Transformaciones Lineales

Dado dos espacios vectoriales U y V sobre el campo escalar F de…nimos una transfor-
mación lineal como sigue

De…nición 0.1. Si T es una aplicación entre U y W

T :U !W

tal que

1. (a) T (u + v) = T (u) + T (v) para todo u; v 2 U

(b) T ( u) = T (u) para todo u 2 U; 2F

decimos que T es una transformación lineal

Ejemplo 0.1. Sea T la aplicación de…nida por

0 1
x !
B C x+y
T@ y A=
y+z
z

Vamos a ver si es una aplicación lineal

Primero: identi…quemos los espacios vectoriales U y W

U = R3 W = R2

entonces tenemos que

T : R3 ! R2

para probar el item (a) tomamos dos vectores en U = R3

0 1 0 1
x1 x2
B C B C
u = @ y1 A v = @ y2 A
z1 z2

1
entonces 0 1
x 1 + x2
B C
u + v = @ y1 + y2 A
z1 + z2
luego aplicamos T al vector u + v
0 1
x1 + x2 !
B C x1 + x2 + y1 + y2
T (u + v) = T @ y1 + y2 A =
y1 + y2 + z1 + z2
z1 + z2

ordenando adecuadamente el ultimo vector

! ! !
x1 + y 1 + x2 + y 2 x1 + y1 x2 + y 2
T (u + v) = = +
y1 + z1 + y2 + +z2 y1 + z1 y2 + +z2
= T (u) + T (v)

ahora para probar el item (b) consideramos 2 F = R y u 2 U = R3 ; luego

0 1 0 1
x1 x1
B C B C
u= @ y1 A = @ y1 A
z1 z1

Ahora aplicamos T al vector u

0 1
x1 ! !
B C x 1 + y 1 (x1 + y1 )
T ( u) = T @ y1 A = =
y1 + z1 (y1 + z1 )
z1
!
x1 + y 1
= = T (u)
y1 + z1

por tanto T es una transformación lineal

Ejemplo 0.2 (Transformación nula). Sean U y W dos espacios vectoriales y T : U !

W de…nida por
T (u) = 0 para todo u 2 U

Observación 0.1. 0 denota el vector nulo de W

Ejemplo 0.3. Sea U = R3 ; W = 0M221entonces la transformación nula T : U ! W;

x
B C
implica que para todo vector u = @ y A la transformación T lo lleva a la matriz nula,
z

2
esto es 0 1
x !
B C 0 0
T@ y A=
0 0
z
Un ejemplo de una transformación lineal poco usual es el siguiente
Ejemplo 0.4. Sea T : C [0; 1] ! R; de…nida por
Z 1
T (f ) = f (x) dx
0

entonces T es una transformación lineal

Aqui los espacios vectoriales son U = C [0; 1] y V = R entonces para probar el item
(a) tomamos dos vectores f; g 2 U; dos funciones continuas en el intervalo [0; 1] ; luego
Z 1
T (f + g) = (f + g) (x) dx
0
Z 1 Z 1
T (f + g) = f (x) dx + g (x) dx
0 0
T (f + g) = T (f ) + T (g)

para probar el item (b) tomamos un escalar 2 F = R entonces aplicamos T al vector

f 2U
Z 1 Z 1
T ( f) = ( f ) (x) dx = (f (x)) dx
0 0
Z 1
T ( f) = f (x) dx = T (f )
0

con lo cual queda probado que T es una transformación lineal.

Enunciaremos a continuación dos teoremas que
Teorema 0.1. Sea T : U ! W una transformación lineal. Entonces para todos los
vectores u; v; v1 ; v2 ; ; vr 2 U y para todos los escalares 1 ; 2 ; ; r se tiene:

1. T (0) = 0

2. T (u v) = T (u) T (v)

3. T ( 1 v1 + 2 v2 + + r vr ) = 1T (v1 ) + 2T (v2 ) + + rT (vr )

Teorema 0.2 (Unicidad de la transformación). Sean U; W dos espacios vectoriales

de…nidos sobre el campo escalar F = R; y dos transformaciones lineales T1 ; T2 de U en
W , esto es
T1 : U ! W T2 : U ! W

3
Ademas B = fu1 ; u2 ; ; un g una base del espacio vectorial U y w1 ; w2 ; ; wn vectores
cualesquiera en W; tales que

T1 (ui ) = T2 (ui ) = wi ; para i = 1; 2; ;n

entonces
T1 = T2

Este teorema es muy útil, pues nos dice que si tenemos una base de U (espacio de
diemnsión …nita) y conocemos T (U ), entonces podemos determinar T (v) ; v 2 U; es
mas podemos determinar cual es la regla de correspondencia de T si es necesario.

Ejemplo 0.5. Sea T : P2 ! P1 y B = f1; x; x + x2 g una base de P2 si

T (1) = 0
T (x) = 1
T x + x2 = 2x + 1

determinar T (3 + 2x + x2 ) :
Lo primero que debemos notar es que como B es base de P2 entonces

3 + 2x + x2 es una combinación lineal de los elementos de B

esto es existen escalares únicos 1; 2; 3 2 F = R tal que

3 + 3x + x2 = 1 (1) + 2 (x) + 3 x + x2

luego
3 + 3x + x2 = 1 +( 2 + 3) x + 3x
2

entonces deducimos que

1 = 3; 3 = 1; 2 =2

luego
3 + 3x + x2 = 3 (1) + 2 (x) + 1 x + x2

4
aplicamos la transformación lineal

T 3 + 3x + x2 = T 3 (1) + 2 (x) + 1 x + x2
T 3 + 3x + x2 = 3T (1) + 2T (x) + 1T x + x2
T 3 + 3x + x2 = 3 (0) + 2 (1) + 1 (1 + 2x)
T 3 + 3x + x2 = 3 + 2x

ahora tambien podemos deducir la regla de correspondencia de esta transformación, si

tomamos un vector arbitrario v = a + bx + cx2 2 U; luego existen escalares únicos
1 ; 2 ; 3 2 F = R tal que

a + bx + cx2 = 1 (1) + 2 (x) + 3 x + x2

luego
a + bx + cx2 = 1 +( 2 + 3) x + 3x
2

de aqui deducimos que

1 = a; 3 = c; 2 =b c

entonces

T a + bx + cx2 = T a (1) + (b c) (x) + c x + x2

T a + bx + cx2 = aT (1) + (b c) T (x) + cT x + x2
T a + bx + cx2 = a (0) + (b c) (1) + c (1 + 2x)
T a + bx + cx2 = b + 2cx

Teorema 0.3. Sea U un espacio vectorial de dimensión …nita con base

B = fu1 ; u2 ; ; un g

Sea W un espacio vectorial tal que S W; donde S es el conjunto de vectores

S = fw1 ; w2 ; ; wn g

Entonces existe una transformación lineal única

T : U !W tal que
T (ui ) = wi para todo i = 1 : n

5
Observación 0.2 (Aplicación del Teorema). Encuentrese una transformación lineal
de R2 en el plano 80 1 9
>
< x >
=
B C
H = @ y A : 2x y + 3z = 0
>
: >
;
z
Sea T : U ! W la transformación lineal pedida.
primero que nada identi…quemos los espacios vectoriales

U = R2 W =H

entonces
T : R2 ! H

Ahora una base B de R2 ; podemos tomarla como

( ! !)
1 0
B= ;
0 1

Ahora el conjunto S debemos elegirla de tal modo que la transformación genere todo el
espacio H; esto es
H = span (S)

para ello es su…ciente elegir S como una base de H, ahora una base de H es dada por
80 1 0 1 9
>
< 1 0 > =
B C B C
S = @ 2 A;@ 3 A
>
: >
;
0 1

entonces la transformación T1 tal que

1 0
! 1
1 B C
T1 = @ 2 A (1)
0
0
0 1
! 0
0 B C
T1 = @ 3 A (2)
1
1

es una transformación que cumple lo pedido, ahora encontremos la regla de correspon-

6
dencia explicita, para ello tomamos un vector v arbitrario de U = R2
!
x
v=
y

el cual lo expresamos como combinación lineal de la base elegida, esto es

! ! !
x 1 0
v= =x +y
y 0 1

aplicamo ahora T1 ! ! !!
x 1 0
T1 = T1 x +y
y 0 1
como T debe ser lineal
! ! !
x 1 0
T1 = xT1 + yT1
y 0 1

usando (1) y (2) obtenemos

1 0 10
! 1 0
x B C B C
T1 = x@ 2 A + y@ 3 A
y
0 1
0 1
! x
x B C
T1 = @ 2x + 3y A
y
y

Ahora esta transformación no es la única, pues si

1 0
! 0
1 B C
T2 = @ 3 A
0
1
0 1
! 1
0 B C
T2 = @ 2 A
1
0

7
entonces
01 0 1
! 0 1
x B C B C
T2 = x@ 3 A + y@ 2 A
y
1 0
0 1
! y
x B C
T2 = @ 3x + 2y A
y
x

Nucleo e Imagen de una Transformación Lineal

De…nición 0.2. Sean U y V dos espacios vectoriales y T : U ! V una transformación
lineal entonces

1. (a) El núcleo de la transformación lineal T, denotado por N u (T ) ; viene dado

por
N u (T ) = fu 2 U : T (u) = 0g

(b) La imagen de una transformación lineal T, denotado por Ima (T ) ; viene

dado por

Ima (T ) = fw 2 W : w = T u; para algún u 2 U g

Teorema 0.4. Si T es una transformación lineal entonces

1. (a) N u (T ) es un subespacio vectorial de U

(b) Ima (T ) es un subespacio vectorial de W

De…nición 0.3 (Nulidad y Rango de una Transformación). Si T es una transformación

lineal, entonces se de…ne

nulidad de T = v (T ) = dim N u (T )
rango de T = r (T ) = dim Ima (T )

Representación Matricial de una transformación

Toda transformación lineal entre espacios vectoriales de dimensión …nita se puede rep-
resentar mediante una matriz
Teorema 0.5. Sea T : Rn ! Rm una transformación lineal. Entonces existe una única
matriz A de orden m n tal que

T (x) = Ax para todo x 2 Rn

8
De…nición 0.4. La matriz A del teroema anterior se denomina matriz de transforma-
ción correspondiente a T o representación matricial de T

Ejemplo 0.6. Sea T : R2 ! R3 de…nida por

0 1
! y
x B C
T = @ 3x + 2y A
y
x

entonces T tambien puede ser expresado por una A matriz de orden 3 2; el cuál viene
dado por 0 1
0 1
B C
A=@ 3 2 A
1 0
Puede veri…car que
0 1 0 1
! 0 1 ! y
x B C x B C
T =@ 3 2 A = @ 3x + 2y A
y y
1 0 x

esta matriz es respecto de las bases canonicas de los espacios R2 y R3 , la cuál es

facilmente determinada, sin embargo cuando las bases para estos espacios es diferente
de la canónica podemos usar el siguiente teorema.

Teorema 0.6. Sea T : U ! W una transformación lineal entre los espacios vectoriales
de dimensión …nita U y W:Sean

B1 = fu1 ; u2 ; un g
B2 = fw1 ; w2 ; ; wm g

bases de los espacios vectoriales U y W respectivamente, entonces la matriz que repre-

senta a la transformación lineal T respecto de las bases B1 y B2 viene dado por

A = [T (u1 )]B2 ; [T (u2 )]B2 ; ; [T (un )]B2

Observación 0.3. La matriz A es de orden m n:

Observación 0.4. En el ejemplo anterior, para T : R2 ! R3 de…nida por

0 1
! y
x B C
T = @ 3x + 2y A
y
x

9
se consideró
( ! !)
1 0
B1 = u1 = ; u2 = una base de R2
0 1
8 0 1 1 0 0 19
>
< 1 0 0 >=
B C B C B C
B1 = w1 = @ 0 A ; w2 = @ 1 A ; w3 = @ 0 A una base de R3
>
: >
;
0 0 1

entonces
1 0 0 1
! 0 " !# 0
1 B C 1 B C
T = @ 3 A! T =@ 3 A
0 0 B2
1 1
0 1 0 1
! 1 " !# 1
0 B C 0 B C
T = @ 2 A! T =@ 2 A
1 1 B2
0 0

entonces usando el teorema, tenemos que

0 1
0 1
B C
A=@ 3 2 A
1 0

Ejemplo 0.7. Consideremos P1 (X) sobre R; sea T : P1 (X) ! P1 (X) una transfor-
mación lineal de…nida por

T (p (x)) = xp0 (x) p (x)

y dos bases

B1 = f1; 1 + xg
B2 = f1 x; 1 + xg

hallar la matriz que representa a T respecto de las bases B1 y B2

Primero, aplicamos la transformación T a los vectores de la base B1

T (1) = x (1)0 (1) = x (0) 1= 1

0
T (1 + x) = x (1 + x) (1 + x) = x (1) (1 + x) = 1

10
Segundo, hallamos las coordenadas de estos vectores en la base B2
!
1
2
[ 1]B2 = 1
2
!
1
2
[ 1]B2 = 1
2

por tanto la matriz que representa a esta transformación viene dado por
!
1 1
2 2
A= 1 1
2 2

El siguiente teorema nos permite encontrar el núcleo y la imagen de una transfor-

mación lineal T entre espacios vectoriales de dimensión …nita, hallando el núcleo y la
imagen de la matriz A que representa a la transformación lineal.

Teorema 0.7. Sea A la matriz que representa a la transformación lineal T. Entonces

Ima (T ) = Ima (A)

r (T ) = r (A)
N u (T ) = N u (A)

11