TRANSFORMACIONES LINEALES

Existen funciones de gran importancia para el álgebra y para numerosas ciencias que usan
este lenguaje y sus aplicaciones. Estas funciones son llamadas transformaciones lineales o
aplicaciones lineales. Las mismas son de gran utilidad en numerosos procesos industriales y
científicos, fundamentalmente cuando se necesitan aplicaciones que funcionen como reglas,
de modo que permitan obtener resultados de salida (outputs) a partir de resultados de
entradas (inputs). Ejemplos: en procesos productivos, en el caso de estructuras sometidas a
un sistema de cargas, para sólidos sometidos a la acción del calor, en la compra de
materiales y otros casos. Es importante destacar, además, el hecho de que un circuito
eléctrico puede interpretarse como una aplicación lineal. Los ejemplos previamente
mencionados son una pequeña muestra de la relevancia que implica el estudio de estas
funciones.

Antes de comenzar, es importante destacar que para la comprensión de conceptos en la

presente unidad, resulta esencial recordar algunos conocimientos adquiridos en Geometría,
tales como: espacio vectorial, subespacio vectorial, combinación lineal, conjunto generador,
conjunto linealmente independiente, bases de un espacio vectorial y dimensión del mismo.
Por lo que se sugiere la revisión y comprensión de los mismos.

Transformación lineal

Al considerar una función del espacio vectorial IR2 en IR2 definida como:
T : IR2  IR2 tal que
  x    2x 
T       
 y    y 
1  2
a.1. Hallar las imágenes de los vectores   y   mediante la función T definida. A
1  3
 1  2 
continuación, hallar la imagen del vector suma        .
 1  3 
1    2   1  2 
a.2. Encontrar T     T     y T        . Comparar.
1    3   1  3 
1  1   1 
b. Hallar la imagen por T, de 3    . Observar y comparar T  3     y 3  T     .
1  1   1 
c. Interpretar geométricamente.

1
Definición:
Sean V y W espacios vectoriales definidos sobre el mismo cuerpo de escalares. La función T,
definida del espacio vectorial V en el espacio vectorial W, es una transformación lineal de V
en W si satisface las dos condiciones siguientes:
1. T u  v  T (u)  T (v) , siendo u y v vectores de V;
2. T k  u  k  T (u) , con u de V y k un escalar real.

Nota: las condiciones dadas en 1 y en 2 para la determinación de si una función es una

transformación lineal, pueden expresarse en una única condición, como sigue:
T (k1u  k2v)  k1T (u)  k2T (v)
 
CL en V CL en W
( dominio) (codominio)

siendo u y v vectores de V, k1 y k2 escalares reales.

En general, una transformación lineal T se denota como

T: V →W tal que T(v) = w,
de modo que la función T asigna a cada elemento v de V una imagen w en W. Se dice que w
es la imagen del vector v bajo T o el transformado de v. Además, como T es una función, se
dice que V es el dominio de T y W es el codominio de T.

Importante:
• observar que las transformaciones lineales preservan las operaciones de suma de
vectores y multiplicación por un escalar, ya que se produce el mismo resultado antes o
después de aplicar la transformación.
• una transformación lineal definida de un espacio vectorial V en el mismo V, se
denomina operador lineal.

A continuación se muestran diferentes ejemplos de funciones.

Ejemplo
 x   y 
Dada la función T : IR2  IR2 tal que T       
 y   x 
a. Interpretar geométricamente.
b. Determinar si la función T es una transformación lineal.

Ejemplo
 2x 
 x   
Demostrar que la función T : IR  IR tal que T        y 
2 3

 y   x  y 
 
es una transformación lineal.

2
Prueba
 x  x´
Condición 1: Sean v1    y v2    vectores del espacio IR2 del dominio,
 y  y´

 2(x  x´)   2x  2x´   2x   2x´ 

  x   x´    x  x´          
T (v1  v2 )  T         T        ( y  y´)     y  y´     y     y´   T (v1 )  T (v2 )
  y   y´    y  y´   (x  x´)  ( y  y´)  x  x´ y  y´  x  y   x´ y´
       

Luego, se cumple que

T (v1  v2 )  T (v1 )  T (v2 )

 x
Condición 2: Sea v1    un vector del espacio IR2 del dominio y k un escalar real,
 y
 2(kx)   k(2x)   2x 
  x     kx       
T (k  v1 )  T  k      T        (ky)    k ( y)   k    y   k  T (v1 )
  y     ky   kx  ky)   k ( x  y)   x  y
     

Es decir, se cumple que

T (k  v1)  k  T (v1)
Como la función definida satisface las condiciones 1 y 2, se concluye que T es una
transformación lineal.

Ejemplo
La función de M 2x 2 en M 2x 2 definida como
T : M 2 x2  M 2 x 2 tal que
 a b  a  b 0 
T       
 c d    0 c  d 
es una transformación lineal definida en el espacio vectorial de matrices reales de 2x2. Se
sugiere realizar la demostración.

Ejemplo
La función T : IR2  IR2 tal que
  x    x  3
T       
 y    y 
no es transformación lineal. Se sugiere corroborar la conclusión.

3
Algunas transformaciones lineales especiales

Se mencionan a continuación algunas transformaciones lineales particulares.

a. Transformación lineal cero o nula.

Es de la forma
T : V  W tal que
𝑇(𝑣) = 𝟎

Un ejemplo de transformación nula es

 a 0 
T : M 2 x 2  IR tal que T   11    a11  a22
  0  a11  

Un ejemplo de operador lineal nulo definido en IR2 es

  x    0
T : IR2  IR2 tal que T       
  y    0

b. Operador lineal identidad

Es de la forma
Id : V V tal que
T v  v

Ejemplo 1
T : IR2  IR2 tal que
 x   x 
T       
 y   y

Ejemplo 2
Id : IR2 x 2  IR2 x2 tal que
 a b   a b 
T       
 c d   c d 
( M 2x 2 o bien IR2x2)

c. Transformación lineal matricial o transformación lineal definida mediante una matriz.

Es de la forma
T : IRn  IRm tal que
  v1    v1   w1 
     
  v2   v   w 
T      Amxn   2    2  , siendo A una matriz fija de orden mxn.
... ... ...
     

 v      
 n   vn   wm 

Observe que T es transformación lineal ya que cumple con las condiciones de la definición.
1. T(v + w) = T(v) + T(w), siendo v y w vectores de IRn.

4
Por definición de la función definida previamente y por la propiedad distributiva del
producto de matrices respecto de la suma, se tiene justificado que:
T (v + w) = A . (v + w) = A . v + A . w = T(v) + T(w)

2. T(k v) = k T(v), siendo v de IRn y k de IR.

Esta igualdad se justifica por definición de la función definida previamente y por propiedad
del producto de un escalar por una matriz, ya que
T(k v) = A . (k v) = k . (A .v) = k .T(v)

Importante: observar que toda matriz mxn determina una aplicación lineal de IRn en IRm y
recíprocamente.

Ejemplo de transformación lineal matricial

2 0 
  x    x
Sea T : IR  IR la función definida por T      0 1    . Pruebe que T es
2 3
 
  y  1 1  y
 
transformación lineal.

Propiedades de las transformaciones lineales

Propiedad 1 Sea T una transformación lineal de V en W entonces T(0) = 0.

Propiedad 2 Sea T una transformación lineal de V en W y v un vector de V entonces

T(-v) = -T(v).

Propiedad 3 Sea T una transformación lineal de V en W, u y v vectores de V entonces

T(u - v) = T(u) -T(v).

Propiedad 1
Demostración
Por hipótesis, T es una transformación lineal, es decir, cumple con las condiciones 1 y 2
dadas en la definición. Como v es un vector de V y en todo espacio vectorial V se cumple
0 v = 0 (propiedad de un espacio vectorial), se tiene:

T(0) = T(0v) = 0 T(v) = 0, luego queda demostrado que T(0) = 0

Ejercicio (para pensar)

a. Enuncie la afirmación recíproca de la propiedad 1. Determine su valor de verdad.
b. Enuncie la afirmación contrarrecíproca de la propiedad 1. Determine su valor de verdad.

5
Teorema
Sea T una transformación lineal definida de un espacio vectorial V en otro W. Sea
v1, v2 , v3 ,...,vn  una base de V y sea w1 , w2 , w3 ,..., wk  un subconjunto de vectores arbitrarios de
W, donde los wi no son necesariamente distintos. Entonces existe y es única la
transformación T, tal que T (v1 )  w1 , T (v2 )  w2 , T (v3 )  w3 , ..., T (vn )  wk .

Es decir, si w1....wn son vectores cualesquiera de W entonces existe una única

transformación lineal T de V en W tal que 𝑇(𝑣 ) = 𝑤 para todo i de 1 a n.

En otras palabras, siempre es posible encontrar una transformación lineal que transforme
los vectores de una base de V, previamente determinados, en vectores de W. De modo que
una transformación lineal T de un espacio V en otro W queda completamente determinada
por su acción sobre una base de V.

Ejemplo de aplicación del teorema

 1  1   1   0
Sea T de IR2 en IR2 tal que T        y T        .
 1  0  1  1
  x 
a. Hallar T     .
  y 
 0 
b. Encontrar T     .
 2 

Núcleo e imagen de una transformación lineal

Núcleo de una transformación lineal

Definición: Sea T una transformación lineal del espacio V en el espacio W. El núcleo de una
transformación lineal es un subconjunto de V definido como sigue
𝑁(𝑇) = {𝑣 ∈ 𝑉/𝑇(𝑣) = 𝟎

Es decir, se llama núcleo de T al conjunto de los vectores del dominio V, tal que su
transformado es el vector nulo del espacio W.

Observación: El conjunto N(T) también es llamado kernel (núcleo en inglés) y se denota

ker(T).

Ejemplo
Al considerar la transformación lineal nula definida de V en W, es sencillo concluir que su
núcleo es el mismo espacio V.

6
Ejemplo
  x  x
Sea la transformación lineal T : IR2  IR2 tal que T       
  y  0

 x   x  0
Obtención del N(T):  y  N (T )  T   y   0
     

x 0
Luego, se tiene 0  0
   

Por lo que es sencillo concluir que el núcleo de T es el conjunto N (T )  (0, k ), k  IR .

Núcleo de la transformación lineal matricial

El núcleo de la transformación lineal matricial, se define como

N (T )  X  Rn / A  X  O

Note que A  X  O , es la expresión matricial de un sistema de ecuaciones lineales

homogéneo, por lo que el núcleo de T es el espacio solución de dicho sistema. Por lo tanto,
para el ejemplo 2 dado previamente se tiene

1 0  x 0 x  0
0 0 0  0   ,
     0  0

lo que permite concluir que la solución del sistema es S  (0, k ), k  IR  N (T ) .

Imagen de una transformación lineal

Definición: Sea T una transformación lineal del espacio V en el espacio W. El conjunto

imagen de una transformación lineal se simboliza Im(T) y se define simbólicamente como

Im(T )  w W / v V  T (v)  w

Importante
Puede suceder: Im(T )  W ó Im(T )  W . Luego, Im(T )  W .

Ejemplo
Al considerar la transformación lineal identidad definida de V en V, es sencillo concluir que el
conjunto imagen de T es el mismo V.

Ejemplo
Sea la transformación lineal
T : IR2  IR2 tal que

7
  x    x 
T       
 y    0
a   x  a
Obtención de Im(T): b  Im(T )  T   y   b
      

x a
Luego, se tiene 0  b
   

de donde se deduce que los elementos del conjunto imagen de T son los pares ordenados
(a, b) tal que b debe ser cero y a cualquier real. Es decir
Im(T )  (a, b) / a  IR  b  0 o bien Im(T )  (a,0) / a  IR

En particular, el conjunto imagen de la transformación lineal matricial es

 
Im(T )  B  Rm / X  Rn  A  X  B
Por lo que otra forma de obtener Im(T), consiste en plantear el sistema A X  B y calcular B
x  a
de modo que el sistema sea compatible. En el ejemplo  , el conjunto imagen de T es
0  b
Im(T )  (a,0) / a  IR lo cual coincide con el resultado obtenido.

Propiedades del núcleo y la imagen de una transformación lineal

Propiedad 1
Sea T una transformación lineal del espacio V en W entonces el conjunto núcleo de T es un
subespacio vectorial del dominio V.

Demostración
Para demostrar que el núcleo de T es un subespacio, se debe probar que:
1. El núcleo de T es un subconjunto de V. Esto es cierto, puesto que el núcleo de T está
incluido en el dominio de la función, por definición de núcleo.

2. El núcleo de T contiene al menos a un vector. Es decir, es un conjunto distinto del vacío.

Esto es cierto, ya que el vector nulo está en el conjunto núcleo, por tratarse de un espacio
vectorial.

3. El conjunto núcleo de T es cerrado bajo la adición y bajo la multiplicación por un escalar.

Estos requisitos son las condiciones necesarias y suficientes para determinar si un conjunto
es un subespacio vectorial de un espacio, para lo cual se usa el teorema correspondiente.
Luego,

8
a. Sean u1  N (T ) y u2  N (T ) . Porlo tanto, T (u1 )  0 y T (u2 )  0 .
Para que se verifique la ley de cierre para la suma en el conjunto núcleo de T, debe ser cierto
que: ( u1  u2 )  N (T ) , es decir, el vector ( u1  u2 ) debe satisfacer que tiene por imagen al
vector nulo. Considere T (u1  u2 ) , por ser u1 y u2 elementos del núcleo

T (u1  u2 )  T (u1 )  T (u2 )  0 0 

0
 
T transforma
ción lineal en un E.V .

Es decir, T (u1  u2 )  0 , con lo cual se concluye que (u1  u2 )  N (T ) .

b. Sea u1  N (T ) y k  IR . De este modo, T (u1 )  0 .

Para que se verifique la ley de cierre para el producto en el conjunto núcleo de T, debe ser
cierto que: ( k  u1 )  N (T ) , es decir, el vector ( k  u1 ) debe satisfacer que tiene por imagen al
vector nulo. Considere entonces T (k  u1 ) , por ser u1 elemento del núcleo
T (k  u1 )  k  T (u1)  k 0  0
   
T transforma
ciónlineal en un E.V .

Es decir, T (k  u1 )  0 , con lo cual se concluye que (k  u1 )  N (T ) .

Luego, N(T) es un subespacio vectorial del espacio V.

Nota: Puesto que el núcleo de T es un espacio vectorial, puede conocerse su dimensión. A la

dimensión del núcleo de una transformación lineal se la llama nulidad de la transformación
lineal. En símbolos: n(T) o nul(T).

Propiedad 2
Sea T una transformación lineal del espacio V en W entonces el conjunto imagen de T es un
subespacio vectorial del codominio W.

Nota: Puesto que imagen de T es un espacio vectorial, puede conocerse su dimensión. A la

dimensión del conjunto imagen de una transformación lineal se la denomina rango de la
transformación lineal. En símbolos:  (T ) o rango(T).

Teorema de la dimensión

Sea T de un espacio V en otro W una transformación lineal, entonces se verifica que

dim(V) = dim(N(T)) + dim(Im(T))

9
Ejemplo de núcleo e imagen de una transformación lineal. Obtención de bases
y dimensión de los espacios

Dada la transformación lineal

T : IR2  IR3 tal que
 x  3y 
 x   
T       y 
 y   0 
 

Núcleo de T
x  3y  0

Al resolver el sistema A  X  0 , se tiene  y  0
0  0

De donde S  (0,0) es el espacio solución
Por lo tanto: N (T )  (0,0)

- Como el espacio núcleo está formado sólo por el cero, no existe una base para el núcleo.
- La dimensión del núcleo de esta transformación lineal es cero. En símbolos, dim (N(T)) = 0.
Luego, n(T) = 0

Imagen de T
x  3y  a

Al resolver el sistema A X  B , se tiene y  b
0  c

De donde el conjunto solución para el vector de los términos independientes del sistema es
S  (a, b,0)  R3 
Por lo tanto: Im(T )  (a, b,0)  R3 

- Una base de Im(T) es BIm(T )  (1,0,0), (0,1,0), ya que es un conjunto generador de Im(T) y es
linealmente independiente.
- La dimensión del conjunto imagen de la transformación lineal dada es dos.
En símbolos: dim (Im(T)) = 2 o bien ρ(T) = 2.

Aplicación del teorema de la dimensión

Como la dimensión de V igual a dos, la dimensión del núcleo de T es cero y la dimensión de

la imagen de T es dos, se concluye que se verifica el teorema de la dimensión.

10
 Ejercicios resueltos de transformaciones lineales

1) Dadas las siguientes funciones, determine si son transformaciones lineales.

a) 𝑇: ℝ𝟑 → ℝ⁄𝑻(𝒗) = |𝒗|
b) 𝑻: 𝑴𝒏𝒙𝒏 → ℝ⁄𝑻(𝑨) = 𝒕𝒓(𝑨)
c) 𝑻: 𝑷𝟐 → 𝑷𝟏 ⁄𝑻((𝒂𝒙𝟐 + 𝒃𝒙 + 𝒄)) = 𝟐𝒂𝒙 − 𝒃
𝒙+𝒚 𝟎
d) 𝑻: ℝ𝟐 → 𝑴𝟐𝒙𝟐 ⁄𝑻((𝒙, 𝒚)) =
𝟎 𝒙+𝒚
e) 𝑻: ℝ𝟐 → ℝ𝟑 ⁄𝑻((𝒙 , 𝒚)) = (𝒙 − 𝒚, 𝟐𝒚 + 𝟏, 𝒙)
f) 𝑻: ℝ𝟐 → ℝ𝟑 ⁄𝑻 ((𝒙, 𝒚)) = (𝒙 − 𝟐𝒚, 𝒚, 𝒙)
g) 𝑻: 𝑴𝒏𝒙𝒏 → ℝ/𝑻(𝑨) = (𝒂𝟏𝟏 )𝟐 + (𝒂𝟏𝟐 )𝟐

Solución

a) 𝑻: ℝ𝟑 → ℝ⁄𝑻(𝒗) = |𝒗|
Dados u = (u1, u2, u3) y v = (v1, v2, v3) vectores del dominio y k un escalar, analizamos la
primera condición:

T (u+v)= T ((u1+v1, u2+v2, u3+v3)) = |(𝑢 + 𝑣 , 𝑢 + 𝑣 , 𝑢 + 𝑣 )| =

(𝑢 + 𝑣 ) + (𝑢 + 𝑣 ) + (𝑢 + 𝑣 )

𝑇(𝑢) + 𝑇(𝑣) = 𝑇 (𝑢 , 𝑢 , 𝑢 ) + 𝑇 (𝑣 , 𝑣 , 𝑣 ) = |(𝑢 , 𝑢 , 𝑢 )| + |(𝑣 , 𝑣 , 𝑣 )|

= (𝑢 ) + (𝑢 ) + (𝑢 ) + (𝑣 ) + (𝑣 ) + (𝑣 )

Teniendo en cuenta que √𝑢 + 𝑣 ≠ √𝑢 + √𝑣, se concluye que T (u + v) ≠ T (u) + T (v).

Por consiguiente, 𝑇: ℝ → ℝ⁄𝑇(𝑣) = |𝑣| no verifica la condición de aditividad.

Luego, T no es una transformación lineal.

11
b) 𝑻: 𝑴𝟐𝒙𝟐 → ℝ⁄𝑻(𝑨) = 𝒕𝒓(𝑨)
Sean A y B matrices de M2x2, y sea k un escalar. Se analiza la primera condición:

T(A + B) = tr(A + B) = tr(A) + tr (B) = T (A) + T(B)

↓ ↓
(por propiedad de (por definición de T)
traza de una matriz)

Por lo tanto, T(A + B) = T(A) + T (B)

A continuación, se estudia la segunda condición:

T (k.A) = tr (k. A) = k. tr (A) (por propiedad de traza de una matriz)

k. T (A) = k. tr (A)

Luego, T (k. A) = k. T(A)

Se concluye así que 𝑻: 𝑴𝒏𝒙𝒏 → ℝ⁄𝑻(𝑨) = 𝒕𝒓(𝑨) es una transformación lineal.

c) T: 𝑷𝟐 → 𝑷𝟏 ⁄𝑻((𝒂𝒙𝟐 + 𝒃𝒙 + 𝒄)) = 𝟐𝒂𝒙 − 𝒃

Para comenzar, definimos el espacio vectorial P2 de los polinomios de grado menor o igual a
2 unidos al polinomio nulo y el espacio vectorial P1 de los polinomios de grado menor o igual
a 1 unidos al polinomio nulo.

Sean p(x) = ax2 + bx + c y q(x) = dx2 + ex + f polinomios del espacio vectorial P2, y sea k un
escalar. Por definición de suma de polinomios, se tiene

p(x) + q(x) = (a + d)x2 + (b + e) x + (c + f),

y según la multiplicación de un escalar k por un polinomio p(x), resulta

k. p(x) = k.ax2 + k.bx + k.c

12
Primera condición de transformación lineal:

T (p(x) + q(x)) = T((ax2 + bx + c ) + (dx2 + ex + f)) = T((a + d)x2 + (b + e) x + (c + f) )

= (2. (a + d)x  (b + e) = 2ax + 2dx b – e

T (p(x)) + T (q(x)) = T((ax2 + bx + c )) + T((dx2 + ex + f )) = (2ax b) + (2dx e) = 2ax + 2dx b  e

Por tanto, T (p(x) + q(x)) = T(p(x)) + T(q(x))

Segunda condición:

T (k. p(x)) = T(k. (ax2 + bx + c)) = T ((k.ax2 + k.bx + c.k)) = 2.kax  k.b = k. (2ax – b)

= k. T((ax2 + bx + c)) = k. T(p(x))

Luego, T (k. p(x)) = k. T (p(x))

Por consiguiente, T: 𝑷𝟐 → 𝑷𝟏 ⁄𝑻((𝒂𝒙𝟐 + 𝒃𝒙 + 𝒄)) = 𝟐𝒂𝒙 − 𝒃 es una transformación lineal.

𝒙+𝒚 𝟎
d) 𝑻: ℝ𝟐 → 𝑴𝟐𝒙𝟐 ⁄𝑻((𝒙, 𝒚)) =
𝟎 𝒙+𝒚
Sean u = (x1, y1) y v = (x2, y2) vectores de ℝ𝟐 y k un escalar.

Primera condición:

(𝑥 + 𝑥 ) + (𝑦 + 𝑦 ) 0
T (u + v) = T ((x1 + x2, y1 + y2)) =
0 (𝑥 + 𝑥 ) + (𝑦 + 𝑦 )

𝑥 +𝑦 0 𝑥 +𝑦 0
T (u) + T (v) = T ((x1, y1)) + T ((x2, y2)) = + =
0 𝑥 +𝑦 0 𝑥 +𝑦

(𝑥 + 𝑦 ) + (𝑥 + 𝑦 ) 0+0
=
0+0 (𝑥 + 𝑦 ) + (𝑥 + 𝑦 )

(𝑥 + 𝑥 ) + (𝑦 + 𝑦 ) 0
0 (𝑥 + 𝑥 ) + (𝑦 + 𝑦 )

Es posible observar que T (u + v) = T (u) + T (v)

13
Se estudia, a continuación, la segunda condición:

(𝑘𝑥 + 𝑘𝑦 ) 0
T(k.u)=T(k.(x1,y1))=T((kx1,ky1))= = =
0 (𝑘𝑥 + 𝑘𝑦 )

𝑘. (𝑥 + 𝑦 ) 0
=
0 𝑘. (𝑥 + 𝑦 )

𝑥 +𝑦 0
= k. = k. (x1, y1) = k. T (u)
0 𝑥 +𝑦

Luego, T (k. u) = k. T (u)

𝒙+𝒚 𝟎
Por consiguiente, 𝑻: ℝ𝟐 → 𝑴𝟐𝒙𝟐 ⁄𝑻((𝒙, 𝒚)) = es una transformación lineal.
𝟎 𝒙+𝒚

e) 𝑻: ℝ𝟐 → ℝ𝟑 ⁄𝑻((𝒙 , 𝒚)) = (𝒙 − 𝒚, 𝟐𝒚 + 𝟏, 𝒙)
Sean u = (x1, y1) y v = (x2, y2) vectores de ℝ𝟐 y k un escalar. Se analiza la primera condición:

T (u + v) = T((x1, y1) + (x2, y2)) = T ((x1 + x2, y1 + y2)) = ((x1 + x2) – (y1 + y2), 2. (y1 + y2) + 1, (x1 + x2))

= ((x1 – y1) + (x2 – y2), (2y1 + 2y2) + 1, (x1 + x2))

T (u) + T (v) = T ((x1, y1)) + T ((x2, y2)) = (x1 – y1, 2y1 + 1, x1) + (x2 – y2, 2y2 + 1, x2)

= ((x1 – y1) + (x2 – y2), (2y1 + 1) + (2y2 + 1), (x1 + x2))

= ((x1 – y1) + (x2 – y2), (2y1 + 2y2) + 2, (x1 + x2))

En consecuencia, T (u + v) ≠ T (u) + T (v)

Luego, 𝑻: ℝ𝟐 → ℝ𝟑 ⁄𝑻((𝒙 , 𝒚)) = (𝒙 − 𝒚, 𝟐𝒚 + 𝟏, 𝒙) no es una transformación lineal.

14
f) 𝑻: ℝ𝟐 → ℝ𝟑 ⁄𝑻 ((𝒙, 𝒚)) = (𝒙 − 𝟐𝒚, 𝒚, 𝒙)
Sean u = (x1, y1) y v = (x2, y2) vectores de ℝ𝟐 y k un escalar.

Primera condición:

T (u + v) = T((x1, y1) + (x2, y2) ) = T((x1 + x2, y1 + y2)) = ((x1 + x2) – 2 (y1 + y2), (y1 + y2), (x1 + x2))

= ((x1 – 2y1) + (x2 – 2y2), (y1 + y2), (x1 + x2)) = (x1 – 2y1 + x2 – 2y2, y1 + y2, x1 + x2)

= (x1 – 2y1, y1, x1) + (x2 – 2y2, y2, x2) = T ((x1, y1)) + T ((x2, y2)) = T (u) + T (v)

Por lo tanto, se verifica que T (u + v) = T (u) + T (v)

A continuación, se examina la segunda condición:

T (k. u) = T ((kx1, ky1)) = (kx1 – 2ky1, ky1, kx1) = k. (x1 – 2y1, y1, x1) = k. T (u)

Luego, T (k. u) = k. T (u)

Por consiguiente, 𝑻: ℝ𝟐 → ℝ𝟑 ⁄𝑻 ((𝒙, 𝒚)) = (𝒙 − 𝟐𝒚, 𝒚, 𝒙) es una transformación lineal.

g) 𝑻: 𝑴𝒏𝒙𝒏 → ℝ/𝑻(𝑨) = (𝒂𝟏𝟏 )𝟐 + (𝒂𝟏𝟐 )𝟐

Sean A y B matrices de Mnxn, y sea k un escalar. Analizamos la primera condición:

𝑎 𝑎 …𝑎 𝑏 𝑏 …𝑏
𝑎 𝑎 …𝑎 𝑏 𝑏 …𝑏
T (A + B) = =𝑇 + =
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎 𝑎 … 𝑎 𝑏 𝑏 … 𝑏
𝑎 +𝑏 𝑎 +𝑏 … 𝑎 +𝑏
𝑎 +𝑏 𝑎 +𝑏 … 𝑎 +𝑏
𝑇 =
⋮ ⋮ ⋮ ⋮
𝑎 +𝑏 𝑎 +𝑏 … 𝑎 +𝑏

= (a11 + b11)2 + (a12 + b12)2 = (a11)2 + 2.a11.b11 + (b11)2 + (a12)2 + 2.a12. b12 + (b12)2

𝑎 𝑎 …𝑎 𝑏 𝑏 …𝑏
𝑎 𝑎 …𝑎 𝑏 𝑏 …𝑏
T (A) + T (B) = 𝑇 +𝑇
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎 𝑎 … 𝑎 𝑏 𝑏 … 𝑏

= ((a11)2 + (a12)2) + ((b11)2 + (b12)2)

15
Luego, T (A + B) ≠ T(A) + T (B), es decir T no verifica la condición de aditividad.

Por lo cual, 𝑻: 𝑴𝒏𝒙𝒏 → ℝ/𝑻(𝑨) = (𝒂𝟏𝟏 )𝟐 + (𝒂𝟏𝟐 )𝟐 no es una transformación lineal.

………………………………………………………………………………………………………………………………………………

2) Para aquellas funciones que sean transformaciones lineales en el ejercicio 1:

a) Determine N(T), encuentre una base del mismo y la dimensión del espacio del
espacio N(T)
b) Determine el conjunto imagen de T, encuentre una base del mismo y la dimensión
del espacio Im(T)
c) Verifique el teorema de la dimensión.

Solución
I) La función 𝑇: 𝑀 → ℝ⁄𝑇(𝐴) = 𝑡𝑟(𝐴) es una transformación lineal.
a) Para determinar el núcleo de la transformación, por definición
𝑁(𝑇) = {𝐴𝜖𝑀 /𝑇(𝐴) = 0}

Además, T(A) = tr(A). Por lo tanto, estarán en el núcleo aquellas matrices A ϵ M2x2 que
verifiquen tr (A) = 0, y como A ϵ M2x2, tr (A) = a11 + a22, se tiene a11 + a22 = 0

En consecuencia, a11 =  a22 siendo a22 número real.

−𝒂𝟐𝟐 𝒂𝟏𝟐
Por lo tanto, 𝑵(𝑻) = {𝑨𝝐𝑴𝟐𝒙𝟐 /𝒂𝟏𝟏 = −𝒂𝟐𝟐 , 𝒂𝟐𝟐 𝝐 ℝ} = 𝒂𝟐𝟏 𝒂𝟐𝟐 𝝐 𝑴𝟐𝒙𝟐

Luego, para determinar una base para el núcleo, se tiene que toda matriz del núcleo de la
transformación resulta posible expresarla como combinación lineal del siguiente modo

−𝑎 𝑎 −1 0 0 1 0 0
𝑎 𝑎 =𝑎 . +𝑎 . +𝑎 .
0 1 0 0 1 0

−1 0 0 1 0 0
De donde el conjunto , , genera a N(T) y además es LI, por lo cual
0 1 0 0 1 0
determina una base para el conjunto N(T). Es decir,

16
 −𝟏 𝟎 𝟎 𝟏 𝟎 𝟎
BN(T) = , , y por tanto, dim(N(T)) = 3.
𝟎 𝟏 𝟎 𝟎 𝟏 𝟎

b) Por definición, la imagen de la transformación:

𝐼𝑚(𝑇) = {𝑥 𝜖 ℝ/∃ 𝐴 𝜖 𝑀 ∧ 𝑇(𝐴) = 𝑥}

Además, T(A) = tr (A), por tanto tr(A) = x

Por lo que a11 + a22 = x, queda así planteado un sistema de ecuaciones que a continuación se
resuelve

[1 1 I x]

Este sistema será compatible para cualquier valor real que tome x, por consiguiente

𝑰𝒎(𝑻) = {𝒙 𝝐 ℝ} = ℝ

B Im(T) = {1}, y dim Im(T) = 1

c) Teorema de la dimensión:
dim (V) = dim (N(T)) + dim(Im(T))

4 = 3 + 1 (según lo concluido)

Es decir, se observa que la transformación lineal verifica el teorema de la dimensión.

II) T: 𝑃 → 𝑃 ⁄𝑇((𝑎𝑥 + 𝑏𝑥 + 𝑐)) = 2𝑎𝑥 − 𝑏

Por definición, el núcleo de la transformación es

𝑁(𝑇) = {(𝑎𝑥 + 𝑏𝑥 + 𝑐) 𝜖 𝑃 /𝑇((𝑎𝑥 + 𝑏𝑥 + 𝑐)) = 0𝑥 + 0}.

Además se sabe que

T ((𝑎𝑥 + 𝑏𝑥 + 𝑐)) = 2ax - b. Por lo tanto, estarán en el núcleo aquellos polinomios p(x) ϵ P2
que verifiquen 2ax - b = 0x + 0, de donde resulta:

17
  2ax  0

 b  0

Por lo tanto, a = 0, b = 0 y c 𝜖 ℝ . Es decir, 𝑵(𝑻) = {(𝟎𝒙𝟐 + 𝟎𝒙 + 𝒄) 𝝐 𝑷𝟐 } = {𝒄 𝝐 𝑷𝟐 }

Por lo que el núcleo de la transformación es el conjunto de todos los polinomios constantes

unidos al polinomio nulo.

Para la obtención de una base del N(T) se consideran los elementos de este conjunto, es
decir, los polinomios c de ℝ. Los mismos pueden escribirse como combinación lineal de
vectores de ℝ, como c = c. 1. Por lo tanto, BN(T) = {1} y dim N(T) = 1

b) Por definición, la imagen de la transformación T es

𝐼𝑚(𝑇) = {(𝑚𝑥 + 𝑛) 𝜖 𝑃 /𝑇((𝑎𝑥 + 𝑏𝑥 + 𝑐)) = 𝑚𝑥 + 𝑛}.

Además, T((𝑎𝑥 + 𝑏𝑥 + 𝑐)) = 2ax – b, por lo cual se tiene que 2ax – b = mx + n.

Luego, por igualdad de polinomios, se obtiene el siguiente sistema de ecuaciones:

 2a  m

 b  n

Se resuelve el sistema

2 0 𝑚 1 0 𝑚/2 1 0 𝑚/2
⋮ ~ ⋮ ~ ⋮
0 −1 𝑛 0 −1 𝑛 0 1 −𝑛

Este sistema será compatible cualesquiera sean los valores reales que tomen m y n. Por
consiguiente, resulta que 𝑰𝒎(𝑻) = {(𝒎𝒙 + 𝒏 )𝝐 𝑷𝟏 } = 𝑷𝟏

La imagen de la transformación es el conjunto de todos los polinomios de grado menor o

igual a 1 unidos al polinomio nulo. Por lo tanto,

B Im(T) = {1, x} y dim (Im(T)) = 2

c) dim(V) = dim( N(T)) + dim( Im(T))

3 = 1 + 2
3 = 3

18
 𝑥+𝑦 0
III) 𝑇: ℝ → 𝑀 ⁄𝑇((𝑥, 𝑦)) =
0 𝑥+𝑦
a) Por definición, el núcleo de la transformación es
0 0
𝑁(𝑇) = (𝑥, 𝑦)𝜖 ℝ /𝑇((𝑥, 𝑦)) = .
0 0

𝑥+𝑦 0
Además, por definición de la transformación lineal dada, 𝑇((𝑥, 𝑦)) = de
0 𝑥+𝑦
donde resulta:

𝑥+𝑦 0 0 0
= .
0 𝑥+𝑦 0 0

Luego, por igualdad de matrices se obtiene

x  y  0

0  0
 ,
x  y  0
0  0

de donde y = - x.

Por lo tanto, N(T) = {(x, y) 𝝐 ℝ𝟐 / y = - x } = {(𝒙, −𝒙)𝝐 ℝ𝟐 }

A los elementos (x, - x) del núcleo de la transformación T se los puede escribir como una
combinación lineal de la forma (x, - x) = x. (1, -1). De donde

BN(T) = {(1, -1)} y dim (N(T)) = 1

b) Por definición, la imagen de la transformación es

𝐼𝑚(𝑇) = {𝐴 𝜖 𝑀 /∃ (𝑥, 𝑦) 𝜖 ℝ ∧ 𝑇(𝑥, 𝑦) = 𝐴}

𝑥+𝑦 0 𝑥+𝑦 0 𝑎 𝑎
En este caso, 𝑇((𝑥, 𝑦)) = . Por lo tanto, = 𝑎 𝑎 .
0 𝑥+𝑦 0 𝑥+𝑦

19
Por igualdad de matrices resulta

 x  y  a11

0  a12

0  a 21
 x  y  a 22


de donde a11 = a22 y a12 = a21 = 0.

𝒂𝟏𝟏 𝟎
Por consiguiente, 𝑰𝒎(𝑻) = 𝝐 𝑴𝟐𝒙𝟐 . Es decir, la imagen de la transformación
𝟎 𝒂𝟏𝟏
es el conjunto de las matrices escalares de orden 2x2.

𝑎 0
Además, cada matriz de la forma puede escribirse como
0 𝑎

𝑎 0 1 0
=𝑎 .
0 𝑎 0 1

𝟏 𝟎
Es decir, 𝑩𝑰𝒎(𝑻) = y dim (Im(T)) = 1
𝟎 𝟏

c) dim(V) = dim( N(T)) + dim( Im(T))

2 = 1 + 1
2 = 2

IV) 𝑇: ℝ → ℝ ⁄𝑇 ((𝑥, 𝑦)) = (𝑥 − 2𝑦, 𝑦, 𝑥)

a) Por definición, el núcleo de la transformación es 𝑁(𝑇) = {(𝑥, 𝑦)𝜖 ℝ /𝑇(𝑥, 𝑦) = (0,0,0)}.
Por la definición de la transformación, se tiene que 𝑇((𝑥, 𝑦)) = (𝑥 − 2𝑦, 𝑦, 𝑥).
De donde resulta que (x – 2y, y, x) = (0, 0, 0).
Por igualdad de vectores
 x  2y  0

y  0
x  0


Por tanto, 𝑵(𝑻) = {(𝟎, 𝟎)𝝐 ℝ𝟐 } y en consecuencia, dim (N(T)) = 0

20
b) La imagen de la transformación, por definición es
𝐼𝑚(𝑇) = {(𝑎, 𝑏, 𝑐)𝜖 ℝ /∃ (𝑥, 𝑦)𝜖 ℝ ∧ 𝑇((𝑥, 𝑦)) = (𝑎, 𝑏, 𝑐)}.

Además, T((x, y)) = (x – 2y, y, x). Por lo tanto, (x – 2y, y, x) = (a, b, c) y por igualdad de vectores
resulta

 x  2y  a

y  b
x  c


Se resuelve el sistema por el método de Gauss - Jordan

1 −2 𝑎 1 0 𝑐 1 0 𝑐 1 0 𝑐
0 1 ⋮𝑏 ∼ 0 1 ⋮𝑏 ∼ 0 1 ⋮ 𝑏 ∼ 0 1⋮ 𝑏
1 0 𝑐 1 −2 𝑎 0 −2 𝑎 − 𝑐 0 0 𝑎 − 𝑐 + 2𝑏

El sistema planteado será compatible siempre que

a – c + 2b = 0 es decir, a = c – 2b para c, b números reales cualesquiera.

Por lo tanto, 𝑰𝒎(𝑻) = {(𝒄 − 𝟐𝒃, 𝒃, 𝒄)𝝐 ℝ𝟑 }.

Además, cada elemento de la imagen puede escribirse como

(c – 2b, b, c) = b. (-2, 1, 0) + c. (1, 0, 1), siendo b y c escalares reales

De donde se concluye que 𝑩𝑰𝒎(𝑻) = {(−𝟐, 𝟏, 𝟎); (𝟏, 𝟎, 𝟏)} y dim (Im(T)) = 2

c) dim (V) = dim( N(T)) + dim (Im(T))

2 = 0 + 2
2 = 2

………………………………………………………………………………………………………………………………………………

21
 𝒙 𝟏 𝟐 𝒙
3) Para la siguiente transformación lineal 𝑻: ℝ → ℝ /𝑻𝟐 𝟑
𝒚 = −𝟐 𝟒.𝒚 :
−𝟐 𝟐
a) halle T(2, 4) y
b) halle la preimagen de (-1, 2, 2).

Solución
a) Para hallar T(2, 4), se sustituye el vector (2, 4) perteneciente al dominio ℝ𝟐 en la
transformación matricial,

𝟏 𝟐 𝟏𝟎
𝟐 . 𝟐 =
𝑻 = −𝟐 𝟒 𝟏𝟐
𝟒 𝟒
−𝟐 𝟐 𝟒

b) Hallar la preimagen, consiste en hallar los vectores del dominio que tengan como imagen
al vector (-1, 2, 2) en el codominio, la transformación entonces es

𝒙 𝟏 𝟐 𝒙 −𝟏
𝑻 = −𝟐 .
𝒚 𝟒 𝒚 = 𝟐
−𝟐 𝟐 𝟐

Si se opera entre matrices, se observa que se obtiene un sistema de ecuaciones

𝑥 + 2𝑦 = −1
−2𝑥 + 4𝑦 = 2
−2𝑥 + 2𝑦 = 2

𝑥 −1
Se resuelve el sistema y se obtienen los valores de 𝑦 =
0

Es decir, el vector (-1, 0) 𝜖 ℝ𝟐 tiene como imagen, bajo la transformación matricial

𝒙 𝟏 𝟐 𝒙 −𝟏
.
𝑻 𝒚 = −𝟐 𝟒 𝒚 , al vector 𝟐 𝜖 ℝ𝟑 .
−𝟐 𝟐 𝟐

………………………………………………………………………………………………………………………………………………

22
4) Sea 𝑽 = {𝒈: [𝟎, 𝟏] → ℝ/𝒈 𝒆𝒔 𝒄𝒐𝒏𝒕𝒊𝒏𝒖𝒂} y sea 𝑾 = {𝒇: [𝟎, 𝟏] → ℝ/ 𝒇´ 𝒆𝒔 𝒄𝒐𝒏𝒕𝒊𝒏𝒖𝒂}.
a) Verifique que la función T definida de W en V que aplica f hacia su derivada, es decir
T(f) = f ´, es una transformación lineal.
b) Encuentre el núcleo de la transformación lineal T.

Solución

a) Sean f y g funciones de W y sea k un escalar.

1) T(f + g) = (f + g)´ = f´+ g´ = T(f) + T(g)
↓ ↓
(por definición de T) (por propiedad de
la derivada de la suma)

Luego, T(f + g) = T(f) + T(g). Es decir, la función T verifica la condición de aditividad.

2) T (k. f) = (k. f)´ = k. f´ = k. T (f)

↓ ↓
(por definición de T) (por propiedad de la derivada del producto de un escalar por una función)

Por tanto, T (k. f) = k. T (f). Es decir, T cumple la condición de homogeneidad.

En consecuencia, la función T es una transformación lineal.

b) Por definición, el núcleo de la transformación es 𝑁(𝑇) = {𝑓 𝜖 𝑊/𝑇(𝑓) = 0}, y como

𝑇(𝑓) = 𝑓´, resulta que f´= 0. Luego,
𝑵(𝑻) = {𝒇 𝝐 𝑾/ 𝒇´ = 𝟎} = {𝒇 𝝐 𝑾/ 𝒇 𝒆𝒔 𝒄𝒐𝒏𝒔𝒕𝒂𝒏𝒕𝒆}

Por lo tanto, el núcleo de la transformación dada es el conjunto de todas las funciones

𝑓: [0,1] → ℝ continuas constantes.

………………………………………………………………………………………………………………………………………………

23
5) Sea A una matriz de 6x4 tal que A.X = 0 tiene únicamente la solución trivial y sea
𝑻: ℝ𝟒 → ℝ𝟔 tal que T(X) = A. X. Halle el rango y la nulidad de T.

Solución

El núcleo de la transformación está determinado por todos los elementos X de ℝ𝟒 que

verifican que T(X) = 0 (0 ϵ ℝ ). Además, por definición de transformación matricial se sabe
que T(X) = A.X Por tanto, pertenecen al núcleo de la transformación aquellos elementos que
verifican que A.X = 0.

Por otro lado, A.X = 0 tiene únicamente la solución trivial, de lo cual se deduce que 𝑵(𝑻) =
{𝟎 𝝐 ℝ𝟒 } , y en consecuencia nul(T) = 0.

Luego, por teorema de la dimensión se tiene

dim(V) = nul(T) + rango(T)

4 = 0 + rango(T)

4 = rango(T)

………………………………………………………………………………………………………………………………………………

6) Para 𝑻: ℝ𝟑 → ℝ𝟑 /𝑻(𝑿) = 𝑨. 𝑿. Determine el núcleo y la imagen de la transformación

matricial dada. Interprete geométricamente.
𝟏 𝟑 𝟏
𝑨= 𝟏 𝟐 𝟎
𝟎 𝟏 𝟏

Solución

A partir de la definición de transformación lineal matricial, se tiene

1 3 1 𝑥
𝑇(𝑋) = 𝐴. 𝑋 = 1 2 0 . 𝑥
0 1 1 𝑥

24
Por definición, el núcleo de la transformación matricial es

𝑁(𝑇) = {𝑋𝜖 ℝ /𝑇(𝑋) = 𝐴. 𝑋 = 0}. Es decir, pertenecen al núcleo de la transformación

todos los vectores de ℝ , para los cuales se verifica que

1 3 1 𝑥 0
1 2 0 . 𝑥 = 0
0 1 1 𝑥 0

Resolviendo el SELH por el método de Gauss – Jordan, se tiene

𝟏 𝟑 𝟏 𝟎 𝟏 𝟑 𝟏 𝟎 𝟏 𝟑 𝟏 𝟎 𝟏 𝟑 𝟏 𝟎 𝟏 𝟎 −𝟐 𝟎
𝟏 𝟐 𝟎⋮𝟎 ~ 𝟎 −𝟏 −𝟏 ⋮ 𝟎 ~ 𝟎 𝟏 𝟏⋮𝟎 ~ 𝟎 𝟏 𝟏⋮𝟎 ~ 𝟎 𝟏 𝟏 ⋮𝟎
𝟎 𝟏 𝟏 𝟎 𝟎 𝟏 𝟏 𝟎 𝟎 𝟏 𝟏 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎

Por el teorema de Rouché- Frobenius resulta 𝜌(𝐴) = 𝜌 (𝐴´) = 2 ≠ 𝑛 = 3, es decir se trata

de un sistema compatible indeterminado con 3 – 2 = 1 variable libre, en este caso, 𝑥 , siendo
𝑥 𝑑𝑒 ℝ.

El SELH equivalente es 𝑥 − 2𝑥 = 0

𝑥 +𝑥 =0

De donde 𝑥 = 2𝑥 y 𝑥 = −𝑥 , 𝑥 𝜖 ℝ

Por lo tanto

𝑵(𝑻) = {(𝟐𝒙𝟑 , −𝒙𝟑 , 𝒙𝟑 )/ 𝒙𝟑 𝝐 ℝ}

El núcleo de la transformación es una recta que pasa por el origen cuya ecuación vectorial es

(𝒙, 𝒚, 𝒛) = 𝒙𝟑 . (𝟐, −𝟏, 𝟏), 𝒙𝟑 𝜖 ℝ

Ahora bien, por definición, la imagen de la transformación matricial queda definida como

𝐼𝑚(𝑇) = {𝐵 𝜖 ℝ /𝑇(𝑋) = 𝐴. 𝑋 = 𝐵} = IR3. Es decir, pertenecen a la imagen de la

transformación todos los vectores de ℝ .

Puesto que T(X) = A. X y A. X = B, se tiene

25
 1 3 1 𝑥 𝑏
1 2 0 . 𝑥 = 𝑏
0 1 1 𝑥 𝑏

Resolvemos, a continuación, el sistema planteado por el método de Gauss

𝟏 𝟑 𝟏 𝒃𝟏 𝟏 𝟑 𝟏 𝒃𝟏 𝟏 𝟑 𝟏 𝒃𝟏
𝟏 𝟐 𝟎 ⋮ 𝒃𝟐 ~ 𝟎 −𝟏 −𝟏 ⋮ 𝒃𝟐 − 𝒃𝟏 ~ 𝟎 𝟏 𝟏 ⋮ −𝒃 𝟐 + 𝒃 𝟏 ~
𝟎 𝟏 𝟏 𝒃𝟑 𝟎 𝟏 𝟏 𝒃𝟑 𝟎 𝟏 𝟏 𝒃𝟑

𝟏 𝟑 𝟏 𝒃𝟏
𝟎 𝟏 𝟏 ⋮ −𝒃𝟐 + 𝒃𝟏
𝟎 𝟎 𝟎 𝒃𝟑 +𝒃𝟐 − 𝒃𝟏

Analizando la matriz escalonada, y de acuerdo al Teorema de Rouché – Frobenius, el sistema

será compatible siempre que se cumpla que

𝑏 +𝑏 − 𝑏 = 0,

es decir,

𝑏 = −𝑏 + 𝑏 , siendo b1 y b2 números reales

Se concluye que

𝑰𝒎(𝑻) = {(𝒃𝟏 , 𝒃𝟐 , 𝒃𝟏 − 𝒃𝟐 )𝝐 ℝ𝟑 }

La imagen de la transformación es un plano que pasa por el origen, cuya ecuación vectorial
es

(𝒙, 𝒚, 𝒛) = 𝒃𝟏 . (𝟏, 𝟎, 𝟏) + 𝒃𝟐 . (𝟎, 𝟏, −𝟏); 𝑏 , 𝑏 𝜖 ℝ

………………………………………………………………………………………………………………………………………………

7) Dados los vectores (0, 1); (4, 8); (-1, 4) en ℝ2 que determinan los vértices de un
triángulo, encuentre la imagen de cada uno de ellos a partir de la transformación
T(x, y) = (x, -y) y luego determine de qué transformación geométrica se trata.

26
Solución

Se representa el triángulo a partir de los vectores dados.

El transformado de cada uno de los vectores dada la ley de transformación

𝑇(𝑥, 𝑦) = (𝑥, −𝑦)

es

𝑇(0 , 1) = (0 , −1)
𝑇(4 , 8) = (4 , −8)
𝑇(−1 , 4) = (−1 , −4)

La representación geométrica de los nuevos vectores es:

27
Si se considera el triángulo inicial determinado por los vectores dados en ℝ2, se obtiene
luego de la transformación un triángulo con vértices en los puntos (0 ,-1); (4, -8); (-1 ,-4).

Se observa que la transformación geométrica es una reflexión respecto al eje x.

………………………………………………………………………………………………………………………………………………

8) Sea T una aplicación lineal de IR2 en IR2 tal que T(1, 0) = (1, 1) y T(0, 1) = (-1,1).
Halle T(-2,1).
Solución
El conjunto de vectores {(1, 0); (0, 1)} constituye una base de IR2, por lo tanto el vector
(-2, 1) se puede expresar como combinación lineal de ellos en función de los escalares α y β
como sigue
(-2, 1) = α (1, 0) + β (0, 1) (A)
De donde resulta
  2

  1

Reemplazando los valores obtenidos para α y β en (A) se tiene:

28
 (-2, 1) = (-2). (1, 0) + 1. (0, 1)
Luego, aplicando la función T a ambos miembros de la igualdad, resulta:

T(-2, 1) = (-2). T(1, 0) + 1. T(0, 1)

T(-2, 1) = (-2). (1, 1) + 1. (-1, 1)
T(-2, 1) = (-2, -2) + (-1, 1)
T(-2, 1) = (-2 – 1, -2 + 1)
T(-2, 1) = (-3, -1)
Por consiguiente, se concluye que
T(-2, 1) = (-3, -1)

………………………………………………………………………………………………………………………………………………

9) Sea T una aplicación lineal de M2x2 en M2x2 tal que

𝟏 𝟎 𝟏 −𝟏 𝟎 𝟏 𝟎 𝟐 𝟎 𝟎 𝟏 𝟐
𝑻 = ; 𝑻 = ; 𝑻 = ;
𝟎 𝟎 𝟎 𝟐 𝟎 𝟎 𝟏 𝟏 𝟏 𝟎 𝟎 𝟏

𝟎 𝟎 𝟑 −𝟏
𝑻 = .
𝟎 𝟏 𝟏 𝟎

𝟏 𝟑
Halle 𝑻 .
−𝟏 𝟒

Solución

1 3
Se escribe el vector como combinación lineal en función de los vectores de la base
−1 4

de M2x2:

1 3 1 0 0 1 0 0 0 0
= 𝛼. + 𝛽. + 𝛾. + 𝛿. (A)
−1 4 0 0 0 0 1 0 0 1

Resulta:

𝛼 = 1, 𝛽 = 3, 𝛾 = −1, 𝛿=4

Reemplazando los valores obtenidos en (A) se tiene:

1 3 1 0 0 1 0 0 0 0
= 1. + 3. + (−1). + 4.
−1 4 0 0 0 0 1 0 0 1

29
Se aplica la función T a ambos miembros de la igualdad:

1 3 1 0 0 1 0 0 0 0
𝑇 = 1. 𝑇 + 3. 𝑇 + (−1). 𝑇 + 4. 𝑇
−1 4 0 0 0 0 1 0 0 1

1 3 1 −1 0 2 1 2 3 −1
𝑇 = 1. + 3. + (−1). + 4.
−1 4 0 2 1 1 0 1 1 0

1 3 1 −1 0 6 −1 −2 12 −4
𝑇 = + + +
−1 4 0 2 3 3 0 −1 4 0

1 3 12 −1
𝑇 =
−1 4 7 4

Luego, se concluye que

𝟏 𝟑 𝟏𝟐 −𝟏
𝑻 =
−𝟏 𝟒 𝟕 𝟒

………………………………………………………………………………………………………………………………………………

10) La “casa” que se muestra en la figura, se construyó a partir de los pares ordenados
(0, 0); (4, 0); (4, 1); (2, 6) (0, 1); (0, 0) por medio de los segmentos de recta 𝑨𝑩, 𝑩𝑪, 𝑪𝑫,
𝑫𝑬, 𝑬𝑨

30
a) Arme una matriz S y calcule la transformación lineal de esta figura siendo 𝑇(𝑆) = 𝐴. 𝑆,
2 −2
donde A= . Represente gráficamente.
2 −2

Solución
a) Con el fin de encontrar simultáneamente los transformados de los puntos del plano que
se corresponden con los vértices de la “casa” se ordenan en columnas los pares
ordenados dados en una matriz S.
0 4 4 2 0 0
S=
0 0 1 6 1 0
Para obtener las imágenes por definición de la transformación lineal 𝑇(𝑆) = 𝐴. 𝑆, se tiene

2 −2 0 4 4 2 0 0
𝑇(𝑆) = .
2 −2 0 0 1 6 1 0

0 8 6 −8 −2 0
𝑇(𝑆) =
0 8 6 −8 −2 0

La nueva representación se obtiene a partir de unir los segmentos de recta de los puntos del
plano (0, 0); (8, 8); (6, 6); (-8, -8); (-2, -2); (0, 0) obtenidos como imagen.

31
Luego se observa que la transformación geométrica de la figura inicial es una recta que pasa
por el origen.

11) El “avión de combate” que se muestra en la figura se construyó conectando el

conjunto de puntos dados por medio de segmentos de rectas
{(𝟏, 𝟎); (𝟏, 𝟐); (𝟑, 𝟐), (𝟏, 𝟑); (𝟎, 𝟔); (−𝟏, 𝟑); (−𝟑, 𝟐); (−𝟏, 𝟐); (−𝟏, 𝟎); (𝟏, 𝟎)}

Determine la transformación lineal que, aplicada al “avión de combate”, produce la imagen

que se muestra en la siguiente figura

Solución

Para hallar la ley de transformación, sabiendo que por definición de transformación

matricial, 𝑇(𝑆) = 𝐴. 𝑆, es necesario encontrar la matriz A.

32
Según se puede observar la transformación es una TL en el plano, es decir, definida de
ℝ 𝑒𝑛 ℝ .
Es posible hallar cualquier vector del dominio como combinación lineal de los vectores de
una base, por lo tanto, al trabajar sobre el espacio vectorial ℝ , se consideran dos vectores
linealmente independientes de forma arbitraria, en este caso, pueden ser (-1, 0) y (0, 6).
La combinación lineal de los vectores de una base del dominio, permite hallar cualquier
vector perteneciente al mismo. Es decir,

𝛼. (−1,0) + 𝛽. (0,6) = (𝑥, 𝑦) (1)

A partir de la combinación lineal, es posible obtener 𝛼 𝑦 𝛽

𝛼 = −𝑥

1
𝛽= 𝑦
6

Aplicando el transformado en ambos miembros de (1) tenemos:

𝛼. 𝑇(−1,0) + 𝛽. 𝑇(0,6) = 𝑇(𝑥, 𝑦) (2)

Se observa que el transformado de cada uno de los vectores de la base es

𝑇(−1, 0) = (0, −1)

𝑇(0,6) = (−6,0)

Si se reemplazan los valores 𝛼, 𝛽 y los transformados de los vectores en la ecuación (2), se

tiene

1
−𝑥. (0, −1) + 𝑦. (−6,0) = 𝑇(𝑥, 𝑦)
6

𝑥 −0𝑥 − 6. 𝑦 −𝑦
Es decir, 𝑇( 𝑦 ) = =
−1. (−𝑥) + 0. 𝑦 𝑥

Finalmente, la ley de transformación en forma cartesiana es

𝑇: ℝ𝟐 → ℝ𝟐 /𝑇(𝑥, 𝑦) = (−𝑦, 𝑥)

Se observa que es una transformación de rotación en sentido antihorario de ángulo Ɵ= 90°.

33