Capı́tulo 5

Transformaciones lineales y matrices

1. Matriz asociada a una transformación lineal

Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V → W

es una transformación lineal. Si fijamos bases en V y en W , podemos identificar estos
espacios con kn y km respectivamente, donde n = dim(V ) y m = dim(W ). De esa forma,
la transformación lineal T se identifica con un elemento de Hom(kn , km ), que a su vez
de acuerdo con los resultados del Capı́tulo 4, se identifica con una matriz de n columnas
y m filas, o sea con un elemento de Mm×n (k).
A continuación describiremos explı́citamente dicha matriz.
Supongamos que B = {v1 , . . . , vn } ⊂ V y C = {w1 , . . . , wm } ⊂ W son bases de V y
W respectivamente.
Sean cB : V → kn , vi �→ ei , y cC : W → km , wi �→ ei , las identificaciones entre V y kn
y W y km respectivamente determinadas por las bases dadas — notar que a los efectos
que siguen nos interesa escribir los elementos de kn y km como columnas.
Definición 5.1. En la situación anterior definimos la matriz C [T ]B ∈ Mm×n , llamada
matriz asociada a la transformación lineal T en las bases B y C, como
� �
C [T ]B = cC (T (v1 )), . . . , cC (T (vn )) .

Observación 5.2. (1) En términos más explı́citos, si escribimos T (vi ) = a1i w1 +

· · · + ami wm , 1 ≤ i ≤ n, entonces la matriz C [T ]B se escribe como:
 
a11 a1n
 
C [T ]B =  
am1 amn

(2) Más formalmente, podemos decir que la matriz asociada C [T ]B es la única matriz que
hace el diagrama de abajo conmutativo.

T
V � W
cB cC (5.1.1)
� �
k n �
LC [T ]B
k m

La transformación lineal LC [T ]B considerada arriba es un caso particular de la siguiente

construcción, ya efectuada en el Capı́tulo 4. A una matriz A ∈ Mm×n (k) le asociamos
una transformación lineal LA : kn → km dada por la siguiente fórmula:
63
64 5. TRANSFORMACIONES LINEALES Y MATRICES

   
x1 y1
 x2   y2 
LA    
 ...  =  ... 
xn ym
(5.1.2)
y1 = a11 x1 + a12 x2 + · · · + a1n xn
y2 = a21 x1 + a22 x2 + · · · + a2n xn
.........................
ym = am1 x1 + am2 x2 + · · · + amn xn
� x1 � � y1 �
x2 y2
con .. ∈ kn y .. ∈ km .
. .
xn ym
Frecuentemente se abrevia
   
x1 x1
 x2   x2 
LA    
 ...  = A  ...  (5.1.3)
xn xn
� x1 �
x2
y decimos que estamos multiplicando la matriz A por el vector .. .
.
xn
Ese producto se puede pensar como un producto de matrices por vectores que da
lugar a vectores, o sea matrices A ∈ Mm×n se multiplican por elementos de kn para
producir elementos de km . Este producto verifica las siguientes propiedades, que quedan
como ejercicio (ver Ejercicio 1 ):
A(av + w) = a(Av) + Aw , es decir LA es una transformación lineal
(A + B)v = Av + Bv
(aA)v = a(Av)
Id v = v
0v = 0,
donde A ∈ Mm×n , v, w ∈ kn , a ∈ k.
Se calcula explı́citamente mediante la fórmula (5.1.2), que es la dada por el producto
de matrices, pensando el vector como una matriz columna de n filas (ver Apéndice B ).
(3) Usando la notación anterior, la conmutatividad del diagrama (5.1.1) se puede escribir
de la siguiente manera:
� �
cC T (v) = C [T ]B cB (v).
Observación 5.3. Notar que la matriz asociada a una transformación lineal depende
del orden en que se toman los vectores de las respectivas bases. En definitiva, en este
contexto las bases se deben pensar como listas o sea como conjuntos ordenados, y esta
es la convención que usaremos en lo que sigue, sin mencionar explı́citamente este hecho.
Ejemplo 5.4. Sea T : k2 [X] → k1 [X] definida como T (p) = p� y consideremos las
bases B = {1, 1 + X, 1 + X + X 2 }, C = {1 + X, 1 − X}.
 2. OPERACIONES CON TRANSFORMACIONES LINEALES Y MATRICES ASOCIADAS 65

De las ecuaciones T (1) = 0, T (1 + X) = 1/2(1 + X) + 1/2(1 − X), T (1 + X + X 2 ) =

3/2(1 + X) − 1/2(1 − X), deducimos que la matriz asociada a T en las bases B y C tiene

la siguiente forma
� �
0 1/2 3/2
C [T ]B =
0 1/2 −1/2
Ejemplo 5.5. Sean A ∈ Mm×n entonces si B ⊂ kn y C ⊂ km son las bases canónicas
de kn y km respectivamente, entonces dada LA : kn → km , tenemos que C [LA ]B = A.

2. Operaciones con transformaciones lineales y matrices asociadas

En esta sección completamos las propiedades básicas de la correspondencia entre
transformaciones lineales y matrices mostrando que las operaciones entre unas y otras
se corresponden.
Teorema 5.6. Sean V, W, U espacios vectoriales de dimensión, n, m, l respectivamen-
te y equipados con bases B ⊂ V , C ⊂ W , D ⊂ U , y sean T, T � : V → W y S : W → U .
Valen las siguientes fórmulas:
(1) C [T + T � ]B = C [T ]B + C [T � ]B .
(2) C [aT ]B = aC [T ]B para todo a ∈ k.
(3) D [ST ]B = D [S]C C [T ]B .

Demostración. Probaremos solamente la tercera propiedad. Las otras se pueden

verificar por el mismo método o directamente a partir de la definición de matriz asociada,
ver Ejercicio 6.
(3) La conmutatividad de los diagramas de abajo caracterizan las matrices asociadas a
T y S respectivamente.

T S
V � W W � U
cB cC cC cD
� � � �
kn L � km km L � kl
C [T ]B D [T ]C

Combinando ambos diagramas tenemos el siguiente diagrama conmutativo:

S◦T
��
V T
� W S
U
cB cC cD
� LC [T ]B � LD [T ]C �
kn � km �� kl
LD [S]C ◦LC [T ]B

Luego el diagrama “exterior” también es conmutativo:

66 5. TRANSFORMACIONES LINEALES Y MATRICES

S◦T
V � U
cB cD
� �
kn L ◦LC [T ]B
� kl
D [S]C

Como LD [S]C ◦ LC [T ]B = LD [S]C C [T ]B deducimos que LD [ST ]B = LD [S]C C [T ]B . Finalmente,

como la transformación lineal L : Ml×m (k) → Homk (km , kl ) es biyectiva, deducimos que
D [ST ]B = D [S]C C [T ]B . �
Ejemplo 5.7. Se consideran en el espacio R3 la base canónica B = {e1 , e2 , e3 } y
las transformaciones lineales S y T definidas de la siguiente forma: S es la rotación con
ángulo π/2 de eje e1 y en la dirección anti-horaria para un observador orientado en la
dirección de e1 y T es la rotación con ángulo π/2 de eje e3 y en la dirección anti-horaria
para un observador orientado en la dirección de e3 . Las matrices asociadas a S y T en
la base B, que denotamos con las letras A y B respectivamente, son
�1 0 0 � � 0 −1 0 �
A = 0 0 −1 B= 1 0 0
0 1 0 0 0 1

De lo anterior deducimos que la matriz asociada a ST en la base B es

� 0 −1 0 �
AB = 0 0 −1
1 0 0

Teorema 5.8. Sean V, W espacios vectoriales, con dim V = n, dim W = m, y

B ⊂ V , C ⊂ W , bases. Entonces el mapa ϕ : Hom(V, W ) → Mm×n (k), ϕ(T ) = B [T ]C , es
un isomorfismo de espacios vectoriales.

Demostración. El teorema 5.6 afirma en particular que ϕ es una transformación

lineal. Para probar la biyectividad de ϕ, recordemos que ϕ(T ) verifica el siguiente dia-
grama conmutativo (ver Observación 5.2 ):
T
V � W
cB cC
� �
kn Lϕ(T )
� km

La Observación B.7 nos dice que si V = kn y W = km , el mapa ϕ � asociado a las bases

canónicas es un isomorfismo. Luego alcanza con probar que el mapa ψ : Hom(V, W ) →
Hom(kn , km ), ψ(T ) = Lϕ(T ) es biyectivo. En efecto, ϕ = L ◦ϕ.
� Para probar la afirmación
−1
restante, alcanza con observar que ψ (LA ) = cC ◦T ◦ cB . −1
�

3. Cambio de base
Hemos visto que la correspondencia — biyectiva — que a las transformaciones lineales
les asocia matrices — fijadas bases en el dominio y en el codominio — es una herramienta
de gran utilidad para trabajar con transformaciones lineales. En esta sección estudiare-
mos más a fondo esa correspondencia, describiendo la forma en que la matriz asociada
cambia al cambiar las bases.
 3. CAMBIO DE BASE 67

Definición 5.9. Sea V un espacio vectorial de dimensión finita n. Si B y B� son

bases de V definimos la matriz de cambio de base de B a B � como B� [IdV ]B .
Lema 5.10. Las matrices de cambio de base verifican las siguientes propiedades.
(1) B�� [Id]B� B� [Id]B = B�� [Id]B .
(2) B [Id]B = Idn ∈ Mn .
(3) La matriz de cambio de base B� [Id]B es invertible y su inversa es B [Id]B� .
Demostración. (1) La demostración se deduce inmediatamente del Teorema 5.6,
parte (3).
(2) La demostración se deduce inmediatamente de la definición de matriz asociada.
(3) Es inmediato aplicando las partes anteriores. �
Sean V y W espacios vectoriales, sean B, B � ⊂ V bases de V y C, C � ⊂ W bases de
W . Si T : V → W es una transformación lineal, queremos relacionar las matrices C � [T ]B�
y C [T ]B .
Teorema 5.11. Sean B, B � ⊂ V y C, C � ⊂ W bases respectivamente de dos espacios
vectoriales de dimensión finita V y W . Si T : V → W es una transformación lineal,
entonces C � [T ]B� = C C [T ]B D−1 donde C es la matriz de cambio de base en el espacio W
de la base C a la base C � y D es la matriz de cambio de base en el espacio V de la base
B a la base B � .
Demostración. De la fórmula que nos da la matriz asociada a una composición de
transformaciones lineales tenemos que C � [T ]B� = C � [IdW ]C C [T ]B B [IdV ]B� . Como B [IdV ]B� =
(B� [IdV ]B )−1 , deducimos el teorema. �
El teorema anterior justifica la siguiente definición.
Definición 5.12. Sean A, A� ∈ Mm×n (k) dos matrices. Decimos que A y A� son
semejantes, y denotamos esa relación como A ∼ A� si existen dos matrices invertibles,
C ∈ Mm y D ∈ Mn tales que A� = CAD−1 .
Observación 5.13. Queda como ejercicio para que el lector verifique que la relación
A� ∼ A es una relación de equivalencia en el espacio vectorial Mm×n (k).
Observación 5.14. Observar que el Teorema 5.11 se puede enunciar de la siguiente
forma:
Las matrices asociadas a una transformación lineal en diferentes bases son semejan-
tes.
Sabemos además que las matrices que realizan la semejanza son las matrices de
cambio de base.
El Teorema 5.11 admite un recı́proco. Si dos matrices son semejantes existe una
transformación lineal y bases del dominio y codominio de modo que cada una de las
matrices es la asociada a dicha transformación lineal en las bases dadas.
Lema 5.15. Sean A, A� ∈ Mm×n (k) dos matrices semejantes. Entonces existen es-
pacios vectoriales V y W , bases B, B � ⊂ V y C, C � ⊂ W y una transformación lineal
T : V → W tal que A� = C � [T ]B� y A = C [T ]B .
68 5. TRANSFORMACIONES LINEALES Y MATRICES

Demostración. Sean C ∈ Mm (k) y D ∈ Mn (k) tales que A� = CAD−1 . Sea V = kn

y W = km y consideremos B = {e1 , . . . , en } y C = {f1 , . . . , fm }, las bases canónicas
de V y W respectivamente. Sean las bases B� = {D−1 e1 , . . . , D−1 en } ⊂ kn y C � =
{C −1 f1 , . . . , C −1 fm } ⊂ km . Ya probamos que A = C [LA ]B . Afirmamos que C = C � [Idkm ]C
y D = D� [Idkm ]D , por lo que aplicando el Teorema 5.11 se deduce que A� = C � [LA ]B� .
Probaremos solamente la primera afirmación, ya que la otra se prueba de modo similar.
El Lema 5.10 (2) nos garantiza que alcanza con probar que C −1 = C [Idkm ]C � . De
acuerdo con la definición de matriz asociada (ver Definición 5.1 ), si C −1 = (aij ) tenemos
que  
a11 a1n
� −1 −1
�   −1
C [Id k m ] � = cC (C
C f 1 ), . . . , c C (C f m )) = =C .
am1 amm
�
Observación 5.16. Consideremos el caso particular de transformaciones lineales de
un espacio de dimensión finita en sı́ mismo, T : V → V y supongamos que tomamos
siempre matrices asociadas con respecto a la misma base en el dominio y en el codominio.
(1) Si B y B � son bases de V , entonces B� [T ]B� = C B [T ]B C −1 donde C es la matriz
de cambio de base de B a B � en el espacio V . Diremos en este caso que las matrices son
conjugadas; una relación como ésta es también de equivalencia.
(2) Recı́procamente, ya hemos probado que si A, A� ∈ Mn (k) son dos matrices cuadradas
conjugadas, con A� = CAC −1 , con C ∈ Mn (k) una matriz invertible, entonces existe una
transformación lineal T de kn y una base de kn que llamamos B � tal que B [T ]B = A y
�
B� [T ]B� = A .

4. Rango de una transformación lineal

En este sección definiremos el rango de una transformación lineal, que es un invariante
numérico que mide el “tamaño” de la imagen, y lo relacionaremos con propiedades de la
matriz asociada a la transformación lineal.
Definición 5.17. Sea T : V → W una transformación lineal.
� Si T�(V ) = Im(T ) ⊂ W
tiene dimensión finita, se dice que T tiene rango finito y dim T (V ) se llama el rango
de T . Notaremos r(T ) = dim T (V ).

En lo que sigue, nos será de utilidad considerar determinadas transformaciones linea-

les construidas a partir de funcionales lineales, como sigue.
Definición 5.18. Sean V y W espacios vectoriales, α ∈ V ∗ y w ∈ W . Se define
la transformación lineal α|w : V → W de la siguiente forma: (α|w)(v) = α(v)w – ver
Ejemplo 2.53 parte (2).
Observación 5.19. (1) En caso de que la dimensión de V o la de W sean finitas, se
deduce que dim T (V ) es también finita y consecuentemente tiene sentido hablar del rango
de T . La demostración de la finitud en los casos mencionados más arriba se deja como
ejercicio. Puede suceder que dim T (V ) sea finita aunque la dimensión de V y de W sean
infinitas como lo muestra el siguiente ejemplo. T : k[X] → k[X], T (p) = p� (0)(1+X+X 2 ).