CAPÍTULO

10
TRANSFORMACIONES
LINEALES Y MATRICES

En la sección 4.3 presentamos la definición, las propiedades básicas y algunos ejemplos

de transformaciones lineales de Rn en Rm. En este capítulo estudiaremos las transforma-
ciones lineales de un espacio vectorial V en un espacio vectorial W.

10.1 DEFINICIONES Y EJEMPLOS

DEFINICIÓN Sean V y W espacios vectoriales. Una transformación lineal L de V en W es una fun-
ción que asigna a cada vector u en V un único vector L(u) en W tal que:
(a) L(u + v) = L(u)+ L(v) cualesquiera sean u y v en V.
(b) L(ku) = kL(u), para cada u en V y cada escalar k.

Observe que, en (a) de la definición anterior, el signo + en u + v del lado izquier-

do de la ecuación se refiere a la operación de suma en V, mientras que el signo + en
L(u) + L(v) del lado derecho de la ecuación se refiere a la operación de suma en W. De
manera análoga, en (b) el producto escalar ku está en V, mientras que el producto esca-
lar kL(u) está en W.
Como en la sección 4.3, indicaremos que L transforma V en W (aunque no sea una
transformación lineal), así
L : V → W.
Puede suceder que V y W sean iguales. En este caso la transformación lineal L : V → V
también se denomina operador lineal sobre V.
En las secciones 4.3 y 2.3 dimos varios ejemplos de transformaciones lineales que
transforman Rn en Rm . Por ejemplo, las siguientes son trasformaciones lineales que ya
consideramos:
Proyección: L : R3 → R2, definida como L(x, y, z) = (x, y).
Dilatación: L : R3 → R3, definida como L(u)= ru, r > 1.
Contracción: L : R3 → R3, definida como L(u) = ru, 0 < r < 1.
Reflexión: L : R2 → R2, definida como L(x, y) = (x, −y).
cos φ −senφ
Rotación: L : R2 → R2, definida como L(u) = u.
senφ cos φ

502
 Sec. 10.1 Definiciones y ejemplos 503

1 k
Inclinación (corte) L : R2 → R2, definida como L(u) = u , donde k es
0 1
en dirección x: un escalar.

Inclinación (corte) L : R2 → R2, definida como L(u) = 1 0 u , donde k es

k 1
en dirección y: un escalar.

Recuerde que P1 es el espacio vectorial de todos los polinomios de grado ≤ 1; en

general, Pn es el espacio vectorial de todos los polinomios de grado ≤ n, y Mnn es el espa-
cio vectorial de todas las matrices de n × n.
Como en la sección 4.3, para verificar que una función dada es una transformación li-
neal, debemos comprobar que se cumplan las condiciones (a) y (b) de la definición anterior.

EJEMPLO 1 Sea L : P1 → P2 definida como

L(at + b) = t (at + b).
Demostraremos que L es una transformación lineal.

Solución Sean at + b y ct + d vectores en P1, y sea k un escalar. Entonces,

L[(at + b) + (ct + d)] = t[(at + b) + (ct + d)]

= t (at + b) + t (ct + d) = L(at + b) + L(ct + d)
y
L[k(at + b)] = t[k(at + b)] = k[t(at + b)]=kL(at + b).
Por lo tanto, L es una transformación lineal. ■

EJEMPLO 2 Sea L : P1 → P2 definida como

L[p(t)] = tp(t) + t2.
¿L es una transformación lineal?

Solución Sean p(t) y q(t) vectores en P1, y sea k un escalar. Entonces,

L[p(t) + q(t)] = t[p(t) + q(t)] + t2 = tp(t) + tq(t) + t2,
y
L[p(t)] + L[q(t)] = [tp(t) + t2] + [tq(t) + t2] = t[p(t) + q(t)] + 2t2.
Como L[p(t) + q(t)]  L[p(t)] + L[q(t)], concluimos que L no es una trasformación
lineal. ■

EJEMPLO 3 Sea L : Mmn → Mnm definida como

L(A) = AT
para A en Mmn. ¿Es L una transformación lineal?

Solución Sean A y B matrices en Mmn. Entonces, de acuerdo con el teorema 1.4 de la sección 1.4,
tenemos que
L(A + B) = (A + B)T = AT + BT = L(A) + L(B),
y, si k es un escalar,
L(kA) = (kA)T = kAT = kL(A).
Por lo tanto, L es una transformación lineal. ■
504 Capítulo 10 Transformaciones lineales y matrices

EJEMPLO 4 (Requiere conocimientos de cálculo) Sea W el espacio vectorial de todas las funcio-
nes con valores reales, y sea V el subespacio de todas las funciones diferenciables. Sea
L : V → W definida como
L( f ) = f ,
donde f  es la derivada de f. Las propiedades de la derivada, permiten demostrar (ejer-
cicio 13) que L es una transformación lineal. ■

EJEMPLO 5 (Requiere conocimientos de cálculo) Sea V = C[0, 1] el espacio vectorial de todas

las funciones continuas con valores reales, definidas en [0, 1]. Sea W = R1. Definimos
L : V → W como
1
L( f ) = f (x) d x.
0

Las propiedades de la integral permiten demostrar (ejercicio 14) que L es una transfor-
mación lineal. ■

EJEMPLO 6 Sea V un espacio vectorial de dimensión n, y sea S = {v1, v2, · · · , vn} una base para V.
Si v es un vector en V, entonces
v = c1v1 + c2v2 + · · · + cnvn,
donde c1, c2, . . . , cn son las coordenadas de v respecto a S (vea la sección 6.7). Defi-
nimos L : V → Rn como
L(v) = [v]S.
Es fácil demostrar (ejercicio 15) que L es una transformación lineal. ■

EJEMPLO 7 Sea A una matriz de m × n. En la sección 4.3 observamos que si L : Rn → Rm se defi-

ne como
L(x) = Ax
para x en Rn, entonces L es una transformación lineal (vea el ejercicio 16). En el ejem-
plo 3 y en el ejercicio 12 de la sección 4.3 aparecen algunos casos específicos de esta
clase de transformación lineal. ■

Los dos teoremas siguientes proporcionan algunas propiedades básicas de las trans-
formaciones lineales.

TEOREMA 10.1 Si L : V → W es una transformación lineal, entonces

L(c1v1 + c2v2 + · · · + ckvk) = c1L(v1) + c2L(v2)+ · · · + ckL(vk)
para cualesquiera vectores v1, v2, . . . , vk en V, y cualesquiera escalares c1, c2, . . . , ck.

Demostración Ejercicio T.1. ■

TEOREMA 10.2 Sea L : V → W una transformación lineal. Entonces

(a) L(0V) = 0W, donde 0V y 0W son los vectores cero en V y W, respectivamente.
(b) L(u − v) = L(u) − L(v).
 Sec. 10.1 Definiciones y ejemplos 505

Demostración (a) Tenemos

0V = 0V + 0V.
Entonces,
L(0V) = L(0V + 0V) = L(0V) + L(0V). (1)
Al sumar −L(0V) a ambos lados de la ecuación (1), obtenemos

L(0V) = 0W.

(b) Ejercicio T.2. ■

La demostración del corolario siguiente es semejante a la de su análogo, el corola-

rio 4.1 de la sección 4.3.

COROLARIO 10.1 Sea T : V → W una función. Si T(0V)  0W, entonces T no es una transformación lineal.

Demostración Ejercicio T.3. ■

Observaciones 1. Podríamos haber resuelto de manera más sencilla el ejemplo 2, por medio del coro-
lario 10.1. El razonamiento sería el siguiente: como T(0) = t(0) + t2 = t2, entonces
T no es una transformación lineal.
2. Sea T : V → W una función. Observe que T(0V) = 0W no implica que T sea una trans-
formación lineal. Por ejemplo, considere T : R2 → R2 definida por

a a2
T = .
b b2

Entonces,
0 0
T = ,
0 0

pero T no es una transformación lineal (verifique).

Una función f que transforma un conjunto V en un conjunto W puede especificar-
se mediante una fórmula que asigna a cada elemento de V un único elemento de W. Por
otro lado, también podemos especificar una función indicando junto a cada elemento de
V el elemento que se le asigna en W. Un ejemplo es una lista de los nombres de todos
los clientes con cuenta de crédito en una tienda de departamentos, junto con el número
de la cuenta. A primera vista, parece imposible describir de esta forma una transforma-
ción lineal L : V → W de un espacio vectorial V  {0} en un espacio vectorial W, pues
V tiene una infinidad de elementos. Sin embargo, el siguiente teorema, muy utilizado,
nos dice que una vez conocido el efecto de L sobre una base de V, L queda completa-
mente determinada. En consecuencia, si V es un espacio vectorial de dimensión finita es
posible describir L con sólo conocer las imágenes de un número finito de vectores de V.

TEOREMA 10.3 Sea L : V → W una transformación lineal de un espacio vectorial V de dimensión n en

un espacio vectorial W. Además, sea S = {v1, v2, . . . , vn} una base de V. Si u es cual-
quier vector en V, entonces L(u) queda completamente determinada por {L(v1), L(v2),
. . . , L(vn)}.

Demostración Como u está en V, podemos escribir

u = c1v1 + c2v2 + · · · + cnvn, (2)

506 Capítulo 10 Transformaciones lineales y matrices

donde c1, c2, . . . , cn son escalares determinados de manera única. Entonces,

L(u) = L(c1v1 + c2v2 + · · · + cnvn) = c1L(v1) + c2L(v2) + · · · + cnL(vn),
de acuerdo con el teorema 10.1. En consecuencia, L(u) queda completamente determi-
nada por los elementos L(v1), L(v2), . . . , L(vn). ■

En la demostración del teorema 10.3, los escalares ci, i = 1, 2, . . . , n que satisfa-

cen la ecuación (2) dependen de los vectores de la base S. Por lo tanto, si modificamos
la base S, podrían cambiar algunos de los ci.

EJEMPLO 8 Sea L : P1 → P2 una transformación lineal para la cual sabemos que

L(t + 1) = t2 − 1 y L(t − 1) = t2 + t.
(a) ¿A qué es igual L(7t + 3)?
(b) ¿A qué es igual L(at + b)?

Solución (a) Primero observamos que {t + 1, t − 1} es una base para P1 (verifique). A conti-
nuación, vemos que (verifique)
7t + 3 = 5(t + 1) + 2(t − 1).
Entonces,

L(7t + 3) = L(5(t + 1) + 2(t − 1))

= 5L(t + 1) + 2L(t − 1)

= 5(t 2 − 1) + 2(t 2 + t) = 7t 2 + 2t − 5.

(b) Al escribir at + b como combinación lineal de los vectores de la base dada, obte-
nemos (verifique)

a+b a−b
at + b = (t + 1) + (t − 1).
2 2

Entonces,

a+b a−b
L(at + b) = L (t + 1) + (t − 1)
2 2

a+b a−b
= L(t + 1) + L(t − 1)
2 2

a+b a−b
= (t 2 − 1) + (t 2 + t)
2 2

a−b a+b
= at 2 + t− .
2 2 ■

Términos clave
Transformación lineal
Operador lineal
 Sec. 10.1 Definiciones y ejemplos 507

10.1 Ejercicios
1. ¿Cuáles de las siguientes son transformaciones lineales? 9. Sea L : M22 → R1 definida como
(a) L(x, y) = (x + y, x − y) a b
⎛⎡ ⎤⎞ L = a + d.
x c d
x +1
(b) L ⎝⎣ y ⎦⎠ =
y−z ¿L es una transformación lineal?
z
⎛⎡ ⎤⎞ ⎡ ⎤ 10. Sea L : M22 → R1 definida como
x x
1 2 3 ⎣ ⎦
(c) L ⎝⎣ y ⎦⎠ = y
−1 2 4 a b
z z L = a + b − c − d + 1.
c d
2. ¿Cuáles de las siguientes son transformaciones lineales?
(a) L(x, y, z) = (0, 0) ¿L es una transformación lineal?
(b) L(x, y, z) = (1, 2, −1) 11. Considere la función L : M34 → M24, definida como

(c) L(x, y, z) = (x 2 + y, y − z) 2 3 1
L(A) = A
3. Sea L : P1 → P2 definida como se indica. ¿L es una 1 2 −3
transformación lineal? Justifique su respuesta.
para cada A en M34.
(a) L[ p(t)] = t p(t) + p(0) ⎛⎡ ⎤⎞
1 2 0 −1
(b) L[ p(t)] = t p(t) + t 2 + 1 (a) Determine L ⎝⎣3 0 2 3⎦⎠.
(c) L(at + b) = at 2 + (a − b)t 4 1 −2 1
4. Sea L : P2 → P1 definida como se indica. ¿L es una (b) Demuestre que L es una transformación lineal.
transformación lineal? Justifique su respuesta. 12. Sea L : Mnn → R1 definida por L(A) = a11a22 · · · ann, para
una matriz A = [aij] de n × n. ¿L es una transformación
(a) L(at 2 + bt + c) = at + b + 1
lineal?
(b) L(at 2 + bt + c) = 2at − b
13. (Requiere conocimientos de cálculo) Verifique que la
(c) L(at 2 + bt + c) = (a + 2)t + (b − a) función del ejemplo 4 es una transformación lineal.
5. Sea L : P2 → P2 definida como se indica. ¿L es una 14. (Requiere conocimientos de cálculo) Verifique que la
transformación lineal? Justifique su respuesta. función del ejemplo 5 es una transformación lineal.
(a) L(at 2 + bt + c) = (a + 1)t 2 + (b − c)t + (a + c) 15. Verifique que la función del ejemplo 6 es una transformación
lineal.
(b) L(at 2 + bt + c) = at 2 + (b − c)t + (a − b)
16. Verifique que la función del ejemplo 7 es una transformación
(c) L(at 2 + bt + c) = 0 lineal.
6. Sea C una matriz fija de n × n, y sea L : Mnn → Mnn 17. Sea L : R2 → R2 una transformación lineal para la cual
definida como L(A) = CA. Demuestre que L es una sabemos que L(1, 1) = (1, −2), L(−1, 1) = (2, 3).
transformación lineal. (a) ¿A qué es igual L(−1, 5)?
7. Sea L : M22 → M22 definida como (b) ¿A qué es igual L(a1, a2)?
a b b c−d 18. Sea L : P2 → P3 una transformación lineal para la cual
L = .
c d c+d 2a sabemos que L(1)= 1, L(t) = t2 y L(t2) = t3 + t.
(a) Determine L(2t2 − 5t + 3).
¿L es una transformación lineal?
(b) Determine L(at2 + bt + c).
8. Sea L : M22 → M22 definida como
19. Sea L : P1 → P1 una transformación lineal para la cual
a b a−1 b+1 sabemos que L(t + 1) = 2t + 3 y L(t − 1) = 3t − 2.
L = .
c d 2c 3d
(a) Determine L(6t − 4).
¿L es una transformación lineal? (b) Determine L(at + b).