ÁLGEBRA DE LAS TRANSFORMACIONES LINEALES

Una transformación lineal es un conjunto de operaciones que se realizan sobre un vector

para convertirlo en otro vector. En ocasiones trabajar con vectores es muy sencillo ya que
pueden ser facilmente interpretados dentro de un contexto gráfico, lamentablemente no
siempre ocurre y es necesario transformar a los vectores para poderlos trabajar más
facilmente. Por otra parte, trabajar con sistemas lineales es mucho más sencillo que con
sistemas no lineales, ya que se puede utilizar una técnica llamada superposición, la cual
simplifica de gran manera gran variedad de cálculos, por lo que es de gran interes demostrar
que un proceso puede ser reducido a un sistema lineal, lo cual solo puede lograrse
demostrando que estas operaciones forman una transformación lineal.

Se denomina transformación lineal, función lineal o aplicación lineal a toda aplicación cuyo
dominio y codominio sean espacios vectoriales y se cumplan las siguientes condiciones:

Sean V y W espacios vectoriales sobre el mismo campo K, y T una función de V en W. T es

una transformación lineal si para cada par de vectores de u y v pertenecientes a V y para
cada escalar k perteneciente a K, se satisface que:

1.
2. donde k es un escalar.

Son aplicaciones lineales los operadores usados en la formulación matemática de la

mecánica cuántica. Para detalles específicos sobre estos, ver el artículo Operador (mecánica
cuántica).

Propiedades de las transformaciones lineales

1.

Transformación Lineal Singular y No Singular

Sean y espacios vectoriales sobre el mismo campo y una transformación lineal de

en . Entonces, es no singular si:

En caso contrario es singular.

Teorema fundamental de las transformaciones lineales

 Sea B = {v1,v2,v3,...vn} base de V y C = {w1, w2, w3,...wn n} un conjunto de vectores de W no

necesariamente distintos, entonces existe una única transformación lineal
Para todo
Clasificación de las transformaciones lineales

1. Monomorfismo: Si es inyectiva, o sea si el único elemento del núcleo es el vector nulo.

2. Epimorfismo: Si es sobreyectiva (exhaustiva).

3. Isomorfismo: Si es biyectiva (inyectiva y exhaustiva).
4. Endomorfismo: Si o sea si el dominio es igual al codominio (el espacio vectorial de
salida y el de llegada son el mismo).
5. Automorfismo: Si es endomorfismo e isomorfismo a la vez.

Definición 1 Sean espacios vectoriales, y sea . Diremos que es:

1. Una transformación lineal (o morfismo ) si dados , ,

2. Un Monomorfismo si es un morfismo inyectivo.

3. Un epimorfismo si es un morfismo sobreyectivo.
4. Un isomorfismo si es un morfismo biyectivo.

Además llamaremos ( para abreviar) al espacio de morfismos de , donde es

la función constante cero, esto es:

Y la suma y producto escalar en se definen así:

1. Si , entonces es la transformación dada por .

2. Si , , entonces es la transformación dada por.

TEOREMAS

2
TEOREMA 2.1 Si T : V W es una transformación lineal, entonces V es dimensionalmente
finito si y sólo si N(T) y R(T) son dimensionalmente finitos, y en este caso,

dim(V) = nulidad(T) + rango(T).

Demostración

Dados dos espacios vectoriales V y W sobre un campo F, definimos

L(V, W) = {T : V W | T es una transformación lineal}.

Si T, U Î L(V, W) y a Î F, definimos aT + U : V ® W como (aT + U)(x) = aT(x) + U(x) para toda

x Î F. Es un ejercicio verificar que aT + U es una transformación lineal y que L(V, W), junto
con estas operaciones de suma y de multiplicación por escalares, es un espacio vectorial
sobre F.

Definimos el que una función fuera inyectiva, sobre y biyectiva. Es un ejercicio demostrar que
para una transformación lineal T : V W, las siguientes condiciones son equivalentes:

 T es inyectiva
 N(T) = {0} (es decir, nulidad(T) = 0)
 Para todo S ê V, S es linealmente independiente si y sólo si T(S) ê W es linealmente independiente

También se deja como ejercicio el verificar que si V y W son dos espacios vectoriales con la
misma dimensión (finita) y T : V W es una transformación lineal, entonces T es inyectiva o
sobre si y sólo si es biyectiva.

Una transformación lineal es una función que preserva la estructura algebraica de espacio
vectorial, por lo que no toda función entre espacios vectoriales es una transformación lineal.
De hecho, es sencillo encontrar funciones inyectivas, sobre, y biyectivas que no son
transformaciones lineales. Esto motiva las definiciones de monomorfismo, epimorfismo e
isomorfismo.

LEMA 2.2 Sean V y W dos espacios vectoriales sobre un campo F. Supongamos que V es dimensionalmente
finito y que b = {x1, ..., xn} es una base de V. Entonces para todo {y1, ..., yn} í W, existe una unica transformación
lineal T : V W tal que T(xi) = yi para toda i = 1, ..., n.

TEOREMA 2.3 En la categoría de los espacios vectoriales dimensionalmente finitos, la

dimensión es un invariante completo de isomorfismo. Es decir, para cualesquiera dos

3
espacios vectoriales dimensionalmente finitos V y W sobre un campo F, existe un
isomorfismo entre V y W si y sólo si dim(V) = dim(W).

Demostración

Sea V un espacio vectorial dimensionalmente finito sobre un campo F y sea b = (x1, ..., xm)
una base ordenada de V. Para cada x Î V, existen escalares únicos a1, ..., am Î F tales que x =
a1x1 + ... + amxm. Definimos al vector coordenado de x relativo a b como

a1
[ x ]b = ( : ),
am

Es fácil ver que el mapeo x | [ x ]b constituye un isomorfismo ç : V Mn x 1(F).

Sean V y W dos espacio vectoriales dimensionalmente finitos sobre un campo F, b = {x1, ...,
xm} una base ordenada de V y g = {y1, ..., xn} una base ordenada de W. Para cada T Î L(V,
W), definimos la matriz asociada a T con respecto a las bases ordenadas b y g como

g
[T] b = ( [T(x1)]g ... [T(xm)]g ).

Por otro lado, dada una matriz A Î Mn x m(F), la función LA : Fm ® Fn definida por LA(x) = Ax, es una
transformación lineal (ejercicio).

TEOREMA 2.4 Sean V y W dos espacio vectoriales dimensionalmente finitos sobre un

campo F, b = {x1, ..., xm} una base ordenada de V y g = {y1, ..., yn} una base ordenada de W.
Entonces el mapeo T | [T]bg constituye un isomorfismo F : L(V, W) Mn x m(F). Más
-1 -1 g
aún, para toda A Î Mn x m(F), se tiene que F (A) Î L(V, W) es tal que [F (A)]b = A.

Demostración

Sean V y W dos espacios vectoriales sobre un campo F. Si T Î L(V, W), entonces existe una
matriz asociada a T por cada par de bases ordenadas b y g de V y W respectivamente. El
siguiente teorema (cambio de coordenadas) establece la relación entre estas matrices.

TEOREMA 2.5 Sean V y W dos espacio vectoriales dimensionalmente finitos sobre un campo F. Si b, b' son
dos bases ordenadas de V y g g' son dos bases ordenadas de W, entonces existe una matriz invertible Q tal
que . Entonces el mapeo T | [T]bg constituye un isomorfismo F : L(V, W) Mn x m(F). Más aún, para toda
A Î Mn x m(F), se tiene que F (A) Î L(V, W) es tal que [F-1(A)]bg = A.
-1

Ejercicios:

Sea un -espacio vectorial y una transformación lineal de de rango . Demostrar

que existe un escalar tal que .

4
Solución. Puesto que , entonces existe un vector no nulo de tal que
, así, para algún de . Sea un vector de , entonces
, es decir,
.▫

Encontrar subespacios de tales que pero la suma no

es directa.

Solución. Sea . Es claro

que En efecto, Pero
nótese que la suma no es directa ya que , puesto que el vector
.

Sea un -espacio vectorial y sea un subespacio de . Dado denotemos por

el subconjunto de definido por . Denotemos por la
colección de todos estos subconjuntos, es decir, . Demostrar
que:

Solución. (i) Si entonces luego y entonces

por tanto Veamos ahora el recíproco: debemos
demostrar que : sea entonces .
Hemos demostrado que . Sea ahora entonces

, luego hemos probado la otra inclusión, es decir,

y de esta manera se tiene que .

(ii) Veamos que la operación de suma está bien definida:sea y entonces

debemos ver que : , entonces

, es decir, .

Ahora revisemos las propiedades de la suma de vectores: la asociatividad y la

conmutatividad son consecuencia de las respectivas propiedades de la suma de vectores en
El cero del espacio cociente es

El opuesto del vector es . De la misma forma se demuestra que la operación de escalar

por vector está bien definida y además se cumplen las otras propiedades de espacio
vectorial:

5
 .

(iii) Sea , , sea una base de , según la Prop 9

del Capítulo 1, esta base se puede completar hasta una base de
. Vamos a probar que el conjunto

es una base de veamos en primer lugar que este conjunto de clases

genera al espacio

Sea . en donde , podemos entonces expandir este elemento de la base

completada:

, tomamos las clases

, por tanto,
Hemos demostrado que .

Veamos ahora que estas clases son LI: sean tales que
entonces , luego
, es decir,

y de esta forma , luego

En total se tiene que