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
T
X
= S
X
.
(2) Si X es un conjunto linealmente independiente, dada una funcion arbitraria f : X
W, existe una y una sola transformacion lineal T
f
: X W tal que T
f
|
X
= f.
Demostraci

on. (1) Si v X, existen escalares a

1
, . . . , a
n
k y vectores x
1
. . . , x
n

X tales que v =

i
a
i
x
i
. Luego T(v) = T

i
a
i
x
i

i
a
i
T(x
i
) =

i
a
i
S(x
i
) =
S

i
a
i
x
i

= S(v).
(2) Primero recordamos que si 0 = v X existe una unica descomposicion de v en una
combinaci on lineal v =

i
a
i
x
i
, con {x
1
, . . . , x
n
} X y {a
1
, . . . , a
n
} escalares no nulos.
Denimos T
f
dando su valor para cada vector v V , mediante la formula T
f
(v) =

a
i
f(x
i
). Observemos que esta denicion tiene sentido por unicidad de la descomposi-
cion de v en combinaci on lineal de elementos de X. Dado otro vector v

V lo representa-
mos como v

m
i=1
a

i
x

i
, con a

i
k y x

i
X. Es claro que podemos suponer, eventual-
mente agregando escalares nulos, que {x
1
, . . . , x
n
} = {x

1
, . . . , x

m
}. Si a, b k son escala-
res arbitrarios, tenemos que av+bv

i
(aa
i
+ba

i
)x
i
, de donde T
f
(av+bv

) =

i
(aa
i
+
ba

i
)f(x
i
) =

i
(aa
i
f(x
i
) + ba

i
f(x
i
)) = a

i
a
i
f(x
i
) + b

i
a

i
f(x
i
)) = aT
f
(v) + bT
f
(v

).
Luego, la funcion T
f
: X W es una transformacion lineal. Es claro que si x X,
entonces T
f
(x) = f(x) por la propia denicion de T
f
. Ademas T
f
: X W es unica
como consecuencia de la primera parte de este teorema.
La relacion entre f : X W y T
f
: X W se puede visualizar en el siguiente
diagrama.
X
f

C
C
C
C
C
C
C
C
W
X
T
f

{
{
{
{
{
{
{
{
donde : X X 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 denir 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 denimos la siguiente funcion f : {1, X, X
2
, . . . } k[X] dada por
f(X
n
) = nX
n1
, entonces la transformacion lineal asociada T
f
: k[X] k[X] es la
derivada D ver Ejemplo 2.2.38 (6).
(2) El espacio R
3
esta generado por el conjunto linealmente dependiente

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

.
En este caso no podemos denir arbitrariamente una transformacion lineal dando sus
valores en los generadores. Por ejemplo, si tratamos de denir T : R
3
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
Definici

on 4.3. Sea V es un espacio vectorial que admite una descomposicion en

suma directa V =

iI
V
i
, donde {V
i
: i I} es una familia de subespacios de V . Se
denen las familias de transformaciones lineales {
i
: V
i
V : i I} y {
i
: V V
i
:
i I} como sigue:
i
(v
i
) = v
i
; y
i

j
v
j

= v
i
. Esas familias se llaman respectivamente
las inclusiones y las proyecciones canonicas en la suma directa.
Lema 4.4. (1) Si V = V
1
V
2
, entonces las inclusiones y proyecciones canonicas
verican:
1

1
= id
V
1
,
2

2
= id
V
2
,
1

2
= 0,
2

1
= 0,
1

1
+
2

2
= id
V
.
(2) En la situacion anterior, si W es un espacio vectorial cualquiera y T
1
: W V
1
y T
2
: W V
2
son transformaciones lineales, existe una unica transformacion lineal
T : W V que verica
1
T = T
1
y
2
T = T
2
. Esa situacion es ilustrada en el
siguiente diagrama:
W
T
1
.v
v
v
v
v
v
v
v
v
v
T
2

H
H
H
H
H
H
H
H
H
H
T

V
1
V
1
V
2

V
2
(3) Si V =

iI
V
i
para una familia arbitraria de subespacios, W es un espacio vectorial
cualquiera y {T
i
: V
i
W : i I} es una familia de transformaciones lineales entonces
existe una unica transformacion lineal T : V W de modo que T
i
= T
i
para todo
i I. Esta situacion es ilustrada en el siguiente diagrama:
W

iI
V
i
T

V
i

T
i
G
G
G
G
G
G
G
G
G
G
Demostraci

on. (1) La vericaci on de esta propiedad es inmediata.

(2) Denimos T : W V como T(w) = T
1
(w) +T
2
(w). Como T es la suma de transfor-
maciones lineales es una transformacion lineal y la unicidad es consecuencia del hecho
de que V
1
y V
2
generan V .
2. TRANSFORMACIONES LINEALES Y DIMENSI

ON 37
(3) Se dene T

i
v
i

T
i
(v
i
). Esta denicion tiene sentido pues en la expresion

i
v
i
estan involucrados tan solo un n umero nito de vectores no nulos. La vericaci on
de las restantes propiedades es inmediata.
Definici

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

p : V V se dice que es una proyeccion si p
2
= p, donde p
2
= p p : V V . Un
endomorsmo S : V V que verica que S
2
= Id
V
se dice que es una involucion.
Lema 4.6. Supongamos que V es un espacio vectorial cualquiera y que p : V V
es una proyeccion. Entonces V = N(p) Im(p). Recprocamente, si V = N I es
una descomposicion de V como suma directa de dos subespacios, existe una proyeccion
p : V V tal que N = N(p) e I = Im(p).
Demostraci

on. Primero observamos que N(p) Im(p) = {0}. Si v N(p) Im(p)

entonces, p(v) = 0 y ademas existe w V tal que v = p(w). En ese caso 0 = p(v) =
p
2
(w) = p(w) = v. En denitiva hemos probado que N(p)Im(p) = {0}. Por otro lado, si
escribimos v = vp(v)+p(v) es claro que vp(v) N(p) y es evidente que p(v) Im(p).
En efecto, p

v p(v)

= p(v) p
2
(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 = V
1
V
n
. Existe una familia nita de
proyecciones p
i
: V V , i = 1, . . . , n tales que: (1) p
i
p
j
= 0 si i = j, (2)

i
p
i
= id
V
,
(3) Im(p
i
) = V
i
.
Recprocamente, si existen proyecciones p
i
: V V , i = 1, . . . , n, que verican las
condiciones (1),(2),(3) de arriba, entonces V =

i
Im(p
i
).
Demostraci

on. Ver ejercicio ??

2. Transformaciones lineales y dimension
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 : k
n+1
k
n
.
Lema 4.8. Sean V y W espacios vectoriales y T : V W una transformacion 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 isomorsmo 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 verica: 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
Demostraci

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

T(I), o sea que existen escalares {a
1
, . . . , a
n
} y vectores de I, {x
1
, . . . , x
n
} de modo que

a
i
T(x
i
) = 0. Como T es lineal, tenemos que T

i
a
i
x
i

= 0 y como T es inyectiva
deducimos que

i
a
i
x
i
= 0. Como los elementos x
i
I, y el conjunto I es linealmente
independiente, conclumos que a
1
= a
2
= = a
n
= 0.
(2) Sea w W un vector arbitrario de W. Como T es sobreyectiva existe un vector
v V tal que w = T(v). Como G genera V existen escalares {a
1
, . . . , a
n
} y vectores de
G, {x
1
, . . . , x
n
} tales que v =

a
i
x
i
. Luego, w = T(v) = T

a
i
x
i

a
i
T(x
i
), y el
vector w se escribe como combinaci on 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
v =

a
i
x
i
en terminos de la base B, i.e., x
i
B para todo i, de la igualdad T(v) = 0
deducimos que

a
i
T(x
i
) = 0. Los vectores T(x
i
) T(B) son diferentes, luego por
hipotesis conclumos que a
i
= 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 isomorsmo 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
nita, si existe un isomorsmo entre V y W entonces V y W tienen la misma dimension.
Demostraci

on. De acuerdo con el Lema 4.1, si f : B C W es una funcion,

existe una y solo una transformacion lineal T
f
: 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 T
f
(B) = C lo que evidentemente implica que T
f
(V ) = W. Como aplicacion
directa del lema anterior parte (4) conclumos que T
f
es inyectiva. El recproco que
usa teora de cardinales innitos es verdadero pero lo probaremos solo en el caso de
espacios vectoriales de dimension nita. Sean V y W isomorfos y de dimension nita.
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.
Definici

on 4.10. Si {V
i
: i I} es una familia de espacios vectoriales, se dene la
suma directa externa de la familia y se denota como

iI
V
i
, de la siguiente manera:

iI
V
i
=

(v
i
)
iI
: v
i
= 0 excepto para un n umero nito de ndices

.
La suma y el producto por un escalar que le dan a

iI
V
i
una estructura de espacio
vectorial se denen punto a punto, i.e. (v
i
)
iI
+(v

i
)
iI
= (v
i
+v

i
)
iI
, y si a k entonces
a(v
i
)
iI
= (av
i
)
iI
. En el caso particular que todos los V
i
son iguales (a un cierto espacio
vectorial que llamamos V ), escribimos

iI
V .
Lema 4.11. (1) Sea {V
i
: i I} una familia de espacios vectoriales y llamemos
V =

i
V
i
. Sea j I y supongamos que W
j
V denota el subconjunto W
j
=

(v
i
)
i
:
v
i
= 0 si i = j

. Entonces los conjuntos W

j
, j I, son subespacios de V isomorfos al
correspondiente V
j
, y tales que su suma es directa (en el sentido del Captulo 2) e igual
a V , es decir V =

iI
W
i
(suma directa de subespacios).
3. FUNCIONALES LINEALES, ESPACIO DUAL 39
(2) Si V es un espacio vectorial e I un conjunto de ndices nito entonces

iI
V es
isomorfo con V
I
(ver Ejemplo 2.2.7).
Demostraci

on. (1) Es claro que W

i
es un subespacio de V y tambien que cada uno
de los W
i
es isomorfo con el V
i
correspondiente. Ademas, cada elemento de V se escribe
como suma de elementos de los W
i
y ademas los W
i
son linealmente disjuntos.
(2) Denimos una transformacion lineal :

iI
V V
I
de la siguiente forma:

(v
i
)
iI

es la funcion de I en V que manda i en v

i
, en otras palabras

(v
i
)
iI

(i) = v
i
.
Para producir la funcion inversa de procedemos como sigue : V
I

iI
V esta da-
da de la siguiente manera: si f : I V , se dene (f) =

f(i)

iI
. Es inmediato vericar
que es una transformacion lineal y que y son inversas una de la otra.
Corolario 4.12. Si V es un espacio vectorial de dimension d e I es un conjunto
nito cualquiera entonces dim

V
I

= |I|d.
Observaci

on 4.13. (1) La propiedad de que una transformacion lineal de un espacio

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 funcion : V
B
Hom(V, W),
(f) = T
f
(ver la prueba del Lema 4.1) es un isomorsmo. 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 isomorsmo y ambos espacios tendran la misma dimension, en caso de ser nita.
Si V y W tienen dimension nita, 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 transformacion lineal M
nm
Hom(k
n
, k
m
) dada por A L
A
es
un isomorsmo.
Demostraci

on. De acuerdo con la discusion anterior podemos identicar al espacio

vectorial Hom(k
n
, k
m
) con el espacio vectorial de las funciones (k
m
)
[n]
, que de acuerdo
con lo observado tiene dimension nm. Por otro lado una funcion de (k
m
)
[n]
se puede
pensar como una funcion k
[nm]
como se puede vericar directamente. De esta forma
construimos la inversa del mapa A L
A
.
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 = 0 entonces f es sobreyectiva.
(2) Si f = 0 entonces para todo vector v V tal que f(v) = 0 se verica que V =
N(f) v.
(3) Si V = W v para W subespacio y 0 = 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
Demostraci

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

f(bv/a) = b lo que implica que f es sobreyectiva.
(2) Sea f = 0 y v tal que f(v) = a = 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) v, tendramos que w = bv para alg un b k.
Luego 0 = f(w) = bf(v) = ba. Como a = 0 concluimos que b = 0. Luego w = 0 y la
suma es directa.
(3) Consideremos la transformacion lineal que esta denida de acuerdo con la propiedad
universal de la suma directa tomando 0 : W k y bv a : v k. En ese caso
f(w + bv) = b y eso garantiza que f verica las propiedades requeridas.
Observaci

on 4.16. Si V es un espacio vectorial de dimension nita y {e

1
, . . . , e
n
}
es una base de V , usando la propiedad que asegura que una transformacion lineal queda
determinada por los valores que toma en una base, denimos una familia de transforma-
ciones lineales {e

1
, . . . , e

n
} mediante la siguiente regla, e

j
(e
i
) = 1 si i = j y e

j
(e
i
) = 0 si
i = j.
Lema 4.17. En la situacion anterior, {e

1
, . . . , e

n
} es una base de V

.
Demostraci

on. Como la dimension de V

es la misma que la de V y los vectores

{e

1
, . . . , e

n
} son tantos como la dimension de V basta probar que ellos son linealmente
independientes. En efecto, si 0 = a
1
e

1
+ + a
n
e

n
evaluando la expresion de arriba
en e
j
obtenemos 0 = 0(e
j
) = a
1
e

1
(e
j
) + + a
j
e

j
(e
j
) + + a
n
e

n
(e
j
) = a
j
. Como la
igualdad anterior vale para todo j = 1, . . . , n deducimos que las funcionales {e

1
, . . . , e

n
}
son linealmente independientes.
Definici

on 4.18. Si B = {e
1
, . . . , e
n
} es una base del espacio V , la base {e

1
, . . . , e

n
}
se denota como B

y se llama la base dual de B.

Lema 4.19. La base {e

1
, . . . , e

n
} tiene las siguientes propiedades.
(1) Si v V entonces v =

n
i=1
e

i
(v)e
i
.
(2) Si f V

entonces f =

n
i=1
f(e
i
)e

i
.
Demostraci

on. (1) Si escribimos v =

n
i=1
a
i
e
i
y evaluamos e

j
en ambos miembros
de la igualdad obtenemos e

j
(v) =

i
a
i
e

j
(e
i
) = a
j
.
(2) La demostracion de esta parte es semejante a la anterior.