CAPTULO 4

Transformaciones lineales
En este captulo estudiamos las primeras propiedades de las transformaciones lineales
entre espacios vectoriales.
1.

Construcciones de transformaciones lineales

Lema 4.1. Sean V y W espacios vectoriales y sea X V un subconjunto arbitrario.

(1) Si T, S : V W son transformaciones lineales, tales que T |X = S|X , entonces
ThXi = ShXi .
(2) Si X es un conjunto linealmente independiente, dada una funcion arbitraria f : X
W , existe una y una sola transformaci
on lineal Tf : hXi W tal que Tf |X = f .
n. (1) Si v hXi, existen escalares
Demostracio
a1 , . . .P
, an k y vectores
P
P
P x1 . . . , x n
X tales que
v
=
a
x
.
Luego
T
(v)
=
T
a
x
=
a
T
(x
)
=
i
i i i
i i i
i i
i ai S(xi ) =

P
S
i ai xi = S(v).
(2) Primero recordamosP
que si 0 6= v hXi existe una u
nica descomposicion de v en una
combinacion lineal v = i ai xi , con {x1 , . . . , xn } X y {a1 , . . . , an } escalares no nulos.
P Definimos Tf dando su valor para cada vector v V , mediante la formula Tf (v) =
ai f (xi ). Observemos que esta definicion tiene sentido por unicidad de la descomposicion de v en combinaci
elementos de X. Dado otro vector v 0 V lo representaPm o0 n0 lineal de
0
0
mos como v = i=1 ai xi , con ai k y x0i X. Es claro que podemos suponer, eventual0
0
mente agregando escalares nulos, que {x
P1 , . . . , xn } 0= {x1 , . . . , xm }. Si a, b 0 k son
Pescala0
res arbitrarios,
tenemos
que
av
+bv
=
(aa
+ba
)x
,
de
donde
T
(av
+bv
)
=
f
i i
iP i
i (aai +
P
P 0
0
0
bai )f (xi ) = i (aai f (xi ) + bai f (xi )) = a i ai f (xi ) + b i ai f (xi )) = aTf (v) + bTf (v 0 ).
Luego, la funcion Tf : hXi W es una transformacion lineal. Es claro que si x X,
entonces Tf (x) = f (x) por la propia definicion de Tf . Ademas Tf : hXi W es u
nica
como consecuencia de la primera parte de este teorema.

La relacion entre f : X W y Tf : hXi W se puede visualizar en el siguiente

diagrama.
XC
CC
CC
C
CC

/W
{=
{
{{
{{T
{
f
{

hXi
donde : X , hXi es simplemente la funcion inclusion.
Las propiedades anteriores se pueden entender de la siguiente manera: la propiedad
(1) dice que una transformacion lineal queda determinada por los valores que toma sobre
35

36

4. TRANSFORMACIONES LINEALES

un conjunto generador, la propiedad (2) dice que si ademas ese conjunto generador es
independiente, para definir la transformacion lineal basta hacerlo sobre los generadores.
Ejemplos 4.2. (1) Si consideramos k[X], el espacio vectorial de los polinomios de
una variable y definimos la siguiente funcion f : {1, X, X 2 , . . . } k[X] dada por
f (X n ) = nX n1 , entonces la transformacion lineal asociada Tf : k[X] k[X] es la
derivada D ver Ejemplo 2.2.38 (6).
(2) El espacio R3 esta generado por el conjunto linealmente dependiente

(1, 0, 0), (1, 1, 0), (0, 1, 2), (1, 1, 1) .

En este caso no podemos definir arbitrariamente una transformacion lineal dando sus
valores en los generadores. Por ejemplo, si tratamos de definir T : R3 R por T (1, 0, 0) =
T (1, 1, 0) = T (0, 1, 2) = T (1, 1, 1) = 1, tenemos por un lado que
T (2, 2, 2) = 2T (1, 1, 1) =
2 y por otro que T (2, 2, 2) = T (1, 0, 0) + (1, 1, 0) + (0, 1, 2) = 3.
En otras palabras, la relacion dependencia no trivial (1, 0, 0) + (1, 1, 0) + (0, 1, 2)
2(1, 1, 1) = 0 impone la relacion entre los valores de T en los generadores: T (1, 0, 0) +
T (1, 1, 0) + T (0, 1, 2) 2T (1, 1, 1) = 0
n 4.3. Sea V es un espacio vectorial que admite una descomposicion en
Definicio
L
suma directa V = iI Vi , donde {Vi : i I} es una familia de subespacios de V . Se
definen las familias de transformaciones
P lineales {i : Vi V : i I} y {i : V Vi :
i I} como sigue: i (vi ) = vi ; y i
j vj = vi . Esas familias se llaman respectivamente
las inclusiones y las proyecciones can
onicas en la suma directa.
Lema 4.4. (1) Si V = V1 V2 , entonces las inclusiones y proyecciones can
onicas
verifican: 1 1 = idV1 , 2 2 = idV2 , 1 2 = 0, 2 1 = 0, 1 1 + 2 2 = idV .
(2) En la situacion anterior, si W es un espacio vectorial cualquiera y T1 : W V1
y T2 : W V2 son transformaciones lineales, existe una u
nica transformaci
on lineal
T : W V que verifica 1 T = T1 y 2 T = T2 . Esa situacion es ilustrada en el
siguiente diagrama:
W HH
v
HH T2
v
HH
vv
HH
vv T
v
HH
v
v

{v
#
V1 o 1 V1 V2 2 / V2
T1

L
(3) Si V = iI Vi para una familia arbitraria de subespacios, W es un espacio vectorial
cualquiera y {Ti : Vi W : i I} es una familia de transformaciones lineales entonces
existe una u
nica transformaci
on lineal T : V W de modo que T i = Ti para todo
i I. Esta situacion es ilustrada en el siguiente diagrama:
WO cG
GG
GGTi
GG
T
GG
G
L
o
V
i
iI
i V i
n. (1) La verificacion de esta propiedad es inmediata.
Demostracio
(2) Definimos T : W V como T (w) = T1 (w) + T2 (w). Como T es la suma de transformaciones lineales es una transformacion lineal y la unicidad es consecuencia del hecho
de que V1 y V2 generan V .


2. TRANSFORMACIONES LINEALES Y DIMENSION

37

(3)
Ti (vi ). Esta definicion tiene sentido pues en la expresion
i vi =
P Se define T
v
est
a
n
involucrados
tan
s
olo un n
umero finito de vectores no nulos. La verificacion
i i
de las restantes propiedades es inmediata.

n 4.5. Si V es un espacio vectorial cualquiera, una transformacion lineal

Definicio
p : V V se dice que es una proyecci
on si p2 = p, donde p2 = p p : V V . Un
endomorfismo S : V V que verifica que S 2 = IdV se dice que es una involuci
on.
Lema 4.6. Supongamos que V es un espacio vectorial cualquiera y que p : V V
es una proyecci
on. Entonces V = N(p) Im(p). Recprocamente, si V = N I es
una descomposici
on de V como suma directa de dos subespacios, existe una proyecci
on
p : V V tal que N = N(p) e I = Im(p).
n. Primero observamos que N(p) Im(p) = {0}. Si v N(p) Im(p)
Demostracio
entonces, p(v) = 0 y ademas existe w V tal que v = p(w). En ese caso 0 = p(v) =
p2 (w) = p(w) = v. En definitiva hemos probado que N(p)Im(p) = {0}. Por otro lado, si
escribimos v= v p(v)+p(v)
es claro que v p(v) N(p) y es evidente que p(v) Im(p).

En efecto, p v p(v) = p(v) p2 (v) = p(v) p(v) = 0.

En cuanto al recproco, si aplicamos el Lema 4.4 al caso en que V = N I, para
las transformaciones lineales 0 : N V y : I V , construmos una transformacion
lineal T : V V que simplemente es T (n + i) = i. De ah se deduce inmediatamente
que T 2 = T y las restantes propiedades requeridas.

Corolario 4.7. Supongamos que V = V1 Vn . Existe una familia

P finita de
proyecciones pi : V V , i = 1, . . . , n tales que: (1) pi pj = 0 si i 6= j, (2) i pi = idV ,
(3) Im(pi ) = Vi .
Recprocamente, si existen proyecciones pi : L
V V , i = 1, . . . , n, que verifican las
condiciones (1),(2),(3) de arriba, entonces V = i Im(pi ).
n. Ver ejercicio ??
Demostracio
2.

Transformaciones lineales y dimensi

on

La existencia de cierto tipos de funciones entre conjuntos establece restricciones entre

sus cardinales, por ejemplo si existe una funcion inyectiva f : X [n] el conjunto X
no puede tener mas de n elementos. Situaciones analogas suceden en la categora de los
espacios vectoriales donde la existencia de transformaciones lineales inyectivas implica
restricciones sobre la dimension de los espacios veremos enseguida que no puede haber
una transformacion lineal inyectiva entre f : kn+1 kn .
Lema 4.8. Sean V y W espacios vectoriales y T : V W una transformaci
on lineal.
(1) Si T es inyectiva e I es un subconjunto linealmente independiente en V , entonces
T (I) es un subconjunto linealmente independiente de W .
(2) Si T es sobreyectiva y G es un conjunto generador de V , entonces T (G) es un
conjunto generador de W .
(3) Si T es un isomorfismo y B es una base de V , entonces T (B) es una base de W .
(4) Si B es una base de V y se verifica: a) la funcion T |B : B W es inyectiva; b) el
conjunto T (B) es linealmente independiente, entonces T es inyectiva.

38

4. TRANSFORMACIONES LINEALES

n. (1) Supongamos que nos damos una relacion de dependencia en

Demostracio
T
P deI, {x1 , . . . , xn } de modo que
P(I), o sea que existen escalares {a1 , . . . , an } y vectores
ai T (xi ) = 0. P
Como T es lineal, tenemos que T
i ai xi = 0 y como T es inyectiva
deducimos que i ai xi = 0. Como los elementos xi I, y el conjunto I es linealmente
independiente, conclumos que a1 = a2 = = an = 0.
(2) Sea w W un vector arbitrario de W . Como T es sobreyectiva existe un vector
v V tal que w = T (v). ComoPG genera V existen escalaresP
{a1 , . . . , anP
} y vectores de
G, {x1 , . . . , xn } tales que v =
ai xi . Luego, w = T (v) = T
ai xi =
ai T (xi ), y el
vector w se escribe como combinacion lineal de elementos de T (G).
(3) Esta propiedad se deduce inmediatamente de las anteriores.
(4) Supongamos
que un cierto vector v V es tal que T (v) = 0. En ese caso si escribimos
P
v=
ai xi en teP
rminos de la base B, i.e., xi B para todo i, de la igualdad T (v) = 0
deducimos que
ai T (xi ) = 0. Los vectores T (xi ) T (B) son diferentes, luego por
hipotesis conclumos que ai = 0 para todo i, de donde v = 0.

Corolario 4.9. Sean V y W dos espacios vectoriales, y sean B y C bases de V y

W respectivamente. Entonces existe un isomorfismo entre V y W si y solo si existe una
funcion biyectiva entre B y C. En el caso particular de que V y W tengan dimension
finita, si existe un isomorfismo entre V y W entonces V y W tienen la misma dimension.
n. De acuerdo con el Lema 4.1, si f : B C W es una funcion,
Demostracio
existe una y solo una transformacion lineal Tf : V W que restringida a B nos da
exactamente la funcion f . Si la funcion original f es sobreyectiva, i.e., si f (B) = C
entonces Tf (B) = C lo que evidentemente implica que Tf (V ) = W . Como aplicacion
directa del lema anterior parte (4) conclumos que Tf es inyectiva. El recproco que
usa teora de cardinales infinitos es verdadero pero lo probaremos solo en el caso de
espacios vectoriales de dimension finita. Sean V y W isomorfos y de dimension finita.
Solo debemos probar que V y W tienen la misma dimension. Si B es una base de V
entonces T (B) es linealmente independiente y genera ver el lema anterior partes (1) y
(2), luego T (B) es una base de W , luego como B y T (B) tienen el mismo n
umero de
elementos (por ser T biyectiva) V y W tienen la misma dimension.

n 4.10. Si {Vi : i I} es una familia de espacios vectoriales, se define la

Definicio
L
suma directa externa de la familia y se denota como iI Vi , de la siguiente manera:
M

Vi = (vi )iI : vi = 0 excepto para un n

umero finito de ndices .
iI

L
La suma y el producto por un escalar que le dan a
iI Vi una estructura de espacio
vectorial se definen punto a punto, i.e. (vi )iI + (vi0 )iI = (vi + vi0 )iI , y si a k entonces
a(vi )iI = (avi )iI . En el caso particularLque todos los Vi son iguales (a un cierto espacio
vectorial que llamamos V ), escribimos iI V .
Lema

L 4.11. (1) Sea {Vi : i I} una familia de espacios vectoriales y llamemos

V = i Vi . Sea
j

I
y
supongamos
que
W

V
denota
el
subconjunto
W
=
(vi )i :
j
j

vi = 0 si i 6= j . Entonces los conjuntos Wj , j I, son subespacios de V isomorfos al

correspondiente Vj ,L
y tales que su suma es directa (en el sentido del Captulo 2) e igual
a V , es decir V = iI Wi (suma directa de subespacios).

3. FUNCIONALES LINEALES, ESPACIO DUAL

(2) Si V es un espacio vectorial e I un conjunto de ndices finito entonces

isomorfo con V I (ver Ejemplo 2.2.7).

39

L
iI

V es

n. (1) Es claro que Wi es un subespacio de V y tambien que cada uno

Demostracio
de los Wi es isomorfo con el Vi correspondiente. Ademas, cada elemento de V se escribe
como suma de elementos de los Wi y ademas los Wi son linealmente disjuntos.
L
I
(2) Definimos
una transformacion lineal :
de la siguiente
iI V V

forma:
(vi )iI es la funcion de I en V que manda i en vi , en otras palabras (vi )iI (i) = vi .
L
Para producir la funcion inversa de procedemos como sigue : V I iI V esta dada de la siguiente manera: si f : I V , se define (f ) = f (i) iI . Es inmediato verificar
que es una transformacion lineal y que y son inversas una de la otra.

Corolario 4.12. Si V es unespacio vectorial de dimension d e I es un conjunto

finito cualquiera entonces dim V I = |I|d.
n 4.13. (1) La propiedad de que una transformacion lineal de un espacio
Observacio
V en otro espacio W queda determinada por los valores que toma sobre una base, se puede
expresar de la siguiente forma. Si B es una base de V la funci
on : V B Hom(V, W ),
(f ) = Tf (ver la prueba del Lema 4.1) es un isomorfismo. Por otro lado V B tiene, de
acuerdo a lo observado en el Captulo 3, una estructura de espacio vectorial y con respecto
a esa estructura es una transformacion lineal como se observa inmediatamente. Luego
es un isomorfismo y ambos espacios tendran la misma dimension, en caso
de ser finita.

Si V y W tienen dimension finita, de lo anterior se deduce que dim Hom(V, W ) =

dim(V ) dim(W ). En efecto, sabemos que Hom(V, W )
= W B si B es una base de V y
este espacio de acuerdo a lo demostrado antes tiene dimension |B| dim(W ).
Lema 4.14. La transformaci
on lineal Mnm Hom(kn , km ) dada por A 7 LA es
un isomorfismo.
n. De acuerdo con la discusion anterior podemos identificar al espacio
Demostracio
n
vectorial Hom(k , km ) con el espacio vectorial de las funciones (km )[n] , que de acuerdo
con lo observado tiene dimension nm. Por otro lado una funcion de (km )[n] se puede
pensar como una funcion k [nm] como se puede verificar directamente. De esta forma
construimos la inversa del mapa A 7 LA .

3.

Funcionales lineales, espacio dual

Como dijimos anteriormente las transformaciones lineales f : V k se llaman

funcionales lineales. En el siguiente lema hacemos una lista de las propiedades de las
funcionales lineales.
Lema 4.15. Sea V un espacio vectorial y f : V k una funcional lineal.
(1) Si f 6= 0 entonces f es sobreyectiva.
(2) Si f 6= 0 entonces para todo vector v V tal que f (v) 6= 0 se verifica que V =
N(f ) hvi.
(3) Si V = W hvi para W subespacio y 0 6= v V , entonces existe una funcional lineal
y una sola f : V k tal que W = N(f ) y f (v) = 1.

40

4. TRANSFORMACIONES LINEALES

n. (1) Si existe v V tal que f (v) = a 6= 0, entonces si b k entonces

Demostracio
f (bv/a) = b lo que implica que f es sobreyectiva.
(2) Sea f 6= 0 y v tal que f (v) = a 6= 0. En ese caso si tomamos un vector w V
arbitrario, la igualdad w = w f (w)v/a + f (w)v/a nos da una descomposicion de un
vector arbitrario de V como suma de un m
ultiple de v y un vector que esta en el n
ucleo
de f . Por otro lado si un vector w N(f ) hvi, tendramos que w = bv para alg
un b k.
Luego 0 = f (w) = bf (v) = ba. Como a 6= 0 concluimos que b = 0. Luego w = 0 y la
suma es directa.
(3) Consideremos la transformacion lineal que esta definida de acuerdo con la propiedad
universal de la suma directa tomando 0 : W k y bv 7 a : hvi k. En ese caso
f (w + bv) = b y eso garantiza que f verifica las propiedades requeridas.

n 4.16. Si V es un espacio vectorial de dimension finita y {e1 , . . . , en }

Observacio
es una base de V , usando la propiedad que asegura que una transformacion lineal queda
determinada por los valores que toma en una base, definimos una familia de transformaciones lineales {e1 , . . . , en } mediante la siguiente regla, ej (ei ) = 1 si i = j y ej (ei ) = 0 si
i 6= j.
Lema 4.17. En la situacion anterior, {e1 , . . . , en } es una base de V .
n. Como la dimension de V es la misma que la de V y los vectores
Demostracio
{e1 , . . . , en } son tantos como la dimension de V basta probar que ellos son linealmente
independientes. En efecto, si 0 = a1 e1 + + an en evaluando la expresion de arriba
en ej obtenemos 0 = 0(ej ) = a1 e1 (ej ) + + aj ej (ej ) + + an en (ej ) = aj . Como la
igualdad anterior vale para todo j = 1, . . . , n deducimos que las funcionales {e1 , . . . , en }
son linealmente independientes.

n 4.18. Si B = {e1 , . . . , en } es una base del espacio V , la base {e1 , . . . , en }

Definicio
se denota como B y se llama la base dual de B.
Lema 4.19. La base {e1 , . . . , en } tiene las siguientes propiedades.
P
(1) Si v V entonces v = ni=1 ei (v)ei .
P
(2) Si f V entonces f = ni=1 f (ei )ei .
P
n. (1) Si escribimos v = ni=1 ai ei y evaluamos ej en ambos miembros
Demostracio
P
de la igualdad obtenemos ej (v) = i ai ej (ei ) = aj .
(2) La demostracion de esta parte es semejante a la anterior.