ECUACIONES DIFERENCIALES Y ÁLGEBRA LINEAL

SEMANA 9

JESÚS APONTE

Índice
1. Transformaciones lineales 108
2. Matriz de una transformación lineal T : Rn → R m 111
3. Imagen de una transformación lineal 114
4. Núcleo de una transformación lineal 115
5. Ejercicios 117

1. Transformaciones lineales
Una vez entendidos los espacios vectoriales, el próximo paso es el estudio de transfor-
maciones lineales entre ellos. Una transformación lineal entre espacio vectoriales es una
función que preserva las operaciones de adición y multiplicación por un número real aso-
ciados a su dominio. El álgebra lineal es el estudio de las transformaciones lineales sobre
espacios vectoriales de dimensión finita.
Definición 1. Sean V, W espacios vectoriales. Una transformación lineal T : V → W
es una función que asocia a cada vector v ∈ V un vector T (v) = T v ∈ W de modo que
valgan, para cualesquiera u, v ∈ V y c ∈ R, las relaciones:
T (u + v) = T (u) + T (v),
T (c v) = cT (v).
El vector T (v) se llama la imagen (o el transformado) de v por la transformación T . El
espacio vectorial V es llamado el dominio de T , en cuanto que W es llamado el codominio
de T . Cuando V = W también decimos que T es un operador lineal, y cuando W = R
decimos que T es un funcional lineal.
A seguir, presentamos varios ejemplos de transformaciones lineales.
Ejemplo 2. El ejemplo más trivial de transformación lineal, y a la vez uno de los más
importantes, es el operador identidad IV : V → V definido por
IV (v) = v, ∀ v ∈ V.
Ejemplo 3. Sea T : R3 → R3 la función dada por
T (x1 , x2 , x3 ) = (2x1 − x3 , x2 − x3 , x1 + x3 )
Verifiquemos que T es un operador lineal. Sea (y1 , y2 , y3 ) ∈ R3 . Entonces
x1 + y 1 2(x1 + y1 ) − (x3 + y3 )
       
x1 y1
T  x2  + y2  = T  x2 + y2  =  (x2 + y2 ) − (x3 + y3 ) 
x3 y3 x3 + y 3 (x1 + y1 ) + (x3 + y3 )
       
2x1 − x3 2y1 − y3 x1 y1
=  x2 − x3  +  y2 − y3  = T  x2  + T y2 
x1 + x3 y1 + y3 x3 y3
108
 109

Ahora sea c ∈ R. Entonces,

        
x1 c x1 2c x1 − c x3 2x1 − x3
T c  x2  = T c x2  =  c x2 − c x3  = c  x2 − x3 
x3 c x3 c x1 + c x3 x1 + x3
 
x1
= cT  x2  .
x3

Ejemplo 4. Sea I un intervalo de números reales. El operador de derivación D : C k (I ) →

C k−1 (I ), definido por
D f (t ) = f 0 (t ),
es una transformación lineal. De hecho, para cualesquiera f (t ), g (t ) ∈ C k (I ) y c ∈ R se
tiene
D( f + g )(t ) = ( f + g )0 (t ) = f 0 (t ) + g 0 (t ) = D f (t ) + D g (t ),
y
D(c f )(t ) = (c f )0 (t ) = c f 0 (t ) = c D f (t ).
Ejemplo 5. Sea I un intervalo de números reales. El operador diferecial lineal L asociado
a la EDO lineal
an (t )y (n) + an−1 (t )y (n−1) + · · · + a1 (t )y 0 + a0 (t )y = f (t ), t ∈ I ,
puede considerarse como una transformación lineal L: C k (I ) → C 0 (I ). De hecho, ya
vimos que si u(t ), v(t ) ∈ C k (I ) y c ∈ R, entonces
L(u + v)(t ) = Lu(t ) + Lv(t );
L(c u)(t ) = c Lu(t ).
Ejemplo 6. La función I : C 0 [a, b ] → R dada por
Zb
I(f ) = f (x) d x
a
es un funcional lineal. Las condiciones de linealidad son consecuencias de las propiedades
de linealidad de la integrales de Riemann.
Ejemplo 7. Sea A = [ai j ] ∈ M mn una matriz m×n. Podemos definir una transformación
lineal T : Rn → R m a través de la multiplicación de matrices: si v = (x1 , x2 , . . . , xn ) ∈ Rn ,
entonces   
a11 a12 · · · a1n x1
 a21 a22 · · · a2n   x2 
T (v) = Av =  . .. .. ..   ..  .
  
 .. . . .  . 
a m1 a m2 · · · a mn xn
Las condiciones de linealidad son consecuencia de las propiedad distributiva y de homo-
geneidad de la multiplicación de matrices.
El siguiente teorema resume algunas propiedades básicas de las transformaciones li-
neales.
Teorema 8. Si T : V → W una transformación lineal, entonces
1. T (0) = 0.
2. ∀ c, d ∈ R, ∀ u, v ∈ V,
T (c u + d v) = T (c u) + T (d v) = cT (u) + d T (v).
3. ∀ c1 , . . . , c m , ∀v1 , . . . , v m ∈ V,
T (c1 v1 + c2 v+ · · · + c m v m ) = c1 T (v1 ) + · · · + c m T (v m ).
110 JESÚS APONTE

4. ∀ u, v ∈ V, T (−v) = −T v y T (u − v) = T (u) − T (v).

En general, para definir una función f : X → Y entre dos conjuntos X y Y , es nece-
sario conocer f (x) para todos los valores x ∈ X . El siguiente teorema muestra que en el
caso de las transformaciones lineales T : V → W, basta con conocer las imágenes de los
vectores que constituyen alguna base de V.
Teorema 9. Sean V, W espacios vectoriales y sea B = {v1 , v2 , . . . , vn } una base para V. Sean
w1 , w2 , . . . , wn vectores cualesquiera de W. Entonces existe una única transformación lineal
T : V → W tal que T (vi ) = wi para cada i = 1, 2, . . . , n.
Demostración. Todo vector v ∈ V se escribe, de modo único, como combinación lineal
v = c1 v1 + c2 v2 + · · · + cn vn de los vectores v1 , v2 , . . . , vn . Definimos T : V → W haciendo
T (v) = c1 w1 + c2 w2 + · · · + cn wn .
Veamos que T es una transformación lineal. Dados v, v 0 ∈ V podemos escribir
v = c1 v1 + c2 v2 + · · · + cn vn y
v 0 = d1 v1 + d2 v2 + · · · + dn vn .
Entonces,
n
X
v + v0 = (ci + di )vi .
i =1
Luego,
n
X n
X n
X
T (v + v 0 ) = (ci + di )wi = ci wi + di wi = T (v) + T (v 0 ).
i =1 i =1 i=1
De manera análoga se ve que T (c v) = cT v. Por tanto, T : V → W es una transformación
lineal tal que T (vi ) = wi , para todo i = 1, 2, . . . , n. Para ver que T es única, observe que
si S : V → W es otra transformación lineal tal que S(vi ) = wi , para todo i = 1, 2, . . . , n,
entonces para cada v = ni=1 ci vi se tiene
P
‚ n Œ n n
X X X
S(v) = S ci vi = ci S(vi ) = ci wi = T (v).
i =1 i =1 i =1
Por tanto, S = T . Esto completa la demostración. 
Ejemplo 10. Considere la base {(1, 0, 1), (0, 1, 1), (0, 0, 1)} de R . Por el teorema anterior,
3

sabemos que existe una única transformación lineal T : R3 → R3 tal que

T (1, 0, 1) = (1, −1, 0);
T (0, 1, 1) = (0, 2, 1);
T (0, 0, 1) = (0, 0, −1).
Hallemos la regla de correspondencia de T . Sea (x1 , x2 , x3 ) un vector arbitrario de R3 .
Busquemos escalares c1 , c2 , c3 tales que
(x1 , x2 , x3 ) = c1 (1, 0, 1) + c2 (0, 1, 1) + c3 (0, 0, 1).
Al desarrollar el lado derecho de esta ecuación y comparar coordenadas, se obtiene el
sistema de ecuaciones lineales
c 1 = x1
c2 = x2
c1 + c2 + c3 = x3
La primera y segunda ecuación nos dan inmediatemente los valores de c1 y c2 , en cuanto
que de la tercera ecuación obtenemos que c3 = x3 − x1 − x2 . Se tiene entonces,
(x1 , x2 , x3 ) = x1 (1, 0, 1) + x2 (0, 1, 1) + (x3 − x1 − x2 )(0, 0, 1).
 111

Al aplicar T a ambos miembros de igualdad se obtiene

T (x1 , x2 , x3 )
= x1 T (1, 0, 1) + x2 T (0, 1, 1) + (x3 − x1 − x2 )T (0, 0, 1)
= (x1 , −x1 + 2x2 , x1 + 2x2 − x3 ).

2. Matriz de una transformación lineal T : Rn → R m

Por el Teorema 9, para definir una transformación lineal T : Rn → R m basta escoger,
para cada j = 1, . . . , n, un vector v j = (a1 j , a2 j . . . , a m j ) ∈ R m y establecer que v j =
T (e j ) es la imagen del j -ésimo vector de la base canónica, e j = (0, . . . , 1, . . . , 0), por la
transformación T . A partir de ahí, queda determinada la imagen v de cualquier vector
v = (x1 , x2 . . . , xn ) ∈ Rn . En efecto, se tiene v = x1 e1 + x2 e2 + · · · + xn en . Luego,
        
x1 1 0 0
 x2    0 1  0 
T (v) = T  .  = T  x1  .  + x2  .  + · · · + xn  . 
        
 ..    ..   ..   .. 
xn 0 0 1
     
1 0 0
 0 1  0
= x1 T  .  + x2 T  .  + · · · + x n T  . 
     
 ..   ..   .. 
0 0 1
     
a11 a12 a1n
 a21   a22   a2n 
= x1  .  + x2  .  + · · · + x n  . 
     
 ..   ..   .. 
a m1 a m2 a mn
a11 x1 + a12 x2 + · · · + a1n xn
 
 a21 x1 + a22 x2 + · · · + a2n xn 
= ..
 
.

 
a m1 x1 + a m2 x2 + · · · + a mn xn
  
a11 a12 · · · a1n x1
 a21 a22 · · · a2n   x2 
= . .. .. ..   ..  .
  
 .. . . .  . 
a m1 a m2 · · · a mn xn

Resumiendo: una transformación lineal T : Rn → R m queda completamente determinada

por una matriz
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A= . .. .. ..  .
 
 .. . . . 
a m1 a m2 · · · a mn
Los vectores columnas de esa matriz son las imágenes T (e j ) de los vectores de la base
canónica de Rn . Para cada v ∈ Rn , se tiene

T (v) = Av.

O sea, T (x1 , x2 . . . , xn ) = (y1 , y2 , . . . , y m ), donde

112 JESÚS APONTE

y1 = a11 x1 + a12 x2 + · · · + a1n xn

y2 = a21 x1 + a22 x2 + · · · + a2n xn
..
.
42 y m = a m1 x1 + a m2 x2 + · · · + a mn xn .
Transformações Lineares Seção 4
Se dice que A es la matriz de la transformación T relativa a las bases canónicas de Rn y
.
R mtodo v ∈ E. Com efeito, seja u ∈ E um vetor não-nulo. Então {u} ⊂ E
Sea Ttodo
é uma11.base:
Ejemplo : R2 → R3 laem
vetor transformación lineal
E é múltiplo dedada por
u. Portanto existe α ∈ R
tal que Au = αu. Para
T (x1 , xqualquer outro vetor v ∈ E, temos v = λu
2 ) = (2x1 − x2 , x1 − 2x2 , x1 ).
portanto Av = A(λu) = λ Au = λ αu = α(λ u) = αv.
Se tiene que T (1, 0) = (2, 1, 1) y T (0, 1) = (−1, −2, 0). Luego,
 
Exemplo 4.2. (Rotação• xde 2 −1 θ• em
˜ ângulo ˜ torno da origem em
T 1 = 1 −2 x1 .
2
R .) Trata-se do operador xR2 : R → R , que2 2
x2 leva cada vetor v no vetor
1 0
Rv que dele resulta pela rotação de ângulo θ em torno da origem. A
Fig. 4.1
Ejemplo Consideremos
12. deixa el operador
claro que 2
→ R2 , que É
R(u+v)R:=RR·u+R·v. lleva
bemcadamais
vector v en ainda
claro el vector
que R(αv)
Rvque de él resulta
= α ·por
Rv la rotación
para 2 α ∈ R,θlogo
v ∈ Rdeleángulo en torno al origen.
R é uma La figura ão
transformaç deja
claro que R(u
linear. + v)um
Para = R(u) + R(v).
vetor Es también
v = (x, y) ∈ R2claro queário,
arbitr = c R(v)
R(c v)seja R · vpara
= (xv′∈, yR′ ). y
2

R. Luego, R
c ∈Sabemos es una
que x′ =transformación
ax + by e y′lineal.
= cx Sea (x, ey) ∈ R arbitrario, Sabemos que
+ dy
2

Ru
R
(u
+

v
v

u+
)

Rv u
O

Figura 4.1
• –˜ Rotaç
x
•
a bão xde vetores.
˜• ˜
R 1 = 1 ,
x2 c d x2
donde R(e1 ) = (a, c) y R(e2 ) = (b , d ), con e1 = (1, 0) y e2 = (0, 1). Ahora por las de-
queremos determinar a matriz
finiciones de seno y coseno, el vector unitario R(e1 ), que forma con e1 un ángulo θ,
tiene coordenadas cos θ y sen θ, o sea  R(e1 ) = (cos θ, sen θ). Además de eso, como e2
forma con e1 un ángulo recto, R(e2 ) también a bforma con R(e1 ) un ángulo recto. Luego
R(e2 ) = (− sen θ, cos θ). Por lo tanto, la rotación ,
c d R: R → R viene dada por
2 2

x cos θ − sen θ x1
• ˜ • ˜• ˜
R = .
y sen θ cos θ x2
onde Re1 = (a, c) e Re2 = (b, d), com e1 = (1, 0) e e2 = (0, 1).
Ejemplo La rectadefinições
13. pelas
Ora, y = ax es eldeconjunto seno edecosseno,
los puntoso(x, R2 generado
ax) ∈unit
vetor ário Repor
1,
el vector (1, a). Consideremos
que forma2 com e1 um ângulo el operador θ, P :
tem R2
→ R 2
que
coordenadas hace corresponder
cos θ e sen θ,a ou
cada
v= (x, y)Re
seja, ∈ R =el (cos
vector v =θ).
θ,Psen (x 0 , ax 0
Além), cuya extremidad
disso, como ese2el forma
pie de lacom
perpendicular
e1 um
1
que cae de v sobre la recta y = ax. Queremos determinar x 0 en función de x y y, lo que
ângulo reto, Re2 também
nos dará las coordenadas
forma com Re1 um
(x 0 , ax 0 ) de P v en función
ângulo reto. Logo Re =
de las coordenadas de v. En el2 caso
(− sen θ, cos θ). (Veja Fig. 4.2.)
particular en que a = 0, la recta y = ax es el eje de las abscisas y la proyección P v es
 Seção 4 Transformações Lineares 43 113

e2
Re2
cos

sen Re1

e1
-sen cos
44 Transformações Lineares Seção 4

Figura 4.2 – Rotação de ângulo θ.

v

Portanto, a rotação R : R2 → R2 leva um vetoryv= =ax(x, y) no vetor

Rv = (x′ , y′ ), onde
Pv

x′ = x cos θ − y sen θ;
y′ = x sen θ + y cos θ.

A matriz 2
simplemente igualde
Figura R
4.3
a (x, relativa
0).–Las à base
Projeç canônica
ão ortogonal
ecuaciones de de
sobre
la proyección é uma
RP sobre reta.
el eje horizontal son
por tanto x = x, y = 0. La matriz de P en la base canónica de R es
0 0 2
Queremos determinar x′ em • funç˜ ão de x e y, o que nos dará as
1 − 0sen θ
coordenadas (x′ , ax′ ) de Pvcos emθfunç ão das .coordenadas de v. No caso
0 0
particular em que a = 0,sen θ y
a reta cos=θ ax é o eixo das abcissas e a
Enprojeç
el casoão
general,
Pv é la extremidad del vector
simplesmente es el
igual Pav(x, 0).vértice del ánguloda
As equações recto en unãotrián-
projeç P
gulo rectángulo cuyos otros vértices son el origen ′ y la extremidad
′ del vector v. Por el
sobre o eixo horizontalsão portanto x = x, y = 0. A matriz de P na
teorema de Pitágoras, tenemos 
base canônica de R 2 é 1 0 . No caso geral, a extremidade do vetor
2 2 2
dist(v, 0 =
0) 0 dist(P v, 0) + dist(v, P v) ,
Exemplo 4.3. (Projeção ortogonal sobre uma reta.) A reta y =
Pv é o vértice do ângulo reto num triângulo
o sea, 2 , onde retângulo cujos demais
ax é o conjunto2 dos2 pontos (x, 0 2 ∈ R do
2 ax)
0a2 extremidade 0 2vetor x varia em R. Ela é
vértices são axorigem + y = (x ) 2+ a (x ) + (x − x ) + (y − v.
e ax 0 Pelo
)2 . teorema de
o subespaço vetorial de R gerado pelo vetor (1, a). Consideremos
Pitágoras,
Supongamos x temos
6= 0. Desarrollando,
P2 : R0 2 → R2 quesimplificando y dividiendo ambos miembros por x 0 ,
0
o operador faz corresponder a cada v = (x, y) ∈
obtenemos (1 + a )x = x′ + ay, ′ ),de donde
R2 o vetor Pv =dist(v, (x , ax0) 2 cuja extremidade
= dist(Pv, 0) + dist(v,pé
2 é o Pv)da
2 perpendicular
,
x + ay 1 a
baixada de v sobre 0
x = a reta y = ax.
, o sea, x = (Veja
0 Fig. 4.3.)
x+ y.
ou seja, 1 + a2 1 + a2 1 + a2
El caso x 0 = 0 significa que v = (x, y) está sobre la perpendicular a la recta y = ax
pasando por el origen. = (x′ )la2 +
x2 + y2Ahora, a2 (x′ )2de+esa
ecuación − x′ )2 + (y −esax
(x perpendicular x ′+
)2ay
. = 0, luego la
expresión x = (x + ay)/(1 + a ) nos da x en función de x y y en todos los casos. Vemos,
0 2 0
′ 6= 0. Desenvolvendo,
en Suponhamos
particular, que laxproyección P : R2 → R2 es unsimplificando
operador lineal, cuya matriz en am-
e dividindo la base
canónica
bos osdemembros
R es
2 ′
por x , obtemos

2 ′
(1 + a)x = x + ay, donde
1 a
x + ay  1+a 2 1+a 2 
. 1 a
x′ = x′a =
2
, a
ou seja x+ y.
1 + a2 2
1+a 1+a 2 1 +a2 1 + a2
O caso x′ = 0 significa que v = (x, y) está sobre a perpendicular à reta
y = ax passando pela origem. Ora, a equação dessa perpendicular
é x + ay = 0, logo a expressão x′ = (x + ay)/(1 + a2 ) fornece x′
em função de x e y em todos os casos. Vemos, em particular, que
  .
a a2
1+a2 1+a2

Exemplo 4.4. (Reflexão em torno de uma reta.) Seja S : R2 → R2

a reflexão em torno da reta y = ax. Para todo v = (x, y) ∈ R2 , a reta
y = ax é a bissetriz do ângulo entre v e Sv e é perpendicular à reta
que liga v a Sv. Seja P : R2 → R2 a projeção ortogonal sobre a reta
114
y = ax. A Fig. 4.4 mostra que, para todo v ∈ R2 , tem-se v + Sv = 2Pv,
JESÚS APONTE
ou seja, que I + S = 2P, onde I : R2 → R2 é o operador identidade. Daı́
vem 14.
Ejemplo S =Sea 2PS− Usando
: RI.2 → o exemplo
R2 la reflección anterior,
en torno concluı́mos
de la recta que,
y = ax. Para para
todo v=
(x, y) ∈ Rv, =
todo 2
la recta y =tem-se
(x, y), ax es laSv = (x′ ,del
bisectriz y′ ),ángulo
ondeentre v y S v y es perpendicular a la
recta que una v a S v. Sea P : R2 → R2 la proyección ortogonal sobre la recta y = ax. La
figura muestra ′que,1para 2
− atodo v ∈R 2
2a , se tiene v +S′ v = 2P2a
v, o sea, que a2 = 2P , donde
1 −I +S
2 x = x + y, y = x − y.
I : R → R es el operador
2
1 + a2 identidad.
1 + a2De ahí viene que 1+ S=a22P − I1. +Usando
a2 el ejemplo

2Pv= v +Sv
v

Pv

Sv

Figura 4.4 – Reflexão em torno de uma reta.

anterior, concluímos que, para todo v = (x, y), se tiene que S v = (x 0 , y 0 ), donde
2 2
1−a 2a acima,0 o único 2a tipo 1−a
Exemplo 4.5. x 0 =Como xvimos
+ y, y = x − de funcional
y. linear
n + a 2 + a 2 + 2
ϕ : R → R é o da forma ϕ(v)=a1 x1 + · · · + an xn ,1para
1 1 1 a + a 2 v = (x , . . . , x ).
1 n
Luego, es una transformación
PorS outro lado, se E =lineal cuyab])
Co ([a, en la
é base canónicavetorial
o espaço es das funções
contı́nuas f : [a, b] → R, podemos definir o funcional linear ϕ : E → R
– 1−a 2 2a
™
1+a 2 1+a 2
pondo 2a
−
1−a 2
1+a 2 Z b1+a 2
ϕ(f) = f(x) dx.
3. Imagen de una transformación
a lineal
Definición 15. Sea T :de
Outro exemplo V→ W una transformación
funcional linear ξ em lineal. La imagen
E consiste de T es
em fixar umel subcon-
ponto
junto
c∈ (T )b]
Im[a, formadopara
⊂ eW,definir, por todos
cadalos
f∈vectores
E, ξ(f)w ==T f(c).
(v) ∈ W que son
Ainda noimágenes
contexto de
elementos de V por la transformación T .
Ejemplo 16. Veamos cuál es la imagen del operador lineal
T (x1 , x2 , x3 ) = (2x1 − x3 , x2 − x3 , x1 + x3 ).
Un vector típico w en Im(T ) es
       
2x1 − x3 2 0 −1
w = T v =  x2 − x3  = x1 0 + x2 1 + x3 −1 .
x1 + x3 0 0 1
Luego
Im(T ) = gen{(2, 0, 1), (0, 1, 0), (−1, −1, 1)}.
Es fácil ver que (2, 0, 1), (0, 1, 0) y (−1, −1, 1) son l.i., de donde Im(T ) = R3 .
La noción de imagen de una transformación lineal tiene sentido para cualquier función
T : V → W sea lineal o no. Cuando T es lineal, entonces Im(T ) es un subsespacio vectorial
de W.
Teorema 17. Sea T : V → W una transformación lineal. Entonces Im(T ) es un subespacio
vectorial de W.
Demostración. Como T (0) = 0, entonces 0 ∈ Im W. Sean w1 = T (v1 ), w2 = T (v2 ) dos
vectores en Im(T ). Entonces w1 + w2 = T (v1 ) + T (v2 ) = T (v1 + v2 ), de donde w1 + w2 ∈
Im(T ). Si c ∈ R y w = T (v) ∈ Im(T ), entonces c w = cT (v) = T (c v). En otras palabras
c w ∈ Im(T ). Por lo tanto, Im(T ) es un subespacio de W. 
 115

Ejemplo 18. Para la proyección P : R2 → R2 , dada por

 
1 a
x 1+a  x
• ˜ • ˜
2 2
P =  1+a 2 ,
y a a y
1+a 2 1+a 2

la imagen es la recta y = ax, que sabemos es un subespacio de R2 .

Sea A = [ai j ] ∈ M mn y T : Rn → R m la transformación lineal dada por T (v) = Av.
Entonces Im(T ) = Col(A), donde Col(A) es el subespacio generado por las columnas de
A. En efecto, si v = (x1 , x2 , . . . , xn ), entonces
    
x1 a11 a12 · · · a1n x1
 x2   a21 a22 · · · a2n   x2 
T  . = . .. .. ..   .. 
    
 ..   .. . . .  . 
xn a m1 a m2 · · · a mn xn
     
a11 a12 a1n
 a21   a22   a2n 
= x1  .  + x2  .  + · · · + x n  .  .
     
 ..   ..   .. 
a m1 a m2 a mn

Ejemplo 19. Sea T : R3 → R2 la transformación dada por

     
x x ˜ x
1 −1 3  
•
T y  = A y  = y
1 −1 3
z z z
Entonces, Im(T ) = Col(A) = gen{(1, 1), (−1, −1), (3, 3)} = gen{(1, 1)}. La última igual-
dad viene del hecho de que (−1, −1) y (3, 3) son múltiplos de (1, 1), por lo que son supér-
fluos. En particular dim Im(T ) = 1.
Definición 20. Una transformación lineal T : V → W es sobreyectiva si Im(T ) = W.
Esto significa que, para cualquier w ∈ W dado, podemos hallar v ∈ V tal que T (v) =
w. Esta definición se extiende a cualquier función T : V → W sea lineal o no.
Ejemplo 21. Toda rotación de ángulo θ en torno al origen es sobreyectiva. En efecto si
R: R2 → R2 es dada por
x cos θ − sen θ x
• ˜ • ˜• ˜
R = ,
y sen θ cos θ y
 cos θ − sen θ 

entonces Im(R) = Col sen θ cos θ
= gen{(cos θ, sen θ), (− sen θ, cos θ)} = R2 . La últi-
ma igualdad queda justificada una vez que verifiquemos que (cos θ, sen θ), (− sen θ, cos θ)
son vectores l.i., lo cual se deduce inmediatamente del hecho que son ortogonales (su
producto punto es cero).

4. Núcleo de una transformación lineal

Definición 22. El núcleo de la transformación lineal T : V → W es el subconjunto
N(T ) ⊂ V de los vectores v ∈ V tales que T (v) = 0.
Ejemplo 23. El núcleo de la proyección P : R2 → R2 sobre la recta y = ax es la recta que
pasa por (0, 0) y es perpendicular a y = ax, es decir, la recta cuya ecuación es ay + x = 0.
Ejemplo 24. Sea I un intervalo de números reales y sea D : C ∞ (I ) → C ∞ (I ) el operador
de derivación. Entonces N(D) es conjunto de las funciones constantes en I .
116 JESÚS APONTE

Teorema 25. Sea T : V → W una transformación lineal. Entonces N(T ) es un subespacio

vectorial de V.
Demostración. Como T (0) = 0, se sigue que 0 ∈ N(T ). Sean u, v ∈ N(T ) y c ∈ R.
Entonces T (u + v) = T (u) + T (v) = 0 + 0 = 0, por lo que u + v ∈ N(T ), y T (c u) =
cT (u) = c0 = 0, de donde c u ∈ N(T ). Esto demuestra el teorema. 

Ejemplo 26. Considere el operador diferencial lineal L: C 2 (R) → C 0 (R) dado por
L(y(t )) = y 00 (t ) − 5y 0 (t ) + 6y(t ).
Entonces N(L) es el espacio solución de la EDO
y 00 − 5y 0 + 6y = 0.
La ecuación característica de esta EDO es r 2 − 5r + 6 = (r − 2)(r − 3) = 0, de donde sus
raíces características son r1 = 2 y r2 = 3 y una base para N(L) es entonces {e 2t , e 3t }. En
particular dim N(L) = 2.
Ejemplo 27. Si T : Rn → R m es una transformación lineal y A = [ai j ] ∈ M mn es la matriz
tal que T (v) = Av, entonces N(T ) es precisamente el conjunto solución del sistema de
ecuaciones
a11 x1 + a12 x2 + · · · + a1n xn = 0
a21 x1 + a22 x2 + · · · + a2n xn = 0
..
.
a m1 x1 + a m2 x2 + · · · + a mn xn = 0.

Analicemos esto en el caso particular en que T : R3 → R2 sea la transformación lineal

dada por T (x, y, z) = (x + y + z, 2x − y − z). La matriz de T es
1 1 1
• ˜
A= ,
2 −1 −1
por lo que N(T ) es el conjunto solución del sistema de ecuaciones
x+y+z =0
2x − y − z = 0.
La matriz A es equivalente por filas a la matriz escalón reducida por filas
1 0 0
• ˜
.
0 1 1
Luego, N(T ) es también el conjunto solución del sistema
x =0
y + z = 0.
Por lo tanto N(T ) = {(x, y, z) ∈ R3 : x = 0, y = −z} = {(0, −z, z): z ∈ R} = gen{(0, −1, −1)}.
En particular, dim N(T ) = 1.
Definición 28. Una transformación lineal T : V → W se llama inyectiva cuando v 6= v 0
en V =⇒ T (v) 6= T (v 0 ) en W. Equivalentemente: T (v) = T (v 0 ) =⇒ v = v 0 .
Esta noción aplica para cualquier función T : V → W, sea ella lineal o no.
Teorema 29. Una transformación lineal T : V → W es inyectiva si, y solamente si, N(T ) =
{0}.
 117

Demostración. Sea T inyectiva. Entonces v ∈ N(T ) =⇒ T · v = 0 = T · 0 =⇒ v = 0,

luego N(T ) = {0}. Reciprocamente, sea N(T ) = {0}. Entonces T v = T v 0 =⇒ T (v −
v 0 ) = T v − T v 0 = 0 =⇒ v − v 0 ∈ N(T ) =⇒ v − v 0 = 0 =⇒ v = v 0 , luego T es
inyectiva. 

5. Ejercicios
1. ¿Cuál de las siguientes funciones son transformaciones lineales?
a) T : R3 → R2 , dada por T (x1 , x2 , x3 ) = (x1 − x2 , 2x3 ).
b) T : Mnn → R, dada por T (A) = tr(A).
c) T : Mnn → R, dada por T (A) = |A|
d) T : R3 → R3 , dada por T (x1 , x2 , x3 ) = (x1 , 2 x2 , 2 x3 )
e) T : P1 → R2 , dada por T ( p(x)) = ( p(0), p 0 (0)).
f ) T : Pn → Pn dada por T ( p(x)) = p(x) + p(−x)
g) T : Mnn → Mnn , dada por T (A) = AB − BA, donde B es una matriz dada.
h) T (x1 , x2 ) = (1 + x1 , x2 );
i) T (x1 , x2 ) = (sen x1 , x2 );
j) T (x1 , x2 ) = (x1 − x2 , 0).
2. Halle la regla de correspondencia de la única transformación lineal T : R3 → R2
tal que T (1, −1, 1) = (1, 0) y T (1, 1, 1) = (0, 1).
3. ¿Existe una transformación lineal T : R2 → R2 tal que T (1, −1) = (1, 0), T (2, −1) =
(0, 1) y T (−3, 2) = (1, 1)?
4. Se tiene una transformación lineal T : R2 → R3 . Se sabe que T (−1, 1) = (1, 2, 3) y
T (2, 3) = (1, 1, 1). Halle la matriz A ∈ M3·2 relativas a la bases canónicas de R2 y
R3 .
5. Sea f : R2 → R un funcional lineal. Sabiendo que f (1, 1) = 3 y f (2, 3) = 1, calcule
f (1, 0) y f (0, 1).
6. Sea T : R2 → R3 la transformación lineal que satisface la condición T (1, 1) =
(1, 0, 2) y T (2, 3) = (1, −1, 4). Halle la matriz de T respecto a las bases canóni-
cas de R2 y R3 .
7. Sean R, P, S : R2 → R2 respectivamente la rotación de 30° en torno del origen, la
proyección ortogonal sobre la recta y = 3x y la reflexión en torno de la misma
recta. Dado el vector v = (2, 5), determine los vectores Rv, P v, y S v.
8. Sea T : R3 → R3 la transformación lineal definida por
T (x1 , x2 , x3 ) = (x1 − x2 + 2x3 , 2x1 + x2 , −x1 − 2x2 + 2x3 ).
a) Halle una matriz A tal que T (x1 , x2 , x3 ) = A(x1 , x2 , x3 ).
b) Calcule Im(T ).
c) Calcule N(T ).
9. Considere la base {1, x + 1, x 2 + 2x + 1} de P2 . Sea T : P2 → P3 la única transfor-
mación lineal tal que T (1) = x, T (x + 1) = x 2 + 1, T (x 2 + 2x + 1) = x 3 + x + 1.
Sea ax 2 + b x + c un polinomio arbitrario. Halle T (ax 2 + b x + c) y determine si
T es inyectiva.
10. Determine la expresión del operador lineal T : R2 → R2 , sabiendo que, para todo
v = (x, y), el segmento de recta que une v a T v = (x 0 , y 0 ) es horizontal y tiene
su punto medio sobre la recta y = x. ¿Cuál es la imagen del eje vertical por el
operador T ?
11. Sea T : R2 → R2 la proyección sobre el eje x, paralelamente a la recta y = ax
(a 6= 0). Esto significa que para todo v = (x, y), se tiene que T v = (x 0 , 0), tal que
v − Av pertenece a la recta y = ax. Escriba x 0 en función de x y y y escriba la
matriz de T