UNIVERSIDAD CATÓLICA ANDRÉS BELLO

FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA EN TELECOMUNICACIONES
DEPARTAMENTO DE MATEMÁTICA
CÁTEDRA: ÁLGEBRA LINEAL

TRANSFORMACIONES LINEALES
Definición de transformación lineal:
Sean V y W espacios vectoriales reales. Una transformación lineal T de V en W es una función
que asigna a cada vector v ∈ V un vector único T (v) ∈ W y que satisface, para cada u y v en V y
cada escalar real α,
(a) T (u + v) = T (u) + T (v).

(b) T (αu) = αT (u).

También, las dos condiciones anteriores se pueden reducir a la condición única:

(a) T (αu + v) = αT (u) + T (v).

Si V = W , la transformación lineal T : V → W también es llamada operador lineal sobre V .

Ejemplo 1: Sea T : R3 → R2 definida por T (x1 , x2 , x3 ) = (x1 , x3 ). Para demostrar que T es una
transformación lineal, consideremos el número real α y los vectores (x1 , x2 , x3 ) y (y1 , y2 , y3 ) de R3 .
Entonces
T (α(x1 , x2 , x3 ) + (y1 , y2 , y3 )) = T ((αx1 , αx2 , αx3 ) + (y1 , y2 , y3 ))
= T (αx1 + y1 , αx2 + y2 , αx3 + y3 )
= (αx1 + y1 , αx3 + y3 )
= (αx1 , αx3 ) + (y1 , y3 )
= α(x1 , x3 ) + (y1 , y3 )
= αT (x1 , x2 , x3 ) + T (y1 , y2 , y3 )

Teorema 1: Sea T : V → W una transformación lineal. Entonces, para todos los vectores
u, v, v1 , v2 , . . . , vn en V y todos los escalares reales α1 , α2 , . . . , αn , se tiene que
(a) T (θV ) = θW , donde θV y θW , son los vectores nulos de V y W , respectivamente.

(b) T (u − v) = T (u) − T (v).

(c) T (α1 v1 + α2 v2 + · · · + αn vn ) = α1 T (v1 ) + α2 T (v2 ) + · · · + αn T (vn ).

Núcleo e imagen de una transformación lineal:

Sean V y W espacios vectoriales reales y T : V → W una transformación lineal. Entonces
(a) el núcleo (o kernel ) de T , que denotaremos por N uc(T ), es el subconjunto de V que consta de
todos los vectores v ∈ V tales que T (v) = θW . En sı́mbolos
N uc(T ) = {v ∈ V : T (v) = θW }

(b) la imagen (o recorrido) de T , que denotaremos por Im(T ), es el subconjunto de todos los
vectores de W que son imágenes bajo T de vectores de V . En sı́mbolos
Im(T ) = {w ∈ W : w = T (v) para algún v ∈ V }

1
 Ejemplo 2: Sea T : R3 → R2 una transformación lineal definida por T (x1 , x2 , x3 ) = (x1 , x3 ). El
núcleo de T viene dado por todos aquellos vectores (x1 , x2 , x3 ) ∈ R3 tales que T (x1 , x2 , x3 ) = (0, 0).
Esto es,
T (x1 , x2 , x3 ) = (0, 0) ⇒ (x1 , x3 ) = (0, 0)
⇒ x1 = x3 = 0

Ası́, tenemos que N uc(T ) = {(x1 , x2 , x3 )R3 : x1 = x3 = 0}.

Por otra parte, la imagen de T está formada por los vectores (x, y) ∈ R2 tales que (x, y) = T (x),
para algún vector x ∈ R3 . De hecho, todo vector (x, y) ∈ R2 es tal que (x, y) = T (x, 0, y), donde los
vectores (x, 0, y) ∈ R3 . Luego, Im(T ) = R2 .
Teorema 2: Si T : V → W es una transformación lineal, entonces N uc(T ) e Im(T ) son
subespacios de V y W , respectivamente.
Teorema 3 (Teorema de la Dimensión): Si T : V → W es una transformación lineal,
entonces
dim(N uc(T )) + dim(Im(T )) = dim(V )

Transformaciones lineales inyectivas, sobreyectivas y biyectivas:

Sea T : V → W una transformación lineal. Entonces, diremos que T es
(a) inyectiva si y sólo si para v1 , v2 ∈ V se tiene que

T (v1 ) = T (v2 ) ⇒ v1 = v2

(b) sobreyectiva (o simplemente “sobre”) si y sólo si Im(T ) = W .

(c) biyectiva si y sólo si T es inyectiva y sobreyectiva.

Teorema 4: Sea T : V → W una transformación lineal. Entonces,

(a) T es inyectiva si y sólo si N uc(T ) = {θV } (o su equivalente: dim N uc(T ) = 0).

(b) T es sobre si y sólo si dim Im(T ) = dim W .

Teorema 5: Sea T : V → W una transformación lineal donde dim(V ) = n y dim(W ) = m.
Entonces,
(a) si n > m, entonces T no es inyectiva.

(b) si n < m, entonces T no es sobreyectiva.

(c) si n = m, entonces

(i) T es inyectiva si y sólo si T es sobreyectiva.

(ii) T no es inyectiva si y sólo si T no es sobreyectiva.

Inversa de una transformación lineal:

Una transformación lineal T : V → W es invertible si T es biyectiva.
Teorema 6: Si una transformación lineal T : V → W es invertible, entonces T −1 : W → V es
una transformación lineal.

2
 Ejemplo 3: Sea T : P1 → R2 una transformación lineal definida por T (ax + b) = (3a + b, 5a + 2b).
Dejamos al lector la prueba de que T es, efectivamente, biyectiva, de donde se deduce que T es
invertible.
Para hallar la fórmula que define a T −1 (a, b) podemos realizar el siguiente procedimiento:
Consideraremos la matriz · ¸
3 1
MT =
5 2
donde la primera fila está conformada por los coeficientes de a y b que aparecen en la primera
componente del par (3a + b, 5a + 2b) y la segunda fila está conformada por los coeficientes de a y b
que aparecen en la segunda componente del par (3a + b, 5a + 2b). Luego, calculamos
· ¸
−1 2 −1
MT =
−5 3

y tendremos que T −1 (a, b) = (2a − b)x + (−5a + 3b).

Matriz de una transformación lineal:
Si M ∈ Rm×n y T : Rn → Rm está definida por T (x) = M x, es fácil demostrar que T es una
transformación lineal. Ahora veremos que para toda transformación lineal de Rn en Rm existe una
matriz M ∈ Rm×n tal que T (x) = M x, para todo vector x ∈ Rn . Más aún, veremos que cualquier
transformación lineal entre espacios vectoriales de dimensiones finitas se pueden representar por una
matriz.
Teorema 7: Sea T : V → W una transformación lineal donde dim(V ) = n y dim(W ) = m y
sean B1 = {v1 , v2 , . . . , vn } y B2 = {w1 , w2 , . . . , wm } bases ordenadas para V y W , respectivamente.
Entonces, la matriz MT ∈ Rm×n , cuya j-ésima columna es el vector coordenadas [T (vj )]B2 de T (vj )
respecto a B2 , tiene la siguiente propiedad: Si w = T (v), para algún v ∈ V , entonces [w]B2 = MT [v]B1 ,
donde [v]B1 y [w]B2 son los vectores coordenadas de v y w respecto a B1 y B2 , respectivamente.
Además, MT es la única matriz con esa propiedad.
La matriz MT se denomina matriz representación de T respecto a las bases ordenadas B1 y B2 .
Un procedimiento para calcular la matriz de una transformación lineal T : V → W de un espacio
vectorial V de dimensión n en un espacio vectorial W de dimensión m con respecto a bases ordenadas
B1 = {v1 , v2 , . . . , vn } y B2 = {w1 , w2 , . . . , wm } para V y W , respectivamente, es el siguiente:

Paso 1: Calculamos T (vj ) para j = 1, 2, . . . , n.

Paso 2: Determinamos el vector coordenadas [T (vj )]B2 de T (vj ) con respecto a la base B2 . Esto
significa que debemos expresar a cada T (vj ) (donde j = 1, 2, . . . , n) como combinación lineal
de los vectores de B2 .

Paso 3: La matriz MT de T con respecto a B1 y B2 se forma al elegir a cada [T (vj )]B2 como la
j-ésima columna de MT , para j = 1, 2, . . . , n.

Ejemplo 4: Sea T : P2 → P1 una transformación lineal definida por T (p(x)) = p 0 (x) y consid-
eremos las bases ordenadas B1 = {1, x, x2 } y B2 = {x + 1, x − 1} para P2 y P1 , respectivamente.
Entonces, encontraremos la matriz MT representación de T respecto a las bases ordenadas B1 y B2
como sigue:
· ¸
0
T (1) = 0 = 0 · (x + 1) + 0 · (x − 1), ası́ que [T (1)]B2 =
0

3
 · 1
¸
1
T (x) = 1 = · (x + 1) − 12 · (x − 1), ası́ que [T (x)]B2 = 2
1
2 −
·2 ¸
2 2 1
T (x ) = 2x = 1 · (x + 1) + 1 · (x − 1), ası́ que [T (x )]B2 =
· ¸ 1
1
0 1
En fin, MT = 2 .
0 − 12 1

Otro procedimiento válido para obtener a MT consiste en considerar a la matriz ampliada

" . #
1 1 .. 0 0 2
.
1 −1 .. 0 1 0

En la que se tiene que la primera columna corresponde a las componentes del primer vector de
la base ordenada B2 de P1 y la segunda columna corresponde a las componentes del segundo vector
de la base ordenada B2 de P1 . Nótese que en las últimas tres columnas aparecen las componentes de
las transformaciones de cada uno de los vectores de la base ordenada B1 de P2 en el mismo orden en
que estos vectores aparecen en B1 .
Luego, se procede a realizar el proceso de reducción de Gauss-Jordan a tal matriz, quedando
como resultado: " #
.
1 0 .. 0 1
2
1
..
0 1 . 0 − 12 1
· 1
¸
0 1
y ası́, de lo anterior, se tiene que MT = 2 .
0 − 12 1