu  f    dim  Im  f  
dim  3
  1  dim  Im  f   3  1  dim  Im  f    2  dim  Im  f  

2) Sea f : 3
 4
,
f  x1 , x2 , x3    0,0,0,0 
 2x1  x2 , x1  x2  2x3 , x1  x2  2x3 ,3x1  2x2  x3    0,0,0,0 
 2 x1  x2 0  2 1 0 0  0 3 4 0  0 3 0 0
 x  x  2x  0      
 1 2 3 1 1 2 0 1 1 2 0 1 1 0 0

 x1  x2  2 x3  0  1 1 2 0  0 0 4 0  0 0 4 0
3x1  2 x2  x3  0      
 3 2 1 0  0 5 5 0  0 5 0 0
 0 3 0 0 
  3 x2  0  x2  0
1 0 0 0  
 0 0 4 0 
 x1  0   x1  0   x1 , x2 , x3    0,0,0
 4 x  0 x  0
   3  3
0 0 0 0
Nu  f    0,0,0 
Como el núcleo es el vector nulo, no tiene base, y por lo tanto dim  Nu  f    0
b) Desde este ejemplo, calcularemos la imagen a través de las imágenes de los vectores de una
base.
Tomemos una base de  3 cualquiera, por ejemplo, la base canónica:
E  1,0,0  ;  0,1,0  ;  0,0,1 , y busquemos sus imágenes
f 1, 0, 0    2,1,1,3
f  0,1, 0    1,1,1, 2   Im  f   gen  2,1,1,3 ;  1,1,1, 2  ;  0, 2, 2,1
f  0, 0,1   0, 2, 2,1
Por el teorema de la dimensión: dim  3
  dim  Nu  f   dim  Im  f 
3  0  dim  Im  f    dim  Im  f    3
Por lo tanto BIm f    2,1,1,3 ;  1,1,1, 2  ;  0, 2, 2,1
3) Sea f : 4
 2
definida por f  x1 , x2 , x3 , x4    2 x1  x2  x3 , x1  2 x3  x4 
,
f  x1 , x2 , x3 , x4    0,0 
 2 x1  x2  x3 , x1  2x3  x4    0,0
2 x1  x2  x3 0  2 1 1 0 0
   Desde x2 y x4 la matriz está pivoteada,
 x1  2 x3  x4  0  1 0 2 1 0 
entonces:
2 x1  x2  x3  0  x2  2 x1  x3
    x1 , x2 , x3 , x4    x1 , 2 x1  x3 , x3 ,  x1  2 x3 
 x1  2 x3  x4  0  x4   x1  2 x3
 x1 , x2 , x3 , x4    x1, 2x1 ,0,  x1    0,  x3 , x3 , 2x3   x1. 1, 2,0, 1  x3. 0, 1,1, 2 

BNu f   1, 2,0, 1 ;  0, 1,1, 2   dim  Nu  f    2
b) Tomemos una base de  4 cualquiera, por ejemplo, la base canónica:
E  1,0,0,0  ;  0,1,0,0  ;  0,0,1,0  0,0,0,1 , y busquemos sus imágenes
f 1, 0, 0, 0    2,1
f  0,1, 0, 0   1, 0 
 Im  f   gen  2,1 ; 1,0  ; 1, 2  ;  0,1
f  0, 0,1, 0   1, 2 
f  0, 0, 0,1   0,1
Por el teorema de la dimensión: dim  4
  dim  Nu  f   dim  Im  f 
4  2  dim  Im  f    dim  Im  f    2
Por lo tanto cualquier par de vectores L.I. entre los generadores, forman una base de la
imagen, por ejemplo:
BIm f    2,1 ; 1,0 
Por otro lado, dim  Im  f    2 y Im  f   2 entonces Im  f   2
Si hubiésemos analizado la dimensión de la imagen antes de calcularla, ya sabríamos por su
dimensión, que la imagen es el conjunto de llegada.
22
4) Sea f :  4
definida por
a a 
f  11 12    a11  2a12 , a11  a21  2a22 , a21  a12  2a22 , a11  2a12  a21 
 a21 a22 
a) Como el núcleo son los vectores v   22 tal que su imagen es el vector nulo de
 4 , igualamos la función a 0 4 :
a a 
f  11 12    0, 0, 0, 0 
 a21 a22 
 a11  2a12 , a11  a21  2a22 , a21  a12  2a22 , a11  2a12  a21    0,0,0,0 
 a11  2a12 0  1 2 0 0
0  1 2 0 0 0
a  a21  2a22  0    
 11 1 0 1 2
0 0 2 1 2 0

 a12  a21  2a22  0 0 1 1 2 0   0 1 1 2 0
a11  2a12  a21    
0  1 2 1 0 0 0 0 1 0 0
 1 2 0 0 0  1 0 0 4 0  1 0 0 0 0  a11  0
      6a  0
0 2 0 2 0 0 0 0 6 0 0 0 0 6 0  22

 0 1 0 2 0  0 1 0 2 0  0 1 0 0 0  a12  0
       a21  0
0 0 1 0 0 0 0 1 0 0 0 0 1 0 0
 a11  0
a  0
 22 a a   0 0  0 0  
    11 12      Nu  f    
 a12  0  a21 a22   0 0   0 0  
 a21  0
Como el núcleo es el vector nulo, no tiene base, y por lo tanto dim  Nu  f    0

b) Como en los ejemplos anteriores, podemos calcular la imagen a través de las imágenes de
los vectores de una base de  22 , pero primero hallemos la dimensión dela base:
Por el teorema de la dimensión: dim  22   dim  Nu  f    dim  Im  f  
4  0  dim  Im  f    dim  Im  f    4 y Im  f   4 entonces Im  f   4
Si necesitamos una base de la imagen en este caso, como es todo el espacio de llegada,
cualquier base de 4 sirve, en particular, la canónica.
Clasificación de transformaciones lineales:
Sea f :  una transformación lineal, entonces:

f es monomorfismo si es una función inyectiva, es decir,
 w  Im  f  , ! v  : f  v   w
f es epimorfismo si es una función sobreyectiva, es decir,
 w ,  v  : f v  w
f es isomorfismo si es una función biyectiva, es decir,
 w  , ! v  : f  v   w
Si f es isomorfismo, es monomorfismo y epimorfismo simultáneamente.
f es endomorfismo si  , o sea si f : 
f es automorfismo si  y es una función biyectiva, es decir,

 w  , ! v  : f  v   w
Si f es automorfismo, es endomorfismo e isomorfismo simultáneamente.
Sea f :  una transformación lineal, entonces:

1) f es monomorfismo  Nu  f   0 
2) Si f es monomorfismo y v1 , v2 , , vk  es L.I.   f  v1  , f  v2  , , f  vk  es L.I.
3) f es isomorfismo  “Si v1 , v2 , , vn  es base de   f  v1  , f  v2  , , f  vn  es
base de ”
Ejemplos:
Clasificar las transformaciones lineales de los ejemplos anteriores, en los cuales se calculó Nu  f 
e Im  f 
1) Sea f : 3
 3
BNu f    3,1, 5 por lo tanto, Nu  f   0  entonces no es monomorfismo
Por el Teorema de la dimensión, dim  Im  f    2 , por lo tanto Im  f   3 ,
así que no es
epimorfismo.
Como f : 3  3 es un endomorfismo.
No es automorfismo porque no es isomorfismo (no es monomorfismo ni epimorfismo)
2) Sea f : 3
 4
Nu  f    0,0,0  por lo tanto es monomorfismo.
Por el Teorema de la dimensión, dim  Im  f    3 , por lo tanto Im  f   4
, así que no es
epimorfismo.
Como f : 3  4 no es un endomorfismo.
No es automorfismo porque no es endomorfismo.
3) Sea f : 4
 2
BNu f   1, 2,0, 1 ;  0, 1,1, 2  por lo tanto, Nu  f   0  entonces no es monomorfismo
Por el Teorema de la dimensión, dim  Im  f    2 , por lo tanto Im  f   2
, entonces es
epimorfismo.
Como f : 4  2 no es un endomorfismo.
No es automorfismo porque no es un endomorfismo.
22
4) Sea f :  4
definida por
a a 
f  11 12    a11  2a12 , a11  a21  2a22 , a21  a12  2a22 , a11  2a12  a21 
 a21 a22 
 0 0  
Nu  f      por lo tanto es monomorfismo
 0 0  
Por el Teorema de la dimensión, dim  Im  f    4 , por lo tanto Im  f   4 , es epimorfismo.
Como f : 22  4 no es un endomorfismo.
No es automorfismo porque no es un endomorfismo.
Es importante poder relacionar los temas entre sí. Estos últimos ejemplos también son los mismos
en los que hallamos imagen de un subespacio  y preimagen de un elemento w y de un
subespacio  .
Cuando buscamos la preimagen de un vector w , al plantear f  v   w , estamos resolviendo un

sistema lineal de ecuaciones no homogéneo.
Si f es monomorfismo, Nu  f   0  .
- Si el sistema es incompatible, no tiene solución, me dice que w  Im  f  y por lo tanto, f no
es epimorfismo.
- Si el sistema es compatible, seguro es determinado, tiene única solución y de paso dice que
w  Im  f  , pero no me dice nada respecto a si f es o no es epimorfismo.
Si f no es monomorfismo, Nu  f   0 .
- Si el sistema es incompatible, no tiene solución, me dice que w  Im  f  y por lo tanto, f no
es epimorfismo.
- Si el sistema es compatible, seguro es indeterminado, tiene infinitas soluciones y de paso dice
que w  Im  f  , pero no me dice nada respecto a si f es o no es epimorfismo.
Esto sucede porque al resolver un sistema no homogéneo, las soluciones siempre son una solución
particular más las soluciones del sistema homogéneo asociado. Acá, las soluciones del sistema
homogéneo asociado son las soluciones que se obtienen al buscar el núcleo, por lo tanto:
f 1  w  solución particular  Nu  f  si w  Im  f  ; f 1  w   si w  Im  f  .

Leído desde el otro conjunto:
Si f es epimorfismo, Im  f   .
- Nunca el sistema es incompatible.
- Si el sistema es compatible determinado para algún w , va a ser compatible determinado
para todo w , pues como f 1  w  solución particular  Nu  f  y si de sistema es
compatible determinado, es porque Nu  f   0 , f es monomorfismo.
- Si el sistema es compatible indeterminado para algún w , seguro es compatible
indeterminado para todo w , siempre tiene infinitas soluciones, pues como
f 1  w  solución particular  Nu  f  y si hay infinitas soluciones es porque Nu  f   0 
Si f no es epimorfismo, Im  f  
- Si el sistema es incompatible para algún w , no tiene solución, me dice que justo ese
w  Im  f  . No se tiene información respecto a si es o no monomorfismo.
- Si el sistema es compatible determinado para algún w , me dice que ese w  Im  f  y el
sistema va a ser compatible determinado para todo otro w  Im  f  , pues como
f 1  w  solución particular  Nu  f  y si de sistema es compatible determinado, es porque
Nu  f   0 , f es monomorfismo.
- Si el sistema es compatible indeterminado para algún w , me dice que ese w  Im  f  y el
sistema va a ser seguro es compatible indeterminado para todo otro w  Im  f  , siempre tiene
infinitas soluciones, pues como f 1  w  solución particular  Nu  f  y si hay infinitas
soluciones es porque Nu  f   0  , o sea f no es monomorfismo.
Buscar la preimagen de un vector, si es no vacía, de paso me da el núcleo de la transformación

lineal.
Matriz de una transformación lineal:
mn
Sea f : n  m una transformación lineal, existe una única matriz A  que verifica que para
todo vector v  n , f  v   A.v .
A esta matriz se la denomina matriz de la transformación lineal f y se nota: A  M  f  .
Lo importante es saber cuál es esta matriz.
 a11 a12 a1n 
 
 a21 a22 a2 n 
Supongamos que A 
 
 
 am1 am 2 amn 
Como f  v   A.v  v  n , en particular f  ei   A.ei  ei  n vector canónico, entonces:
 a11 a12 a1n   1   a11 
   
a a22 a2 n   0   a21 
f  e1   A.e1   21   A1 , o sea f  e1  es la primera columna de A .
    
    
 am1 am 2 amn   0   am1 

 a11 a12 a1n   0   a12 

   
a a22 a2 n   1   a22 
f  e2   A.e2   21   A2 , o sea f  e2  es la segunda columna de A .
    
    
 am1 am 2 amn   0   am 2 
 a11 a12 a1n   0   a1n 

   
a a22 a2 n   0   a2 n 
f  en   A.en   21   An , o sea f  en  es la n-ésima columna de A .
    
    
 am1 am 2 amn   1   amn 
mn
Por lo tanto, para buscar A  , vamos a buscar las imágenes de los vectores canónicos de n .
Ejemplos:
Hallar la matriz de las siguientes transformaciones lineales (son las mismas de los ejemplos
anteriores):
1) Sea f : 3  3 definida por f  x1 , x2 , x3    2 x1  x2  x3 ,3x1  x2  2 x3 , 2 x1  4 x2  2 x3 
f 1,0,0    2,3, 2  es la primera columna de A  2 1 1 
f  0,1,0    1,1, 4  es la segunda columna de A  
A   3 1 2   33
f  0,0,1  1, 2, 2  es la tercera columna de A  2 4 2
 
Verificar que la matriz de la transformación lineal es la misma matriz con la que hemos
trabajado al hallar preimagen de un vector, núcleo e imagen (por definición) en el ejercicio 1).
Pero también cuando buscamos imagen aplicándole la transformación a los elementos de una
base, como usamos la base canónica obtuvimos los mismos vectores, por lo tanto, las columnas
de la matriz generan la imagen.
2) Sea f : 3
 4
f 1,0,0    2,1,1,3 es la primera columna de A  2 1 0 
f  0,1,0    1,1,1, 2  es la segunda columna de A  
 1 1 2
A  43
f  0,0,1   0, 2, 2,1 es la tercera columna de A  1 1 2 
 
 3 2 1 
trabajado al hallar preimagen de un vector y núcleo en el ejercicio 2).
Cuando buscamos imagen aplicándole la transformación a los elementos de una base, como
usamos la base canónica obtuvimos los mismos vectores, por lo tanto, las columnas de la matriz
generan la imagen.
3) Sea f : 4
 2
f 1,0,0,0    2,1 es la primera columna de A
f  0,1,0,0   1,0  es la segunda columna de A  2 1 1 0 24
A  
f  0,0,1,0   1, 2  es la tercera columna de A  1 0 2 1 
f  0,0,0,1   0,1 es la cuarta columna de A
trabajado al hallar preimagen de un vector y núcleo en el ejercicio 3).

Cuando buscamos imagen aplicándole la transformación a los elementos de una base, como
usamos la base canónica obtuvimos los mismos vectores, por lo tanto, las columnas de la matriz
generan la imagen.
Notar que en estos casos, como la matriz coincide con las que estuvimos trabajando en los
ejercicios anteriores para buscar núcleo o preimagen, también podemos obtenerla “por fila”, pues
son los coeficientes de las variables de cada una de las coordenadas de la transformación lineal.
Tener la matriz de la transformación lineal permite hallar de manera más sencilla la imagen de
vectores, porque no se tiene que controlar estar reemplazando bien los vectores en las
correspondientes coordenadas, ya que estas mantienen e l orden natural del producto de matrices.
Tener en cuenta que los vectores se pueden escribir, indistintamente, “parados” o “acostados”. En
general, yo los escribo acostados, pero cuando hay que hacer operaciones de multiplicación, deben
estar escritos en la forma correcta que la operación requiera.
Ejemplos:
Con las transformaciones lineales que venimos trabajando hasta ahora, la primera vez que las
usamos, buscamos la imagen de algún vector. Volvemos a hacerlo con las matrices:
1) Sea f : 3
 3
 2 1 1   2   0 
    
f  2,3, 1   3 1 2  .  3    7   f  2,3, 1   0,7,14 
 2 4 2   1 14 
    
2) Sea f : 3
 4
 2 1 0   1
  2   
1 1 2    3 
f  2,3, 1   3   f  2,3, 1  1,3,7, 1
 1 1 2     7 
   1  
 3 2 1   1
3) Sea f : 4
 2
 1
 
 2 1 1 0 2   3
f 1, 2, 1,3        f 1, 2, 1,3   3,6 
 1 0 2 1   1  6 
 
 3
Como las columnas de la matriz generan la imagen, el rango columna (cantidad de columnas L.I.)
es la dimensión de la imagen. Rango fila y rango columna son iguales, por lo tanto:
dim  Im  f    Rg  A
Por otro lado, si buscamos el Nu  f  , buscamos los vectores que anulan la función, es decir, los
vectores tales que f  v   0 , pero f  v   A.v , entonces A.v  0 , que es un sistema de ecuaciones
homogéneo, cuya matriz asociada es A . Por el teorema de Rochè-Frobenius, la dimensión del
subespacio de soluciones de este sistema es n  Rg  A , por lo tanto:
dim  Nu  f    n  Rg  A

Generalización de Matriz de una transformación lineal:
Sea f :  una transformación lineal, B  v1 , v2 , , vn  base de y sea B  w1 , w2 , , wm 

base de . Se llama matriz asociada a f en las bases B y B a la matriz M BB  f   mn
que
verifica:
Para todo vector v  ,  f  v  B  M BB  f  .v B
Si multiplicamos esta matriz por las coordenadas de un vector v en base B , obtenemos las
coordenadas en base B de la imagen del vector.
Ver cómo obtener esta matriz ya no es tan sencillo y no hace la materia, sólo necesitamos poder
trabajar con ella, así que veremos cómo se obtiene:

M BB  f    f  v1  B  f  v2  B  f  vn  B
Las columnas de M BB  f  son las coordenadas en base B de las imágenes de los vectores de la
base B .
Ejemplo:
Sea f: 3
 2
definida por f  x1 , x2 , x3    2 x1  x2  x3 ,3x1  2 x2  5x3  y sean las bases
B  1,1,1 ; 1,1,0  ; 1,0,0  de 3 y B   3,1; 5,2  de 2
Para buscar la matriz, necesitamos buscar las coordenadas de las imágenes de los vectores de B , en
base B .
Primero busquemos las imágenes de los vectores de B y luego sus coordenadas en base B .
La matriz A  M  f  de la transformación se obtiene a simple vista, la podemos utilizar para
buscar las imágenes de los vectores de B .
 2 1 1
A 
 3 2 5 
 1
 2 1 1    2   2  3 5 3 5 2
f 1,1,1     1       1    2    
 3 2 5     6   6  1  2  1 2 6
 1
1
 2 1 1    3   3  3 5  3 5 3  1 1 1 
f 1,1, 0    1       1     2     M BB  f    
 3 2 5     1  1 1  2 1 2 1  2  2  2 
 0
1
 2 1 1    2   2  3 5 3 5 2
f 1, 0, 0    0       1     2    
 3 2 5     3   3 1  2 1 2 3
0
Tenemos que resolver tres sistemas de ecuaciones cuya matriz asociada es la misma en los tres
casos, podemos resolverlos simultáneamente:
 3 5 2 3 2   0 1 16 0 7   0 1 16 0 7   0 1 16 0 7 
       
1 2 6 1 3 1 2 6 1 3   1 2 6 1 3   1 0 26 1 11
De la primera columna: 1  26 ; 2  16
 26 1 11
De la segunda columna: 1  1 ;  2  0 M BB  f    
De la tercera columna: 1  11 ;  2  7  16 0 7

Considerando las bases del conjunto de partida y de llegada que tenemos, podemos obtener cuatro
matrices distintas de la transformación lineal f :
 2 1 1
A  , a la que también llamamos M  f  , que en realidad se conoce como matriz en
 3 2 5 
bases canónicas: Base canónica del conjunto de partida, pues las columnas son las imágenes de los
vectores canónicos, y base canónica del conjunto de llegada.
Siempre estamos trabajando en una base. Los vectores de m de la forma en que los conocemos, si
no nombramos ninguna base, están en base canónica.
 26 1 11
M BB  f     es la matriz en bases B y B , que hallamos recién.
 16 0 7
Pero también podríamos tener:
 1
 2 1 1    2 
f 1,1,1     1   
 3 2 5     6 
 1
1
 2 1 1    3   2 3 2
f 1,1, 0       
1  M   f     es la matriz en bases B y E  .
 3 2 5     1 
BE
 6 1 3
0
1
 2 1 1    2 
f 1, 0, 0    0   
 3 2 5     3 
0
E  es la base canónica de 2 , o sea, la base canónica del conjunto de llegada. En este caso las
columnas son los vectores que se obtienen al aplicarle la transformación lineal a los vectores de la
base B y dejándolos en base canónica.
También podíamos tener la matriz en bases E y B , aplicarle la transformación lineal a los vectores
canónicos de 3 y luego buscar sus coordenadas en la base B :
1
 2 1 1    2   2  3 5 3 5 2
f 1, 0, 0    0       1    2    
 3 2 5     3   3 1  2 1 2 3
 
0
0
 2 1 1    1   1   3 5 3 5 1 
f  0,1, 0      1        1     2    
 3 2 5     2   2  1  2  1 2 2 
0
0
 2 1 1    1  1  3  5  3 5 1
f  0, 0,1   0       1     2    
 3 2 5     5   5 1  2 1 2 5 
1
Resolviendo los tres sistemas de ecuaciones simultáneamente:
 3 5 2 1 1  0 1 7 7 16   0 1 7 7 16  0 1 7 7 16 
       
 1 2 3 2 5   1 2 3 2 5   1 2 3 2 5  1 0 11 12 27 
De la primera columna: 1  11 ; 2  7
 11 12 27 
De la segunda columna: 1  12 ;  2  7 M EB  f    
 7 7 16 
De la tercera columna: 1  27 ;  2  16

Muchas veces, se tiene como dato la matriz de una trasformación lineal y las bases con las que se
está trabajando, pero no la fórmula de la misma.
Con este mismo ejemplo, para poder hacer comparaciones:

 26 1 11
Supongamos que f : 3  2 es tal que M BB  f     y sabemos que las bases son
 16 0 7
B  1,1,1 ; 1,1,0  ; 1,0,0  de 3 y B   3,1; 5,2  de 2
Hallar:
a) Hallar f  2, 1,3 :
Siempre que se pida información de una trasformación lineal, se pide en base canónica (con
la que trabajamos desde que se definieron vectores desde Álgebra).
Como nuestro dato es la matriz M BB  f  , es el único dato con el que podemos trabajar.
 2  
 
Sabemos que  f  2, 1,3  B  M BB  f  .  1  por la definición de M BB  f 
 3  
B
 2
 
Necesitamos calcular las coordenadas de  1  en base B
 3
 
 2  1 1 1 1 1 1  2 0 1 1  1
           
 1  1 1  2  1   3  0   1 1 0  1  0 1 0  4 
 3  1  0  0 1 0 0  3 1 0  3
          0
0 0 1 3  3  3  2    3
       
 0 1 0 4   2  4   1    4 
1 0 0 3    3  3    3
   1 B  
Entonces:
 2    3
    26 1 11    115 
 f  2, 1,3  B  M BB  f  .  1     4    conocemos las
   16 0 7     69 
 3    3
B
coordenadas, las usamos…
 115   3  5  0 
 f  2, 1, 3  B     f  2, 1,3  115    69     
 69  1  2   23 
Dado que en realidad conocemos la transformación lineal, verifiquemos:
 2
 2 1 1    0 
f  2, 1,3     1    llegamos al mismo resultado. Trabajar con bases
 3 2 5     23 
 3
distintas sin conocer la transformación lineal se puede.

b) Hallar Núcleo:
Como Nu  f   v  3
/ f v  0 2  , pero nuestro dato es M  f  , entonces:
BB
 x1  
 0     
 f  v  B  M BB  f  .v B      M BB  f  .  x2   
 0   B   x3  
B
 x1  
 0   26 1 11     26 1 11 0    76 1 0 0 
     . x      
7    
2
 0   16 0  x3    16 0 7 0   16 0 7 0 
B
 6
 6  x2  x1
    
vB   x1 , x ,1 x  1 conocemos las
x x 0 7 6 1 6
 7
1 2
  
16 x1  7 x3  0  x   16 x  7 7 
 3
7
1
coordenadas, no las tenemos que buscar, las usamos…

 3   3
  7 x1   7 
 1 1 1    
  6    16     13   13   3 13 
v  x1 1  x1  1     x1   0   x1  x1  BNu  f     , , 1 
   
 1 7  0   7   0   7  
7

 7 7 
     
 x1   1 
   
En este caso podemos verificar:
 3
 7 
 
 3 13   2 1 1  13   0 
f  , , 1     
 7 7   3 2 5   7   0 
 
 1 
 
c) Hallar Imagen:
Como dim  Nu  f    1 , por el teorema de la dimensión:
dim  3
  dim  Nu  f   dim  Im  f   3  1  dim  Im  f    dim  Im  f    2
Las columnas de la matriz M BB  f  son las coordenadas en base B de los vectores de la
imagen.
Un conjunto de vectores es L.I.  El conjunto de sus coordenadas en una base es L.I.
 26 1 11
Por lo tanto, alcanza con elegir dos columnas cualquiera de M BB  f     que
 16 0 7
sean L.I. y tendríamos las coordenadas de los dos vectores que generan la imagen y son L.I.
La elección muchas veces tiene que ver con la bondad de los números.
Por ejemplo:
 3  5   3
Segunda columna:  w1 B  1, 0   w1  1   0     
1  2 1
 3  5   2 
Tercera columna:  w2 B   11, 7   w2  11   7     
1  2  3

 3   2  
Por lo tanto BIm f     ;   
 1   3  
Verificar que coinciden con la segunda y tercera columnas de la matriz M BE .
Como habíamos calculado que dim  Im  f    2 y f : 3  2 , entonces Im  f   2 . No
era necesario buscarla. Pero es el procedimiento para hallarla, en caso de no coincidir con el
espacio de llegada.
Notar que los ejemplos que hemos visto para hallar la matriz A  M  f  han sido los ejemplos 1),2)
y 3), pues en esos casos f : n  m . En el ejemplo 4), f : 22  4 , por lo tanto es
imprescindible pensar los vectores en coordenadas para poder trabajar con matrices en esta
transformación lineal.
Sea f : 22  4 definida por
a a 
f  11 12    a11  2a12 , a11  a21  2a22 , a21  a12  2a22 , a11  2a12  a21 
 a21 a22 
Supongamos que queremos la matriz en bases canónicas M  f  :
 1 0   0 1   0 0   0 0  22
E   ; ; ;   es la base canónica de
 0 0   0 0   1 0   0 1 
1 0
f   1,1, 0,1 es la primera columna de M  f 
0 0
0 1  1 2 0 0
f    2, 0,1, 2  es la segunda columna de M  f  
1 0 1 2

0 0 M f 
0 0 0 1 1 2 
f    0,1,1,1 es la tercera columna de M  f   
1 0  1 2 1 0
0 0
f    0, 2, 2, 0  es la cuarta columna de M  f 
0 1
5 1
Si queremos buscar, por ejemplo, f   utilizando la matriz, primero necesitamos las
2 4
5 1 22
coordenadas en base canónica del vector   en base canónica:
2 4
 5 1  
     5,1, 2, 4  entonces:
  2 4  E
 1 2 0 0   5   3 
    
 5 1   1 0 1 2   1   15 
f   
 2 4   0 1 1 2   2   5 
    
 1 2 1 0   4   5 
5 1
f    3,15, 5,5
 2 4
NOTA:
Si llamamos A  M  f  a la matriz en bases canónicas, entonces A1  M BE  f  ;
A2  M BB  f  y A3  M EB  f  . Es indistinta la notación.

Si bien es necesario buscar coordenadas en una base continuamente cuando trabajamos con
matrices en bases que no son las canónicas, en realidad no es el propósito de la materia, por lo tanto,
vamos a hacer algunas consideraciones.
Veámoslo desde un ejemplo y luego lo generalizamos:
Sea B  1,1 ;  3, 2  y busquemos las coordenadas de  7, 4  en base B .
Las coordenadas de  7, 4  en base B , son  7, 4  B   1 , 2  que se obtienen al plantear al vector
 7, 4  como combinación lineal de los vectores de la base B .
 7, 4  1 1,1  2 3, 2
Escrito verticalmente:
7  1  3 1 3 7 
   1    2   que plantea la matriz para hallar los escalares:  
 4  1  2 1 2 4 
En lugar de resolver el sistema pivoteándolo, vamos a plantear el sistema en forma matricial:
1 3   1   7 
       Como B es una base, siempre que busquemos coordenadas vamos a resolver
1 2   2   4 
sistemas compatibles determinados, y además la matriz del sistema siempre es cuadrada, por lo
tanto, siempre es una matriz inversible.
Entonces:
1
1 3   1   7   1  1 3   7   1   2 3  7   1   2 
                        
1 2   2   4   2  1 2   4   2   1 1  4   2   3 
Matriz de Matriz de Matriz de
cambio de una cambio de base cambio de base
base B a base canónica E a canónica E a
canónica E una base B una base B
1 3 
  Esta matriz, multiplicada por las coordenadas de un vector en base B (las que ahora
1 2 
desconocemos) da por resultado el vector, en la mayoría de los libros se la nota: CBE
1
1 3 
  Esta matriz, multiplicada por un vector, da por resultado las coordenadas del vector en
1 2 
1
base B en la mayoría de los libros se la nota: CEB , pero CEB  CBE .
Notar que la matriz de cambio de base, de la base B a la base canónica E tiene por columnas, a los
elementos de la base B .
 
 
Si B  v1 , v2 , , vn  es base de , entonces CBE   v1 v2
n
vn  es la matriz de cambio de la
 
 
base B a la base canónica E , es decir CBE .v B  v y por lo tanto v B  CBE1 . v
Como los cambio de base que necesitamos hacer son en el conjunto de partida y en el conjunto de
llegada de una transformación lineal, entonces, vamos a denominar P a la matriz de cambio de
base en el conjunto de partida y Q a la matriz de cambio de base en el conjunto de llegada:
P.v B  v y por lo tanto v B  P 1. v en el espacio vectorial
Q. wB  w y por lo tanto  wB  Q1. w en el espacio vectorial

Volviendo a las matrices de transformaciones lineales:
Sea f :  una transformación lineal, B  v1 , v2 , , vn  base de y sea B  w1 , w2 , , wm 
base de .
Para todo vector v  , f  v   A. v
Como vimos recién:
P.v B  v y por lo tanto vB  P1. v en el espacio vectorial
Q. wB  w y por lo tanto  wB  Q1. w en el espacio vectorial
Realicemos los cambios de base en los distintos conjuntos:
Cambiemos a base B en
f  v   A. v
f  v   A.  P.v B   f  v    A. P  .v B  A1  A.P
A1  M BE  f 
Cambiemos a base B en
f  v   A. v
Q.  f  v  B  A. v   f  v  B  Q1.  A. v    f  v  B   Q1. A . v  A3  Q1. A
A3  M EB  f 
Cambiemos a base B en y a base B en

f  v   A. v
Q.  f  v  B  A.  P.v B    f  v  B  Q1.  A. P  .v B   f  v  B   Q1. A. P  .v B
A2  M BB  f 
 A2  Q1. A.P
Volvamos a calcular las matrices en el ejemplo anterior
Sea f : 3  2 definida por f  x1 , x2 , x3    2 x1  x2  x3 ,3x1  2 x2  5x3  y sean las bases
B  1,1,1 ; 1,1,0  ; 1,0,0  de 3
y B   3,1; 5,2  de 2
1 1 1 
 2 1 1   3 5 1  2 5 
Prácticamente son datos: A    P  1 1 0  Q  Q  
 3 2 5  1 0 0  1 2  1 3 
 
1 1 1 
 2 1 1   2 3 2
A1    . 1 1 0      M BE  f 
 3 2 5    6 1 3
1 0 0 
 2 5   2 1 1  11 12 27 
A3    .    M EB  f 
 1 3   3 2 5   7 7 16 
1 1 1  1 1 1 
 2 5   2 1 1    11 12 27     26 1 11
A2    .  . 1 1 0     . 1 1 0      M BB  f 
 1 3   3 2 5     7 7 16     16 0 7 
1 0 0  1 0 0 
Se obtuvieron las matrices de manera mucho más sencilla que por definición!!

2) Teórico-Transformaciones Lineales (1er Parte)

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

2) Teórico-Transformaciones Lineales (1er Parte)

Cargado por

Copyright:

Formatos disponibles

Matemática para Economistas–U.B.A.

Definición de Transformación Lineal:

Sean y dos espacios vectoriales reales y sea f :  una función. La función f se

 3.v1  3.v2 Propiedad distributiva respecto a la operación aditiva en .

b) f  .v   3.  .v  Definición de esta función.

2) Sea f :  , definida por: f  x   5.x  2

 5.v1  5.v2  2 Propiedad distributiva respecto a la operación aditiva en .

3) Sea f :  , definida por: f  x   2.x 2

Prof: Alejandra Zaia 1 Apunte Teórico TP1

  f  x1 , x2 , x3  Definición de esta función.

5) Sea f : 2  x  3  x , definida por: f  p  x     2 x  1 . p  x 

  2 x  1 .  p  x   q  x   Definición de esta función.

  2 x  1 . p  x    2 x  1 .q  x  Propiedad distributiva en la suma de polinomios

 f  p  x   f  q  x  Definición de esta función.

 .   2 x  1 . p  x   Propiedad asociativa mixta.

Prof: Alejandra Zaia 2 Apunte Teórico TP1

 .  A.v  Propiedad asociativa mixta.

Como se verifican ambas condiciones, la función f  v   A.v es transformación lineal.

Propiedades: (Demostraciones en el apéndice)

Para toda transformación lineal f :  se verifican las siguientes propiedades:

Transformaciones lineal especiales:

- Transformación lineal nula: f :  definida como f  v   0  v

La transformación lineal nula es un caso particular de transformación lineal escalar en caso de

Sea f :  una transformación lineal, y sean  ,  y w , entonces:

Propiedades: (Demostraciones en el apéndice)

a) Si es subespacio de entonces f   es subespacio de .

Prof: Alejandra Zaia 3 Apunte Teórico TP1

c) Si es subespacio de , ¿cómo se obtiene el subespacio f 1  ?

Veamos algunos ejemplos:

Prof: Alejandra Zaia 4 Apunte Teórico TP1

Prof: Alejandra Zaia 5 Apunte Teórico TP1

Prof: Alejandra Zaia 6 Apunte Teórico TP1

Prof: Alejandra Zaia 7 Apunte Teórico TP1

Para calcular f 1  0,0, 4, 2  , debo buscar los vectores v  3

Prof: Alejandra Zaia 8 Apunte Teórico TP1

3) Sea f : 4  2 definida por f  x1 , x2 , x3 , x4    2 x1  x2  x3 , x1  2 x3  x4 

Prof: Alejandra Zaia 9 Apunte Teórico TP1

Prof: Alejandra Zaia 10 Apunte Teórico TP1

Prof: Alejandra Zaia 11 Apunte Teórico TP1

Prof: Alejandra Zaia 12 Apunte Teórico TP1

Para calcular f 1  0,0, 4, 2  , debo buscar los vectores v  22

Prof: Alejandra Zaia 13 Apunte Teórico TP1

Teorema fundamental de las Transformaciones Lineales:

Prof: Alejandra Zaia 14 Apunte Teórico TP1

2) f 1,1,1   2,1, 4, 2  ; f  2, 2,0    2, 4,0, 2  ; f  2, 2,1   1, 1, 4,3

Prof: Alejandra Zaia 15 Apunte Teórico TP1

Prof: Alejandra Zaia 16 Apunte Teórico TP1

3) f 1,1,1   5,1, 2  ; f  2, 2,0    2, 4, 2  ; f  2, 2,1  1,1,3

Prof: Alejandra Zaia 17 Apunte Teórico TP1

(2, 2)  4.  5, 2    6  3,1 Aplicamos f miembro a miembro

51  32  x1  5 3 x1   1 0 x1  3x2   1 0 x1  3x2 

Núcleo de una Transformación lineal:

Sea f :  una transformación lineal, se define el núcleo de la transformación lineal f como

Imagen de una Transformación lineal:

Sea f :  una transformación lineal, se define la imagen de la transformación lineal f como

Prof: Alejandra Zaia 19 Apunte Teórico TP1

Sea f :  una transformación lineal

En la propiedad 3, se puede ver que, aunque B  v1 , v2 , , vn  es base de (o sea, es un conjunto

Sea f :  una transformación lineal entonces dim    dim  Nu  f    dim  Im  f  

Hallar núcleo e imagen de las siguientes transformaciones lineales:

Prof: Alejandra Zaia 20 Apunte Teórico TP1

Como lo importante es la existencia de v   x1 , x2 , x3  , lo importante es que este sistema sea