TRANSFORMACIONES LINEALES

Considerando m funciones de n variables

f1(x1, x2; … ; xn) = w1
f2(x1, x2; … ; xn) = w2
…
fm(x1, x2; … ; xn) = wm
Estas m ecuaciones asignan un punto único (w1, w2; …; wn) en Rm a cada punto (x1, x2; …; xn) en Rn.
Si estas ecuaciones son lineales definen una transformación o operador lineal
T: Rn Rm / T(x1, x2; …; xn) = (w1, w2; …; wn)

Definición
Sean (V,⊕,K,Ꙩ) y (W,⊕,K,Ꙩ) dos espacios vectoriales sobre un mismo cuerpo K, una función T: V
→ W es una transformación lineal si cumple con las siguientes condiciones:
a) T(x + y) = T(x) + T(y) ∀x ∈ V, ∀ y ∈V
b) T(.x) = .T(x) ∀ x∈ V, ∀∈ K, T(x)∈W y T(y)∈W
V es el espacio dominio o de partida y W es el espacio de llegada.

Propiedades
1_ La imagen del vector nulo en V, dominio, es el vector nulo en W, imagen,
T: V → W / T(0⃗ ) = 0⃗ (elemento neutro en W), para todo v ∈V.
2_ La imagen del opuesto de un vector en V es opuesto de la imagen del en W
T: V → W / T(−
⃗v ) = - T( ⃗v )
3_ ∀ ⃗u ∈ V, ∀ ⃗
v ∈ V : T(u⃗ −⃗v ) = T( ⃗u) – T( ⃗
v)
4_ La imagen de una combinación lineal de dos vectores de V es igual a la combinación lineal de
los transformados en W, con los mismos escalares
T: V → W / T(α ⃗v + β u⃗ ) = T( ⃗v ) + T(u⃗ )
Generalizando T ( ∑ α i ∙ ⃗
v i ) =∑ α i T( ⃗
vi )

Matriz asociada a una transformación lineal

Sean T: V → W, V y W dos espacios vectoriales de dimensiones finitas n y m respectivamente. Sea
T: Rn Rm / T(x1, x2; …; xn) = (w1, w2; …; wn) , por lo tanto los wi se pueden escribir:
w1 = a11 x1 +a12 x2 + … +a1n xn
w2 = a21 x1 +a22 x2 + … +a2n xn
…
wm = am1 x1 +am2 x2 + … +amn xn
En notación matricial

( )( )( )
w1 a 11 a 12 … a 1n x1
w2 = a 21 a22 … a 2n ∙ x2
… … …
w m a m1 a m2 … a mn x n

W = A X
La matriz A = [aij] se denomina la matriz estándar de la transformación lineal T y T se denomina
multiplicación por A
Si tenemos una base de cada espacio Bv y Bw, entonces queda determinada una matriz A de orden
mxn que caracteriza a la transformación lineal T: V → W. La matriz A se llama matriz asociada a la
T.L. respecto del par de bases dadas. Sean B v = {v1; v2; …; vn} una base de V y Bw = {w1; w2; …; wm}
una base de W. A cada vi ∈ Bv le corresponde a través de la T.L. como imagen un vector T(v i) = wi ∈
W que por pertenecer a W se puede expresar como combinación lineal de B w. Asignamos a cada
escalar aij (coeficientes de la combinación lineal) un doble subíndice. El primero, asociado a cada
vector de la base Bw y el segundo en correspondencia con el vector de la base B v. Por ejemplo el a23
es el coeficiente del 2º vector Bw (w2) correspondiente al transformado del 3º vector de Bv (v3).

Geometría de las transformaciones lineales

 Transformación cero (o nula): T: V → W / T(v) = 0w (elemento neutro en W)
 Transformación identidad: T: V → V / T(v) = v
 Transformación de reflexión respecto del eje y

Sea T: R2 → R2 definida por T(x, y) = (-x; y) ;

matricialmente T
y () ( )( )
x = −x 0 = −1 0
0y 01
A cada vector de R2 le hace corresponder como imagen otro vector de
R2 que es el reflejado (o simétrico) respecto del eje y.

 Transformación de rotación
Si v = ( xy ) rota en el plano x y un ángulo  se obtiene v´= ( xy ´´ )
x = r. cos  y = r. sen 
x' = r  cos (+) = r cos   cos  – r  sen   sen  = x  cos  – y  sen 
y' = r  cos (+) = r  sen   cos  + r  sen   cos  = x  sen  + y  cos 
Se obtiene así la transformación lineal que caracteriza a una rotación. Se puede expresar en forma
matricial.

() ( ) (
T x = x´ = cosα
y y´ senα
-senα ∙ x
cosα y )()
La transformación queda entonces: T(v) = A􀄮.v, donde A􀄮 es la matriz de rotación de ángulo 􀄮. Se
puede demostrar que corresponde a una transformación lineal.

 Transformación proyección T: V → W / T(v) = w = (x; 0) transforma cada vector es la

proyección ortogonal sobre el eje x

matricialmente T
y 00 () ( )( )
x = −x 0 = −1 0
00

 Transformación contracción o dilatación T: V → W / T(v) = w = k  v , k ≥ 0

Transformación de transposición T: Rmxn → Rmxn / T(A) = At es otro ejemplo de T.L.
a) T(A + B) = (A + B)t = At + Bt = T(A) + T(B)
b) T( . A) = ( . A)t =  . At =  . T(A)

Núcleo de una transformación lineal

Definición: Consideramos una T.L. T: V → W, se denomina núcleo de la T.L. al conjunto de vectores
de V cuyas imágenes son el vector nulo en W.
N(T) = Ker (T) = {v ∈ V / T(v) = 0w}
Propiedad: El núcleo de toda transformación lineal entre dos espacios vectoriales, de V → W, es un
subespacio de V.
Imagen de una transformación lineal
Se denomina imagen de una T.L. T: V → W al conjunto de vectores de W que son imagen de algún
vector de V.
Im (T) = {w ∈ W / ∃ v ∈ V ∧ T (v) = w}
Propiedad: La imagen de toda transformación lineal entre dos espacios vectoriales, de V→ W, es
un subespacio de W.
Nulidad y rango de una transformación lineal
nulidad (T) = n(T) = dim N(T)
rango de (T) = r(T) = dim Im(T)
Teorema de la dimensión
Dada T: V → W, la suma de las dimensiones del núcleo y de la imagen de T es igual a la dimensión
de V (siempre que éste sea un espacio vectorial de dimensión finita).
dim N(T ) + dim Im(T ) = dim V
Clasificación de las transformaciones lineales
Si T es una T.L. de V → W, T es una función que puede ser:
inyectiva ⇔ T es un monomorfismo
sobreyectiva ⇔ T es un epimorfismo
biyectiva ⇔ T es un isomorfismo
Si T: V → V, (es una T.L. de un espacio vectorial en sí mismo) entonces se denomina endomorfismo
y cuando éste es biyectivo, tenemos un automorfismo.
T es inyectiva ⇔∀ x ∈ V, ∀ y ∈ V: T(x) = T(y)  x = y.
T es sobreyectiva ⇔∀ w ∈ W, ∃ x ∈ V: T(v) = w  Im (T) = W.

Composición de transformaciones lineales

Sean T1: V → U y T2: U → W dos T.L. La función compuesta T2oT1: V→W se define como T2[T1(x)].
Propiedad: la composición de T.L. es otra T.L.
Transformación lineal no singular
T: V → W es una T.L. no singular ⇔∃T-1 / T-1oT = Iv y T-1oT = Iw
Propiedades
La inversa de una transformación lineal no singular es una transformación lineal.
Si T: V→V es suficiente que T sea inyectiva o sobreyectiva para ser no singular.
Espacio vectorial de transformaciones lineales
Si llamamos L(V;W) al conjunto de todas las transformaciones lineales entre los espacios
vectoriales V y W sobre el cuerpo K: L(V;W) = {T: V→W / T es una T.L.}
En L(V;W) definimos la suma de funciones y el producto de escalares por funciones de la siguiente
manera:
a) (T1 + T2)(x) = T1(x) + T2(x) b) (α.T)(x) = α.[T(x)]
{L(V;W); ⊕,K,Ꙩ} es un espacio vectorial sobre el cuerpo K.
El vector nulo de L(V;W) es la transformación cero.
Teorema fundamental de las Transformaciones lineales
Sean (V,⊕,K,Ꙩ) y (W, ⊕,K,Ꙩ) dos espacios vectoriales y B = {v1; v2; …; vn} una base de V.
Si {w1; w2; …; wn} son n vectores de W tales que T(v i) = wi, entonces existe una única
transformación lineal T: V → W tal que T(vi) = wi, ∀i = 1, 2, 3, …, n.
Este teorema asegura que toda transformación lineal entre dos espacios vectoriales que da
unívocamente determinada por las imágenes de cualquier base del primero. Es decir que
conociendo las imágenes de una base de V podemos determinar la imagen de cualquier vector de
V.