Transformaciones Lineales Matemática Aplicada a la Ingeniería

TRANSFORMACIONES LINEALES

DEFINICIÓN. Sean V y W espacios vectoriales. Una transformación lineal T de V en W es

una función que asigna a cada u en V un único vector T(u ) en W tal que:

a) T(u  v)  T(u)  T(v) , para cada 𝑢 y 𝑣 en V

b) T(u)  T(u) , para cada 𝑢 en V y cada escalar 

Las propiedades (a) y (b) se pueden reducir a
T(u  v)  T(u)  T(v) , para cada u, v en V y cada escalar  y 
Por inducción tenemos la relación más general

 n  n
T   i u i     i T ( u i )
 i 1  i 1
Para n elementos cualesquiera u1 , u 2 , , u n en V y n escalares 1 ,  2 , ,  n

NOTA

Si V  W , la transformación lineal T : V  V también es llamada un operador lineal en V

ALGUNAS TRANSFORMACIONES LINEALES

1. Transformación idéntica.
T:V V
u  T(u )  u

Se denota por T  I o T  I V .
2. Transformación cero.
T:V  V
u  T( u )  0

Se denota por T  0 .
3. Multiplicación por un escalar fijo  .
T:V  V
u  T(u )  u

Si   1 , entonces T(u)  u ; trasformación idéntica

Si   0 , entonces T(u)  0 ; trasformación cero.
4. Transformación Proyección.

T : R3  R2
( x, y, z)  T( x, y, z)  ( x, y)
5. Transformación Dilatación.

Rogelio Efren Cerna Reyes 18

Transformaciones Lineales Matemática Aplicada a la Ingeniería

T : R3  R3
u  T( u )  r u , r  1
6. Transformación Contracción.

T : R3  R3
u  T( u )  r u , 0  r  1
7. Transformación Reflexión.

T:R2  R2
( x , y)  T ( x , y )  ( x ,  y)
8. Transformación Rotación.

T:R2  R2
cos   sen
u  T(u )   u
 sen cos  
9. Sea W el espacio vectorial de todas las funciones con valores reales y sea V el
subespacio de todas las funciones diferenciables.
T:V  W
f  T (f )  f '

f ' es la derivada de f.
Esta transformación se denota por T  D y se llama operador derivación
10. Sea V  f / f es una función continua con valor real definida en a, b  . Se define
T:V  V
x
f  T(f )   f ( t ) dt , axb
a

Esta transformación T se llama operador integración.

Ejercicios Propuestos

1. Verifique si 𝐿: 𝑃1 → 𝑃2 definida por 𝐿(𝑎𝑡 + 𝑏) = 𝑡(𝑎𝑡 + 𝑏) es una Transformación

Lineal.
2. Sea 𝐿: 𝑃1 → 𝑃2 definida como 𝐿(𝑝(𝑡)) = 𝑡𝑝(𝑡) + 𝑡 2 . ¿Es L una Transformación Lineal?
3. Verifique si 𝐿: 𝑀𝑚𝑛 → 𝑀𝑛𝑚 definida como 𝐿(𝐴) = 𝐴𝑇 , para 𝐴 en 𝑀𝑚𝑛 es una
Transformación Lineal.
4. Sea V un espacio vectorial de dimensión n y 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } una base para V.
Verifique si 𝐿: 𝑉 → 𝑅 𝑛 definida por 𝐿(𝑣) = [𝑣]𝑆 es una Transformación Lineal.

Teorema.

Sea T : V  W una transformación lineal de un espacio vectorial V de dimensión n en un

espacio vectorial W. Además, sea S  v1 , v 2 ,, v n  una base de V. Si u es cualquier

Rogelio Efren Cerna Reyes 19

Transformaciones Lineales Matemática Aplicada a la Ingeniería

vector en V, entonces T( u ) queda determinada de manera completa por

T(v1 ), T(v 2 ),, T(v n ).

Determinar la transformación lineal T : R  R , tal que
3 2
Ejercicio 1.
T(1,1,1)  (1,2) , T(1,1,0)  (1,2) , T(1,0,0)  (1,1)
Solucion 1. Se verifica que (1,1,1), (1,1,0), (1,0,0) es una base para R 3 .
Para cualquier x  (x1 , x 2 , x 3 )  R 3 se desea encontrar y  ( y1 , y 2 )  R 2 tal que T(x)  y

Se escribe (x1 , x 2 , x 3 ) como combinación lineal de los vectores de la base.

De
(x1 , x 2 , x 3 )  1 (1,1,1)   2 (1,1,0)   3 (1,0,0)

Se tiene el sistema
1   2   3  x 1
1   2  x2
1  x3
De donde
(x1 , x 2 , x 3 )  x 3 (1,1,1)  (x 2  x 3 )(1,1,0)  (x1  x 2 )(1,0,0)

Entonces
T(x1 , x 2 , x 3 )  Tx 3 (1,1,1)  (x 2  x 3 )(1,1,0)  (x1  x 2 )(1,0,0)

 x 3T(1,1,1)  (x 2  x 3 )T(1,1,0)  (x1  x 2 )T(1,0,0)

 x 3 (1,2)  (x 2  x 3 )(1,2)  (x1  x 2 )(1,1)

 ( 2x 2  x 1 , x 2  x 1 )

Finalmente, se tiene la transformación lineal

T(x1 , x 2 , x 3 )  (2x 2  x1 , x 2  x1 )

Ejercicio 2. Determinar la Transformación Lineal 𝑇: 𝑅 3 → 𝑅 3 , tal que 𝑇(1,1,1) =

(1,1,1), 𝑇(1,1,0) = (1,0,1) y 𝑇(1,0,0) = (1,0,1)

Solucion 2. Se verifica que (1,1,1), (1,1,0), (1,0,0) es una base para R 3 .

Para cualquier x  (x1 , x 2 , x 3 )  R 3 se desea encontrar y  ( y1 , y 2 , y 3 )  R 3 tal que
T( x )  y
Se escribe (x1 , x 2 , x 3 ) como combinación lineal de los vectores de la base.
De
(x1 , x 2 , x 3 )  1 (1,1,1)   2 (1,1,0)   3 (1,0,0)

se tiene el sistema
1   2   3  x 1
1   2  x2
1  x3

Rogelio Efren Cerna Reyes 20

Transformaciones Lineales Matemática Aplicada a la Ingeniería

De donde
(x1 , x 2 , x 3 )  x 3 (1,1,1)  (x 2  x 3 )(1,1,0)  (x1  x 2 )(1,0,0)

Entonces
T(x1 , x 2 , x 3 )  Tx 3 (1,1,1)  (x 2  x 3 )(1,1,0)  (x1  x 2 )(1,0,0)

 x 3T(1,1,1)  (x 2  x 3 )T(1,1,0)  (x1  x 2 )T(1,0,0)

 x 3 (1,1,1)  (x 2  x 3 )(1,0,1)  (x1  x 2 )(1,0,1)

 (x 1 , x 3 , x1 )

Finalmente, se tiene la transformación lineal

T(x1 , x 2 , x 3 )  (x1 , x 3 , x1 )

Ejercicio 3. Sea T : P1  P2 una transformación lineal, para la cual se conoce

T(t  1)  t  1 , T(t  1)  t 2  t
2

a) Determinar T(7t  3)
b) Determinar T(at  b)
Solucion 3. Se verifica que el conjunto 𝑺 = {𝒕 + 𝟏, 𝒕 − 𝟏} es una base para 𝑷𝟏
Veamos;
De la combinación Lineal nula
𝛼(𝑡 + 1) + 𝛽(𝑡 − 1) = 0
(𝛼 + 𝛽)𝑡 + 𝛼 − 𝛽 = 0
Se tiene;
𝛼+𝛽 =0
{ → 𝛼 = 0, 𝛽 = 0
𝛼−𝛽 =0
Entonces el conjunto 𝑆 = {𝑡 + 1, 𝑡 − 1} es Linealmente Independiente.
Todo vector 𝑎0 + 𝑎1 𝑡 de 𝑃1 , se escribe como
𝑎0 + 𝑎1 𝑡 = 𝛼(𝑡 + 1) + 𝛽(𝑡 − 1)
De donde;
1
𝛼 + 𝛽 = 𝑎1 𝛼 = (𝑎0 + 𝑎1 )
{ → 2
𝛼 − 𝛽 = 𝑎0 1
𝛽 = (𝑎1 − 𝑎0 )
2
Luego
1 1
𝑎0 + 𝑎1 𝑡 = (𝑎1 + 𝑎0 )(𝑡 + 1) + (𝑎1 − 𝑎0 )(𝑡 − 1)
2 2
Por lo que el conjunto 𝑆 = {𝑡 + 1, 𝑡 − 1} genera a 𝑃1
Por lo tanto 𝑆 = {𝑡 + 1, 𝑡 − 1} es una base para 𝑃1 .
A continuación, determinamos:
a) 𝑇(7𝑡 + 3) =?
Como el vector 7𝑡 + 3 ∈ 𝑃1 , entonces

Rogelio Efren Cerna Reyes 21

Transformaciones Lineales Matemática Aplicada a la Ingeniería

7𝑡 + 3 = 𝛼(𝑡 + 1) + 𝛽(𝑡 − 1)
De donde,
𝛼+𝛽 =7
{ → 𝛼 = 5 ,𝛽 = 2
𝛼−𝛽 =3
Entonces
7𝑡 + 3 = 5(𝑡 + 1) + 2(𝑡 − 1)
Aplicando la Transformación Lineal se tiene;
(7𝑡 + 3) = 𝑇(5(𝑡 + 1) + 2(𝑡 − 1))
𝑇(7𝑡 + 3) = 5𝑇(𝑡 + 1) + 2𝑇(𝑡 − 1)
𝑇(7𝑡 + 3) = 5(𝑡 2 − 1) + 2(𝑡 2 + 𝑡)
𝑇(7𝑡 + 3) = 7𝑡 2 + 2𝑡 − 5
Que es la Transformación Lineal pedida.
b) 𝑇(𝑎𝑡 + 𝑏) =?
Como el vector 𝑎𝑡 + 𝑏 ∈ 𝑃1 , entonces
𝑎𝑡 + 𝑏 = 𝛼(𝑡 + 1) + 𝛽(𝑡 − 1)
De donde,
𝛼+𝛽 =𝑎 1 1
{ → 𝛼 = (𝑎 + 𝑏) , 𝛽 = (𝑎 − 𝑏)
𝛼−𝛽 =𝑏 2 2
Entonces
1 1
𝑎𝑡 + 𝑏 = (𝑎 + 𝑏)(𝑡 + 1) + (𝑎 − 𝑏)(𝑡 − 1)
2 2
Aplicando la Transformación Lineal se tiene;
1 1
𝑇(𝑎𝑡 + 𝑏) = 𝑇( (𝑎 + 𝑏)(𝑡 + 1) + (𝑎 − 𝑏)(𝑡 − 1))
2 2
1 1
𝑇(𝑎𝑡 + 𝑏) = (𝑎 + 𝑏)𝑇(𝑡 + 1) + (𝑎 − 𝑏)𝑇(𝑡 − 1)
2 2
1 1
𝑇(𝑎𝑡 + 𝑏) = (𝑎 + 𝑏)(𝑡 2 − 1) + (𝑎 − 𝑏)(𝑡 2 + 𝑡)
2 2
1 1
𝑇(𝑎𝑡 + 𝑏) = 𝑎𝑡 2 + (𝑎 − 𝑏)𝑡 − (𝑎 + 𝑏)
2 2
Que es la Transformación Lineal pedida.

EL NÚCLEO Y LA IMAGEN DE UNA TRANSFORMACIÓN LINEAL

DEFINICIÓN. Sea T : V  W una transformación lineal. El núcleo ( kernel ) de T,

denotado N(T) = Ker(T), es el subespacio de V que consta de todos los vectores

v tales que T( v)  0 .
Es decir;
N(T)  ker(T)  v / v  V , T(v)  0 

Rogelio Efren Cerna Reyes 22

Transformaciones Lineales Matemática Aplicada a la Ingeniería

DEFINICIÓN. Si T : V  W es una transformación lineal, entonces la imagen de T, que se

denota Im T , es el conjunto de vectores 𝑤 en W que son imágenes, bajo T, de
vectores v en V
Es decir;
Im T   w /  v  V, T(v)  w 
NOTA

Si T : V  W una transformación lineal, entonces

1. ker(T) es un subespacio de V.
2. Im(T) es un subespacio de W.

3. T es uno a uno si y solo si ker(T)  0

4. Se dice que T es sobre si Im(T)  W

Por ejemplo:
1. Si T es la transformación idéntica, entonces el
N(T)  ker(T)  0 
Es el subespacio constituido por el vector cero
2. Si T es la transformación cero entonces el
N(T)  ker(T)  v / v  V , T(v)  0   V
3. Si T es el operador derivación, entonces el núcleo está formado por todas las funciones
constantes en el intervalo dado
4. Si T es el operador integración, entonces el núcleo contiene sólo la función cero.

Ejercicio 4. Sea L : R 3  R 3 definida como

  a 1   1 0 1   a 1 
 
L a 2    1 1 2 a 2 
  a    2 1 3  a 
 3    3 
a) ¿Es T sobre?
b) Determine una base para Im(T)

c) Determine ker(T)
d) ¿Es T uno a uno?
Solucion 4.
a) Dado cualquier
a 
w  b 
 c 
En R 3 donde a, b y c son números reales cualesquiera.
Debemos determinar

Rogelio Efren Cerna Reyes 23

Transformaciones Lineales Matemática Aplicada a la Ingeniería

 a1 
v  a 2 
 a 3 

tal que T(v)  W . Entonces lo que se busca es una solución del sistema

1 0 1   a 1   a 
1 1 2   a    b 
  2   
2 1 3 a 3   c 

De la matriz aumentada se obtiene la matriz escalonada reducida

1 0 1 a 
0 1 1 b  a 

0 0 0 c  b  a 

Luego, solo existe solución si c  b  a  0 , no es cualquier 𝑎, 𝑏, 𝑐 ∈ 𝑅, de modo que T

no es sobre.
b) Para determinar una base de Im(T) , observamos que

  a 1   1 0 1   a 1   a 1  a 3 
  
T a 2    1 1 2 a 2    a 1  a 2  2a 3 
   
 a   2 1 3 a  2a  a  3a 
 3    3   1 2 3

1  0  1 
 a 1 1  a 2 1  a 3 2
   
2 1 3

Esto significa que el conjunto

  1   0  1  
      
1  , 1 , 2 
2 1 3 
      
genera Im(T) . Es decir, Im(T) es el subespacio de R 3 generado por las columnas de
la matriz que define a T.
Ahora veamos si estos vectores son linealmente independientes.
Del sistema
1   3  0
1   2  2 3  0
21   2  3 3  0
tomamos la matriz aumentada y la llevamos a la forma escalonada reducida

Rogelio Efren Cerna Reyes 24

Transformaciones Lineales Matemática Aplicada a la Ingeniería

1 0 1 0
0 1 1 0 
 
0 0 0 0

luego las columnas 1 y 2 son pivote, por lo que los vectores de las columnas 1 y 2 de
la matriz original son una base para Im(T) y dim(Im(T))  2
c) Para determinar ker(T) , queremos encontrar todos los vectores 𝑣 =

(𝑎1 , 𝑎2 , 𝑎3 ) en R 3 de modo que T(v)  0 . De lo trabajado en (b) se tiene que

a1  a 3 , a 2  a 3
Sea 𝑎3 = 𝛼 entonces 𝑎1 = −𝛼 y 𝑎2 = −𝛼
Es decir,
     1 
  
ker(T)        1 
    1  
 
donde  es cualquier número real. Además dim(ker(T))  1

d) Como ker(T)  0 entonces T no es uno a uno.

Teorema. Si T : V  W es una transformación lineal de un espacio vectorial V de
dimensión n en un espacio vectorial W, entonces
dim(ker(T))  dim(Im(T))  dim V
Corolario. Sea T : V  W una transformación lineal y sea dimV = dimW
a) Si T es uno a uno, entonces es sobre.
b) Si T es sobre, entonces es uno a uno.

NOTA

1. La dimensión de ker(T) también se llama nulidad de T.

2. La dimensión de Im(T) también se llama el rango de T.

LA MATRIZ DE UNA TRANSFORMACIÓN LINEAL

Sean M  v1 , v 2 , , v n  una base en V, N  w1 , w 2 , , w m  una base en W y una

transformación lineal
T:V  W
u  T(u )  w
Como u está en V se tiene que:
n
u    j v j ;  j son las componentes o coordenadas de u respecto de la base M.
j1

Rogelio Efren Cerna Reyes 25

Transformaciones Lineales Matemática Aplicada a la Ingeniería

α1
α2
⋮
[u]M = α ; Vector de componentes o coordenadas de u respecto de la base M
j
⋮
[αn ]
Aplicando la Transformación Lineal T se tiene
n
T(u) = T(  v
j1
j j )
n
=∑ αj T(vj )
j=1
Como T(u) esta en W se tiene
n n
[T(u)]N = [∑ αj T(vj )] = ∑ αj [T(vj )]
j=1 j=1 N
N
Donde:
m

T(vj ) = ∑ aij wi
i=1
a1j
a2j
⋮
[T(vj )] = a ; 𝑗 = 1,2, … , 𝑛
𝑁 ij
⋮
[amj ]

Reemplazando en la expresión anterior resulta

a1j a11 a12 a1j a1n
a2j a21 a22 a2j a2n
n ⋮ ⋮ ⋮ ⋮ ⋮
[T(u)]N = ∑ αj a = 𝛼1 a + 𝛼2 a + ⋯ + 𝛼𝑗 a + ⋯ + 𝛼𝑛 a
j=1 ij i1 i2 ij in
⋮ ⋮ ⋮ ⋮ ⋮
[amj ] [am1 ] [am2 ] [amj ] [amn ]
𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛 𝛼1
𝑎21 𝑎22 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑛 𝛼2
⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮
[T(u)]N = 𝑎 𝑎 ⋯ 𝑎 ⋯ 𝑎 𝛼
𝑖1 𝑖2 𝑖𝑗 𝑖𝑛 𝑗
⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋮
[𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑗 ⋯ 𝑎𝑚𝑛 ] [𝛼𝑛 ]

Finalmente,

[T(u)]N = 𝐴[𝑢]𝑀
Donde
𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛
𝑎21 𝑎22 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑛
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
𝐴= 𝑎 𝑎𝑖2 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛
𝑖1
⋮ ⋮ ⋱ ⋮ ⋱ ⋮
[𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑗 ⋯ 𝑎𝑚𝑛 ]

DEFINICIÓN. La matriz A se llama la matriz que representa a T con respecto a las bases M
y N, o la matriz de T con respecto a M y N.

Rogelio Efren Cerna Reyes 26

Transformaciones Lineales Matemática Aplicada a la Ingeniería

NOTA

Si S es una base para V y T : V  V . Nos referimos a A como la matriz de T respecto a S.

Ejemplos
1. Sea T : R 3  R 2 una transformación lineal, definida por:

T(x1 , x 2 , x 3 )  (x1  x 2 , x 2  x 3 )

a) Determine la matriz de T con respecto a las bases M y N:

M  v 2  (1,0,1), v 2  (0,1,1), v 3  (1,1,1) y N  w1  (1,2), w 3  (1,1)

b) Halle las coordenadas de T( x ) respecto de la base N si x  (1,6,3)

Solución
a) De
T( v1 )  a 11 w 1  a 21 w 2
T( v 2 )  a 12 w 1  a 22 w 2
T( v 3 )  a 13 w 1  a 23 w 2
se tiene
(1,1)  a 11 (1,2)  a 21 (1,1)
(1,0)  a 12 (1,2)  a 22 (1,1)
(2,0)  a 13 (1,2)  a 23 (1,1)

Ahora, debemos resolver tres sistemas lineales, cada uno de dos

ecuaciones con dos incógnitas. Como su matriz de coeficientes es la misma,
los resolvemos todos a la vez.
Así formamos la matriz
1  1 1 1 2
2 1  1 0 0
 

la cual transformamos a su forma escalonada reducida

1 0 0 1/ 3 2/3 
0 1  1  2 / 3  4 / 3
 

Por lo tanto, la matriz A de T con respecto a M y N es

0 1/ 3 2/3 
A 
 1  2 / 3  4 / 3
Es decir,

T(x)N  
0 1/ 3 2/3 
x M
1  2 / 3  4 / 3

b) Por definición de T se tiene:

T(1,6,3)  (1  6,6  3)  (7,3)

Rogelio Efren Cerna Reyes 27

Transformaciones Lineales Matemática Aplicada a la Ingeniería

verificamos usando la matriz A de T.

Las coordenadas de x  (1,6,3) respecto de M son –3, 2 y 4

Es decir,
(1,6,3)  3(1,0,1)  2(0,1,1)  4(1,1,1)

Luego
 3
0 1 / 3 2 / 3     10 / 3 
T(1,6,3)N   2    
1  2 / 3  4 / 3  4   11/ 3
 
Por lo tanto,
10 11
T(1,6,3)  (1,2)  (1,1)  (7,3)
3 3

2. Sea T : R 3  R 2 una transformación lineal, definida por:

T(x1 , x 2 , x 3 )  (x1  x 3 , x 2  x 3 )

a) Determine la matriz de T con respecto a las bases:

v 2  (1,1,1), v 2  (1,1,0), v 3  (1,0,0) y w1  (2,0), w 3  (0,1)

b) Halle T(x)w1,w 2  si x  (1,2,3)

BASES PARA LA IMAGEN Y KERNEL

Sea A la matriz de T

Teorema ( Una base para la imagen ). Las columnas pivote de A forman una base para la
imagen de A.

Teorema (Una base para el kernel ). Sea p el número de columnas no pivote de A y

k1 , k 2 , , k p sus posiciones. Cada columna no pivote forma el vector v i tal que
Avi  0 cuyo elemento en su k i entrada es 1 y todos los elementos en sus k j
entradas son 0 para j  i . Los vectores v1 , v 2 , , v p forman una base para el
kernel de A.

Ejemplo.

1. Sea la matriz
1 0 1 3 0
0 1 1 2 0
A
1 1 2 5 1
 
0 0 0 0 0

a) Determinar una base para la imagen de A

Rogelio Efren Cerna Reyes 28

Transformaciones Lineales Matemática Aplicada a la Ingeniería

b) Determinar una base para el kernel de A.

Solución

a) La matriz A llevamos a su forma escalonada reducida

1 0 1 3 0
0 1 1 2 0

0 0 0 0 1
 
0 0 0 0 0

Luego las columnas 1,2 y 5 son pivote, por lo que las columnas 1,2 y 5 de la
matriz original son una base para la imagen de A. Es decir,

(1,0,1,0), (0,1,1,0), (0,0,1,0)

es una base para la imagen de A

Por ejemplo, el vector v  (2,1,1,2,3) cuya imagen es el vector

w  (7,4,8,0)  7(1,0,1,0)  4(0,1,1,0)  3(0,0,1,0)

se escribe en forma única como combinación lineal de los vectores de la

imagen.

b) En la matriz escalonada reducida se observa que las columnas no pivote son

las columnas 3 y 4, luego en

v1  (_, _,1,0, _) y v 2  (_, _,0,1, _)

se necesita llenar las entradas en blanco.

Recordamos que una solución para Ex  0 es también una solución de
Ax  0 , donde E es la matriz escalonada reducida equivalente a A.
Entonces de E se tiene;
x 1  x 3  3x 4  0
x 2  x 3  2x 4  0
x5  0
Así, para v1  (_, _,1,0, _) se tiene
x3 1 y x4  0
entonces
x 1  1
x 2  1
x5  0
por lo que
v1  (1,1,1,0)

Para v 2  (_, _,0,1, _) se tiene

x3  0 y x4 1
entonces

Rogelio Efren Cerna Reyes 29

Transformaciones Lineales Matemática Aplicada a la Ingeniería

x 1  3
x 2  2
x5  0
por lo que
v 2  (3,2,0,1,0)

Finalmente
v1  (1,1,1,0) , v 2  (3,2,0,1,0)
es una base para el kernel de A.

Teorema. Sea T : V  V un operador lineal, donde V es un espacio vectorial de dimensión

n. Sean M  v1 , v 2 , , v n  y N  w1 , w 2 , , w n  bases para V y sea P la
matriz de transición de N a M. Si A es la matriz que representa a T con respecto
a M, entonces P 1AP es la matriz que representa a T con respecto a N

AUTOVALORES Y AUTOVECTORES DE UNA TRANSFORMACIÓN LINEAL

DEFINICIÓN. Sea S un subespacio de un espacio vectorial V y T : S  V una

transformación lineal. Un escalar  se denomina autovalor de T si existe
un elemento no nulo v en S tal que
T(v)  v
El elemento v se llama autovector de T perteneciente a  . El escalar  es el autovalor
correspondiente a v.

NOTA

1. Existe un solo autovalor correspondiente a un autovector dado v.

Es decir, si T(v)  v , T(v)  v , v  0 entonces v  v    
2. La definición excluye al 0 como autovector.

Ejemplo

Sea V  f / f es una función que admite derivada en I

D:V  V
f  D(f )  f '
Luego la función f (x )  e x es un autovector de D
Es decir
D(f )  e x
cuyo correspondiente autovalor es  .

Teorema. Si v1 , v 2 , , v n son autovectores de una transformación lineal T : S  V y los

autovalores 1 ,  2 , ,  n son distintos, entonces los autovectores son
linealmente independientes.

Teorema. Si dim V  n , toda transformación lineal T : V  V tiene por lo menos n

autovalores distintos. Si T tiene exactamente n autovalores distintos, entonces

Rogelio Efren Cerna Reyes 30

Transformaciones Lineales Matemática Aplicada a la Ingeniería

los autovectores correspondientes forman una base para V y la matriz de T

relativa a esa base es una matriz diagonal con los autovalores como elementos
diagonales.

 1 0  0
0 2  0 

    
 
0 0  n 

POLINOMIO CARACTERÍSTICO DE UNA MATRIZ

Sea dim V  n y T : V  V una transformación lineal. El problema de hallar los escalares

 tal que T(v)  v tenga una solución v  0 , puede resolverse con ayuda de los
determinantes.
De
T(v)  v
Se tiene
(I  T)(v)  0

La cual tiene una solución no nula si y sólo si la matriz que representa a I  T es singular.
Si I y A son matrices que representan a I y T respectivamente, entonces I  A es una
matriz que representa a I  T
Luego I  A es singular si y sólo sí det( I - A)  I  A  0 . Así el autovalor  de T debe
satisfacer det( I - A)  0 .

DEFINICIÓN. Sea A una matriz de orden n  n . Se define

P()  I  A
Como el polinomio característico de A.

CALCULO DE AUTOVALORES Y AUTOVECTORES

Los autovalores y autovectores de una transformación lineal T, se llaman también

autovalores y autovectores de la matriz de T.
Luego los autovalores de una matriz cuadrada A son las raíces del polinomio característico
de A

P()  I  A .

Los autovectores correspondientes a un autovalos  son aquellos vectores no nulos v que

satisfacen

[I  A][v]  0

Este es un sistema de n ecuaciones lineales con n incógnitas.

Ejemplo
Determinar los autovalores y autovectores de la matriz

Rogelio Efren Cerna Reyes 31

Transformaciones Lineales Matemática Aplicada a la Ingeniería

2 1 1 

A 2 3 4 
 1  1  2
Solución.
Determinamos los autovalores de la matriz 𝐴 correspondiente a la transformación lineal
𝑇: 𝑅 3 → 𝑅 3
De
|𝜆𝐼 − 𝐴| = 0
Remplazando los datos
1 0 0 2 1 1
|𝜆 [0 1 0] − [ 2 3 4 ]| = 0
0 0 1 −1 −1 −2

𝜆−2 −1 −1
| −2 𝜆−3 −4 | = 0
1 1 𝜆+2

De donde se tiene los autovalores; 𝜆 = −1, 𝜆 = 1, 𝜆 = 3

Ahora determinamos los autovectores correspondientes a los autovalores encontrados

Para 𝜆 = −1
[1I  A][v]  0
Sea 𝑣 = (𝑥, 𝑦, 𝑧) y remplazando los datos tenemos

−1 − 2 −1 −1 𝑥 0
[ −2 −1 − 3 −4 ] [𝑦] = [0]
1 1 −1 + 2 𝑧 0
−3 −1 −1 𝑥 0
[−2 −4 −4] [𝑦] = [0]
1 1 1 𝑧 0

Tomando la matriz aumentada

−3 −1 −1 0 1 0 0 0
[−2 −4 −4 0] → [0 1 1 0]
1 1 1 0 0 0 0 0
De donde se obtiene el autovector
𝑣 = 𝛼(0, −1,1), 𝛼 ∈ 𝑅
Si 𝛼 = 1, entonces 𝑣1 = (0, −1,1)

Para 𝜆 = 1
[I  A][v]  0
Sea 𝑣 = (𝑥, 𝑦, 𝑧) y remplazando los datos tenemos

1 − 2 −1 −1 𝑥 0
[ −2 1 − 3 −4 ] [𝑦] = [0]
1 1 1+2 𝑧 0
−1 −1 −1 𝑥 0
[−2 −2 −4] [𝑦] = [0]
1 1 3 𝑧 0

Tomando la matriz aumentada

Rogelio Efren Cerna Reyes 32

Transformaciones Lineales Matemática Aplicada a la Ingeniería

−1 −1 −1 0 1 1 0 0
[−2 −2 −4 0] → [0 0 1 0]
1 1 3 0 0 0 0 0
De donde se obtiene el autovector
𝑣 = 𝛼(−1,1,0), 𝛼 ∈ 𝑅
Si 𝛼 = 1, entonces 𝑣2 = (−1,1,0)

Para 𝜆 = 3
[1I  A][v]  0
Sea 𝑣 = (𝑥, 𝑦, 𝑧) y remplazando los datos tenemos

3 − 2 −1 −1 𝑥 0
[ −2 3 − 3 −4 ] [𝑦] = [0]
1 1 3+2 𝑧 0

1 −1 −1 𝑥 0
[−2 0 −4] [𝑦] = [0]
1 1 5 𝑧 0

Tomando la matriz aumentada

1 −1 −1 0 1 0 2 0
[−2 0 −4 0] → [0 1 3 0]
1 1 5 0 0 0 0 0

De donde se obtiene el autovector

𝑣 = 𝛼(−2, −3,1), 𝛼 ∈ 𝑅
Si 𝛼 = 1, entonces 𝑣3 = (−2, −3,1)
Como los autovalores son distintos el conjunto
𝑆 = {𝑣1 = (0, −1,1), 𝑣2 = (−1,1,0), 𝑣3 = (−2, −3,1)}
3
Es una base de 𝑅 y la matriz de 𝑇 respecto de la base 𝑆 es
−1 0 0
[ 0 1 0]
0 0 3

Rogelio Efren Cerna Reyes 33