Transformaciones lineales (Operador lineal)

Una transformación lineal, de nombre T , es una función que tiene a los elementos de un
espacio vectorial de nombre V como su dominio y a un subconjunto de un espacio vectorial W
como su imagen. Las transformaciones se escriben así:

T :V → W definida por T [ V ] =w

Se lee como, la transformación T que tiene al espacio V como su demonio y al espacio W como
su imagen. Y T [ V ] =w es el argumento de la función.

Adicionalmente, una transformación lineal debe satisfacer las siguientes ecuaciones:

T [ u⃗ + ⃗v ] =T [ u⃗ ] +T [ ⃗v ]
T [ a ⃗v ] =a T [ ⃗v ]
Ejemplo 1

Considere la siguiente transformación lineal (función):

[ ]
x+ y
2 3
T : R → R definida como T []
x
y
= x− y
3y

[ ]
x+ y
Donde R2 es el Dominio. R3 la imagen. T []
x
y
es el equivalente a f ( x ) y x− y el argumento de
3y
la función.

Ahora vamos a introducir los vectores u⃗ =

() ()
ux
uy
v 2
⃗v = x ambos pertenecientes al domionio R en la
vy
función previamente mencionada.

[ ]
u x +u y
u⃗ →T [ u⃗ ] = u x −u y
3u y
 [ ]
v x+ v y
v⃗ → T [ v⃗ ]= v x −v y
3 vy

La función agarro un vector de 2 dimensiones y lo transformo en uno de 3 dimensiones.

Ahora vamos a introducir en la función el siguiente vector ( u⃗ + ⃗v ), que es la suma los vectores u
y v:

u⃗ + ⃗v =
( )( ) (
vx ux
+
vy uy
v +u
= x x
v y +u y )
[ ]
v x +u x + v y +u y
u⃗ + ⃗v → T [ ⃗u + ⃗v ] = v x +u x −( v y +u y )
3(v y +u y )

Ahora vamos a agrupar todas las componentes de u y de v:

[ ][ ][ ]
v x +v y +u x +u y v x + v y u x +u y
v x −v y +u x −u y = v x −v y + u x −u y =T [ u⃗ ] +T [ v⃗ ]
3 v y +3 u y 3vy 3 uy

Comprobamos que T ( u⃗ + ⃗v )=T ( ⃗u ) +T ( ⃗v )

Falta comprobar la multiplicación:

[ ][ ]
v x+ v y av x +av y
v⃗ → a T
[]
x
y
=a v x −v y = av x −a v y
3v y 3 avy

[ ][ ]
a (v x+ v y ) av x +av y
a ⃗v → T x
y[]
= a ( v x −v y ) = av x −a v y
3a vy 3avy

Comprobamos: T ( a ⃗v )=aT ( ⃗v )
Ejemplo 2

Considere la siguiente transformación lineal (función):

[][ ]
2
2 2 x x
T : R → R definida como T = 2
y y

Ahora vamos a introducir los vectores u⃗ =

() ()
ux
uy
v
⃗v = x ambos pertenecientesal domionio R 2 en la
vy
función previamente mencionada.

[ ]
2
ux
u⃗ →T [ u⃗ ] = 2
ux

[ ]
2
vx
⃗v → T [ ⃗v ]= 2
vy

[ ][ ]
2 2 2
(u + v ) ( u ) +2 ux v x + ( v x )
u⃗ + ⃗v → T [ ⃗u + ⃗v ] = x x 2 = x 2 2
(u y+ v y ) ( u y ) +2 u y v y + ( v y )
T ( u⃗ + ⃗v ) ≠T ( ⃗u ) +T ( ⃗v )

La función anterior no es transformación lineal

Transformación cero

T :V → W definida como T [ V ] =0
Donde V y W son espacios vectoriales, y el vector v es del dominio (V)
 Transformación identidad

T :V → V definida como T [ V ] =V

Operador integral

Considere la siguiente transformación lineal de nombre J:

b
J :C [ a , b ] → R definida por J [ f ]=∫ f ( x ) dx
a

b
Donde C [ a , b ] es el dominio, y R la imagen de la función. Y su argumento: ∫ f ( x ) dx
a

Ahora, si consideramos 2 elementos del dominio: u⃗ =u ( x ) ; ⃗v =v ( x ) ∈ C [ a , b ] podemos demostrar

que J es una transformación lineal:

b
J [ u ] =∫ u ( x ) dx
a

b
J [ v ] =∫ v ( x ) dx
a

b b b
J [ u +v ]=∫ u ( x ) +v ( x ) dx=¿∫ u ( x ) dx +∫ v ( x ) dx ¿
a a a

b
J [ av ] =a ∫ v ( x ) dx
a

b
a ( J [ v ]) =a∫ v ( x ) dx
a
Ejemplo 1

1
J :C [ 0 , 1 ] → C [ 0 ,1 ] definida por J [ f ]=∫ f ( x ) dx
2

u⃗ =u ( x ) ; ⃗v =v ( x )
1
u⃗ → J [ ⃗u ] =∫ u ( x ) dx
2

1
⃗v → J [ ⃗v ] =∫ v ( x ) dx
2

1 1 1 1
u⃗ + ⃗v → J [ u⃗ + ⃗v ] =∫ [ u ( x ) +v ( x ) ] dx=∫ [ u ( x ) ] dx+∫ 2u ( x ) v ( x ) dx +∫ [ v ( x ) ] dx
2 2 2

0 0 0 0

J [ u⃗ +⃗v ] ≠ J [ ⃗u ] +J [ ⃗v ]

1
aJ [ ⃗v ] =a ∫ v ( x ) dx
2

1
J [ a ⃗v ] =a
2
∫ v ( x )2 dx
0
 aJ [ ⃗v ] ≠ J [ a ⃗v ]

Operador de transposición

T : M mxn → M nxm definida por T [ A ]= A T

Donde A es una matriz.

Ejemplo
T : M n xn → M nx n definida por T [ A ]= A A
t

U= (10 01) V =(21 12) U +V =(31 13)

( ) ( 10 01)=(21 12)
t
T [ U ]=U t U= 1 0
0 1

T [ V ] =V V =( 2 1 ) (2 1 )=( 5 4 )
t
t

1 2 1 2 4 5

( )( ) ( )
t
T [ U +V ] =( U +V ) ( U +V ) = 3 1 3 1 = 10 6 ≠ T [ U ] +T [ V ]
t

1 3 1 3 6 10
 Transformación de Proyección ortogonal

Sea H un subespacio de Rn . La transformación de proyección ortogonal es;

P :V → H definida por: P [ V ] =Proy ⃗v H

Sea {⃗
u1, ⃗
u2 , .. . , u⃗k } una base ortonormal para H. Se tiene que:

Pv = ( ⃗v . ⃗
u1 ) u⃗1+ ( ⃗v . u⃗2) ⃗
u2 +. . .+ ( ⃗v . ⃗
uk ) ⃗
uk

Propiedades de las transformaciones

- T [ 0 ] =0
 - T [ u⃗ + ⃗v ] =T [ u⃗ ] +T [ ⃗v ]

- T [ u−v ] =T [ u⃗ ] −T [ ⃗v ]

- T [ a ⃗v ] =a T [ ⃗v ]

- T [ a1 ⃗v 1+ a2 ⃗v 2 +a3 ⃗v 3 + … ak ⃗v k ]=a1 T [ ⃗v 1 ] +a2 T [ ⃗v 2 ] + a3 T [ ⃗v 3 ] +… a k T [ ⃗v k ]

Teorema

Sea V un espacio vectorial de dimensión finita con base B={⃗v 1 , ⃗v 2 ,. . . , ⃗v n } . Sean ⃗ w1, ⃗
w 2 ,⃗w3 , ⃗
wn
vectores pertenecientes a W. Supongamos que T 1 :V →W y T 2 :V →W tales que
T 1 ⃗v i=T 2 ⃗v i =⃗
w1 para i=1 , 2 ,3 , n entonces cualquiero vector ⃗v ϵ V ,T 1 ⃗v =T 2 ⃗v es decir , T 1=T 2

Núcleo e imagen de una transformación

nucleo :nu T ={⃗v ∈ V :T [ ⃗v ] =0⃗ }

w ∈W :T [ ⃗v ] =w para alguna v en V }
Imagen :ℑ T ={⃗

Si T :V → W entonces el núcleo de T es un subespacio de V y la imagen de T es un

subespacio de W

Ejemplo: Si T :V → W definido por T [ V ] =0. El núcleo de T es V y la imagen de T es 0, ya que

todo elemento de W debe ser 0 por el argumento de la función.

Ejemplo 1:
Sea T : R 2 → R 2 definido por T [ xy ]=(0x) halle su núcleo e imagen

Núcleo:

nucleo :nu T ={ ( xy )∈ R :T [ xy ]=(00) }

2
Como sabemos que T [ xy ]=(00) T [ xy ]=(0x)
y ; por tanto: (00)=( x0)podemos concluir que la
coordenada x es cero para todo vector v perteneciente a R2. Por otro lado, y es variable libre.
Así el núcleo queda como:

nucleo :nu T ={ ( xy )∈ R : x=0 ; y=cualquier numero }

2

La imagen:

(ba) ∈ R :T [ xy ]=(ab) para algun ( xy) perteneciente a R } y ⃗w =(ab)

imagen : ℑT ={
2 2

Como sabemos que T [ ]=( ) y T [ ]=( ) ; por tanto: ( ) =( )podemos concluir que la
x a x x a x
y b y 0 b 0
coordenada a es x y la coordenada b es 0 para todo vector v perteneciente a R2. Así la imagen
queda como:

imagen : ℑT ={ (ba) ∈ R :a=x ; b=0}

2

Ejemplo 2:
Sea T : R 2 → R 2 definido por T [ xy ]=(−4y y) halle su núcleo e imagen

Núcleo:

nucleo :nu T ={ ( xy )∈ R :T [ xy ]=(00) }

2

Como sabemos que T [ xy ]=(00) T [ xy ]=(−4y y)

y ; por tanto: (00)=(−4y y )podemos concluir que
la coordenada y es cero para todo vector v perteneciente a R2. Por otro lado, y es variable libre.
Así el núcleo queda como:

nucleo :nu T ={ ( xy )∈ R : y=0 ; x=cualquier numero }

2

La imagen:
 (ba) ∈ R :T [ xy ]=(ab) para algun ( xy) perteneciente a R } y ⃗w =(ab)
imagen : ℑT ={
2 2

Como sabemos que T [ ]=( ) y T [ ]=( ) ; por tanto: ( ) =(

y )
x a x −4 y a −4 y
podemos concluir que
y b y y b
la coordenada a=−4 y y la coordenada b= y para todo vector v perteneciente a R2. Así la
imagen queda como:

imagen : ℑT ={ (ba) ∈ R :a=−4 y ; b= y }

2

Los núcleos e imágenes de algunas transformaciones como la identidad, nula, transposición

etc. están en la sección 7.2

Nulidad y Rango de una transformación

Nulidad de T:

Nul T =dim ( nucleo T )

Rango de T:

RanT =dim (imagen T )

Ejemplo

Nulidad

nucleo :nu T ={( xy )∈ R : x=0 ; y=cualquier numero }

2
 Nul T =dim ( nucleo T )=1
La recta y tiene una sola dimensión.

Rango:

imagen : ℑT ={ (ba) ∈ R :a=x ; b=0}

2

RanT =dim (imagen T )=1

La recta x es de una dimensión

Matriz asociada a la base canónica

De la transformación a la matriz asociada

[]
x
3 2
Considere la transformación T : R → R definida por T y =
z
(3 x+y +2z z ). Calcule la matriz
asociada a la base canónica de la transformación en cuestión.

La Base canónica de una transformación lineal, es la base del dominio de dicha transformación,
en este caso el dominio de la transformación es el espacio así que la base canónica de la

() () ()
1 0 0
transformación es: R : e⃗ 1= 0 ; ⃗e2= 1 ; ⃗e3 = 0
3

0 0 1
La matriz asociada a la base canónica (o matriz de transformación) es la matriz cuyas
columnas son las imágenes que resultan de introducir los vectores de la base canónica a la
transformación. O sea:

[]( []( [](

1 0 0
e⃗ 1 → T 0 =
0
3 x+ 2 z
y+z )()
3
= ; ⃗e2 →T 1 =
0
0
3 x +2 z
y+ z
0
) ()
= ; ⃗e 3 → T 0 =
1
1
3 x+2 z
y+z
=
2
1 ) ()

Conocidas las imágenes de los vectores canónicos. Se procede a armar la matriz asociada a
dichas imágenes.
La dimensión de esta matriz siempre es el inverso de las dimensiones de la transformación, o
sea, si T : R m → Rn mxn entonces la matriz tiene dimensiones nxm

si T : R 3 → R 2 3x2 entonces la matriz tiene dimensiones 2 x 3

Matriz asociada a la base canonica : (30 0 2

1 1 ) 2 x3

De la matriz asociada a la transformación 1

Considere la transformación T : R 3 → R 2. Calcule el argumento de la transformación conociendo

la matriz asociada a la base canónica de la transformación

Matriz asociada a la base canonica : (30 0 2

1 1 ) 2 x3

Las variables de la matriz deben ser x , y , z ya que el dominio es un espacio de 3 dimensiones.

A pesar de que las imágenes sean de 2 dimensiones recuerda que el argumento está definido
por las variables del dominio (que son 3):
 x y z

) ( )
3 x 0 y 2z
( 3 0 2 →
0 1 1
0 x 1 y 1z

[](
x
T y=
z
3 x+2 z
y+z )

De la matriz asociada a la transformación 2

Considere la transformación T : R 2 → R 3. Calcule el argumento de la transformación conociendo

la matriz asociada a la base canónica de la transformación

( )
3 2
Matriz asociada a la base canonica : 1 1
0 5 3x 2
Las variables de la matriz deben ser x , y ya que el dominio es un espacio de 2 dimensiones. A
pesar de que las imágenes sean de 3 dimensiones recuerda que el argumento está definido por
las variables del dominio (que son 2):

x y

( )( )
3x 2 y
3 2 → 1x 1 y
1 1
0x 5 y
0 5

( )
3 x+2 y
T
[]
x
y
= x+ y
5y

Halle una imagen conociendo las imágenes canónicas

Considere la transformación T : R 3 → R 2. Ahora, conociendo las siguientes imágenes de T:

[]( ) []( ) []( )

1 x1 0 x2 0 x
T 0= ;T 1 = ;T 0 = 3
0 y1 0 y2 1 y3
 []
ax
Calcule la imagen de T ay
az

[ ] [ ] [ () ( ) ( )] [ ] [ ] [ ]
ax ax 0 0 1 0 0 1 0 0
T a y =T 0 + a y + 0 =T a x 0 +a y 1 +a z 0 =a x T 0 + a y T 1 +a z T 0 =¿
az 0 0 az 0 0 1 0 0 1

[]
ax
() ( ) ( )
x x x
T a y =a x 1 + a y 1 + a z 1
az
y1 y1 y1

Ejemplo:

Considere la transformación T : R 3 → R 2. Ahora, conociendo las siguientes imágenes de T:

[] () [] ( ) [] ()
1 0 0
3 5 6
T 0 = ;T 1 = ;T 0 =
4 −1 1
0 0 1

[]
2
Calcule la imagen de T −3
7

[] [ ] [ ( ) ( ) ( )] [ ] [ ] [ ]
2 2 0 0 1 0 0 1 0 0
T −3 =T 0 +−3 + 0 =T 2 0 −3 1 +7 0 =2T 0 +3 T 1 +7 T 0 =¿
7 0 0 7 0 0 1 0 0 1

[]
2

7
3
T −3 =2 −3
4 () ( ) () ( )
5
−1
6
+7 =
1
33
18
 Transformación lineal de un plano

Sea el plano cualquiera, debes conocer la base del plano para hallar su transformación lineal
de la siguiente manera:

{( ) }
x
π= y :2 x− y +3 z=0
z

Tenemos que la base del plano es: 2 x+3 z= y

() ( )( )( ) () ()
x x x 0 1 0
y = 2 x+3 z = 2 x + 3 z =x 2 + z 3
z z 0 z 0 1

{( ) ( )}
1 0
La base será: 2 ; 3
0 1

Como pi es un subespacio de dos dimensiones en R3, usamos la base estándar en

R ( porque la dimension de la base es 2) : ⃗v 1=

2
( 10) y ⃗v =(01)
2

Asocias los vectores canónicos con las bases

() ()
1 0
1
[] 0
T = 2 yT = 3
0
0
1
1
[]
Solo falta encontrar:

T
[ xy ]=T [ 0+x +0y ]=T [(0x)+( 0y )]=T [ x( 10)+ y (01)]=T [ x (10)+ y ( 01)]=x T [( 10)]+ y T [( 01)]
() ()( )
1 0 x
T
x
y[]
=x 2 + y 3 = 2 x−3 z
0 1 z
 Representación matricial de una transformación lineal

Sea una matriz mxn y T una transformación lineal de T : R n → Rm definida por

T [ x ] = AT x ∀ x ϵ R
n

Donde AT es una matriz de transformación o matriz asociada a la base canónica, AT es una

matriz que esta relacionada con la transformación T . AT es en sí, la matriz cuyas columnas
son las imágenes que resultan de pasa la base canónica por la transformación.
Un ejemplo seria:

[](
x
3 2
T : R → R definida por T y =
z
3 x+ 2 z
y+z )

() () ()
1 0 0
Base canonica :⃗e1 = 0 ; ⃗e 2= 1 ; e⃗ 3= 0
0 0 1

[]( []( [](

1 0 0
e⃗ 1 → T 0 =
0
3 x+ 2 z
y+z )()
3
= ; ⃗e2 →T 1 =
0
0
3 x +2 z
y+ z
0
) ()
= ; ⃗e 3 → T 0 =
1
1
3 x+2 z
y+z
=
2
1 ) ()

Matriz asociada a la base canonica : A T ( 30 0 2

1 1 )
2x 3
Como AT esta asociada con T podemos afirmar que:

ℑ ( T )=ℑ ( AT )=C At

ρ ( T )=ρ ( AT )

nucleo ( T )=nucleo( A T )

dimension ( T )=dimesion( AT )

O sea, que con la matriz asociada puedes conocer la imagen, rango, dimensión, núcleo de T
conociendo la imagen, rango, dimensión, núcleo de AT