VII.

- TRANFORMACIONES
LINEALES

VII.- 1 FUNCIONES VECTORIALES

Para definir los conceptos de transformaciones lineales, previamente se debe definir las funciones vectoriales
y sus características.

Una función vectorial de variable Vectorial, es aquella función que por Variable
Def 7.1 independiente (v)y dependiente (W) presenta a vectores. F

Si v, w son espacios vectoriales y F es una V w

Función que asocia un Vector único en w v1 v1
con cada vector en v, se dice que F aplica
v en w, escribiéndose F: V – W. v2 v2
Si F asocial el vector w con el vector v se escribe
w = F(v), entonces se dice que w es la imagen v3 v3
de w

En termino general una Función Vectorial de Variable Vectorial se comporta como cualquier Función
Escalar de Variable Escalar

Alas funciones suele llamarles también Aplicaciones de correspondencia.

Ej 7.1 Una Función vectorial de Variable vectorial es: v F M

V = (x,y) F(v) = (2x + y,x + y, 4y)

si: v = (2,1) => F(v) = ( 5,3,4) (2,1) (5,3,4)
si: v = ( 1,0) => F(v) = (2,1,0)
si: v = (0,0) => F(v) = (0,0,0) (1,0) (2,1,0)
Función donde v es de vector de dos componentes
(R2), w es de Vectores de tres componentes (R 3) (0,0) (0,0,0)

Así por ejemplo para el vector (2,1) se asocia el vector

(5,3,4) bajo F

Ej 7.2 Una Función Vectorial de Variable Vectorial es:

a) F(v) = (x + 1, y + 3) Si: v = (x,y) Esta es una Función de R 2 en R2 (De vectores de

Si: v = (2,1) => F(v) = (3,4)
Si: v = (1,0) => F(v) = (2,3)
b) F(v) =(x2 + y2,x,y,x – y) si: v (x.y)
Si: v = (2,1) => F(v) = (5,2,1)
Si: v =(1,0) => F(v) = (1,0,1)
de dos componentes se pasa a vectores también
de dos componentes)
Esta es una Función de R 2 en R3

VII.- 2 TRANFORMACIONES LINEALES

Uno de los pilares del Algebra Lineal, tanto en su estructura como en su futuro empleo practico constituye la
Transformación Lineal, que se define por:

si F: v -> W es un Función del Espacio Vectorial V hacia W entonces F es una transformación

Def 7.2 lineal si :

i) Fu (u + v) = F (u) + F(v) Para todos los vectores u y v de V

ii) F(Ku) = K F(u) para todos los vectores u de v y todos los escalares K

En la practica se puede emplear la siguiente relación de transformación lineal que incluye a las dos condiciones
anteriores

F(k1 + k2v2) = K1F(v1) + k2F(v)

Generalizando para n vectores de V

F(k1 + k2v2 +…+ knvn) = k1 F(v1) + k2F(v2) +…+ knF(vn)

Ej 7.3 Demostrando que la Función F del Ej 7.1 es una Transformación Lineal.

Si: u = (x1,y1) ; v = (x2,y2)

F = (2x + y,x + y, 4y) ; u + v = (x1 + x2,, y1,y2) Al cumplirse las dos condiciones
F(u + v) = (2(x1 + x2) + (y1 + y2), (x1 + x2) + (y1, y2), 4(y1 + y2)) se concluye que la Función F si es
. = (2x1 + y1, x1 + y1, 4y1) + (2x2, + y2,x2,4y2) una Transformación Lineal
. =F(u) + F(v)

F(k u) = (2kx + ky + Ky, 4ky)

= k (2x + y,x + y,4y) = k F(u)

Demostrar que las Funciones del Ej 7.2 no son Transformación Lineales.

7.1
a) Si: u (x1, y1) ; v = (x2,y2) Es imposible descomponer algebraica-
F = (x + 1,y + 3) ; u + v = (x 1 +x2,y1 + y2) mente F(u + v) como F(u) + F(v)
F(u + F(v) = ( (x1 + x2) + 1, (y1 + y2) +3)
=( (x1 + 1) + (x2 +…), (y2 + 3) + (y2 + …)) por tanto, la Función F no es una trans-
≠ F(u) + F(v) formación Lineal. No es necesario ya
analizar la otra condición
b) Si : u = (x1,y1) ; v = (x2,y2)
F = (x2 + y2,xy, x – y) : u + v = (x1 + x2,y1 + y2)
F(u + v) = [(x1 + x2)2 + (y1 + y2)2, (x1 + x2)(y1 + y2)]
= ( x12+y12 +x22 + y22 + 2(x1x2 + y1y2),x1y1 + x2y2 + x1 y2 + x2 y1 , x1 -y1 + x2 -y2)
= F(u) + F(v)
Se procura expresar como suma, lo que no es posible. Por tanto, F no es Lineal.

TEO 7.1 si: T: V -> W es un Transformación Lineal, entonces:

T-A) T(0) = 0
 T-B) T( -v) = -T(v)
T-C) T(v -w) =T(v) – T(w)

Demostración: Partiendo de que T es una transformación Lineal.

T(0) = T(0 v) =0 T(v) = 0 puede ser transformación Lineal
T( -v) = T(-1v) = (-1) T(v) donde:
T(v-w) = T(v +(-1)w) = T(v) + T(( -1)w) = T(v) – T(w) T(kv) = kT(v)

La derivada es una transformación Lineal

7.2 Si C[0,1] es un Espacio Vectorial de las Funciones reales (f )continuas en el intervalo 0 ≤ x ≤ 1. Si w
es el subespacio de C[0,1]que contiene a todas las Funciones con primeras derivadas
continuas en : 0 ≤ x ≤ 1
Definiendo como la transformación derivada a D: W -> V entonces: D(f) = f
Por propiedades de la derivada: D(f + g) = f + g ; D(k f ) = k f
Por tanto D es una transformación lineal.

7.3 La integral es una Transformación Lineal

Si C[0,1] es un Espacio Vectorial de las Funciones reales (f )continuas en el intervalo 0 ≤ x ≤ 1. Si

w es el subespacio de C[0,1]que contiene a todas las Funciones con primeras derivadas
continuas en : 0 ≤ x ≤ 1
1
Definiendo como la Transformación integral a J: W-> V entonces: J(f ) = ∫ f ( x ) dx
0

1 1 1

∫ [ f ( x ) + g ( x ) ] dx =∫ f ( x ) dx +∫ g ( x ) dx por propiedades de la integral:

0 0 0

1 1

∫ k f ( x ) dx=k ∫ f ( x ) dx Por tanto j(f ) es una transformación

0 0
Lineal:

Otros conceptos matemáticos, tales como la Transformación de Laplace, que se definen en base a
integrales, se constituyen también en Transformaciones lineales.

7.4 El producto interior es una transformación Lineal

Si v es un espacio de productos interiores y w es un subespacio de V con dimensiones finita que tiene

a: s = {w1, w2, …, wr} como una base Ortonormal.

Si T: V-> w es la función que aplica un vector v de V, hacia su proyecto ortogonal sobre w, es decir que T(
v ) = (v,w1)w1 + (v,w2)w2 + … + (v,w,)wr

T( u + v ) = (u + v,w1)w1 + (u + v, w2) w2 +… + (u,wr)wr

= (u,w1) w1 + (u,w2)w2 + … + (u ,wr)wr + (v,w1)w1 + (v,w2)w2 +…+ (v,wr) w
=T(u) + T(v)

T(k v) = (k v, w1) w1 + (k v, w2)w2 +… + (k v,wr)wr Al cumplirse las condiciones se concluye

=K[(v,w1)W1 + (V,W2)W2 +…+ (v,wr)wr] que el producto interior es una
=K T(v) transformación Lineal
  

7.5 verificar si las siguientes son Transformaciones Lineales La transformación determina por

[ ac bd ]
resultado a la traza de la matriz
a) T =a+d
Verificando las condiciones de
transformaciones Lineales
T(u + v) = T (u) + T (v)

T [ ac bd ]+T [ eg hf ] [ ac =T
+e b+f
]
+ g d+ h = (a + e) + (d + h)

T [ ac bd ] [ ge hf ]
+T = (a+d) + (e + h) = (a + e) + (d + h)
T (k u) = k T (u) De acuerdo a la definición de esta
T [ ] [
a b
c d
ka kb
= T kc kd ] =Ka+kd
transformación, se cumplen las dos
condiciones

=k(a + d) = k T [ ac bd ] Por tanto, es una transformación

b)

T [ ac bd ] = ad – bc

T(u + v) = T(u) + T(v) La transformación determinada por el resultado al

determinante de la matriz

T [ ac bd ] [ ge hf ] [ ac
+ =T
+e b+f
+ g d+ h ] = (a + e)(d + h) – (b + f )(c + g)

T [ ac bd ] [ ge hf ]
+T = (ad – bc) + ( eh - f g)

No se cumple la igualdad por tanto no es una transformación Lineal.

C) T( a0 + a1x + a2x2) = a0 + a1(x – 1) + a2(x – 1)2

T(u + v) = T(u) + T(v) Para verificar la igualdad cada

T((a0 + a1x + a2x2) + (b0 + b1x + b2 x2)) miembro se desarrolló separada-
mente, para luego comparar
= T( (a0 + b0)+ (a1 +b1)x + (a2 + b2)x2) resultados
=(a0 + b0) +(a1 + b1)(x – 1) + (a2 + b2)(x- 1)2 Se cumplen la igualdad

T (a0 + a1x + a2x2) + T(b0 + b1x + b2x2)

=a0 +a1(x – 1) + a2(x – 1)2 + b0 + b1(x – 1) + b2(x-1)2

=(a0 + b0) + (a1+ b1)(x – 1)+ (a2 + b2)(x-1)2

T(k u) = k T(u) Se cumple también la segunda

T(k(a0 +a1x +a2x2)) = T(ka0 + ka1x + ka2x2) igualdad
= ka 0 + ka1(x-1) +ka2(x – 1)2 Se cumplen las condiciones es una
Transformación Lineal
 = k(a0 + a1(x – 1 )+a2(x – 1)2) = kT(a0 + a1x + a2x2)

VII.- 3 NUCLEO [KERNEL], RECORRIDO

Def 7.3 Si T: V -> W es una transformación Lineal, entonces al conjunto de Vectores en V que se aplican hacia 0 de
W se llaman kernel (Núcleo o Espacio nulo) de T. Este Espacio se designa por ker(T)

Al conjunto de vectores en W que . son imágenes bajo T

de al menos un vector en v se lo V W w2
. v1 T Recorrido
llama Recorrido de T. escribiéndose como R(T) En la
gráfica adjuntas se aprecia que los vecto- res del kernel kernel
se aplican sobre 0 de W v2 w1

Los vectores de W que participan de la Transformación v3 0

formación constituyen en el recorrido

Ej 7. 7 Se calcula el kernel de una Transformación Lineal

Si: T: V -> w ; V = (x,y) ϵ V para obtener el kernel, se debe obtener el vector
T(v) = (X + y,x – y) 0 en w. Planteando un Sistema de Ecuaciones y
(x + y,x -y) = (0,0) = 0 ϵ W resolviendo

X+ y = 0 x=0 Por tanto el kernel estará constituido por

. => => V 0 (0,0) un solo vector de V, el vector V=(0,0).
x–y=0 y=0
Hallar el kernel de las transformaciones Lineales:
7.6
a) v = ( x,y,z) ϵ V
si: T: v -> W ; w = (x1 , y1) ϵ W Para hallar el Kernel, el Resultado obtenido
T(v) = (x + 2y + z, 3x - 4y - z) debe ser igual al Vector cero.
(x – 2y + z, 3x - 4y – z) = (0,0) = 0 ϵ W
x – 2y + = 0 x = 31 Resolviendo el sistema expresando en términos
=> y = 21 => V = t(3,2,1) de t. todos los vectores de la forma indicada
3x – 4y -z = 0 y = 21 => V = t(3,2,1) constituyendo el Kernel.
2=t

b) Si: T: V -> ; v = (x,y,z) ϵ V

w = (x, y,z) ϵ W para hallar el Kernel, el Resultado
T(v) = (x + 2y+ 4z, 3x + 4y + z, 2x + y +3z) obtenido debe ser igual a cero.
(x + 2y + 4z, 3x + 4y +z, 2x+y+3z) = (0,0,0) = 0 ϵ W
Resolviendo el Sistema, la única solución
T(V) = (x + 2y, +4z 3x + 4y + z, 2x + y + 3z)
es la trivial 0 = (0,0,0). Este
X +2y + 4z = 0 x=0
Vector es el único elemento de kernel
3x + 4y + z = 0 => Y = 0 => V = (0,0,0)
2x + y + 3z = 0 z = 0

C)
Para obtener el kernel, el resultado del
2 −1 producto de matrices debe ser igual a la
x
Si: T -> W ; v = ; A = 6 −3 Matriz 0.
y
−4 2
Planteando un sistema de Ecuaciones y
resolviendo.

Por tanto el kernel estará constituido por

todos los vectores de V, que presenten la
forma obtenida.
 2 −1 2x −y 0
x
T(v) = Av = 6 −3 = 6 x −3 x = 0
y
−4 2 −4 x +2 y 0

2x – y = 0 x = 2t Asignada valores en t se logran determinar

21 2 los vectores del kernel
6x – 3y = 0 => => v = =t
t 1
-4x + 2y = y=t
Por ejemplo, los vectores columna: [2,1]; [6,3]; [0,0]; [3,3/2]; etc. Constituyen el kernel.

TEO 7,2 si; T; v -> W es una Transformación Lineal, entonces

El Kernel de T, que se escribe ker(T), es un subespacio de V
El recordatorio de T es un Subespacio de W.

Demostración Para demostrar que el Ker(T) es un subespacio de V. deben cumplirse las dos condiciones
de subespacio (Ver Cap. V-2)

I) La suma de Vectores del ker(T) debe ser otro Vector del mismo ker(T) (La suma debe ser cerrada
Si: v1, v2 ϵ Ker(T) T(v1 +v2) = T(v1) + T(v2)
= 0 + 0 = 0 => T(v1 +v2) = 0

II) El producto de un Vector del Ker(T) por un Escalar debe ser otro Vector del mismo Ket(T) (El
producto por un escalar debe ser cerrado)

Si: V1 ϵ Ker(T) ; K es un Escalar

T (K v1) = K T(v1) K 0 = 0

Para demostrar que el recorrido de T es un Subespacio de W, deben cumplirse las dos condiciones
de subespacio (Ver Cap. V-2)

I) La suma de Vectores del Recorrido debe ser otro Vector del mismo Recorrido (La suma debe
ser cerrada)

Si: w1 , w2 ϵ Recorrido => Ǝ va ; vb / T (va) = w1 ; T(va) = w2

Si v = va + vb =>
T(v) = T(v1 + v2) = T(v1) + T(v2) = w1 + w2

II) El producto de un vector del Recorrido por un Escalar debe ser otro vector del mismo recorrido
(El producto por un Escalar debe ser cerrado )

Si: v1 ϵ Recorrido ; k es un escalar ; v = k v1

T(v) = T(k v1) = k T(v1) = k w1

TEO 7.3 si una Base para el espacio Vectorial V está dada por: S = {v 1 , v2 ..., vn} además se tiene que T: V
-> W es una transformación Lineal, asumiendo que se conocen las imágenes de cada Vector de S es
decir que: w1 = T(v1). W2 = T(v2) ,… , wn = T(vn)

Entonces se puede conocer la imagen de cualquier Vector v de v, ya que v podrá expresarse en

términos de su base

V = k1v1 + k2 v2 + … + kn vn
t(v) = T (k1 v1 + k2 v2 + … + kn vn)
= k1 T(v1) + k2 T(v2) + … + kn T(vn)
 Estos significados que una Transformación Lineal esta completamente determinada si se conoce la base V

Ej 7.8 Si una Base para el Espacio Vectorial V esta dada por: s = {v 1, v2} donde v1 = (1,0)
v2 = (0,1) además se conoce que w1 = T(v1 ) = (2,5,7); w2 = T(v2) = (3,4,9) . Se calcula
w = T(v) para v = (8,-6)
W
V = k 1 V 1 + k2 v 2 todos los vectores V T
(8, -6) = k1(1,0) + k2 (0,1) v de V pueden ser
= (k1,k2) generados por los
=> k1 = 8 ; k2 = -6 vectores de s, ya
(1,0) (2,5,7)
T(v) = k1 T(v1) + k2 T(v2) que s es una base
= (k1 , k2) de V
(0,1) (3,4,9)
=> k1 = 8 ; k2 = - 6
T(v) = k1 T(v1) + k2T(v2) por el teorema
(8,-6) ?
= 8 (2,5,7) + (-6)(3,4,9) anterior
= (-2,16,2)
7.7 Una base V es S = {v1, v2, v3 } donde v1 = v1 = (1,1,1) ; v2 = (0,1,1) ; = (0, 0, 1) además se sabe que w =
T(v1) = (2,5) ; w2 = T(v2) = (3,1) ; w3 = T(v3) = (4,7) = (4,7)
calcular w = T(v) para v =(6,8,9)
V = k1 v1 + k2 v2 + k3 v3
(6,8,9) = k1(1,1,1) + k2(0,1,1) + k3(0,0,1) .
= (k1, k1, k1 ) + (0, k2, k2) + (0, 0, k3) 6
= k1 k1 = 6
8 = k1 + k2 => k2 = 2
9 = k1 +k2 k3 = 1
. V = k 1 v 1 + k2 v 2 + k3 v 3
T(v) = T(k1 v1 + k2 v2 + k3 v3)
T(v) = k1T(v1 ) + k2 T(v2) + k3T(v3)
=6(2,5) + 2(3,1) + 1(4,7) = (22,39)

RANGO Y NULIDAD DE T

Def 7.2 Si T: V ->W es una Transformación Lineal entonces la Dimensión del recorrido de T se llama
rango de T escribiéndose Dim(R) LA dimensión del Núcleo o Kernel se llama nulidad de T, se
escribirá Dim(K)
TEO 7,4 Si T: V -> W es una Transformación Lineal, donde V es de dimensión n, entonces se verifica que:
(rango de T) + (nulidad de T) = n
Este Teorema se conoce como el teorema de la dimensión

Ej 7,9 Si una Transformación Literal está definida por la multiplicación por la

1 2 −1
matriz A, se calcula una Base para el Recorrido, Una Base para el Kernel y a= 3 7 0
1 3 2
sus Dimensiones.
 1 2 −1 x Definición de las Transformación lineal, v es un Vector de
T(v) = A v = 3 7 0 = y
1 3 2 z R3. (n = 3)

1 3 1 1 3 1 1 3 1 Para hacer operaciones por filas y llevar a una forma

2 7 3 = 0 1 1 = 0 1 1 escandalosa, se toma la traspuesta de A.
−1 0 2 0 3 3 0 0 0 Luego llevando a su forma inicial (volviendo a traspo-
ner) se aprecia que quedan dos columnas diferencia de
cero que se constituye en la base de Recorrido.
1 0 0 1 0
Entonces cualquier Vector w del recorrido podrá
¿> 3 1 0 => 3 ; 1
expresar como una combinación de estor dos Vectores
1 1 0 1 1
de base.

La dimensión del Recorrido (Rango) es igual a Dim (R)

x 1 0 =2.
=> y = k1 3 + k2 1
z 1 1

Para hallar una Base del Kernel, se considera

1 2 −1 x 0 que el resultado de la Transformación es el
T(v) = A v = 3 7 0 = y = 1 Vector w = 0
1 3 2 z 1 Multiplicando matrices y resolviendo el
X + 2y – z = 0 x + 2y – z = Sistema. La Solución es dependiente de una
3x + 7y = 0 => y+3z=0 variable, expresando dicho resultado en
términos de z = t.
x + 3y + 2z =0
Por tanto todo Vector del Kernel puede
X = 7z = 7t
expresarse en términos de su Base. (asignado
7t 7
valores en t)
y = -3z = -3t => v = −3 t = t −3
t 1
LA dimensión del Kernel (nulidad) es igual a Dim(N) = 1. Tome en cuenta que:
Dim(R) + Dim(N) = 2 +1 = 3 = n
TEO 7.5 Si A es una Matriz de mxn, entonces la Dimensión del Espacio de Solución del Sistema
A X = 0 es de : n – Dim(R)
Ej 7.10 Se calcula la dimensión del Espacio de Solución de un Sistema Homogéneo
x1 + 2x2 – 3x3 – 8x4 + 3x5 = 0 Sistema Homogéneo de 5x5.
2x1 + 5x2 + x3 – 11x4 =0 para conocer la naturaleza de sus soluciones se
3x1 + 8x2 + 6x3 – 13x4 – 4x5=0 llevan a la forma escalonada. (ver procedimientos
. x2 + 8x3 + 6x4 – 7x = 0 de resolución de Sistema Homogéneos Lineales en .
3x1 + 9x2 + 14x3 – 7x4 – 11x5 = 0 el Cap. III)
1 2 -3 -8 3 x 0
Solución trivial: x1 = x2 = x3 = x4 = x5 = 0
2 5 1 -11 0 x2 0
Efectuando operaciones por filas.
3 8 6 -13 -4 x3 = 0
0 1 8 6 -7 x4 0
3 9 14 -7 -11 x5 0
 1 2 -3 -8 3 De las n = 5 Ecuaciones iniciales, en la
2 5 1 -11 0 1 2 -3 -8 3 forma escalonada quedan 3 ecuaciones.
3 8 6 -13 -4 => 0 1 7 5 -6
0 1 8 6 -7 Por tanto Dim(R) = 3
0 0 1 1 -1
3 9 14 -7 -11
X = t + 2s Expresando el resto de las variables
X1 + 2x2 – 3X3 – 8x14 + 3x5 = 0 en términos de x4 = t ; x5 = s
x = 2t – s
x 2 + 7x23 + 5x4 – 6x5 = 0 operando general de la solución del
x3 = -t + s
X3 + X4 – X5 = 0 Sistema es:
x4 = t
x5 = sC Por tanto la dimensión del Espacio
de soluciones es de:
t + 2s t 2s 1 2
=> x 2–s - = 2t + -s = t 2 + 5 -1 N – Dim(R) = 5 – 3 = 2
t+5 -t 8 -1 1
. -t .t 0 1 .0
. s 0 s 0 1

Si: t = 1, s = 2 => (5,0,1,1,2) Como ejemplo se calculan algunas

si: t = 2, s =1 => (4, 3 – 1, 2, 1) de las soluciones
si: t = 1, s = 0 => (1, 2, -1, 1, 0)

VII.- 4 TRANFORMACION DE RN A RM

Las trasformaciones Lineales de T: Rn -> Rm, se basan en el siguiente teorema:

TEO 7,6 si T es una Transformación Lineales T: Rn -> Rm, siempre será posible encontrar una Matriz A de
mxn, tal que T es la multiplicación por A.

Si se parte de la base Estándar de R n S = {e,e2,…en}, entonces la matriz A, tendrá como vectores

columna a T(e1), T(e2) ,…. , T(e2) ,…. , T(en)

Esta Matriz A se refiere a la base Estándar se escriba como [ T ] e entonces se verifica T(v) = [ T ]e v

Si la Matriz A se refiere a otra Base se escribirá como [ T ] B entonces se verifica T(v) = [ T ]B [v],
donde [v], donde [v] es el vector de coordenadas relativo a la nueva Base.

Ej 7.11 Una Transformación Lineal se la expresa en forma matricial sobre la base Estándar

x La Base Estándar para R2 es: S = {e1,e2}, donde

Si: T: R2 -> R2 ; v =
y e1 = (1,0); e2 = (0,1)
T(v) = (5x + 2y, 4x + 3y) Note que el vector v puede expresarse, como
V = (x,y) = x(1,0) + y(0,1) combinación de la Base, en realidad debe
escribirse como el vector columna, pero esto
x 1 0 usualmente se lo asume al escribir por
V= = x +y
y 0 1 comodidad en línea
SI: v = e1 = (1,0) => T(e1) = (5,4) El resultado obtenido se expresa como
vectores columnas de la Matriz de
SI: v = e2 = (0,1) => T(e2) = (2,3)
Transformación sobre la Base Estándar [ T ] e
 5 2 x
T = A V = [ T ]e v =
4 3 y

Ej 7.12 Una transformación Lineal se la expresa en forma Matricial sobre la Base Estándar
si: T R2 – Ra3 ; v = (x, y) ; w = (x, y, z) En esta Transformación a partir de Vectores
T(v) = )2x + y,x + y, 4y) de R2 se obtiene Vectores de R3
Si: v = e1 = (1,0) => T(e1) = (2,1,0)
Calculando para la Base Estándar
Si: v = e2 = (0,1) => T(e2) = (1,1,4)
v = (x,y) = x (1,0) + y((0,1) A la Transformación se la verifico como
lineal en el Ej. 7,1
2 1
x
T= A v = [ T ], v = 1 1 Expresando como un producto entre
y
0 4 matrices
CAMBIO DE BASE

Cuando se requiere que una Transformación Lineal se expresa en forma matricial, pero con respecto a
una Base diferente de la Base Estándar, es preciso usar Vectores de coordenadas, tanto del vector para
el que se calcula, como de la Transformación ya realizada.

TEO 7.7 Si T es una Transformación Lineal T:R n -> Rm, siempre será posible encontrar una matriz A de mxn, tal
que T es la multiplicación por A.

Si la Base es de Rn S = {v1, v2 ,…, vn} entonces la Matriz A, tendrá como vectores columna a los
Vectores de coordenadas de T(v1) , T(v2) ,…, T(vn)

Esta Matriz A por referirse a la Base B se escribira como [ T ] B entonces se verifica [ T(v) ] = [ T], [v] ; .
donde coordenadas relativo a la nueva Base

Ej 7.13 La transformación Lineal T(V) = (x +4y, 2x +9y) se expresa en forma matricial sobre la Base
. s = {v1, v2) donde v1 = (1, 2) , v2 = (3, 5) . Se calcula luego para el caso particular del Vector
. v = (7, 6) Empleando la Transformación se
2 2
SI: T: R -> R ; v = (x, y) ; w = (x, y) obtiene Vectores correspondientes a
la base
T(v) = (x + 4y, 2x + 9y)
Estos deben expresarse como una
Si: v1 = (1,2) => w1 = T(v1) = (9,20)
combinación de la base
Si: v2 = (3,5) => w2 = T(v2) = (23,51)
Calculando los K por resolución de
T(v1) = k1 v1 + k2 v2 T(v2) = k1v1 + k2 v2 Sistemas.
(9,20) = k1 v1 + k2 (3, 5) (23,51) = k1(1,2) + k4(3,5)
=> K1 =15, k2 = -2 => k3 = 38 , K4 = -5 Los K obtenidos en cada caso serán
componentes de los vectores columna
=> (9,20) = 15v1 – 2v2 => (23,51) = 38v1 -5v2
de [T]B

En el caso particular de V = (7,6)

La Base es diferente de la Estándar

entonces en lugar de v dado se debe
emplear el Vector de coordenadas [v]
relativo a la nueva Base.

Para obtener se expresa a v como

combinación de su Base.
 7 −17
[ T ]B = => [v] =
6 8

15 38 −17 49
[T]B [v] = =
−2 −5 8 −6

T(v) = (x + 4y, 2x + 9y) => T(7,6) = (31,68) por otra parte aplicando la transformación
(31,68) = h1(1,2) + h2(3,5) inicial, se obtiene un vector que hay que
. expresarlo respecto a la Base dada.
31 = h1 1 + h2 3 h2 3 h1 = 49
49
=> =>[ T(v) ] = se aprecia que los resultados son
−6
los 68 = h11 + h23 h2 h2 = -6 mismo

Dada la Transformación Lineal T(v) = (3x + 4y, 5x – 2y) expresarla en forma matricial y calcular
7.8
para v = (25,35) de ambas maneras, en los siguientes, en los siguientes casos:
a) Para la Base Estándar b) Para la Base B = {v1 , v2}; v1 = (7,8), v2 = (6,9)

a) T(v) = (3x + 4y, 5x -2) => T(e1) => (3,5) La base estándar para R2 es :
. Si: v = e1 = (1,=) => T(e1) = (3,5) s = {e1,e2}, donde
. si: v = e2 = (0,1) => T(e2) =(4,-2) e1 = (1,0) ; e2 = (0,1)
T(e1) = (3,5) = 3(1,0) + 5 (0, 1) la imágenes obtenidas para
3 4 x la Base constituyen Vectores
T(v) = a v = columnas de la Matriz de
5 −2 y
. T(e2) = (4, -2) = 4(1,0) -2(0,1) Transformación (TEO 7.6)

=> T(v) = (3,5) = (215, 55) Calculando para el vector v = (25, 35), tanto por
3 4 49 49 la transformación inicialmente dada, como por
T(25,35) = =¿ su expresión matricial, se obtiene resultados
5 −2 −6 −6
coincidentes
b)
. T(v) = 3x + 4y, 5x – 2y v = (x,y) Para determinar la Matriz de
Si : v1 = (7,8) => T(v1) = (53,19) = w1 Transformación sobre una Base diferente
si: v2 = (6,9) => T(v2) = (54,12) = w2 de la Estándar. Se
calcula las imágenes (w1, w2) para la base
w1 = k1v1 +k2 v2 => (53,19) = k1 (7,8) + k2(6, 9)
dada Estas
w2 = k1 v1 + k4 v2 (54,12) = k3(7,8) + k4(6, 9)
imágenes deben expresarse como una
53 = k1 7 + k2 6 => K1= 121/5 combinación lineal de la Base. Armando
19 = k18 + k29 k2 = -97/5 dos Sistemas Lineales y resolviendo.
54 = k3 7 + k46 => k3 = 138/5 Por tanto, la Matriz
12 = k3 8 + k4 k4 = -116/5 de Transformación es la indicada.
121/ 5 138 /5 x
T(v) = [ T ]3 8[ v ] = B
−97 /5 −116 /5 y
T(v) =(3x + 4y, 5x – 2y) ; v = (25,35) Calculando para el vector
=> T(25, 35) = (215, 55) = h1(7,8) + h2 (6,9) v = (25, 35), de dos modos
215 = h17 + h1 = 107 obteniendo su expresión
=> [T(v)] = [T(v)] = (107, -89) correspondiente a la Base.
55 = h18 + h2 = -89
Similarmente se obtiene el
vector de coordenadas de V

Se obtiene el mismo resultado

tanto por la Transformación
 v = (25, 35 ) = c1(7, 8) + c2(6, 9)
25 = c17 + c26 c1 = 1
=> => [v] = (1, 3)
35 = c18 + c23 c2 = 3

121/ 5 138 /5 49 49
[T(v)] = [T] [v] = =
−97 / 5 −116 /5 −6 −6

Ej 7.14 La misma Transformación Lineal del Ej. 7.1 se expresa en forma matricial sobre otra Base
S = {v1, v2 } donde v1 = (3, 1) , v2 = (5,7). Luego ejemplificado para un caso particular
v = (9,-14).
Empleando la Transformación se obtiene
Vectores de R3, estos deben expresarse
Si: T: R2 -> R2 ; v = (x, y) ; W = (x, y, z)
como una combinación de una Base de R 3
T(v) = (2x + y,x + y, 4y)
Si: v1= (3, 1) => (x, y) = (7, 4, 4) Usando la Base estándar R3 que es
Si: v2 = (5,7) => (5, 7) = (13, 12, 28) S = { w1, w2, w3 }, donde w1 = (1,0,0),
(7,4,4) = k1 w1 + k2 w2 + k3 w3 w2 = (0,1,0) ; w3 = (0,0,1)
k1(1,0,0) + k2(0,0,1)
Los k obtenidos en cada caso será
=> k1 = 7 , k2 = 4 , k3 = 4
componentes de los Vectores columna de
=> (7,4,4) = 7w1 + 4w2 + 4w3
[T]b

Sin embargos como la Base es diferente de

7 17 la estándar, en un lugar de v usual se debe
x
T = A v = [T]B [v] = 4 12
y emplear el vector de coordenadas de v
4 28
relativo a la nueva Base: [v]
Si: A v = (9, -13) ; v = c1 v1 + c2 v2
(9, -13) = c1 (3, 1) + c2(5, 7)
9 = c1 3 + c25 => c1 = 8
-13 = c1 1 + c27 c2 =-3
9 8
=> si: v = => [v] =
−13 −3
Ejemplificando para un caso particular
V = (9, -13).
7 17 5 Para obtener el vector de coordenadas de
8
T = [ T ]B [v] = 4 12 = −4 v, se obtiene el mismo resultado que
−3
4 28 −54 empleando la Transformación inicial

T(v) = (2x + y,x + y, 4y)

=> T(9, -13) = (5, -4, -52)
7.8 Dada la transformación Lineal T(v) =(x + y -z, 2x - y + z, x + 3y – 2z) expresarla en forma matricial y
calcular para v = (3, 1, 4) de ambas maneras en los siguientes casos:
a) Para Base estándar b) Para la Base v1 = (1, 3, 2) v1 = (1, 3, ,2), v2 (2, 7, 8), v3 = (1, 4, 7)
a) T(v) = (x + y -z, 2x – y + z,x +3y) v = (x,y,z) La Base Estándar para R2 es
e1 = (1, 0, 1) ; e2 = (0,1,0) ; e3 = (0, 0, 1) S = {e1,e2}, donde
T(e1) =(1, 2, 1) = 1(1,0,0) + 2(0,1,0) + 1(0,0,1) e1 = (1,0); e2 = (0,1)
T(e2) = (1,-1,3) = 1(1,0,0) – 1(0,1,0) + 3(0,0,1) Las imágenes obtenidas para la
Base constituyen Vectores
columnas de la Matriz de
Transformación.
(TEO 7.6)
 1 1 −1 x
T(v) = A v = 2 −1 1 y
1 3 −2 z

T(v) = A v = (x + y – z, 2x – y + z, x +3y – 2z
v = ( 3, 1, 4) => T(3, 1, 4) = (0,-9, 2)

Calculando para el vector v = (3,1,4), tanto por la

1 1 −1 Transformación inicialmente dada, como por su
expresión matricial
T(3,1,4) = 2 −1 1
1 3 −2
Para calcular la Matriz de
b) T(v) = T(v) = (x + y – z, 2x – y + z, x + 3y -2z) v = (x , y, z) transformación sobre una Base
diferente de la estándar
. V1 = (1,3,2) ; v2 = (2,7,8) ; v3 = (1,4,7)
. T(v1) = (2,1,6) = k1(1,3,2) + k2(2,7,8) + k3(1,4,7) Se calculan las imágenes de la Base y
. T(v2) = (2,7,8) = k4(1,3,2) + K2(2,7,8) + k6(1,4,7) se expresa en términos de esta.

. T(v3) = (-2,5,-1) = k7(1,3,2) + K8(2,7,8) + k9(1,4,7) Resolviendo tres sistemas lineales

k1 k2 k7 x 34 −6 −65 x
T(v) = [T]B [v] = k 2
k5 k8 y = −27 5 52 y
k3 k6 k9 z 22 −3 −41 z
Ejemplando para un caso particular
V = (3,1,4) = c1(1,3,2) + c2(2,7,8) + c3(1,4,7)
Se obtiene el vector de coordenadas
=> c1 = 49 ; c2 = -38 ; c3 = 20 => [v] = (49, -38,20) de V
T(v) = (x + y – z, 2x – y + z, x + 3y – 2z)
T(3,1,4) = (0,9, -2) = h1(1,3,2) + h2(2,7,8) + h3(1,4,7) Se obtiene la Transformación
respecto a la nueva Base
=> h1 = -56 ; h2 = 47 ; h3 = -38 => [Tv]B = (-56,47,-38)
El resultado es el mismo, tanto por la
34 −6 −65 49 −56 Transformación inicial como por su
[Tv] = [T]B [v] = −27 5 52 −38 = 47 representación matricial
22 −3 −41 30 −38
Ej 7.15 se calcula el Recorrido y el Kernel de una Transformación Lineal.
. Si: T: V -> W ; v = (x,y,z)
T(v) = (x + 2y + z, 3x + 7y + 5z, 2x + 5y + 4z)
Calculando Vectores de W para los
T(1,0,0) = (1,3,2) generadores de R3.
1 2 1 Obteniendo una Matriz,
T(0,1,0) = (2,7,5) => a = 3 7 5 escalonada
2 5 4
T(0,0,1) = (1,5,4) Por tanto, una Base para los
Vectores del recorrido es: {1,3,2),
(0,1,1)}, Dim(R) = 2
 1 3 2 1 3 2 1 3 2
A1 = 2 7 5 = 0 1 1 = 0 1 1
1 5 4 0 2 2 0 0 0

1 3 2 x 1 0
=> 2 7 5 => w = y =k1 3 + K2 1
1 5 4 z 2 1
T = (x + 2y + z, 3x + 7y + 5z, 2x + 5y + 4z ) = 0
x + 2y + z = 0
3x + 7y + 5z = 0 => x + 2y + z = 0
2x + 5y + 4z = 0 y+z=0

X=t
t 1
=> y = -t => x = −t = t −1
t 1
z=t

Otro modo de obtener la expresión matricial de una transformación lineal, requiere Lineal de los
siguientes conceptos:

Si una Transformación Lineal inicialmente esta expresada en términos de la Base que

DEF 7.5 usualmente será la Estándar B = {e1, e2 ,…, en} , pero si se requiere de expresarla
sobre otra Base B1 = {v1, v2 ,…, vn} , entonces todo Vector de B1 deberá obtener como una
. combinación Lineal de los vectores de B.
V1 = a11e1 + a12e2 + … + a1n v2
= a21e1 + a22e2 + … + a2n a11 a21 … an1
P= a12 a22 … an2 ….
… … … … vn
= an1 e1 + an2 e2 + … + ann a1n a2n … ann

P es la matriz traspuesta de los coeficiencia a i j , a P se la llama Matriz de transición de la Base

inicial B a la nueva Base B1 (Sin embargo el real efecto de esta matriz es la Transformar las
coordenadas de un Vector en la Base nueva hacia la Base inicial)

TEO 7,8 Si en un Espacio Vectorial, P es la Matriz de transición de la Base B a la nueva Base B 1 entonces
. para todo Vector v ϵ V => P[v]B = [v]B => [v]B = P-1[v]B

TEO 7.9 si en un Espacio Vectorial, P es la Matriz de Transición de la Base B a la nueva Base B 1 entonces
. para toda Transformación Lineal T sobre V [T] B = p-1[T]B P

Ej 7.16 A la Transformación Lineal T(v) = (x +6y, 9x + 4y) se la cambia de la Base Estándar a la nueva
Base . dada por B = {v1, v2} donde v1 = (2,5), v2 = (3,7), calculando su expresión matricial

T(v) = (x + 6y, 9x + 4y) v = (x,y)
Si: e1 = (1,0) => T(e1) = (1,9)
Si: e2 = (0,1) => T(e2) = (6,4)
La base Estándar para R2 es: S = {e1,e2}, donde
e1 = (0,1); e2 = (0,1) Los
Vectores obtenidos se expresan como
combinación lineal de la Base. Los
coeficientes obtenidos son los Vectores
columna de [T]B Sin
embargos note que directamente se podía
obtener las filas de acuerdo a los componentes
 T(e1) = (1,9) = 1(1,0) + 9(0,1)
T(e2) = (6,4) = 6(1,0) + 7(0,1)

1 6
[T]B =
9 4

v1 = (2,5) = 2(1,0) + 5(0,1)

v2 = (3,7) = 3(1,0) + 7(0,1) Los Vectores de la Base nueva se expresa
en términos de la Base inicial
2 4 −7 3 Los coeficientes son los Vectores columna
=> P = = P-1 =
5 7 5 −2 de P.
−7 3 1 6 2 3 Por el Teorema TEO 7.9
[T]B = P-1 [T]B P =
5 −2 9 4 5 7
−110 −150
[T]B =
84 115

7.10 Se obtiene las representaciones matriciales de las siguientes Transformaciones:

a) T(v) = (x + 4y , 2x + 9y) sobre la base S = {v 1,v2} donde v1 = (1,2) , v2 (3,5)

T(v) = (x + 4y, 2x + 9y) v = (x,y) En la base Estándar para R2, donde e1 = (1,0);
. T(e1) = (1,2) = 1(1,0) + 2(0,1) e2 = (0,1). Los vectores obtenidos se
. T(e2) = (4,9) = 4(1,0) + 9(0,1) expresan como combinación Lineal de la
Base.
1 4
[T]B = Los coeficientes obtenidos son los vectores
2 9
v1 = (1,2) = 1(1,0) + 2(0,1) columna de [T]B
1 3 Los vectores de la Base nueva se expresan en
=> P =
2 5 términos de la Base inicial Los
v2 = (3,5) = 3 (0,1) + 5(0,1) coeficientes son las vectores columnas de P.
Por el teorema TEO 7.9 se obtiene la expresión
−5 3 1 4 1 3 matricial de la transformación en la nueva Base
[T]B = P-1 [T]B P =
2 −1 2 9 2 5
15 38
[T]B =
−2 −5
Observe que el resultado coincide con el del Ej. 7.13, donde se obtuvo de otra manera la representación
matricial.

b) T(v) = (x + y – z, 2x – y + z,x + 3y - 2z) Para la Base v 1 = (1,3,2), v2 = (2,7,8), v3 = (1,4,7)

. En la base estándar para R2, donde e1 = (1,0,0) ; e2 = (0,10) ; e2 (0,0,1) los Vectores obtenidos se
. expresan como combinación lineal de la Base, Los coeficientes obtenidos son los vectores columna de
[T]B

T(v) = (x + y – z, 2x – y + z,x + 3y – 2z v = (x,y,z)

. T(e1) = (1,2,1) = 1(1,0,0) + 2(0,1,0) + 1(0,0,1)
 1 1 −1
. T(e2) = (1,-2,3) = 1(1,0,0) – 1(0,1,0) + 3(0,0,1) [T] B = 2 −1 1
1 3 −2
. T(e3) = (-1,1,-2) = -1(1,0,0) + 1(0,10) – 2(0,0,1)

Por el teorema TEO 7.9 se obtiene la expresión matricial de la Transformación en la nueva Base.
Observe que el resultado coincide con el problema 7.9.

V1 = (1,3,2) = 1(1,0,0) + 3(0,1,0) + 2(0,1,0)

1 2 1
v2 = (2,7,8) = 2(1,0,0) + 7(0,1,0) + 8(0,1,0) => P = 3 7 4
2 8 7
V3 = (1,4,7) = 1(1,0,0) + 4(0,1,0) + 7(0,1,0)

17 −6 1 1 1 −1 1 2 1 34 −6 −65
[T]B = p [T]B P = −13 5 1
-1
2 −1 1 3 7 4 = −27 5 52
10 −4 1 1 3 −2 2 8 7 22 −3 −41

VII.- 5 TRANFORMACION EN EL PLANO

Se llaman transformaciones en le plano a aquellas Transformaciones Lineales de T: R 2 -> R2

a b
En este caso la Matriz estándar de la Transformación esta dada por A = por tanto
c d

x a b x ax +b y
T = =
x axy+¿ by c d y cx+ dy
Los elementos de ; se pueden considerar tanto como puntos en el plano o como Flechas
y cx+ ¿ dy
(vectores geométricos), sin embargo es mas asumir que son puntos en el plano.

5 7
Ej 7.17 La Ecuación de Recta: 3x + 2y – 12 = 0 se transforma con la Matriz A=
2 3
Para obtener la expresión del Y = Y,
6
X1 = A X => X = A-1 X1 Vector x es preciso despejar de
x 5 7 x la ecuación matricial, por la
= => 4
y 2 3 y Matriz inversa de A.
x 3 −7 x
= = Multiplicación y reemplazando 2
y 2 3 y
en la ecuación de Recta L,
,
x 3 −7 x X=X .
= =
y −2 5 y 0 2 4

3 x −7 y
=
2 x +5 y
L: 3x + 2y – 12 = 0
. 3(3x1 – 7y1) + 2(-2x1 + 5y1) – 12 = 0 Así se obtiene de otra Recta, tal como
. L1: 1 1
5x – 11y – 12 =0 se expresa gráficamente.

ROTACIONES
Se Llama a la transformación en el Plano que hace girar cada punto del Plano un ángulo Ɵ
cos Ɵ −sen Ɵ
La Matriz Estándar que permite tal rotación A = (Ver cap VI-9)
sen Ɵ cos Ɵ
Debe tomarse en cuenta que si bien la Matriz de transición de la Base inicial a la nueva Base es A, para
calcular las coordenadas en la nueva Base debe emplearse el producto de la Matriz inversa de A por la
Matriz de las coordenadas iniciales.

Ej 7.18 Se efectúa una rotación, obteniendo las nuevas coordenadas del punto P(4,2)
Para obtener las
X1 = A X => X = A-1
nuevas coordenadas
x cos Ɵ −sen Ɵ x se obtiene la matriz
6Y
=
y sen Ɵ cos Ɵ y inversa de la Matriz
Estándar de rotación
x cos Ɵ −sen Ɵ x
= . 4 X1
y sen Ɵ cos Ɵ y Si el ángulo Ɵ = 45°
reemplazando y
=
√ 2/2 √ 2/2 4 calculando . 2 41
−√ 2/ 2 √ 2/2 2 Las nuevas coordina- . 2

3 √2 4.24 das del punto inicial 2

x
= = P(4,2) son (4.24,- 1,41)
−√ 2 −1,41 0
.0 2 4
Note que la posición
del punto en el plano
es la misma, con la
Rotación solo cambia
sus coordenadas

REFLEXIONES

Se llama reflexión a la Transformación en el plano que hace que un punto se refleje como un espejo
sobre un eje L. de acuerdo a L se tienen los siguientes casos:

L: LA REFLEXIÓN RESPECTO DE Y Y

La reflexión respecto de Y, hace que el punto sea (-x,y) (x,y)

. equivalente a derecha que a izquierda del Eje Y.
−1 0
. Su Matriz estándar es: A =
0 1 X

L: X REFLEXION RESPECTO DE X

La Reflexión respecto de X, hace que el punto sea Y

. equivalente arriba o abajo del Eje X. Su Matriz (x,y)
1 0
. Estándar es: A= X
0 −1
(x,y)
L: y = x REFLEXION RESPECTO DE UNA RECTA
. La Reflexión respecto de la recta y = x, hasta que
. el punto sea simétrico respecto de digna recta. Su Y
0 1 (y,x)
. Matriz Estándar es: A=
1 0
. (x,y)
Ej 7,19 se efectúa Reflexiones a partir del punto P(3,2)

x x X
= A
y y
Y (2,3)
x −1 0 3 −3
= = (-3,2)
y 01 2 2 2 (3,2)

x 10 3 3 X
= = -4 -2 0 2 4
y 01 2 −2
(3,-2)
x 01 3 2 -2
= =
y 10 2 3
EXPANSIONES Y EXPRESIONES

Se llama Expansión o compresión a la Transformación en el plano que hace que una la coordenada de un
punto y el objetivo del que es parte ese punto al multiplicarse por k se amplía o reduzca.

Si k > 1 es expansión, si 0 < k < 1 es compresión

Las matrices estándar para compresión o reducción sobre el Eje X o sobre el Eje Y respectivamente son:

k 0 1 0
;
0 1 0 k

Ej 7.20 Dado un punto (vértice de un rectángulo) ,se lo expande y comprime

Dado el punto (1,2)
x x Y (x,y)
= A
y y Expandiendo con la Matriz
correspondiente para k = 3 X
x 30 1 3
= = Comprimiendo con la Matriz
y 01 2 2
1
correspondiente para k =
x 10 1 1 2 Y (x ,,y,)
= =
y 0 1/ 2 2 1
X
Así como de expande y comprime el punto vértice del
rectángulo, puede asumirse que del mismo modo pueden Y
expandirse p comprimirse todos los puntos del rectángulo
(x,y)

X
DESLIZAMIENTOS CORTANTES
Se llama Deslizamiento cortante (0) cizallamiento) de un punto (x,y) en la dirección del Ej X a la
Transformación en el plano que hace tal punto se desplace paralelamente al Eje X, hasta llegar al punto
(x+ky, y)

De manera equivalente se llama deslizamiento cortante de un punto (x,y) en la dirección del Ej Y a la

transformación en el Plano que hace que tal punto se desplace paralelamente al Eje, Y hasta llegar al
punto (x,y + kx)

Las matrices estándar para Deslizamiento sobre el Eje X o sobre el Eje Y respectivamente son:

1 k 1 0
;
0 1 k 1
Ej 7.21 Dado el punto (1,2), Vértice de un rectángulo, se lo desliza Y (x,y)
x x Deslizamiento sobre el Eje X
= A
y y con la Matriz correspondiente
para k = 1/2 X
x 1 1/2 3 4
= =
y 01 2 2 Deslizando con la Matriz
correspondiente para k = 1/3 Y
x 10 3 3 (x +ky, y)
= =
y 1/3 1 2 3

Así como se desliza el punto del rectángulo, puede . X

asumirse que del mismo modo puede deslizarse
todos los puntos del rectángulo.
(x,y + kx)
Y

Toda vez se efectúan varias Transformaciones Lineales, es posible hallar otra única Transformación que
efectúan de una sola vez el trabajo conjunto de las anteriores Transformaciones

Es decir si se efectúan las transformaciones: T 1(x) = A1 x , T2(x) = A2 x ,.. , Tn(x) = A2 x , … , Tn(x) = Anx

Se obtiene el mismo resultado efectuando T(x) = A x , donde A = A 1A2 ….An

Ej 7.22 Efectuando varias Transformaciones Dado el punto (3,2) Y

x x Expandiendo sobre la (x,y)
=A
y y coordenada y, con K
=2 Deslizando
. X
sobre el Eje X para k
= -1/2
 x 10 3 3
= =
y 02 1 2
Y
x 1−1 /2 3 2 . (x ,,y,)
= =
y 01 1 2 Multiplicando entre
10 1−12 si a las matrices de
A1A2 = las transformaciones, X.
02 01
se obtiene una X
1−1 /2 Matriz que efectúa el
=
02 trabajo de las Y
x 1−1 /2 3 2 anteriores. . (x ,,,y,,)
= =
y 02 1 2 Pueden verificarse en
todos los puntos del
rectángulo inicial. X.
X

SEMEJANZA
Toda vez que una Transformación Lineal se expresa por una Matriz, es sumamente que la Matriz sea de
la mayor sencillez posible, ya que puede estar sujeta a complicadas operaciones. Para ello se busca una
Matriz B que sea semejante a la Matriz A.

Def 7.6 Si A, B son matrices cuadradas, para las cuales existen una Matriz Invertible P, tal que se
verifique P-1A P. = B, entonces se dice que B es semejante a A, o también que A se obtiene
por una Transformación de semejanza

TEO 7,10 Dos matrices A y B representan al mismo Operador Lineal T, si y solo si son Semejantes

Sin embargos como se precisa de otros conceptos (Autovalores) para calcular a la matriz P su estudio se
lo realiza mas adelante. (ver cap. VIII – 5)

PROBLEMAS PROPUESTOS: VII

P 7-1 Verificar si las siguientes son Transformación lineales

a) T(v) = ( y,x) ; R2 -> ; v = (x,y) d) T(v) = (x2, y2, z2) ; R3 -> R3 ; v (x,y,z)
. b) T(v) = (x – y,x + y) e) T(v) = (x – y,y – z,z – x)
 . c) T(v) = (x,y, 1) f) T(v) =
(0,0,0)

g)
a b
. T( ) = a 2 + d2
c d
. h)
a b
. T( ) =a + b+c+d
c d

P 7-2 Calcular el kernel de las siguientes Transformaciones:

a) T(v) = (2x, 5y) ; R2 –> R2 c) T(v) = (x + 2y, 2x + 3y, 4x + 7y) ; R 2 -> R3

b) T(v) = (x – 3y, 2x – 6y) ; R2 -> R2 d) T(v) = (x + 2y – 8z, x – 3y + 7z) ; R3 -> R2

e) f)
1 4 1 −3
. T=Av;A= T=Av;A=
2 7 2 6
a) Una Base para el Espacio Vectorial V es: S = {v1 , v2} donde v1 = (1,0) v, = (0,1) se conoce que T(v 1) =
P 7-3
(7,6); T(v2) = (4,2). Calcular w = T(v) para v = (5,3)

b) Una Base el Espacio Vectorial V es S = {v 1 , v2 } donde v1 = (1,0) v2 = (0,1) se conoce que T(v1) = (2,4,3);
T(v2) = (3,7,4), calcular w = T(v) para v = (9,-5)
C) Una Base para el Espacio Vectorial V es S = {v 1, v2, v3} donde v1 = (1,0,0) v2 = (0,1,0), v3 = (0,0,1) se
conoce que T(v1) = (5,9) ; T(v2) = (6,2); T(v3) = (7,4) calcular w = T(v) para v = (3,8,-6)
P 7-4 Una Transformación Lineal esta definida por la multiplicación por las matrices indicadas. Calcular una
Base para el Recorrido, Una Base para el Kernel y sus Dimensiones.
1 3 2 1 2 −1 2 1 2 01 1 2 3 1
A = 2 7 6 B = 3 7 08 c = 2 −1 2−1 D= .1 5 9 3
1 4 4 2 6 5 10 1 −3 5−2 .3 7 12 4
-1 0 3 1
Hallar la dimensión del Espacio de los Sistemas:
P 7-5

X1 + 2x2 + x3 + x4 + 2x5 = 0
X1 + 2x2 + x3 – 2x4 = 0
X + 3y + 2z = 0 3x1 + 7x 2 + x3 + 4x4 + 8x4 = 0
4x1 + 9x2 + 7x3 – 7x4 = 0
3x + 9y + 6z = 0 x1 + 5x2 + 8x3 + 7x4 + 9x5 = 0
2x1 + 6x2 + 9x3 =0
2x + 6y + 4z = 0 -x1 + 5x3 + 7x4 + 4x5 = 0
3x1 + 7x2 + 7x3 – 3x4 = 0
3x1 + 5x2 + 4x3 + 11x4 + 7x5= 0

P 7-6 Sobre la Base Estándar. Hallar la representación matricial de las Transformaciones:

a) T(v) = (3x + 2y, x – y) ; R2 – R2 c) T(v) = (x + 2y + 4z, 3x – y + 5z) ; R 3 -> R2

b) T(v) = (x + 3y, 3x + y,x + y) ; R -> R -> R d) T(v) = (x + y + z, x – y + z,x + y – z) ; R 3 -> R3
2 3 3

Sobre la Base indicada, hallar la representación matricial de olas Transformaciones:

P 7-7
a) T(v) = (3x + 2y, 5x + 4y) ; R2 -> R2 C) T(v) = (x + 3y, 2x + 4y) ; R2 -> R2 . .
 Base: (1,1) ; (0,1) ; para: (8,6) Base: (2,5) ; (4,3) : para : (84,149
b) T(v) = (x + 4y, 5x +3y) ; R2 -> R2 d) T(v) = (4x – 2y, 2x + y) ; R 2 – R2 .
Base: (1,2) ; (2,3) ; Para: (8,6) Base: (1,1) ; (-1,0) ; para (5,7) e) T(v) =
(x – y + 2z, x + 2y – 3z, 2x + y + z) ; R3 -> R3 . Base:
(1,1,1) ; (0,1,1) ; (0,0,1) ; para: (7,6,9) f) T(v)
= (2x – y + z, x – y + z, x + y – z ) ; R3 -> R3

Hallar la representación matricial de las siguientes Transformaciones, efectuando conversión de la Base

Estándar a la nueva Base indicada.

a) T(v) = (x + 7y, 6x + 5y) ; R2 -> R2 c) T(v) = (x + y,x – y) ; R2 -> R2

. A la Base: (9,7) ; (4,3) A la Base: (1,2) ; (3,5)

b) T(v) = (4x + 6y, x + 8y) ; R2 -> R2 d) T(v) = (x + 5y, 6x + 3y) ; R 2 -> R2

. A la Base: (5,7) ; (2,3) A la Base: ( 7,3) ; (4,2)

e) T(v) = (x + 2y + z, x + y + 3z, x + y + z) ; R 3 -> R3

. A la Base: (1,1,1) ; (2,3,5) ; (2,4,9)

f) T(v) = (2x + y 2z, x + 3y + 4z, 3x + 2y + z) ; R 3 -> R3

. A la Base: (1,3,1) ; (2,7,3) ; (2,8,5)
P 7-9 Hallar la Ecuación de Recata indicada según la Matriz de Transformación

2x + 3y – 12 = 0 5x + 4y – 20 = 0 2x – 4y + 15 = 0

5 7 1 3 1 5
A = B = c =
2 3 2 4 0 2