ÁLGEBRA LINEAL - 2020

UNIDAD 5: TRANSFORMACIONES LINEALES

En esta Unidad vamos a llevar a cabo el estudio de las transformaciones lineales entre E.V, que son
funciones especiales que tienen un amplio campo de aplicación no solamente dentro del Álgebra
Lineal, sino también dentro de muchas áreas de la Matemática y de otras ciencias.

Definición: Sean U y V dos E.V., una transformación lineal (T.L.) entre U y V es una función

T: U→ V que verifica las siguientes condiciones:

T1) La imagen de la suma de dos vectores cualesquiera de U, es igual a la suma de las imágenes de
dichos vectores en V.

En símbolos: T( u + v ) = T( u ) + T( v ) cualesquiera sean u , v  U

Suma en U Suma en V

T2) La imagen del producto de cualquier escalar por un vector cualesquiera de U, es igual al
producto del escalar por la imagen de dicho vector en V.

En símbolos: T( u ) =  T( u ) cualesquiera sean   R, u  U

Producto por Producto por

un escalar en U un escalar en V

Observaciones:

1) Las propiedades T1) y T2) se indican diciendo que la función T “respeta las operaciones
definidas en los E.V. U y V”.

2) Dada una T.L. T: U→ V, si un vector u  U entonces su imagen T( u )  V recibe el nombre

de "transformado del vector u ".

PROPIEDADES DE LAS T.L.

Para cualquier T.L. T: U→ V se verifican las siguientes propiedades:

1) El transformado del vector nulo de U es el vector nulo de V, es decir: T ( 0 ) = 0

U T V

0 • •T ( 0 ) = 0

1
2) El transformado del opuesto de cualquier vector u  U es el opuesto del transformado de dicho
vector en V, es decir:

T (– u ) = – T ( u ) cualquiera sea u  U

U T V

u • •T( u )

−u • • T(− u ) = −T( u )

3) El transformado de cualquier C.L. de vectores de U, es la C.L. "con los mismos coeficientes", de

los transformados de dichos vectores en V, es decir:

T(1 u1 + 2 u 2 + ... + p u p ) = 1 T( u1 ) + 2 T( u 2 )+ ... + p T( u p )

cualesquiera sean u1 , u 2 , ... , u p  U , i  R

Esta propiedad se expresa diciendo que "toda T.L. preserva las combinaciones lineales de
vectores".

Ejemplos:

1) Sea T: R3 → R2 definida por T (x, y, z) = (x + z, x – z) es una T.L.

2) Sea T: R2 → R3 definida por T (x, y) = (x, y, -x) es una T.L.

TRANSFORMACIONES ESPECIALES

1) Sean U y V dos E.V. cualesquiera. La función nula To: U→V definida por To ( u ) = 0

cualquiera sea u  U, es una T.L., llamada "la transformación nula".

U To V

u • •To ( u ) = 0

2
ÁLGEBRA LINEAL - 2020

2) Sea U un E.V. cualesquiera. La función identidad IU: U→ U definida por IU ( u ) = u cualquiera

sea u  U, es una T.L., llamada "la transformación identidad en U".

U IU U

u • • IU ( u ) = u

Una transformación está completamente definida cuando se puede determinar el transformado de

cualquier vector del dominio. A continuación vamos a demostrar que para "definir" una T.L. basta
conocer los transformados de los vectores de cualquier base del dominio.

El siguiente teorema es muy importante, porque nos muestra un procedimiento para construir
(definir) transformaciones lineales.

Teorema (De existencia y unicidad de las T.L.)

 
Sean U y V dos E.V., sea B =  u1 , u 2 ,  , u n  una base de U y sean v 1, v 2 , ... , v n vectores
 
cualesquiera de V. Entonces existe una única T.L. T: U→ V que verifica T( u i ) = v i para
todo i = 1,...,n

S/D

Veamos un ejemplo de aplicación de este teorema.

Ejemplo: Definir una T.L. T: R2 → R3

Como indica el teorema, debemos darnos una base del dominio, en este caso R2.

Es conveniente tomar la base canónica (excepto que nos especifiquen alguna otra base).

B = {(1, 0), (0, 1)}

Por otra parte, debemos tomar dos vectores cualesquiera del codominio, en este caso R3. Tomemos
por ejemplo los vectores v 1 = (1,0,1) y v 2 = (1,0,0)

Con esto, de acuerdo con el teorema, existe una única T.L. T: R2 → R3 tal que: T (1,0) = (1,0,1) y

T (0,1) = (1,0,0)

Definir la T.L. consiste en definir T ( u ) cualquiera sea u  R2

Sea u = (x, y)  R2, entonces u = 1 (1,0) + 2 (0,1) (1)

3
Aplicando T miembro a miembro en (1) se obtiene:

T ( u ) = 1 T (1,0) + 2 T (0,1) = 1 (1,0,1) + 2 (1,0,0) (2)

Por ser la base canónica resulta: 1 = x, 2 = y

Reemplazando estas expresiones en (2) se obtiene:

T ( u ) = T (x, y) = x (1,0,1) + y (1,0,0) = (x+y, 0, x)

con lo que queda definida una T.L. en las condiciones especificadas.

Luego: T: R2 → R3 / T (x, y) = (x+y, 0, x)

Verificación: T (1,0) = (1,0,1) T (0,1) = (1,00)

En lo que sigue, estudiaremos dos subespacios relacionados con las T.L., que nos permitirán la
clasificación de éstas, en inyectivas, sobreyectivas y biyectivas.

NUCLEO E IMAGEN DE UNA T.L.

Definición: Sean U y V dos E.V. y sea T: U → V una T.L., llamaremos "Núcleo de T" y lo indica-
remos NucT, al conjunto de todos los vectores de U que se transforman en el vector nulo de V, es

decir:

U T V

NucT

u• •0= T (u )

Definición: Sean U y V dos E.V. y sea T: U → V una T.L. llamaremos "Imagen de T" y lo
indicaremos ImT, al conjunto de todos los vectores de V que son los transformados de vectores de

U, es decir:

U T V

ImT

u• • v = T( u )

4
ÁLGEBRA LINEAL - 2020

Lema: Sean U y V dos E.V. y sea T: U → V una T.L. Entonces se verifica:

a) NucT es un subespacio de U.

b) ImT es un subespacio de V

Definición: Sea T: U → V una T.L. llamaremos

a) "Nulidad de T" a la dimensión del NucT, y la indicaremos Nul T

b) "Rango de T a la dimensión de ImT, y la indicaremos RgT.

Un resultado muy importante es:

Teorema (De la dimensión del Núcleo y de la Imagen)

Sean U y V dos E.V. y T: U → V una T.L. Entonces se verifica:

Nul T + Rg T = dim U

Ejemplos

1) Sea la T.L. T: R3 → R2 definida por T (x, y, z) = (x, x + y), hallar NucT, ImT y una base para
cada uno de ellos

Determinemos NucT e ImT

NucT = {(x, y, z)R3: T (x, y, z) = (0, 0)}

u = (x, y, z)  NucT sii T (x, y, z) = (0,0)

sii (x, x + y) = (0,0)

Se obtiene el SEL

La solución del SEL es: x = y = 0

Por lo tanto NucT = {(x, y, z)R3: x = 0, y = 0}

Para determinar una base del NucT aplicamos el procedimiento visto en la Unidad de EV.

B = {(0, 0, 1)}

Es fácil ver que Nul T = 1

ImT = {(x, y)R2 /  (x, y, z)R3: T (x, y, z) = (x, y)}

5
 = (x`, y`)  ImT sii T (x, y, z) = (x, x + y) = (x`, y`)

Se obtiene el SEL

Para resolver este sistema debemos aplicar el Método de Eliminación de Gauss:

1 0 x`

1 1 y`

1 1 y`

1 0 x`

1 1 y`

0 1 x`- y`
2
Se verifica que rg(A) = rg(Aº) por lo tanto, el sistema siempre tiene solución, luego ImT = R .

2
Como ImT = R , podemos dar como base de ImT a B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

Es fácil ver que RgT = 2.

Verifiquemos el Teorema de la dimensión: Nul T + Rg T = 1 + 2 = 3 = dim R3 (Dom T)

El siguiente lema nos proporciona otro método para encontrar la imagen de una T.L.

 
Lema: Sean U y V dos E.V., T: U→V una T.L. y sea B =  b1, b2 , ... , bn  una base de U.
 
 
Entonces T (B) =  T( b1 ), T( b2 ), ... , T( bn )  es un generador de ImT
 

Demostración: D.p.q. cualquier vector de ImT es C.L. de los vectores de T (B)

Sea v  ImT. Entonces existe u  U tal que T ( u ) = v

Como u  U y B es base de U, podemos escribir u como C.L. de los vectores de B, es decir:

u = 1 b1 + 2 b 2 + ... + n b n

Luego: T( u ) = T (1 b1 + 2 b 2 + ... + n b n )

6
ÁLGEBRA LINEAL - 2020

= 1 T ( b1 ) + 2 T ( b 2 ) + ... + n T ( b n )

Luego, cualquier vector v  ImT es C.L. de los vectores de T(B)

Por lo tanto, T(B) es un generador de ImT c.q.d.

Veamos un ejemplo de aplicación de este lema:

Ejemplo: Sea T: R3 → R3 definida por T(x,y,z)=(x – y , y – x , 0)

Encontremos ImT.

Nos damos una base del dominio, en este caso R3. Siempre es más sencillo considerar la base
canónica:

 
C =  (1, 0, 0) , (0, 1, 0) , (0, 0, 1) 
 

De acuerdo con el lema, T(C) genera a la ImT. Encontremos T(C):

 
T(C) =  T(1, 0, 0) , T(0, 1, 0) , T(0, 0, 1) 
 

T(1,0,0) = (1,–1,0) ; T(0,1,0) = (–1,1,0) ; T(0,0,1) = (0,0,0)

 
Luego, T(C) =  (1,−1,0), (−1,1,0), (0,0,0)  es un generador de ImT.
 

Extraigamos de T(C) una base de ImT:

1 –1 0
–1 1 0
0 0 0
1 –1 0
0 0 0
0 0 0
 
Luego, una base de ImT es F =  (1,−1,0)  . Esto nos dice que RgT = 1
 

A partir de F podemos encontrar ImT como el conjunto de todos los vectores del codominio (en
este caso R3), que son C.L. de los vectores de F.

7
Sea v = (x,y,z)  ImT. Entonces v = (x,y,z) =  (1,–1,0), de donde resulta el siguiente sistema en
la incógnita :

 x=

 y = −
 z=0


 y = −x
Eliminando la incógnita  resulta: 
 z=0

 
Por lo tanto: ImT =  (x, y, z)  R / y = −x , z = 0 , con x  R 
3

 

Ahora veremos la clasificación de T.L, teniendo en cuenta que las T.L. son funciones y éstas se
pueden clasificar en: inyectivas, sobreyectivas y biyectivas (si verifica las dos anteriores)

CLASIFICACIÓN DE LAS T.L.

INYECTIVA

Lema: Una T.L. T: U → V es inyectiva sii NucT =  0

S/D.

SOBREYECTIVA

Definición: Una T.L. T: U →V es sobreyectiva sii ImT = V

Por otra parte, cuando los espacios U y V son de la misma dimensión, vale el siguiente teorema:

Teorema: Sean U y V dos E.V. de la misma dimensión n, y sea T: U → V una T.L. Entonces las
siguientes afirmaciones son equivalentes:

a) T es inyectiva

b) T es sobreyectiva

c) T es biyectiva

Demostración:

a) → b) Sea T inyectiva. D.p.q. T es sobreyectiva.

En efecto: Como T es inyectiva, entonces NucT =  0 y por lo tanto, Nul T = dim Nuc T = 0

8
ÁLGEBRA LINEAL - 2020

Por el Teorema de la dimensión: Nul T + Rg T = dim U = n

0 + Rg T = n

Luego: Rg T = n = dim V, es decir, dim Im T = dim V

Por lo tanto, Im T = V y resulta T sobreyectiva.

b) → c) Sea T sobreyectiva. D.p.q. T es biyectiva. Es claro que sólo d.p.q. T es inyectiva.

En efecto: Como T es sobreyectiva, entonces Im T = V y por lo tanto:

Rg T = dim Im T = dim V = n

Por el Teorema de la dimensión: Nul T + Rg T = dim U = n

Nul T + n =n

Luego: Nul T = n – n = 0, es decir, dim Nuc T = 0

Por lo tanto, Nuc T =  0 y resulta T inyectiva.

c) → a) Es inmediato (no hay nada que demostrar c.q.d.

A continuación veremos algunos ejemplos de clasificación de T.L.

Ejemplos:

1) Sea T: R2 → R2 definida por T(x,y) = (x , –y ).

Inyectividad: Para analizar la inyectividad debemos calcular NucT.

Comenzamos por escribir su definición:


NucT = (x, y)  R 2 : T (x, y) = 0 = (0,0) 
Luego, u = (x, y)  Nuc T sii T ( u ) = 0 es decir T (x, y) = (0,0)

sii (x, –y) = (0, 0)

sii x = y = 0

sii u = 0

Luego Nuc T =  0. Por lo tanto, T es inyectiva.

9
Como T: R2 → R2 es decir los dos E.V son de la misma dimensión por el lema anterior resulta
que T sobreyectiva y por lo tanto T es biyectiva.

2) Sea T: R3 → R2 definida por T(x,y,z) = (x , y).


Inyectividad: NucT = (x, y, z )  R 3 : T (x, y, z ) = 0 = (0,0, 0 ) 
Luego u = (x, y, z)  Nuc T sii T ( u ) = 0 es decir T (x, y, z) = (0,0)

sii (x, y) = (0,0)

sii x = y = 0

 
Luego Nuc T =  (x, y, z)  R / x = y = 0 , z  R    0  . Por lo tanto, T no es inyectiva.
3

 

Es fácil ver que Nul T = dim Nuc T = 1

Como T no es inyectiva, entonces no es biyectiva.

En este ejemplo no podemos aplicar el último lema, porque los espacios dados son de distinta
dimensión. Por lo tanto, la sobreyectividad debe analizarse por separado.

 
Im T =  (x' , y' )  R /  (x, y, z)  R : T(x, y, z) = (x' , y' ) 
2 3
Sobreyectividad:
 

Luego: (x', y')  Im T sii (x, y) = (x’, y’)

sii x’, y'  R

Por lo tanto Im T = R2 y resulta T sobreyectiva.

Es claro que Rg T = dim Im T = 2

Verifiquemos el Teorema de la dimensión: Nul T + Rg T = 1 + 2 = dim R3 (Dom T)

ISOMORFISMO ENTRE ESPACIOS VECTORIALES

Definición: Un isomorfismo entre dos E.V. U y V es una transformación lineal T: U → V

biyectiva.

Definición: Dados dos R- E.V. U y V, diremos que U es isomorfo a V o simplemente que U y V

son isomorfos y escribiremos U ~ V, si y sólo existe un isomorfismo T: U → V.

Observación Importante: Los E.V. isomorfos pueden identificarse desde el punto de vista del
Algebra. Es decir, pueden considerarse como el mismo espacio, aún cuando los vectores y

10
ÁLGEBRA LINEAL - 2020

operaciones en dichos espacios sean diferentes. Por lo tanto, es indistinto trabajar con los vectores
de uno u otro E.V., y todas las propiedades que se estudien sobre cualquiera de ellos se hacen
extensivas al otro.

Ejemplo: 1. Sea T: Rn → M n x 1(R) definida por T ( u ) = [ u ]C donde C es la base canónica de

Rn. Se puede probar que T es un isomorfismo.

Por lo tanto, en lugar de trabajar con u = (x1, x2, ..., xn), podemos trabajar con la matriz columna:

 x1 
 
 u  C =  
x2
 
 
 
 xn 

2. El E.V. R4 es isomorfo al E.V. M2. También se verifica M2  P3.

Desde el punto de vista del álgebra estos espacios vectoriales se comportan del mismo modo.

MATRIZ ASOCIADA A UNA T.L.

A continuación veremos de qué manera podemos relacionar las matrices con las T.L., lo que nos
proporcionará un método matricial para clasificar estas últimas.

Teorema: Sean U y V dos R- E.V. tales que dim U = n y dim V = m.

   
Sean las bases: U =  u1 , u 2 ,  , u n  base de U y B =  v1 , v2 ,  , vm  base de V, y sea T: U → V
   
una T.L. Entonces existe una única matriz A  M m,n( R ) tal que se verifica:

 T( u )  B = A .  u U cualquiera sea u  U

S/D:

Este resultado nos conduce a la siguiente definición:

Definición: La matriz A del teorema anterior recibe el nombre de “matriz asociada a la T.L. T, en las
bases U y B " y se indica: A =  T 
U,B

Luego, se verifica:  T( u )  = T  .  u U cualquiera sea u  U

B U, B

Observaciones:

11
1.-Es claro que las columnas de la matriz asociada definida son las componentes de los
transformados de los vectores de la base U, en la base B.

2.-La definición anterior es válida aun si U=V, es decir, si T es un endomorfismo T: U → U,

considerando en este caso U base del dominio y B base del codominio.

En este mismo caso, si U = B, es decir, si consideramos la misma base para el dominio y el

codominio, decimos "la matriz asociada a T en la base U“ y escribimos:  T U

Entonces se tiene, por definición:

 T( u ) U =  T  U .  u  U cualquiera sea u  U

x 0 
Ejemplo: Sea T: R2 → M 2(R) definida por: T(x, y) =  
 0 −y 

 
Sea U =  (1,1), (−1,1)  base de R2 y B la base canónica de M 2(R). Hallar  T U .
  ,B

Debemos hallar los transformados de los vectores de la base U de R2 y escribirlos como C.L. de los
vectores (matrices) de la base B = C de M 2(R).

 1 0  1 0  0 1  0 0  0 0
T(1,1) =   = α1   + α 2   + α3   + α 4  
 0 − 1  0 0  0 0  1 0  0 1

 −1 0  1 0  0 1  0 0  0 0
T( −1,1) =   = β1   + β 2   + β3   + β 4  
 0 − 1  0 0  0 0  1 0  0 1

Igualando elementos se obtienen:

1 = 1, 2 = 0, 3 = 0, 4 = –1

1 = –1, 2 = 0, 3 = 0, 4 = –1

 1 −1 
 
 0 0
Luego, la matriz buscada es: T  =
U , B  0 0 
 −1 −1 
 

Vemos que dim R2 = 2, dim M 2(R) = 4 y la matriz asociada a T es de orden 4 x 2.

El siguiente Lema nos permitirá clasificar las T.L. en base a la matriz asociada en cualquier par de
bases.

12
ÁLGEBRA LINEAL - 2020

Lema: Sean U y V dos E.V. y sea T: U → V una T.L. Si U es base de U, B es base de V, y A

= T  entonces se verifica: Rg T = Rg A
U, B

S/D

Ejemplo: Clasifiquemos la T.L. T: P2 → R 3 definida por:

T (ao + a1 x + a2 x2 ) = (2ao – a1 , ao + 3a1 , 0)

En la práctica resulta siempre más sencillo considerar las bases canónicas del dominio y del
codominio.

 2 
En este caso, la base canónica del dominio es C1 =  1, x , x  y la base canónica del codominio
 

es C2 =  (1,0,0) , (0,1,0) , (0,0,1) 


 

2 −1 0 
 
La matriz asociada a T en estas bases es: A= T  = 1 3 0 
C1 ,C2  
0 0 0 

cuyo rango es Rg A = 2 (calcularlo, como ejercicio).

Luego, Rg T = 2  3 = dim R3 y resulta que T no es sobre (y por lo tanto, no es biyectiva).

Por el teorema de la dimensión tenemos:

Nul T = dim P2 – Rg T = 3 – 2 = 1  0 y por lo tanto T no es inyectiva.

CLASIFICACIÓN DE LAS T.L. MEDIANTE LA MATRIZ ASOCIADA.

Se puede probar que:

Sean U, V dos R- E.V., dim U = n, dim V = m y sean U y B bases de U y V respectivamente. Si T:

U → V es una T.L., sabemos que A =  T   M m,n(R ) . Se verifica entonces que:
U, B

1. Nuc T es el espacio solución del siguiente sistema lineal homogéneo:

 
A .  x  U = 0 B con x  U

2. ImT = SG(CA)

3. Rg T = Rg A

4. Las columnas L.I. de A, constituyen una base de Im T.

5. Nul T = dim U − Rg A = n − Rg A

13
 6. T es sobreyectiva sii Rg A = dim V = m

7. T es inyectiva sii Rg A = dim U = n

8. T es biyectiva sii dim U = dim V = n y Rg A = n

Ejemplo: Sea la T.L. T: R2 → R3 definida por T(x,y) = (2x , x−y, y).

a) Clasifiquemos T mediante la matriz asociada a ella en algún par de bases. Conviene tomar la
base canónica para el dominio y el codominio.

Se obtiene sin dificultad:

2 0
 
A= T  =  1 −1 
C1 , C 2 
0 1 

i) dim R2  dim R3  T no es biyectiva

ii) Veamos si es inyectiva o sobreyectiva, determinando el Rg A.

 2 0   1 − 1   1 − 1   1 − 1 
 1 −1  ~ 2 0 ~ 0 2 ~  0 2 
       
 0 1   0 1   0 1   0 0 
 

Luego, tenemos:

Rg A = 2  3 = dim R3  T no es sobreyectiva

Rg A = 2 = dim R2  T es inyectiva

b) Hallemos Nuc T e Im T, mediante la matriz A.

i) Nuc T es el espacio solución del sistema lineal homogéneo: A .  x  C = 0 C

1 2
 
2 0 0
   x  
Nuc T es subespacio de R .  (x,y)  Nuc T sii  1 − 1  . 
2
= 0 
y   
0
 1   0

es decir, (x,y) pertenece al espacio solución del sistema:

 2x = 0

 x− y =0 cuya solución está dada por: x=y=0

 y=0

 Nuc T =  0

14
ÁLGEBRA LINEAL - 2020

 
ii) Im T = SG(CA )=  (x, y, z)  R / (x, y, z) = 1 (2,1,0) + 2 (0, −1,1) 
3

 
(x,y,z) = 1(2,1,0) + 2(0,−1,1) de donde se obtiene el sistema:
 2λ1 =x

 λ1 − λ 2 = y y resulta: y = 1 x − z
 2
 λ2 = z

 
 Im T =  (x, y, z)  R / x − 2y − 2z = 0 
3

 

15