TRANSFORMACIONES LINEALES

Ing. Jaime Miguel Flores Mujica

Escuela Militar de Ingenieria
October 25, 2021

Abstract

1
1 Competencia del Tema:

Resuelve problemas con transformaciones de coordenadas; aplicando matrices, deter-

minantes, sistemas de ecuaciones lineales y el concepto de base.

2 De…niciones y propiedades:

En esta sección se de…nirán y estudiarán transformaciones lineales de un espacio vec-

torial U a un espacio vectorial V . Analizaremos y demostraremos sus propiedades más
importantes. La atención se centrará en una clase especial de tales funciones denom-
inadas transformaciones lineales. Las transformaciones lineales son fundamentales en
el estudio del álgebra lineal y tienen muchas aplicaciones importantes.

Estudiaremos un tipo especial de función de…nida en un espacio vectorial U y que

toma los valores que son vectores en el mismo o en otro espacio vectorial V , las cuales
no alteran a las combinaciones lineales. Esta función se llama transformación lineal.
Estas transformaciones se pueden representar por medio de matrices, en el mismo
sentido que los vectores se representan por medio de n-adas.
Esta representación requiere que se de…nan las operaciones de adición, multipli-
cación por escalares y multiplicación de matrices, de modo que correspondan a estas
operaciones con las transformaciones lineales. La matriz que representa a una transfor-
mación lineal de U hacia V , depende de la elección de una base en U y una base en V .
Nuestro primer problema, que se repite siempre que se usan matrices para representar
cualquier cosa, es ver en qué forma un cambio en la elección de las bases determina
un cambio correspondiente en la matriz que representa a la transformación lineal. Dos
matrices que representan la misma transformación lineal con respecto a conjuntos difer-
entes de bases, deben tener algunas propiedades en común. A menudo el concepto de
tranformacion se confunde con el de función. A diferencia de una transformación, no
todos los elementos del conjunto de partida de una función tienen necesariamente una
imagen en el conjunto de llegada. Por ejemplo, la función

f : R ! R=x ! x2 es una aplicacion

2.1 De…nición:
Sean U y V dos espacios vectoriales sobre R; una transformación lineal de U en V es
una función:

L: U !V
Que satisface dos condiciones:

2
 L(u + v) = L(u) + L(v)
L( v) = L(v)

para todo u; v 2 U y cualquier escalar 2 R: Se dice también que L es un

homomor…smo de U en V :

Observe que en esta identidad, la adición y la multiplicación escalar del primer

miembro, tienen lugar en U , mientras que las del segundo miembro tienen lugar en V .
A f (u) se le da el nombre de imagen de u bajo la transformación lineal f .

2.2 Clasi…cación de las transformaciones lineales

Atendiendo a las propiedades de la transformación y a los espacios inicial y …nal
podemos clasi…carlas en:

Homomor…smo si U 6= V
Endomor…smos si U =V
Isomor…smos s U 6= V f es biyectiva.
Automor…smos si U =V f es biyectiva.

Ejemplo: Sea L : M2x2 (R) ! R de…nida por:

a b
L =a+b
c d

Sera una transformación líneal?

Solucion:
Entoces tomamos dos matrices de M2x2

a b m n
A= B=
c d p q

3
 a b m n
L(A + B) = L +
c d p q
a+m b+n
= L
c+p d+q
= a+m+b+n
= (a + b) + (m + n)
a b m n
= L +L
c d p q
= L(A) + L(B)

y la segunda condición:

a b
L ( A) = L = a + b = (a + b) = L(A)
c d
Entonces es una transformación lineal.

Si U = V entonces L se denomina Operador Lineal.

Teorema:
Si L : U ! V es una transformacion líneal entonces:

L(c1 v1 + c2 v2 + ::: + ck vk ) = c1 L(v1 ) + c2 L(v2 ) + ::: + ck L(vk ) (1)

Para cualquier vector v1 ; v2 ; vk 2 U y cualquier escalar c1 ; c2 ; ck

3 Ejemplos de transformaciones lineales

3.1 Transformación idéntica.
La transformación L : V ! V , donde L(x) = x para todo x de V , se denomina trans-
formación idéntica y se designa por I o por lv .

3.2 Transformación cero.

La transformación L : V ! V que aplica cada elemento de V en 0 se llama transfor-
mación cero y se designa por 0.

3.3 Multiplicación por un escalar …jo c.

Tenemos aquí L : V ! V , donde L(x) = cx para todo x de V . Cuando c = 1, se trata
de la transformación idéntica. Cuando e = 0, es la transformación cero.

4
3.4 Ecuaciones lineales.
Sean V = Vn y W = Vm . Dados m n números reales aik , con i = 1; 2; :::; m y k =
1; 2; :::; n; de…namos L : Vn ! Vm como sigue: L aplica cada vector x = (x1 ; :::; xn ) de
Vn en el vector y = (y1 ; :::; ym ) de Vm de acuerdo con las ecuaciones

X
n
yi = aik xk para i = 1; 2; :::; m
k=1

3.5 Producto interior con un elemento …jo.

Sea V un espacio real euclídeo. Para un elemento …jo z de V , de…namos L : V ! R
así: Si x 2 V , L(x) =< x:z >, el producto interior de x por z.

3.6 El operador derivación.

Sea V el espacio lineal de todas las funciones reales f derivables en un intervalo abierto
0
(a; b). La transformación lineal que aplica cada función f de V en su derivada f se
llama operador derivacion y se designa por D. Así pues, tenemos D : V ! W , donde
D(f ) = f 0 para cada f de V . El espacio W contiene todas las derivadas f 0.

3.7 El operador integracion.

Sea V el espacio lineal de todas las funciones reales continuas en un intervalo [a; b]. Si
f 2 V , de…namos g = L(f ) como la función V dada por
Z x
g(x) = f (t) dt si a x b
a

Esta transformación L se llama operador integración.

3.8 Proyección sobre un subespacio.

Sean V un espacio euclídeo y S un subespacio de V de dimensión …nita. De…namos
L : V ! S así: Si x 2 V , L(x) es la proyección de x sobre S.

4 Propiedades de las transformaciones lineales

Si L : U ! V es una transformación líneal, se cumple:

1:L(0V ) = 0W
2:L( v) = L(v)
3:L(u w) = L(u) L(w) 8u; w 2 V

5
 Teorema:
Si L : U ! V es una transformación líneal de un espacio vectorial U de dimensión
n, en un espacio vectorial V , ademas si S = fv1 ; v2 ; :::vn g es una base de V , y si u es
cualquier vector en V , entonces L(u) queda determinada de manera completa por:

fL(v1 ); L(v2 ); :::::L(vn )g

5 Imagen y núcleo de una transformación lineal.

Teorema: El conjunto L(U ) (recorrido de L) es un sub espacio de V . Además, L aplica
el elemento cero de U en el elemento cero de V .

De…nición: El conjunto de todos los elementos de U que L aplica en 0 se llama

núcleo de L y se designa por N (L). Así pues, tenemos
n !o
N (L) = x=x 2 U y L(x) = 0

(también se usará la notación Ker (L) para N (L)).

Teorema: El núcleo de L es un sub espacio de U .

Demostración: Si x e y están en N (L), lo mismo les ocurre a x + y y a cx para

todos los escalares c, ya que

L(x + y) = L(x) + L(y) = O

L(cx) = cL(x) = O:

Los ejemplos que siguen describen los núcleos de las transformaciones lineales dadas
en la sección anterior.

Transformación idéntica: El núcleo esf0g, el subespacio constituido tan sólo por el

elemento cero.

Transformación cero: Puesto que todo elemento de U se aplica en cero, el núcleo

es el mismo U .

Multiplicación por un escalar …jo c: Si c 6= 0, el núcleo sólo contiene el elemento 0.

Si c = 0, el núcleo es U .

Ecuaciones lineales: El núcleo está constituido por todos los vectores (x1 ; :::; xn ) de
Un para los cuales
X n
aik xk = 0 para i = 1; 2; :::; m
k=1

6
 Producto interior por un elemento …jo z : El núcleo consta de todos los elementos
de U ortogonales a z.

Proyección sobre un subespacio S : Si x 2 U , tenemos la única descomposición or-

togonal x = s + s? . Puesto que L(x) = s, tenemos L(x) = 0 si y sólo si x = s? . Por
consiguiente, el núcleo es S ? , el complemento ortogonal de S.

Operador derivación. El núcleo está formado por todas las funciones constantes en
el intervalo dado.

Operador integración. El núcleo contiene solamente la función cero.

ii) Llamaremos imagen de L al conjunto:

Im(L) = fw 2 V : 9v 2 U con w = L(v)g

(también se utilizará la notación L(V ) para Im(L))

Proposición
Sea V, W espacios vectoriales de dimensión …nita sobre un mismo cuerpo y L : V !
W una transformación lineal.

i) Si fv 1 ; :::; v n g es un generador de V, entonces

fL (v 1 ) ; : : : ; L (v n )ges un generador de la Im(L)
(es decir que la imagen de un conjunto generador de V es un generador de la Im(L)).

ii) Si fL(v 1 ); :::; L(v n )g es un conjunto L:I: en Im(L) entonces

fv 1 ; : : : ; v n ges conjunto L:I: en V
(es decir que la pre-imagen de un conjunto L:I: en la Im(L) es un conjunto L.I. en V)

6 Dimensión del núcleo y rango de la transforma-

ción
En esta sección T representa una transformación de un espacio lineal V en un espacio
lineal W . Nos interesa la relación entre las dimensiones de V , del núcleo N (T ) y del
recorrido T (V ). Si V es de dimensión …nita, el núcleo también lo será por ser un sube-
spacio de V: En el teorema que sigue, demostramos que el recorrido T (V ) también es
de dimensión …nita; su dimensión se llama rango de T .

Teorema: Si V es de dimensión …nita, también lo es T (V ), y tenemos

dim N (T ) + dim T (V ) = dim V:
dim(V ) = dim(N (T )) + dim(Im(T )):

7
 Dicho de otro modo, la dimensión del núcleo más el rango de una transformación
lineal es igual a la dimensión de su dominio.

La dimensión de Ker (T ) se denomina tambien NULIDAD DE T

La dimensión de Im(T ) se denomina tambien RANGO de T.

7 Operaciones algebraicas con transformaciones lin-

eales
7.1 Suma de Transformaciones Lineales.
Sean V, W espacios vectoriales sobre un mismo cuerpo K y S : V ! W y T : V ! W
dos transformaciones lineales. Se de…ne la suma de S y T como la transformación

S + T :V ! W

tal que:
(S + T )(v) = S(v) + T (v) 8v 2 V:
Ejemplo: Sean:

S : R3 ! R2
S(x; y; z) = (2x; y + z)
T : R2 ! R2
T (x; y; z) = (x y; y + z):

Entonces la suma de S y T es la transformación:

S + T : R3 ! R2

tal que:

(S + T )(x; y; z) = S(x; y; z) + T (x; y; z)

= (x + y + z; x z) + (x y; y + z)
= (2x + z; x + y):

Proposición: Si S y T son transformaciones lineales, entonces S + T es una trans-

formación lineal.

7.2 Composición de Transformaciones Lineales.

SeanU ; V y W espacios vectoriales sobre un mismo cuerpo K, y S : U ! V y T : V !
W dos transformaciones lineales. Se de…ne la composición S y T como la transforma-
ción :

T S:U !W tal que (T S)(u) = T (S(u)):

8
 Ejemplo: Sean:

S : R3 ! R2
S(x; y; z) = (2x; y + z)
T : R2 ! R2
T (x; y) = (y; x)

Luego:

T S : R3 ! R2 es tal que (T S)(x; y; z) = (y + z; 2x):

La composición de funciones reales se ha encontrado repetidas veces en nuestro

estudio del Cálculo, y hemos visto que la operación, en general, no es conmutativa.
No obstante, como en el caso de las funciones reales, la composición satisface la ley
asociativa.

Teorema: Si T : U ! V , S : V ! W , y R : W ! X son tres funciones, tenemos

R (S T ) = (R S) T:

Demostración. Las funciones R (S T) y (R S) T tienen ambas dominio U y

valores en X. Para cada x de U , tenemos

[R (S T )](x) = R [(S T )(x)] = R [S[T (x)]]

[(R S) T ](x) = (R S)[T (x)] = R [S[T (x)]]

Lo que demuestra que R (S T ) = (R S) T:

Teorema: Si U , V , W son espacios lineales con los mismos escalares, y si T : U ! V
y S : V ! W son transformaciones lineales, la composición S T : U ! W es lineal.

7.3 Inversas
Al estudiar las funciones reales aprendimos cómo construir nuevas funciones mediante
la inversión de funciones monótonas. Queremos ahora extender el método de inversión
a una clase más general de funciones.
Dada una función T , nuestro objetivo es encontrar, si es posible, otra función S
cuya composición con T sea la transformación idéntica. Puesto que la composición,
en general, no es conmutativa, tenemos que distinguir S T de T S. Por lo tanto
introducimos dos tipos de inversas que llamamos inversa por la derecha e inversa por
la izquierda.

De…nición: Dados dos conjuntos V y W y una función T : V ! W . Se dice que

una función S : T (V ) ! V es inversa de T por la izquierda si S[T (x)] = x para todo
x de V , esto es, si:
S T = Iv ;

9
 donde Iv es la transformación idéntica sobre V .

Una función R : T (V ) ! V se llama inversa de T por la derecha si T [R(y)] = y

para todo y de T (V ), esto es, si

T R = IT (V )

donde IT (V ) es la transformación idéntica sobre T (V ).

7.4 Transformaciones lineales inyectivas y Sobreyectivas

Sean V y W espacios vectoriales sobre un mismo cuerpo K y L : V ! W una
transformación lineal.
Recordemos que L es inyectiva cuando:

L(v1 ) = L(v2 ) entonces v1 = v2

o equivalentemente v1 6= v2 entoncesL(v1 ) 6= L(v2 ):

Por otra parte recordemos que L es sobreyectiva cuando 8 w 2 W existe v 2 V

con L(v) = w, o equivalentemente

Im(L) = W :

7.5 Vector coordenado

Sea V un espacio vectorial de dimensión n sobre el cuerpo K. Fijemos una base B =
fv1 ; ::::; vn g del espacio V, entonces 8 v 2 V , existen y son únicos 1 , . . . , n 2 K
tales que:
v = 1 v1 + ::: + n vn :
Luego de…nimos: 0 1
1
B 2 C
B C
[v]B = B .. C
@ . A
n

Es decir que a cada vector v 2 V le asociamos sus coordenadas en la base B.

7.6 Matriz de transición

Debido a que las coordenadas están referidas a una base, al cambiar la base de tra-
bajo, habrá que cambiar a las coordenadas en la nueva base. Pero este proceso puede
realizarse fácilmente, teniendo en cuenta lo siguiente.

10
7.6.1 De…nición:
Sean B1 = fu1 ; u2 ; ::::; un g y B2 = fv1 ; v2 ; ::::vn g son bases de un espacio vectorial V .
Recibe el nombre de matriz de transición o matriz de cambio de la base B 1 a la base
B 2 ,a la matriz de dimensiones n x n, que tiene por columnas:

P = [u1 ]B2 j [u2 ]B2 j ::::: j [un ]B2

Es decir, la columna i -ésima está constituida por las coordenadas en la base B2 ,

del vector ui de la base B1 .

En otras palabras, la matriz de cambio de base tiene por columnas las coordenadas
en la base de llegada de los vectores de la base de partida.

7.6.2 Proposición
Sea P la matriz de paso de una base B1 en otra base B2 de un espacio V . Entonces:

1.- 8 x 2 V se tiene que [x]B2 = P:[x]B1 :

2.- P es inversible y su inversa, P 1 , es la matriz de paso de la base B2 a la base
B1

7.7 Matriz asociada a una transformación lineal.

Sean V ; W espacios vectoriales de dimensión …nita sobre un mismo cuerpo K y L : V !
W una transformación lineal. Supongamos queA = fv 1 ; v 2 ; ::::; v n ges una base de V y
B = fw 1 ; w 2 ; ::::; w m g es una base de W . Ahora bien, L(v 1 ), L(v 2 ) , . . .; L(v n ) son
vectores de W y por lo tanto cada uno de ellos es una combinación lineal de los vectores
de la base B :

L(v1 ) = a11 w1 + a12 w2 + :::: + a1n wm

L(v2 ) = a21 w1 + a22 w2 + :::: + a2m wm
..
.
L(vn ) = an1 w1 + an2 w2 + ::::: + anm wm

En otras palabras:
0 1 0 1 0 1
a11 a21 an1
B a12 C B a22 C B an2 C
B C B C B C
[L(v1 )] = B .. C [L(v2 )] = B .. C [L(vn )] = B .. C
@ . A @ . A @ . A
a1m a2m anm

Luego di…nimos como representación matricial de L en las bases A y B o matriz

asociada a L en las bases A y B, a la matriz que representaremos por[(L)]B A y cuya
i-ésima columna son las coordenadas del vector L(v i ) en la base B . Esto es.

11
 [(L)]B
A = ([L(v1 )]B ; [L(v2 )]B ; ::::::; [L(vn )]B )

0 1
a11 a21 an1
B a12 a22 an2 C
B C
[(L)]B
A = B .. .. .. .. C
@ . . . . A
a1m a2m anm
Teorema: Sean V, W espacios vectoriales sobre un mismo cuerpo K; A = fv 1 ; v 2 ; :::; v n gyB = fw 1 ; w
ordenadas de V y W respectivamente, y
L : V ! W una transformación lineal. Entonces se cumple que:

[(L)]B
A [v]A = [L(v)]B

7.8 Procedimiento general

Para calcular la matriz que representa a una transformacion lineal L:Rn ! Rm respecto
a las bases S=fv1 ; v2 ; :::vn g y T=fw1 ; w2; :::wm gse realiza el siguiente procedimiento.
Paso 1.- Calculamos L(vj ) para j = 1; 2; :::n
Paso 2.- Formamos la matriz

[w1 ; w2 ; ::::wm j L(v1 ); L(v2 ); :::L(vn )]

Paso 3.- Luego la matriz anterior la reducimos a una matiz escalonada reducida por
renglones, es decir:
[In j A]
Paso 4.- La matriz que representa a la transformacion lineal con respecto a las
bases S y T es la matriz A.

8 Problemas:
1.- Considere la transformación lineal L : R 3 ! R 2 tal que L(x ; y; z ) = (x + y + z ; 2x + 2y + 2z ).
a).- Hallar el núcleo de L.
b).-Hallar la Imagen de L

2.- Sea la transformación lineal L : R 3 ! R 2 tal que L(x; y; z) = (x + y; y + z):

a).- Hallar el núcleo de L
b).-Hallar el la imagen de L

3.- Sea la transformación lineal L: P2 ! R2 tal que L(p) = (p(0 ); p(1 )):
a).- Hallar el núcleo N (T).
b).- Hallar la imagen de L.

1 1
4.-Sea la transformación lineal L : M2x2 (R) ! M2x2 (R) tal que L(M ) = :M
2 2

12
 a).- Hallar el nucleo de L
b).- Hallar la Imagen de L

5.- Hallar una base del núcleo y una base de la imagen de la transformación linealL :
R4 ! R3 de…nida por

T (x; y; z; t) = (x y + z + t; x + 2z t; x + y + 3z 3t)

6.- Considere la transformación lineal L : R2 2 R3 tal que L(x; y) = (4x 2y; 2x +

y; x + y) 8x 2 R2 , y las bases canónicas
A = f(1; 0); (0; 1)g de R2 y B = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g de R3 :Hallar la matriz
asociada a L en dichas bases.

7.- Considere la transformación lineal L : P2 ! R2 tal que L(p) = (2a + b; a + b +

4c)8p 2 P2 tal que p(t) = at2 + bt + c8 t 2 R
y las bases A = fp1 ; p2 ; p3 g de P2 donde p1 : p1 (t) = t2 ; p2 : p2 (t) = t; p3 : p3 (t) =
18 t 2 R; y B = f(1; 1); (1; 0)gde R2: :Hallar la matriz asociada a L en dichas bases.

8.-Considere la transformación lineal L : P2 ! P2 tal que L(p) = p0 y la base

canónica de P2 A = fp0; p1 ; p2 g donde pi (t) = ti ; i = 0; 1; 2:
a).- Hallar los vectores coorednados con respecto de la base A.
b).- Hallar la matriz de la transformacion lineal

2 3 1
9.-Hallar la transformación lineal L : R3 ! R2 sabiendo que [L]B
A =
1 0 2
donde A=f(1; 0; 1); (2; 0; 0); (0; 1; 0)g es base de R3 y
B=f(2; 1); (0; 2)g es base de R2 :

10.- Si v1 = (1; 1); v2 = (2; 1); v3 = ( 3; 2) y w1 = (1; 0); w2 = (0; 1); w3 =

(1; 1):Existe una transformación lineal

L : R2 ! R tal que L(vi ) = wi para i = 1; 2; 3?

11.-Sea L:R3 ! R3 transformación lineal tal que L(1; 1; 1) = (1; 0; 2); L(1; 0; 1) =
(0; 1; 1); L(0; 11) = (1; 0; 1)Encontrar L(x; y; z):

12.-Sea L: R2 ! R transformación lineal de…nida por L(x; y; z) = 2x 3y + z:

0 0
a).- Encontrar [L]B
B donde B = f(1; 0; 0); (1; 1; 0); (1; 1; 1)g ; B = f2g
b).- Encontrar el Kernel(L), Imagen(L) , Nulidad (L), y Rango (L).

13.-Encontrar el valor de tal que la transformación lineal L:R3 ! R3 de…nido

como
L(x; y; z) = ( x + y + z; x + y; y + z)
Tenga Kernel al conjunto f(0; 0; 0)g

13
 14.-Dar un ejemplo de una transformacion lineaL tal que Kernel(L) = f(4; 7; 5)g
e imagen (L) = f(2; 1; 1); ( 1; 3; 2)g
0
15.-Sean B = f(1; 1; 0); (2; 0; 1); (1; 1; 1)g base de R3 y B = f(2; 1); (1; 1)g base de
R y L : R3 ! R2 transformacion lineal, tal que
2

0 1 1 0
[L]B
B =
0 1 0
Determinar L(1; 1; 2):
De…nición:
Una transformación lineal L : V ! W es UNO a UNO, si para todo v1 ; v2 en V

v1 6= v2 L(v1 ) 6= L(v2 )

Una transformación lineal es SOBRE si:

Im(L) = W

14