Capı́tulo 3

Aprendiendo

Transformaciones lineales
Las transformaciones lineales son cierto tipo de funciones definidas
entre espacios vectoriales que conservan la suma y producto por un
escalar. En otras palabras, la transformada de una suma de dos vectores
se transforma en la suma de sus transformados y la transformada de un
múltiplo escalar de cualquier vector se transforma en un múltiplo escalar
de su transformada.
Las transformaciones lineales son muy importantes tanto en ciencias
naturales, ingenierı́a y ciencias sociales, lo cual independientemente de la
gran variedad de sus aplicaciones, la importancia de las transformaciones
lineales entre espacios vectoriales radica en que con frecuencia pueden
transformar un problema complejo en uno más simple.

El objetivo de este capı́tulo es presentar algunas definiciones y

propiedades de transformaciones lineales.

3.1 ¿Para que sirve las transformaciones lineales?

3.2 Transformaciones lineales.
3.3 Operaciones con transformaciones lineales.
3.4 Núcleo e imagen.
3.5 Matriz de una transformación lineal.
2 Profesor: Adeluz Apaza Valdivia

3.1 ¿Para qué sirve las transformaciones lineales?1

Las transformaciones lineales desempeñan un papel muy importante

en matemáticas, fı́sica, ingenierı́a, procedimiento de imágenes, gráficas en
computadoras y muchas otras áreas de la ciencia y la vida diaria.
Asimismo, en las diversas aplicaciones de ciencias de la computación y
de la ingenierı́a se requiere describir la traslación de figuras geométricas y
la variación de sus dimensiones, los cuales está asociada a transformaciones
lineales. Entre sus aplicaciones podemos citar lo siguiente:

+ En ingenierı́a electrónica, el cálculo de las redes eléctricas y diseño de

circuitos se resuelve mediante transformaciones lineales.

+ En ciencias de la computación, el procedimiento de imágenes, las

gráficas en computadoras, el desarrollo de lenguajes de programación
orientados a objetos, los cuales permiten una visualización de sus
resultados de ejecución por medio de sus interfaces gráficas, todo esto
se resuelve mediante transformaciones lineales.

+ En ingenierı́a civil, las deformaciones de un bloque de concreto se

resuelve mediante transformaciones lineales.

+ En la ingenierı́a industrial, se utiliza las transformaciones lineales para

el estudio de procesos, sistemas control de calidad y transformación
de un vector de producción en un vector de materia prima.

Debemos indicar también que las transformaciones lineales o funciones

lineales proporcionan una forma abstracta en las matemáticas que trata con
objetos geométricos y fı́sicos, tales como tensores, que permiten estudiar
las propiedades locales de variedades mediante técnicas de linealización.

En resumen, hay muchos fenómenos que re resuelve mediante transfor-

maciones lineales, tal es el caso del procesamiento de imágenes y las gráficas
en computadora.

1 Recuerde, reconocer que nos hemos equivocado nos hace grandes.

Capı́tulo 3: Transformaciones lineales 3

3.2 Transformaciones lineales.1

El objetivo de esta sección es presentar un tipo especial de funciones,

llamadas transformaciones lineales, que se presentan a menudo en álgebra
lineal y en otras ramas de las matemáticas.

En lo sucesivo V y W serán espacios vectoriales y R el conjunto de

números reales.

Recordemos que una función T de V en W es una correspondencia que

asigna a cada elemento v de V un elemento único w = T (v) de W, llamado
imagen de v mediante T .

Definición 1. (Transformación lineal)

Una función de la forma:

T :V→W
Se llama transformación lineal, si ∀ u, v ∈ V y α ∈ R cumple:
1. T (u + v) = T (u) + T (v).
2. T (αu) = αT (u)

Nótese que la primera condición nos dice que la imagen de la suma es

la suma de las imágenes. En otras palabras, una transformación lineal con-
serva la suma de vectores . Note que la suma u + v se realiza en V, mientras
que T (u) + T (v) en W. Esta condición suele llamarse propiedad aditiva. Por
otra parte, la segunda condición mantiene el producto de un escalar por un
vector. Otra vez hay que notar que el producto αu puede ser distinto de
αT (u), ya que están definidos en espacios diferentes.

Observación 1. Las condiciones de la definición anterior suele escri-

birse equivalentemente como sigue:
T (αu + βv) = αT (u) + βT (v), ∀u, v ∈ V y α, β ∈ R.
Una vez introducida la transformación lineal, exploremos a continua-
ción este concepto con un par de ejemplos bastante simples.

1 Recuerde, una transformación lineal es una función que cumple cierta condición.
4 Profesor: Adeluz Apaza Valdivia

Ejemplo 1. Sean V = R2 , W = R3 y T : R2 → R3 definida por:

T (x, y) = (x + y, x − y, 3y).
Determinar si T es una transformación lineal de R2 a R3 .

Solución. Debemos tomar primero u = (x1 , y1 ) y v = (x2 , y2 ) en R2

y α ∈ R. Recién ahora verificamos las condiciones de la definición anterior.
1. Queremos verificar T (u + v) = T (u) + T (v). Para esto reemplazando
u y v dadas, aplicando la definición de T y ordenando se tiene:
T (u + v) = T [(x1 , y1 ) + (x2 , y2 )]
= T (x1 + x2 , y1 + y2 )
= (x1 + x2 + y1 + y2 , x1 + x2 − y1 − y2 , 3y1 + 3y2 )
= (x1 + y1 , x1 − y1 , 3y1 ) + (x2 + y2 , x2 − y2 , 3y2 )
= T (x1 , y1 ) + T (x2 , y2 ),
lo cual establece la primera condición de la definición.
2. Queremos verificar que T (αu) = αT (u). Similarmente, ponemos u y
α antes dada, aplicando la definición de T y factorizando α se tiene:
T (αu) = T [α(x1 , y1 )] = T (αx1 , αy1 )
= (αx1 + αy1 , αx1 − αy1 , 3αy1 )
= α(x1 + y1 , x1 − y1 , 3y1 )
= αT (x1 , y1 ) = αT (u),
lo cual establece la segunda condición.
Por lo tanto, se concluye que T es una transformación lineal.

Si escribimos IP n al conjunto de todos los polinomios de grado n, con

n ∈ Z+ , vemos que esto es un espacio vectorial. En este sentido, damos los
siguientes ejemplos.

Ejemplo 2. Sean V = IP 1 , W = IP 2 y T : IP 1 → IP 2 definida por:

T (p(x)) = x p(x).
Determinar si T es una transformación lineal.

Solución. Tomemos primero u = p(x) y v = q(x) en IP 1 y el escalar

α ∈ R. Verificaremos sucesivamente las dos condiciones de la definición.
Capı́tulo 3: Transformaciones lineales 5

1. Veamos que T (u + v) = T (u) + T (v). Para esto ponemos u y v antes

dada. Después aplicamos la definición de T y ordenamos como sigue:

T (u + v) = T (p(x) + q(x))
= x (p(x) + q(x))
= x p(x) + x q(x)
= T (p(x)) + T (q(x))
= T (u) + T (v).

Esto significa que cumple la primera condición de la definición.

2. Veamos ahora que T (αu) = α T (u). Reemplazamos u y α antes men-
cionada, aplicando la definición de T y factorizando α se tiene,

T (αu) = T (α(p(x)) = x αp(x) = α x p(x) = α T (p(x)) = α T (u),

lo cual muestra que satisface la segunda condición.

Por lo tanto, T es una transformación lineal.

Ejemplo 3. Sean V = IP 1 , W = IP 2 y T : IP 1 → IP 2 definida por:

T (p(x)) = x p(x) + x2 .
Determinar si T es una transformación lineal.

Solución. Consideremos u = p(x) y v = q(x) en IP 1 y α ∈ R. Veamos

sucesivamente las dos condiciones de la definición.
1. Veamos que T (u + v) = T (u) + T (v). Para esto reemplazamos u y v
antes presentado y después aplicando la definición de T se tiene:

T (u + v) = T (p(x) + q(x))
= x (p(x) + q(x)) + x2
= x p(x) + x q(x) + x2
= T (p(x)) + q(x)
6= T (p(x)) + T (q(x)).

Observando este último vemos que falta x2 para tener T (q(x)).

6 Profesor: Adeluz Apaza Valdivia

Ası́ pues, concluimos que T no es una transformación lineal.

Ejemplo 4. Sea T : V → W una función definida por:

T (v) = 0, para todo v ∈ V,
entonces esto establece una transformación lineal, pues
1. T (u + v) = 0 = 0 + 0 = T (u) + T (v).
2. T (αu) = 0 = α 0 = αT (u).
En este caso, T recibe el nombre transformación cero y suele escribirse
también por 0 : V → W definida por 0(v) = 0.

Ejemplo 5. Sea T : V → V una función definida por:

T (v) = v, para todo v ∈ V,
entonces esto establece una transformación lineal. En este caso, T recibe el
nombre de transformación identidad y suele escribirse por i(v) = v.

A continuación hagamos algunas observaciones y resultados, pertinen-

tes a aquellos cálculos de transformaciones lineales.

Observación 2. Si T : V → W es una transformación lineal, enton-

ces:
T (0) = 0.
Esto es verdadero ya que si T es una transformación lineal cumple:
T (0) = T (0 + 0) = T (0) + T (0),
lo cual significa que:
T (0) = T (0) + T (0).
Como W es un espacio vectorial y T (0) ∈ W, se sigue que existe un elemento
w ∈ W tal que T (0) + w = 0 y por lo tanto,

0 = T (0) + w = [T (0) + T (0)] + w = T (0) + [T (0) + w] = T (0) + 0 = T (0),

lo cual demuestra la válidez de la observación.

Observación 3. Si T : V → W es una transformación lineal, enton-

ces:
Capı́tulo 3: Transformaciones lineales 7

T (−v) = − T (v).

Esto se sigue de la misma definición de transformación lineal pues; en efecto:

T (−v) = T (−1(v)) = (−1)T (v) = − T (v).

Observación 4. Si T : V → W es una transformación lineal, entonces:

T (u − v) = T (u) − T (v).

Esto es cierto ya que por definición de T y por la Observación 3 se tiene:

T (u − v) = T (u + (−1)v) = T (u) + T (−v) = T (u) − T (v).

Teorema 1. Sea T : V → W una transformación lineal, entonces se

tiene para α1 , α2 , · · · , αn escalares:
T (α1 v1 + α2 v2 + · · · + αn vn ) = α1 T (v1 ) + α2 T (v2 ) + · · · + αn T (vn ).

Prueba. Esta prueba haremos mediante inducción matemática. Para

esto seguimos los siguientes pasos:

1. Si n = 2, entonces se tiene gracias a que T es transformación lineal,

T (α1 v1 + α2 v2 ) = T (α1 v1 ) + T (α2 v2 ) = α1 T (v1 ) + α2 T (v2 ).

Por lo tanto, la ecuación es válida si n = 2.

2. Supongamos que para n = h, h ∈ N, la proposición T es verdadera

(hipótesis inductivo).

3. Debemos demostrar que para n = h + 1, la proposición:

T (α1 v1 + α2 v2 + · · · + αh vh + αh+1 vh+1 )

es verdadera. Haciendo uso reiterado de que T es una transformación

lineal y las partes 1) y 2) se tiene:

T (α1 v1 + α2 v2 + · · · + αh vh + αh+1 vh+1 )

= T (α1 v1 + α2 v2 + · · · + αh vh ) + T (αh+1 vh+1 )
= α1 T (v1 ) + α2 T (v2 ) + · · · + αh T (vh ) + αh+1 T (vh+1 ).
8 Profesor: Adeluz Apaza Valdivia

Esto significa que es válido para n = h + 1, lo cual términa lo deseado.

Resulta importante notar que una transformación lineal T : V → W

forma por derecho propio un caso particular de función que tiene como
dominio al espacio vectorial V y como contradominio al espacio W. En
general, sabemos que para definir una función f es necesario especificar
el valor de f (x) para cada elemento x en el dominio. Por ello, cuando se
desea encontrar la transformación lineal T : V → W, bastará hallar los
valores T (v) para cada vector v ∈ B, donde B es una base de V. Esto es
particularmente útil si V tiene dimensión finita. Para precisar, probaremos
el siguiente teorema que habla de la existencia de una transformación lineal.

Teorema 2. Sean V y W espacios vectoriales. Asumamos que V es

finito y tiene base B. Si a cada v ∈ B le asignamos w ∈ W. Entonces existe
una única transformación lineal T : V → W tal que T (v) = w.

Prueba. Sea B = {v1 , v2 , · · · , vn } una base de V tal que:

T (vi ) = wi para todo i = 1, 2, · · · , n.

Dado que B es una base, todo elemento v ∈ V puede expresarse, de modo

único, como combinación lineal de los elementos de B, esto es:

v = α1 v1 + α2 v2 + · · · + αn vn .

Definimos T : V → W de la siguiente forma:

T (v) = α1 w1 + α2 w2 + · · · + αn wn .

Como B es una base de V se sigue que T está bien definida para todo v ∈ V.
Es más, T (v) ∈ W pues W es un espacio vectorial. Por consiguiente, sólo
queda por mostrar que T es lineal. Sin embargo, esto es inmediato usando
la definición de T , ya que tomando u, v ∈ V cumple por lo dicho arriba:

u = β1 v1 + β2 v2 + · · · + βn vn ,

v = α1 v1 + α2 v2 + · · · + αn vn .

Con estos verificaremos sucesivamente las dos condiciones de la definición.

1. Veamos que T (u + v) = T (u) + T (v). Para esto reemplazamos u y v

antes mencionado. Después aplicamos la definición de T y ordenamos
Capı́tulo 3: Transformaciones lineales 9

para obtener lo deseado, esto es:

T (u + v) = T [(β1 + α1 )v1 + (β2 + α2 )v2 + · · · + (βn + αn )vn ]
= (β1 + α1 )w1 + (β2 + α2 )w2 + · · · + (βn + αn )wn
= (β1 w1 + β2 w2 + · · · + βn wn ) + (α1 w1 + · · · + αn wn )
= T (u) + T (v).
Esto significa que cumple la primera condición de la definición.
2. Veamos que T (αv) = αT (v). La determinación de esto es un fácil
ejercicio que se verifica de manera similar al caso anterior.
Veamos ahora la unicidad de T . Para esto supongamos que T1 : V → W es
otra transformación lineal tal que T1 (vi ) = wi para todo i. Entonces para
cada v = α1 v1 + α2 v2 + · · · + αn vn se tiene:
T1 (v) = T1 (α1 v1 + α2 v2 + · · · + αn vn )
= α1 T1 (v1 ) + α2 T1 (v2 ) + · · · + αn T1 (vn )
= α1 w1 + α2 w2 + · · · + αn wn
= T (v).
De esto se concluye que existe T y es único, lo cual términa la prueba.

Observación 5. Si queremos hallar una transformación T : Rn → Rm ,

bastará seleccionar para cada j = 1, 2, · · · , n, un vector de la forma:
vj = (a1j , a2j , · · · , amj ) ∈ Rm ,
y decir que vj = T (ej ) es la imagen del j- ésima vector de la base canónica
por la transformación lineal T . Ası́, queda determinada la imagen T (v) de
cualquier vector (x1 , x2 , · · · , vn ) ∈ Rn . A fin de ver esto, consideremos:
v = x1 e1 + x2 e2 + · · · + xn en ,
entonces reemplazando esto, vemos que T (v) esta dada como sigue:
Xn n
X n
X
T (v) = T ( xj ej ) = xj T (ej ) = (a1j xj , a2j xj , · · · , amj xj )
j=1 j=1 j=1

n
X n
X n
X
= ( a1j xj , a2j xj , · · · , amj xj ).
j=1 j=1 j=1
10 Profesor: Adeluz Apaza Valdivia

Esto significa que T (x1 , x2 , · · · , xn ) = (y1 , y2 , · · · , ym ), donde:

y1 = a11 x1 + a12 x2 + · · · + a1n xn

y2 = a21 x1 + a22 x2 + · · · + a2n xn
..
.
ym = am1 x1 + am2 x2 + · · · + amn xn .

En otras palabras, una transformación T : Rn → Rm queda completamente

determinada por la matriz A = (aij )m×n , cuyas columnas como se puede
ver son las imágenes T (ej ) de los vectores de la base canónica de Rn y la
imagen T (v) de un vector arbitrario v = (x1 , x2 , · · · , xn ) ∈ Rn es el vector
w = (y1 , y2 , · · · , yn ) ∈ Rm encontrado antes.

Definición 2. (Matriz de una transformación lineal)

Diremos que A = [aij ]m×n es la matriz de la transformación lineal

T : Rn → Rm relativa a las bases canónicas de Rn y Rm si:
m
X
T (ej ) = aij ej para j = 1, 2, · · · n, con ej ∈ Rn , ei ∈ Rm .
i=1
Capı́tulo 3: Transformaciones lineales 11

3.3 Operaciones con transformaciones lineales.1

La meta de esta sección es introducir la suma, producto por un escalar

de transformaciones lineales y producto de transformaciones lineales. Como
veremos más adelante, este último es un ejemplo objetivo de una estructura
algebraica que presenta variados e interesantes hechos, no encontrados en
las operaciones con números o vectores.

En lo que sigue y cuando sea necesario, por un operador lineal en un espacio

vectorial V se entenderá a una transformación lineal de la forma:

T :V→V

de V en si mismo. A su vez, las transformaciones lineales dada por:

T :V→R

con valores numéricos suelen llamarse funcionales lineales.

Definición 1. (Suma y producto por escalar)

Sean T1 , T2 : V → W dos transformaciones lineales y α ∈ R,

entonces su correspondiente suma T1 +T2 será definida como sigue:

• (T1 + T2 )(v) = T1 (v) + T2 (v), ∀v ∈ V.

y su correspondiente producto por un escalar αT será definido por:

• (αT1 )(v) = αT1 (v), ∀v ∈ V.

Obviamente, la justificación de los siguientes resultados con lo visto

hasta el momento, debe resultar rutinaria para el lector. Sin embargo, la
llevaremos a cabo para resaltar mejor.

Lema 1. Sean T1 y T2 transformaciones lineales dadas antes, enton-

ces la suma T1 + T2 es una transformación lineal.

1 Recuerde, las operaciones con funciones son adición y multiplicación.

12 Profesor: Adeluz Apaza Valdivia

Prueba. Verificaremos sucesivamente para T1 + T2 las dos condiciones

de la definición de transformación lineal.

1. Veamos la primera condición. Para esto tomemos u, v ∈ V, entonces

se tiene por definición de suma y después haciendo uso reiterado que
T1 , T2 son transformaciones lineales,

(T1 + T2 )(u + v) = T1 (u + v) + T2 (u + v)
= T1 (u) + T1 (v) + T2 (u) + T2 (v)
= T1 (u) + T2 (u) + T1 (v) + T2 (v)
= (T1 + T2 )(u) + (T1 + T2 )(v),

lo que verifica la primera condición.

2. Veamos la segunda condición. Para esto sean v ∈ V y α ∈ R, entonces

se tiene aplicando primero la definición de suma y después el hecho
que T1 y T2 son transformaciones lineales:
(T1 + T2 )(αv) = T1 (αv) + T2 (αv) = α(T1 + T2 )(v),

como se querı́a mostrar. De modo que T1 + T2 es lo deseado.

Lema 2. Sea T1 una transformación lineal y el escalar α ∈ R, entonces

el producto escalar αT1 es una transformación lineal.

Prueba. Verificaremos sucesivamente para αT1 las dos condiciones de

la definición de transformación lineal.

1. Revisemos la primera condición. Consideremos u, v ∈ V, entonces se

tiene por definición de producto por un escalar y después haciendo
uso reiterado que T1 es una transformación lineal,
(αT1 )(u + v) = αT1 (u + v) = α[T1 (u) + T1 (v)] = αT1 (u) + αT1 (v),

lo que muestra la primera condición.

2. Revisemos la segunda condición. Sean v ∈ V y β ∈ R, entonces se

tiene aplicando la definición y que T1 es una transformación lineal,
(αT1 )(βv) = αT1 (βv) = αβ(T1 )(v) = β(αT1 (v)),
y por lo tanto, αT1 es una transformación lineal.
Capı́tulo 3: Transformaciones lineales 13

Definición 2. (Conjunto de transformaciones lineales)

Sean V y W espacios vectoriales, el conjunto de transformaciones

lineales de V en W será denotado por L(V, W). Ası́,
L(V, W) = {T : V → W tal que T es transformación lineal}.

Ası́ definido, L(V, W) es un espacio vectorial gracias a las definiciones

anteriores. Asimismo, los conjuntos L(V, V) y L(V, R) lo son.

Definición 3. (Producto de transformaciones)

Sean T1 : V → W y T2 : W → K dos transformaciones lineales.

Entonces el producto T2 T1 : V → K se define como sigue:
(T2 T1 )(v) = T2 (T1 (v)), ∀v ∈ V.

Alternativamente, podemos interpretar esta definición como la com-

puesta T2 ◦ T1 de las funciones T2 y T1 . La equivalencia de estas dos inter-
pretaciones es clara si analizamos el siguiente diagrama:
1T 2 T
| −→ W
V {z −→ K}
T2 T1
Después de esta definición, cabe preguntarse si éste producto T2 T1 es una
transformación lineal. La respuesta es afirmativa, como se aprecia en el si-
guiente resultado.

Lema 3. Sean T1 y T2 transformaciones lineales dadas antes, enton-

ces su producto T2 T1 es una transformación lineal.

Prueba. Sabemos que este resultado es cierto si T2 T1 cumple las dos

condiciones de la definición de transformación lineal.
1. Veamos la primera condición. Esto es cierto ya que para todo u, v ∈ V
se tiene gracias a la definición de producto. Después el hecho que T1
y T2 son transformaciones lineales,

(T2 T1 )(u + v) = T2 (T1 (u + v)) = T2 (T1 (u) + T1 (v))

= T2 (T1 (u)) + T2 (T1 (v)) = (T2 T1 )(u) + (T2 T1 )(v),
y ası́ queda demostrado la primera condición.
14 Profesor: Adeluz Apaza Valdivia

2. Veamos ahora la segunda condición. Para esto seas v ∈ V y α ∈ R,

entonces por definición y que T1 , T2 son transformaciones se tiene:
(T2 T1 )(αv) = T2 (T1 (αv)) = T2 (αT1 (v)) = αT2 (T1 (v)) = α(T2 T1 )(v),
por lo que la segunda condición queda establecida.
Por lo tanto, se concluye la prueba deseada

Habiendo visto el resultado anterior, se sigue de los principios generales

que si T3 : K → G es otra transformación lineal tal que:
1T 2 T3 T
V −→ W −→ K −→ G,
entonces se tiene:
(T3 T2 )T1 = T3 (T2 T1 ).
Obviamente, esto también es una transformación lineal. Asimismo, para las
transformaciones lineales:
T1 : V → W y T2 , T3 : W → K
se cumple la propiedad distributiva por la izquierda
(T2 + T3 )T1 = T2 T1 + T3 T1 ,
lo cual se deduce simplemente de la definición de T2 + T3 . Finalmente, si:
T1 , T2 : V → W y T3 : W → K
son transformaciones lineales, entonces cumple la propiedad distributiva por
la derecha
T3 (T1 + T2 ) = T3 T1 + T3 T2 ,
lo cual es consecuencia de linealidad de T3 .
Capı́tulo 3: Transformaciones lineales 15

3.4 Núcleo e Imagen.1

En esta sección estudiaremos dos conceptos de transformaciones linea-
les y daremos algunas de sus propiedades. Estos conceptos son importantes
para estudiar por ejemplo la inyectividad y sobreyectividad de T .

Definición 1. (Núcleo)

Sea T : V → W una transformación lineal, su correspondiente

núcleo será definido como sigue:
N(T ) = {v ∈ V tal que T (v) = 0}.

En otras palabras, el núcleo de T es el subconjunto de V que consiste

de todos los vectores v en V que satisfacen la ecuación T (v) = 0 en W.

El núcleo de T suele también denotarse por Ker(T ). Ilustraremos este

concepto con un par de ejemplos bastante simples. Estos muestran el núcleo
de una transformación lineal.

Ejemplo 1. Sea T : R2 → R2 una transformación lineal definida por:

T (x, y) = (x + y, x − y).
Determinar núcleo de T .

Solución. De la definición de núcleo se sigue que debemos resolver la

ecuación:
T (v) = 0.
Antes de hacerlo, notemos que v = (x, y) esta en V = R2 y 0 = (0, 0) en
W = R2 . Reemplazando estos vectores se tiene:
T (x, y) = (0, 0) ó (x + y, x − y) = (0, 0),
y aplicando igualdad de vectores se obtiene el sistema:

x+y = 0
x−y = 0.
1 Recuerde, el núcleo es un subconjunto de V y la imagen de W.
16 Profesor: Adeluz Apaza Valdivia

Resolviendo esto, encontramos que la única solución es x = 0 e y = 0. Esto

significa que el núcleo N(T ) = {(0, 0)}, lo cual termina la solución.

Ejemplo 2. Sea T : R4 → R2 una transformación lineal definida por:

T (x, y, z, w) = (x + y, z + w).

Hallar núcleo de T .

Solución. Sabemos por definición que debemos resolver la ecuación:

T (x, y, z, w) = (0, 0),
o lo que es lo mismo reemplazando la definición de T ,
(x + y, z + w) = (0, 0),
y de esto se obtiene el sistema de ecuaciones:

x+y = 0
z+w = 0.

Obviamente, esto tiene infinitas soluciones, pues de la primera ecuación se

tiene x = −y, de la segunda z = −w. Haciendo y = −r y s = −w, se tiene:
N(T ) = {(r, −r, s, −s); tal que r, s ∈ R}.
Para precisar, el núcleo de T consta de todos los vectores de la forma
(r, −r, s, −s), donde r, s ∈ R. En particular, los vectores:
v = (1, −1, 2, −2) y u = (3, −3, 5, −5);
son elementos de Ker(T ), lo cual termina la solución deseada.

Mostraremos ahora un resultado que nos dice que el núcleo de una

transformación lineal es un subespacio vectorial del espacio V.

Teorema 1. Sea T : V → W una transformación lineal, entonces N(T )

es un subespacio de V.

Prueba. Como es sabido, debemos verificar sucesivamente para N(T )

las condiciones de la definición de subespacio vectorial.

1. 0 ∈ N(T ), gracias a que T es una transformación lineal.

Capı́tulo 3: Transformaciones lineales 17

2. Es suficiente probar que si u, v ∈ N(T ), entonces T (u + v) = 0. Como

u, v ∈ N(T ), se sigue fácilmente por definición:
T (u) = 0 y T (v) = 0.
De esto y del hecho que T es una transformación lineal se sigue que:
T (u + v) = T (u) + T (v) = 0 + 0 = 0.
Esto significa que u+v ∈ N(T ), lo cual muestra la segunda condición.
3. Sean v ∈ N(T ) o lo que es lo mismo T (v) = 0 y α ∈ R, entonces se
tiene gracias a que T es transformación lineal,
T (αv) = αT (v) = α 0 = 0.
Esto significa que αv ∈ N(T ) y ası́ termina la prueba.

Definición 2. (Imagen)

Sea T : V → W una transformación lineal, su correspondiente

imagen será definida como sigue:
Im(T ) = {w ∈ V tal que w = T (v) para algún v ∈ V}.

En otras palabras, la imagen de T es un subconjunto de W que consiste

de todos los vectores w en W que satisfacen la ecuación w = T (v) para
algún v en V.

La definición precedente nos indica que la ecuación w = T (v) puede

resolverse cuando w se escoge arbitrariamente en W si y sólo si el espacio
imagen de T es efectivamente todo W. Revisemos esta definición con un
par de ejemplos bastante simples.

Ejemplo 3. Sea T : V → W una transformación lineal definida por:

T (v) = v para todo v ∈ V,

entonces el núcleo está dado por N(T ) = {0} y la imagen será Im(T ) = V
pues T es la transformación identidad.

Ejemplo 4. Sea T : R3 → R3 una transformación lineal definida por:

T (x, y, z) = (x, y, 0)
18 Profesor: Adeluz Apaza Valdivia

entonces el núcleo y la imagen están dados respectivamente como sigue:

N(T ) = {(x, y, z) ∈ R3 tal que x = y = 0}.

Im(T ) = {(x, y, z) ∈ R3 tal que z = 0}.

Esto es lo mismo decir que el núcleo es el eje z y la imagen el plano xy.

La noción de imagen tiene sentido para toda función lineal o no. Si es

lineal, entonces la imagen es un subespacio vectorial de W, como se ve en
el siguiente resultado.

Teorema 2. Sea T : V → W una transformación lineal, entonces Im(T )

es un subespacio de W.

Prueba. Sabemos que este resultado es cierto si la Im(T ) cumple las

tres condiciones de la definición de subespacio vectorial, veamos:
1. 0 ∈ Im(T ), por ser T una transformación lineal y T (0V ) = 0W .
2. Sean w1 , w2 ∈ Im(T ), entonces se tiene por definición de imagen,

w1 = T (u) y w2 = T (v) para algún u, v ∈ V.

Queremos probar que w1 + w2 = T (u + v). Para esto reemplazando

estos y usando que T es una transformación lineal se tiene:

w1 + w2 = T (u) + T (v) = T (u + v),

lo cual implica que w1 + w2 ∈ Im(T ).

3. Si w ∈ Im(T ) significa por definición w = T (v) para algún v ∈ V
y sea α ∈ R, entonces se tiene poniendo estos y usando a que T es
transformación lineal,

αw = αT (v) = T (αv),

de modo que αw ∈ Im(T ). Ası́ concluimos la prueba.

A modo de ilustración de cómo se utilizan los conceptos presentados an-
teriormente en la práctica, veamos algunos ejemplos. Estos muestran bases
de núcleo e imagen de una transformación lineal.

Ejemplo 5. Sea T : R4 → R3 una transformación lineal definida por:

Capı́tulo 3: Transformaciones lineales 19

T (x, y, z, w) = (x + y, z + w, x + z).

Determinar una base para Im(T ).

Solución. Un punto de partida para la solución se obtiene factorizando

las variables, esto es:

T (x, y, z, w) = (x + y, z + w, x + z)
= x(1, 0, 1) + y(1, 0, 0) + z(0, 1, 1) + w(0, 1, 0).
Esto significa que
S = {(1, 0, 1), (1, 0, 0), (0, 1, 1), (0, 1, 0)}
genera a Im(T ). Sin embargo, S no es linealmente independiente y por ello
debemos buscar un subconjunto de S , que sea linealmente independiente.
Por ejemplo, si tomamos el subconjunto:
B = {(1, 0, 0), (0, 1, 1), (0, 1, 0)},
resulta que B es linealmente independiente y por lo tanto, esto establece
una base para Im(T ), lo cual termina la solución.

Como hemos visto en los capı́tulos anteriores, pueden existir en S otros

subconjuntos linealmente independientes, pues sabemos que el conjunto de
vectores en una base no es único; existen muchas elecciones.

Ejemplo 6. Sea T : IP 2 → IP 1 una transformación lineal definida por:

T (ax2 + bx + c) = (a + 2b)x + (b + c).

a) Determinar una base para Ker(T ).

b) Determinar una base para Im(T ).

Solución. Procedemos de la siguiente forma:

a) Sabemos por definición que el elemento cuadrático ax2 + bx + c está

en Ker(T ), si:
T (ax2 + bx + c) = 0,
es decir, si:
(a + 2b)x + (b + c) = 0.
20 Profesor: Adeluz Apaza Valdivia

De esto tenemos el sistema,

a + 2b = 0
b+c = 0.
Resolviendo este sistema se obtiene que la solución está dada por:
a = −2b; c = −b, b real arbitrario,
de modo que una base para el espacio solución es por ejemplo,
B = {(2, −1, 1)}
Por lo tanto, una base para Ker(T ) es {2x2 − x + 1}.
b) Todo vector en Im(T ) es de la forma:
(a + 2b)x + (b + c).
De modo que los vectores x y 1 generan a Im(T ). Como estos vectores
son linealmente independientes, forman una base para Im(T ), lo cual
termina la solución.

Ejemplo 7. Sea T : R3 → R3 una transformación lineal definida por:

    
x 1 0 1 x
T y = 1 1 2  y .
z 2 1 3 z
a) Determinar una base y dimensión para Ker(T ).
b) Determinar una base y dimensión para Im(T ).

Solución. Para precisar esto, escribamos T en su forma más simple:

   
x x+z
T  y  =  x + y + 2z  .
z 2x + y + 3z
Recién ahora pasamos a dar solución al ejemplo en orden deseado.
a) Encontramos una base para Im(T ). Para esto debemos descomponer
T como sigue:
       
x 1 0 1
T  y  = x 1  + y 1  + z 2 .
z 2 1 3
Capı́tulo 3: Transformaciones lineales 21

De esta forma, se consigue el siguiente conjunto:

     
n 1 0 1 o
S =  1 ,  1 ,  2 
2 1 3

que genera a Im(T ). Sin embargo, este conjunto no es linealmente

independiente y por ello escogemos un subconjunto de S que sea
linealmente independiente; digamos:
   
n 1 0 o
B =  1 ,  1  ,
2 1

lo cual forma una base para Im(T ). Finalmente, como el número de

vectores de B es dos, se sigue que dim(Im(T )) = 2.
b) Hallamos base para Ker(T ). Para esto se tiene por definición de
núcleo:
   
x 0
T  y  =  0 ,
z 0
ó lo que es lo mismo,
   
x+z 0
 x + y + 2z  =  0  ,
2x + y + 3z 0
lo cual es equivalente al siguiente sistema:

x+z = 0,
x + y + 2z = 0,
2x + y + 3z = 0.

Resolviendo esto por los métodos conocidos, obtenemos la solución:

x = −z; y = −z, z real arbitrario.
Ası́, el núcleo de T consta de los vectores de la forma:
     
x −z −1
 y  =  −z  = z  −1  , z ∈ R.
z z 1
22 Profesor: Adeluz Apaza Valdivia

En consecuencia, el siguiente conjunto:

 
n −1 o
B =  −1 
1
es una base para Ker(T ), ya que genera a Ker(T ) y es linealmente
independiente, ası́ dim(Ker(T )) = 1, termina la solución.

Observando el ejemplo anterior se ve que:

dim(R3 ) = dim(Ker(T )) + dim(Im(T )) = 3.
Para ser más exactos, enunciaremos un resultado que nos dice que esto
siempre es cierto, el cual no demostraremos, sino aplicaremos.

Propiedad 1. (Dimensión del espacio, núcleo e imagen)

Sean V y W espacios de dimensión finita y sea T : V → W una

transformación lineal. Entonces:
dim(V) = dim(Ker(T )) + dim(Im(T )).

Acabamos esta sección con algunos resultados bastantes especiales de

transformaciones. Resultados como estos suelen llamarse aplicaciones de
núcleo e imagen. Para esto necesitamos presentar los siguientes conceptos.

Una transformación lineal T : V → W es inyectiva, si para todo u, v ∈ V

con T (u) = f (v) se cumple que u = v. Equivalentemente, T es inyectiva si
para cualquier u, v ∈ V con u 6= v se tiene T (u) 6= T (v).

Una transformación lineal T : V → W es sobreyectiva si:

Im(T ) = W.
En otra palabras, esto significa que para cualquier w ∈ W dado, existe un
elemento v ∈ V tal que T (v) = w.

Estos conceptos tienen sentido para cualquier función, sea ella lineal
o no. En caso lineal, el siguiente resultado simplifica la verificación de la
inyectividad y sobreyectividad.
Capı́tulo 3: Transformaciones lineales 23

Teorema 3. Sea T : V → W una transformación lineal. Entonces T

es inyectiva si y sólo si N(T ) = {0}.

Prueba. Debemos probar lo siguiente:

⇒) Veamos que si T es inyectiva, entonces N(T ) = {0}. Para esto sea

v ∈ N(T ). Entonces por definición T (v) = 0. Por otro lado, si T es
lineal, ya hemos visto que T (0) = 0. Por lo tanto, se sigue:
T (v) = T (0).
Como T es inyectiva, resulta por definición que v = 0. Esto significa
que N(T ) = {0}.

⇐) Recı́procamente, Supongamos que N(T ) = {0}. Queremos probar que

T es inyectiva. Para esto sea:
T (u) = T (v) para u, v ∈ V,
o lo que es lo mismo
T (u) − T (v) = 0.
Entonces se tiene gracias a que T es lineal,
T (u − v) = 0,
lo cual significa que u − v ∈ N(T ). Pero esto significa por hipótesis
que u − v = 0, lo cual implica que u = v. Ası́ T es inyectiva.

De todo esto concluimos la prueba del teorema.

Teorema 4. Consideremos T : V → W una transformación lineal y

sea B = {v1 , v2 , · · · , vn } una base de V. Entonces:

B 0 = {T (v1 ), T (v2 ), · · · , T (vn )}

es un conjunto generador de Im(T ).

Prueba. Queremos probar que todo vector de Im(T ) se puede expresar

como combinación lineal de los elementos de B 0 . Para esto sea w ∈ Im(T ).
Entonces por definición de imagen se tiene:
w = T (v) para algún v ∈ V,
y como B es un conjunto generador de V, se sigue:
24 Profesor: Adeluz Apaza Valdivia

n
X
v= αi vi .
i=1

Poniendo esto en w = T (v) y luego haciendo uso que T es lineal, concluimos.

n
X n
X
w = T( αi vi ) = αi T (vi ).
i=1 i=1

Pero esto significa que w ∈ Im(T ) es combinación lineal de los elementos

de B 0 , como querı́amos mostrar.

Corolario 1. Si T : V → W es lineal tal que B = {v1 , v2 , · · · , vn }

es una base del espacio V. Entonces T es sobreyectiva.

Prueba. Sea w ∈ W. De acuerdo a la definición debemos demostrar

que existe v ∈ V tal que w = T (v). Como B es una base de V, podemos
decir gracias al teorema anterior que:
B 0 = {T (v1 ), T (v2 ), · · · , T (vn )},
es un conjunto generador de Im(T ) y en consecuencia de W y ası́ entonces
podemos escribir w como sigue.
n
X
w= αi T (vi ),
i=1

y como T es transformación lineal se tiene:

n
X n
X
w = T( αi vi ). Tomando v = αi vi
i=1 i=1

se consigue que T es sobreyectiva.

Observación 1. En general, si T : V → W es una transformación li-

neal y B = {v1 , v2 , · · · , vn } una base de V, entonces no es cierto que:
B 0 = {T (v1 ), T (v2 ), · · · , T (vn )}
sea una base de Im(T ). A fin de ver esta observación, consideremos la trans-
formación lineal T : R3 → R3 dada por:
T (x, y, z) = (x − y + 2z, 2x + y, −x − 2y + 2z),
Capı́tulo 3: Transformaciones lineales 25

luego, como el conjunto

B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
es una base de R3 ,se tiene entonces que:
B 0 = {T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)} = {(1, 2, −1), (−1, 1, −2), (2, 0, 2)}
genera a Im(T ). Sin embargo, esto no es linealmente independiente. En
consecuencia, B 0 no es una base de Im(T ).
26 Profesor: Adeluz Apaza Valdivia

3.5 Matriz de una transformación lineal.1

El objetivo de esta sección es asociar matrices a cada transformación

lineal sobre un espacio vectorial de dimensión finita.

Sea T : V → W una transformación lineal entre los espacios vectoriales

V y W de dimesión finita. Asumamos que:

B = {v1 , v2 , · · · , vn }

es una base de V y B 0 una base de W. Si v ∈ V, entonces por definición de

base cumple:
v = x 1 v 1 + x 2 v2 + · · · + x n vn ,
luego por definición de coordenadas se tiene:
 
x1
 x2 
[v]B =  .  .
 
 .. 
xn

Por ser T una transformación lineal se sigue:

T (v) = T (x1 v1 + x2 v2 + · · · + xn vn )
= x1 T (v1 ) + x2 T (v2 ) + · · · + xn T (vn ).

Ahora, como T (v) es un vector en W asumiremos que:

B 0 = {T (v1 ), T (v2 ), · · · , T (vn )}

también es una base de W. Por lo tanto,

[T (v)]B0 = x1 [T (v1 )]B0 + x2 [T (v2 )]B0 + · · · + xn [T (vn )]B0

 
x1
 x2 
= ([T (v1 )]B0 [T (v2 )]B0 · · · [T (vn )]B0 )  . 
 
 .. 
xn
= M (T )BB0 [v]B
1 Recuerde, una transformación lineal tiene su representación matricial.
Capı́tulo 3: Transformaciones lineales 27

Definición 1. (Matriz de transformación lineal)

Sea T : V → W una transformación lineal tal que:

B = {v1 , v2 , · · · , vn }
es una base de V y B 0 una base de W, entonces su correspondiente
matriz de T respecto a las bases B y B 0 será definida como sigue:
h i
M (T, B, B 0 ) = [T (v1 )]B0 [T (v2 )]B0 · · · [T (vn )]B0 .

Observación 1. En la matriz de la definición anterior, notemos que la

primera columna está formado por las coordenadas respecto a B 0 , de la
imagen por T , del primer elemento de la base B. La segunda columna está
formada por las coordenadas, respecto a B 0 , de la imagen por T , del se-
gundo vector de B. En general, la j- ésima columna, está formada por las
coordenadas, respecto a la base B 0 , de la imagen, por T , del j- ésimo vector
de la base B. Es más, la matriz M (T, B, B 0 ) es una matriz de tamaño m×n,
si dim(V) = n y dim(W) = m.

Revisemos lo dicho con un par de ejemplos bastentes simples. Estos

ejemplos muestran matriz de una transformación lineal.

Ejemplo 1. Sea T : R2 → R2 la transformación lineal definida por:

T (x, y) = (−x, −y).

Determinar la matriz de T respecto a las bases canónicas.

Solución. Sea B = {(1, 0), (0, 1)} una base de R2 . Entonces por defini-
ción anterior se tiene:
h i
M (T, B, B) = [T (1, 0)]B [T (0, 1)]B .

Como:
T (1, 0) = (−1, 0) y T (0, 1) = (0, −1),

se tiene que:
   
−1 0
[T (1, 0)]B = y [T (0, 1)]B = .
0 −1
28 Profesor: Adeluz Apaza Valdivia

Luego, la matriz de T respecto a la base B esta dada por:

 
−1 0
M (T, B, B) = ,
0 −1
lo cual concluye la solución buscada.

Ejemplo 2. Sea T : R3 → R2 la transformación lineal definida por:

T (x, y, z) = (2x − y, 2y − z).

Encontrar la matriz de T respecto a las bases:

B = { (0, 0, 1), (0, 1, 1), (1, 1, 1) } y B 0 = { (0, 1), (1, 1) }.

| {z } | {z } | {z } | {z } | {z }
v1 v2 v3 u1 u2

Solución. Recordemos la definición de matriz de una transformación

lineal T respecto a las bases B y B 0 dada lı́neas arriba.

M (T, B, B 0 ) = ([T (v1 )]B0 [T (v2 )]B0 [T (v3 )]B0 ).

Calculemos la primera columna [T (v1 )]B0 . Para esto obsérvese que:

T (v1 ) = T (0, 0, 1) = (0, −1)

y este vector se expresa como combinación lineal de los vectores de la base

B 0 como sigue:
T (v1 ) = x1 u1 + x2 u2 ;
es decir:
(0, −1) = x1 (0, 1) + x2 (1, 1),
lo que proporciona el sistema lineal:

x1 + x2 = −1
x2 = 0,

cuya solución es x1 = −1 y x2 = 0; luego:

 
−1
[T (v1 )]B0 = .
0

Similarmente, haciendo T (v2 ) = x1 u1 + x2 u2 se tiene:

 
2
[T (v2 )]B0 = .
−1
Capı́tulo 3: Transformaciones lineales 29

Finalmente, T (v3 ) = x1 u1 + x2 u2 ; luego:

 
0
[T (v3 )]B0 = .
1

De todo esto se concluye que la matriz de T respecto a las bases B y B 0

esta dada por:  
−1 2 0
M (T, B, B 0 ) = .
0 −1 1
Ası́ termina la solución del ejemplo.

Definición 2. (Rango de transformación lineal)

Sea T : V → W una transformación lineal. Se llama rango de T a

la dimensión del subespacio imagen de T , es decir:
Ran(T ) = dim Im(T ).

Damos fin a este capı́tulo con algunos ejercicios propuestos bastante

simples. Ejercicios que tendrán que ser resueltos por el lector.
30 Profesor: Adeluz Apaza Valdivia

Actividad de aprendizaje No 3 1

1 La expresión general de un operador lineal T : R2 → R2 es

T (x, y) = (ax + by, cx + dy).

Determine las constantes a, b, c y d de modo que T transforme los

vectores u = (1, 2) y v = (3, 4) en los vectores (1, 1) y (2, 2).

2 La expresión general de una funcional lineal T : R3 → R es

T (x, y, z) = ax + by + cz.

Dados los vectores u = (1, 2, 3), v = (−1, 2, 3) y w = (1, −2, 3).

Determine a, b y c de tal modo que se tenga T (u) = 1, T (v) = 0 y
T (w) = 0.

3 Sea T : V → W una transformación lineal.

a) Si los vectores T (v1 ), · · · , T (vm ) ∈ W son linealmente indepen-
dientes. Pruebe que v1 , · · · , vm ∈ V también son linealmente
independientes.
b) Si W = V y los vectores T (v1 ), · · · , T (vm ) generan V, demuestre
que v1 , · · · , vm generan V.

4 Cuáles de las siguientes transformaciones son lineales.

a) T : R3 → R3 definida por T (x, y, z) = (x, 2y , 2z ).

b) T : R3 → R3 definida por T (x, y, z) = (3x, a, 5z), donde a ∈ R.
c) T : R4 → R3 definida por T (x, y, z, w) = (x − w, y − w, x + z).
d) T : M (n × n) → Rn definida por T ([aij ]) = (a11 , a22 , · · · , ann).

5 Consideremos T : R3 → R3 definida por T (x, y, z) = (ay + bz, cz, 0).

Pruebe que T 3 = 0.

6 Halle números a, b, c y d de modo que el operador T : R2 → R2 dado

por T (x, y) = (ax + by, cx + dy), tenga como núcleo la recta y = 3x.

7 Pruebe que las siguientes transformaciones lineales es inyectiva.

1 Recuerde, resolver las actividades propuestas enriquece el aprendizaje.
Capı́tulo 3: Transformaciones lineales 31

a) T : R → Rn definida por T (x) = (x, 2x, · · · , nx).

b) T : R2 → R3 definida por T (x, y) = (x + 2y, x + y, x − y).
c) T : R3 → R4 definida por T (x, y, z) = (2x, 3y, 5z, x + y + z).

8 Halle una base para la imagen de las transformaciones lineales si-

guientes.
a) T : R2 → R2 definida por T (x, y) = (x − y, x − y).
b) T : R4 → R4 definida por T (x, y, z, w) = (x + y, z + w, x + z, y +
w).
c) T : R3 → R3 definida por T (x, y, z) = (x + y2 , y + z2 , z + x2 ).

9 Pruebe que una transformación lineal T : V → W es sobreyectiva si y

sólo si, transforma un conjunto de generadores de V en un conjunto
de generadores de W.