Transformaciones Lineales

Version Enero de 2010

Pontificia Universidad Catolica de Chile

Indice
1. Definici
on y propiedades

2. N
ucleo e imagen

3. Isomorfismos

4. Matriz de una transformaci

on lineal

11

5. Algebra
de transformaciones lineales y cambio de bases

15

1.

Definici
on y propiedades

En este captulo estudiaremos la definicion general de las transformaciones lineales, definiendo funciones entre
dos espacios vectoriales cualesquiera. Recordemos que ya fueron estudiadas las transformaciones lineales entre Rn
y Rm (que son nuestro prototipo de espacios vectoriales).
Comenzamos con la definicion formal, que resultar
a muy familiar.
Definici
on: Sean V y W espacios vectoriales sobre R (en la teora general es necesario que ambos espacios
vectoriales tengan el mismo cuerpo base). Una funci
on T : V W es una transformaci
on lineal de V en W si y
s
olo si
1. v1 , v2 V T (v1 + v2 ) = T (v1 ) + T (v2 )
2. v V R T (v) = T (v)
Nota: De esta manera, tomando V = Rn y W = Rm , tenemos que esta definicion coincide con la que ya habamos
dado. Notemos que en la igualdad T (v1 + v2 ) = T (v1 ) + T (v2 ), la suma de la izquierda se realiza en V , con su propia
definicion de suma; en cambio, en el lado derecho, la suma se hace en W . Lo mismo ocurre con las ponderaciones
de T (v) = T (v).
Ejemplos:
1. Consideremos la funcion T : M22 (R) P4 (R) definida por


a b
= ax4 + bx3 + cx2 + dx (a + b + c + d).
T
c d
Probemos que T es transformacion lineal (tl):


 

a + a
a b
a b
=
T
+
T

c + c
c d
c d
=

b + b
d + d



(a + a )x4 + (b + b )x3 + (c + c )x2

+(d + d )x (a + a + b + b + c + c + d + d )

a
c

b
d



ax4 + bx3 + cx2 + dx (a + b + c + d)

+a x4 + b x3 + c x2 + d x (a + b + c + d )
T





a
c

a
c

b
d



b
d



+T



a
c

b
d



(a)x4 + (b)x3 + (c)x2 + (d)x (a + b + c + d)

ax4 + bx3 + cx2 + dx (a + b + c + d)



a
c

b
d



2. Sean V un espacio vectorial sobre R, B una base de V y n = dim(V ). Definimos la funcion de coordenadas
en la base B, TB : V Rn , por:
 
T (v) = v B


 
 
 
 
Entonces TB es tl, pues sabemos que v1 + v2 B = v1 B + v2 B y v B = v B , es decir, TB (v1 + v2 ) =
TB (v1 ) + TB (v2 ) y TB (v) = TB (v).
2



3. La funcion derivada en los polinomios D : P4 (R) P3 (R), definida por D p(x) = p (x) es tl, pues
sabemos que (p1 + p2 ) (x) = p1 (x) + p2 (x) y (p) (x) = p (x).
4. Podemos considerar tambien una tl de integraci
on S : P3 (R) P4 (R) con
Z x


p(t)dt
S p(x) =
0

Y tenemos que

S (p1 + p2 )(x) =

(p1 + p2 )(t)dt =
0

S (p)(x) =

(p)(t)dt =
0

p1 (t)dt +
0

x
0

p(t)dt =
0

p2 (t)dt = S p1 (x) + S p2 (x)

p(t)dt = S p(x)
0

Propiedades de las transformaciones lineales

Sea T una tl del ev V en el ev W . Entonces:
1. T (OV ) = OW .
Pues T (OV ) = T (OV + OV ) = T (OV ) + T (OV ) = T (OV ) = OW .
!
k
k
X
X
i T (v1 ).
2. Si v1 , . . . , vk V y 1 , . . . , k R, T
i v i =
i=1

i=1

Lo que es una consecuencia directa de la definicion de tl.


3. Si A V , A 6= , entonces T hAi = T (A) .

Lo que se obtiene directamente de la propiedad anterior, pues T hAi contiene las im
agenes de todas las cl
de elementos de A, que son, por la propiedad anterior, cl de im
agenes de elementos de A. Se sugiere hacer
una demostraci
on detallada como ejercicio.

4. Si S es un sev de V , entonces T (S) es sev de W .

Esto es directo, por la propiedad anterior. Recordemos que todo subespacio se puede expresar como un
conjunto generado, por lo que S = hAi para alg
un subconjunto no vaco A de V .

2.

N
ucleo e imagen

Definici
on: Sea T : V W una tl. Definimos:
1. el n
ucleo o kernel de T como el conjunto
Ker(T ) = {v V : T (v) = OW },
2. la imagen de T como el recorrido de la funci
on, es decir,
Im(T ) = Rec(T ) = {w W : v V T (v) = w}.

Estas definiciones coinciden con aquellas que hicimos para las transformaciones lineales de Rn en Rm , pero ahora
tenemos el lenguaje y los conocimientos para establecer el siguiente resultado:
Teorema. Sea T : V W una tl. Entonces:
1. Ker(T ) es un sev de V ,
2. Im(T ) es un sev de W .
3

Demostraci
on: Para probar que Ker(T ) es sev de V , notemos que Ker(T ) V , por su definicion y que OV
Ker(T ), pues T (OV ) = OW , por tanto, Ker(T ) 6= .
Ahora, si v1 y v2 pertencen a Ker(T ), entonces T (v1 ) = T (v2 ) = OW y, luego,
T (v1 + v2 ) = T (v1 ) + T (v2 ) = OW + OW = OW .
As, tenemos que v1 + v2 Ker(T ) y Ker(T ) es cerrado para la suma.
Analogamente, tenemos que si v Ker(T ) y R, entonces v Ker(T ), pues
T (v) = T (v) = OW = OW .
Y Ker(T ) tambien es cerrado para la ponderaci
on.
Ahora, probaremos que Im(T ) es sev de W . Tomamos una base de V : Bv = {v1 , v2 , . . . , vk }. Entonces cualquier
v V es cl de los vectores de la base, es decir, tenemos que
v = 1 v 1 + 2 v 2 + + k v k .
Entonces
T (v) = T (1 v1 + 2 v2 + + k vk ) = 1 T (v1 ) + 2 T (v2 ) + + k T (vk ).
As, si w Im(T ), entonces existe un v V tal que w = T (v) = 1 T (v1 ) + 2 T (v2 ) + + k T (vk ), lo que prueba
que


Im(T ) = {T (v1 ), T (v2 ), . . . , T (vk )}
Lo que, a su vez, prueba que Im(T ) es sev de W .

Nota : En la demostraci
on anterior hemos descrito un metodo para determinar Im(T ) como un conjunto generado:
la imagen de T es generada por los transformados de cualquier base del espacio de partida V .
Veamos como obtener, en la practica, el n
ucleo y la imagen de algunas transformaciones lineales.
Ejemplos:
1. Consideremos la transformacion lineal T1 : P2 (R) R4 definida por




T1 p(x) = p(0), p(1), p (0) + p (1), p (0) .
Calcularemos las dimensiones de Ker(T1 ) y de Im(T1 ).

Buscamos la forma general de los elementos del Ker(T1 ):

p(x) = a + bx + cx2 Ker(T1 )

T1 (a + bx + cx2 ) = (0, 0, 0, 0)

(a, a + b + c, 2b + 2c, 2c) = (0, 0, 0, 0)

a=b=c=0

p(x) = 0

Entonces Ker(T1 ) = {0} y dim(Ker(T1 )) = 0.

Ahora, buscamos una base de Im(T1 ). Como ya sabemos, la imagen est
a generada por los transformados de
cualquier base del espacio de partida. En este caso, consideremos la base can
onica de los polinomios: {1, x, x2 }
y tendremos que


Im(T1 ) = { T1 (1), T1 (x), T1 (x2 ) } = { (1, 1, 0, 0), (0, 1, 2, 0), (0, 1, 2, 2) }

Adem
as, los vectores (1, 1, 0, 0), (0, 1, 2, 0) y (0, 1, 2, 2) son li (compruebelo!). As, podemos concluir que
dim(Im(T1 )) = 3.
2. Sea T2 : M22 (R) R2 la tl definida por

a
T2
c

b
d



= (a c, 2a b + d).

Caracterizamos los elementos del n

ucleo:


a b
A=
Ker(T2 )
c d

Entonces Ker(T2 ) =



1 2
1 0

Por tanto, dim(Ker(T2 )) = 2.

T2



a
c

b
d



= (0, 0)

(a c, 2a b + d) = (0, 0)
c = a; b = 2a + d; a, d libres

A=

a
a

2a + d
d

=a

1
1

2
0

+d

0
0

1
1


 
0 1
y ambas matrices generadoras son li.
,
0 1

Ahora, para obtener la imagen de T2 , tomamos la base can

onica de las matrices de 2 2 y calculamos sus
transformados:




0 1
1 0
= (0, 1);
= (1, 2); T2
T2
0 0
0 0




0 0
0 0
= (0, 1).
= (1, 0); T2
T2
0 1
1 0
As, tenemos que


Im(T2 ) = { (1, 2), (0, 1), (1, 0), (0, 1) } .

Pero, claramente, los cuatro vectores generadores son ld, as que podemos eliminar algunos. Como en R2 se
pueden tener, a lo mas, dos vectores li, podemos tomar (1, 2) y (0, 1) (que son li) para conformar una base
de Im(T2 ). Entonces dim(Im(T2 )) = 2 = dim(R2 ) y como un subespacio con la misma dimension de todo el
espacio debe coincidir con el, tenemos que
Im(T2 ) = R2 .
3. Por u
ltimo, consideremos la tl T3 : P2 (R) W , donde W es el subespacio de la matrices simetricas de
2 2 definida por


3a 2b + 2c
4a b c
T3 (a + bx + cx2 ) =
4a b c
3a 2b + 2c
Entonces:

p(x) = a + bx + cx2 Ker(T3 )

T3 (a + bx + cx2 ) =

0 0
0 0

3a 2b + 2c = 0
4a b c = 0
a = 0; b = c; c libre

p(x) = cx + cx2 = c(x + x2 )

Por tanto,
Ker(T3 ) = h{x + x2 }i.
Adem
as,
Im(T3 ) =

T3 (1), T3 (x), T3 (x )

 

3 4
4 3

 
 
 
2 1
2 1
,
,
1 2
1 2

Pero esta tres matrices son ld, pues






11 2 1
5
3 4
2
=

4 3
1 2
4
4 1

1
2

Luego,
Im(T3 ) =
y dim(Im(T3 )) = 2.

 

2
1

1
2

 
 
2 1
,
1 2

A continuacion, presentamos un resultado que permitira relacionar el n

ucleo y la imagen de una tl dada. Esta
relaci
on se conoce, a menudo, como el Teorema N
ucleoImagen.
Teorema. Sean V y W dos espacios vectriales sobre R, ambos de dimensi
on finita y sea T : V W una
transformaci
on lineal. Entonces
dim(V ) = dim(Ker(T )) + dim(Im(T )).

Demostraci
on: Llamemos n a la dimension de V . Partimos considerando una base de Ker(T ):
B0 = {v1 , v2 , . . . , vk }
entonces, adem
as estamos diciendo que dim(Ker(T )) = k y como Ker(T ) es un sev de V , tenemos que k n.
Si k = n, entonces Ker(T ) = V y, por tanto, T (v) = OW para todo v V . Entonces Im(T ) = {OW } y dim(Im(T )) =
0, con lo que se cumple la afirmaci
on del teorema.
Si k < n, entonces B0 no es una base de todo V , as que existe al menos un vector en V que es li con los vectores
de B0 . Entonces podemos completar este conjunto li a una base de V .
Sea BV = {v1 , v2 , . . . , vk , u1 , . . . , unk } una base de V que contiene a B0 . Entonces,


Im(T ) = {T (v1 ), . . . , T (vk ), T (u1 ), . . . , T (unk )}
Pero T (v1 ) = OW , . . . , T (vk ) = OW , luego podemos eliminar estos vectores del conjunto generador, as,


Im(T ) = {T (u1 ), . . . , T (unk )}

Ahora probaremos que los vectores T (u1 ), T (u2 ), . . . , T (unk ) son li y, por tanto, conforman una base de la imagen
de T lo que terminara la demostraci
on.
Para esto, consideramos una cl nula:
1 T (u1 ) + + nk T (unk ) = OW
y debemos probar que 1 = 2 = = k = 0.
Pero:
1 T (u1 ) + + nk T (unk ) = OW = T (1 u1 + + nk unk ) = OW
de donde podemos concluir que el vector u = 1 u1 + + nk unk pertenece a Ker(T ). As, u se escribe como cl
de los vectores de B0 (pues es base del n
ucleo). Luego,
1 u1 + + nk unk = u = 1 v1 + + k vk
= 1 u1 + + nk unk 1 v1 k vk = OV
Pero esta es una cl de los vectores de la base de V , por tanto, de vectores li. Luego, todos sus coeficientes deben
ser cero, es decir, 1 = 2 = = k = 0 (lo que queramos probar) y tambien tenemos que 1 = = nk = 0.
Con esto, hemos probado que la imagen de T tiene dimension igual a n k. Entonces:
dim(V ) = n = k + (n k) = dim(Ker(T )) + dim(Im(T )).
Lo que termina la demostraci
on.
Nota: Observando los ejemplos anteriores al Teorema de N
ucleoImagen, podemos acortar los calculos, simplemente
usando la igualdad que nos entrega el teorema. As:
En el ejemplo 1, una vez calculado el n
ucleo de T1 , podemos concluir de inmediato que la dimension de su
imagen es 3, por tanto, sabemos que los transformados de cualquier base de V = P2 conformaran una base
de la imagen de T1 . Si, por otro camino, alguien calculara primero Im(T1 ), entonces se obtendra que su
dimension es 3, por lo que podra concluir inmediatamente que el n
ucleo de esta tl es trivial.
De forma analoga, en el ejemplo 2, una vez calculado el n
ucleo de T2 se sigue inmediatamente del teorema que
dim(Im(T2 )) = 2 y como Im(T2 ) es sev de R2 , podemos concluir de inmediato que Im(T2 ) = R2 , sin realizar
ning
un calculo. Lo mismo puede afirmarse en el ejemplo 3.

3.

Isomorfismos

Definici
on: Sea T : V W una transformaci
on lineal. Diremos que T es:
un monomorfismo de espacios vectoriales si y s
olo si T es una funci
on inyectiva o 11,
un epimorfismo de espacios vectoriales si y s
olo si T es una funci
on sobreyectiva o epiyectiva,
un isomorfismo de espacios vectoriales si y s
olo si T es una biyecci
on.
olo si
Adem
as, decimos que los espacios vectoriales V y W son isomorfos (lo que anotamos V
= W ) si y s
existe un isomorfismo entre ellos.
El siguiente resultado nos permite clasificar una transformacion lineal a traves de su n
ucleo y de su imagen.
Las demostraciones de todas las afirmaciones son tan valiosas como las conclusiones, pues permiten visualizar como
trabajar con transformaciones lineales.
Teorema. Sea T : V W una transformaci
on lineal. Entonces:
1. T es monomorfismo si y s
olo si dim(Ker(T )) = 0.
2. T es epimorfismo si y s
olo si dim(Im(T )) = dim(W ).
3. T es monomorfismo si y s
olo si transforma conjuntos li de V en conjuntos li de W .
4. T es epimorfismo si y s
olo si transforma conjuntos generadores de V en conjuntos generadores de W .
5. T es isomorfismo si y s
olo si transforma bases de V en bases de W .
Demostraci
on: Para demostrar la afirmaci
on (1 ) primero supongamos que T es una funcion inyectiva. Es decir,
v1 , v2 V T (v1 ) = T (v2 ) = v1 = v2 .
Si v Ker(T ), tendremos que T (v) = OW = T (OV ) y concluimos que v = OV . Por lo tanto, Ker(T ) = {OV } y
dim(Ker(T )) = 0. Para la otra implicaci
on, supongamos que Ker(T ) = {OV } y que v1 y v2 son dos elementos de
V tales que T (v1 ) = T (v2 ). Debemos probar que v1 = v2 . Pero esto se deduce directamente, pues T (v1 v2 ) =
T (v1 ) T (v2 ) = OW , es decir, v1 v2 Ker(T ), que contiene s
olo a OV . Luego, v1 v2 = OV .
La afirmaci
on (2 ) es directa, pues T es una funcion sobreyectiva si y s
olo si Im(T ) = W (el recorrido de la
transformacion es todo el espacio de llegada), pero como Im(T ) es un subespacio de W , tendremos que ambos
coinciden si y s
olo si tienen la misma dimension.
Probaremos la afirmaci
on (3 ). Primero, supongamos que T es un monomorfismo y que {v1 , v2 , . . . , vk } es un conjunto
de vectores li en V . Probaremos que el conjunto de transformados, {T (v1 ), T (v2 ), . . . , T (vk )}, es li. Para esto,
consideramos la cl:
1 T (v1 ) + 2 T (v2 ) + + k T (vk ) = OW
Entonces,
T (1 v1 + 2 v2 + + k vk ) = OW
y concluimos que 1 v1 + 2 v2 + + k vk Ker(T ) = {OV }, es decir, obtenemos que
1 v 1 + 2 v 2 + + k v k = OV
de donde se obtiene que 1 = 2 = = k = 0 y {T (v1 ), T (v2 ), . . . , T (vk )} es li.
Para probar la otra implicaci
on, supongamos que T transforma conjuntos li de V en conjuntos li de W y consideremos
un elemento v Ker(T ). Si v 6= OV , entonces existe una base de V que contiene este vector, digamos BV =
{v, v2 , v3 , . . . , vn } y, por nuestra hip
otesis, el conjunto {T (v), T (v2 ), T (v3 ), . . . , T (vn )} es li en W . Pero T (v) = OW ,
lo que lleva a una contradicci
on. Por tanto, v debe ser igual a OV . Es decir, Ker(T ) = {OV } y T es monomorfismo.

Ahora porbaremos la afirmaci

on (4 ). Supongamos que T es sobreyectiva y que {v1 , v2 , . . . , vk } es un conjunto
generador de V .
Probaremos que W = h{T (v1 ), T (v2 ), . . . , T (vk )}i. Para esto, basta probar que W h{T (v1 ), T (v2 ), . . . , T (vk )}i,
pues la otra contenci
on es trivial.
Sea w W . Como T es sobreyectiva, tenemos que w Im(T ), es decir, existe un vector v V tal que T (v) = w.
Pero como {v1 , v2 , . . . , vk } genera a V , entonces v se escribe como cl de estos vectores:
v = 1 v 1 + 2 v 2 + + k v k
y aplicando la tl, obtenemos que
w = T (v) = T (1 v1 + 2 v2 + + k vk ) = 1 T (v1 ) + 2 T (v2 ) + + k T (vk )
Luego, w h{T (v1 ), T (v2 ), . . . , T (vk )}i, lo que completa la demostraci
on.
La otra implicaci
on es directa, pues si suponemos que T transforma conjuntos generadores de V en conjuntos
generadores de W y tomamos una base Bv = {v1 , v2 , . . . , vn } de V , tendremos que
Im(T ) = h{T (v1 ), T (v2 ), . . . , T (vn )}i = W
lo que implica que T es un epimorfismo.
Por u
ltimo, la afirmaci
on (5 ) es una consecuencia directa de las afirmaciones (3 ) y (4 ) en conjunto.

Ejemplos:
1. Sea T : M22 (R) P3 (R) la tl definida por


a b
= (a d)x3 + (b + c)x2 + (2a + d)x + (2b + c)
T
c d
Clasifiquemos esta transformacion. Para esto, calculemos su n
ucleo:


a
c

b
d

Ker(T )

Luego, Ker(T ) =



0 0
0 0





a
c

b
d



= 0x3 + 0x2 + 0x + 0

ad = 0
b+c = 0
2a
+d = 0

2b + c = 0
a=b=c=d=0

y T es un monomorfismo.

Ahora, usando el Teorema N

ucleoImagen, tenemos que
4 = dim M22 (R) = dim(Ker(T )) + dim(Im(T )) = 0 + dim(Im(T ))
Entonces la dimension de la imagen de T coincide con la dimension del espacio de llegada. Por tanto, T tambien
es un epimorfismo. Es decir, T es un isomorfismo de espacios vectoriales y tenemos que M22 (R)
= P3 (R).
Ya que T es una biyecci
on, tenemos que su funcion inversa T 1 tambien es transformacion lineal. Determinemos la definicion de la tl T 1 : P3 (R) M22 (R). Para esto, recordemos que si A M22 (R) y
p(x) P3 (R), entonces
T 1 (p(x)) = A T (A) = p(x).
Queremos determinar T 1 (x3 + x2 + x + ) para todo polinomio. El resultado es una matriz de 2 2.
Entonces:


a b
.
T 1 (x3 + x2 + x + ) =
c d
8

Debemos encontrar a, b, c, d en funcion de , , , , pero




a b
a
1
3
2
T (x + x + x + ) =
T
c d
c

b
d



= x3 + x2 + x +

(a d)x3 + (b + c)x2 + (2a + d)x + (2b + c) =

x3 + x2 + x +

ad
b+c

2a
+d

2b + c

a =

=
=
=
=

+
2
; b = ; c = 2 ; d =
3
3

Luego, la formula que define T 1 es:

T

(x + x + x + ) =

+
3

2
3

2. Si T : R4 P3 (R) es una tl cuya imagen es

Im(T ) = h{1 + x, 3 + x2 , x3 x2 + x + 1, x3 3}i ,
podemos clasificar T ?
Para responder esta pregunta, debemos calcular la dimension de la imagen de T . Para esto, determinamos
una base de Im(T ) del conjunto generador que conocemos {1 + x, 3 + x2 , x3 x2 + x + 1, x3 3}. Hacemos
una cl de estos polinomios y determinamos cu
ales de ellos son li.

Escalonamos

1
1

0
0

(1 + x) + (3 + x2 ) + (x3 x2 + x + 1) + (x3 3) = 0x3 + 0x2 + 0x + 0

3 + 3 = 0

+ = 0
=
= 0

+ = 0

la matriz asociada al sistema:

1 3 1
3 1 3
0 3
0
0
1
0

1 1 0 0 1 1
0 0
1
0
1
1

1
3
0
3

0 0
0
1

1
0

0
0

3 1
1 1
3
0
0
1

3 1 3
1 1 0

0
3
3
0
0
0

1
3
0
0

3 0
0
1

3 1 3
1 1 0

0
3
3
0
1
1

Luego, una base de Im(T ) es {1 + x, 3 + x2 , x3 x2 + x + 1} y dim(Im(T )) = 3 6= 4 = dim(P3 (R)). Por

tanto, T no es sobre. Ahora,
4 = dim(R4 ) = dim(Ker(T )) + dim(Im(T )) = dim(Ker(T )) = 1.
Luego, T tampoco es inyectiva,
El siguiente teorema nos indica que espacios vectoriales son isomorfos.

Teorema. Sean V y W dos espacios vectoriales sobre R. Entonces

V
= W dim(V ) = dim(W )

Demostraci
on: Supongamos que V y W son espacios isomorfos. Entonces existe una tl T : V W que es un
isomorfismo. Entonces, dim(Ker(T )) = 0 y dim(Im(T )) = dim(W ). Luego,
dim(V ) = dim(Ker(T )) + dim(Im(T )) = 0 + dim(Im(T )) = dim(W ).
Ahora, supongamos que dim(V ) = dim(W ) = n. Sean BV = {v1 , v2 , . . . , vn } y BW = {w1 , w2 , . . . , wn } bases de V
y W respectivamente.
Definimos la tl T : V W , indicando los transformados de los vectores de la base BV :
T (v1 )
T (v2 )

=
=
..
.

w1
w2

T (vn )

wn

As, para conocer el transformado de un elemento cualquiera v V , lo escribimos en la base BV :

v = 1 v 1 + 2 v 2 + + n v n
Entonces:
T (v) = 1 T (v1 ) + 2 T (v2 ) + + n T (vn ) = 1 w1 + 2 w2 + + n wn .
Luego, Im(T ) = h{w1 , w2 , . . . , wn }i = W por lo que T es sobreyectiva y, usando el Teorema N
ucleoImagen,
concluimos que dim(Ker(T )) = 0.
Por tanto, concluimos que T es isomorfismo entre V y W , es decir, V
= W.
Nota : En esta demostraci
on hemos usado que toda trasnformacion lineal queda completamente determinada
(o definida) por los transformados de una base del espacio de partida. Conociendo estos, podemos obtener el
transformado de cualquier elemento, pues basta expresarlo en esta base.

Ejemplos:
1. Definimos la tl T1 : R3 R2 por
T1 (1, 0, 3) = (2, 1); T1 (5, 1, 0) = (1, 1); T1 (0, 0, 1) = (0, 0).
Con esto basta, pues los vectores (1, 0, 3), (5, 1, 0) y (0, 0, 1) forman una base de R3 . Para poder encontrar la
formula general de T1 , es decir, T1 (x, y, z), basta escribir un vector cualquiera de R3 en esta base:
(x, y, z) = (1, 0, 3) + (5, 1, 0) + (0, 0, 1) = = x 5y ; = y ; = z + 15y 3x
Entonces
T1 (x, y, z) = (x 5y)T1 (1, 0, 3) + yT1 (5, 1, 0) + (z + 15y 3x)T1 (0, 0, 1)
= (x 5y)(2, 1) + y(1, 1) + (z + 15y 3x)(0, 0)
= T1 (x, y, z) = (2x 9y, x 4y)
2. Supongamos que una tl T2 : P2 (R) R3 tiene n
ucleo
Ker(T2 ) = h{1 + x, 2x2 }i
Nos planteamos dos preguntas: Se puede encontrar una formula para T2 (a + bx + cx2 )? Si es as, es u
nica
la formula encontrada?
10

Para responder esto, notemos que T2 (1 + x) = (0, 0, 0) y que T2 (2x2 ) = (0, 0, 0). Si consideramos un tercer
polinomio li con 1 + x y con 2x2 , podremos determinar completamente la tl, pues tendremos los transformados
de una base del espacio de partida.
Por ejemplo, si tomamos el polinomio x2 + x, tendremos que {1 + x, 2x2 , x2 + x} es una base de P2 (R).
Ahora, asignamos un vector de R3 (la u
nica restriccion es que no sea el vector cero). Por ejemplo, podemos
poner T2 (x2 + x) = (1, 1, 1). Con esto, se repite el procedimiento del ejemplo anterior par aobtener la formula
de T2 (a + bx + cx2 ).
Es claro que esta formula no es u
nica, pues si elegimos un polinomio distinto de x2 + x, pero que siga siendo
2
li con 1 + x y 2x , ontendremos otra tl.
Entonces, existen infinitas tl T2 : P2 (R) R3 que tienen n
ucleo
Ker(T2 ) = h{1 + x, 2x2 }i.

4.

Matriz de una transformaci

on lineal

En esta seccion generalizaremos la relaci

on entre las transformaciones lineales y las matrices que estudiamos en
el captulo de Matrices. En ese momento, s
olo tenamos a nuestra disposicion la base can
onica de Rn , por tanto,
s
olo calculabamos matrices can
onicas de las transformaciones. Ahora, cada transformacion lineal tendr
a infinitas
matrices representantes, pues podemos considerar distintos sistemas de coordenadas tanto en el espacio de partida
como en el espacio de llegada.
Sean V y W dos espacios vectoriales sobre R. Fijamos bases de ambos espacios: BV = {v1 , v2 , . . . , vn } y
BW = {w1 , w2 , . . . , wm }.
Consideramos una transformacion lineal T : V W y queremos determinar una matriz M de m n tal que
h i
h
i
.
(1)
=M v
v V T (v)
BV

BW

Es decir, escribimos cualquier elemento v de V en la base de partida y al multiplicarlo por la matriz M ,

obtendremos su transformado T (v) escrito en la base de llegada.
Para determinar esta matriz, la describimos por columnas:
i
h
M = ~c1 ~c2 ~cn

Si usamos la ecuaci
on (1) para v = vi obtendremos la i-esima columna de M , pues

0
0

.
h
h i
h
i
i
..

= ~c1 ~c2 ~ci ~cn

= M vi
T (vi )
1 = ~ci
BV
BW

.
..
0

Entonces la i-esima columna de M es el transformado de vi escrito en la base de llegada BW .

De esta manera,
h 
i





T (v1 ) BW
T (v2 ) BW
T (vn ) BW
M=

Definici
on: La matriz M se llama matriz de la transformaci
on T de la base BV a la base BW . Esta matriz se
anota
h iBW
T
BV

y tenemos que

v V

T (v)

BW

11

i BW h
BV

BV

Ejemplos:
1. Consideremos la tl T : P2 (R) P3 (R) definida por
T (a + bx + cx2 ) = (2a + c) + bx + cx2 + ax3 .
Calcularemos

 BW
BV

, donde BV = {1, 1 + x, 1 + x + x2 } y BW = {1, x, 2 + x2 , x + x3 }.

Calculamos los transformados de los vectores de la base de partida y los escribimos en la base de llegada:
= 2 1 + (1)x + 0(2 + x2 ) + 1(x + x3 )

T (1) =

2 + x3

T (1 + x) =

2 + x + x3

= 2 1 + 0x + 0(2 + x2 ) + 1(x + x3 )

T (1 + x + x2 ) =

3 + x + x2 + x3

= 1 1 + 0x + 1(2 + x2 ) + 1(x + x3 )

Entonces, la matriz de T es estas bases es:

2
1
=
0
1

 BW
BV

2
0
0
1

1
0

1
1

2. Sea T : M22 (R) R3 la tranformaci

on lineal con matriz representante

1 0 1 1
  B2
T B = 1 2 1 1 ,
1
3 1 0 0

 
 
 

1 1
2 2
1 1
1 0
donde B1 =
,
,
,
y B2 = {(1, 0, 1), (2, 1, 0), (1, 1, 0)}.
1 1
2 0
0 0
0 0



2 3
y , a continuacion, obtendremos la formula de T , es decir, calcularemos
0 2

Calcularemos, como ejercicio, T



a b
.
T
c d




2 3
2 3
en la base B1 :
, escribiremos
Para calcular T
0 2
0 2







2 3
1 1
2 2
1
=2
+ (1)
+3
0 2
1 1
2 0
0
Entonces


2 3
0 2



y



2
T
0


h i B2  
3
2
= T
2
0
B
1
B
2

2 3
0 2

B1

2
1

=
3
1


1
3
= 1
2
B1
3

Luego,




1
1 0
+1
0
0 0

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

= 4(2, 1, 0) + 5(1, 1, 0) = (13, 9, 0).

12


a
Siguiendo el mismo procedimiento, tenemos que
c

b
d

a
c

b
d



1 0
= 1 2
3 1

B2

b
d



B1

d
cd
2

, luego
b c
ba

d
acd
1 1 cd
2
2b a
1 1
b c =
c+5d
0 0
2
ba

Por tanto,
T

a
c

c + 5d
(1, 1, 0)
2


6a + 8b + 3c + 7d 2a + 4b + c + 5d
=
,
,a c d
2
2

= (a c d)(1, 0, 1) + (2b a)(2, 1, 0) +

A continuacion, exploraremos como usar la matriz de la transformacion lineal para conocer propiedades de la
funcion.
Teorema. Sean T : V W una transformaci
on lineal y A =
{w1 , . . . , wm } son bases de V y W respectivamente. Entonces:
 
1. v Ker(T ) v B es soluci
on del sistema A~x = ~0.
V
 
2. w Im(T ) el sistema A~x = w B es compatible.

iBW
BV

, donde BV = {v1 , . . . , vn } y BW =

3. T es un monomorfismo si y s
olo si A tiene inversa por la izquierda.
4. T es un epimorfismo si y s
olo si A tiene inversa por la derecha.
5. T es un isomorfismo si y s
olo si A es invertible.

Demostraci
on: Para probar (1 ), notemos que
v Ker(T )

OW = T (v)




  BW  
 
~
0 = OW B = T (v) B = T B v B = A v B
W
V
W
V
V
 

v B es soluci
on de A~x = ~0
V

La afirmaci
on (2 ) tambien es directa, pues
w Im(T )

v V w = T (v)
 


  BW  
 
v V w B = T (v) B = T B v B = A v B
W
V
W
V
V
 
El sistema A~x = w B tiene al menos una soluci
on
W

Para probar la afirmaci

on (3 ), tenemos que T es un monomorfismo si y s
olo si Ker(T ) = {OV }, es decir, la u
nica
soluci
on del sistema A~x = ~0 es la trivial, pero esto equivale a que la matriz A tenga inversa por la izquierda.
Adem
as, T es epiyectiva si y s
olo si el sistema A~x = ~b es compatible para todo vector ~b (basta tomar w W = Im(T )
 
~
tal que w B = b), lo que, a su vez, equivale a que la matriz A tiene inversa por la derecha. Con esto, hemos
W
probado (4 ).
La afirmaci
on (5 ) se obtiene de (3 ) y (4 ).
2
Veamos un ejemplo en donde aplicaremos este teorema.

13

Ejemplo: Sea T : P2 (R) M22 (R) la tl con matriz representante

1 2
0
  B2 0 3
3

A= T B =
2 3 7 ,
1
1 1 1

donde B1 = {x 2, x2 + 1, 2x x2 } y B2 es la base can

onica de las matrices de 2 2.
Sin encontrar la formula general de T , calcularemos su n
ucleo y su imagen usando las afirmaciones (1 ) y (2 ) del
teorema.
Para calcular el n
ucleo de T , debemos resolver el sistema A~x = ~0. Pivoteamos la matriz:

1 2 0
1 2
0
1 2
0

0 3
3
3

0 3 3
0 3
2 3 7 0 7 7 0 0 0
0 0 0
0 1 1
1 1 1
Luego, si ~x = (x, y, z), tenemos que z = y; x = 2y y ~x = (2y, y, y) = y(2, 1, 1). Entonces el conjunto


{(2, 1, 1)}

contiene todas las soluciones de A~x = ~0.


Esto significa que los polinomios que est
an en el Ker(T ) tienen vectores coordenados en {(2, 1, 1)} . Es decir,

2


p(x) Ker(T ) p(x) B =
1

p(x) = 2(x 2) + (x2 + 1) (2x x2 ) = (2x2 4x + 5)

Por tanto,


Ker(T ) = {2x2 4x + 5} .

Ahora calcularemos Im(T ). Para esto, debemos determinar para que vectores ~b el sistema A~x = ~b es compatible.
Escalonamos la matriz ampliada (A|b).

b1
1 2 0
1
2
0 b1
b1
1
2
0
0

b2
3
3 b2
3
3
b2

0
0 3 3
2 3 7 b3 0 7 7 b3 2b1 0 0 0 b3 2b1 + 7 b2
3
1
1 1 b4
0 1 1 b4 b1
0 0 0
b4 b1 + 31 b2

Luego, A~x = ~b sera compatible si y s

olo si b3 2b1 + 73 b2 = 0 y b4 b1 + 31 b2 = 0. Es decir, vecb debe pertenecer al
conjunto


{ (1, 0, 2, 1), (0, 3, 7, 1) }
Interpretando este resultado como los vectores coordenados de las matrices de la imagen de T en la base BW (que
es la base can
onica de las matrices, lo que hace trivial el trabajo), tendremos que

 

0
3
1 0
,
Im(T ) =
7 1
2 1

14

5.

Algebra
de transformaciones lineales y cambio de bases

Cuando estudiamos la transformaciones lineales de Rn en Rm probamos, con todo detalle, que la suma, ponderaci
on y composicion de transformaciones lineales es una transformacion lineal, esta demostraci
on no depende de
los espacios de partida y llegada, por tanto, no repetiremos tales demostraciones. En cambio, estudiaremos aqu,
como obtener las matrices asociadas a las nuevas transformaciones lineales que se obtienen por suma, ponderaci
on
o composicion.
Consideraremos tres espacios vectoriales sobre R con sus respectivas bases: (U, BU ), (V, BV ) y (W, BW ) y las
transformaciones lineales T1 : V W , T2 : V W y T3 : U V .
  BV
  BW
  BW
Si A = T1 B , B = T2 B , C = T3 B , entonces:
U

T1 + T2 : V W es la tl definida por (T1 + T2 )(v) = T1 (v) + T2 (v) y su matriz representante en las bases
BV y BW es A + B. Es decir,

 BW
  BW   BW
T1 + T2 B = T1 B + T2 B
V

T1 : V W es la tl definida por (T1 )(v) = T1 (v) y su matriz representante en las bases BV y BW es

A. Es decir,
  BW

 BW
T1 B = T1 B
V

T1 T3 : U W es la tl definida por (T1 T3 )(v) = T1 T3 (v) y su matriz representante en las bases BU y

BW es AC. Es decir,
  BW   BV

 BW
T1 T3 B = T1 B T3 B
U

Si suponemos que T1 es un isomorfismo, entonces T11 : W V es la transformacion lineal definida por la

relaci
on
T11 (w) = v T1 (v) = w
y su matriz representante en las bases BW y BV es A1 . Es decir,
  1
 1 BV
BW
T 1 BW = T 1 BV
Ejemplo: Sean B y B dos bases de R2 y BP una base de P2 (R). Supongamos que T : R2 P2 (R) y
R : R2 R2 son dos tl tales que



2 1

 BP
 B
1 1
M1 = T R B = 0 1 y M2 = R B =
.
1 2
1 1

  BP
Queremos determinar T B .

Para esto, notamos que M2 es invertible, pues det(M2 ) = 1 6= 0. Luego, R es un isomorfismo y



 1 B
2 1
1
.
=
R
=
M
2
B
1 1
Entonces:


 BP
B

= T RR


1 BP
B

= T R

 BP 
B


1 B

= M1 M21

2
= 0
1


3
1 
2 1
1
= 1
1 1
3
1

1
1
2

Para terminar, revisaremos como se relacionan dos matrices representantes en distintas bases de una misma tl
T : V W .
15

1
En el caso mas general, consideramos dos bases distintas de V : BV1 y BV2 ; y dos bases distintas de W : BW
y
Entonces podemos considerar dos matrices representantes de T :

2
BW
.

1
 BW

1
BV

2
 BW

2
BV

Para saber como se relacionan, usaremos dos transformaciones lineales auxiliares:

IdV : V V , definida por IdV (v) = v, y IdW : W W , definida por IdW (w) = w.
Como ambas son la funcion identidad en el espacio correspondiente, tenemos que
T = IdW T IdV .
Ahora, usamos la propiedad de las matrices de una transformacion lineal compuesta. Entonces:


2
 BW
2
BV

IdW T IdV

2
 BW

2
BV

2 
 BW

IdW T

1
BV

BV1

IdV

2
BV

Pero, si la base BV2 = {v1 , v2 , . . . , vn }, tenemos que

h 




B 1
IdV (v1 ) B 1
IdV (v2 ) B 1
IdV BV2 =
V
V

Es decir,

IdV

BV1

2
BV

h  
v1 B 1

 
v2 B 1

Id

BV1

vn

1
BV

IdW

2 
 BW
1
BW

IdV (vn )

1 
 BW
1
BV

1
BV

IdV

BV1

2
BV

2
BV

es la matriz de cambio de bases en V desde la base BV2 a la base BV1 . Analogamente,

IdW

2
 BW

1
BW

1
2
es la matriz de cambio de bases en W desde la base BW
a la base BW
.
Luego, dos matrices representantes en distintas bases de una misma transformacion lineal se relacionan a traves
de dos cambios de bases: uno, en el espacio de partida y el otro, en el espacio de llegada. La formula general es:

2
 BW
2
BV

Ejemplo: Supongamos que T : P3 R3 y

matrices

1 0 2
  B3
T B = 0 1 1
1
2 3 11

2 
 BW

Id

1
BW

1 
 BW
1
BV

Id

BV1

2
BV

S : P3 R3 son dos transformaciones lineales dadas por las

1
0 0 1 2
  B4
1
y
S B = 1 1 1 1 ,
2
0
1 0 0 2

donde B1 = {1, 1 + x, 1 + x + x2 , 1 + x + x2 + x3 } y B2 = {1 x3 , 1 x2 , 1 x, 1} son bases de P3 ; y B3 =

{(1, 1, 0), (1, 1, 0), (0, 0, 1)} y B4 = {(1, 0, 0), (0, 1, 0), (0, 1, 1)} son bases de R3 .
Nos interesa calcular alguna matriz representante de la tl T + S. Para esto, debemos cambiar de bases alguna
de las dos matrices representantes que tenemos disponibles. As, o bien usamos la relaci
on

para encontrar la matriz T + S

 B4
B2

= T

 B4
B2

 B4
B2

=


+ S

 B3
B1

Id
 B4
B2

Id

 B4 

 B3 

B3

Id

 B4 

Id

B1

 B1
B2

; o usamos la relaci
on
B4


 B3   B3   B3
para encontrar la matriz T + S B = T B + S B .
1

 B3 

B2

 B2
B1

En ambos casos, debemos calcular dos matrices de cambio de base y realizar la multiplicaci
on de matrices.
 B1

 B4 
Usemos la primera relaci
on. Luego, debemos calcular Id B y Id B .
3

16

Para

Para

Id

Id

 B4

, tenemos que:

 B1

, tenemos que:

B3

B2

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

=
=
=

1 x3
1 x2
1x
1

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

 B4
1(1, 0, 0) + 1(0, 1, 0) + 0(0, 1, 1)
= Id B = 1
3

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

Luego,

 B4
B2

1 1
= 1 1
0 0

1 1 + 0(1 + x) + 1(1 + x + x2 ) 1(1 + x + x2 + x3 )

1 1 + 1(1 + x) 1(1 + x + x2 ) + 0(1 + x + x2 + x3 )
2 1 1(1 + x) + 0(1 + x + x2 ) + 0(1 + x + x2 + x3 )
1 1 + 0(1 + x) + 0(1 + x + x2 ) + 0(1 + x + x2 + x3 )

1
1
2 1

 B1 0
1 1 0

= Id B =
1 1 0 0
2
1 0
0 0

0
1 0
1 0 1
1
2 3

Por tanto,


T +S

 B4
B2

2
= 11
13

1
7
12

1
1
2 1
0
1
1 1
1 1
11 0
1 0

3
1
0
8 3 + 1
7
2
1

17

0 1
1 1
0 0

2
1
0
0

1
2
0
= 11
0
13
0

2
2
1 = 10
2
14

1 0
1 1
0 1

1
7
12

1
8
12

2
7
7

3
1
8 3
7
2

3
2
4


MAT1203 Algebra
Lineal
Gua N 7 Transformaciones lineales
Temporada Academica de Verano 2010

1. Decida cu
ales de las siguientes funciones son transformaciones lineales y en los casos en que lo sean, determine
su N
ucleo y su Imagen con bases y dimensiones.
a) T : R3 P2 (R), dada por
T ((a, b, c)) = (a + b + c) + (a b + 2c)x + (3b c)x2
b) T : M22 (R) M22 (R), dada por
t

T (A) = AM + M A con M =

1
1

1
2

c) T : R3 M22 (R), dada por

T (x) =

xa
xb

xb
xa

con a = (1, 1, 1) , b = (1, 1, 0)

d ) T : R3 R3 , dada por
T (x) = ||x||a con a = (1, 1, 2)
e) T : R3 M22 (R), dada por
T (a, b, c) =

abc
b

b
a+b+c

2. Determine los valores de a y b en R para que la funcion L : R R definida por L(x) = ax + b sea una t.l.
3. Sea V un ev sobre R y sean S1 y S2 dos sev de V tales que V = S1 S2 .
a) Demuestre que para cada vector v V existen u
nicos elementos s1 S1 y s2 S2 tales que v = s1 + s2 .
b) Demuestre que la funcion T1 : V S1 , definida por T1 (v) = s1 cuando v = s1 + s2 , es una tl.
c) Demuestre que la funcion T2 : V S2 , definida por T2 (v) = s2 cuando v = s1 + s2 , es una tl.
d ) Demuestre que T1 T2 = O y T2 T1 = O, donde O es la funcion cero O(x) = OV .
e) Demuestre que T1 T1 = T1 y T2 T2 = T2 y que T1 + T2 = IdV , donde IdV es la funcion identidad en V .
4. Sea T : V1 V2 una transformacion lineal. Demuestre que:
a) Si T es inyectiva, entonces dim V1 dim V2 .
b) Si T es sobreyectiva, entonces dim V2 dim V1 .
5. Sea V un espacio vectorial sobre R de dimension 2n, con n N. Demuestre que existen subespacios U1 y U2
de V tales que
dim U1 = n = dim U2 y U1 U2 = {OV }
6. Sea T : V1 V2 una t.l. y sean v1 , v2 , . . . , vn vectores de V1 . Demuestre que si el conjunto {T (v1 ), . . . , T (vn )}
es l.i., entonces {v1 , . . . , vn } tambien es l.i.
7. Describa de la mejor manera posible todas las transformaciones lineales de R2 en R3 para las cuales el conjunto
{(1, 1, 2), (3, 1, 1)} es una base para su imagen.

18

8. En V = M22 (R), sean C =

T (X) = CXB.

3
4




3
1 1
y B =
. Considere la funcion T : V V definida por
4
2 2

a) Muestre que T es una transformacion lineal.

b) Determine una base de Ker T y una base de Im T .
c) Encuentre la matriz que representa a T respecto a la base can
onica de V .
9. Sea T : M22 (R) P2 (R) la transformacion lineal definida por


a b
= (a + b) + (a + c)x + (a + d)x2
T
c d
2
a) Sean B1 y B2 las bases can
onicas de M22 (R) y P2 (R) respectivamente. Encuentre [T ]B
B1 .

b) Encuentre una base B3 de M22 (R) tal que

3
[Id]B
B1

1 1
0
1

=
0
0
0
0

1 1
0
0

1
0
0
1

2
c) Encuentre [T ]B
B3 .

d ) Encuentre un subespacio U1 de M22 (R) tal que

Ker(T ) U1 = M22 (R)
e) Encuentre un subespacio U de M22 (R) tal que T restringida a U sea un isomorfismo, es decir,
T |U : U T (U ) es biyecci
on.
10. Sea T : P3 (R) P3 (R) una t.l. Es U = {p(x) P3 (R) : T (p(x)) = 1} un subespacio de P3 (x)?
11. Demuestre que B1 = {1 + t t2 , t2 t, 2 + t 2t2 } es base de P2 (R). Si B0 es la base can
onica de P2 (R),
encuentre una matriz P tal que
[p(x)]B1 = P [p(t)]B0 .

p(x) P2 (R)

12. Sea T : P2 (R) R3 la u

nica transformacion lineal para la cual
T (1 + t t2 )
T (t2 t)

=
=

e1 + e3
e1 + e2 e3

T (2 + t 2t2 )

e1 + e2 2e3

Determine la matriz de T con respecto a las bases can

onicas de P2 (R) y de R3 : {1, t, t2 } y {e1 , e2 , e3 }.
13. Demuestre que la t.l. T : P2 (R) R3 definida por T (p(x)) = (p(1), p (2), p (3)) es un isomorfismo.
14. Si L : U V es una transformacion lineal, B1 = {u1 , u2 , u3 } es base de U , B2 = {v1 , v2 , v3 } es base de V y

1 1
1
2
1
2
1 .
[L]B
B1 =
1 2 2
Determine una nueva base B3 = {w1 , w2 , w3 } de V tal que la matriz que representa a L con respecto a las
bases B1 de U y B3 de V es la matriz identidad.

19