Sunteți pe pagina 1din 41

AL 2014

1 Ing. Aldo Jimnez Arteaga



Transformaciones Lineales
Definicin de transformacin
Una funcin, aplicacin o transformacin es un conjunto de operaciones que se realizan sobre un elemento de un
espacio vectorial , para convertirlo en un elemento de otro espacio vectorial .
EJEMPLO 3.1. Sean los espacios vectoriales
= {
2
+ + |, , } y = {(, , )|, , }
y la transformacin : definida por (
2
+ +) = ( + 1, + , 0).
Se observa fcilmente que cualquier elemento de se convierte en un elemento de , tras aplicrsele la
transformacin . Por ejemplo, si = 2
2
+ 2, al aplicarle la transformacin , se obtiene:
(2
2
+ 2) = (2 + 1, 1 2, 0)
= (1, 1, 0)
Por lo que el polinomio de se convirti en una terna ordenada perteneciente a .
EJEMPLO 3.2. Sea
2
el espacio vectorial de las matrices cuadradas de orden dos con elementos reales, y una
transformacin :
2

2
que se define como



=
+


En este caso, la transformacin se aplica del mismo espacio al mismo espacio. Por ejemplo, para el vector =
1 1
0 1

se tiene que la transformacin obtenida es

1 1
0 1
=
1 1 + 0
(1) 0 1

=
1 1
1 1

Dominio, codominio, ncleo y recorrido de una transformacin.
Al igual que las funciones tradiciones, las transformaciones tienen tres partes esenciales para existir: el dominio, el
codominio, y la regla de asignacin, como se observa en la figura 3.1.
AL 2014

2 Ing. Aldo Jimnez Arteaga


Figura 3.1. Diagrama de Venn de una transformacin. es el dominio, el codominio, la regla de asignacin y
() es el recorrido.
El dominio es el espacio vectorial al cual se le aplicar la transformacin; el codominio es el espacio al cual
pertenece el resultado de aplicar la transformacin; la regla de asignacin es la forma en la cual se debe manipular un
elemento de para convertirlo en un elemento de ; finalmente, () es el recorrido de la transformacin, y es el
subconjunto de obtenido a partir de la aplicacin de la transformacin a cada elemento de .
EJEMPLO 3.3. Sea la transformacin :
4

1
, definida por la regla de asignacin
(, , , ) = ( + ) +( )
donde
4
es el espacio vectorial de los cuartetos ordenados con elementos reales, y
1
es el espacio vectorial de los
polinomios de grado menor o igual a uno.
En este caso, el dominio de ser el espacio
4
; en tanto que el codominio es
1
. Para obtener el recorrido de la
transformacin se requiere obtener uno de sus conjuntos generadores. Esto se logra a partir de la transformacin de
una base del dominio; es decir, si se aplica la transformacin a la base de
4

= {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
Se obtendr un conjunto generador:
(1, 0, 0, 0) =
(0, 1, 0, 0) = 1
(0, 0, 1, 0) = 1
(0, 0, 0, 1) =
Entonces, el conjunto generador del recorrido es
= {, 1, 1, }
Como se observa, el conjunto tambin es generador de
1
. En este caso, el recorrido y el codominio son el mismo.
EJEMPLO 3.4. Para la transformacin :
2
definida por
( + ) =

+

V
W
()
:

.
() =
.
AL 2014

3 Ing. Aldo Jimnez Arteaga

donde (dominio) es el espacio vectorial de los nmeros complejos sobre el campo real, y
2
(codominio) es el espacio
vectorial de las matrices cuadradas de orden dos sobre el campo real.
El recorrido se obtendr por medio del conjunto generador resultante de transformar la base {1, }.
(1) =
1 0
0 1

() =
0 1
1 1

Para este caso
2
(). Utilizando la ecuacin de dependencia lineal

1 0
0 1
+
2

0 1
1 1
=



Y teniendo el sistema de ecuaciones lineales

1
=

2
=

2
=

1
+
2
=
Se obtiene que el espacio generado por el conjunto {(1), ()} es
() =


= , = ; , , ,
=


,
Dentro de las transformaciones existe un subconjunto especial llamado ncleo. El ncleo es parte del dominio y es el
conjunto de vectores de cuya transformacin bajo tiene como nico resultado al vector nulo del espacio
(codominio). Es decir, si se tiene una transformacin : y existe un subconjunto tal que () = 0

,
entonces el subconjunto es el ncleo de la transformacin .
EJEMPLO 3.5. Sean el espacio vectorial de los polinomios de grado menor o igual a dos con coeficientes reales, y la
transformacin :
2

2
definida por
(
2
+ + ) = ( + 2 )
2
+ ( + ) + ( + 2)
Para obtener el ncleo de la transformacin se debe considerar que al transformar un polinomio se obtendr el
polinomio nulo; es decir,
(
2
+ +) = 0
2
+ 0 + 0
entonces,
(
2
+ + ) = ( + 2 )
2
+ ( + ) + ( + 2)
= 0
2
+ 0 + 0
De aqu se plantea el siguiente sistema de ecuaciones:
AL 2014

4 Ing. Aldo Jimnez Arteaga

0
2
+ 0 + 0 = ( + 2 )
2
+ ( + ) + ( + 2)
+ 2 = 0
+ = 0
+ 2 = 0
donde se obtiene que el conjunto solucin es (3, , ); por lo tanto, el ncleo de la transformacin ser aquel que
cumpla las condiciones = 3 y = , es decir,
() = {3
2
+ | }
Se puede verificar que si se aplica la transformacin al vector = 3
2
+ , se obtendr el polinomio nulo.
(3
2
+ ) = [3 + 2 ()]
2
+[ + ()] + [3 + 2()]
= (3 +3)
2
+ ( ) + (3 + 3)
= 0
2
+ 0 + 0
Se debe recalcar que el ncleo es un subconjunto del dominio; en este ejemplo tanto el dominio como el codominio son
el mismo espacio vectorial, pero no siempre sucede as.
Definicin de transformacin lineal
Como se ha visto, una transformacin tiene tres elementos esenciales: el dominio, el codominio y la regla de
correspondencia; adems, tiene dos caractersticas importantes derivadas de las tres antes mencionadas: el recorrido
(perteneciente al codominio) y el ncleo (parte del dominio).
En lgebra Lineal se ha hablado de operaciones de suma de vectores y de multiplicacin por un escalar; para que una
transformacin sea caso de estudio en el lgebra Lineal, es necesario que mantenga dichas operaciones vlidas a lo
largo de la transformacin. Es as como surge el concepto de transformacin lineal.
Sean y dos espacios vectoriales sobre el mismo campo y una transformacin : . Se dice que es una
transformacin lineal si satisface , y las propiedades
( + ) = () + ( ) (Principio de superposicin).
() = () (Principio de homogeneidad).
Es decir, es lineal si preserva las dos operaciones definidas dentro del espacio vectorial: suma de vectores y
multiplicacin de un escalar por un vector.
EJEMPLO 3.6. Sean los espacios vectoriales
=


, , ,
= {| }
ambos sobre el campo de los reales. Debe verificarse si las transformaciones : y : son
transformaciones lineales, donde
AL 2014

5 Ing. Aldo Jimnez Arteaga




= 2 +
() =

+ 1

Para el caso de la transformacin se tiene lo siguiente.
Superposicin:

1

1

1

1
+

2

2

2

2
=

1

1

1

1
+

2

2

2

2

1
+
2

1
+
2

1
+
2

1
+
2
= (2
1

1
+
1

1
) +(2
2

2
+
2

2
)
2(
1
+
2
) (
1
+
2
) +(
1
+
2
) (
1
+
2
) = (2
1

1
+
1

1
) +(2
2

2
+
2

2
)
Por propiedades de la suma y la multiplicacin de los nmeros reales, se concluye que la propiedad se cumple, ya que la
ltima expresin es cierta.
Homogeneidad:

1

1

1

1
=

1

1

1

1

1

1

1

1
= (2
1

1
+
1

1
)
2
1

1
+
1

1
= (2
1

1
+
1

1
)
En este caso se tiene que por propiedades de la distribucin en los nmeros reales, la propiedad se cumple. Al cumplir la
superposicin y la homogeneidad, se concluye que es una transformacin lineal.
Para la transformacin se probar primero la homogeneidad.
Homogeneidad:
() = ()


+ 1


+ 1


+ 1


+

En esta ltima expresin se confirma que el elemento en el rengln dos, columna dos no es el mismo; por lo tanto la
propiedad no se cumple y la transformacin no es lineal.
No es necesario probar la superposicin ya que no posee homogeneidad.
Los subespacios ncleo y recorrido de una transformacin lineal
Las transformaciones lineales tambin tienen subconjuntos dentro del dominio y del codominio; como se vio en el
apartado anterior, dichos subconjuntos son el ncleo y el recorrido, respectivamente. De manera especial, dentro de las
transformaciones lineales dichos subconjuntos forman tambin subespacios, los cuales forman la base de un teorema
que se ver ms adelante.
AL 2014

6 Ing. Aldo Jimnez Arteaga

Sea : una transformacin lineal. Los subespacios () (recorrido de la transformacin) y () (ncleo de la
transformacin) se definen como:
1. () = {( ) | }
2. () = { |( ) = 0

}
EJEMPLO 3.7. Sea la transformacin lineal :
4

3
, definida por
(, , , ) = ( + 2 + 3 + , + 3 + 5 2, 3 + 8 + 13 3)
Para obtener su ncleo y recorrido se procede de la siguiente manera.
Recorrido. Al transformar una base del dominio, se obtendr un conjunto generador del recorrido; se utilizar la base
cannica de
4
.
(1, 0, 0, 0) = (1, 1, 3)
(0, 1, 0, 0) = (2, 3, 8)
(0, 0, 1, 0) = (3, 5, 13)
(0, 0, 0, 1) = (1, 2, 3)
Por lo que el conjunto generador ser = {(1, 1, 3), (2, 3, 8), (3, 5, 13), (1, 2, 3)}; con ste se establece el espacio
generado, utilizando los vectores como renglones de una matriz:

1 1 3
2 3 8
3 5 13
1 2 3

Al escalonar esta matriz y obtener la base del espacio rengln, se podr obtener el recorrido de la transformacin.

1 1 3
2 3 8
3 5 13
1 2 3
~
1 1 3
0 1 2
0 2 4
0 3 6
~
1 1 3
0 1 2
0 1 2
0 1 2
~
1 1 3
0 1 2
0 0 0
0 0 0
~
1 0 1
0 1 2
0 0 0
0 0 0

Por lo que la base cannica del subespacio es {(1, 0, 1), (0, 1, 2)}, y sta genera al subespacio
(
4
) = {(, , +2)|, }
Que es el recorrido de la transformacin.
Ncleo. Para el ncleo se utiliza directamente la regla de asignacin, igualada al vector nulo del codominio.
(, , , ) = ( + 2 + 3 + , + 3 + 5 2, 3 + 8 + 13 3)
= (0, 0, 0)
Y se genera el sistema de ecuaciones lineales
AL 2014

7 Ing. Aldo Jimnez Arteaga

+2 +3 + = 0
+3 +5 2 = 0
3 +8 +13 3 = 0

Y la solucin se da por

1 2 3 1
1 3 5 2
3 8 13 3
~
1 2 3 1
0 1 2 3
0 2 4 6
~
1 2 3 1
0 1 2 3
0 1 2 3
~
1 2 3 1
0 1 2 3
0 0 0 0
~
~
1 0 1 7
0 1 2 3
0 0 0 0

Al replantear el sistema de ecuaciones se tiene que
+7 = 0
+2 3 = 0

y el conjunto solucin es
() = {( 7, 2 + 3, , )|, }
que tambin es el ncleo de la transformacin lineal.
En este ejemplo se verifica que tanto el ncleo como el recorrido son subespacios, ya que en ambos se cumple la
respectiva cerradura para la suma de vectores y multiplicacin por un escalar; adems, cada subespacio contiene al
vector nulo respectivo.
EJEMPLO 3.8. Sea la transformacin lineal :
3

2
, definida por
(, , ) =
+


Para obtener el recorrido se tiene que establecer la transformacin de una base del dominio. En este caso, se
manipular la base cannica de
3
.
(1, 0, 0) =
1 1
0 1

(0, 1, 0) =
1 1
0 1

(0, 0, 1) =
0 0
1 1

Para encontrar el espacio generado por el conjunto
1 1
0 1
,
1 1
0 1
,
0 0
1 1
se acude a una combinacin lineal:

1 1
0 1
+
2

1 1
0 1
+
3

0 0
1 1
=



Y se resuelve el sistema de ecuaciones lineales
AL 2014

8 Ing. Aldo Jimnez Arteaga

1
+
2
=

1

2
=

3
=

1

2

3
=

Al escalonar la matriz de coeficientes se tiene que

1 1 0
1 1 0
0 0 1
1 1 1
~
1 1 0
0 0 0 +
0 0 1
0 0 1 +
~
1 1 0
0 0 1
0 0 0 +
0 0 1 +
~
~
1 1 0
0 0 1
0 0 0 +
0 0 0 + +

Por lo que las restricciones + = 0 y + + = 0 le darn forma al recorrido de la transformacin:
(
3
) =


,
El ncleo de la transformacin utiliza directamente la regla de asignacin.

0 0
0 0
=
+


Y se obtiene
+ = 0
= 0
= 0
= 0

Directamente, se deduce que = 0 y = ; por lo que el ncleo de la transformacin es
() = {(, , 0)| }
Para este caso, tambin se satisface que el recorrido es subespacio vectorial del codominio, y el ncleo es subespacio
vectorial del dominio.
Caso de dimensin finita: relacin entre las dimensiones del dominio, recorrido y ncleo
de una transformacin lineal.
Existe una relacin interesante entre las dimensiones de ncleo, el recorrido y el dominio de una transformacin lineal;
esta relacin es fundamental en los espacios vectoriales de dimensin finita.
Sean los espacios vectoriales de dimensin , de dimensin , y la transformacin lineal : . Se establece
dim = dim() + dim()
AL 2014

9 Ing. Aldo Jimnez Arteaga

Se debe recalcar que dim dim() y dim dim(); las relaciones de igualdad se establecern ms adelante,
cuando se trate el tema de isomorfismo, transformacin identidad y transformacin nula.
Como una nota adicional, muchas ocasiones la dimensin del recorrido se conoce como rango, y la dimensin del ncleo
como nulidad.
EJEMPLO 3.9. Sean los espacios vectoriales y las transformaciones lineales consideradas en los ejemplos 3.7 y 3.8.
Para el primer caso, :
4

3
definida por
(, , , ) = ( + 2 + 3 + , + 3 + 5 2, 3 + 8 + 13 3)
Se tiene que el ncleo y el recorrido son, respectivamente,
() = {( 7, 2 + 3, , )|, } y (
4
) = {(, , + 2)|, }
Se sabe que la dimensin del dominio es cuatro; por otro lado, la dimensin del ncleo es dos y la del recorrido es dos;
por lo tanto, se satisface que
dim
4
= dim() + dim(
4
)
4 = 2 + 2
Como el dominio es de dimensin finita, se satisface el teorema mencionado al inicio de este apartado.
En el segundo caso, la transformacin lineal :
3

2
se define por
(, , ) =
+


cuyo ncleo y recorrido son
() = {(, , 0)| } y (
3
) =


,
que tienen una nulidad igual a uno, y un rango equivalente a dos; como la dimensin del dominio es tres, se satisface la
ecuacin
dim
3
= dim() + dim(
3
)
3 = 1 +2
Por lo tanto, tambin se comprueba que el teorema de dimensiones es vlido.
Isomorfismo entre espacios vectoriales
Dentro de las transformaciones lineales se puede establecer una relacin de equivalencia entre los espacios vectoriales.
Por ejemplo, si se tiene al espacio vectorial y una transformacin lineal de la forma : definida por
( ) = ,
Se tiene que la transformacin lineal aplica al espacio en l mismo; esta transformacin se conoce como
transformacin identidad y se denota como
AL 2014

10 Ing. Aldo Jimnez Arteaga

:
Adicionalmente, esta transformacin tiene las propiedades de ser suprayectiva e inyectiva. Recurdese que una funcin
suprayectiva establece que el recorrido es el codominio; es decir, la funcin relaciona al dominio sobre el codominio. En
tanto que una funcin inyectiva establece que a cada elemento del recorrido se le asocia con uno slo del dominio; es
decir, la funcin es uno a uno entre el dominio y el codominio.
EJEMPLO 3.10. La transformacin identidad :
2

2
definida por
(
2
+ + ) =
2
+ +
Establece que cada polinomio del dominio
2
se convertir en un polinomio del codominio
2
; es decir, todo el
codominio est cubierto por el dominio, o el recorrido de la transformacin es el mismo codominio. En este caso la
funcin es suprayectiva.
La transformacin tambin presenta la naturaleza de que cada polinomio ser transformado en s mismo; por ejemplo,
el polinomio del dominio =
2
+ +1 solo tiene un asociado en el codominio: l mismo.
(
2
+ + 1) =
2
+ +1
Si se establece con el polinomio genrico esta aseveracin se confirmar que a cada elemento del dominio le
corresponde uno y slo uno del codominio; es decir, la transformacin es inyectiva.
Existen transformaciones lineales, no necesariamente la transformacin identidad, que son suprayectivas e inyectivas.
Dichas aplicaciones son conocidas como isomorfismos.
Sean dos espacios vectoriales y , y una transformacin lineal : . Los espacios y son isomorfos entre s,
slo si es inyectiva y suprayectiva; entonces, a se le conoce como isomorfismo. A un isomorfismo se le denotara
como , y a los espacios vectoriales isomorfos como .
Los isomorfismos cumplen con propiedades importantes. Sean los espacios isomorfos , , y el isomorfismo :
. Para esta transformacin se cumple que
Su ncleo es el vector nulo: () = {0

}
Es no-singular; es decir, tiene una transformacin inversa.
Una base cualquiera del dominio se transforma en una base del codominio.
EJEMPLO 3.11. Sea la transformacin lineal :
3

2
entre los espacios

3
=
0 0
0 0
0 0
, , y
2
= {
2
+ +|, , }
Definida como

0 0
0 0
0 0
= ( )
2
+ + ( )
AL 2014

11 Ing. Aldo Jimnez Arteaga

Para verificar si la transformacin lineal es un isomorfismo, se debe considerar que se cumplen las tres propiedades
mencionadas anteriormente.
Ncleo de la transformacin:

0 0
0 0
0 0
= ( )
2
+ + ( )
= 0
2
+ 0 + 0
Se obtiene que
= 0
= 0
= 0

De la segunda ecuacin se deduce que la nica solucin validad para el SELH es la solucin trivial; por lo tanto, el ncleo
de la transformacin es el vector nulo.
Transformacin de una base:
La base que se utilizar para el dominio ser
=
1 0 0
0 0 0
0 0 0
,
0 0 0
0 1 0
0 0 0
,
0 0 0
0 0 0
0 0 1

Por lo que la transformacin ser:

1 0 0
0 0 0
0 0 0
=
2
+ 1

0 0 0
0 1 0
0 0 0
=
2
+

0 0 0
0 0 0
0 0 1
= 1
Debido a que el conjunto {
2
+ 1,
2
+ , 1} es generador del recorrido, se necesita corroborar que es una base del
codominio; por lo tanto, se recurre a la ecuacin de dependencia lineal

1
(
2
+ 1) +
2
(
2
+) +
3
(1) = 0
2
+ 0 + 0
Del sistema de ecuaciones resultante

1

2
= 0

2
= 0

1

3
= 0

AL 2014

12 Ing. Aldo Jimnez Arteaga

Se obtiene que
1
,
2
,
3
= 0; por lo tanto, el conjunto analizado es linealmente independiente, y en consecuencia es
una base del codominio. As, se cumple la tercera propiedad del isomorfismo.
Singularidad de la transformacin:
Para esta seccin se debe tomar en cuenta la matriz asociada a la transformacin; dicho concepto se tratar en el
siguiente tema. Sin embargo, para comprobar esta propiedad se utilizarn los resultados obtenidos en el punto anterior.
El primer elemento considerado ser la matriz de coeficientes del sistema de ecuaciones

1

2
= 0

2
= 0

1

3
= 0

Ms adelante, se confirmar que esta es la matriz asociada a la transformacin lineal, y que est referida a las bases
naturales de los espacios vectoriales involucrados. Teniendo esta matriz, se debe verificar que es no-singular; as, se
segura que la transformacin lineal tiene inversa.
det
1 1 0
0 1 0
1 0 1
= 1
Como el determinante de la matriz es diferente de cero, eso significa que tiene inversa; por lo tanto la transformacin
tiene inversa.
Debido a que la satisfaccin de las tres propiedades se cumple, se asegura que es suprayectiva e inyectiva; por lo
tanto, es un isomorfismo.
EJEMPLO 3.12. Se desea encontrar un isomorfismo entre los espacios vectoriales
2
y . Para este ejemplo se tomar al
vector genrico y a la base natural de cada espacio vectorial involucrado. Primeramente, se hace una combinacin lineal
en el dominio:

1
(1, 0) +
2
(0, 1) = (, )
De donde los escalares tienen valores
1
= y
2
= . Con estos valores se puede reescribir la combinacin lineal como
(1, 0) + (0, 1) = (, )
Utilizando las propiedades de linealidad del isomorfismo, se puede expresar:
(1, 0) + (0, 1) = (, )
(1, 0) +(0, 1) = (, ) (1)
Debido a que el isomorfismo transforma una base del dominio en una base del codominio, se necesita estipular cual ser
la correspondiente asociacin entre los elementos de las bases. Como es posible encontrar varios isomorfismos entre los
mismos espacios vectoriales, se puede establecer que las transformaciones de los elementos de la base de
2
bajo el
isomorfismo buscado son:
(1, 0) = (2)
AL 2014

13 Ing. Aldo Jimnez Arteaga

(0, 1) = 1 (3)
Donde se observa que el conjunto , 1 es una base de . Al sustituir (2) y (3) en (1) se tiene:
() + (1) = (, )
= (, )
De donde se obtiene que la regla de correspondencia del isomorfismo buscado es
(, ) =
Se puede comprobar fcilmente que esta transformacin lineal es inyectiva y suprayectiva; por lo tanto, es un
isomorfismo.
Matriz asociada a una transformacin lineal con dominio y codominio de dimensin
finita
Como se vio en el ejemplo 3.11, es posible asociar a una transformacin lineal con una matriz. Existen dos
procedimientos vlidos para obtener esta matriz. Sin embargo, debe recalcarse que uno de ellos funciona slo si la
transformacin estudiada es del tipo :

; el otro procedimiento aplica para cualquier transformacin lineal


referida a cualquier espacio vectorial.
Al tratar una transformacin de la forma :

se puede establecer una matriz asociada con base en la regla de


asignacin, y viceversa.
Sea :

una transformacin lineal entre los espacios vectoriales

. Existe una matriz asociada a , tal


que
( )

= ()


Donde () est compuesta de la siguiente manera
() =


Siendo

1
,

2
,

3
,

la base cannica del espacio vectorial

.
EJEMPLO 3.13. Sea la transformacin :
3

4
definida por
(, , ) = ( + , 2, 3 2, )
Si se utiliza la base cannica del dominio se obtienen las siguientes transformaciones
(1, 0, 0) = (1, 2, 0, 1)
(0, 1, 0) = (1, 0, 3, 1)
(0, 0, 1) = (1, 0, 2, 1)
Esas transformaciones se acomodan en un arreglo matricial, utilizando cada vector como una columna de dicha matriz
AL 2014

14 Ing. Aldo Jimnez Arteaga

() =
1 1 1
2 0 0
0 3 2
1 1 1

La matriz obtenida es la matriz asociada a la transformacin lineal . Esta matriz puede utilizarse para obtener la imagen
de cualquier vector de
3
bajo la transformacin .
Si se desease obtener la transformacin del vector = (1, 1, 4) bajo , se puede utilizar la regla de asignacin o la
matriz asociada.
Por regla de asignacin:
(1, 1, 4) = (2, 2, 11, 6)
Por matriz asociada:
(1, 1, 4)

=
1 1 1
2 0 0
0 3 2
1 1 1

1
1
4

=
2
2
11
6

Se puede observar que las transformaciones por ambos mtodos son iguales.
EJEMPLO 3.14. Dada la transformacin :
4

2
, se desea obtener su regla de correspondencia, si se sabe que
(1, 0, 0, 0) = (0, 0, 1, 0) (1, 0)
(0, 1, 0, 0) = (0, 0, 0, 1) (0, 1)
Para este caso, se tiene la matriz asociada a la transformacin , expresada en trminos de las transformaciones de los
elementos de la base cannica del dominio.
() =

()

()

()

()


=
1 0 1 0
0 1 0 1

Finalmente para obtener la regla de correspondencia de la transformacin lineal basta con multiplicar la matriz asociada
por el vector genrico del dominio; es decir,
(, , , )

=
1 0 1 0
0 1 0 1


AL 2014

15 Ing. Aldo Jimnez Arteaga

(, , , )

=
1 0 1 0
0 1 0 1


=



donde obtiene que la regla de correspondencia buscada es (, , , ) = ( , ).
De manera general, es posible encontrar una matriz asociada a cada transformacin lineal cuyos espacios vectoriales son
de dimensin finita. Dicha matriz utiliza el concepto fundamental de la matriz de transicin desde una base hasta una
base : el vector de coordenadas.
Sean y dos espacios vectoriales de dimensin finita, : una transformacin lineal, = {
1
,
2
,
3
, ,

}
una base de , y =

1
,

2
,

3
, ,

una base de . Debido a que puede generar cualquier vector de ,


=
1

1
+
2

2
+
3

3
+ +


La imagen de cualquier vector de bajo puede escribirse de la siguiente manera
( ) =
=
1

1
+
2

2
+
3

3
++


Por lo tanto, cada elemento de la base puede expresarme de esa misma manera; es decir
(
1
) =
11

1
+
12

2
+
13

3
+ +
1


(
2
) =
21

1
+
22

2
+
23

3
+ +
2


(
3
) =
31

1
+
32

2
+
33

3
+ +
3

) =
1

1
+
2

2
+
3

3
+ +


De esta forma se obtienen los vectores de coordenadas de (

) en la base :
[(
1
)]

11

12

1
, [(
2
)]

21

22

2
, [(
3
)]

31

32

3
, , [(

)]


Utilizando el concepto de matriz de transicin presentado en el captulo anterior, estos vectores de coordenadas forman
una matriz; dicha matriz se conoce como la matriz asociada a la transformacin referida a las bases y .

() = ([(
1
)]

[(
2
)]

[(
3
)]

[(

)]

)
Esta matriz referida a esas bases es nica para , y permite establecer
[( )]

()[ ]


EJEMPLO 3.15. Sean
2
= {
2
+ + |, , } y
3
= {
3
+
2
+ + |, , , } dos espacios
vectoriales sobre el campo de los reales; y sea la transformacin lineal :
3

2
, definida por
AL 2014

16 Ing. Aldo Jimnez Arteaga

(
3
+
2
+ +) =

(
3
+
2
+ +)
a. Obtngase la matriz asociada a referida a la base = {
3
,
2
+ 1,
3
1,
2
+ } del dominio y la base
= {2
2
2, 1, 2
2
+ +1} del codominio.
b. Utilcese la matriz para obtener la transformacin de =
3
+2
2
+ 3, y comprubese mediante la regla de
correspondencia.
Lo primero que debe realizarse es obtener la imagen de los elemento de bajo .
(
3
) = 3
2
1
(
2
+ 1) = 2
(
3
1) = 3
2

(
2
+ ) = 2 +1
Ahora se proceder a obtener los vectores de coordenadas en la base de cada una de las imgenes obtenidas.
3
2
1 =
1
(2
2
2) +
2
( 1) +
3
(2
2
+ +1)
2 =
1
(2
2
2) +
2
( 1) +
3
(2
2
+ + 1)
3
2
=
1
(2
2
2) +
2
( 1) +
3
(2
2
+ +1)
2 + 1 =
1
(2
2
2) +
2
( 1) +
3
(2
2
+ + 1)
Por lo que los resultados de resolver los sistemas de ecuaciones correspondientes son
[3
2
1]

=
1
2
1
1
, [2]

=
1
1
1
, [3
2
]

=
1
2

0
3
3
, [2 + 1]

=
1
2

1
3
1

Entonces la matriz buscada es

() =

1
2
1 0
1
2
1 1
3
2

3
2
1 1
3
2
1
2


Con lo que se concluye el inciso a.
Para obtener la transformacin del vector =
3
+ 2
2
+ 3 se utilizar la ecuacin
[()]

()[]


Por lo que

1
(
3
) +
2
(
2
+ 1) +
3
(
3
1) +
4
(
2
+) =
3
+ 2
2
+ 3
Se registra que el vector de coordenadas es []

=
1
2

1
7
1
3
. Entonces, se puede realizar la operacin matricial
AL 2014

17 Ing. Aldo Jimnez Arteaga

[()]

1
2
1 0
1
2
1 1
3
2

3
2
1 1
3
2
1
2

1
2
7
2
1
2

3
2


=
5
2
0
4

Finalmente, para obtener la imagen buscada se realiza una combinacin lineal con [()]

y los vectores de la base :

5
2
(2
2
2) + (0)( 1) +(4)(2
2
+ + 1) = 3
2
+ 4 1
Al aplicar directamente la regla de asignacin sobre el polinomio se tiene

(
3
+ 2
2
+ 3) = 3
2
+4 1
Que es el mismo resultado obtenido con anterioridad. Con esto, se concluye satisfactoriamente el inciso b.
EJEMPLO 3.16. Dados el espacio vectorial = {(, )|, }, y la transformacin lineal : . Se debe encontrar
la regla de correspondencia de dicha transformacin, utilizando las bases = {(1, 2), (2, 0)} y
= {(1, 0), (1, 1)}, sabiendo que
(1, 2) = (cos 45 , 3 cos 45)
(2, 0) = (2 cos 45 , 2 cos 45)
Sabiendo las transformaciones de los respectivos vectores, se puede la matriz asociada a la transformacin referida a las
bases y :
(cos 45 , 3 cos 45) =
1
(1, 0) +
2
(1, 1)
(2 cos 45 , 2 cos 45) =
1
(1, 0) +
2
(1, 1)
De donde se obtiene la matriz asociada

() =
4 cos 45 0
3 cos 45 2 cos 45

Una vez obtenida la matriz asociada, se debe utilizar el vector genrico del espacio vectorial para calcular la regla de
correspondencia. El problema sera muy sencillo si las bases de referencia fuesen cannicas: slo se multiplicara la
matriz asociada por el vector transpuesto, y se obtendra la regla de correspondencia. Este ejemplo contempla bases
que no son cannicas; entonces, se debe recurrir al vector de coordenadas para resolver el problema.
(, ) =
1
(1, 2) +
2
(2, 0)
Se obtiene que [(, )]

=
1
4

2
2 +
; utilizando este vector de coordenadas se establece que
AL 2014

18 Ing. Aldo Jimnez Arteaga

[(, )]

=
4 cos 45 0
3 cos 45 2 cos 45

2
4
2 +
4

=
2 cos 45
cos 45 cos 45

Por lo que la regla de correspondencia se obtiene de la siguiente combinacin lineal:
(2 cos 45)(1, 0) + ( cos 45 cos 45)(1, 1) = (, )
( cos 45 cos 45 , cos 45 + cos 45) =
Que es la regla de correspondencia buscada.
Un caso interesante es la transformacin identidad, establecida como : . Se puede establecer que la matriz
asociada est referida nicamente a una base, en vista que la transformacin trabaja en el mismo espacio vectorial. De
forma general, se toma por conveniencia la base cannica, a menos que se especifique lo contrario.
Como slo se trabaja con una base, y la transformacin identidad no afecta a los vectores, es inmediato suponer que la
matriz asociada debe poseer esa caracterstica: no afectar a los vectores de coordenadas que se obtienen. Es entonces
que se deduce que la matriz asociada a la transformacin identidad es la matriz identidad.
EJEMPLO 3.17. Sea la transformacin identidad : y =

1
,

2
,

3
, ,

una base del espacio vectorial . Al


aplicar la transformacin identidad a la base se obtendr

1
=

=
1
0

0
,

2
=

=
0
1

0
, ,

=
0
0

1

Por lo que al formar la matriz asociada a la transformacin se tiene

() =
1 0 0
0 1 0

0 0 1

Que es la matriz identidad.
lgebra de las transformaciones lineales
Las transformaciones lineales tambin tienen definidas operaciones entre ellas; ms especficamente, la suma de
transformaciones y la multiplicacin por un escalar, que son las operaciones bsicas en los espacios vectoriales.
Por medio de las operaciones se pueden combinar diversas transformaciones lineales, y as obtener nuevas
transformaciones.
AL 2014

19 Ing. Aldo Jimnez Arteaga

Definicin y propiedades de la adicin
Sean : y : dos transformaciones lineales entre espacios vectoriales sobre el mismo campo. Se define a
la suma de transformaciones lineales + como la transformacin denotada por
( + )( ) = ( ) + ( )
Dos propiedades importantes de esta operacin son:
Si F y G son lineales, entonces + tambin es lineal.

( + ) =

() +

().
Definicin y propiedades de la multiplicacin por un escalar
Sean : una transformacin lineal entre espacio vectoriales sobre el campo , y un escalar . Se define a la
multiplicacin de una transformacin lineal por un escalar como la transformacin denotada por
()( ) = [( )]
Sus propiedades son:
Si F es lineal, entonces tambin es lineal

() =

().
EJEMPLO 3.18. Sean las transformaciones :
2

2
y :
2

2
, definidas por
(
2
+ +) = (2, + )
(
2
+ +) = ( , )
Se desea obtener la transformacin 3 2, as como su matriz asociada a las bases cannicas. Para realizarlo, basta
con obtener el resultado de la operacin con las reglas de correspondencia de ambas transformaciones:
3 2 = 3(2, + ) 2( , )
= (6, 3 + 3) (2 2, 2)
(3 2)(
2
+ +) = (4 + 2, + 3)
Que es la regla de asignacin buscada. La matriz asociada puede obtenerse como sigue:
(
2
) = (2, 0)
() = (0, 1)
(1) = (0, 1)
(
2
) = (1, 0)
() = (0, 1)
(1) = (1, 0)
Cuyas respectivas matrices asociadas son:
() =
2 0 0
0 1 1

() =
1 0 1
0 1 0

AL 2014

20 Ing. Aldo Jimnez Arteaga

Para encontrar la matriz buscada, slo se realizan las siguientes operaciones segn las propiedades de las operaciones
entre las transformaciones lineales:
3() 2() = (3 2)
3
2 0 0
0 1 1
2
1 0 1
0 1 0
=

6 0 0
0 3 3

2 0 2
0 2 0
=
4 0 2
0 1 3

Si se toma la base cannica y se utiliza la regla de correspondencia de la transformacin 3 2, se tiene que
(3 2)(
2
) = (4, 0)
(3 2)() = (0, 1)
(3 2)(1) = (2, 3)
Y la matriz asociada es
(3 2) =
4 0 2
0 1 3

Que es la matriz que se obtuvo anteriormente.
Puede observarse que no importa cul sea el mtodo para calcular la matriz, siempre se llegar al mismo resultado; esto
se debe a que la matriz asociada a una transformacin es nica.
Definicin y propiedades de la composicin de transformaciones
Una de las operaciones ms interesantes dentro de las transformaciones lineales (y del estudio de las funciones en
general) es la composicin de funciones. En general, la composicin de transformaciones se comporta de la misma
forma que la composicin de funciones reales de variable real; la diferencia radica en la utilizacin de matrices asociadas
para calcular la transformacin composicin.
Sean , y tres espacios vectoriales sobre el campo , y : y : dos transformaciones lineales. La
funcin composicin se define como
( )() = ()
Es decir, la composicin es una transformacin evaluada con otra transformacin. La figura 3.2 muestra la relacin entre
los espacios involucrados; se puede observar que en la composicin se obtiene la imagen de un vector bajo una
transformacin por medio de otra transformacin.
AL 2014

21 Ing. Aldo Jimnez Arteaga


Figura 3.2. Composicin de transformaciones lineales.
Las propiedades de la composicin de funciones son:
Si y son lineales, entonces tambin es lineal.
( +) = ( ) + ( ).
( +) = ( ) +( ).
( ) = () ().
( ) = ( ) .

= y

= ; donde

es la transformacin identidad en el dominio de E, e

es la transformacin
identidad en el codominio de .

( ) =

()

().
EJEMPLO 3.19. Sean los espacios vectoriales
3
, y
4
, donde
= {
3
+ |, }
y las transformaciones lineales :
3
y :
4
definidas por
(, , ) =
3
+ ( )
(
3
+ ) = (, , , )
Para obtener la transformacin simplemente se sustituye la regla de correspondencia de en la regla de , como
sigue
( )(, , ) = (, , )
= (
3
+ ( ))
= (, , , + )
Para comprobar que el resultado es correcto, se utilizar las matrices asociadas para encontrar la regla de
correspondencia; las bases con las que se trabajar sern las bases cannicas, para simplificar el clculo.
Para la matriz ():
(1, 0, 0) =
(0, 1, 0) =
3

(0, 0, 1) =
()
U

.
W

.
V

.
()
()
AL 2014

22 Ing. Aldo Jimnez Arteaga

y los vectores de coordenadas, referidos a la base cannica de , de cada imagen son [] =
0
1
, [
3
] =
1
0
y
[] =
0
1
; por lo tanto, la matriz asociada a es
() =
0 1 0
1 0 1

Para la matriz ():
(
3
) = (1, 1, 0, 0)
() = (0, 0, 1, 1)
En este caso, los vectores de coordenadas con respecto a la base cannica del espacio
4
son [
3
] =
1
1
0
0
y
[] =
0
0
1
1
; y la matriz asociada a es
() =
1 0
1 0
0 1
0 1

Para obtener la matriz de la transformacin , simplemente se realiza la multiplicacin de las matrices.
( ) = ()()
=
1 0
1 0
0 1
0 1

0 1 0
1 0 1

( ) =
0 1 0
0 1 0
1 0 1
1 0 1

La multiplicacin de matrices es compatible; por lo tanto, la operacin de composicin hecha es correcta. Para obtener
la regla de correspondencia, se utilizar la transformacin del vector genrico transpuesto de
3
premultiplicado por la
matriz asociada; recurdese que este procedimiento es correcto debido a que tenemos una transformacin del tipo


hacia

.
[( )(, , )] =
0 1 0
0 1 0
1 0 1
1 0 1


+

Por lo que la regla de correspondencia es ( )(, , ) = (, , , + ), comprobando que se obtiene el
mismo resultado que mediante la manipulacin de reglas de correspondencia.
AL 2014

23 Ing. Aldo Jimnez Arteaga

La inversa de una transformacin lineal
La propiedad = de la composicin de transformaciones lineales plantea la posibilidad de encontrar una
transformacin tal que = ; esto quiere decir que para la operacin de composicin es posible establecer una
transformacin lineal inversa.
El planteamiento de la transformacin inversa permite establecer problemas en los cuales se desea encontrar un vector
cualquier, cuya imagen es conocida. Tambin debe considerarse la relacin que existe entre las matrices asociadas a las
transformaciones y las transformaciones inversas; estos conceptos se tocaron de manera breve en el apartado de
isomorfismos.
Sea : una transformacin lineal. Se llama inversa de a la transformacin
1
: tal que se cumple

1
=



1
=


La figura 3.3 muestra la relacin entre una transformacin lineal y su inversa. Al igual que en el Clculo, la relacin que
existe entre la funcin inversa y la composiciones de funciones es anloga a la que se estudia en este captulo; aqu se
hace la extensin hacia las matrices asociadas a las transformaciones lineales.

Figura 3.3. Transformacin lineal inversa.
Dentro de las propiedades de la transformacin inversa se encuentran:
Si es lineal, entonces
1
(si existe) tambin es lineal.

1
existe, si

() es no-singular.

1
es nica.
(
1
)
1
= .
( )
1
=
1

1
.
()
1
=
1

1
; siendo 0 , que es el campo donde se define la transformacin.

(
1
) = [

()]
1
.
Tambin se cumplen las siguientes propiedades:
Si es inyectiva y suprayectiva, entonces
1
existe.

1
existe, si dim = dim y () = {0

}.
V

.
W
()
.


AL 2014

24 Ing. Aldo Jimnez Arteaga

Estas dos propiedades son las correspondientes a un isomorfismo; por ello se habl de que el isomorfismo es una
transformacin lineal no-singular. En conclusin, cualquier transformacin inversa es un isomorfismo.
EJEMPLO 3.20. Se desea determinar cul de las siguientes transformaciones tiene inversa:
(, , ) =
2 0 0
0 4 0
0 0 2 + 3

( +) = (2 + 4, 3 + 6)
Para cada uno de los casos se puede comprobar las propiedades de transformacin inyectiva, suprayectiva, ncleo y
dimensiones; sin embargo, una manera ms sencilla de realizar esta comprobacin es por medio de las matrices
asociadas. En ningn momento se establece el uso de dos bases en particular, as que se realizarn los clculos con las
bases cannicas.
Para la transformacin :
(1, 0, 0) =
2 0 0
0 4 0
0 0 2

(0, 1, 0) =
0 0 0
0 1 0
0 0 3

(0, 0, 1) =
0 0 0
0 0 0
0 0 1

Al realizar la combinacin lineal de las imgenes con la base natural del espacio vectorial de las matrices diagonales de
orden tres se obtienen los respectivos vectores de coordenadas, y la matriz asociada es
() =
2 0 0
4 1 0
2 3 1

Para saber si la matriz tiene inversa se calcula su determinante: det () = 2; por lo tanto, la matriz es no-singular y
existe la transformacin
1
. Para saber la regla de correspondencia, se invertir la matriz y se utilizarn los vectores de
coordenadas.

2 0 0 1 0 0
4 1 0 0 1 0
2 3 1 0 0 1
~
1 0 0
1
2
0 0
0 1 0 2 1 0
0 3 1 1 0 1
~
1 0 0
1
2
0 0
0 1 0 2 1 0
0 0 1 7 3 1

En este caso, se intercambia el dominio y el codominio, puesto que se est trabajando con la transformacin inversa. Los
vectores de coordenadas se obtienen a partir de

0 0
0 0
0 0
=
1

1 0 0
0 0 0
0 0 0
+
2

0 0 0
0 1 0
0 0 0
+
3

0 0 0
0 0 0
0 0 1

Donde
1
= ,
2
= y
3
= ; entonces se aplica la transformacin
AL 2014

25 Ing. Aldo Jimnez Arteaga

0 0
0 0
0 0
=
1
2
0 0
2 1 0
7 3 1


=
1
2

2
7 3

y la regla de correspondencia se obtiene de la combinacin lineal

1
2
(1, 0, 0) + (2 )(0, 1, 0) + (7 3 )(0, 0, 1) =
1
2
, 2 , 7 3
Por lo que la regla de correspondencia es

0 0
0 0
0 0
=
1
2
, 2 , 7 3
Para la transformacin T:
() = (2, 3)
(1) = (4, 6)
Se tiene la matriz asociada
() =
2 4
3 6

Se puede observar directamente que una columna es mltiplo de la otra; se comprueba entonces, que el determinante
de la matriz es igual a cero, y como consecuencia, la transformacin
1
no existe.
Una de las aplicaciones ms importantes de las operaciones entre transformaciones lineales son las ecuaciones que
pueden plantearse. Por ejemplo, se puede establecer la siguiente ecuacin:
( ) +(3 4) =
Donde se debe encontrar la regla de correspondencia de la transformacin . Si se sustituyen las transformaciones por
sus respectivas matrices asociadas se obtendra una ecuacin de la siguiente forma:
()() + (3) + (4) = ()() ()
Que es una ecuacin matricial, cuyo mtodo de resolucin se estudi en el tema de Matrices y determinantes.
EJEMPLO 3.21. Dadas las transformaciones
:
2

2
(
2
+ +) = ( + )
2
+ ( + ) + ( + )
:
1

2
( + ) = ( +)
2
+ + ( + 3)
:
2

1
(
2
+ +) = ( + ) + ( +)
Obtngase la regla de correspondencia de la transformacin lineal , si
AL 2014

26 Ing. Aldo Jimnez Arteaga

3 + =
La ecuacin puede escribirse a trminos de matrices asociadas:
(3)() +()() = ()
()() = () (3)()
() = [()]
1
[() (3)()]
Por lo que cada transformacin encuentra a su matriz asociada como sigue:
(3) =
3 3
3 0
3 9
() =
1 1 0
1 0 1
() =
1 1 1
1 1 0
0 1 1

Por lo que la matriz faltante es la inversa de ():

1 1 1 1 0 0
1 1 0 0 1 0
0 1 1 0 0 1
~
1 1 1 1 0 0
0 0 1 1 1 0
0 1 1 0 0 1
~
1 1 0 0 1 0
0 0 1 1 1 0
0 1 0 1 1 1
~
~
1 0 0 1 2 1
0 1 0 1 1 1
0 0 1 1 1 0

[()]
1
=
1 2 1
1 1 1
1 1 0

Por lo que la ecuacin queda como
() =
1 2 1
1 1 1
1 1 0

1 1 1
1 1 0
0 1 1

3 3
3 0
3 9

1 1 0
1 0 1

=
1 2 1
1 1 1
1 1 0

1 1 1
1 1 0
0 1 1

6 3 3
3 3 0
12 3 9

=
1 2 1
1 1 1
1 1 0

5 2 4
2 2 0
12 2 8

=
13 0 12
15 2 12
3 0 4

Finalmente, como se define :
2

2
, se tiene que la regla de correspondencia ser:
(
2
+ + ) = (13 +12)
2
(15 +2 12) + (3 + 4)
Efectos geomtricos de las transformaciones lineales
Las transformaciones lineales permiten establecer el comportamiento geomtrico de los puntos de un sistema
coordenado; una vez que se sabe donde esta ese punto, se lo puede representar como un vector, que dependiendo de
la transformacin lineal que se le aplique, podr convertirse en otro punto, o permanecer inalterable.
AL 2014

27 Ing. Aldo Jimnez Arteaga

Estos aspectos nos permiten establecer algoritmos para representar imgenes por medio de una computadora; e
incluso, permitir que dichas imgenes se agrupen en fotomontajes y animaciones.
En computacin grfica, se utilizan las transformaciones lineales para realizar clculos en los cuales un punto de la
pantalla podr trasladarse a diferentes posiciones, o bien cambiar de color, o aumentar su brillo. A continuacin se
exponen algunos ejemplos del uso de las transformaciones lineales en aspectos geomtricos involucrados en el
procesamiento digital de imgenes.
EJEMPLO 3.22. Sea la imagen de la figura 3.4.

Figura 3.4. Imagen digital que se puede generar por medio de una transformacin lineal.
Esta imagen puede presentarse como un sistema coordenado, en el cual el punto inferior del corazn sera el origen.
Tomando en consideracin que la imagen es simtrica, se puede establecer un algoritmo de compresin, en el cual slo
se almacenen dos factores: la mitad de la imagen y una transformacin lineal.
Se tomar el lado derecho y por medio de una transformacin lineal se generar el lado izquierdo; cada punto de la
imagen se representar por medio de un vector. Al aplicar la transformacin a cada vector se obtiene una reflexin de
los puntos sobre el eje (vase la figura 3.5), lo cual permitir establecer una imagen simtrica, y completa, en la
pantalla del ordenador.

Figura 3.5. Generacin de la parte izquierda de la imagen estudiada a partir de la parte derecha y la transformacin
lineal T.
Finalmente, la unin de los puntos ya almacenados en el archivo de imagen, y el conjunto de vectores resultantes de
aplicar la transformacin nos dar la imagen completa (figura 3.6). Este tipo de manipulacin con imgenes se denomina
reflexin, ya que se establece un eje o curva sobre el cual los puntos sern reflejados. Esto permite manipular
informacin de una manera ms eficiente, ya que con la mitad de datos conocidos, se obtendr un resultado completo,
dejando de lado los costos de almacenamiento que implica el manejo de una gran cantidad de datos, en este caso, de
una imagen digitalizada.
:
2

2

(, ) = (, )




AL 2014

28 Ing. Aldo Jimnez Arteaga


Figura 3.6. Imagen generada mostrada en la pantalla del ordenador.
Sin embargo, la reflexin no es el nico efecto geomtrico que se tiene; la rotacin y la reflexin central son importantes
tambin.
EJEMPLO 3.23. Sean las imgenes de la figura 3.7.

Figura 3.7. Imgenes de la Cruz de Hierro Alemana, y el planeta Saturno.
Para el caso de la imagen de la Cruz de Hierro, es posible aplicar una transformacin que permita establecer una
simetra central, en la cual al aplicar una transformacin a un vector se obtendr su simtrico con respecto al origen. La
figura 3.8 muestra ese efecto realizado con la transformacin lineal (, ) = (, ).

Figura 3.8. Generacin de la imagen a partir de la transformacin S; en azul los vectores originales, en verde los
vectores transformados en su simtrico con respecto al origen.
Para la imagen de Saturno, es posible utilizar una transformacin lineal que permita a un punto contenido en uno de sus
anillos rotar un determinado ngulo ; as, se formar un todo el anillo, a partir de un solo punto. La transformacin se
aplicara sobre un plano , que estara superpuesto al plano imaginario que contiene los anillos. La figura 3.9 muestra
esta explicacin.






AL 2014

29 Ing. Aldo Jimnez Arteaga


Figura 3.9. Se muestra como a partir del vector en rojo, y al aplicarle una transformacin lineal de rotacin, se puede
generar cualquiera de los vectores en violeta; la lnea curva en azul muestra la rotacin del vector.
En este caso, la transformacin utilizada sera de la forma
(, ) = ( cos sen , sen + cos )
lo cual implica una rotacin del vector en un determinado ngulo .
Existen otros efectos, tales como proyeccin sobre un plano o escalamiento (cambio de tamao), los cuales dependen
de los puntos con los que se estn trabajando, la magnitud que se desea obtener, e incluso el lugar donde se quiere
proyectar (generalmente un subespacio); la figura 3.10, muestra los dos efectos mencionados. Este tipo de efectos, y
otros ms complicados, incluyen los conceptos de transformaciones lineales, y adems de operadores lineales y espacios
con producto interno, que son temas que se tratarn ms adelante.

Figura 3.10. Representaciones de transformaciones lineales de proyeccin sobre un subespacio (izquierda) y
escalamiento (derecha).
Operador lineal
Como se ha visto, las transformaciones lineales permiten convertir un vector cualquier de un espacio vectorial en otro
vector de un espacio vectorial . Existe especial inters por las transformaciones lineales que van desde un espacio
vectorial hasta el mismo espacio; es decir, transformaciones lineales del tipo : .
Sea un espacio vectorial sobre un campo . Se llama operador lineal o transformacin lineal en a la transformacin
definida por
:
Dado un operador se lineal, se deduce que la transformacin de un vector es otro vector :
AL 2014

30 Ing. Aldo Jimnez Arteaga

() =
Dentro de este tipo de transformaciones existe la siguiente peculiaridad: el vector puede ser linealmente dependiente
del vector ; es decir, al multiplicar por un escalar se obtiene :
() =
EJEMPLO 3.24. Sea el espacio vectorial
2
y el operador lineal :
2

2
definido por
(, ) = (2 + , 6 + )
Si se aplica el operador lineal a los vectores = (1, 1) y = (1, 2) se tiene que
(1, 1) = (1, 5)
(1, 2) = (4, 8)
Para el caso del vector se observa que al aplicarle la transformacin se realiza una multiplicacin del vector por un
escalar; o sea,
(1, 2) = (4, 8)
= 4(1, 2)
Si adems, se transforma al vector = (1, 3) se obtiene (1, 3) = (1, 3); de donde se deduce
(1, 3) = (1, 3)
= 1(1, 3)
Este tipo de particularidades dentro de los operadores lineales se conocen como valores y vectores propios.
Definicin y propiedades de valores y vectores propios de un operador lineal
Sean un espacio vectorial sobre un campo y un operador lineal : . En la relacin
( ) = , , 0


A se le conoce como valor propio, y a como vector propio, ambos del operador lineal ; estos elementos tambin
son conocidos como valores y vectores caractersticos.
Los trminos provienen del alemn, Eigenwerte [valores propios] y Eigenvektoren [vectores propios]; es incorrecto
utilizar eigenvectores y eigenvalores, ya que no son reconocidas por la Real Academia de la Lengua Espaola.
EJEMPLO 3.25. Sea el espacio vectorial

2
=


, , ,
y el operador lineal :
2

2
definido por



=
+


AL 2014

31 Ing. Aldo Jimnez Arteaga

Para este caso, se puede establecer que las matrices de la forma

0
0 0

son vectores propios para el valor propio = 1:

0
0 0
=
+ 0 0
0 0 0

=
0
0 0

= (1)
0
0 0

Los valores y vectores propios presentan algunas particularidades para casos especiales de operadores lineales.
Para la transformacin identidad : se establece que todos los vectores no nulos de son vectores propios
del valor 1.
La transformacin nula : establece que todos los vectores propios no nulos de son vectores propios del
valor 0.
Una caracterstica importante de los operadores lineales dicta que todos los vectores no nulos del ncleo son
vectores caractersticos del valor 0.
Si se define un operador lineal en un espacio vectorial sobre un campo . Si es un vector propio de
correspondiente al valor propio , entonces
1. El escalar es nico para ese vector.
2. El vector es un vector propio correspondiente a , si 0 .
3. Si es un vector propio de correspondiente a , entonces + tambin es un vector propio
correspondiente a .
Obsrvese que esta ltima propiedad establece los principios fundamentales del lgebra Lineal: suma de vectores y
multiplicacin de un vector por un escalar. Este concepto es importante, ya que se presentan dos de las tres
caractersticas de un subespacio vectorial.
Definicin de espacios propios
Los valores y vectores propios pueden establecer subespacios. Si a todos los vectores propios correspondientes a un
valor propio especfico se le aade el vector nulo, se formar un subespacio vectorial conocido como espacio propio.
Si : es un operador lineal y es un valor caracterstico de , entonces el conjunto
() = { | , ( ) = }
se llama espacio caracterstico de correspondiente al valor .
Debido a las propiedades mencionadas de los vectores propios, se considera que el espacio propio es invariante porque
() se tiene que ( ) ().
AL 2014

32 Ing. Aldo Jimnez Arteaga

Caso de dimensin finita: polinomio caracterstico, obtencin de valores y vectores
propios
Una de las interrogantes que surgen al momento de definir a los valores y vectores propios es: dado un operador lineal,
cmo pueden obtenerse sus valores y vectores propios?
La forma de calcularlos rene las bases de la matriz asociada a una transformacin lineal, el lgebra de matrices y el
clculo de races de polinomios; es una manera rpida y sencilla de calcular los valores caractersticos de cualquier
operador lineal; incluso puede extenderse a una matriz cualquiera, no importando si est asociada o no a un operador
lineal.
Se sabe que en un operador lineal de un espacio vectorial , los valores y vectores caractersticos se definen como:
( ) = (1)
El operador posee una matriz asociada, la cual puede referirse a dos bases de diferentes; por defecto, se le asocia a
una sola base . Esto establece la definicin
[( )]

()[ ]

(2)
Se puede sustituir la expresin (1) en (2), llegando a
[ ]

()[ ]


Esta ecuacin matricial puede reescribirse sucesivamente de la siguiente manera:
[ ]

()[ ]

= 0


[ ]

()[ ]

=
[ ]

()[ ]

=
[

()][ ]

=
Se llega entonces a un sistema de ecuaciones lineales homogneo. Dicho sistema presenta la caracterstica de que su
matriz de coeficientes ser de la siguiente forma:

1 0 0
0 1 0

0 0 1

11

12

1

21

22

2

1

2

()

0 0
0 0

0 0

11

12

1

21

22

2

1

2


11

12

1

21

22

2

1

2

()
Para que esta matriz de coeficientes del SELH obtenido sea compatible determinado (slo acepte a la solucin trivial), su
determinante debe ser diferente de cero; por el contrario, sea compatible indeterminado, su determinante debe ser
AL 2014

33 Ing. Aldo Jimnez Arteaga

igual a cero. Tomando en cuenta esta situacin, y sabiendo que el vector nulo no es un vector caracterstico, el
determinante de la matriz debe ser igual a cero.


11

12

1

21

22

2

1

2

= 0
det =
Al calcular el determinante, se obtendr un polinomio de grado igual al orden de la matriz; dicho polinomio se llama
polinomio propio o ecuacin propia. Las races del polinomio propio son los valores propios buscados.
EJEMPLO 3.26. Sea el operador lineal :
2

2
(, ) = (2 + , 6 + ), definido en el ejemplo 3.24. Su matriz
asociada referida a la base cannica de
2
es
() =
2 1
6 1

Ahora se utiliza la ecuacin det = 0 para determinar los valores caractersticos.
det
1 0
0 1

2 1
6 1
= 0
det
2 1
6 1
=
[( 2)( 1)] [(6)(1)] =

2
2 + 2 6 =

2
3 4 =
De donde se observa que las races del polinomio son
1
= 4 y
2
= 1, que son los valores propios mencionados en el
ejemplo 3.24.
Una vez obtenidos los valores propios se pueden conocer los vectores propios. El procedimiento es el evaluar el SEHL
[

()][ ]

= 0

con los valores propios conocidos; cada conjunto solucin obtenido a partir de un valor propio
ser el conjunto de vectores propios.
EJEMPLO 3.27. Siguiendo con los vectores propios del operador , se plantea la ecuacin [

()][ ]

= 0

con los
datos obtenidos; el vector de coordenadas del vector genrico se refiere a la base cannica.

2 1
6 1

=
0
0

Para
1
= 4
2 = 0
6 +3 = 0

Por lo que el conjunto solucin son los vectores de la forma (, 2); adems, en forma de conjunto, este es el espacio
propio para
1
= 4:
(
1
) = {(, 2)| }
AL 2014

34 Ing. Aldo Jimnez Arteaga

Para
2
= 1
3 = 0
6 2 = 0

Los vectores propios son de la forma (, 3); el espacio propio es:
(
2
) = {(, 3)| }
EJEMPLO 3.28. Sea el espacio vectorial de las matrices simtricas de orden dos con elementos reales sobre el campo de
los reales, donde se define un operador lineal , cuya matriz asociada es
() =
1 1 0
1 2 1
0 1 1

Para calcular los valores y vectores propios del operador, se plantea
det
0 0
0 0
0 0

1 1 0
1 2 1
0 1 1
= 0

1 1 0
1 2 1
0 1 1
=
( 1)( 2)( 1) ( 1 + 1) =
( 1)( 3) =
De donde los valores propios obtenidos son
1
= 0,
2
= 1 y
3
= 3. Para calcular los espacios propios se debe tomar
en cuenta que el espacio vectorial donde se define el operador lineal es
=


, ,
Por lo que los espacios caractersticos deben ser conjuntos de matrices. En este caso, recurdese que la ecuacin
[

()][ ]

= 0

utiliza el vector de coordenadas, por lo que el procedimiento descrito para obtener los espacios
propios arrojar vectores de coordenadas.
Para
1
= 0:

1
+
2
= 0

1
2
2
+
3
= 0

2

3
= 0

cuyo conjunto solucin es (
1
,
1
,
1
). Este es un vector de coordenadas, por lo que para encontrar el espacio propio se
debe realizar una combinacin lineal con los elementos de la base natural del espacio vectorial:

1 0
0 0
+
1

0 1
1 0
+
1

0 0
0 1
=

1

1

1

1

y se obtiene que
AL 2014

35 Ing. Aldo Jimnez Arteaga

(
1
) =

1

1

1

1

1

Para
2
= 1:

2
= 0

1

2
+
3
= 0

2
= 0

con un conjunto solucin de la forma (
1
, 0,
1
); el espacio propio es

1 0
0 0
+ (0)
0 1
1 0

1

0 0
0 1
=

1
0
0
1

(
2
) =

1
0
0
1

1

Para
3
= 3:
2
1
+
2
= 0

1
+
2
+
3
= 0

2
+2
3
= 0

con un conjunto solucin de la forma (
1
, 2
1
,
1
), cuyo espacio propio es

1 0
0 0
2
1

0 1
1 0
+
1

0 0
0 1
=

1
2
1
2
1

1

(
3
) =

1
2
1
2
1

1

1

Teorema de Cayley-Hamilton
Existe un teorema de particular inters para la ecuacin caracterstica de una matriz en particular.
El teorema de Cayley-Hamilton establece que toda matriz es una raz de su propio polinomio caracterstico; es decir, si
un polinomio propio se escribe como una ecuacin matricial, entonces una de sus races ser la matriz que lo gener.
EJEMPLO 3.29. Se desea verificar el teorema de Cayley-Hamilton para la matriz
=
2 2
5 1

Primero, se obtiene
det
+ 2 2
5 1
= 0
( +2)( 1) 10 =

2
+ 12 =
Escribiendo esta ecuacin como una ecuacin matricial se tiene
AL 2014

36 Ing. Aldo Jimnez Arteaga

2
+ 12 =
Al evaluar el polinomio propio matricial con la matriz A se tiene

2 2
5 1

2 2
5 1
+
2 2
5 1
12
1 0
0 1
=
0 0
0 0

14 2
5 11
+
2 2
5 1
+
12 0
0 12
=

12 0
0 12
+
12 0
0 12
=
Con lo cual, se satisface el teorema.
Tambin es posible calcular alguna potencia de una matriz utilizando su polinomio propio.
EJEMPLO 3.30. Calclese
3
y
1
para la matriz
=
1 0 1
1 1 0
0 1 1

Se obtiene su polinomio propio
det
1 0 1
1 1 0
0 1 1
= 0
( 1)
3
1 =

3
3
2
+ 3 2 =
En trminos de matrices se tiene

3
3
2
+ 3 2 =
Para calcular
3
, simplemente se despeja el trmino de tercer orden

3
= 3
2
3 + 2

3
= 3
1 0 1
1 1 0
0 1 1

2
3
1 0 1
1 1 0
0 1 1
+ 2
1 0 0
0 1 0
0 0 1

=
3 3 6
6 3 3
3 6 3
+
1 0 3
3 1 0
0 3 1

=
2 3 3
3 2 3
3 3 2

Para el caso de
1
, a al polinomio propio matricial se le postmultiplica por
1
, y se despeja el trmino de la matriz
inversa:

3
3
2
+ 3 2 =

1
3
2

1
+3
1
2
1
=
1

AL 2014

37 Ing. Aldo Jimnez Arteaga

2
3 + 3 2
1
=
1
2
(
2
3 + 3) =
1

Finalmente se sustituye la matriz .
1
2

1 0 1
1 1 0
0 1 1

2
3
1 0 1
1 1 0
0 1 1
+ 3
1 0 0
0 1 0
0 0 1
=
1

1
2

1 1 2
2 1 1
1 2 1
+
3 0 3
3 3 0
0 3 3
+
3 0 0
0 3 0
0 0 3
=
1
2

1 1 2
2 1 1
1 2 1
+
0 0 3
3 0 0
0 3 0
=
1
2

1 1 1
1 1 1
1 1 1
=
Con lo cual termina el clculo de las matrices pedidas.
Matrices similares y sus propiedades
Una matriz asociada a una transformacin lineal tendr diferentes formas, dependiendo de las bases que se utilicen para
calcularla; en forma general, lo mismo sucede con el operador lineal, con la salvedad de que slo se refieren a una sola
base. En este caso las bases cannicas sirven como un auxiliar para simplificar los clculos y la simpleza de la matriz.
Las matrices ms simples con las que puede trabajarse son las matrices diagonales. Aqu surge la interrogante siguiente:
es posible calcular una matriz diagonal asociada a un operador lineal, a partir de otra matriz asociada?
La respuesta a la pregunta es s, pero slo en algunos casos; no siempre ser posible encontrar una representacin
diagonal de un operador lineal. Para que se cumpla esta condicin es necesario verificar la naturaleza del operador y de
su matriz asociada.
Sean un espacio vectorial , un operador lineal : y una matriz asociada a . La matriz , de orden , es
diagonalizable si existe una base de con vectores propios. En tal caso, la matriz diagonal (referida a la base
mencionada) est dada por
=

1
0 0
0
2
0

0 0


Donde

son los valores propios correspondientes a .


EJEMPLO 3.31. Sea un operador definido en un espacio vectorial
3
, cuya matriz asociada es
AL 2014

38 Ing. Aldo Jimnez Arteaga

() =
2 3 3
0 4 4
0 5 5

y regla de correspondencia es
(, , ) = (2 + 3 +3, 4 +4, 5 5)
Los valores propios correspondientes son
1
= 0,
2
= 2 y
3
= 1, y los espacios propios son
(
1
) = {(0, , )| }, (
2
) = {(, 0, 0)| }, (
3
) = {(, 4, 5)| }
El siguiente conjunto est formado por los vectores propios
= {(0, 2, 2), (3, 0, 0), (1, 4, 5)}
que puede verificarse es una base, ya que es un conjunto generador linealmente independiente de
3
. Si con esta base
se encuentra la matriz asociada al operador se tiene:
(0, 2, 2) = (0, 0, 0)
(3, 0, 0) = (6, 0, 0)
(1, 4, 5) = (1, 4, 5)
por lo que la matriz asociada se obtiene de las combinaciones lineales
(0)(0, 2, 2) + (0)(3, 0, 0) +(0)(1, 4, 5) = (0, 0, 0)
(0)(0, 2, 2) + (2)(3, 0, 0) +(0)(1, 4, 5) = (6, 0, 0)
(0)(0, 2, 2) + (0)(3, 0, 0) +(1)(1, 4, 5) = (1, 4, 5)
que es

() =
0 0 0
0 2 0
0 0 1

Se confirma la definicin dada al inicio de este apartado, el operador lineal tiene una matriz diagonal asociada, que est
referida a una base de vectores propios; y esa matriz diagonal, contiene a los valores propios.
La relacin entre la matriz () y

() es muy estrecha, y puede extenderse hacia todas las matrices asociadas a un


mismo operador lineal. Dicha relacin se conoce como similaridad o semejanza.
Se dice que las matrices de orden A y B de orden n son similares, si existe una matriz C invertible tal que
CB = AC
Esta definicin conlleva las siguientes propiedades:
Dos matrices son similares si representan al mismo operador lineal.
Si dos matrices son similares, entonces sus respectivos determinantes son iguales.
Dos matrices similares tienen los mismos valores propios, y el mismo polinomio propio.
AL 2014

39 Ing. Aldo Jimnez Arteaga

EJEMPLO 3.32. Para las matrices del ejemplo 3.31, se verificarn las tres propiedades mencionadas.
() =
2 3 3
0 4 4
0 5 5

() =
0 0 0
0 2 0
0 0 1

La propiedad se cumple, ya que las dos matrices se obtuvieron a partir de la regla de correspondencia del operador
lineal .
Con respecto a sus determinantes
det () = det

()

0 0 0
0 2 0
0 0 1
=
2 3 3
0 4 4
0 5 5

0 = 0
Finalmente, al calcular sus polinomios caractersticos se tiene que

0 0
0 2 0
0 0 +1
=
2 3 3
0 4 4
0 5 +5

( 2)( + 1) = ( 2)( 4)( +5) 5(4)( 2)

3

2
2 =
3

2
2
Por lo que se verifica que las dos matrices son similares.
Diagonalizacin de la matriz asociada a un operador lineal
Para diagonalizar una matriz, es necesario encontrar otra matriz que satisfaga la propiedad de similaridad
=
que puede expresarse tambin como
=
1

Para poder resolver esta ecuacin es necesario encontrar los valores propios de . Hay que destacar que dependiendo
de la naturaleza de la matriz , existir o no su matriz diagonal similar; con el simple hecho de obtener los valores
propios no se garantiza la existencia de dicha matriz.
Una vez obtenidos los valores propios, se encuentran los vectores correspondientes y se elige un conjunto a partir de
ellos. Si ese conjunto es una base del espacio vectorial en el cual se define el operador, entonces la matriz es
diagonalizable; por el contrario, si el conjunto no es una base, entonces la matriz no puede diagonalizarse.
Finalmente, la matriz que ayuda en el proceso de diagonalizacin estar formada por la base de vectores propios
dispuestos en columnas.
EJEMPLO 3.33. Se desea encontrar una matriz diagonal similar a
AL 2014

40 Ing. Aldo Jimnez Arteaga

=
4 2
3 1

Primero, se determina el polinomio propio de

4 2
3 + 1
= ()
( 4)( + 1) (2)(3) =

2
3 10 =
Por lo que los valores propios son
1
= 5 y
2
= 2.
Para obtener los espacios propios se resuelven los sistemas:
Para
1
= 5,
1 2
3 6

=
0
0
y se tiene (
1
) = {(2, )| }.
Para
2
= 2,
6 2
3 1

=
0
0
y se tiene (
2
) = {(, 3)| }.
Con un vector de cada espacio puede formarse el siguiente conjunto
= {(2, 1), (1, 3)}
Puede verificarse fcilmente que este conjunto es linealmente independiente y adems, es generador del espacio
vectorial de las parejas ordenadas con elementos reales. Por lo tanto, la matriz es diagonalizable.
Para realizar dicho proceso se aplica la ecuacin
=
1

donde es la matriz formada por la base encontrada
=
2 1
1 3

Finalmente, se tiene que
=
2 1
1 3

4 2
3 1

2 1
1 3

=
3
7
1
7
1
7

2
7

10 2
5 6

=
5 0
0 2

Que es la matriz diagonal buscada, y que es correcta, ya que est formada por los valores propios.
EJEMPLO 3.34. Se desea verificar que si las siguientes matrices asociadas a operadores lineales definidos en
3
con sus
respectivos valores caractersticos pueden diagonalizarse.
AL 2014

41 Ing. Aldo Jimnez Arteaga

=
3 1 1
2 2 1
2 2 0

1
= 1,
2
= 2 y
3
= 2.
=
2 1 1
2 3 2
3 3 4

1
= 7,
2
= 1 y
3
= 1.
Cada matriz tiene un valor propio repetido; por lo tanto, se tendrn dos espacios propios idnticos. Al obtener los
espacios propios se observa lo siguiente:
Para se obtienen
(
1
) = {(, 0, 2)| }
(
2
,
3
) = {(, , 2)| }
y un conjunto linealmente independiente es {(1, 0, 2), (1, 1, 2)}; pero no es una base del espacio vectorial
3
, por lo que
la matriz no puede diagonalizarse.
Mientras que para se tienen
(
1
) = {(, 2, 3)| }
(
2
,
3
) = {(, , )|, }
El conjunto linealmente independiente que se puede formar es {(1, 2, 3), (1, 0, 1), (0, 1, 1)}, ya que el segundo
espacio propio arrojar dos vectores por ser de dimensin dos. Este conjunto es una base de
3
; entonces, la matriz si
puede diagonalizarse:
=
1 1 0
2 0 1
3 1 1

2 1 1
2 3 2
3 3 4

1 1 0
2 0 1
3 1 1

=
1
6

1 1 1
5 1 1
2 4 2

7 1 0
14 0 1
21 1 1

=
7 0 0
0 1 0
0 0 1

Puede observarse que habr ocasiones en las cuales una matriz con valores propios iguales puede o no poseer una
matriz diagonal similar; en cambio, si los valores propios son diferentes entre s, entonces si se asegura que la matriz
puede diagonalizarse.