Unidad III – Transformaciones Lineales Algebra Lineal

TRANSFORMACIONES LINEALES
Es un tipo especial de función (o aplicación), donde el dominio y codominio son espacios vectoriales
reales.

Definición: Se dice que T es una transformación del espacio vectorial V en el espacio W, se escribe T:
V  W. Siendo T una función, cada vector v  V tiene un solo vector imagen w  W, que será
indicado por w = T(v); y satisface :

I) T(u + v) = T(u) + T(v)

II) T(.u) = .T(u)  u, v  V y    R.
Observación: Una transformación lineal de V en V(en el caso de V = W es llamado Operador Lineal
Ejemplo: Considerando V = R2 y W = R3. Una transformación T: R2  W = R3 asocia un vector v = (x, y)
 R2 con vectores w = (x, y, z)  R3. Si la ley que define la transformación T fuera T(x, y) = (3x, −2y, x –
y).
Ej.: T(2, 1) se tiene que x = 2 e y = 1, por tanto T(2, 1) = [3.(2), −2.(1), 2 −1] = (6, −2, 1)
Ahora probaremos que T es lineal:
Sean u = (x1, y1) y v = (x2, y2 ) dos vectores genéricos de R2.
T (u + v) = [(x1, y1) + (x2, y2 )]
= (x1 + x2, y1 + y2 )
= [3(x1 + x2), −2(y1 + y2 ), (x1 + x2) – (y1 + y2 )]
= [3x1 + 3x2, −2y1 −2y2, (x1 – y1) + (x2 – y2 )]
= (3x1 , −2y1, x1 – y1) + (3x2, −2y2, x2 – y2 )
= T(u) + T(v)

T (k.u ) = [ k.(x1, y1)]

= ( k.x1 , k. y1 )
= [3(k.x1 ), −2(k.y1 ), k.x1 – k.y1 ]
= k. (3x1 , −2y1 , x1 – y1 )
= k.T(u) Por tanto, T es lineal

Algunas Transformaciones
 Transformación cero: T(0) = 0
a) T(v1 + v2 ) = 0 = 0 + 0 = T(v1 ) + T(v2 )
b) T(k.v1) = 0 = k.0 = k. T(v1)

 Transformación identidad: T(v) = v

a) T(v1 + v2 ) = v1 + v2 = T(v1 ) + T(v2 )
b) T(k.v1) = k. v1 = k. T(v1)

Propiedades de las Transformaciones Lineales:

a) En toda T.L. T: V → W, la imagen del vector 0 de V es el vector 0 de W. Es decir, T(0V) = 0W
b) En toda T.L. T: V → W, la imagen del opuesto de un vector en V es el opuesto de la imagen del
vector en W. Es decir, T(−v) = −T(v)
c) T( a1 v1 + a2 v2 + …..+an vn) = a1 T(v1 ) + a2 T(v2 )+….+ an T(vn )
 v1,v2 …. vn  V  a1,a2 ….. an  R .

Teorema 1: Sea V un espacio vectorial de dimensión finita con base B = {v1,v2,…,vn }. Sean w1,w2,…,wn.
n vectores en W. Suponga que Ti = T2 son dos transformaciones lineales de V en W tales que T1(vi) = T2
(vi) para i = 1, 2, …, n; es decir, T1 = T2 .

Demostración
Como B es una base para V, entonces cualquier v  V existe un conjunto único de escalares a1,a2 ….. an
 R tales que v = a1 v1 + a2 v2 +…….+ an vn
T1(v) = T1(a1 v1 + a2 v2 +…….+ an vn ) = a1 .T1(v1)+ a2 .T1(v2)+…….+ anT1(vn )
= a1 w1 + a2 w2 +…….+ an wn
T2(v) = T2(a1 v1 + a2 v2 +…….+ an vn ) = a1 .T2(v1)+ a2 .T2(v2)+…….+ anT2(vn )
= a1 w1 + a2 w2 +…….+ an wn
Unidad III – Transformaciones Lineales Algebra Lineal

T1(v) = T2(v)

El teorema dice que solo es necesario conocer el efecto de T sobre los vectores de la base en V. Esto
es, si se conoce la imagen de cada vector básico, se puede determinar la imagen de cualquier vector en
V.
Ejemplo:
Sea T: R3 → R2 una T.L. y B = {v1, v2, v3 } una base de R3, siendo v1 = (0, 1, 0), v2 = (1, 0, 1) v3 = (1, 1, 0).
Determinar T(5, 3, −2), sabiendo que T(v1) = (1, −2), T(v2) = (3, 1), T(v3) = (0, 2)

Se expresa v = (5, 3, −2) como una combinación lineal de los vectores de la base
(5, 3, −2) = a1 (0, 1, 0) + a2 (1, 0, 1) + a3 (1, 1, 0)
a1 = −2 a2 = −4 a3 = 7

(5, 3, −2) = −2. (0, 1, 0) − 4. (1, 0, 1) + 7. (1, 1, 0)

T(5, 3, −2) = −2. T(0, 1, 0) − 4. T(1, 0, 1) + 7. T(1, 1, 0)
T(5, 3, −2) = −2.(1, −2) − 4. (3, 1) + 7. (0, 2)
T(5, 3, −2) = (−10, 20)

Teorema 2: Sea V un espacio vectorial de dimensión finita con base B = {v1,v2,…,vn }. Sea W un espacio
vectorial que contiene los vectores w1,w2,…,wn. Entonces existe una transformación lineal única T: V →
W tal que T(vi) = wi para i = 1, 2, …, n

Demostración
La unicidad de T se obtiene del teorema anterior y solo falta demostrar que T es lineal
Se define T( vi ) = wi ; para i = 1, 2, …, n; demostraremos que T es lineal.
Sea v = a1 v1 + a2 v2 +…….+ an vn , entonces T(v) = T(a1 v1 + a2 v2 +…….+ an vn ).
Como B = {v1, v2 ,…,vn} es una base de V; T está definida para todo v  V
Sean u = a1 v1 + a2 v2 +…….+ an vn y v = b1 v1 + b2 v2 +…….+ bn vn
T (u + v) = T (a1 v1 + a2 v2 +…….+ an vn) + (b1 v1 + b2 v2 +…….+ bn vn )
= T (a1 + b1) v1 + (a2 + b2 ).v2 + …..+(an + bn).vn
= (a1 + b1).T(v1) + (a2 + b2 ).T(v2 )+ …..+(an + bn).T(vn)
= (a1 + b1). w1 + (a2 + b2 ).w2 + …..+(an + bn).wn
= a1 w1 + a2 w2 +…….+ an wn) + (b1 w1 + b2 w2 +…….+ bn wn )
= T(u) + T(v)
De manera similar , T(k.v) = T[k.(a1 v1) + k.(a2 v2)+…….+ k.(an vn)].
= T[k.(a1 v1) + k.(a2 v2)+…….+ k.(an vn)].
= k. a1 T(v1) + k.a2 T(v2)+…….+ k.anT(vn).
= k. a1 w1 + k.a2 w2 +…….+ k.an wn
= k.(a1 w1 + a2 w2 +…….+ an wn)
= T(k.v)
Por lo tanto T es lineal. Así, la demostración queda completa.

NUCLEO DE UNA TRANSFORMACION LINEAL

Se llama núcleo de una transformación lineal T: V W al conjunto de todos los vectores v  V que son
transformados en 0  W. Se indica ese conjunto por N(T) o ker(T); es decir, es el conjunto de todos los
elementos del dominio cuya imagen
V T W
N(T)

N(T)= v V/ T(v)=0 
0

Ejemplo: El núcleo de una transformación lineal T: R2 R2, T(x, y) = ( x + y, 2x  y) es el conjunto:

N(T)= (x, y)  R2 / T(x, y)=(0, 0) lo que implica (x + y, 2x – y) = (0, 0) ó x+y = 0
2x – y= 0 es un sistema cuya solución es x=0 e y=0; luego N(T) =(0, 0).
Unidad III – Transformaciones Lineales Algebra Lineal

IMAGEN: Para v de V, el elemento T(v) de W se llama imagen de v a través de T, y decimos que T aplica
v en T(v).
Im(T) =  w  W / T(V) = w; para algún v  V .

Si Im (T) =W. T se dice que sobreyectiva, esto es, para todo w  W existe por lo menos un v  V
tal que T( v) = w. T
V W
Im(T )
N(T)
V
00

Ejemplo
1) Determinar el núcleo y la imagen del operador lineal, T: R3  R3,
T(x, y, z) = (x + 2y  z, y + 2z, x + 3y +z)
a) N(T) = (x, y, z)  R3 / T(x, y, z) =(0, 0, 0)
(x + 2y  z, y + 2z, x + 3y +z) = (0, 0, 0)
x + 2y  z = 0
y + 2z = 0
x + 3y +z = 0 cuya solución general es (5z, 2z, z) , z  R.

N(T) = (5z, 2z, z )/ z  R =  z(5, 2, 1) / z  R = (5, 2, 1)

b) Im(T) = (a, b, c)  R3 / T(x, y, z) = (a, b, c)

(x + 2y  z, y + 2z, x + 3y + z) = (a, b, c)
x + 2y  z = a
y + 2z =b
x + 3y + z = c cuya solución única es a + b – c = 0

Im(T) = (a, b, c)  R3 / a + b – c = 0

b) dim N(T) + dim T(V) = dim V = 1 + 2 = 3 que es la dimensión del dominio de R3.

Teorema 3:
a) N(T) es un subespacio de V.
b) T(V) es un subespacio de W.

Parte a) Demostración
a) N(T) ≠ Ø, ya que 0  N(T) pues T(0) = 0

b) Sean u1  N(T) → T (u1 ) = 0

u2  N(T) → T (u2 ) = 0
T(u1 + u2 ) = T(u1 ) + T(u2 ) = 0 + 0 = 0 ; u1 + u2  N(T)

c) T(k. u1 ) = k. T(u1 ) = k. 0 = 0 ; k. u2  N(T)

Parte b) Demostración
a) T(V) ≠ Ø, ya que 0  T(V); pues T(0) = 0

b) Sean w1  T(V) →  u1  V / T(u1 ) = w1

w2  T(V) →  u2  V / T(u2 ) = w2
w1 + w2 = T(u1 ) + T(u2 ) = T(u1 + u2 ) ; w1 + w2  T(V)

c) k. w1 = k. T(u1 ) = T(k. u1 ) ; k. w1  T(V)

DIMENSIÓN DEL NÚCLEO Y RANGO DE LA TRANSFORMACIÓN

Unidad III – Transformaciones Lineales Algebra Lineal

Si V es de dimensión finita, N(T) también lo será puesto que N(T)  V, demostraremos que el recorrido
T(V) también es de dimensión finita; su dimensión se llama rango de T.

Teorema de la Dimensión: Si V es de dimensión finita, también lo es T(V) y se tiene que dim N(T) +
dim T(V) = dim V
NULIDAD Y RANGO DE UNA T.L.
Definición: Se llama nulidad de una T.L. a la dimensión del núcleo y rango de una T.L. a la dimensión de
la imagen.
Ejemplo: Sea T: R2  R2, una T.L., encuentre el núcleo, imagen, rango y nulidad de T; siendo T(x, y) =
(x, 0).
N(T) = {(x, y)  R2/ T(x, y) = (0, 0)} T(x, y) = (x, 0) x = 0 0 = 0 e y arbitrario; Luego N(T) = {(x, y)  V/
T(x, y) = (0, 0)} (0, 0)

TRANSFORMACIONES LINEALES INYECTIVAS Y SOBREYECTIVAS

 INYECTIVAS: SI para todo v1 , v2  V, T(v1 ) = T(v2 ) , implica que v1 = v2 , ó de modo equivalente T(v1
) ≠ T(v2 ) , implica que v1 ≠ v2.

 SOBREYECTIVAS: Si Im(T)= W, es decir que para todo w  W existe por lo menos un v  V tal que
T(v) = w.

Teorema 4: Una Transformación lineal es inyectiva ssi N(T)=0.

Parte a)
H) T.L. es inyectiva; T(v1 ) = T(v2 )
T) N(T) = 0
Demostración
Supongamos que v  V; esto es, T(v) = 0. Luego, T(v) = T(0). Como T es inyectiva por hipótesis, v = 0.
Por tanto, el vector cero es el único elemento del núcleo; esto es, N(T) = 0.

Parte b)
H) N(T) = 0
T) T.L. es inyectiva; T(v1 ) = T(v2 )
Demostración
Sean v1, v2  V, tales que T(v1 ) = T(v2 ), entonces T(v1 ) − T(v2 ) = 0 ó T(v1 − v2 ) = 0 y por lo tanto, v1 − v2
 N(T). Pero, por hipótesis, el único elemento del núcleo es el vector O, es por lo tanto v1 − v2 = 0, esto
es, v1 = v2 , T es inyectiva.

Teorema 5: Sea T: V → W una T.L.; si dim V = dim W, T es inyectiva ssi es Sobreyectiva.

Parte a)
H) Si dim V = dim W y T.L. es inyectiva; T(v1 ) = T(v2 )
T) T es sobreyectiva
Demostración
Por el teorema de la dimensión sabemos que dim N(T) + dim T(V) = dim V. Como T es inyectiva N(T) =
0, implica dim N(T) = 0; dim T(V) = dim V.
Luego, dim T(V) = dim W, T(V) = W. Por tanto, T es Sobreyectiva

Parte b)
H) Si dim V = dim W y T.L. es inyectiva; T(v1 ) = T(v2 )
T) T es sobreyectiva
Demostración
Como dim N(T) + dim T(V) = dim V ; dim N(T) + dim W = dim V; dim N(T) = 0; implica N(T) = 0. Por
tanto T es inyectiva.

Teorema 6: Si dim V = dim W, y T es inyectiva, T transforma base en base; es decir, si B = {v1,v2,…,vn }

es una base de V, T(B) = {T(v1), T(v2),…,T(vn)} es una base de W.
Demostración
Como dim V = dim W = n, basta demostrar que T(B) es L.I. Por tanto
a1 T(v1) + a2 T(v2)+…….+ .anT(vn) = 0
Unidad III – Transformaciones Lineales Algebra Lineal

T(a1 v1 + a2 v2 +…….+ an vn ) = T(0) Como T es inyectiva

a1 v1 + a2 v2 +…….+ an vn = 0 Siendo B una base, B es L.I.
a1 = a2 =…= an = 0 implica T(B) = {T(v1), T(v2),…,T(vn)} es una base de W

ISOMORFISMO
Se llama isomorfismo del espacio vectorial V en el espacio vectorial W a una T.L. T: V W que es
biyectiva; es decir inyectiva y sobreyectiva a la vez.

Ejemplo:
El operador lineal T: R2  R3 ; T(x, y) = (2x + y, 3x + y) es isomorfo en R2.
T(x, y) = (2x + y, 3x + y) = (0, 0)
2x + y = 0
3x + y = 0 donde x = y = 0, esto es N(T) = 0; lo que implica T es inyectiva

MATRIZ DE UNA TRANSFORMACION LINEAL

Sea T: V → W una T.L., A una base de V y B una base de W. Tenemos V = R2 y W = R3. A =
{v1,v2 } y B = {w1, w2, w3 } bases de V y W, respectivamente.
Sea v  V puede ser expresado por v = x1, v1 + x2 .v2
T(v) = y1, w1 + y2 .w2 + y3 .w3 …………1
T(v)B = (y1, y2 , y3 ) ………………. 2
T(v) = T(x1. v1 + x2 .v2 ) = x1.T(v1) + x2 .T(v2)
Siendo T(v1) y T(v2) vectores de W, que son combinaciones lineales de los vectores de B
T(v1) = a11. w1 + a21.w2 + a31.w3………3
T(v2) = a12. w1 + a22.w2 + a32.w3………4
Sustituyendo los vectores en la ecuación 2, se tiene
T(v1) = x1 .(a11. w1 + a21.w2 + a31.w3) + x2 .(a11. w1 + a21.w2 + a31.w3)
T(v1) = (a11.x1 + a12.x2) w1 + (a21.x1 + a22. x2 ). w2 + (a31.x1 + a31. x2 ) w3
Comparando con la igualdad con la ecuación 1
y1 = a11. x1 + a12 .x2
y2 = a12. x1 + a22 .x2
y3 = a31. w1 + a32 .x2 , en forma matricial
 y1   a11 a12 
 y   a x 
 2   21 a 22 . 1 
a 32   2 
x
 y 3  a 31
Simbólicamente, la matriz T B denominada matriz de T en relación a las bases A y B
A

OPERACIONES ALGEBRAICAS CON TRANSFORMACIONES LINEALES

Definición: Sean S: V  W y T: V  W dos funciones con un dominio común V y con valores

pertenecientes a un espacio lineal W.
Si c es un escalar cualquiera de W, definimos la suma S+T y el producto cT por las ecuaciones (S + T)(x)
= S(x) + T(x), (cT)(x) = cT(x), para todo x de V.

Designamos  (V, W) el conjunto de todas las transformaciones lineales de V en W.

Probaremos que si S  (V, W) y T (V, W); entonces (S + T) (V, W) y
cT (V, W)

1) (S + T)(x + y)= S(x + y) + T(x + y) = S(x) + S( y) + T(x) + T( y)

= (S + T)(x) + (S + T)( y)

(S + T)(cx)= S(cx) + T(cx) = cS(x) + cT(x) = c (S + T)(x).

(S + T) (V, W). Por lo tanto, es una transformación lineal de V en W.

2) (cT)(x + y)= c(T(x + y))= c(T(x) + T( y))= (cT)(x) + (cT)(y) cT (V, W)

COMPOSICION
Unidad III – Transformaciones Lineales Algebra Lineal

Sean U, V, W. Sean T: U  V una función con dominio U y valores en V, y S: V  W otra función con
dominio V y valores en W. La composición ST es la función ST: U W definida por (ST)(x) = ST(x) ó
S o T para todo x en U.
U V W

T S

x T(x) ST(x) x

Definición: Sea T: U  V una función que aplica V en sí mismo definimos las potencias enteras.
To =I I = transformación identidad
T n = T n-1 n  1
T n . T m = T n+m

Teorema 7: La composición de una Transformación Lineal es una Transformación Lineal.

Demostración
 (S T)(x + y)= S(T(x + y)) = S(T(x) + T( y)) = S(T(x)) + S(T( y)) =
o = (S T)(x) + (S T)( y)

 (S T)(cx)= S(T(cx)) = S(T(cx)) = c (S (T(x)) = c (ST)(x).

INVERSA DE UNA TRANSFORMACIÓN LINEAL

Un operador T: V  V asocia a cada vector v  V un vector T(v)  V. Si por medio de otro operador S
fuese posible invertir esa correspondencia, de tal modo que a cada vector transformado T(v) se asocie
el vector de partida v, se dice que S es un operador inverso de T, y se indica por T-1.

Observación:
Cuando el operador lineal T admite una inversa T-1 , se dice que T es inversible, invertible o no singular
.
V W

v T(v)

T-1

Propiedades: Sea T : V  V un operador lineal

I) Si T es inversible y T-1 es su inversa, entonces : T. T-1 = T-1 .T = I (Identidad)

II) Si T es inversible si , y solamente si , N(T) =  0 

INVERSAS
Dados dos conjuntos V y W y una función T: V  W. Se dice que:
Una función S: T(V)  V es inversa de T por la izquierda si S(T(x)) = x.
Una función R: T(V)  V se llama inversa de T por la derecha si T(R(y)) = y.
ST=IV TR=IT(V)
V W V W
T

x T(x) R(y)=x y=T(x)

v
S R
Unidad III – Transformaciones Lineales Algebra Lineal

Ejemplo: Una función sin inversa por la izquierda pero con dos inversas por la derecha. Sean V=1, 2
y W=0. Definimos T:V  W como sigue: T(1)=T(2) = 0.
S(T(x)) = x
S(T(1)) = S(0) = 1
S(T(2)) = S(0) = 2  S no es una función lineal; es decir no tiene inversa por la izquierda.

T(R(y)) = y;
T(R(0)) = T(1) = 0
T(R’(0)) = T(2) = 0  Esta función tiene dos inversas por la derecha

Observación: - No siempre existe inversa por la izquierda.

- La inversa por la derecha no es necesariamente única y siempre existe.

Propiedades:
I) Si T es inversible y T-1 es su inversa, entonces: T o T-1 = T-1oT = I (Identidad)
II) Si T es inversible si, y solamente si, N(T) =  0 

Teorema: Una T: V  W puede tener a lo más una inversa por la izquierda. Si T tiene inversa por la
izquierda S, entonces S es también inversa por la derecha.

Demostración
I) Sea S y S’ inversas de T por la izquierda, entonces S(T(x)) = x y S’(T(x)) = x. Sea y  T(V),
 x V/ T(x) = y.
S(y) = x S’(y) = x
S’(y) = S’(y)
S = S’  La inversa por la izquierda es única.

II) Probaremos que S es también inversa de T por la derecha

T(S(y)) = y
Si y  T(V),  x V/ T(x) = y como S(T(x)) = x; S(y) = x, T(S(y)) = T(x) = y.

Teorema: Una función T: V  W tiene inversa por la izquierda sii es inyectiva.

Demostración
I) H) Tiene inversa por la izquierda.
T) T es inyectiva
Sea S inversa de T por la izquierda,
S(T(x)) = x T(x) = T(y)  x = y
S(T(x)) = x.
S(T(x)) = S(T(y))  x= y; porque la inversa por la izquierda es única.

II) H) T es inyectiva
T) Tiene inversa por la izquierda

S(T(x)) = x
Si y  T(V),  x V/ T(x) = y por ser T inyectiva. Vamos a definir S: W  V S(y) = x
S(T(x)) = S(y) = x
S es la inversa por la izquierda.