Capítulo

7
Transformaciones lineales

En la actualidad, las gráficas de computadora en dos y tres dimensiones son manipuladas utilizando transformaciones lineales.

Objetivos del capítulo

En este capítulo el estudiante. . .
• Aprenderá la definición de las transformaciones lineales, que • Comprenderá que, mediante la existencia de un tipo especial
se pueden interpretar como una generalización del concepto de transformación lineal, se identifican espacios vectoriales
de funciones (sección 7.1). que comparten características equivalentes (sección 7.4).
• Estudiará el concepto de núcleo e imagen de las transforma- • Profundizará en un tipo especial de isomorfismos (sección
ciones lineales, a partir de las cuales se caracteriza su com- 7.5).
portamiento (sección 7.2).
• Entenderá que toda información lineal se puede escribir como
la multiplicación de una matriz por un vector, con cuya idea se
relacionan los conceptos de las secciones 5.7 y 7.2.
480 CAPÍTULO 7 Transformaciones lineales

7.1 Definición y ejemplos

El presente capítulo aborda una clase especial de funciones denominadas transformaciones li-
neales que ocurren con mucha frecuencia en el álgebra lineal y otras ramas de las matemáticas.
Éstas tienen una gran variedad de aplicaciones importantes. Antes de definirlas, se estudiarán
dos ejemplos sencillos para ver lo que es posible realizar.

EJ EM PLO 7 .1 .1 Reflexión respecto al eje x

© x¹ © x¹
En R2 se define una función T mediante la fórmula T ª º 5 ª º . Geométricamente, T toma
« y » « 2y »
un vector en R2 y lo refleja respecto al eje x. Esto se ilustra en la figura 7.1. Una vez que se ha
dado la definición básica, se verá que T es una transformación lineal de R2 en R2.

EJ EM PLO 7 .1 .2 Transformación de un vector de producción en un vector

de materia prima

Un fabricante elabora cuatro tipos de productos distintos, de los cuales cada uno requiere tres
tipos de materiales. Se identifican los cuatro productos como P1, P2, P3 y P4, y a los materiales
por R1, R2 y R3. La tabla siguiente muestra el número de unidades de cada materia prima que
se requieren para fabricar una unidad de cada producto.
y
Productos necesarios para
(x, y)
producir una unidad
de cada producto

x Número de P1 P2 P3 P4
0
unidades
de materia R1 2 1 3 4
prima
T(x, y) 5 (x, 2y) R2 4 2 2 1
Figura 7.1 R3 3 3 1 2
El vector (x, 2y ) es la
reflexión respecto al eje x
del vector (x, y ). Surge una pregunta natural: si se produce cierto número de los cuatro productos, ¿cuántas
unidades de cada material se necesitan? Sean p1, p2, p3 y p4 el número de artículos fabricados de
los cuatro productos, y sean r1, r2 y r3 el número de unidades necesario de los tres materiales.
Entonces se define

© p1 ¹
ª p2 º © r1 ¹ © 2 1 3 4¹
p5ª º r 5 ª r2 º A 5 ª 4 2 2 1º
ª p3 º ª º ª º
ª« r º» « 3 3 1 2»
ª« p º» 3
4

© 10¹
ª 30º
Por ejemplo, suponga que p 5 ª º . ¿Cuántas unidades de R1 se necesitan para producir estos
ª 20º
ª« 50º»

números de unidades de los cuatro productos? De la tabla se tiene que

r1 5 p1 ? 2 1 p2 ? 1 1 p3 ? 3 1 p4 ? 4
5 10 ? 2 1 30 ? 1 1 20 ? 3 1 50 ? 4 5 310 unidades
 7.1 Definición y ejemplos 481

De manera similar,
r2 5 10 ? 4 1 30 ? 2 1 20 ? 2 1 50 ? 1 5 190 unidades
y
r3 5 10 ? 3 1 30 ? 3 1 20 ? 1 1 50 ? 2 5 240 unidades
En general se ve que

© p1 ¹
© 2 1 3 4¹ ª º © r1 ¹
ª 4 2 2 1º ª p2 º ª º
5 r2
ª º ª p3 º ª º
« 3 3 1 2» ª º ª r3 º
ª« p4 º» « »

o
Ap 5 r

Esto se puede ver de otra manera. Si a p se le conoce como el vector de producción y a r como Vector de
el vector de materia prima, se define la función T por r 5 T(p) 5 Ap. Esto es, T es la función producción
que “transforma” el vector de producción en el vector de materia prima y se hace mediante la
Vector de
multiplicación de matrices ordinaria. Como se verá, esta función es también una transforma- materia prima
ción lineal.
Antes de definir una transformación lineal, hablaremos un poco sobre las funciones. En la
sección 2.3 se escribió un sistema de ecuaciones como

Ax 5 b

donde A es una matriz de m 3 n, x P Rn y b P Rm. Se pidió encontrar x cuando A y b se cono-

cían. No obstante, esta ecuación se puede ver de otra forma: suponga que A se conoce. Enton-
ces la ecuación Ax 5 b “dice”: proporcione una x en Rn y yo le daré una b en Rm; es decir, A
representa una función con dominio Rn e imagen en Rm.
La función que se acaba de definir tiene las propiedades de que A(ax) 5 aAx si a es un
escalar y A(x 1 y) 5 Ax 1 Ay. Esta propiedad caracteriza las transformaciones lineales.

D Definición 7.1.1
Transformación lineal
Sean V y W espacios vectoriales reales. Una transformación lineal T de V en W es una
función que asigna a cada vector v P V un vector único Tv P W y que satisface, para
cada u y v en V y cada escalar a,

T(u 1 v) 5 Tu 1 Tv (7.1.1)
y
T(av) 5 aTv (7.1.2)

Tres observaciones sobre notación

1. Se escribe T: V S W para indicar que T toma el espacio vectorial real V y lo lleva al espacio
vectorial real W; esto es, T es una función con V como su dominio y un subconjunto de W
como su imagen.
482 CAPÍTULO 7 Transformaciones lineales

2. Se escriben indistintamente Tv y T(v). Denotan lo mismo; las dos se leen “T de v”. Esto es
análogo a la notación funcional f (x), que se lee “f de x”.
3. Gran parte de las definiciones y teoremas en este capítulo también se cumplen para los
espacios vectoriales complejos (espacios vectoriales en donde los escalares son números
complejos). Sin embargo, a excepción de la breve intervención de la sección 7.5, sólo se
manejarán espacios vectoriales reales y, por lo tanto, se eliminará la palabra “real” en el
análisis de los espacios vectoriales y las transformaciones lineales.
Operadores Las transformaciones lineales con frecuencia se denominan operadores lineales.
lineales
EJ EM PLO 7 .1 .3 Una transformación lineal de R2 en R3

© x 1 y¹ © 21¹
2 3
© x¹ ª º © 2¹ ª º
Sea T: R S R definida por T ª º 5 ª x 2 y º .Por ejemplo, T ª º 5 ª 5º . Entonces
« y» ª « 23 » ª º
« 3 y º» « 29»

© x 1 x2 1 y1 1 y2 ¹
¬© x1 ¹ © x2 ¹ ¼ © x1 1 x2 ¹ ª 1 º
T ­ª º 1 ª º ½ 5 T ª º 5 x1 1 x2 2 y1 2 y2 º
­®« y1 » « y2 » ½¾ « y1 1 y2 » ªª º»
« 3y 1 3y 1 2

© x1 1 y1 ¹ © x2 1 y2 ¹
5 ª x1 2 y1 º 1 ª x2 2 y2 º
ª º ª º
ª« 3 y º» ª« 3 y º»
1 2

Pero
© x1 1 y1 ¹ © x2 1 y2 ¹
ª x 2 y º 5 T © x1 ¹ y ª x 2 y º 5 T © x2 ¹
ª 1 1º ªy º ª 2 2º ªy º
ª« 3 y º» « 1» ª º» « 2»
1 « 3 y 2

Así,
¬© x ¹ © x ¹ ¼ ©x ¹ ©x ¹
T ­ª 1 º 1 ª 2 º ½ 5 T ª 1 º 1 T ª 2 º
­®« y1 » « y2 » ½¾ « y1 » « y2 »

De manera similar,

© Fx 1 Fy ¹ © x1 y¹
¬ © x¹ ¼ © Fx ¹ ª © x¹
T ­F ª º ½ 5T º
T ª º 5 Fx 2 Fy 5 F ª x 2 y º 5 FT ª º
­® « y » ½¾ ª
« Fy » ª º ª º « y»
« 3Fy º» ª« 3 y º»

Así, T es una transformación lineal.

EJ EM PLO 7 .1 .4 La transformación cero

Sean V y W espacios vectoriales y defina T: V S W por Tv 5 0 para todo v en V. Entonces

T(v1 1 v2) 5 0 5 0 1 0 5 Tv1 1 Tv2 y T(av) 5 0 5 a0 5 aTv. En este caso, T se denomina la
transformación cero.

EJ EM PLO 7 .1 .5 La transformación identidad

Sea V un espacio vectorial y defina I: V S V por Iv 5 v para todo v en V. Aquí es obvio que I es
una transformación lineal, la cual se denomina transformación identidad u operador identidad.
 7.1 Definición y ejemplos 483

EJEMPLO 7 .1 .6 Transformación de reflexión

© x ¹ © 2x ¹
Sea T: R2 S R2 definida por T ª º 5 ª º . Es fácil verificar que T es lineal. En términos geomé-
« y» « y »
tricos, T toma un vector en R2 y lo refleja respecto al eje y (vea la figura 7.2).
y y

(x, y) (2x, y)

x x
0 0

a) b)

Figura 7.2
El vector (2x, y ) es la reflexión respecto al eje y del vector (x, y ).

EJEMPLO 7 .1 .7 Transformación de Rn S Rm dada por la multiplicación

por una matriz de m 3 n

Sea A una matriz de m 3 n y defina T: Rn S Rm por Tx 5 Ax. Como A(x 1 y) 5 Ax 1 Ay y

A(ax) 5 aAx si x y y están en Rn, se observa que T es una transformación lineal. Entonces toda
matriz A de m 3 n se puede utilizar para definir una transformación lineal de Rn en Rm. En la sec-
ción 7.3 se verá que se cumple el converso: toda transformación lineal entre espacios vectoriales
de dimensión finita se puede representar por una matriz.

EJEMPLO 7 .1 .8 Transformación de rotación

© x¹
Suponga que el vector v 5 ª º en el plano xy se rota un ángulo u (medido en grados o radianes)
« y»
en sentido contrario al de las manecillas del reloj. Llame a este nuevo vector ro- N Nota
© xe ¹
tado v e 5 ª º . Entonces, como se ve en la figura 7.3, si r denota la longitud de v Esto se deduce de la definición es-
« ye » tándar de cos u y sen u como las
(que no cambia por la rotación), coordenadas x y y de un punto en el
círculo unitario. Si (x, y ) es un punto
x 5 r cos a y 5 r sen a en el círculo de radio r con centro en el
x e 5 r cos ( u 1 a ) y e 5 r sen ( u 1 a ) origen, entonces x 5 r cos w y y 5 r
sen w, donde w es el ángulo que forma
Pero r cos (u 1 a) 5 r cos u cos a 2 r sen u sen a, de manera que el vector (x, y ) con el lado positivo del
eje x.

x9 5 x cos u 2 y sen u (7.1.3)

y
(x9, y9)

r
u1a (x, y)
r

Figura 7.3 p2a2u u

(x’, y ’) se obtiene rotando a
(x, y ) un ángulo u. x
x9 0 x
484 CAPÍTULO 7 Transformaciones lineales

De manera similar, r sen (u 1 a) 5 r sen u cos a 1 r cos u sen a, o sea

y9 5 x sen u 1 y cos u (7.1.4)

Sea
© cos u 2sen u ¹
Au 5 ª º (7.1.5)
ª« sen u cos u º»

© x ¹ © x9¹
Entonces de (7.1.3) y (7.1.4) se ve que Au ª º 5 ª º . La transformación lineal T: R2 S R2
« y » « y9»
Transformación definida por Tv 5 Au v, donde Au está dado por (7.1.5), se llama transformación de rotación.
de rotación
EJ EM PLO 7 .1 .9 Transformación de proyección ortogonal

Sea H un subespacio de Rn. La transformación de proyección ortogonal P: V S H se define por

Pv 5 proyH v (7.1.6)

Sea {u1, u2, . . . , uk} una base ortonormal para H. Entonces de la definición 6.1.4, página 425,
se tiene
Pv 5 (v ? u1)u1 1 (v ? u2)u2 1 . . . 1 (v ? uk)uk (7.1.7)

Como (v1 1 v2) ? u 5 v1 ? u 1 v2 ? u y (av) ? u 5 a(v ? u), se ve que P es una transformación

lineal.

EJ EM PLO 7 .1 .1 0 Dos operadores de proyección

© x¹ © x¹
Se define T: R S R por T ª y º 5 ª y º . Entonces T es el operador de proyección que toma un
3 3
ª º ª º
ª« z º» ª« 0 º»
vector en el espacio de tres dimensiones y lo proyecta sobre el plano xy. De manera similar,
© x¹ © x¹
T ª y º 5 ª 0 º proyecta un vector en el espacio sobre el plano xz. Estas dos transformaciones se
ª º ª º
ª« z º» « z »
describen en la figura 7.4.
z z
⎛ 2⎞ ⎛ 2⎞
⎜ 4⎟ ⎛ 2⎞ ⎜ 4⎟
⎜ ⎟ ⎜ 0⎟ ⎜ ⎟
⎜⎝ 6⎟⎠ ⎜ ⎟ ⎜⎝ 6⎟⎠
⎜⎝ 6⎟⎠
Figura 7.4
a) Proyección sobre el plano xy:
©x¹ ©x¹
T ªª y ºº 5 ªª y ºº . plano xz
ª« z º» ª« 0 º» 0 y y
0
⎛ 2⎞
b) Proyección sobre el plano xz:
⎜ 4⎟
⎜ ⎟
©x¹ ©x¹ plano xy ⎜⎝ 0⎟⎠
T ªª y ºº 5 ª 0 º .
ª º x x
ª« z º» « z »
a) b)
 7.2 Propiedades de las transformaciones lineales: imagen y núcleo 493

b) Repita el inciso a) para las transformaciones siguientes:

© 2 0¹ © 1 0¹
A5ª , A5ª
« 0 1 º» « 0 2 º»

c) (Lápiz y papel) Describa la geometría de T: R2 S R2 dada por T(x) 5 Ax, donde

© r 0¹
A5ª
« 0 s º»
para r . 0 y s . 0.

7.2 Propiedades de las transformaciones lineales:

imagen y núcleo
En esta sección se desarrollan algunas propiedades básicas de las transformaciones lineales.

T Teorema 7.2 .1
Sea T: V S W una transformación lineal. Entonces para todos los vecto-
res u, v, v1, v2, . . . , vn en V y todos los escalares a1, a2, . . . , an: Observación
Los incisos i) y ii) del teorema 7.2.1 son
iii) T (0) 5 0
casos especiales del inciso iii).
iii) T (u 2 v) 5 T u 2 T v

iii) T (a1v1 1 a2v2 1 . . . 1 anvn) 5 a1T v1 1 a2T v2 1 . . . 1 anT vn

Nota. En el inciso i), el 0 de la izquierda es el vector cero en V, mientras que el 0 de la

derecha es el vector cero en W.

Demostración

iii) T (0) 5 T (0 1 0) 5 T (0) 1 T (0). Así,

0 5 T (0) 2 T (0) 5 T (0) 1 T (0) 2 T (0) 5 T (0)

iii) T (u 2 v) 5 T [u 1 (21)v] 5 T u 1 T [(21)v] 5 T u 1 (21)T v 5 T u 2 T v.

iii) Esta parte se prueba por inducción (vea el apéndice A). Para n 5 2 se tiene T (a1v1 1
a2v2) 5 T (a1v1) 1 T (a2v2) 5 a1T v1 1 a2T v2. Así, la ecuación (7.2.1) se cumple para
n 5 2. Se supone que se cumple para n 5 k y se prueba para n 5 k 1 1: T (a1v1 1
a2v2 1 . . . 1 akvk 1 ak 1 1 vk 1 1) 5 T(a1v1 1 a2v2 1 . . . 1 akvk) 1 T(ak 1 1 vk 1 1),
y usando la ecuación en la parte iii) para n 5 k, esto es igual a (a1Tv1 1 a2Tv2
1 . . . 1 akT vk) 1 ak 1 1 T vk 1 1, que es lo que se quería demostrar. Esto completa
la prueba.

Un dato importante sobre las transformaciones lineales es que están completamente determi-
nadas por el efecto sobre los vectores de la base.
494 CAPÍTULO 7 Transformaciones lineales

T Teorema 7.2 .2
Sea V un espacio vectorial de dimensión finita con base B 5 {v1, v2, . . . , vn}. Sean
w1, w2, . . . , wn vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de
V en W tales que T1vi 5 T2vi 5 wi para i 5 1, 2, . . . , n. Entonces para cualquier vector
v P V, T1v 5 T2v; es decir, T1 5 T2.

Demostración
Como B es una base para V, existe un conjunto único de escalares a1, a2, . . . , an tales
que v 5 a1v1 1 a2v2 1 . . . 1 anvn. Entonces, del inciso iii) del teorema 7.2.1,
T1v 5 T1(a1v1 1 a2v2 1 . . . 1 anvn) 5 a1T1v1 1 a2T1v2 1 . . . 1 anTnvn
5 a1w1 1 a2w2 1 . . . 1 anwn
De manera similar,
T2v 5 T2(a1v1 1 a2v2 1 . . . 1 anvn) 5 a1T2v1 1 a2T2v2 1 . . . 1 anTnvn
5 a1w1 1 a2w2 1 . . . 1 anwn
Por lo tanto, T1v 5 T2v.

El teorema 7.2.1 indica que si T: V S W y V tiene dimensión finita, entonces sólo es ne-
cesario conocer el efecto que tiene T sobre los vectores de la base en V. Esto es, si se conoce la
imagen de cada vector básico, se puede determinar la imagen de cualquier vector en V. Esto
determina T por completo. Para ver esto, sean v1, v2, . . . , vn una base en V y sea v otro vector
en V. Entonces, igual que en la prueba del teorema 7.2.2,

T v 5 a1T v1 1 a2T v2 1 . . . 1 anT vn

Así, se puede calcular T v para cualquier vector v P V si se conocen T v1, T v2, . . . , T vn.

EJ EM PLO 7 .2 .1 Si se conoce el efecto de una transformación lineal

sobre los vectores de la base, se conoce el efecto sobre
cualquier otro vector

© 1¹ © 0¹
© 2¹ © 21¹
Sea T una transformación lineal de R en R y suponga que T 0 5 ª º , T ª 1 º 5 ª º y
3 2 ª º
ª º « 3» ª º « 4»
© 0¹ © 3¹ « 0» « 0»
© 5¹ ª º
T ª 0 º 5 ª º . Calcule T ª 24 º .
ª º « 23»
« 1» ª« 5 º»

© 3¹ © 1¹ © 0¹ © 0¹
ª º
Solución Se tiene ª 24 º 5 3 0 2 4 1 1 5 ª 0 º .
ª º ª º
ª º ª º ª º
ª« 5 º» « 0» « 0» « 1»
Entonces

© 3¹ © 1¹ © 0¹ © 0¹
ª º
T ª 24 º 5 3T 0 2 4T 1 5 5T ª 0 º
ª º ª º
ª º ª º ª º
ª« 5 º» « 0» « 0» « 1»
 7.2 Propiedades de las transformaciones lineales: imagen y núcleo 495

© 2¹ © 21¹ © 5 ¹ © 6 ¹ © 4 ¹ © 25 ¹ © 35 ¹
5 3ª º 2 4 ª º 1 5ª º 5 ª º 1 ª º 1ª º 5ª º
« 3» « 4» « 23» « 9 » « 216 » « 215 » « 222 »

Surge otra pregunta: si w1, w2, . . . , wn son n vectores en W, ¿existe una transformación lineal
T tal que Tv1 5 w1 para i 5 1, 2, . . . , n? La respuesta es sí, como lo muestra el siguiente teorema.

T Teorema 7.2 .3
Sea V un espacio vectorial de dimensión finita con base B 5 {v1, v2, . . . , vn}. Sea W un
espacio vectorial que contiene los vectores w1, w2, . . . , wn. Entonces existe una transfor-
mación lineal única T: V S W tal que T vi 5 wi para i 5 1, 2, . . . , n.
Se define la función T como sigue:

Demostración

ii) T vi 5 wi

ii) Si v 5 a1v1 1 a2v2 1 . . . 1 anvn, entonces

T v 5 a1w1 1 a2w2 1 . . . 1 anwn (7.2.1)

Como B es una base para V, T está definida para todo v P V; y como W es un espacio
vectorial, Tv P W. Entonces sólo falta demostrar que T es lineal, lo que se deduce di-
rectamente de la ecuación (7.2.1). Si u 5 a1v1 1 a2v2 1 . . . 1 anvn, y q 5 b1v1 1 b2v2
1 . . . 1 bnvn, entonces:

T ( u 1 q) 5 T [ ( a1 1 b1) v1 1 ( a2 1 b2) v2 1 . . . 1 ( an 1 bn) vn]

5 ( a1 1 b1) w1 1 ( a2 1 b2) w2 1 . . . 1 ( an 1 bn) wn
5 ( a1w1 1 a2w2 1 . . . 1 anwn) 1 ( b1w1 1 b2w2 1 . . . 1 bnwn)
5 Tu 1 Tq

De manera similar, T (av) 5 aT v, así que T es lineal. La unicidad de T se obtiene del

teorema 7.2.2 y la prueba queda completa.

Observación. En los teoremas 7.2.2 y 7.2.3 los vectores w1, w2, . . . , wn no tienen que ser inde-
pendientes y, de hecho, ni siquiera tienen que ser distintos. Más aún, se hace hincapié en que
los teoremas se cumplen si V es cualquier espacio vectorial de dimensión finita, no sólo Rn.
Observe también que la dimensión de W no tiene que ser finita.

EJEMPLO 7 .2 .2 Definición de una transformación lineal de R2

en un subespacio de R3

Encuentre una transformación lineal de R2 en el plano

¯© x ¹ ¿
²ª º ²
W 5 ° y : 2 x 2 y 1 3z 5 0À
ª º
²ª« z º» ²
± Á
496 CAPÍTULO 7 Transformaciones lineales

Solución Del ejemplo 5.5.3 de la página 333, se sabe que W es un subespacio de di-
© 1¹ © 0¹
mensión dos de R con vectores básicos w1 5 2 y w2 5 ª 3 º . Utilizando la base estándar en
3 ª º
ª º ª º
« 0» « 1» © 1¹ © 0¹
2 © 1¹ © 0¹ © 0¹ ª º © 1¹ ª º
R , v1 5 ª º y v2 5 ª º , se define la transformación lineal T por T ª º 5 2 y T ª º 5 3 .
« 0» « 1» « 1» ª 0º « 0» ª 1º
« » « »
Entonces, como lo muestra el análisis que sigue al teorema 7.2.2, T está completamente
determinada. Por ejemplo,

© 1¹ © 0¹ © 5¹
© 5¹ ¬ © 1¹ © 0¹¼ © 1¹ © 0¹ ª º
T ª º 5 T ­5 ª º 2 7 ª º ½ 5 5T ª º 2 7T ª º 5 5 ª 2 º 2 7 ª 3 º 5 ª 211º .
« 27 » ­® « 0 » « 1 » ½¾ « 0» « 1» ª º ª º
« 0» « 1 » ª« 27 º»

De manera más general,

© 1¹ © 0¹
© x¹ ¬ © 1¹ © 0¹¼ © 1¹ © 0¹
T ª º 5 T ­x ª º 1 y ª º ½ 5 xT ª º 1 y T ª º 5 x ª 2 º 1 y ª 3 º
« y» ­® « 0 » « 1 » ½¾ « 0» « 1» ª º ª º
« 0» « 1»
© x ¹
ª 2x 1 3 y º .
5ª º
ª« y º»

Ahora se darán dos definiciones importantes en la teoría de transformaciones lineales.

D Definición 7.2.1
Núcleo e imagen de una transformación líneal
Sean V y W dos espacios vectoriales y sea T: V S W una transformación lineal. Entonces
ii) El núcleo de T, denotado por nu T, está dado por

nu T 5 {v H V: T v 5 0} (7.2.2)

ii) La imagen de T, denotado por im T, está dado por

im T 5 {w H W: w 5 T v para alguna v H V} (7.2.3)

Observación 1. Observe que nu T es no vacío porque, de acuerdo con el teorema 7.2.1, T(0) 5 0,
de manera que 0 P nu T para cualquier transformación lineal T. Se tiene interés en encontrar
otros vectores en V que “se transformen en 0”. De nuevo, observe que cuando escribimos T(0)
5 0, el 0 de la izquierda está en V y el de la derecha en W.
Observación 2. La imagen de T es simplemente el conjunto de “imágenes” de los vectores en V
Imagen bajo la transformación T. De hecho, si w 5 Tv, se dice que w es la imagen de v bajo T.
Antes de dar ejemplos de núcleos e imágenes, se demostrará un teorema de gran utilidad.
 7.2 Propiedades de las transformaciones lineales: imagen y núcleo 497

T Teorema 7.2 .4
Si T: V S W es una transformación lineal, entonces
ii) nu T es un subespacio de V.
ii) im T es un subespacio de W.

Demostración
ii) Sean u y v en nu T; entonces T (u 1 v) 5 T u 1 T v 5 0 1 0 5 0 y T (au) 5 aT x 5
a0 5 0 de forma que u 1 v y au están en nu T.
ii) Sean w y x en im T. Entonces w 5 T u y x 5 T v para dos vectores u y v en V. Esto
significa que T(u 1 v) 5 Tu 1 Tv 5 w 1 x y T(au) 5 aTu 5 aw. Por lo tanto,
w 1 x y aw están en im T.

EJEMPLO 7 .2 .3 Núcleo e imagen de la transformación cero

Sea Tv 5 0 para todo v P V (T es la transformación cero). Entonces nu T 5 V e im T 5 {0}.

EJEMPLO 7 .2 .4 Núcleo e imagen de la transformación identidad

Sea T v 5 v para todo v P V (T es la transformación identidad). Entonces nu T 5 {0} e im T 5 V.

Las transformaciones cero e identidad proporcionan dos extremos. En la primera todo se

encuentra en el núcleo. En la segunda sólo el vector cero se encuentra en el núcleo. Los casos
intermedios son más interesantes.

EJEMPLO 7 .2 .5 Núcleo e imagen de un operador de proyección

© x¹ © x¹
Sea T: R S R definida por T ª y º 5 ª y º .
3 3
ª º ª º
ª« z º» ª« 0 º»

Esto es (vea el ejemplo 7.1.10, página 484), T es el operador de proyección de R3 en el plano xy.
© x¹ © x¹ © 0¹ ¯© x ¹ ¿
ª º ª º ª º ²ª º ²
Si T y 5 y 5 0 5 0 , entonces x 5 y 5 0. Así, nu T 5 ° y : x 5 y 5 0, z P R À , es decir, el
ª º ª º ª º ª º
ª« z º» ª« 0 º» « 0» ²ª« z º» ²
± Á
¯© x ¹ ¿
²ª º ²
eje z, e im T 5 ° y : z 5 0 À, es decir, el plano xy. Observe que dim nu T 5 1 y dim im T 5 2.
ª º
²ª« z º» ²
± Á

D Definición 7.2.2
Nulidad y rango de una transformación lineal
Si T es una transformación lineal de V en W, entonces se define

Nulidad de T 5 n (T) dim nu T (7.2.4)

Rango de T 5 r(T) 5 dim im T (7.2.5)
498 CAPÍTULO 7 Transformaciones lineales

Observación. En la sección 5.7 se definieron el rango, la imagen, el espacio nulo y la nulidad

de una matriz. Según el ejemplo 7.1.7, toda matriz A de m 3 n da lugar a una transformación
lineal T: Rn S Rm definida por Tx 5 Ax. Es evidente que nu T 5 NA, im T 5 im A 5 CA,
n(T ) 5 n(A) y r(T ) 5 r(A). Entonces se ve que las definiciones de núcleo, imagen, nulidad y
rango de una transformación lineal son extensiones del espacio nulo, la imagen, la nulidad
y el rango de una matriz.

EJ EM PLO 7 .2 .6 Núcleo y nulidad de un operador de proyección

Sea H un subespacio de Rn y sea Tv 5 proyH v. Es obvio que la im T 5 H. Del teorema 6.1.7

de la página 428, se tiene que toda v P V si v 5 h 1 p 5 proyHv 1 proyH1v. Si Tv 5 0, entonces
h 5 0, lo que significa que v 5 p P H'. Así nu T 5 H', r(T ) 5 dim H, y n (T) 5 dim H' 5
n 2 r(T).

EJ EM PLO 7 .2 .7 Núcleo e imagen de un operador transpuesto

Sea V 5 Mmn y defina T: Mmn S Mnm por T(A) 5 A^ (vea el ejemplo 7.1.11, página 480). Si TA
5 A^ 5 0, entonces A^ es la matriz cero de n 3 m, por lo que A es la matriz cero de m 3 n. Así,
nu T 5 {0} y es claro que im T 5 Mnm. Esto significa que n (T ) 5 0 y r(T ) 5 nm.

EJ EM PLO 7 .2 .8 Núcleo e imagen de una transformación de P3 en P2

Defina T: P3 S P2 por T( p) 5 T (a0 1 a1x 1 a2x2 1 a3x3) 5 a0 1 a1x 1 a2x2. Entonces si

T( p) 5 0, a0 1 a1x 1 a2x2 5 0 para toda x, lo que implica que a0 5 a1 5 ca2 5 0. Así nu T 5
{p P P3: p(x) 5 a3x3} e im T 5 P2, n (T ) 5 1 y r(T ) 5 3.

EJ EM PLO 7 .2 .9 Núcleo e imagen de un operador integral

1
Sea V 5 C [0, 1] y defina J: C [0, 1] S R por Jf 5 µ f ( x ) dx (vea el ejemplo 7.1.12, página 485).

` b
0
1
Entonces nu J 5 f PC [0, 1] : µ f ( x ) dx 5 0 . Sea a un número real. Entonces la función cons-
0
1
tante f (x) 5 a para x P [0, 1]: está en C [0, 1] y µ a dx 5 a . Como esto se cumple para todo
0
número real a, se tiene que im J 5 R.
En la siguiente sección se verá que toda transformación lineal de un espacio vectorial de di-
mensión finita en otro se puede representar por una matriz, lo que permitirá calcular el núcleo
y la imagen de cualquier transformación lineal entre espacios vectoriales de dimensión finita
encontrando el espacio nulo y la imagen de la matriz correspondiente.

R Resumen 7.2
• Propiedades básicas de las transformaciones lineales
Sea T: V S W una transformación lineal. Entonces, para todo vector u, v1, v2, . . . , vn en V y todo
escalar a1, a2, . . . , an (p. 493)
iii) T(0) 5 0
iii) T(u – v) 5 Tu 2 Tv
iii) T(a1v1, a2v2, . . . , anvn) 5 a1Tv1, a2Tv2, . . . , anTvn
 7.3 Representación matricial de una transformación lineal 501

23. Defina T: Mnn S Mnn por TA 5 A 2 A^. Demuestre que nu T 5 {matrices simétricas de
n 3 n} e im T 5 {matrices antisimétricas de n 3 n}.
24. Defina T: C 1[0, 1] S C [0, 1] por Tf (x) 5 xf 9(x). Encuentre el núcleo y la imagen de T. Cálculo

*25. En el problema 7.1.52 se le pidió que demostrara que un conjunto de transformaciones li-
neales de un espacio vectorial V a un espacio vectorial W, denotadas por L(V, W), es un es-
pacio vectorial. Suponga que dim V 5 n , q y dim W 5 m , q. Encuentre dim L(V, W).
26. Sea H un subespacio de V donde dim H 5 k y dim V 5 n. Sea U el subconjunto de
L(V, V) que tiene la propiedad de que si T P U, entonces Th 5 0 para todo h P H.
a) Demuestre que U es un subespacio de L(V, V).
b) Encuentre dim U.
*27. Sean S y T en L(V, V) tales que ST es la transformación cero. Demuestre o contradiga que
TS es la transformación cero.

7.3 Representación matricial de

una transformación lineal
Si A es una matriz de m 3 n y T: Rn S Rm está definida por Tx 5 Ax, entonces, como se observó
en el ejemplo 7.1.7 de la página 483, T es una transformación lineal. Ahora se verá que para
toda transformación lineal de Rn en Rm existe una matriz A de m 3 n tal que Tx 5 Ax para todo
x P Rn. Este hecho es de gran utilidad. Como se dijo en la observación de la página 498, si
Tx 5 Ax, entonces nu T 5 NA e im T 5 RA. Más aún, n(T) 5 dim nu T 5 n (A) y r(T) 5 dim im
T 5 r(A). Así se puede determinar el núcleo, la imagen, la nulidad y el rango de una transformación
lineal de Rn S Rm determinando el espacio nulo y la imagen de la matriz correspondiente.
Adicionalmente, una vez que se sabe que Tx 5 Ax, se puede evaluar Tx para cualquier x en Rn
mediante una simple multiplicación de matrices.
Pero esto no es todo. Como se verá, cualquier transformación lineal entre espacios vecto-
riales de dimensión finita se puede representar mediante una matriz.

T Teorema 7.3.1
Sea T: Rn S Rm una transformación lineal. Existe entonces una matriz única de m 3 n,
AT tal que

Tx 5 ATx para toda x P Rn (7.3.1)

Demostración

Sea w1 5 Te1, w2 5 Te2, . . . , wn 5 Ten. Sea AT la matriz cuyas columnas son w1, w2, . . . ,
wn y hagamos que AT denote también a la transformación de Rn S Rm, que multiplica
un vector en Rn por AT. Si

© a1i ¹
ª º
a
wi 5 ª 2i º para i 5 1, 2, … , n
ª º
ª º
« ami »
502 CAPÍTULO 7 Transformaciones lineales

entonces i-ésima
posición
⎛ ⎞
⎜ ⎟
⎛ D D p DL p DQ ⎞ ⎜ ⎟ ⎛ DL ⎞
⎜ p D p ⎟⎜ o⎟ ⎜ ⎟
D D D Q ⎟ ⎜ ⎟ ⎜ D L ⎟
$7 H L 5 ⎜  L
⎜ ⎟ 5 5 ZL
⎜ o o o o ⎟⎜ ⎟ ⎜ o ⎟
⎜ ⎟  ⎜ ⎟
⎜⎝ D DP  p DPL p DPQ ⎟⎠ ⎜ ⎟ ⎜⎝ DPL ⎠⎟
⎜ o⎟
P

⎜⎝ ⎟⎠

De esta forma, AT ei 5 wi para i 5 1, 2, . . . , n. De acuerdo al teorema 7.2.2 de la página

494, T y la transformación AT son la misma porque coinciden en los vectores básicos.
Ahora se puede demostrar que AT es única. Suponga que Tx 5 AT x y que Tx 5 BT x
para todo x P Rn. Entonces AT x 5 BT x, o estableciendo CT 5 AT 2 BT , se tiene que
CT x 5 0 para todo x P Rn. En particular, CT ei 5 0 para i 5 1, 2, . . . , n. Pero como se
deduce de la demostración de la primera parte del teorema, CT ei es la columna i de CT .
Así, cada una de las n columnas de CT es el vector 0 de dimensión m, la matriz cero de
m 3 n. Esto muestra que AT 5 BT y el teorema queda demostrado.

N Nota Observación 1. En este teorema se supone que todo vector en Rn y Rm está expre-
sado en términos de los vectores de la base estándar en esos espacios. Si se eligen
La matriz de transformación AT está
otras bases para Rn y Rm, por supuesto que se obtendrá una matriz AT diferente.
definida usando las bases estándar
tanto en Rn como en Rm. Si se utilizan Para ilustrar este caso, vea el ejemplo 5.6.1 de la página 365 o más adelante, el
otras bases, se obtendrá una matriz de ejemplo 7.3.8.
transformación diferente. Vea el teore-
Observación 2. La demostración del teorema muestra que es sencillo obtener AT
ma 7.3.3 de la página 505.
como la matriz cuyas columnas son los vectores Tei .

D Definición 7.3.1
Matriz de transformación
La matriz AT en el teorema 7.3.1 se denomina matriz de transformación correspondiente
a T o representación matricial de T.

En la sección 7.2 se definieron la imagen, el rango, el núcleo y la nulidad de una transformación

lineal. En la sección 5.7 se definieron la imagen, el rango, el espacio nulo y la nulidad de una
matriz. La prueba del siguiente teorema es consecuencia del teorema 7.3.1 y se deja como ejer-
cicio (vea el problema 44 de esta sección).

T Teorema 7.3.2
Sea AT la matriz de transformación correspondiente a la transformación lineal T. En-
tonces
iii) im T 5 im A 5 CAT
iii) r(T) 5 r(AT)
iii) nu T 5 NA
T
iv) n(T) 5 n(AT)
 7.3 Representación matricial de una transformación lineal 503

EJEMPL O 7 .3 .1 Representación matricial de una transformación de proyección

Encuentre la matriz de transformación AT correspondiente a la proyección de un vector en R3

sobre el plano xy.

© x¹ © x¹ © 1¹ © 1¹ © 0¹ © 0¹ © 0¹ © 0¹
Solución ª º ª º
Aquí T y 5 y . En particular, T 0 5 0 , T 1 5 1 y T ª 0 º 5 ª 0 º .
ª º ª º ª º ª º
ª º ª º ª º ª º ª º ª º ª º ª º
ª« z º» ª« 0 º» « 0» « 0» « 0» « 0» « 1» « 1»
© 1 0 0¹ ©x¹ © 1 0 0¹ © x¹ © x¹
Así, AT 5 0 1 0 . Observe que AT ª y º 5 ª 0 1 0 º ª y º 5 ª y º .
ª º
ª º ª º ª ºª º ª º
« 0 0 0» ª« z º» « 0 0 0 » ª« z º» ª« 0 º»

EJEMPL O 7 .3 .2 Representación matricial de una transformación de R3 en R4

© x2y ¹
© x¹ ª º
ª º ª y1z º
Defina T : R en R por T y 5 ª
3 4
º
ª º 2 x 2 y 2 z
ª« z º» ª º
ª« 2x 1 y 1 2 z º»
Encuentre AT , nu T, im T, n(T ) y r(T ).

© 1¹ © 21¹ © 0¹
© 1¹ ª º © 0¹ ª º © 0¹ ª º
0 1 1
Solución T ª 0º 5 ª º , T ª 1º 5 ª º , y T ª 0º 5 ª º .
ª º ª 2º ª º ª 21º ª º ª 21º
« 0» ª º « 0» ª º « 1» ª º
ª« 21º» « 1» ª« 2 º»

© 1 21 0¹
ª º
ª 0 1 1º
Así, AT 5 ª
2 21 21º
ª º
ª« 21 1 2 º»
© 1 21 0¹ © x2y ¹
ª º © x¹ ª º
ª 0 1 1º ª º ª y1z º
Observe (a manera de verificación) que ª y 5
2 21 21º ªª ºº ª 2 x 2 y 2 z º
ª º « z» ª º
ª« 21 1 2 º» ª« 2x 1 y 1 2 z º»
Ahora se calculan el núcleo y la imagen de A. La forma escalonada por renglones de
© 1 21 0¹ © 1 21 0¹
ª º ª0 1 1º
ª 0 1 1º
es ª º . Esta forma tiene tres pivotes, de manera que
ª 2 21 21º ª0 0 1º
ª º ª º
ª« 21 1 2 º» ª« 0 0 0 º»
ya que r(A ) 1 n(A ) 5 3

r(A ) 5 3 y n(A ) 5 3 2 3 5 0

¯© 1 ¹ © 21¹ © 0 ¹ ¿
²ª º ª º ª º ²
² 0 1 1 ²
Esto significa que nu T 5 {0}, im T 5 gen °ª º , ª º , ª º À , n(T ) 5 0 y r(T ) 5 3.
ª 2 º ª 21º ª 21º
²ª º ª º²
²ª« 21º» ª« 1º» ª« 2 º» ²
± Á
 7.3 Representación matricial de una transformación lineal 505

T Teorema 7.3.3
Sean V un espacio vectorial de dimensión n, W un espacio vectorial de dimensión m y T:
V S W una transformación lineal. Sea B1 5 {v1, v2, . . . , vn} una base para V y sea B2 5
{w1, w2, . . . , wn} una base para W. Entonces existe una matriz única AT de m 3 n tal que

(Tx)B 2 5 AT (x)B1 (7.3.2)

Observación 1. La notación (7.3.2) es la notación de la sección 5.6 (vea la página 362).

© c1 ¹ © c1 ¹
ª º ª º
c c
Si x P V 5 c1v1 1 c2v2 1 . . . 1 cnvn, entonces (x)B1 5 ª 2 º . Si c 5 ª 2 º , entonces AT c es un
ª º ª º
ª º ª º
« cn » « cn »
© d1 ¹
ª º
d
vector de dimensión m que se denotará por d 5 ª 2 º . La ecuación (7.3.2) dice que
ª º
© d1 ¹ ª º
ª º ª« d m º»
ª d2 º
(T x)B 5 , es decir,
2
ª º
ª º
ª« d m º»
Tx 5 d1w1 1 d2w2 1 . . . 1 dmwm.
Observación 2. Como en el teorema 7.3.1, la unicidad de AT es relativa a las bases B1 y
B2. Si se cambian las bases, AT cambia (vea los ejemplos 7.3.8 y 7.3.9, y el teorema 7.3.5).
Si se usan las bases estándar, entonces esta AT es la AT de la definición 7.3.1.
Demostración
Sean T v1 5 y1, T v2 5 y2, T vn 5 yn. Como y1 P W, se tiene que para i 5 1, 2, . . . , n
y1 5 a1iw1 1 a2iw2 1 . . . 1 amiwm,
Para algún conjunto (único) de escalares a1i, a2i, . . . , ami y se escribe

© a11 ¹ © a12 ¹ © a1n ¹

ª º ª º ª º
a a a
( y1 ) B 5 ª 21 º , ( y2 ) B 5 ª 22 º , . . . , ( y n ) B 5 ª 2 n º
2
ª º 2
ª º 2
ª º
ª º ª º ª º
a
« m1 » a
« m2 » « amn »
Esto significa, por ejemplo, que y1 5 a11w1 1 a21w2 1 . . . 1 am1wm. Ahora se define

© a11 a12 a1n ¹

ª º
a a22 a2 n º
AT 5 ª 21
ª º
ª º
« am1 am 2 amn »
Como
© 0¹
© 1¹ ª 1º © 0¹
ª 0º ª º ª 0º
( v1 ) B 5 ª º , ( v 2 )B 5 ª 0 º , . . . , ( v n ) B 5 ª º
ª º ª º
1 1 1

ª º
ª« 0 º» ª 0º ª« 1 º»
« »
506 CAPÍTULO 7 Transformaciones lineales

se tiene, como en la prueba del teorema 7.3.1, i-ésima

posición

© a11 a12 a1n ¹ © 0¹

ª º ª 0º
ª a21 a22 a2 n º ª º © a1i ¹
ª º ª º ªa º
AT ( v1 ) B 5 ª º ª 1 º 5 ª 2i º 5 ( yi ) B
1

ª ai1 ai 2 ain º ª 0º ª º 2

ª º ª º ªa º
ª º ª º « mi »
« am1 am 2 amn » ª« 0 º»

Si x está en V, entonces
© c1 ¹
ª º
c
( x )B 5 ª 2 º
1
ª º
ª º
« cn »
y

© a11 a12 a1n ¹ © c1 ¹ © a11c1 1 a12 c2 1 1 a1n cn ¹

ª º ª º ªa c 1 a c 1 º
1 a2 n c n º
ª a21 a22 a2 n º ª c2 º 5 ª 21 1 22 2
AT ( x ) B 5
1
ª º ª º ª º
ª º ª º ª º
« am1 am 2 amn » « c n » ª« am1c1 1 am 2 c2 1 1 amn cn º»

© a11 ¹ © a12 ¹ © a1n ¹

ª º ª º ª º
ª a21 º ª a22 º ª a2 n º
5 c1 5 c2 1 1 cn
ª º ª º ª º
ª º ª º ª º
« a m1 » « am2 » « amn »
5 c1 ( y1 )B 1 c2 ( y 2 )B 1
2 2
1 cn ( y n )B 2

De manera similar, T x 5 T (c1v1 1 c2v2 1 . . . 1 cnvn) 5 c1T v1 1 c2T v2 1 . . . 1 cnT vn 5

c1y1 1 c2y2 1 . . . 1 cnvyn, de manera que T (x)B2 5 (c1y1 1 c2y2 1 . . . 1 cnvyn)B2 5 c1(y)B2
1 c2(y2)B2 1 . . . 1 cn(yn)B2 5 AT (x)B1. Así, T (x)B2 5 AT (x)B1. La prueba de la unicidad es
exactamente igual que la prueba de unicidad en el teorema 7.3.1.

El siguiente resultado es consecuencia del teorema 5.7.7 de la página 391, y generaliza el teore-
ma 7.3.2. Su demostración se deja como ejercicio (vea el problema 45 de esta sección).

T Teorema 7.3.4
Sean V y W espacios vectoriales de dimensión finita con dim V 5 n. Sea T: V S W una
transformación lineal y sea AT una representación matricial de T respecto a las bases B1
en V y B2 en W. Entonces
i) r(T) 5 r(AT) ii) n(A) 5 n(AT) iii) n(A) 1 r(T) 5 n

Nota. i) y ii) implican que r(AT ) y n(AT ) son independientes de las bases B1 y B2.
 7.3 Representación matricial de una transformación lineal 507

EJEMPLO 7 .3 .6 Representación matricial de una transformación

de P2 en P3

Defina T : P2 S P3 por (T p)(x) 5 xp (x). Encuentre AT y úsela para determinar el núcleo y la

imagen de T.

Solución Utilizando las bases estándar B1 5 {1, x, x2} en P2 y B2 5 {1, x, x2, x3} en
© 0¹ ⎛ 0⎞ ⎛ 0⎞
ª 1º ⎜ 0⎟ ⎜ 0⎟
P3, se tiene (T (1)) B 5 ( x ) B 5 ª º , (T ( x )) B 5 ( x 2 ) B 5 ⎜ ⎟ y (T ( x 2 )) B 5 ( x 3 ) B 5 ⎜ ⎟ .
ª 0º ⎜ 1⎟ ⎜ 0⎟
2 2 2 2 2 2

© 0 0 0¹ ª« 0 º» ⎜⎝ 0 ⎟⎠ ⎜⎝ 1 ⎟⎠
ª 1 0 0º
Así, AT 5 ª º.
ª 0 1 0º
ª« 0 0 1 º»
¯© 0 ¹ © 0 ¹ © 0 ¹ ¿
²ª º ª º ª º ²
² 1 0 0 ²
Es evidente que r(A) 5 3 y que una base para RA es °ª º , ª º , ª º À . Por lo tanto, im T 5
²ª 0 º ª 1 º ª 0 º ²
²±ª« 0 º» ª« 0 º» ª« 1 º» ²Á
gen {x, x2, x3}. Como n(A) 5 3 2 r(A) 5 0, se ve que nu T 5 {0}.

EJEMPLO 7 .3 .7 Representación matricial de una transformación

de P3 en P2

Defina T: P3 S P2 por T (a0 1 a1x 1 a2x2 1 a3x3) 5 a1 1 a2x2. Calcule AT y utilícela para en-
contrar el núcleo y la imagen de T.

Solución Utilizando las bases estándar B1 5 {1, x, x2, x3} en P3 y B2 5 {1, x, x2} en P3,
© 0¹ © 1¹ © 0¹ © 0¹
ª º
de inmediato se ve que (T (1)) B 5 0 , (T ( x ))B 5 0 , (T ( x )) B 5 0 y (T ( x )) B 5 ª 0 º ,
ª º 2 ª º 3
ª º
2
ª º 2
ª º 2
ª º 2

« 0» « 0» « 1» « 0»

© 0 1 0 0¹ ¯© 1 ¹ © 0¹ ¿
²ª º ª 0 º ² , de
por lo que AT 5 ª 0 0 0 0 º . Es obvio que r(A) 5 2 y una base para RA es °ª 0 º ,
ª º ª ºÀ
« 0 0 1 0» ²« 0 » « 1 » ²Á
±
© a0 ¹
ª º © 0¹
a1
manera que im T 5 gen {1, x }. Entonces, n(A) 5 4 22 5 2, y si AT ª º 5 ª 0 º , entonces
2
ª a2 º ª º
a1 5 0 y a2 5 0. ª º « 0»
ª« a3 º»
¯© 1 ¹ © 0 ¹ ¿
²ª º ª º ²
² 0 0 ²
Por lo tanto, a0 y a3 son arbitrarios y °ª º , ª º À es una base para NA, de manera que {1, x3} es
una base para nu T. ²ª º ª 0 º ²
0
ª º ª º
±²« 0 » « 1 » Á²
En todos los ejemplos de esta sección se ha obtenido la matriz AT utilizando la base están-
dar en cada espacio vectorial. Sin embargo, el teorema 7.3.3 se cumple para cualesquiera bases
en V y W. El siguiente ejemplo ilustra esto.
510 CAPÍTULO 7 Transformaciones lineales

T Teorema 7.3.5

Sea T: Rn S Rm una transformación lineal. Suponga que C es la matriz de transfor-

mación de T respecto a las bases estándar Sn y Sm en Rn y Rm, respectivamente. Sea A1
la matriz de transición de B1 a la base Sn en Rn y sea A2 la matriz de transición de B2
a la base Sm en Rm. Si AT denota la matriz de transformación de T respecto a las bases
B1 y B2, entonces

AT 5 A221CA1 (7.3.3)

En el ejemplo 7.3.9 se observa que la transformación lineal T respecto a la nueva base, la

matriz de transformación AT , resulta ser una matriz diagonal. Se regresará a este procedimiento
de “diagonalización” en la sección 8.3. Se observará que dada una transformación de Rn en Rn,
con frecuencia es posible encontrar una base B tal que la matriz de transformación de T respecto
a B es diagonal.

Geometría de las transformaciones lineales de R2 en R2

Sea T : R2 S R2 una transformación lineal con representación matricial AT . Ahora se demostra-
rá que si AT es invertible, entonces T se puede escribir como una sucesión de una o más trans-
formaciones especiales, denominadas expansiones, compresiones, reflexiones y cortes.

Expansiones a lo largo de los ejes x o y

Expansión a lo Una expansión a lo largo del eje x es una transformación lineal que multiplica a la coordenada
largo del eje x © x ¹ © cx ¹
x de un vector en R2 por una constante c . 1. Esto es T ª º 5 ª º .
« y» « y »
© 1¹ © c ¹ © 0¹ © 0¹ © c 0¹
Entonces T ª º 5 ª º y T ª º 5 ª º , de manera que si AT 5 ª , se tiene
« » « »
0 0 « » « »
1 1 « 0 1 º»

© x¹ © x ¹ © c 0 ¹ © x ¹ © cx ¹
T ª º 5 AT ª º 5 ª º ª º 5ª º .
y
« » « y» « 0 1» « y» « y »
En la figura 7.6 se ilustran dos expansiones.
y y y

(0, 8) (3, 8)

(0, 2) (3, 2) (0, 2) (6, 2)

x x x
0 (3, 0) 0 (6, 0) 0 (3, 0)
a) b) c)
Figura 7.6
Dos expansiones: a) Se comienza con este rectángulo. b) Expansión en la dirección de x con c 5 2.
c) Expansión en la dirección de y con c 5 4.
 7.3 Representación matricial de una transformación lineal 511

De manera similar, una expansión a lo largo del eje y es una transformación lineal que multi- Expansión a lo
largo del eje y
© x ¹ © cx ¹
plica la coordenada y de todo vector en R2 por una constante c . 1. Como antes, si T ª º 5 ª º ,
« y» « y »
© 1 0¹ © 1 0¹ © x¹ © x ¹
entonces la representación matricial de T es AT 5 ª , de manera que ª« 0 c º» ª y º 5 ª cy º .
« 0 c º» « » « »
Compresión a lo largo de los ejes x o y

Una compresión a lo largo de los ejes x o y es una transformación lineal que multiplica a la coor- Compresión
denada x o y de un vector en R2 por una constante positiva c , 1. La representación matricial
de una compresión es la misma que para una expansión, excepto para la compresión 0 , c , 1,
mientras que para la expansión c , 1. En la figura 7.7 se ilustran dos compresiones.
y y y

(0, 3) (4, 3) (0, 3) ( 4 , 3)

3
3 3
(0, ) (4, )
2 2

x x
0 0 4 0
(4, 0) ( , 0) (4, 0)
3

a) b) c)
Figura 7.7
1
Dos compresiones: a) Se comienza con este rectángulo. b) Compresión a lo largo del eje x con c 5 .
1 3
c ) Compresión a lo largo del eje x con c 5 .
2

Reflexiones

Existen tres tipos de reflexiones que serán de interés. En el ejemplo 7.1.1 de la página 480 se vio
que la transformación
© x¹ © x¹
T ª º 5ª º
« y » « 2y »
refleja al vector en R2 respecto al eje x (vea la figura 7.1). En el ejemplo 7.1.6 de la página 483,
se vio que la transformación
© x ¹ © 2x ¹
T ª º 5ª º
« y» « y»
refleja al vector en R2 respecto al eje y (vea la figura 7.2). Ahora

©1 0 ¹ © x ¹ © x ¹ © 21 0 ¹ © x ¹ © 2x ¹
ª º ª º 5ª º yª º ª º 5ª º
« 0 21» « y » « 2y » « 0 1 » « y » « y »

©1 0¹ © 21 0 ¹
de manera que ª º es la representación matricial de la reflexión respecto al eje x y ª º Reflexión
« 0 21» « 0 1» respecto al eje x
© x¹ © y¹ Reflexión
es la representación matricial de la reflexión respecto al eje y. Por último, el mapeo T ª º 5 ª º
« y» « x» respecto al eje y

que intercambia x y y tiene el efecto de reflejar un vector en R2 respecto a la recta x 5 y (vea la Reflexión respecto
figura 7.8). a la recta x 5 y
512 CAPÍTULO 7 Transformaciones lineales

y5x

y
y5x
(2, 5) (24, 1)
x
0
Figura 7.8
Reflexión de un vector en R2 respecto (5, 2)
a la recta x 5 y : a) (2, 5) se obtiene (1, 24)
reflejando (5, 2) respecto a la recta
0 x
y 5 x. b) (1, 24) se obtiene reflejan-
do (24, 1) respecto a la recta y 5 x. a) b)

© x¹ © y¹ © 1¹ © 0¹ © 0¹ © 1¹
Si T ª º 5 ª º , entonces T ª º 5 ª º y T ª º 5 ª º , de manera que la representación matricial
y
« » « x» « » « »
0 1 « 1» « 0»
© 0 1¹
de la transformación lineal que refleja a un vector en R2 respecto a la recta x 5 y es A 5 ª .
« 1 0 º»
Cortes
© x¹
Corte a lo largo Un corte a lo largo del eje x es donde una transformación que toma al vector ª º y lo convierte
del eje x © x 1 cy ¹ « y»
en un nuevo vector ª º , donde c es una constante diferente de cero. En la figura 7.9 se ilus-
« y »
© 1¹ © 1¹
tran dos cortes a lo largo del eje x. Sea T un corte a lo largo del eje x. Entonces T ª º 5 ª º y
« 0» « 0»
© 0¹ © c ¹ © 1 c¹
T ª º 5 ª º , de manera que la representación matricial de T es AT ª . Por ejemplo, en la
« 1 » « 1» « 0 1º»
© 1 2¹
figura 7.9b), c 5 2, así AT 5 ª ,y
« 0 1 º»

© 3¹ © 3¹ © 3¹ © 7 ¹ © 0 ¹ © 4¹
AT ª º 5 ª º , AT ª º 5 ª º , AT ª º 5 ª º .
« » « »
0 0 « » « »
2 2 « 2» « 2»

© 1 22 ¹
En la figura 7.9c), c 5 22. Así, AT 5 ª
1 º»
,
«0

© 3¹ © 3¹ © 3 ¹ © 21¹ © 0 ¹ © 24 ¹
AT ª º 5 ª º , AT ª º 5 ª º , AT ª« 2 º» 5 ª 2 º .
« 0» « 0» « 2» « 2» « »

Observe que un corte a lo largo del eje x deja sin cambio a los vectores sobre el eje x (coorde-
nada y 5 0).
y y y

(0, 2) (4, 2) (21, 2)

(3, 2) (7, 2)
(24, 2)
x x x
0 (3, 0) 0 (3, 0) 0 (3, 0)
a) b) c)
Figura 7.9
Dos cortes a lo largo del eje x: a) Comenzamos con este rectángulo. b) Corte a lo largo del eje x con c 5 2.
c ) Corte a lo largo del eje x con c 5 22.
 7.3 Representación matricial de una transformación lineal 513

y y

(1, 7) (0, 4)

(0, 4) (0, 4) (1, 1)

(1, 4)
(1, 3) x
0

x x (1, 23)
0 (1, 0) 0

a) b) c)
Figura 7.10
Dos cortes a lo largo del eje y : a) Se comienza con este rectángulo. b) Corte a lo largo del eje y con c 5 3.
c ) Corte a lo largo del eje y con c 5 23.

© x¹
Un corte a lo largo del eje y es donde una transformación que toma el vector ª º y lo convierte
« y»
© x ¹
en un nuevo vector ª º , donde c es una constante diferente de cero. En la figura 7.10 se
« y 1 cx »
© 1 ¹ © 1¹
ilustran dos cortes a lo largo del eje y. Sea T un corte a lo largo del eje y. Entonces T ª º 5 ª º
« 0» « c »
© 0¹ © 0¹ © 1 0¹
y T ª º 5 ª º , de manera que la representación matricial de T es AT ª . Por ejemplo, en
« 1» « 1» « c 1 º»
© 1 0¹
la figura 7.10b), c 5 3. Así, AT 5 ª ,y
« 3 1 º»
© 1 ¹ © 1¹ © 1¹ © 1¹ © 0¹ © 0¹
AT ª º 5 ª º , AT ª º 5 ª º , AT ª º 5 ª º
« 0 » « 3» « 4» « 7 » « 4» « 4»

© 1 0¹
En la figura 7.10c), c 5 23. Así, AT 5 ª º
« 23 1 »

© 1 ¹ © 1¹ © 1 ¹ © 1¹ © 0¹ © 0¹
AT ª º 5 ª º , AT ª º 5 ª º , AT ª« 4 º» 5 ª« 4 º»
« 0 » « 23» « 4 » « 1»

Observe que un corte a lo largo del eje y deja sin cambio a los vectores sobre el eje y (coorde-
nada x 5 0).
En la tabla 7.1 se resumen estos tipos de transformaciones lineales.

Tabla 7.1 Transformaciones lineales especiales de R2 en R2

Transformación Representación matricial de la transformación AT

© F ¹
 F . 
«ª   º»
Expansión a lo largo del eje x

©  ¹
Expansión a lo largo del eje y ª«  F º»  F . 

© F ¹
Compresión a lo largo del eje x ª«   º»   , F , 

©  ¹
Compresión a lo largo del eje y ª«  F º»   , F , 

(continúa)
514 CAPÍTULO 7 Transformaciones lineales

Tabla 7.1 Transformaciones lineales especiales de R2 en R2 (continuación)

Transformación Representación matricial de la transformación AT

©  ¹
Reflexión respecto a la recta y 5 x ª«   º»

© ¹
Reflexión respecto al eje x ª«  2 º»

© 2  ¹
Reflexión respecto al eje y ª«   º»

©  F¹
Corte a lo largo del eje x ª«  º»

©  ¹
Corte a lo largo del eje y ª« F  º»

En la sección 2.6 se estudiaron las matrices elementales. La multiplicación por la izquierda

de una matriz elemental por alguna matriz tiene el efecto de realizar una operación elemental
por renglones en esa matriz. La tabla 7.2 enumera las matrices elementales en R2.

Tabla 7.2 Matrices elementales en R2

Operación elemental Matriz

con renglones elemental Ilustración

© F ¹ © F  ¹ © [ \ ¹ © F[ F\ ¹
R1 : cR1 ª«   º» ª«   º» ª« ] Z º» 5 ª« ] Z º»

©  ¹ ©  ¹ © [ \ ¹ © [ \ ¹
R2 : cR2 ª«  F º» ª«  F º» ª« ] Z º» 5 ª« F] FZ º»

©  F¹ ©  F ¹ © [ \ ¹ © [ 1 F] \ 1 FZ ¹
R1 : R1 1 cR2 ª«  º» ª«  º» ª« ] Z º» 5 ª« ] Z º»

©  ¹ ©  ¹ © [ \ ¹ © [ \ ¹
R2 : R2 1 cR1 5
«ª F  »º «ª F  »º ª« ] Z »º «ª ] 1 F[ Z 1 F\ º»

©  ¹ ©  ¹ © [ \ ¹ © ] Z¹
R1 N R2 ª«   º» ª«   º» ª« ] Z º» 5 ª« [ \ º»

T Teorema 7.3.6
Toda matriz elemental E de 2 3 2 es uno de los siguientes:
iii) La representación matricial de una expansión a lo largo del eje x o y
iii) La representación matricial de una compresión a lo largo del eje x o y
iii) La representación matricial de una reflexión respecto a la recta y 5 x
iv) La representación matricial de un corte a lo largo del eje x o y
iv) La representación matricial de una reflexión respecto del eje x o y
vi) El producto de la representación matricial de una reflexión respecto al eje x o y y la
representación matricial de una expansión o compresión.