REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA EDUCACIN SUPERIOR

UNIVERSIDAD NACIONAL EXPERIMENTAR SIMN RODRGUEZ.
NUCLEO: VALLES DEL TUY
CURSO: ALGEBRA LINEAL

VECTORES. TRANSFORMACIONES LINEALES

INTEGRANTES:
Jonathan Pealoza. C.I: 14.609.982

FACILITADOR: Lic. Ernesto M. Aquino.

Santa Teresa de Tuy, 01 Noviembre 2013

INDICE

Pp

NDICE..02
VECTORES en Rn..03
CONCEPTOS BSICOS......................................................................03
OPERACIONES CON VECTORES..08
COMBINACIN LINEAL Y CONJUNTOS GENERADO Y
GENERADOR................................................................10
PRODUCTO AX...12
INDEPENDENCIA LINEAL.15
PRODUCTO ESCALAR..18
RECTAS, PLANOS E HIPERPLANOS.....................................23
TRANSFORMACIONES LINEALES.................................28
DEFINICIN Y PROPIEDADES BSICAS29
ESPACIOS VECTORIALES ASOCIADOS A UNA TRANSFORMACIN
LINEAL................................32
MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL36
ISOMORFISMOS.38
ALGEBRA DE TRANSFORMACIONES LINEALES.39

BIBLIOGRAFA42

VECTORES en Rn

Una vez tenemos claro lo que es un Sistema de Ecuaciones

Lineales y su representacin matricial, el significado de su solucin, el tipo
de conjunto solucin y un mtodo para calcular y/o analizar dicho
conjunto, queremos formalizar uno de los conceptos matemticos que
intuitivamente utilizamos en el captulo anterior. En este captulo,
estudiaremos las n-plas como vectores de Rn, las principales
operaciones entre ellos y sus aplicaciones e interpretaciones geomtricas,
bien sean relacionados con un sistema de coordenadas o como vectores
libres, particularizando a los casos de R2 y R3. Dado que una ecuacin
lineal con n variables representa geomtricamente un hiperplano en Rn,
siendo un punto, una recta y un plano casos particulares para n =1, 2 y a
3,

respectivamente,

aprovecharemos

estas

operaciones

sus

propiedades algebraicas para hacer una introduccin a la geometra

analtica. Tambin introducimos conceptos bsicos del lgebra lineal tales
como combinacin lineal, independencia lineal, espacio generado y
conjunto generador, lo cual esperamos sirva de base para su
generalizacin en el captulo de Espacios Vectoriales.

CONCEPTOS BSICOS
En el mundo real, existen cantidades como longitud, volumen, masa
y temperatura que pueden determinarse slo con su magnitud. Pero,
tambin existen otras como la posicin, la aceleracin y la fuerza que
adems de la magnitud, requieren de una direccin y un sentido para
determinarse; u otras como las notas de un semestre de un estudiante
que cursa 6 materias y la produccin de una empresa que tiene 10 lneas
de productos, las cuales requieren de una lista ordenada de nmeros.
Estos ltimos casos los conocemos como cantidades vectoriales a
diferencia del primero que son cantidades escalares. Con base en esta
diferencia intuitiva, veamos la definicin de vector y sus operaciones
bsicas.

Definicin 1 [Vector de Rn]. Llamamos vector de Rn a una lista

ordenada de n nmeros reales, la cual denotamos como

Lo llamamos primera componente, a x2 segunda componente y en

general, a xk lo llamamos k-sima componente del vector x.
Cualquier vector cuyas componentes sean cero lo llamamos vector
nulo o vector cero y lo denotamos 0.
Ejemplo 1. El vector

Es un vector de R4 y su primera, segunda, tercera y cuarta

componentes son 5, 0, -3 y 5, en ese orden. El vector

Es un vector de R2 y su primera y segunda componentes son -1 y

1/5, respectivamente.

Ejemplo 2. Los vectores e1 =

Son vectores de Rn. A estos vectores los llamamos vectores

cannicos de Rn.1
Diremos que dos vectores son iguales si todas sus componentes

correspondientes son iguales. As, para que el vector

vector

Sea igual al

, a debe ser -2, b debe ser 1 y c debe ser 3 y, por razones

similares, el vector

es diferente del vector

, ya que 1 6= 3.

Geomtricamente, a los vectores de Rn los podemos interpretar

como puntos; en particular, cuando n = 2 n = 3, son puntos del plano o
del espacio, respectivamente.

Ejemplo 3. Representemos los vectores

en el plano (R2) y los vectores

(R3).

en el espacio

En las aplicaciones fsicas, es importante que pensemos en un

vector, no como un punto, sino como algo que tiene magnitud, direccin y
sentido.
Definicin 2 [Vector libre]. Un vector libre es un objeto matemtico
que podemos determinar por su direccin, sentido y magnitud.

Geomtricamente, podemos representar los vectores libres como

segmentos dirigidos2, los que denotamos con letras en negrilla, tales
como u, v, etc., o bien como PQ, RS, donde las primeras letras
corresponden a los puntos iniciales y las otras a los puntos finales de
estos segmentos. Si dos segmentos dirigidos PQ y RS tienen igual
magnitud, direccin y sentido, decimos que son iguales. De esta forma,
para cada vector dado, hay infinitos vectores libres iguales a l, como lo
muestra la grfica siguiente.

Al vector cuyo punto inicial coincide con su punto final lo llamamos

vector nulo o vector 0. Este vector no tiene direccin, ni sentido y su
magnitud es 0.

Queremos resaltar que, dado un sistema de coordenadas (o

sistema de referencia), podemos representar geomtricamente un vector
como un punto y un vector libre como un segmento dirigido. As, dado un
vector} libre PQ, existe un vector OM = PQ, donde O es el origen del
sistema de coordenadas y M es el punto cuyas coordenadas son la
diferencia de las coordenadas de los puntos Q y P. Observemos que las
coordenadas del vector OM coinciden con las del punto M. La siguiente
seccin nos dar ms elementos para entender esta observacin.

OPERACIONES CON VECTORES

Al igual que con las cantidades escalares, dadas unas cantidades
vectoriales, es deseable obtener otras a partir de ellas. Para empezar,
esto es posible usando las operaciones bsicas entre vectores: la suma y
la multiplicacin por escalar que definiremos a continuacin.
Definicin 3 [Suma de vectores]. Definimos la suma entre dos
vectores u y v de Rn como el vector u+v, cuyas componentes son la suma

de las componentes respectivas de los vectores u y v; es decir, dados u =

yv=

, definimos u + v =

En trmino de vectores libres, el vector u + v es el vector que va

desde el punto inicial del vector u hasta el punto final del vector v,
despus de mover paralelamente el vector v de tal manera que su punto
inicial coincida con el punto final de u. En otras palabras, el vector u + v es
la diagonal del paralelogramo cuyos lados son u y v, como lo ilustramos
en la siguiente grfica.

Definicin 4 [Producto por escalar]. Definimos el producto por

escalar de un vector u por un nmero real como el vector u, cuyas
componentes son el producto de por las componentes respectivas del

y R, definimos u =

vector u; es decir, dados, u =

En trmino de vectores libres, el vector u es el vector que tiene igual

direccin que el vector u y que dependiendo del signo de , tiene igual
sentido (>0) o sentido opuesto (<0) al del vector u, y cuya magnitud es ||
por la magnitud del vector u. Un caso especial de esta operacin es (1)u,

lo cual denotamos como u y lo denominamos vector opuesto a u, ya que

tiene la misma direccin y magnitud que u pero sentido opuesto. De la
interpretacin geomtrica de la multiplicacin por escalar, deducimos que
dos vectores distintos de cero tienen igual direccin (o son paralelos), si y
solo si, el uno es un escalar por el otro. As, los vectores de la siguiente
figura son paralelos ya que son mltiplos por escalar unos de otros.

COMBINACIN LINEAL Y CONJUNTOS GENERADO Y GENERADOR

Con las operaciones bsicas, a partir de un conjunto de vectores,
podemos obtener muchos vectores ms: todos los mltiplos por escalar
de los vectores iniciales y todas las sumas de estos. A continuacin,
presentamos la definicin formal de estos elementos.

Definicin 5 [Combinacin lineal]. Dados v1, v2, . . . , vk vectores

de Rn y 1, 2, . . . , k R, al vector

Lo llamamos combinacin lineal de los vectores v1, v2,. . . , vk. A

los escalares 1, 2, . . , k los llamamos coeficientes de la combinacin
lineal.

Ejemplo 5. Sean u =

,v=

yw=

Calculemos

la combinacin lineal de ellos dada por 3u v + 2w.

Ejemplo 6. Determinemos si los vectores

son combinaciones lineales de

existen escalares , , y , tales que

Equivalentemente, veamos si los sistemas

10

; es decir, veamos si

son consistentes. Aplicando las operaciones elementales F3 + 2F1 F3

y F3 + 13 2 F2 F3 a la matriz aumentada conjunta de los sistemas
anteriores,

obtenemos la matriz escalonada conjunta

lo que indica que el primer sistema es consistente, mientras que el

segundo no lo es. As que

, mientras que

es combinacin lineal de

no lo es.

Del ejemplo anterior, observemos que para determinar si un vector

es combinacin lineal de otros vectores no es necesario calcular los
escalares de la combinacin lineal; basta con verificar que existen. El
conjunto de todas las combinaciones lineales de un conjunto de vectores
dado, por su importancia prctica y terica, recibe un nombre especial.
Definicin 6 [Conjunto generado y Conjunto generador]. Al
conjunto de todas las combinaciones lineales de los vectores v1, v2, . . . ,
vk lo llamamos conjunto generado por los vectores v1, v2, . . . , vk y lo
representamos por

11

En otras palabras, si V = Gen{v1, v2, . . . , vk}, decimos que V es

generado por v1, v2, . . . , vk; adems, a {v1, v2, . . . , vk} lo llamamos
conjunto generador de V .

PRODUCTO AX
Observemos que las columnas de las matrices introducidas en el
primer captulo son vectores de Rm, siendo m el nmero de filas de la
matriz; es decir, que las matrices las podemos ver como una sucesin
(finita y ordenada) de vectores, lo cual denotamos como

para indicar que los vectores a1, a2, . . . , an, en su orden, son las
columnas de la matriz A. Esta notacin nos permite simplificar la escritura
de las combinaciones lineales estudiadas en la seccin anterior, como lo
planteamos en la siguiente definicin.
Definicin 7 [Producto Ax]. Sea A una matriz, cuyas columnas son
los vectores a1, a2, . . . , an de Rm, y sea x un vector de Rn, cuyas
componentes son x1, x2, . . . , xn. Definimos el producto matricial Ax como
la combinacin lineal

Observemos que si multiplicamos la matriz A por el vector cannico ej , el

resultado es la j-sima columna de A; en otras palabras,

Ejemplo 11. Dados A =

yx=

12

, encontremos Ax.

El siguiente teorema describe las propiedades fundamentales de

esta operacin.
Teorema 2 [Propiedades del producto Ax]. Dados A, una matriz
cuyas columnas son los vectores a1, a2, . . . , an de Rm, un escalar y x,
y vectores de Rn, entonces
1. A(x + y) = Ax + Ay
2. A(x) = (Ax)
Demostracin: Demostremos la primera propiedad, dejando la
segunda como ejercicio para el lector. Sean x1, x2, . . . , xn y y1, y2, . . . ,
yn las componentes de los vectores x y y, respectivamente. Entonces,
dado que las componentes del vector (x+y) son x1 +y1, x2 +y2, . . . , xn
+yn, y aplicando las propiedades algebraicas de la suma de vectores y del
producto por escalar (Teorema 1), tenemos

Notemos que el producto Ax nos ofrece una forma elegante y simple de

representar un sistema de ecuaciones lineales.
Ejemplo 12. El sistema

lo podemos expresar en forma vectorial como

13

y esta ecuacin vectorial, teniendo en cuenta la definicin del producto de

una matriz por un vector, lo podemos escribir como

Dicho de otro modo, un sistema de ecuaciones lineales lo podemos

expresar en la forma Ax = b, donde A representa la matriz de los
coeficientes, x el vector de las incgnitas y b el vector de los trminos
independientes. De esta manera, tenemos que [A|b], Ax = b y x1a1 +x2a2
+. . .+xnan = b son distintas formas de representar un sistema de
ecuaciones lineales. As, afirmar que, por ejemplo, un sistema [A|b] es
consistente, es equivalente a decir que hay un vector x, tal que b lo
podemos expresar como el producto Ax. De aqu que las siguientes
afirmaciones son equivalentes, cuyas demostraciones dejamos para el
lector.

INDEPENDENCIA LINEAL
El hecho que w pueda escribirse como combinacin lineal de v1,
v2, . . . , vk, podramos interpretarlo como que w "depende" de v1,
v2, . . . , vk y, en este contexto, podemos decir que si un vector se puede
expresar como combinacin lineal de otros, ste depende de ellos. Pero,
por ejemplo, si

tambin tenemos que

lo que da origen a la pregunta de si es w el que depende de u y v o es u el

que depende de w y v. Para evitar este aparente inconveniente,
establecemos la siguiente definicin.

14

Definicin 10 [Conjunto de vectores linealmente dependientes].

Un conjunto de vectores {v1, v2, . . . , vk} es linealmente dependiente (l.d.)
si existen escalares 1, 2, . . . , k, al menos uno de ellos diferente de
cero, tales que

Un conjunto de vectores que no es linealmente dependiente lo llamamos

linealmente independiente (l.i.). Es decir, un conjunto de vectores {v1, v2, .
. . , vk} es linealmente independiente si los nicos escalares 1, 2, . . . k
tales que

son todos cero.

Ejemplo 15. Demostremos que

es un

conjunto de vectores l.i.

tenemos que el
sistema correspondiente, adems de ser homogneo, tiene como matriz

de coeficientes a A =

Obtenemos

, y que, al escalonar esta matriz,

. De esta ltima matriz, podemos concluir

que el sistema de ecuaciones tiene como solucin nica el vector cero y

por tanto, el conjunto de vectores es l.i.

Ejemplo 16. Demostremos que

es un

conjunto de vectores l.d.

15

, tenemos que
el sistema correspondiente, adems de ser homogneo, tiene como

matriz de coeficientes a A =

matriz, obtenemos

, y que, al escalonar esta

, de donde podemos concluir que el

sistema de ecuaciones tiene infinitas soluciones y por tanto, el conjunto

de vectores es l.d.
Ejemplo 17. Demostremos que todo conjunto que contenga el vector nulo
es un conjunto de vectores l.d. Es claro que

Como indicaron los ejemplos anteriores, la independencia lineal de

vectores la podemos determinar analizando la forma escalonada de la
matriz cuyas columnas son los vectores en cuestin, como lo establece el
siguiente teorema.
Teorema 6 [Equivalencia de conceptos]. Dados los vectores {v1,
v2, . . . , vn} de Rm, sea A la matriz cuyas columnas son v1, v2, . . . , vn.
Las siguientes afirmaciones son equivalentes.
1. El conjunto de vectores {v1, v2, . . . , vn} es l.i.
2. El sistema homogneo Ax = 0 tiene solucin nica (la solucin
trivial o vector cero).
3. La forma escalonada de la matriz A tiene n pivotes.
Demostracin: Para demostrar la equivalencia de estas tres
afirmaciones, es suficiente demostrar que cada una de ellas implica la
16

siguiente y que la ltima implica la primera. A continuacin, demostramos

que la primera afirmacin implica la segunda y dejamos la demostracin
de las otras implicaciones como ejercicio para el lector. Supongamos que
el conjunto de vectores {v1, v2, . . . , vn} es l.i., entonces la nica
combinacin lineal de ellos igual a cero es la trivial. Usando la definicin
del producto Ax, lo anterior significa que el sistema homogneo Ax = 0
tiene solucin nica: el vector cero.

PRODUCTO ESCALAR
Volviendo atrs, decamos que un vector es un objeto matemtico
con

magnitud,

direccin

sentido;

aspectos

que

intuitivamente

entendemos, pero que deberamos formalizar ms. Para este efecto,

introduciremos otra operacin bsica, el producto escalar entre dos
vectores, la cual est relacionada con el concepto de magnitud de un
vector y la nocin de ngulo entre vectores.
Definicin 11 [Producto escalar]. Dados dos vectores u y v de Rn,
definimos uv, el producto escalar entre u y v, como el escalar que
obtenemos al sumar los productos de las componentes de u con las
respectivas
Componentes de v. En otras palabras, dados u =

, definimos

Ejemplo 18. Dados los vectores u =

, calculemos los
productos escalares entre ellos.
17

u v = 2 1 + 2 12 + 0 (3) + (5) 0 = 2 + 24 + 0 + 0 = 22

u w = 2 3 + 2 1 + 0 5 + (5) 4 = 6 + 2 + 0 20 = 24

v u = 1 (2) + 12 2 + (3) 0 + 0 0 = 2 + 24 + 0 + 0 = 22

v w = 1 3 + 12 1 + (3) 5 + 0 4 = 3 + 12 15 + 0 = 0

w u = 3 (2) + 1 2 + 5 0 + 4 (5) = 6 + 2 + 0 20 = 24

w v = 3 1 + 1 12 + 5 (3) + 4 0 = 3 + 12 15 + 0 = 0

Observemos que u v = v u, u w = w u y v w = w v y los productos

escalares u z, v z y w z no estn definidos. Por qu?
La pregunta que inmediatamente surge es Cules de las propiedades
del producto entre nmeros reales se satisfacen para el producto escalar
entre vectores? y su respuesta nos la da el siguiente teorema, cuya
demostracin dejamos como ejercicio para el lector.
La pregunta que inmediatamente surge es Cules de las
propiedades del producto entre nmeros reales se satisfacen para el
producto escalar entre vectores? y su respuesta nos la da el siguiente
teorema, cuya demostracin dejamos como ejercicio para el lector.
Teorema 7 [Propiedades del producto escalar]. Dados los
vectores u, v y w de Rn y el escalar , tenemos que
1. u v = v u. Ley conmutativa
2. u (v + w) = u v + u w. Ley distributiva para la suma de
vectores
3. (u) v = (u v).
Ejemplo 19. Dados los vectores u =

, calculemos u v, u w, v w, (3u) v, (u + v) w y v u.
Usando la definicin y aplicando las propiedades del producto escalar,
tenemos

u v = 2 1 + 1 3 + (5) 0 = 5

18

u w = 2 (2) + 1 (1) + (5) (1) = 0

v w = 1 (2) + 3 (1) + 0 (1) = 5

(3u) v = 3(u v) = 3 5 = 15

(u + v) w = u w + v w = 0 + (5) = 5

vu=uv=5

Observemos que, a diferencia de lo que ocurre con el producto entre

nmeros reales, u v = 0 no implica que u = 0 o v = 0, como lo muestra el
segundo producto del ejemplo anterior. Las siguientes son otras
propiedades del producto escalar, cuyas implicaciones geomtricas
veremos ms adelante.
Teorema 8 [Propiedades del producto escalar]. Si u es un vector
de Rn, entonces:
1. u u 0.
2. u u = 0, si y solo si, u = 0.
Demostracin:

Como introduccin a una de las aplicaciones geomtricas del producto

interno, notemos que si O es el origen de un sistema de coordenadas y P

es un punto cuyas coordenadas son p =

, aplicando el Teorema de

Pitgoras, la magnitud del segmento dirigido OP, hipotenusa del tringulo

rectngulo cuyos otros dos lados tienen magnitudes a y b, es a2 + b2 =
p p, como vemos en la figura siguiente (izquierda). De la misma forma,
si estamos en el espacio y P es un punto cuyas coordenadas son p =

19

, aplicando el Teorema de Pitgoras dos veces, obtenemos que la

magnitud del segmento dirigido OP es a2 + b2 + c2 = p p, como
vemos en la figura siguiente (derecha).

De otro lado, tenemos que el segmento OP lo podemos ver como un

vector, asi que la magnitud al cuadrado del vector OP en R2 o R3 es la
suma de los cuadrados de las componentes del vector. Esta observacin,
nos induce a una definicin de magnitud de un vector.
Definicin 12 [Norma]. Definimos kuk, la norma del vector u de
Rn, como la raz cuadrada de u u; es decir,

Ejemplo 20. Dados el vector u =

y los puntos P =

yQ=

, calculemos u y PQ.
u = p 22 + 12 + (5)2 = 30 5, 477 y PQ = Q P = p (1 5)2 + (1 2)2
+ (3 3)2 = 25 = 5.
Las propiedades algebraicas de la norma de un vector, que deducimos de
manera inmediata de los Teoremas 7 y 8, estn contenidas en el siguiente
teorema.
20

RECTAS, PLANOS E HIPERPLANOS

Aunque estamos familiarizados con la ecuacin de la recta en el
plano cartesiano (ecuacin lineal en dos variables), en esta seccin, con
base en los conceptos, operaciones y propiedades de los vectores hasta
aqu estudiados, presentaremos la ecuacin de la recta desde un punto
de vista vectorial y, en este mismo sentido, estudiaremos las ecuaciones
de los planos y los hiperplanos en Rn. Comencemos con caracterizar los
puntos de una recta en Rn.
Definicin 16 [Recta]. Dado un punto P Rn y un vector d no nulo
de Rn, diremos que la recta L que contiene a P y tiene direccin d es el
conjunto formado por P y todos los puntos X que determinan vectores} PX
paralelos a d. Al vector d lo llamamos vector direccin o vector director de
la recta.

De la definicin anterior, tenemos que dada una recta L, si P es un punto

de la recta, d su vector director y X un punto cualquiera de la recta, el
segmento dirigido o vector libre PX es paralelo a d; es decir, es un
mltiplo por escalar de d. Como PX es la diferencia de los vectores x =
OX y p = OP, tenemos que para algn t R,
x p = td,
de donde,
x = p + td.
21

(2.2)

A la expresin (2.2) la llamamos ecuacin vectorial de la recta, la cual

tambin puede expresarse en trmino de sus componentes. Supongamos
que el punto dado de la recta P, el vector director d y un punto arbitrario

X de la recta, tienen componentes

respectivamente. Entonces, teniendo en cuenta que x = OX, podemos

escribir la ecuacin (2.2) como

o, lo que es equivalente,

(2,3)
A estas ltimas ecuaciones las llamamos ecuaciones paramtricas de la
recta.
Ejemplo 26. Dada la ecuacin vectorial de la recta L:

(a) Encontremos dos puntos P y Q de la recta L.

(b) Determinemos

si

los

puntos

pertenecen a la recta L.
(c) Encontremos un vector d que sea un vector director de la recta L.

22

(d) Verifiquemos que el vector PQ, donde P y Q son los puntos

hallados en (a), es paralelo a d, el vector director de la recta L
encontrado en (c).

a) Para encontrar puntos de la recta L, es suficiente que le demos

valores arbitrarios al parmetro t. Por ejemplo, si t = 1 y luego t =
2 en la ecuacin vectorial de la recta, obtenemos dos puntos P y
Q de la recta L:

De esta forma, podemos hallar tantos puntos de la recta L como

queramos.

(b) Para determinar si R =

se encuentra en la recta L, tenemos

que verificar si existe un escalar t tal que

(2,4)
o lo que es lo mismo, verificar si existe un escalar t tal que

De la primera ecuacin, tenemos que t = 1, y si sustituimos el valor de t

por 1 en la segunda y tercera ecuacin, obtenemos proposiciones
verdaderas, lo que implica que al sustituir t por 1 en (2.4), obtenemos
una proposicin verdadera y por tanto, R es un punto de la recta L.

23

Con el mismo razonamiento, para verificar si S es un punto de la recta L,

debemos verificar si existe t tal que

De la primera ecuacin, t = 2, pero al sustituir t por 2 en la tercera

ecuacin, tenemos 0 = 7, una proposicin falsa. Esto nos indica que S
no es un punto de la recta.
(c) De la ecuacin vectorial de la recta L, un vector director de dicha recta

es d =

o cualquier vector no nulo paralelo a l.

(d) Sabemos que, en trmino de coordenadas, PQ = QP =

. Y, puesto que

, podemos concluir que efectivamente PQ es

paralelo al vector director de la recta L.

TRANSFORMACIONES LINEALES
Recordemos que una funcin T: A B es una regla de
asociacin entre los elementos de A y los elementos de B, tal que a cada
elemento a de A se le asocia un nico elemento b de B al que le llamamos
imagen de a por medio de T y denotamos b = T(a). A los conjuntos A y B
les llamamos dominio y codominio de T, respectivamente, y al subconjunto
24

de B formado por todas las imgenes de los elementos de A lo llamamos

conjunto imagen de T y lo denotamos Im (T).

En este captulo, estamos interesados en el estudio de las

funciones entre espacios vectoriales que sean compatibles con las
operaciones de suma y producto por escalar definidas en cada uno de
ellos; es decir, que la imagen de una suma de vectores sea la suma de las
imgenes y que la imagen de un producto por escalar de un vector sea
tambin un producto por escalar de la imagen del vector.

DEFINICIN Y PROPIEDADES BSICAS

Precisemos la idea planteada en la introduccin con la siguiente

definicin.
Definicin 1 [Transformacin lineal]. Dados dos espacios vectoriales V
y W, diremos que la funcin T : V W es una transformacin lineal de V
en W, si y solo si,
1. T(v1 + v2) = T(v1) + T(v2) para todo v1, v2 V . (Propiedad
aditiva)

25

2. T(v1) = T(v1) para todo v1 V y todo R. (Propiedad

homognea)

Observacin: Es importante aclarar que estamos denotando de la

misma forma la suma y el producto por escalar definidos tanto en el
espacio vectorial V como en el espacio vectorial W, as sean operaciones
diferentes. Igualmente, al vector 0 de V y al de W los denotamos igual, as
sean vectores diferentes.
Ejemplo 1. Consideremos la funcin T : R3 R2, tal que T

Verifiquemos que T es una transformacin

lineal.
Veamos que T satisface la propiedad aditiva. Sean (x1, y1, z1) T y (x2, y2,
z2)T vectores de R3, entonces

26

de donde,

Para verificar que T satisface la propiedad homognea, tomemos el

escalar y el vector (x, y, z) T. Entonces,

de donde,

27

Ejemplo 2. Sea T: R3 P2, tal que T

= (a + c)x + 2bx2.

Veamos que T es una transformacin lineal.

Para verificar la propiedad aditiva, tomemos dos vectores de R3, (a1, b1,
c1)T y (a2, b2, c2)T . Entonces,

Para verificar que T satisface la propiedad homognea, tomemos el

escalar y el vector (a, b, c) T . Entonces

ESPACIOS VECTORIALES ASOCIADOS A UNA TRANSFORMACIN

LINEAL
Definimos ahora, dos conjuntos asociados a una transformacin
lineal, los cuales resultan ser Espacios Vectoriales fundamentales para
determinar propiedades de este tipo especial de funciones.

28

Definicin 2 [Ncleo de una transformacin lineal]. Dada una

transformacin lineal T: V W, definimos ncleo de T como el conjunto
Nu(T) de todos los vectores de V cuya imagen es el vector 0 de W. En
otras palabras,
Nu(T) = {v V : T(v) = 0}.

Definicin 3 [Imagen de una transformacin lineal]. Dada una

transformacin lineal T : V W, definimos imagen de T como el
conjunto Im(T) de todos los vectores w de W para los cuales existe un
vector v de V , tal que T(v) = w. En otras palabras,
Im(T) = {w W : existe v V tal que T(v) = w}.

29

Ejemplo 10. Consideremos la transformacin lineal T: M22 M22, tal

que T

e identifiquemos los conjuntos Nu (T)

e Im (T).

Como T

= 0 implica que a = b = 0 y c = d,

concluimos que

Como las nicas matrices que son imgenes bajo T tienen la forma

(en efecto, T

, para cualquier

R), tenemos que Im(T) =

Ejemplo 11. Sea T : P2 R3 la transformacin lineal del Ejemplo 8.
Identifiquemos Nu(T) e Im(T).

Como vimos en el Ejemplo 8, T(a+bx+cx2) =

, de tal forma

que T(a+bx+cx2) = 0 implica

que a = b = c = 0 y que cualquier vector de R3 es imagen bajo T (en
efecto, T((p q) + (q r)x + rx2) = (p, q, r)T , para cualquier vector (p, q,
r)T R3), por lo tanto, Nu(T) = {0} e Im(T) = R3.
Como ocurri con los conjuntos asociados a una matriz, los conjuntos
asociados a una transformacin lineal que acabamos de definir tambin
son espacios vectoriales. En efecto, el ncleo es un subespacio del
dominio de la transformacin y la imagen es un subespacio del codominio
de la transformacin, lo cual demostramos en el siguiente teorema.

30

Teorema 4 [Subespacios asociados a una transformacin lineal

]. Sean V y W espacios vectoriales y T : V W una transformacin
lineal. Entonces
1. Nu(T) es subespacio vectorial de V .
2. Im(T) es subespacio vectorial de W.
Demostracin: Por el Teorema 1 del Captulo 4, un subconjunto H no
vaco de un espacio vectorial es un subespacio vectorial, si y solo si, los
elementos de H satisfacen las propiedades clausurativas para la suma y
el producto por escalar (Axiomas 1 y 6 de la definicin de espacio
vectorial).
1. Por el Corolario 1.1, el vector 0 es un elemento de Nu(T), asi que
Nu(T) es no vaco. De otro lado, si tomamos dos vectores u y v de
Nu(T) y un escalar , tenemos que T(u) = 0 y T(v) = 0, de modo que

de donde concluimos que u + v y u estn en Nu(T).

2. De nuevo, por el Corolario 1.1, el vector 0 es un elemento de Im(T),
asi que Im(T) es no vaco y si tomamos dos vectores w1 y w2 de
Im(T) y un escalar , tenemos que existen v1 y v2, vectores de V
tales que T(v1) = w1 y T(v2) = w2, de modo que

de donde concluimos que w1 + w2 y w1 estn en Im(T).

MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL

Ya sabemos que una transformacin lineal queda completamente
determinada por la forma como la transformacin acta en una base del

31

dominio y que la funcin de Rn a Rm definida por T(x) = Ax para una

matriz m n dada es una transformacin lineal, la cual llamamos
transformacin matricial. En esta seccin, demostraremos que toda
transformacin lineal entre espacios vectoriales de dimensin finita puede
ser representada omo una transformacin matricial. Con este propsito,
dadas una base del dominio y una base del codominio, para cada
transformacin lineal, definamos una matriz asociada a ella, como la
matriz cuyas columnas son las coordenadas en la base del codominio de
las imgenes bajo la transformacin de los elementos de la base del
dominio.
Definicin 4 [Matriz asociada a una transformacin lineal respecto a
las bases B y B]. Dadas la transformacin lineal T : V W y las bases
B = {v1, v2, . . . , vn} y B de V y W, respectivamente, definimos como
matriz asociada a la transformacin lineal T respecto a las bases B y B a
la matriz

Mientras no haya necesidad de aclarar, denotaremos simplemente por AT

a la matriz asociada a la transformacin lineal, respecto a las bases
dadas.
Ejemplo 12. Sea T : P2 R2 la transformacin lineal tal que T(a + bx +

cx2) =

y sean B = {1, 1 + x, 1 + x x2} y B =

bases de P2 y R2, respectivamente. Encontremos la

matriz asociada a la transformacin, respecto a las bases dadas.

Como B es la base cannica de R2, las coordenadas de un vector de R2
coinciden con el vector; por lo tanto, tenemos que T(1) =

32

[T(1 + x x2)]B , de donde la matriz asociada a T respecto a las bases

dadas es

ISOMORFISMOS
Aunque hay infinidad de espacios vectoriales, veremos que muchos
de ellos son esencialmente el mismo respecto a la estructura de espacio
vectorial. En esta seccin, nos ocuparemos de analizar este concepto de
similitud, para lo cual utilizaremos las propiedades de tres tipos de
transformaciones lineales especiales, cuyas definiciones damos a
continuacin.
Definicin 6 [Transformacin lineal inyectiva]. Diremos que T : V
W es una transformacin lineal inyectiva, si y solo si, para cada w de
Im(T), existe un nico v V tal que T(v) = w.
Una forma de mostrar esta unicidad es suponer que T(v1) = T(v2) y
demostrar que v1 = v2 (ver Ejercicio 19).

33

Ejemplo 19. Determinemos si la transformacin lineal del Ejemplo 10 es

sobreyectiva.
Dado que T

, es fcil ver que para que una

matriz est en la imagen de T, la componente (1,2) debe ser 0, lo que nos

indica que Im(T) 6=M22 y por tanto T no es una transformacin lineal
sobreyectiva.

ALGEBRA DE TRANSFORMACIONES LINEALES

Dado que las transformaciones lineales son casos particulares de
funciones, podemos definir la suma, la multiplicacin por escalar y la
composicin de transformaciones lineales, como se hace en las funciones
de valor real. Adicionalmente, veremos que estas operaciones estn
relacionadas con las operaciones matriciales de sus matrices asociadas.
Definicin 10 [Suma y producto por escalar de
transformaciones lineales]. Dadas dos transformaciones lineales T, S :
V W y un escalar R, definimos T + S, la suma de T y S, como la
funcin

y definimos T, la multiplicacin de T por el escalar , como la funcin

Ejemplo 23. Dadas las transformaciones lineales T, S : R2 P1, tal que

a 2bx, calculemos (T + S)

34

Por la definicin anterior,

Teorema 13 [Propiedad clausurativa de la suma y el producto por

escalar de transformaciones lineales]. Si S, T : V W son
transformaciones lineales y es un escalar, entonces las funciones

son transformaciones lineales.

Demostracin: Sean v1, v2 V , entonces

de donde podemos concluir que (S + T) es tambin una transformacin

lineal. De otro lado,

de donde concluimos que (T) tambin es una transformacin lineal.

El conjunto de las transformaciones lineales de un espacio vectorial
V en otro espacio vectorial W, con la suma y multiplicacin por escalar
antes definidas, satisfacen las propiedades que caracterizan a los
espacios

vectoriales.

El

Teorema

13

establece

las

propiedades

clausurativas y, en el siguiente teorema, planteamos el resto de las 10

35

propiedades

que

demuestran

que

L(V,W),

el

conjunto

de

las

transformaciones lineales de V en W, es un espacio vectorial2.

BIBLIOGRAFA

Hctor Jairo Martnez R. Ana Mara Sanabria R. (2008) ALGEBRA

LINEAL. SEGUNDO SEMESTRE Mxico: Editorial Mc Graw-Hill.

http://es.wikipedia.org/wiki/Aplicaci%C3%B3n_lineal

36