Transformaciones lineales entre espacios vectoriales*

Por: SUÁREZ AZPUR, Fredy R.

Junio de 2018

1. Transformaciones lineales
Ejemplo 1.
Sea f una función entre los espacios vectoriales R2 y R3 definida por

f (a, b) = (2a, b − 1, a + 2b + 1).

El rango de f es un subconjunto de R3 , hallémoslo:

Sean

x = 2a , y =b−1 , z = a + 2b + 1

y resulta que
x
z=+ 2y + 3 o 2z = x + 4y + 6.
2
Por lo tanto el rango de f es el plano con ecuación

2z = x + 4y + 6.

Hallemos las imágenes de algunos vectores de R2 :

0 = (0, 0) =⇒ f 0 = (0, −1, 1)
u = (1, 2) =⇒ f (u) = (2, 1, 6)
v = (3, 4) =⇒ f (v) = (6, 3, 12)
2u = (2, 4) =⇒ f (2u) = (4, 3, 11) ∧ f (2u) 6= 2f (u)
u + v = (4, 6) =⇒ f (u + v) = (8, 5, 17) ∧ f (u + v) 6= f (u) + f (v)

Estamos interesados en aquellas funciones entre espacios vectoriales con las siguientes cualidades


? f 0 = 0.

? f (ru) = rf (u), para todo vector u y todo escalar r.

? f (u + v) = f (u) + f (v), para todo par de vectores u y v.

El siguiente ejemplo muestra a una función con tales cualidades

* Esta guı́a es un resumen del contenido teórico que se desarrollará en clase. Los ejercicios que aquı́ se presentan serán solo para

el desarrollo en clase. El estudiante debe recurrir a la bibliografı́a señalada en el silabo para profundizar el contenido teórico.

1
Transformaciones lineales

Ejemplo 2.
Sea f una función entre los espacios vectoriales R2 y R3 definida por

f (a, b) = (a + b, b, a + 2b).

El rango de f es un subconjunto de R3 , hallémoslo:

Sean

x=a+b , y =b , z = a + 2b

y resulta que
z = x + y.
Por lo tanto el rango de f es el plano con ecuación

z = x + y.

Veamos si f posee las cualidades que mencionamos anteriormente

? f (0, 0) = (0 + 0, 0, 0 + 2 · 0) = (0, 0, 0).

? Sean u = (x, y) y r un escalar

f (ru) = f (rx, ry) = (rx + ry, ry, rx + 2ry) = r(x + y, y, x + 2y) = rf (u)

? Sean u = (x, y) y v = (a, b)

 
f (u + v) = f (x + a, y + b) = [x + a] + [y + b], y + b, x + a + 2[y + b]
 
f (u) + f (v) = (x + y, y, x + 2y) + (a + b, b, a + 2b) = [x + a] + [y + b], y + b, x + a + 2[y + b]
Por tanto f (u + v) = f (u) + f (v).

Definición 1 (Transformación lineal).

Sean E y F dos espacios vectoriales reales y T : E −→ F una función. Se dirá que T es una
transformación lineal entre los espacios vectoriales E y F si posee las siguientes cualidades:

? T (r u) = r T (u), para todo vector u de E y todo escalar r.

? T (u + v) = T (u) + T (v), para todo par de vectores u y v de E.

Observaciones:
Sea la transformación lineal T : E −→ F entre los espacios vectoriales E y F .

1 E es el dominio de T y F su codominio.

2 Para cada vector v de E, la notación abreviada de T (v) será T v.

3 Para cada vector v de E, T v es un vector de F .

4 Si 0E es el vector nulo de E y 0F es el vector nulo de F , entonces T 0E = 0F .

5 Si v es una combinación lineal de los vectores v1 , v2 , · · · , vn , entonces T v es una combinación lineal de

los vectores T v1 , T v2 , · · · , T vn , es decir

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

6 Si los espacios E y F son iguales diremos que T : E −→ E es un operador lineal.

7 Si F = R diremos que T : E −→ R es una funcional lineal.

UNSCH 2 Digitado en LATEX por: Suárez Azpur, Fredy R.

Transformaciones lineales

Observaciones adicionales:
Sea la transformación T : E −→ F entre los espacios vectoriales E y F .


1 Sean 0E y 0F los vectores nulos de E y F respectivamente. Si T 0E 6= 0F , entonces T no es lineal.

2 Si existe un par de vectores u y v de E tal que T (u + v) 6= T (u) + T (v), entonces T no es lineal.

3 Si existe un escalar r y un vector u de E tal que T (r u) 6= r T (u), entonces T no es una lineal.

Ejemplo 3 (La transformación lineal nula).

La función T : E −→ F entre los espacios vectoriales E y F , definida por T (u) = 0F , se denominará la
transformación lineal nula.

Ejemplo 4 (La transformación lineal identidad).

La función T : E −→ E en el espacio vectorial E, definida por T (u) = u, se denominará la transfor-
mación lineal identidad.

Ejemplo 5 (La homotecia).

La función T : E −→ E en el espacio vectorial E, definida por T (u) = r u, donde r es un escalar
diferente de cero, es una transformación lineal denominada homotecia.

Ejemplo 6 (La reflexión respecto al origen).

Sea el espacio vectorial R2 y el vector u = (x, y), al reflejar a u respecto al origen obtenemos el
vector −u

Y
u

X
-u

La función T : R2 −→ R2 , definida por T u = −u, es un operador lineal.

Para cualquier espacio vectorial E, la función T : E −→ E, definida por T u = −u, es una operador
lineal, denominado la reflexión respecto al origen.

Ejemplo 7 (La rotación respecto al origen).

Sea el espacio vectorial R2 y el vector u = (x, y), al rotar a u respecto al origen en sentido antihorario
en un ángulo θ obtenemos el vector v = (x0 , y 0 ).

Y
v

q u

La rotación respecto al origen R : R2 −→ R2 es un operador lineal cuya regla de correspondencia es

R(x, y) = x cos θ − y sin θ, x sin θ + y cos θ .

UNSCH 3 Digitado en LATEX por: Suárez Azpur, Fredy R.

Transformaciones lineales

Ejemplo 8 (La proyección ortogonal sobre una recta).

Sea el espacio vectorial R2 y el vector u = (x, y), al proyectar u sobre la recta L : y = ax obtenemos
el vector v = (x0 , a x0 ).

Y
u

y = ax

La proyección sobre la recta L : y = ax que pasa por el origen P : R2 −→ R2 es un operador lineal

cuya regla de correspondencia es
1 a
P (x, y) = (x0 , ax0 ) donde x0 = x+ y.
1 + a2 1 + a2
En el caso de que a = 0, tendremos P (x, y) = (x, 0) que es la proyección sobre el eje X .

Ejemplo 9 (La reflexión respecto a una recta).

Sea el espacio vectorial R2 y el vector u = (x, y), al reflejar u respecto a la recta L : y = ax
obtenemos el vector v.

Y
u

y = ax v

La reflexión respecta a la recta L : y = ax que pasa por el origen R : R2 −→ R2 es un operador

lineal. La reflexión R y la proyección P lo relacionamos mediante la ecuación
1 
Pu = u + Ru de donde Ru = 2P u − u.
2
Por lo tanto
1 − a2 2a 2a 1 − a2
Ru = (x0 , y 0 ) , donde x0 = x+ y y y0 = x − y.
1 + a2 1 + a2 1 + a2 1 + a2

Ejemplo 10 (La integración).

 
Sea E = C [a, b] el espacio de la funciones reales continuas con dominio [a, b]. Definimos una
funcional lineal ϕ : E −→ R mediante la igualdad
Z b
ϕ(f ) = f (t) dt.
a

UNSCH 4 Digitado en LATEX por: Suárez Azpur, Fredy R.

Transformaciones lineales

Ejemplo 11 (La derivación).

 
Sea E = C 1 ha, bi el espacio de la funciones reales derivables sobre ha, bi. Definimos una operador
lineal φ : E −→ E mediante la igualdad
φ(f ) = f 0 .
Para el caso de polinomios tendremos la transformación lineal φ : Pn [t] −→ Pn−1 [t] definida por
 
φ p(t) = p0 (t).

En particular tendremos la transformación lineal φ : P2 [t] −→ P1 [t] con

 
φ at2 + bt + c = 2at + b.

Ejemplo 12 (La derivación).

En Rn la función f : Rn −→ R definida mediante

f (x1 , x2 , · · · , xn ) = a1 x1 + a2 x2 + · · · + an xn

será una funcional lineal.

Ejemplo 13.
Sean el escalar α y las transformaciones lineales

S : E −→ F y T : E −→ F

entre los espacios vectoriales E y F . Resulta que las funciones S + T : E −→ F y α R : E −→ F

son transformaciones lineales. Siendo L (E, F ) el conjunto de todas las transformaciones lineales
entre los espacios vectoriales E y F , con las operaciones definidas será un espacio vectorial real cuyo
vector nulo es la transformación lineal nula. Un caso particular será L (E) el espacio vectorial de los
operadores lineales y L (E, R) el espacio vectorial de las funcionales lineales

Ejemplo 14.
Sean los espacios vectoriales E, F y G, y las transformaciones lineales

S : E −→ F y T : F −→ G

La composición T S : E −→ G es una transformación lineal.

Sean las transformaciones lineales A : E −→ F y B : F −→ E

? B es un inverso por derecha de A si AB = IF , donde IF : F −→ F es la identidad.

? B es un inverso por izquierda de A si BA = IE , donde IE : E −→ E es la identidad.

Teorema 1.
Sean E y F dos espacios vectoriales y B = {v1 , v2 , · · · , vn } una base de E. Si cada vi le hacemos
corresponder de manera única un vector wi de F , entonces existe una única transformación lineal
T : E −→ F tal que
w1 = T v1 , w2 = T v2 , · · · , wn = T vn .

UNSCH 5 Digitado en LATEX por: Suárez Azpur, Fredy R.

Transformaciones lineales

Ejemplo 15.
Sea B = v1 = (1, 3); v2 = (1, −1) una base del espacio vectorial R2 . Supongamos que a v1 le


hacemos corresponder el vector w1 = (2, 5) y a v2 el vector w2 = (−4, 3), halle la única transformación
lineal T : R2 −→ R2 tal que w1 = T v1 y w2 = T v2 .

Solución:

Sea u = (x, y) un vector arbitrario de R2 , dado que tenemos elegida a una base B de tal espacio vectorial,
entonces existen escalares únicos r1 y r2 tales que u = r1 v1 + r2 v2 .

u = r1 v1 + r2 v2 =⇒ (x, y) = r1 (1, 3) + r2 (1, −1)

=⇒ (x, y) = (r1 + r2 , 3r1 − r2 )
x+y 3x − y
=⇒ r1 = ∧ r2 =
4 4
x+y 3x − y
=⇒ (x, y) = (1, 3) + (1, −1)
4 4
x+y 3x − y
=⇒ T (x, y) = T (1, 3) + T (1, −1) T es una transformación lineal
4 4
x+y 3x − y
=⇒ T (x, y) = (2, 5) + (−4, 3)
4 4
 −10x + 6y 14x + 2y 
=⇒ T (x, y) = , .
4 4
La única transformación lineal, T : R2 −→ R2 tal que T (1, 3) = (2, 5) y T (1, −1) = (−4, 3) que estamos
buscando, está definida por
 −5x + 3y 7x + y 
T (x, y) = , .
2 2

Ejemplo 16.
Sea B = p1 (t) = t + 1; p2 (t) = t − 1; p3 (t) = t2 + 2 una base del espacio vectorial P2 [t]. Halle la


única transformación lineal T : P2 [t] −→ R2 tal que T p1 (t) = (1, 3), T p1 (t) = (3, 2) y T p1 (t) = (1, 2).

2. Núcleo e imagen de una transformación lineal.

A cada una transformación lineal T : E −→ F entre los espacios vectoriales E y F le asociaremos un par de
subespacios vectoriales, de los cuales uno de ellos será de E y el otro de F .

Definición 2 (Imagen de una transformación lineal).

Sea la transformación lineal T : E −→ F entre los espacios vectoriales E y F , su rango como función
se denominará la imagen de la transformación lineal y lo denotaremos por Im (T ).

Observaciones:
Sea la transformación lineal T : E −→ F entre los espacios vectoriales E y F .
 
1 De la definición, Im (T ) = T v v ∈ E es un subconjunto de F .

2 Si v es un vector de E, T v es un vector de Im (T ).

3 Existen algunos vectores de F que no pertenecen a Im (T ).

4 Sea w ∈ F .

? El vector w pertenecerá a Im (T ) si, y solo si, existe un vector v de E tal que w = T v.

? El vector w no pertenecerá a Im (T ) si, y solo si, para todo vector v de E se tiene w 6= T v.

UNSCH 6 Digitado en LATEX por: Suárez Azpur, Fredy R.

Transformaciones lineales

5 El vector nulo de F está en Im (T ).

Si w1 y w2 son vectores de Im (T ), w1 + w2 es un vector de Im (T ).
Si w es un vector de Im (T ) y r es un escalar, rw es un vector de Im (T ).
6 Con la observación anterior vemos que Im (T ) es un subespacio vectorial de F .

7 Si los vectores v1 , v2 , · · · , vn generan E, entonces los vectores T v1 , T v2 , · · · , T vn generan Im (T ).

8 La transformación lineal T : E −→ F es sobreyectiva si Im (T ) = F .

9 Si T : E −→ F es la transformación lineal nula, Im (T ) = {0F }, por tanto T no es sobreyectiva.

10 Si I : E −→ E es la transformación lineal identidad, Im (I) = E y I es sobreyectiva.

Definición 3 (Núcleo de una transformación lineal).

Sea la transformación lineal T : E −→ F entre los espacios vectoriales E y F , el conjunto de todos los
vectores de E cuyas imágenes sean el vector nulo de F se denominará el núcleo de la transformación
lineal y lo denotaremos por Ker (T ).

Observaciones:
Sea la transformación lineal T : E −→ F entre los espacios vectoriales E y F .
 
1 De la definición, Ker (T ) = v ∈ E T v = 0F es un subconjunto de E.

2 Existen algunos vectores de E que no pertenecen a Ker (T ).

3 Sea v ∈ E.

? El vector v pertenecerá a Ker (T ) si, y solo si, T v = 0F .

? El vector v no pertenecerá a Ker (T ) si, y solo si, T v 6= 0F .
4 El vector nulo de E está en Ker (T ).
Si v1 y v2 son vectores de Ker (T ), v1 + v2 es un vector de Ker (T ).
Si v es un vector de Ker (T ) y r es un escalar, rv es un vector de Ker (T ).
5 Con la observación anterior vemos que Ker (T ) es un subespacio vectorial de E.

6 Si T : E −→ F es la transformación lineal nula, Ker (T ) = E.

Definición 4 (Función inyectiva).

Sean los conjuntos no vacı́os A y B. Una función f : A −→ B es inyectiva si cada par de elementos
diferentes de A tienen imágenes diferentes.

Observaciones:
Sea f : A −→ B una función entre A y B.
1 f es inyectiva si para cada a ∈ A y cada b ∈ A, a 6= b implica f (a) 6= f (b).

2 f es inyectiva si para cada a ∈ A y cada b ∈ A con f (a) = f (b) se tiene a = b.

3 f no es inyectiva si existe un par de elementos diferentes de A con la misma imagen.

4 f no es inyectiva si existen un a ∈ A y un b ∈ A con a 6= b y f (a) = f (b).

5 Supongamos que la función f : A −→ B no es inyectiva, existe un subconjunto M de A tal que la función

restringida f : M −→ B sea inyectiva.
Por ejemplo

? La función f : R −→ R, definida por f (x) = x2 , no es inyectiva pues f (−4) = f (4).

? La función f : [2, 5] −→ R, definida por f (x) = x2 , es inyectiva.

UNSCH 7 Digitado en LATEX por: Suárez Azpur, Fredy R.

Transformaciones lineales

6 Para demostrar que una transformación lineal T : E −→ F sea inyectiva nos guı́aremos con las ob-
servaciones anteriores, sin embargo existe un método más sencillo para su verificación, vea el siguiente
teorema.

Teorema 2.
n o
La transformación lineal T : E −→ F es inyectiva si, y solo si, Ker (T ) = 0E .

Observación:
El teorema menciona que si el núcleo de la transformación lineal consta solo del vector nulo
de E, entonces T será inyectiva. En tanto si el núcleo de la transformación lineal posee otros vectores, además
del vector nulo, entonces T no será inyectiva.

Teorema 3.
La transformación lineal T : E −→ F es inyectiva si, y solo si, para cualquier conjunto de vectores
linealmente independientes de E, sus imágenes son vectores linealmente independientes de F .

Observación:
El teorema menciona que si la transformación lineal es inyectiva y v1 , v2 , · · · ,vk son vectores
linealmente independientes de E, entonces T v1 , T v2 , · · · ,T vk son vectores linealmente independientes de F .

Teorema 4 (Del núcleo y la imagen).

Sean E y F espacios vectoriales de dimensión finita. Para toda transformación lineal T : E −→ F se
tiene
dim E = dim Ker (T ) + dim Im (T ).

Ejemplo 17.
Sea la transformación lineal T : R3 −→ R2 definida por T (x, y, z) = (y, x + z), halle su núcleo e
imagen y una base para cada uno.

Solución:

? Hallemos el núcleo de T .
El vector u = (x, y, z) de R3 pertenece a Ker (T ) si T u es el vector nulo de R2 .

T u = (0, 0) =⇒ T (x, y, z) = (0, 0)

=⇒ (y, x + z) = (0, 0)
=⇒ y=0 ∧ x+z =0
=⇒ y=0 ∧ x = −z
=⇒ u = (x, y, z) = (−z, 0, z), z ∈ R.
n . o
Por lo tanto Ker (T ) = (−t, 0, t) t ∈ R .
n o
El núcleo de la transformación lineal es generado por el vector (−1, 0, 1), el conjunto B = (−1, 0, 1) es
una de sus bases y dim Ker (T ) = 1
? Hallemos la imagen de T , para ello emplearemos el teorema del núcleo y la imagen.

dim R3 = dim Ker (T ) + dim Im (T ) =⇒ dim Im (T ) = 2

Dado que Im (T ) es un subespacio vectorial de R2 y dim Im (T ) = 2, tendremos que Im (T ) = R2 .

? Los resultados anteriores muestran que T es una transformación lineal sobreyectiva y no inyectiva.

UNSCH 8 Digitado en LATEX por: Suárez Azpur, Fredy R.

Transformaciones lineales

Definición 5.
Sea

Teorema 5.
Sea

Observaciones:

1 Sea

2 Sea

3 Sea

4 Sea

Ejemplo 18.
A

AAAAAAAAAAAA

AAAAAAAAAAAA

3. La matriz de una transformación lineal.

4. Matrices de cambio de bases

Índice
1. Transformaciones lineales 1

2. Núcleo e imagen de una transformación lineal. 6

3. La matriz de una transformación lineal. 9

4. Matrices de cambio de bases 9

UNSCH 9 Digitado en LATEX por: Suárez Azpur, Fredy R.