Transformaciones Lineales

Definición 1:
Sean 𝑉 y 𝑊 dos espacios vectoriales, sobre un mismo campo 𝐾. Una transformación lineal u
Homomorfismo entre dichos espacios es una función 𝑇: 𝑉 → 𝑊 que verifica las siguientes
condiciones:
1. 𝑇 𝑢 + 𝑣 = 𝑇 𝑢 + 𝑇 𝑣 , ∀ 𝑢, 𝑣 ∈ 𝑉. (𝑇 es aditiva)
2. 𝑇 𝛼𝑣 = 𝛼𝑇 𝑣 , ∀ 𝛼 ∈ 𝐾, 𝑣 ∈ 𝑉. (𝑇 es homogénea)

En el caso particular en que 𝑉 = 𝑊 se dice que 𝑇 es un operador lineal.

 3

Teorema 1:
Sean 𝑉 y 𝑊 dos 𝐾 -espacios vectoriales y 𝑇 : 𝑉 → 𝑊 una función. 𝑇 es una
transformación lineal si y sólo si para cualesquiera 𝑢, 𝑣 ∈ 𝑉 y α, 𝛽 ∈ 𝐾 se cumple:
𝑇 𝛼𝑢 + 𝛽𝑣 = 𝛼𝑇 𝑢 + 𝛽𝑇 𝑣

Ejemplos:

1. Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales, la transformación cero o transformación nula,

se define como: 𝑇: 𝑉 → 𝑊 , dada por 𝑇 𝑣 = 0𝑊 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑣 ∈ 𝑉.

2. Sea 𝑉 un 𝐾 -espacio vectorial, se define la transformación identidad (operador

identidad), 𝐼𝑉 : 𝑉 → 𝑉, 𝐼𝑉 𝑣 = 𝑣 𝑝𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑣 ∈ 𝑉.
 4

3. Determine si la función 𝑇: ℝ3 → ℙ3 (ℝ), definida por:

𝑇 𝑎, 𝑏, 𝑐 = 𝑏 + 2𝑎 + 𝑐 𝑥 + (𝑏 − 3𝑐)𝑥 3
es una transformación lineal

Solución:
Sean 𝑢 = 𝑎1 , 𝑏1 , 𝑐1 , 𝑣 = 𝑎2 , 𝑏2 , 𝑐2 ∈ ℝ3 y 𝛼∈ℝ
 5

Por lo tanto, 𝑇 es una transformación lineal

 6

4.
 7

5.
 8

Teorema 2:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales. Si 𝑇: 𝑉 → 𝑊 es una transformación lineal,
entonces:
1. 𝑇 0𝑉 = 0𝑊 .
2. 𝑇 −𝑣 = −𝑇 𝑣 .
3. 𝑇 𝑢 − 𝑣 = 𝑇 𝑢 − 𝑇 𝑣 .
4. 𝑇 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 = 𝛼1𝑇 𝑣1 + 𝛼2𝑇(𝑣2 ) + ⋯ + 𝛼𝑛 𝑇(𝑣𝑛 )
𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜; 𝛼1 , 𝛼2 , … , 𝛼𝑛 ∈ 𝐾 y 𝑣1 , 𝑣2 , … , 𝑣𝑛 ∈ 𝑉.
Demostración:
 9

2. 𝑇 −𝑣 = 𝑇( −1 𝑣) = (−1)𝑇 𝑣 = −𝑇 𝑣

3.

4.
10
 11

Operaciones con transformaciones

Definición 2:

Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales y sean 𝑇: 𝑉 → 𝑊 y 𝐿: 𝑉 → 𝑊 dos transformaciones

lineales.
•La suma de 𝐓 y 𝑳 es la función:
𝑇 + 𝐿: 𝑉 → 𝑊 dada por: 𝑇 + 𝐿 𝑣 : = 𝑇 𝑣 + 𝐿(𝑣) 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑣 ∈ 𝑉.
•El producto escalar de 𝜶 ∈ 𝑲 por la transformación 𝑻 es la función:
𝛼𝑇: 𝑉 → 𝑊 dada por: 𝛼𝑇 𝑣 : = 𝛼𝑇(𝑣) 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑣 ∈ 𝑉.
 12

Teorema 3:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales y 𝑇: 𝑉 → 𝑊 y 𝐿 ∶ 𝑉 → 𝑊 dos transformaciones
lineales arbitrarias y 𝛼 ∈ 𝐾, entonces:
1. 𝑇 + 𝐿 es una transformación lineal
2. 𝛼𝑇 es una transformación lineal
Demostración:
Sean 𝑢 , 𝑣 ∈ 𝑉 y α, 𝛽 ∈ 𝐾

𝑇 + 𝐿 ( α𝑢 + 𝛽𝑣) = 𝑇 α𝑢 + 𝛽𝑣 + 𝐿( α𝑢 + 𝛽𝑣) (por definición de suma de transformaciones)

= 𝛼𝑇 𝑢 + 𝛽𝑇(𝑣) + 𝛼𝐿 𝑢 + 𝛽𝐿(𝑣) (por ser 𝑇 y 𝐿 transformaciones lineales)

= 𝛼𝑇 𝑢 + 𝛼𝐿 𝑢 + 𝛽𝑇(𝑣) + 𝛽𝐿(𝑣)
= 𝛼(𝑇 𝑢 + 𝐿 𝑢 ) + 𝛽(𝑇 𝑣 + 𝐿 𝑣 )
= 𝛼(𝑇 + 𝐿) 𝑢 + 𝛽(𝑇 + 𝐿) 𝑣 (por definición de suma de transformaciones)
 13

Teorema 4 :

Sean U, 𝑉 y 𝑊 tres 𝐾 -espacios vectoriales y sean 𝑇: 𝑈 → 𝑉 y 𝑆: 𝑉 → 𝑊 dos

transformaciones lineales. La función composición de T y 𝑆 definida por:
𝑆 ∘ 𝑇: 𝑈 → 𝑊
𝑆∘𝑇 𝑢 =𝑆 𝑇 𝑢 para todo 𝑢 ∈ 𝑈.
es una transformación lineal.
 14

Demostración:

Sean 𝑢 , 𝑣 ∈ 𝑉 y α, 𝛽 ∈ 𝐾

𝑇 ∘ 𝐿 ( α𝑢 + 𝛽𝑣) = 𝑇(𝐿 α𝑢 + 𝛽𝑣 ) (por definición de composición de funciones)

= T ( 𝛼𝐿 𝑢 + 𝛽𝐿 𝑣 ) (por ser 𝐿 transformación lineal)

= 𝛼𝑇 𝐿(𝑢 + 𝛽𝑇(𝐿(𝑣)) (por ser 𝑇 transformación lineal)

= 𝛼 𝑇 ∘ 𝐿 (𝑢) + 𝛽 𝑇 ∘ 𝐿 (𝑣) (por definición de composición de funciones)

𝑇 ∘ 𝐿 es una transformación lineal

 15

Ejemplo:

Sean 𝑇1 : ℝ3 → ℝ2 𝑦 𝑇2 : ℝ2 → ℝ2 tal que:

𝑇1 𝑥, 𝑦, 𝑧 = 2𝑥 + 6𝑦 − 3𝑧, 5𝑥 − 3𝑦 + 8𝑧 y 𝑇2 𝑥, 𝑦 = (2𝑥 + 5𝑦 , −𝑥 + 6𝑦)

Determinar : 𝑇2 ∘ 𝑇1

𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏:
𝑇2 ∘ 𝑇1 : ℝ3 → ℝ2

(𝑇2 ∘ 𝑇1 )(𝑥, 𝑦, 𝑧) = (𝑇2 (𝑇1 𝑥, 𝑦, 𝑧 ) = 𝑇2 2𝑥 + 6𝑦 − 3𝑧 , 5𝑥 − 3𝑦 + 8𝑧

= (2 (2𝑥 + 6𝑦 − 3𝑧)+5 5𝑥 − 3𝑦 + 8𝑧 , −(2𝑥 + 6𝑦 − 3𝑧) + 6(5𝑥 − 3𝑦 + 8𝑧))

= 29𝑥 − 3𝑦 + 34𝑧 , 28𝑥 − 24𝑦 + 51𝑧

 16

Teorema 5:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales, el conjunto de todas las transformaciones
lineales de 𝑉 en 𝑊, denotado por ℒ 𝑉, 𝑊 es un 𝐾-espacio vectorial, con las
operaciones dadas en la definición 2.
Demostración:

𝑇 + 𝐿: 𝑉 → 𝑊 es una transformación lineal

𝛼𝑇: 𝑉 → 𝑊 es una transformación lineal

elemento neutro para la adición es la transformación nula

elemento opuesto de una transformación lineal 𝑇 es −𝑇 = −1 T

 17

Núcleo e imagen de una transformación lineal

Definición 3 :
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales y sea 𝑇: 𝑉 → 𝑊 una transformación lineal, definimos:
• El núcleo o kernel de 𝑇 , es el subconjunto de 𝑉, definido por:
N 𝑇 = 𝑘𝑒𝑟 𝑇 = *𝑣 ∈ 𝑉: 𝑇 𝑣 = 0 𝑊 + .

• La imagen o recorrido de 𝑇 , es el subconjunto de 𝑊, definido por:

𝐼𝑚 𝑇 = 𝑅𝑒 𝑇 = 𝑤 ∈ 𝑊 𝑒𝑥𝑖𝑠𝑡𝑒 𝑣 ∈ 𝑉, 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑤 = 𝑇 𝑣 .
 18

Teorema 6:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales y sea 𝑇: 𝑉 → 𝑊 una transformación lineal, entonces
1. 𝑁(𝑇) = 𝑘𝑒𝑟 𝑇 es subespacio de 𝑉
2. 𝐼𝑚(𝑇) es subespacio de 𝑊.

Demostración: Veamos que 𝐼𝑚(𝑇) es subespacio de 𝑊.

𝑇 0𝑉 = 0 𝑊 ⇒ 0𝑊 ∈ 𝐼𝑚(𝑇)

Sean 𝑢 , 𝑣 ∈ 𝐼𝑚 𝑇 , existen 𝑢 𝑦 𝑣 ∈ 𝑉: 𝑇 𝑢 =𝑢 𝑇 𝑣 =𝑣

𝑇 𝑢 + 𝑣 = 𝑇 𝑢 + T(𝑣) = 𝑢 + 𝑣

Así 𝑢 + 𝑣 ∈ 𝐼𝑚 𝑇 .
 19

Sean 𝑢 ∈ 𝐼𝑚 𝑇 , y 𝛼 ∈ 𝐾 existe 𝑢 ∈ 𝑉:

𝑇 𝑢 =𝑢

𝑙𝑢𝑒𝑔𝑜,

𝑇 𝛼𝑢 = 𝛼𝑇 𝑢 = 𝛼𝑢

Así, (𝛼𝑢) ∈ 𝐼𝑚 𝑇

𝐼𝑚(𝑇) es subespacio de 𝑊
 20

Definición 4:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales y sea 𝑇: 𝑉 → 𝑊 una transformación lineal.

• La nulidad de 𝑻, denotada por 𝜈(𝑇), se define como la dimensión del núcleo de 𝑇, es decir,
𝜐 𝑇 = dim 𝑁 𝑇 = dim ker 𝑇 .

• El rango de 𝑻, denotado por 𝜌 𝑇 , se define como la dimensión de la imagen de 𝑇, es decir,

𝜌 𝑇 = dim 𝐼𝑚 𝑇 .
 21

Ejemplos:

1. Consideremos la transformación nula 𝑇: V → 𝑊

𝑁(𝑇) = *𝑣 ∈ 𝑉: 𝑇 𝑣 = 0 𝑊 + = 𝑉

2. Consideremos la transformación identidad 𝐼𝑉 : 𝑉 → 𝑉

𝑁(𝐼𝑉 ) = *𝑣 ∈ 𝑉: 𝐼𝑉 𝑣 = 0 𝑊 + = 0𝑉

3.

Determine núcleo y la imagen de 𝑇

 22

es equivalente:
 23

𝑥 𝑦 𝑧 𝑧 1 1
= 2 2 =𝑧 2 2
𝑧 𝑤 𝑧 0 1 0

1 1
Por lo tanto el núcleo de 𝑇 es: 𝑁 𝑇 = 𝑔𝑒𝑛 2 2
1 0

𝜐 𝑇 =1
24
 25

Por lo tanto el sistema

En consecuencia, 𝜌 𝑇 =3

𝜐 𝑇 =1; 𝜌 𝑇 =3 dim(𝑉) = dim 𝑀2𝑥2 = 4

Teorema 7: (Teorema de la Dimensión)

Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales de dimensión finita, y sea 𝑇: 𝑉 → 𝑊 una transformación
lineal, entonces
𝜐 𝑇 + 𝜌 𝑇 = dim(𝑉).