Agustín Ocampo

Álgebra Lineal

Aplicación lineal
Una transformación lineal es un conjunto de operaciones que se realizan sobre un
elemento de un sub espacio, para transformarlo en un elemento de otro sub-espacio. En
ocasiones trabajar con vectores es muy sencillo ya que pueden ser fácilmente
interpretados dentro de un contexto gráfico, lamentablemente no siempre ocurre y es
necesario transformar a los vectores para poderlos trabajar más fácilmente. Por otra
parte, trabajar con sistemas lineales es mucho más sencillo que con sistemas no lineales,
ya que se puede utilizar una técnica llamada superposición, la cual simplifica de gran
manera gran variedad de cálculos, por lo que es de gran interés demostrar que un
proceso puede ser reducido a un sistema lineal, lo cual solo puede lograrse demostrando
que estas operaciones forman una transformación lineal.

Codominio.

Se denomina transformación lineal, función lineal o aplicación lineal a toda

aplicación cuyo dominio y codominio sean espacios vectoriales que cumpla la siguiente
definición:

Sean V y W espacios vectoriales sobre el mismo cuerpo o campo K, y T una función de

V en W. T es una transformación lineal si para todo par de vectores u y v pertenecientes
a V y para todo escalar k perteneciente a K, se satisface que:

1.
2. donde k es un escalar.

La particularidad de una transformación lineal es que preserva las operaciones de suma

de vectores y producto de un escalar por un vector.

Algunas transformaciones lineales

(Aclaración: Ov es el vector nulo del dominio y Ow es el vector nulo del codominio)

1
 Agustín Ocampo
Transformación lineal nula

Transformación lineal identidad

Homotecias

con
Si |k| > 1 se denominan dilataciones
Si |k| < 1 se denominan contracciones

Propiedades de las transformaciones lineales

1. SO

Núcleo (kernel) e imagen

Si es lineal, se define el núcleo y la imagen de T de la siguiente manera:

Es decir que el núcleo de una transformación lineal está formado por el conjunto de
todos los vectores del dominio que tienen por imagen al vector nulo del codominio.

El núcleo de toda transformación lineal es un subespacio del dominio:

1. dado que
2. Dados

3. Dados

Se denomina nulidad a la dimensión del núcleo. Nulidad(T) = dim(ker(T))

O sea que la imagen de una transformación lineal está formada por el conjunto de todos
los vectores del codominio que son imágenes de al menos algún vector del dominio.

• La imagen de toda transformación lineal es un subespacio del codominio.

2
 Agustín Ocampo
• El rango de una transformación lineal es la dimensión de la imagen.

rg(T) = dim(Im(T))

Teorema de las dimensiones

dim(ker(V)) + dim(Im(V)) = dim(V)

Demostración: Tomando los espacios isomorfos muy conocidos, V / ker(T) y Im(T) (la
demostración que son isomorfos, es trivial), se sabe que sus dimensiones son iguales.
Por definición, la dimensión de V / ker(T) es: dim(V / ker(T)) = dim(V) − dim(ker(T))
Pero como V / ker(T) y Im(T) son isomorfos, entonces dim(ker(T)) = dim(Im(T))
reemplazando, queda: dim(Im(T)) = dim(V) − dim(ker(T)),dim(Im(T)) + dim(ker(T)) =
dim(V)

Clasificación de las transformaciones lineales

1. Monomorfismo: Si es inyectiva, o sea si el único elemento del

núcleo es el vector nulo.
2. Epimorfismo: Si es sobreyectiva (exhaustiva).
3. Isomorfismo: Si es biyectiva (inyectiva y exhaustiva).

Matriz asociada a una transformación lineal

• Sea una transformación lineal es posible encontrar una matriz

asociada a una transformación lineal

Desarrollo:

Si V y W son espacios de dimensión finita, y se eligen bases en estos espacios, entonces

toda transformación lineal de V a W puede ser representada como una matriz. Por otro
lado, toda matriz real m por n determina una transformación lineal de esta forma f(x) =
Ax

Sea una base de V. Entonces todo vector v en V está determinado de

manera única por los coefientes en : Si f : V → W es
una transformación lineal,

Lo cual implica que está completamente determinada por los valores

Ahora es una base de W. Se puede representar cada f(vj) como

3
 Agustín Ocampo

Entonces la función f está enteramente determinada por los valores ai,j.. Si se trata de
transformaciones de generalmente se usa la base canónica.

Si se cambian las bases, entonces la matriz será distinta, pero representará la misma
transformación lineal.

Ejercicios #1 de transformaciones lineales (problemas 5.1)

Respuestas ejercicios #1 de transformaciones lineales (problemas

5.1)

4
 Agustín Ocampo

Ejercicios #2 de transformaciones lineales (problemas 5.2)

En los siguientes problemas encuentre el núcleo, la imagen, la nulidad y rango de la
transformación lineal dada

Respuestas de ejercicios #2 de transformaciones lineales

(problemas 5.2)
5
 Agustín Ocampo

Ejercicios #3 de transformaciones lineales (problemas 5.3)

En los siguientes problemas encuentre núcleo, imagen, nulidad, rango y la
representación matricial At de la transformación lineal dada.

6
 Agustín Ocampo

Respuestas de ejercicios #3 de transformaciones lineales

(problemas 5.3)

7
 Agustín Ocampo

Vector propio y valor propio

VALORES Y VECTORES CARACTERÍSTICOS

8
 Agustín Ocampo

Ejercicios #1 de valores y vectores característicos

− 2 −2
1. Para la matriz  
−5 1 

a) Obtener los valores característicos
b) Obtener un vector característico correspondiente a cada valor característico

− 3 2 
5. Para la matriz  
 0 −3

a) Obtener los valores característicos
b) Obtener un vector característico correspondiente a cada valor característico

1 −1 0 
 
7. Para la matriz −1 2 −1
0 −1 1 
 
a) Obtener los valores característicos
b) Obtener un vector característico correspondiente a cada valor característico

5 4 2
 
9. Para la matriz 4 5 2
2 2 2
 
a) Obtener los valores característicos
b) Obtener un vector característico correspondiente a cada valor característico

RESPUESTAS:

1  2 
1. λ1 = −4 , v1 =  ; λ2 = 3 , v2 = 
1 − 5 

   

9
 Agustín Ocampo

1 
5.
λ1 = λ2 = −3
, v1
=v =
0 
 

2

1 −1  1 
     
λ = 0 , v1 =1; λ2 = 1 , v2 =  0 ; λ3 = 3 , v3 = − 2 
7. 1
1 1   1 
     

 1   0  2 
     
9. λ1 = 1 , v1 =  0  ; λ2 = 1 , v2 =  1  ; λ3 = 10 , v3 = 2 
− 2  − 2  1 
     

10