Transformaciones lineales

[Versin preliminar]
Prof. Isabel Arratia Z.

__________________________________________________________________
Algebra Lineal

Sean V y W espacios vectoriales sobre

el cuerpo de los nmeros reales. Una
transformacin lineal o aplicacin lineal de V
en W es una funcin T : V
W que
satisface:
i)
T(u + v ) = T ( u ) + T ( v ); u , v V

ii )

T( v ) = T ( v);

; v V

Si T es una transformacin lineal de V en W, entonces

T( v1 + . . . . . + v n ) = T ( v1 ) + . . . . . + T ( v n )
Ms an,

T(1v1 + . . . . . + n vn ) = 1T(v1) + . . . . . + nT(vn )

__________________________________________________________________
Algebra Lineal

Si T es una transformacin lineal de V en W, entonces

T(0) = 0. Esto se enuncia de manera equivalente as,

T (0 ) 0

T no es aplicacin lineal

Ejemplos de aplicaciones lineales

1) Consideremos f : la funcin f(x) = 3x.
Entonces,
f(x + a) = 3(x + a) = 3x + 3a = f(x) + f(a)

f ( x ) = 3( x ) = ( 3 x ) = f ( x )
Luego f es una aplicacin lineal.
Pero si definimos g(x) = x + 3, g no es aplicacin lineal
puesto que g ( 0 ) 0.
Observe que la funcin g
tampoco cumple las condiciones i) y ii) exigidas para ser
transformacin lineal.
__________________________________________________________________
Algebra Lineal

Las siguientes funciones de en no son lineales:

f(x) = x2

f(x) =

f(x) = e x

f(x) = ln x

f(x) = 1
x

f(x) = cos x

Cules son las funciones

lineales de en ?

2) Sea T : 3 2 la funcin T(x,y,z) = (2x y, y + 3z).

Entonces T es una aplicacin lineal. Demustrelo!

__________________________________________________________________
Algebra Lineal

Ejercicio: Muestre una aplicacin de 2 en 3 que

sea lineal y otra que no lo sea.
3) Consideremos F : M mxn ( ) M nxm ( ); F(A) = A t
Entonces,
F ( A + B ) = ( A + B ) t = A t + B t = F ( A ) + F (B )
F( A ) = ( A )t = A t = F( A )

Por lo tanto, F es una transformacin lineal.

4) La funcin T : P3 [x] P2 [ x]; T(p) = p' =
es lineal; en efecto,

dp
dx

T(p + q) = (p + q) = p + q = T(p) + T(q)

T (a p) = (a p) = a p = a T(p) , a

__________________________________________________________________
Algebra Lineal

Destacamos los
siguientes dos
ejemplos

5) Si V y W son espacios vectoriales,

To : V W; To (v) = 0 W
es una aplicacin lineal
6) Si V es un espacio vectorial, la funcin

I : V V; I(u) = u
es lineal; se llama aplicacin identidad de V.

__________________________________________________________________
Algebra Lineal

El siguiente teorema nos ensea a extender a todo el

espacio dominio, una aplicacin lineal que se conoce
slo en una base de dicho espacio.

Teorema: Sean V un espacio vectorial real con base

B = {v1, . . . . . , v n } y W un espacio vectorial real.
Si w1, . . . . . , w n W entonces existe una nica aplicacin
lineal T de V en W tal que T( v i ) = w i , i = 1, . . . . , n
En efecto, si v V, existen nicos 1, . . . . . , n tales que

v = 1v1 + . . . . . + n v n

La aplicacin T de V en W definida por:

T(v) = 1w1 + . . . . . + n w n
satisface lo requerido en el teorema.
__________________________________________________________________
Algebra Lineal

Ejemplo: Cul es la aplicacin lineal T de 2 en 2 tal que

T(1, 0) = (-2, 5) y T(0, 1) = (3, -4)?

Sea (a, b) 2 , entonces (a, b) = a (1, 0) + b (0, 1).

La aplicacin T : 2

2 ; T(a, b) = a(-2, 5) +b(3, -4),

o ms precisamente, T(a, b) = (-2a + 3b, 5a - 4b), es lineal
y satisface lo requerido.

Ejercicio:

a) Cul es la aplicacin lineal T de 3 en

2 tal que
T(1, 0, 0) = (2, -3), T(0, 1, 0) = (1, 1) y
T(0, 0, 1) = (6, 5)

__________________________________________________________________
Algebra Lineal

Ejercicio: Determine la aplicacin lineal T de 3 en

P2[x] tal que
T(1, 1, 1) = 2 + x,

T(1, 1, 0) = x - x2 , T(1, 0, 0) = 1 + 3x + 2x2

Ejercicio:

Determine cul (es) de las siguientes

aplicaciones son lineales.

1) T : 3 ; T(x) = (x, 0, 3x)

2) T : 2 3 ; T(a, b) = (5a b, a + 2b, 1)
3) T : 2 P2[x ]; T(a, b) = a + 3ax + (a 4b) x 2
4) T : P1[ x] 3 ; T(a + bx) = (a, 2b, 3a + b)
b + c 2a

5) T : 3 M 2 (); T(a, b, c) =
a c 3
__________________________________________________________________
Algebra Lineal

Ncleo e imagen
Sean V y W espacios vectoriales reales y
T: V
W una transformacin lineal.
El ncleo o kernel de T es el conjunto,
Ker T = { v V / T(v) = 0 }
La imagen de T es el conjunto,
Im T = { w W / v V talque T(v) = w }

Ejemplo:

Determinemos el ncleo y la imagen de la

aplicacin lineal T : 3 2 ; T(x, y, z) = (x - 2y, 3y + z)
Ker T = {(x, y, z) / T(x, y, z) = (0, 0)}
= {(x, y, z) / x 2y = 0
3y + z = 0 }
__________________________________________________________________
Algebra Lineal

10

Resolviendo este sistema de ecuaciones lineales obtenemos

Ker T = {(x, y, z) / x = 2y z = -3y }
= {(2y, y, -3y) / y }
= < { (2, 1, -3) } >
Es decir, el ncleo de T result ser un subespacio de
dimensin uno del espacio 3 .
3
Im T = { T(x, y, z) / (x, y, z) }
= { (x 2y, 3y + z) / x, y, z }
= < { (1, 0), (-2, 3), (0, 1) } >
= < { (1, 0), (0, 1) } >
2
=

__________________________________________________________________
Algebra Lineal

11

Cul es el kernel y la imagen de las aplicaciones

To : V W; To (v) = 0 W

I : V V; I(u) = u
El ncleo y la imagen de una transformacin lineal no son
simples conjuntos; es fcil demostrar el siguiente teorema.

Teorema: Si T de V en W es una aplicacin lineal,

entonces el ncleo de T es un subespacio de V y la
imagen de T es un subespacio de W.
La dimensin del ncleo de T se llama nulidad de T y la
dimensin de la imagen de T es el rango de T

__________________________________________________________________
Algebra Lineal

12

La nulidad de T y el rango de T sern denotados as,

( T ) = dim (Ker T)

(T) = dim (Im T)

Y estos nmeros se relacionan mediante la igualdad,

(T) + (T) = dim V

Ejemplo: Consideremos la aplicacin lineal
T : P2 [ x] 2; T(a + bx + cx2 ) = (a b, 2a + c)
Entonces, Ker T = {a + bx + cx 2 P2 [ x] / (a b, 2a + c) = (0, 0) }
= {a + bx + cx 2 P2 [ x] / a = b c = -2a }
= { a + ax - 2a x 2 / a }
= {a(1 + x - 2x 2 ) / a }
= < {1 + x - 2x 2 } >
__________________________________________________________________
Algebra Lineal

13

Como B = {1 + x 2 x 2 } genera a Ker T y es linealmente

independiente, B es una base de Ker T; luego ( T ) = 1 y

(T) = dim V - (T) = 3 - 1 = 2

2
Si la dimensin de la imagen de T es 2, Im (T) =

El siguiente teorema caracteriza a

las aplicaciones lineales inyectivas,
epiyectivas y por tanto biyectivas.

Teorema: Sea T : V

W aplicacin lineal.

(1) T inyectiva Ker T = {0} ( T ) = 0

(2) T epiyectiva Im T = W ( T ) = dim W

__________________________________________________________________
Algebra Lineal

14

Isomorfismos
Recordemos que una funcin f posee funcin inversa
f 1 si y slo si f es biyectiva. La funcin f 1 resulta
ser biyectiva tambin y tal que
(f 1 o f )(x) = x

(f o f -1)(x) = x

Una aplicacin lineal y biyectiva se

llama isomorfismo.
Ejemplo: La aplicacin lineal T : 3 3 definida por
T(x, y, z) = (x y, 2y + z, x + y + z)
no es un isomorfismo puesto que Ker T = < {(1, 1, -2)}>
y, en consecuencia, no es inyectiva.
__________________________________________________________________
Algebra Lineal

15

Ejercicio: Muestre que la siguiente aplicacin de 3

3
en es un isomorfismo,
T(x, y, z) = (x - y, 2y + z, x + 2y + z)

Si T es una aplicacin de V en W,
observe que,

T invertible
1
T isomorfismo T isomorfismo
T isomorfismo

Y si dimV = dimW, entonces

T biyectiva T inyectiva

T epiyectiva

__________________________________________________________________
Algebra Lineal

16

Ejercicio: Cul (es) de las siguientes funciones T son

invertibles?

1) T : 3 3; T(x, y, z) = (x, 2x - y, x + 4y - z)
2) T : 3 P2[x]; T(a, b, c) = (a c) + (2a + b + c)x + (3a + b + c)x2
a b
4
= (a + d, 2c, a + c, c - d)
3) T : M2 () ; T
c d

Si T: V
W es un isomorfismo,
entonces se dice que los espacios V y
W son isomorfos, en cuyo caso se
anota V W .

__________________________________________________________________
Algebra Lineal

17

Ejemplo: Los espacios 3 y P2[x] son isomorfos; el

isomorfismo natural entre ellos es

T(a, b, c) = a + bx + cx2
a b
El isomorfismo T
= (a, b, c, d) establece que los
c d
espacios M2 () y 4 son isomorfos.

Teorema: Todo espacio vectorial

real de dimensin finita
n
es
n
isomorfo a .

__________________________________________________________________
Algebra Lineal

18

Aplicaciones lineales y matrices

Sea

A Mmxn() y consideremos la aplicacin,

TA : n m definida por TA (X) = A X

Para X, Y n y se tiene que,

i) TA (X + Y) = A (X + Y) = A X + A Y = TA (X) + TA (Y)
ii) TA ( X) = A ( X) = (A X) = TA (X)
Es decir, TA es una transformacin lineal, que se
llama aplicacin lineal asociada a la matriz A.

__________________________________________________________________
Algebra Lineal

19

 1 3

Ejemplo: Sea A = 4 0
2
1

y determinemos la aplicacin
lineal asociada a A.

TA : 2 3 ; TA (x, y) = ??
1 3
x 3y

4 0 = 4x
2
y 2x + y
1

TA : 2 3 ; TA (x, y) = (x - 3y, - 4x, 2x + y)

Ejercicio: Encuentre la aplicacin lineal asociada a

las matrices

2
A =
0

1 1

7 5

0 0 0

0 =
0 0 0

e I3

__________________________________________________________________
Algebra Lineal

20

Denotemos por,

L(n , m) = { T : n m / T lineal}
Por qu?

L(n , m) es un espacio vectorial

real: el espacio de las aplicaciones
lineales de n en m .

Queremos establecer que el espacio L(n , m )

es
isomorfo a Mmxn() . Para ello debemos mostrar una
funcin entre estos espacios que sea un isomorfismo.
Consideremos,

F : Mmxn() L(m , n ) definida por F(A) = TA

__________________________________________________________________
Algebra Lineal

21

9 F es una funcin bien definida y adems es lineal, puesto

que

TA + B = TA + TB

TA = TA ,

Ejercicio: Demuestre estas igualdades.

9 F es inyectiva pues Ker F = { A / TA = To } = { 0 mn }
9 F

es epiyectiva ya que para cada transformacin

lineal T de n en m , existe una matriz A Mmxn()
tal que F(A) =

TA = T . Esta matriz A es nica, se

llama matriz asociada a la transformacin lineal T,

se denota [T] y se determina as:

__________________________________________________________________
Algebra Lineal

22

Sean {e1, ..... , en} y {e1, ..... , em} las bases cannicas
de n y m respectivamente. Entonces,

T (e1 ) =

a11e1 + a 21e 2 + . . . . . + a m1e m

T (e 2 ) =
......

a12 e1 + a 22 e 2 + . . . . . + a m2 e m
......

T (e n ) = a1n e1 + a 2 n e 2 + . . . . . + a mn e m
y la matriz,

a 11

a 12
[T ] =
....

a
1n

a 21
a 22
....
a 2n

a m1

. . . . a m2
.... ....

. . . . a mn

....

es tal que F([T]) = T

__________________________________________________________________
Algebra Lineal

23

Ejemplo: Consideremos la aplicacin lineal,

T : 2 3 ; T ( x , y ) = (3x + y, x - y, 7x 2 y)
y determinemos la matriz asociada a T.
Procedemos a evaluar T en los vectores de la base cannica
de 2 y luego, escribir estas imgenes como combinacin
lineal de los vectores de la base cannica de 3 .

T (1, 0 ) = ( 3, 1, 7) = 3(1, 0, 0) + 1(0, 1, 0) + 7(0, 0, 1)

T ( 0 , 1) = (1, - 1, - 2) = 1(1, 0, 0) 1(0, 1, 0) - 2(0, 0, 1)
Entonces la matriz asociada a T es:
3
[ T ] =
1

1
1

3
t

7
= 1
2
7

1
2

__________________________________________________________________
Algebra Lineal

24

Ejercicio: Encuentre la matriz asociada a las

aplicaciones lineales,

T : 3 2 ; T ( x , y, z ) = (x + 6 y - z, 4x - 5y + 2z)
T : 3 3 ; T ( x , y, z ) = (y - 2z, 3x + z, 9x 2 y + z)
Como consecuencia del isomorfismo que
se ha establecido tenemos que:
[T + S] = [T] + [S]
[a T] = a [T] , a nmero real
Adems,
invertible,

[T o S] = [T] [S]
-1
-1

y si T es

[T ] = [T]

__________________________________________________________________
Algebra Lineal

25

Matriz de cambio de base

n

Sea T :
una aplicacin lineal. Repetiremos
el procedimiento realizado para obtener la matriz
asociada a T pero considerando las bases B ={ v1, ..... , vn}
y E ={ w1, ..... , wm} de n y m respectivamente.
Evaluamos T en los vectores de la base B y luego,
expresamos estas imgenes como combinacin lineal de
los vectores de la base E.

T ( v1 ) =

a11w1 + a 21w 2 + . . . . . + a m1w m

T(v 2 ) =
......

a12 w1 + a 22 w 2 + . . . . . + a m2 w m
......

T ( v n ) = a1n w1 + a 2 n w 2 + . . . . . + a mn w m
__________________________________________________________________
Algebra Lineal

26

 a 11

a
La matriz, 12
....

a
1n

Luego,

a 21
a 22
....
a 2n

....
....
....
....

a m1
a m2
....
a mn

a 11

E a 21
[T ] B =
....

a
m1

a 12

....

a 22
....

....
....

a m2

....

se denota

[T] E
B

a 1m

a 2m
....

a mn

Cuando n = m y B = E , esta matriz se denota

[T]B

__________________________________________________________________
Algebra Lineal

27

La matriz

[T]E
B est caracterizada as:
n
Si las coordenadas de v con respecto
a la base B son [v]B = X = (x1, . . . . , x n ) ,
E
entonces [T]B X son las coordenadas de
la imagen T(v) con respecto a la base E

En este caso, el isomorfismo entre transformaciones

lineales y matrices establece que:
E
E
n
m
[T + S] E
B = [T] B+ [S] B , T, S L( , )
E
n
m
=

[ T] E
[T]
,
,
T
L(
,
)
B
B

C
E
n m
m k
[T o S] C
=
[T]

[S]
,
T

L(

),
S

L(

, )
B
E
B

__________________________________________________________________
Algebra Lineal

28

Ejemplo: Consideremos la aplicacin lineal,

T : 3 2 ; T ( x , y, z ) = (x + 2 y - z, 3x + z)
E
y determinemos la matriz [T]B donde,
3
B = { v = (1, 1, 1), u = (1, 1, 0), w = (1, 0, 0)} base de y
E = {(2, 3), (-3, -5)} base de 2.
Tenemos que, T (1, 1, 1) = ( 2 , 4) = 1 (2, 3) + 2 (-3, - 5)
T (1, 1, 0 ) = ( 3, 3) = 1 (2, 3) + 2 (-3, - 5)

T (1, 0, 0 ) = (1, 3) = 1 (2, 3) + 2 (-3, - 5)

Calculando las coordenadas obtenemos la matriz:
2
E
[T ] B = 6
4

2
2
3 =
2
3

6 4

3 3

__________________________________________________________________
Algebra Lineal

29

Observacin: Si B es cualquier base de n , entonces

la matriz de la aplicacin identidad es [I n ]B = [ I ]B = In .

n
Pero si E es otra base de , entonces [ I ] E
B In .
La matriz

B
[ I ]E
[
I
]
es
una
matriz
invertible,
su
inversa
es
B
E

y ambas son llamadas matrices de cambio de base,

nombre que se deriva de lo siguiente:

E
E
B
n n
[ I] B

[T]

[
I
]
=
[T]
,
T

L(

, )
E
E
B
B
aqu, E y B son bases de n .

__________________________________________________________________
Algebra Lineal

30

Valores y vectores propios

En lo que sigue, T ser una transformacin lineal de
n en n ; por lo tanto cualquier matriz asociada a
T es una matriz cuadrada.
Un escalar se llama valor propio de T (o
valor caracterstico) si existe v n , v 0 tal
que T(v) = v.
Si es un valor propio de T, cualquier
T(v) = v se llama
v n , v 0 tal que
vector propio de T (o vector caracterstico)
asociado al valor propio .
__________________________________________________________________
Algebra Lineal

31

Ejemplo: = 2 es un valor propio de la aplicacin lineal

T : 2 2 ; T ( x , y ) = (27x 10 y, 75x - 28y)
puesto que T(2, 5) = (4, 10) = 2 (2, 5).
En este caso,
v = (2,5) es un vector propio de T asociado al valor propio 2.
Si es un valor propio de T y denotamos
por V al conjunto de todos los vectores
propio de T asociados al valor propio ,
entonces es fcil mostrar que V resulta ser
n
un subespacio de . El subespacio V se
llama espacio propio de T asociado a .

V = { v n / T(v) = v }
__________________________________________________________________
Algebra Lineal

32

Cmo determinamos
los valores y vectores
propios de T?

es un valor propio de T

v n , v 0 tal que T ( v) = v
v n , v 0 tal que T ( v) v = 0
v n , v 0 tal que (T I n )( v) = 0
v n , v 0, v Ker (T - I n )
T I n no invertible
det [T I n ] = 0

__________________________________________________________________
Algebra Lineal

33

Observe que p( ) = det [T I n ] es un polinomio en

de grado n y, los valores propios de T son las races
reales de dicho polinomio.
Por otra parte, V = { v n / T(v) = v }

= { v n / T(v) - v = 0}
= { v n / (T - I n )(v) = 0}
= Ker (T - I n )
Es decir, los vectores propios de T asociados a son
los vectores del kernel de la transformacin lineal (o
matriz) [T I n ] .
__________________________________________________________________
Algebra Lineal

34

Ejemplo: Sea T la transformacin lineal

T : 2 2 ; T(x, y) = (y, x)
0 1
. Como la ecuacin
0

La matriz asociada a T es A =
1
caracterstica de T,

1
p() = 0 det[ I - T] = 0
= 0 2 +1 = 0
1
no tiene races reales, T no tiene valores propios.

Ejercicio: Muestre que los valores propios de la

siguiente transformacin lineal T son 1 y 2.

T : 3 3 ; T(x, y, z) = (3x + y - z, 2x + 2y - z, 2x + 2y)

__________________________________________________________________
Algebra Lineal

35

Ejemplo: Los vectores propios de la transformacin lineal

T : 3 3 ; T(x, y, z) = (3x + y - z, 2x + 2y - z, 2x + 2y)

se encuentran en Ker[T I3 ] y Ker[T - 2I 3 ]

2x + y - z =
Ker[ T I 3 ] = { (x, y, z) /
2x + 2y - z =
3

0
}
0

= < { (1, 0, 2) } >

x+y+z = 0
Ker[ T 2 I 3 ] = { (x, y, z) 3 /

2x - z = 0

2x + 2y - 2z = 0
= < { (1, 1, 2) } >

__________________________________________________________________
Algebra Lineal

36

Diagonalizacin
n

Se dice que una base B de diagonaliza a la

transformacin lineal T si la matriz [T]B asociada a T es
una matriz diagonal. Cuando tal base B existe, se dice
que T es diagonalizable.
Una matriz A Mn () es diagonalizable si la aplicacin
lineal asociada a A lo es.
Cundo T es
diagonalizable?

Teorema: T diagonalizable si y

n
slo si existe B base de formada
por vectores propios de T.

__________________________________________________________________
Algebra Lineal

37

Ejemplo: La transformacin lineal T : 3 3 ;

T(x, y, z) = (-9x 8y + 4z, 8x + 7y - 4z, - 8x 8y + 3z)
tiene dos valores propios: 3 y -1. Los espacios propios
asociados son,

Ker[T - 3I 3 ] = < { (1, - 1, 1) } >

Ker[T + I3 ] = < { (1, 0, 2), (0, 1, 2) } >
Y B = {(1, -1, 1), (1, 0, 2), (0, 1, 2)} es una base de 3 que
diagonaliza a T; en este caso,
3

[T ]B = 0
0

0
1
0

0
1

__________________________________________________________________
Algebra Lineal

38

Ejemplo: La transformacin lineal T : 3 3 ;

T(x, y, z) = (3x+ y - z, 2x + 2y z, 2x + 2y)

tiene dos valores propios: 1 y 2. Sin embargo, T no es
diagonalizable. Los espacios propios asociados son,

Ker[T - I3 ] = < { (1, 0, 2) } >

Ker[T - 2I 3 ] = < { (1, 1, 2) } >
Y es imposible encontrar una base de 3 formada por
vectores propios de T.

__________________________________________________________________
Algebra Lineal

39

Ejercicio: Determine si la siguiente transformacin

lineal T es o no es diagonalizable.

T : 3 3 ; T(x, y, z) = (3x- y + z, 7x 5y+ z, - 6x + 6y - 2z)

El hecho que T sea diagonalizable significa
que la matriz [T] asociada a T, es similar a la
matriz diagonal [T]B en el sentido siguiente:
1
Existe P matriz invertible tal que [T]B = P [T] P

__________________________________________________________________
Algebra Lineal

40