Captulo 4

Transformaciones lineales
En este captulo estudiaremos cierto tipo especial de funciones entre espacios vectoriales; las
denominadas transformaciones lineales. La propiedad fundamental de ellas es que preservan las
operaciones en los espacios vectoriales.
4.1. Conceptos bsicos
Denicin 4.1. Sean V y W espacios vectoriales. Una transformacin lineal de V en W es una
funcin T: V W, que satisface las siguientes propiedades:
1. T(u + v) = T(u) + T(v), u, v V
2. T(av) = aT(v), a R, v V
Se dice, respectivamente, que T preserva la suma y el producto por escalares.
En caso de que V = W la transformacin lineal T : V V tambin recibe el nombre de
operador lineal sobre V.
Ejemplo 4.1. Si V y W son espacios vectoriales, entonces la aplicacin T: V W tal que T(v) =

0
para todo v V es una transformacin lineal. Esta se llama la transformacin nula. En efecto,
esta es una transformacin lineal ya que:
T(u + v) =

0 =

0 +

0 = T(u) + T(v),
T(av) =

0 = a

0 = aT(v).
Ejemplo 4.2. Si V es un espacio vectorial, la aplicacin id : V V tal que id(v) = v es una trans-
formacin lineal llamada identidad de V. Es muy fcil vericar que satisface las dos condiciones
de la denicin, se sugiere al lector que lo haga como ejercicio.
Ejemplo 4.3. La aplicacin en R
2
que proyecta todos los vectores sobre el eje x:
T(x, y) = (x, 0)
es un operador lineal. Vericar las propiedades como ejercicio.
119
120 Transformaciones lineales
4.1.1. Algunas propiedades bsicas
Antes de proporcionar otros ejemplos deduciremos, directamente de la denicin, algunas
propiedades bsicas de las transformaciones lineales.
Lema 4.1. Si V y W son espacios vectoriales y T: V W es una transformacin lineal, entonces:
1. T(

0
V
) =

0
W
(donde

0
V
es el cero de V y

0
W
es el cero de W).
2. T(v) = T(v), para todo v V.
3. T(u v) = T(u) T(v), para todo u V, v V.
Demostracin:
1. T(

0
V
) = T(

0
V
+

0
V
) = T(

0
V
) + T(

0
V
), por lo tanto T(

0
V
) =

0
W
.
2. Dado que v + (v) =

0
V
, entonces, por el punto anterior, T(v + (v)) = T(

0
V
) =

0
W
. Como
T(v + (v)) = T(v) + T(v), entonces T(v) + T(v) =

0
W
, luego T(v) = T(v).
3. T(u v) = T(u + (v)) = T(u) + T(v) = T(u) + (T(v)) = T(u) T(v).
Las dos condiciones de la denicin se pueden resumir en una sola de acuerdo con el siguiente
resultado:
Lema 4.2. Sean V y W espacios vectoriales. Una aplicacin T: V W es transformacin lineal si y solo
si para todo u, v V y todo a, b R, se tiene que
T(au + bv) = aT(u) + bT(v). (4.1)
Demostracin:
() Si T es lineal entonces
T(au + bv) = T(au) + T(bv) por la condicin 1 de la denicin
= aT(u) + bT(v) por la condicin 2 de la denicin
() Por otra parte, si T(au + bv) = aT(u) + bT(v), entonces, tomando a = b = 1 tenemos
T(u + v) = T(1u + 1v) = 1T(u) + 1T(v) = T(u) + T(v)
y se cumple la condicin 1 de la denicin. Si tomamos a = k, b = 0 tenemos
T(ku) = T(ku + 0v) = kT(u) + 0T(v) = kT(u) +

0 = kT(u)
y se cumple la condicin 2 de la denicin. Luego, T es lineal.
El lema anterior dice que para probar que una aplicacin T es lineal no es necesario probar las
condiciones por separado, se puede emplear una sola expresin mediante la caracterizacin dada
por (4.1). Por otra parte, generalizando lo anterior, una aplicacin T: V W es lineal si y solo si
T(a
1
v
1
+ . . . + a
m
v
m
) = a
1
T(v
1
) + . . . + a
m
T(v
m
)
para todo a
1
, . . . , a
m
R y todo v
1
, . . . , v
m
V.
Conceptos bsicos 121
Ejemplo 4.4. Probar que la aplicacin T: R
2
R
2
tal que T
_
x
y
_
=
_
2x
x + y
_
es lineal.
Solucin:
Sean
_
x
1
y
1
_
y
_
x
2
y
2
_
en R
2
y a, b R. Tenemos
T
_
a
_
x
1
y
1
_
+ b
_
x
2
y
2
__
= T
_
ax
1
+ bx
2
ay
1
+ by
2
_
=
_
2(ax
1
+ bx
2
)
(ax
1
+ bx
2
) + (ay
1
+ by
2
)
_
=
_
2ax
1
ax
1
+ ay
1
_
+
_
2bx
2
bx
2
+ by
2
_
= a
_
2x
1
x
1
+ y
1
_
+ b
_
2x
2
x
2
+ y
2
_
= a T
_
x
1
y
1
_
+ b T
_
x
2
y
2
_
.
Por lo tanto, T es una transformacin lineal.
Ejemplo 4.5. Sea A una matriz de tamao mn. La aplicacin
T
A
: R
n
R
m
con T
A
(X) = AX
es una transformacin lineal (utilizamos la notacin en columnas para los elementos de R
n
y R
m
).
En efecto, por las propiedades de las operaciones con matrices tenemos que, si X, Y R
n
y
a, b R, entonces:
T
A
(aX + bY) = A(aX + bY) = A(aX) + A(bY) = a(AX) + b(AY) = aT
A
(X) + bT
A
(Y).
El tipo de transformacin lineal denido en el ejemplo anterior es muy til porque permite
obtener transformaciones lineales particulares con propiedades especiales dadas por las caracte-
rsticas de la matriz A. De hecho, todas las transformaciones lineales de R
n
en R
m
se pueden ver
como transformaciones lineales de este tipo; por ejemplo, considere la transformacin dada en el
ejemplo 4.4, observe que
_
2x
x + y
_
=
_
2 0
1 1
__
x
y
_
,
por lo que dicha transformacin es de la forma T
A
(X), donde A =
_
2 0
1 1
_
.
Ejemplo 4.6. La aplicacin L: P
3
P
2
tal que
L(a
3
x
3
+ a
2
x
2
+ a
1
x + a
0
) = a
2
x
2
+ a
0
es una transformacin lineal. En efecto, sean
p(x) = a
3
x
3
+ a
2
x
2
+ a
1
x + a
0
P
3
,
q(x) = b
3
x
3
+ b
2
x
2
+ b
1
x + b
0
P
3
y k y l nmeros reales, entonces
L [kp(x) + lq(x)] = L[k(a
3
x
3
+ a
2
x
2
+ a
1
x + a
0
)] + l(b
3
x
3
+ b
2
x
2
+ b
1
x + b
0
)]
= L[(ka
3
+ lb
3
)x
3
+ (ka
2
+ lb
2
)x
2
+ (ka
1
+ lb
1
)x + ka
0
+ lb
0
]
= (ka
2
+ lb
2
)x
2
+ ka
0
+ lb
0
= k(a
2
x
2
+ a
0
) + l(b
2
x
2
+ b
0
)
= kL(a
3
x
3
+ a
2
x
2
+ a
1
x + a
0
) + l L(b
3
x
3
+ b
2
x
2
+ b
1
x + b
0
)
= kL[p(x)] + l L[q(x)].
122 Transformaciones lineales
Ejemplo 4.7. Vericar que la aplicacin T : R
2
R
2
con T(x, y) = (x y, x + 2) no es una
transformacin lineal.
Solucin:
Para ver que una aplicacin no es lineal basta con vericar que al menos una de las condiciones
no se cumplen para algn o algunos elementos particulares del espacio sobre el que est denida.
En el caso particular que nos ocupa, tomemos por ejemplo a = 2 y v = (1, 3), tenemos
T(av) = T(2(1, 3)) = T(2, 6) = (2 6, 2 + 2) = (4, 4).
Mientras tanto,
aT(v) = 2T(1, 3) = 2(1 3, 1 + 2) = 2(2, 3) = (4, 6).
Es decir, en este caso particular, T(av) ,= aT(v), por lo que la transformacin no es lineal.
4.1.2. Accin sobre una base
Uno de los aspectos interesantes de las transformaciones lineales es que estn determinadas
por su accin sobre cualquier base del dominio. As, podemos construir una transformacin lineal
jando una base para el dominio y especicando las imgenes que la aplicacin asigna a cada uno
de los vectores de la base.
Teorema 4.1. Si v
1
, v
2
, . . . , v
n
es una base de un espacio vectorial V y w
1
, w
2
, . . . , w
n
son elementos de
un espacio vectorial W (pueden ser todos diferentes o no), entonces existe una transformacin lineal de V
en W que lleva v
1
a w
1
, v
2
a w
2
, . . . , v
n
a w
n
, y tal transformacin lineal es nica.
Demostracin:
Deniremos la aplicacin asociando v
1
con w
1
, v
2
con w
2
y as sucesivamente y extendiendo
la linealidad a todo el dominio. Esto es, cuando v = c
1
v
1
+ + c
n
v
n
, la aplicacin T: V W es
dada por
T(v) = c
1
w
1
+ + c
n
w
n
.
Est bien denida por que con respecto a una base, la representacin de cada vector v del
dominio es nica.
Es una transformacin lineal puesto que preserva combinaciones lineales; en efecto, si
v = c
1
v
1
+ . . . + c
n
v
n
, w = d
1
v
1
+ . . . + d
n
v
n
,
entonces:
T(av + bw) = T((ac
1
+ bd
1
)v
1
+ . . . + (ac
n
+ bd
n
)v
n
)
= (ac
1
+ bd
1
)w
1
+ . . . + (ac
n
+ bd
n
)w
n
= a(c
1
w
1
+ . . . + c
n
w
n
) + b(d
1
w
1
+ . . . + d
n
w
n
) = aT(v) + bT(w)
Es nica porque si T
/
: V W es otra transformacin lineal tal que T
/
(v
i
) = w
i
para cada i
entonces T y T
/
satisfacen
T
/
(v) = T
/
(c
1
v
1
+ . . . + c
n
v
n
) = c
1
T
/
(v
1
) + . . . + c
n
T
/
(v
n
) = c
1
w
1
+ + c
n
w
n
= T(v).
De modo que T y T
/
son iguales.
Conceptos bsicos 123
Ejemplo 4.8. Sea T: M
22
P
2
t. l. tal que
T
_
1 0
0 0
_
= x
2
+ x, T
_
0 1
0 0
_
= x + 1, T
_
0 0
1 0
_
= x
2
1, T
_
0 0
0 1
_
= 2.
Determinar T
_
a b
c d
_
y usar esto para calcular T
_
1 1
1 2
_
.
Solucin:
Tenemos que
_
a b
c d
_
= a
_
1 0
0 0
_
+ b
_
0 1
0 0
_
+ c
_
0 0
1 0
_
+ d
_
0 0
0 1
_
,
por lo tanto:
T
_
a b
c d
_
= T
_
a
_
1 0
0 0
_
+ b
_
0 1
0 0
_
+ c
_
0 0
1 0
_
+ d
_
0 0
0 1
__
= a T
_
1 0
0 0
_
+ b T
_
0 1
0 0
_
+ c T
_
0 0
1 0
_
+ d T
_
0 0
0 1
_
= a(x
2
+ x) + b(x + 1) + c(x
2
1) + d(2)
= (a + c)x
2
+ (a + b)x + b c + 2d.
De acuerdo con esto:
T
_
1 1
1 2
_
= (1 + 1)x
2
+ (1 1)x +1 1 + 2 2 = 2x
2
+ 2.
Ejemplo 4.9. Dada la base B = (1, 1), (1, 1) de R
2
, determinar T(x, y) siendo T: R
2
R
3
una
transformacin lineal tal que T(1, 1) = (2, 2, 0) y T(1, 1) = (4, 0, 2).
Solucin:
Primero escribimos (x, y) R
2
como combinacin lineal de los elementos de la base B. Para
ello hacemos
(x, y) = a(1, 1) + b(1, 1),
por lo que: x = a + b, y = a b. Despejando a y b en trminos de x, y en el sistema anterior, se
obtiene que a =
x + y
2
, b =
x y
2
. As, podemos ecribir (x, y) de la siguiente forma:
(x, y) =
x + y
2
(1, 1) +
x y
2
(1, 1),
por lo tanto
T(x, y) =
x + y
2
T(1, 1) +
x y
2
T(1, 1) =
x + y
2
(2, 2, 0) +
x y
2
(4, 0, 2)
= (x + y, x + y, 0) + (2x 2y, 0, x + y) = (3x y, x + y, x + y).
124 Transformaciones lineales
4.1.3. El espacio de las transformaciones lineales
Si V y W son espacios vectoriales dados, el conjunto de las transformaciones lineales de V en W
se puede dotar de una estructura de espacio vectorial deniendo una suma de transformaciones
y un producto de transformaciones por nmeros reales en la forma usual; es decir:
Si T: V W y S: V W son transformaciones lineales, se dene la suma de T y S como
T + S: V W
v (T + S)(v) = T(v) + S(v)
Si T: V W es lineal y a R, se dene el producto de a y T como
a T: V W
v (a T)(v) = aT(v)
En primer lugar, es claro que T + S y a T son transformaciones lineales de V en W. Por otra
parte, dada la forma en que se denen ambas operaciones y dadas las propiedades de espacio
vectorial de W, es fcil ver que se satisfacen los ocho axiomas de espacio vectorial para el conjunto
L(V, W) = T: V W [ T es transformacin lineal
Dejamos como ejercicio para el lector escribir los detalles del caso.
El espacio L(V, W) se llama espacio vectorial de las transformaciones lineales de V en W.
Ejemplo 4.10. Determinar el espacio L(R
2
, R).
Solucin:
Se trata de determinar la forma de las transformaciones lineales de T : R
2
R. Esto es,
determinar la forma explcita de T(x, y).
Consideremos la base cannica (1, 0), (0, 1) de R
2
. De acuerdo con el teorema 4.1, T est
determinada por la accin en cualquier base; es decir, en este caso, por los valores T(1, 0) = a y
T(0, 1) = b, donde a y b son nmeros reales cualesquiera. Como
(x, y) = x(1, 0) + y(0, 1),
entonces
T(x, y) = xT(1, 0) + yT(0, 1) = ax + by.
Por otro lado, es evidente que cualquier aplicacin de este tipo es lineal. En conclusin:
L(R
2
, R) = T: R
2
R [ T(x, y) = ax + by, a, b R.
4.1.4. Ejercicios de la seccin 4.1
1. Determine cules de las siguientes aplicaciones son transformaciones lineales:
(a) T: R
2
R
3
con T(x, y) = (y, 0, x)
(b) T: R
3
R
3
con T(x, y, z) = (x y, z + 1, z)
(c) T: /
22
P
2
con T
_
a b
c d
_
= (a + b)x
2
+ 2cx + 3d
Conceptos bsicos 125
(d) T: /
22
/
22
con T
_
a b
c d
_
=
_
a c
b d
_
(e) T: P
2
P
2
con T(ax
2
+ bx + c) = x
2
(b + c)x + 1
(f) T: P
2
R con T(ax
2
+ bx + c) = a
2
+ b
2
+ c
2
(g) T: P
2
P
2
con T(ax
2
+ bx + c) = x + b(x + 1) + c(x + 1)
2
2. Decida si cada aplicacin H: /
22
R es lineal:
(a) H
_
a b
c d
_
= a + d (b) H
_
a b
c d
_
= ad bc
(c) H
_
a b
c d
_
= 2a + 3b + c d (d) H
_
a b
c d
_
= a
2
+ b
2
3. Pruebe que stas son transformaciones lineales:
(a) D: P
3
P
2
tal que D(a + bx + cx
2
+ dx
3
) = b + 2cx + 3dx
2
(b)
_
: P
2
P
3
tal que
_
(a + bx + cx
2
) = ax +
1
2
bx
2
+
1
3
cx
3
4. Considere el espacio vectorial R
+
donde la suma y multiplicacin por escalares se denen
as:
a + b es el producto de a y b,
r a es la r-sima potencia de a.
Verique que la funcin logaritmo natural, ln: R
+
R, es una transformacin lineal entre
estos dos espacios.
5. En R
3
considere la base (1, 1, 1), (1, 0, 1), (1, 1, 0). Si T L(R
3
, R
2
) es tal que
T(1, 1, 1) = (3, 4),
T(1, 0, 1) = (2, 1),
T(1, 1, 0) = (1, 2),
determine T(x, y, z) y calcule T(3, 4, 2), T(1, 1, 2) y T(0, 2, 3).
6. Sea T L(P
2
, R
3
) tal que
T(1) = (1, 1, 0),
T(x + 1) = (1, 2, 1),
T(x
2
+ 2) = (1, 3, 2).
Calcule T(9x + 1), T(3x
2
+ x 3) y T(ax
2
+ bx + c).
7. Sea T L(R
3
, R
3
) tal que
T(1, 1, 1) = (1, 0, 1, 1)
T(1, 1, 0) = (1, 1, 1, 1)
T(1, 0, 0) = (1, 1, 3, 1).
Determine T(x, y, z).
126 Transformaciones lineales
8. Sea B = x
2
+ x + 1, x
2
+ x, x
2
una base de P
2
, si T L(P
2
, R
3
) tal que T(x
2
+ x + 1) =
(1, 1, 1), T(x
2
+ x) = (1, 2, 1) y T(x
2
) = (1, 0, 1), determine T(ax
2
+ bx + c).
9. Existe una transformacin lineal T: R
2
R
3
tal que
T(1, 1) = (1, 0), T(2, 1) = (0, 1), T(3, 2) = (1, 1)?
10. Sea T: V W lineal y dos conjuntos A = v
1
, . . . , v
n
V y B = w
1
, . . . , w
n
W tal que
T(v
1
) = w
1
, . . . , T(v
n
) = w
n
.
(a) Si el conjunto B es linealmente independiente, debe ser el conjunto A tambin lineal-
mente independiente?
(b) Si el conjunto A es linealmente independiente, debe ser el conjunto B tambin lineal-
mente independiente?
(c) Si B genera W, debe A generar V?
(d) Si A genera V, debe B generar W?
11. Sean u, v R
n
, el segmento de recta que conecta o une estos dos vectores se dene como el
conjunto
= tu + (1 t)v [ t [0, 1] .
(a) Pruebe que el conjunto de imgenes, bajo una transformacin lineal T, del segmento
entre u y v es el segmento entre T(u) y T(v).
(b) Un subconjunto de R
n
es convexo si, para cualesquiera dos puntos en el conjunto, el
segmento de recta que los une est enteramente contenido en el conjunto. Pruebe que
las transformaciones lineales de R
n
en R
m
preservan la propiedad de convexidad de
los conjuntos. Esto es, el conjunto de imgenes bajo una transformacin lineal de un
conjunto convexo es convexo.
4.2. Isomorsmos
En esta seccin estableceremos los conceptos de nulidad y rango de una transformacin lineal
y su relacin con la inyectividad y sobreyectividad de estas funciones entre espacios vectoriales.
Esto llevar de modo natural al concepto de isomorsmo.
4.2.1. Ncleo e imagen, rango y nulidad
Teorema 4.2. Si V y W son espacios vectoriales y T L(V, W), entonces:
1. Nucl (T) = v V [ T(v) =

0, es un subespacio vectorial de V.
2. Im(T) = w W [ v V con T(v) = w, es un subespacio vectorial del W.
El subespacio Nucl (T) se llama ncleo de T y su dimensin se llama nulidad de T, que se
denota por nul (T). El subespacio Im(T) se llama imagen de T y su dimensin se llama rango de
T, que se denota por rang (T).
Demostracin del teorema:
Isomorsmos 127
1. En primer lugar, Nucl (T) ,= puesto que T(

0) =

0, es decir

0 Nucl (T).
Ahora sean v
1
, v
2
Nucl (T) y a
1
, a
2
R, tenemos que
T(a
1
v
1
+ a
2
v
2
) = a
1
T(v
1
) + a
2
T(v
2
) por ser T lineal
= a
1

0 + a
2

0 dado que v
1
, v
2
Nucl (T)
=

0.
Esto signica que a
1
v
1
+ a
2
v
2
Nucl (T) y, entonces, Nucl (T) es subespacio de V.
2. Tambin Im(T) ,= puesto que T(

0) =

0 signica que

0 Im(T).
Sean ahora w
1
, w
2
Im(T), entonces existen v
1
, v
2
V tales que
T(v
1
) = w
1
y T(v
2
) = w
2
.
Sean a
1
, a
2
R, entonces
a
1
w
1
+ a
2
w
2
= a
1
T(v
1
) + a
2
T(v
2
) = T(a
1
v
1
+ a
2
v
2
).
Esto signica que a
1
w
1
+ a
2
w
2
es la imagen de a
1
v
1
+ a
2
v
2
bajo T y, por consiguiente, a
1
w
1
+
a
2
w
2
Im(T). Luego Im(T) es subespacio de W.
Ejemplo 4.11. Sea T: P
2
R
3
tal que
T(ax
2
+ bx + c) = (a + b, b + c, 0).
1. Determinar si los polinomios x
2
x + 1, 2x
2
2 estn en el ncleo de T.
2. Determinar si (1, 2, 0), (1, 1, 1) estn en la imagen de T.
Solucin:
1. T(x
2
x + 1) = (1 1, 1 + 1, 0) = (0, 0, 0), entonces x
2
x + 1 Nucl (T).
T(2x
2
2) = (2 + 0, 0 2, 0) = (2, 2, 0), luego, 2x
2
2 / Nucl (T).
2. Para determinar si (1, 2, 0) est en la imagen debemos ver si existe ax
2
+ bx + c que satisface
T(ax
2
+ bx + c) = (1, 2, 0).
Es decir, (a + b, b + c, 0) = (1, 2, 0). Esto nos lleva a determinar si el sistema de ecuaciones
a + b = 1
b + c = 2
0 = 0
tiene al menos una solucin. Efectivamente, a = 1, b = 0, c = 2 es solucin del sistema; esto
signica que (1, 2, 0) es imagen de x
2
+ 2. Luego, (1, 2, 0) Im(T).
Es evidente que (1, 1, 1) / Im(T) puesto que todos los elementos en la imagen deben tener
la tercera componente igual a 0.
128 Transformaciones lineales
Ejemplo 4.12. Sea T: R
3
R
4
tal que
T(x, y, z) = (x + 2y, 0,
1
2
x + y, 0).
Determinar el ncleo y la imagen de T.
Solucin:
Ncleo. Sea (x, y, z) Nucl (T), entonces T(x, y, z) = (0, 0, 0, 0); es decir,
(x + 2y, 0,
1
2
x + y, 0) = (0, 0, 0, 0)
y, por lo tanto,
x + 2y = 0
1
2
x + y = 0
De aqu se deduce que x = 2y y, entonces,
Nucl (T) = (x, y, z) R
3
[ x = 2y.
Es decir, el ncleo de T est formado por los vectores de la forma (2y, y, z).
Imagen. Por la denicin de T, los elementos de Im(T), son de la forma (x + 2y, 0,
1
2
x + y, 0).
Observe que
(x + 2y, 0,
1
2
x + y, 0) =
x
2
(2, 0, 1, 0) + y(2, 0, 1, 0) = (
x
2
+ y)(2, 0, 1, 0).
Por lo tanto la imagen de T est formada por los vectores de la forma (2c, 0, c, 0), con c R.
Ejemplo 4.13. Considere el operador S sobre /
22
tal que
S
_
a b
c d
_
=
_
a b b c
c d d a
_
;
determinar el rango y la nulidad de S.
Solucin:
Rango. Si
_
a b
c d
_
est en el ncleo de S, entonces S
_
a b
c d
_
=
_
0 0
0 0
_
; es decir,
_
a b b c
c d d a
_
=
_
0 0
0 0
_
y, por lo tanto, a b = 0, b c = 0, c d = 0, d a = 0. Concluimos que a = b = c = d, de
manera que
Nucl (S) =
__
a a
a a
_
[ a R
_
= gen
__
1 1
1 1
__
.
Luego, nul (S) = 1.
rango. Los elementos de la imagen son de la forma:
_
a b b c
c d d a
_
= a
_
1 0
0 1
_
+ b
_
1 1
0 0
_
+ c
_
0 1
1 0
_
+ d
_
0 0
1 1
_
.
Es evidente que de las matrices del lado derecho de la igualdad anterior la segunda y la cuarta
son linealmente dependientes, mientras que las tres primeras son linealmente independientes. Por
esta razn dim(Im(T)) = 3; es decir, rang (T) = 3.
Isomorsmos 129
Ejemplo 4.14. Determinar el rango y la nulidad de la transformacin lineal
Q: /
22
P
2
_
a b
c d
_
Q
_
a b
c d
_
= ax
2
+ bx + c + d.
Solucin:
Nulidad. Sea A =
_
a b
c d
_
Nucl (Q), entonces Q(A) =

0, es decir
ax
2
+ bx + c + d = 0
y, por consiguiente, a = 0, b = 0, c + d = 0. De la ltima igualdad se tiene que d = c, de modo
que
Nucl (Q) =
__
0 0
c c
_
[ c R
_
=
_
c
_
0 0
1 1
_
[ c R
_
= gen
___
0 0
1 1
___
.
Luego, nul (Q) = 1; pues Nucl (Q) tiene una base compuesta por un solo elemento; la ma-
triz
_
0 0
1 1
_
.
Rango. Los elementos en Im(Q), son de la forma ax
2
+ bx + c + d = a(x
2
) + b(x) + (c + d)(1); es
decir, Im(Q) = P
2
. Por lo tanto, dim(Im(Q)) = dim(P
2
) = 3. El rango de Q es 3.
En los ejemplos precedentes observamos que el rango ms la nulidad de la transformacin es
igual a la dimensin de su dominio, sta es una propiedad general que demostramos a continua-
cin.
Teorema 4.3. Sean V y W espacios vectoriales, con V de dimensin nita, y T L(V, W), entonces el
rango de T ms la nulidad de T es igual a la dimensin de su dominio V:
rang (T) + nul (T) = dim(V).
Demostracin:
Sea B
N
= v
1
, . . . , v
k
una base del ncleo. Podemos completar a una base
B
V
= v
1
, . . . , v
k
, v
k+1
, . . . , v
n

para el dominio completo.

Probaremos que B
I
= T(v
k+1
), . . . , T(v
n
) es una base para la imagen de T. Contando los
elementos de estas bases se tiene el resultado. Para ver que B
I
es linealmente independiente, con-
sidere la ecuacin
c
k+1
T(v
k+1
) + + c
n
T(v
n
) =

0
W
.
Obtenemos T(c
k+1
v
k+1
+ + c
n
v
n
) =

0
W
y por lo tanto c
k+1
v
k+1
+ + c
n
v
n
est en el n-
cleo de T. Como B
N
es una base para este ncleo, entonces existen escalares c
1
, . . . , c
k
R que
satisfacen la relacin:
c
1
v
1
+ + c
k
v
k
= c
k+1
v
k+1
+ + c
n
v
n
De aqu se tiene que

0 = c
1
v
1
c
k
v
k
+ c
k+1
v
k+1
+ + c
n
v
n
130 Transformaciones lineales
Pero B
V
es base para V, por lo tanto es linealmente independiente y, de este modo, cada escalar c
i
(con i = 1, . . . , n) es igual a cero. Por lo tanto B
I
, es linealmente independiente.
Para probar que B
I
genera la imagen, considere T(v) Im(T) y escriba v como una combina-
cin lineal v = c
1
v
1
+ + c
n
v
n
de elementos de B
V
. Esto da
T(v) = T(c
1
v
1
+ + c
n
v
n
)
= c
1
T(v
1
) + + c
k
T(v
k
) + c
k+1
T(v
k+1
) + + c
n
T(v
n
)
y como v
1
, . . . , v
k
pertenecen al ncleo, tenemos que
T(v) =

0 + +

0 + c
k+1
T(v
k+1
) + + c
n
T(v
n
).
As, T(v) es una combinacin lineal de elementos de B
I
, de modo que B
I
genera el espacio.
Ejemplo 4.15. Sea T: /
22
R
4
tal que
T
_
a b
c d
_
= (a + b, b + c, c + d, 0).
Determinar el rango y la nulidad de T.
Solucin:
Si
_
a b
c d
_
Nucl (T), entonces T
_
a b
c d
_
= (0, 0, 0, 0). Es decir,
(a + b, b + c, c + d, 0) = (0, 0, 0, 0)
y, por lo tanto,
a + b = 0, b + c = 0 c + d = 0.
Resolviendo este sistema tenemos que b = a, c = a, d = a, con a R. Esto signica que
Nucl (T) =
__
a a
a a
_
[ a R
_
= gen
___
1 1
1 1
___
.
Luego, una base para Nucl (T) es
__
1 1
1 1
__
y, as, nul (T) = 1.
De acuerdo con el teorema precedente:
rang (T) + nul (T) = dim(/
22
);
es decir, rang (T) + 1 = 4. Luego, rang (T) = 3.
4.2.2. Espacios isomorfos
Recordando la terminologa de las funciones, decimos que una aplicacin T L(V, W) es
inyectiva si dados u, v V con u ,= v, entonces T(u) ,= T(v). Esto es equivalente a decir
que si dos vectores tienen la misma imagen entonces tienen que ser iguales: si T(u) = T(v),
entonces u = v.
Isomorsmos 131
sobreyectiva si para cada w W existe v V tal que T(v) = w. Dicho de otro modo,
Im(T) = W.
isomorsmo si es biyectiva; es decir, si es inyectiva y sobreyectiva. Si existe un isomorsmo
de V en W se dice que V y W son isomorfos y se escribe V

= W.
Ejemplo 4.16. Probar que H L(R
3
, P
2
) con
H(a, b, c) = ax
2
+ (a b)x + c
es un isomorsmo.
Solucin:
Inyectividad. Sean (a
1
, b
1
, c
1
) y (a
2
, b
2
, c
2
) vectores en R
3
tales que H(a
1
, b
1
, c
1
) = H(a
2
, b
2
, c
2
). En
este caso
a
1
x
2
+ (a
1
b
1
)x + c
1
= a
2
x
2
+ (a
2
b
2
)x + c
2
y, por consiguiente:
a
1
= a
2
, a
1
b
1
= a
2
b
2
, c
1
= c
2
y se tiene que a
1
= a
2
, b
1
= b
2
y c
1
= c
2
. Luego, H es inyectiva.
Sobreyectividad. Sea p(x) = rx
2
+ sx + t P
2
, debemos encontrar v = (a, b, c) R
3
tal que H(v) =
p(x). Para ello debemos tener que
ax
2
+ (a b)x + c = rx
2
+ sx + t
y, por lo tanto,
a = r, a b = s, c = t.
Resolviendo este sistema se obtiene que a = r, b = r s, c = t. Esto signica que
H(r, r s, t) = rx
2
+ sx + t
Es decir, todo polinomio en P
2
tiene una preimagen bajo H. Luego, H es sobreyectiva.
Concluimos que H es un isomorsmo.
Existe una relacin entre los conceptos de inyectividad y sobreyectividad y los conceptos de
nulidad y rango, segn veremos en los siguientes teoremas.
Teorema 4.4. Si V y W son espacios vectoriales, entonces T L(V, W) es inyectiva si y solo si Nucl (T) =

0.
Demostracin:
() Supongamos que T es inyectiva y sea v Nucl (T).
Tenemos que T(v) =

0, pues v est en el ncleo de T y, tambin, T(

0) =

0 (por el lema 4.1).

Por lo tanto T(v) = T(

0) y, entonces, v =

0 pues T es inyectiva. Esto signica que Nucl (T) =

0.
() Supongamos ahora que Nucl (T) =

0 y sean v, w V tales que T(v) = T(w).

De aqu obtenemos que T(v w) =

0 y como Nucl (T) =

0, entonces v w =

0.
Esto signica que v = w y, por consiguiente, T es inyectiva.
132 Transformaciones lineales
Ejemplo 4.17. La transformacin T: R
2
R
2
con T(x, y) = (y, 2x) es inyectiva. En efecto, si
T(x, y) = (0, 0), entonces (y, 2x) = (0, 0) y, por lo tanto x = 0, y = 0; es decir, el nico elemento
del ncleo es (0, 0) y, entonces, T es inyectiva.
Ahora bien, supongamos que V y W son espacios vectoriales con dim(V) = n y dim(W) = m.
Por el teorema 4.3 sabemos que si T L(V, W) entonces rang (T) + nul (T) = dim(V) = n. Se
tiene lo siguiente:
Si T es inyectiva, entonces nul (T) = 0; luego, rang (T) = n. Pero, puesto que rang (T) m,
entonces n m. Esto signica que no puede existir un transformacin lineal inyectiva de V
en W si la dimensin de V es mayor que la de W.
Un razonamiento similar al anterior muestra que no puede existir una transformacin lineal
sobreyectiva de V a W si la dimensin de W es mayor que la de V.
Finalmente, de las dos observaciones previas se deduce que si T es un isomorsmo, entonces
dim(V) = dim(W).
Lo anterior prueba el siguiente teorema:
Teorema 4.5. Si V y W son espacios vectoriales de dimensin nita y si T L(V, W), se tiene que
1. Si T es inyectiva, entonces dim(V) dim(W).
2. Si T es sobreyectiva, entonces dim(V) dim(W).
3. Si T es un isomorsmo, entonces dim(V) = dim(W).
Ejemplo 4.18. Puesto que dim(R
3
) > dim(R
2
), entonces no puede existir una transformacin
lineal inyectiva de R
3
en R
2
. Por la misma razn, no puede existir una transformacin lineal so-
breyectiva de R
2
en R
3
.
Por otra parte, el siguiente teorema establece que todos los espacios vectoriales, de dimensin
nita, que tienen la misma dimensin son isomorfos entre s:
Teorema 4.6. Si V y W son espacios vectoriales de dimensin nita con dim(V) = dim(W), entonces
V

= W.
Demostracin:
Si dim(V) = dim(W) = n, entonces existen bases B = v
1
, . . . , v
n
y B
/
= w
1
, . . . , w
n
de V y
W respectivamente.
La transformacin lineal T: V W tal que T(v
1
) = w
i
(para i = 1, . . . , n) es un isomorsmo;
la prueba de esta armacin se deja al lector como ejercicio.
El siguiente lema proporciona un resultado til para vericar que una transformacin lineal
entre espacios de la misma dimensin es un isomorsmo:
Lema 4.3. Si V y W son espacios vectoriales de dimensin nita con dim(V) = dim(W) y T L(V, W)
es inyectiva, entonces T es un isomorsmo. Del mismo modo, si T es sobreyectiva entonces T es un isomor-
smo.
Isomorsmos 133
Demostracin:
Si T es inyectiva se tiene que nul (T) = 0 y como
rang (T) + nul (T) = dim(V), (4.2)
entonces rang (T) = dim(V) = dim(W). Esto signica que T es sobreyectiva y, por lo tanto, T es
un isomorsmo.
Si T es sobreyectiva, entonces rang (T) = dim(W) = dim(V). Luego, por (4.2), se tiene que
nul (T) = 0. Esto signica que T es inyectiva y, por ende, es un isomorsmo.
Segn el lema anterior, si dim(V) = dim(W), entonces para probar que T L(V, W) es un
isomorsmo basta vericar que es inyectiva o que es sobreyectiva.
Ejemplo 4.19. Probar que T: R
3
P
2
tal que
T(a, b, c) = cx
2
+ (a + b)x + a + c
es un isomorsmo.
Solucin:
Dado que dim(R
3
) = dim(P
2
) = 3, basta probar que T es inyectiva. Sea (a, b, c) Nucl (T),
entonces T(a, b, c) = 0; es decir:
cx
2
+ (a + b)x + a + c = 0
y, por consiguiente,
c = 0, a + b = 0, a + c = 0.
La nica solucin de este sistema es a = 0, b = 0, c = 0. Entonces Nucl (T) = (0, 0, 0) y esto
signica que T es inyectiva.
4.2.3. Transformacin inversa
Si V y W son espacios vectoriales y T L(V, W) es un isomorsmo, entonces, como sucede
con cualquier funcin biyectiva, tiene una funcin inversa T
1
denida de W en V. Lo especial en
esta situacin es que esa inversa tambin es una transformacin lineal.
Lema 4.4. Si V y W son espacios vectoriales y T L(V, W) es un isomorsmo, entonces su inversa
T
1
: W V es lineal.
Demostracin:
Sean w
1
, w
2
W y a, b R; puesto que T es sobreyectiva existen v
1
, v
2
V tales que T(v
1
) =
w
1
y T(v
2
) = w
2
, que es equivalente a decir que v
1
= T
1
(w
1
) y v
2
= T
1
(w
2
).
As, se tiene que:
T
1
(aw
1
+ bw
2
) = T
1
(aT(v
1
) + bT(v
2
))
= T
1
(T(av
1
+ bv
2
)) pues T es lineal
= av
1
+ bv
2
pues T
1
y T son inversas
= aT
1
(w
1
) + bT
1
(w
2
).
Esto signica que T
1
es lineal.
134 Transformaciones lineales
Ejemplo 4.20. Sea T: R
3
P
2
con T(a, b, c) = ax
2
+ (b +c)x +2c. Probar que T es un isomorsmo
y determinar T
1
.
Solucin:
T es un isomorsmo. Dado que ambos espacios R
3
y P
2
son de dimensin 3, basta vericar que T es
inyectiva; es decir, que su ncleo es cero.
Sea (a, b, c) Nucl (T), entonces T(a, b, c) = 0. Es decir,
ax
2
+ (b + c)x + 2c = 0
y, por lo tanto,
a = 0, b + c = 0, 2c = 0
La nica solucin de este sistema es a = 0, b = 0, c = 0, por lo que Nucl (T) = (0, 0, 0), entonces,
T es un isomorsmo.
Clculo de T
1
. Dado un polinomio p(x) = rx
2
+ sx + t, queremos saber explcitamente cul es su
imagen bajo T
1
; desde luego, esta imagen es un elemento de R
3
cuyas componentes dependen
de r, s y t. Para ello supongamos que dicha imagen es (a, b, c) y determinemos a, b y c en trminos
de r, s y t. Debemos tener
T
1
(rx
2
+ sx + t) = (a, b, c),
es decir,
T(a, b, c) = rx
2
+ sx + t;
ax
2
+ (b + c)x + 2c = rx
2
+ sx + t.
Entonces, a = r, b + c = s, 2c = t. De aqu se obtiene que
a = r, b = s
1
2
t, c =
1
2
t.
Por consiguiente
T
1
(rx
2
+ sx + t) = (r, s
1
2
t,
1
2
t).
En particular, con n ilustrativo: T
1
(2x
2
+ 3x + 4) = (2, 1, 2).
4.2.4. Producto de transformaciones
Dado que las transformaciones lineales son funciones, en algunas circunstancias podemos de-
terminar su composicin; en este caso esta operacin recibe el nombre de producto.
Denicin 4.2. Sean U, V y W espacios vectoriales. Si S L(U, V) y T L(V, W), la composicin
T S se llama producto de T y S y se denota por TS (se prescinde del circulito intermedio). Es
decir, el producto de T y S es TS: U W tal que TS(u) = T(S(u)) para todo u U.
Ejemplo 4.21. Si U, V y W son espacios vectoriales, T L(U, V) y O L(V, W) es la aplicacin
nula, es evidente que OT = O
/
, donde O
/
es la aplicacin nula de U en W.
Ejemplo 4.22. Dadas S L(R
2
, R
3
) y T L(R
3
, R
2
) con
S(x, y) = (x + y, x y, 2y), T(x, y, z) = (2x + y, 2y z),
Isomorsmos 135
entonces TS: R
2
R
2
y
TS(x, y) = T(S(x, y))
= T(x + y, x y, 2y)
= (2(x + y) + x y, 2(x y) 2y)
= (3x + y, 2x 4y).
Por otra parte, ST: R
3
R
3
y se tiene
ST(x, y, z) = S(T(x, y, z))
= S(2x + y, 2y z)
= ((2x + y) + (2y z), (2x + y) (2y z), 2(2y z))
= (2x + 3y z, 2x y + z, 4y 2z).
Observe que ST ,= TS.
Aunque el producto de transformaciones lineales no es conmutativo, s tiene una serie de pro-
piedades algebraicas.
En primer lugar, consideremos los espacios vectoriales U, V, W y sean S, T en L(V, W). Si
tomamos u, v U y a, b R, entonces
TS(au + bv) = T(S(au + bv))
= T(aS(u) + bS(v)) pues S es lineal
= aT(S(u)) + bT(S(v)) pues T es lineal
= aTS(u) + bTS(v).
Esto signica que TS es una transformacin lineal de U en W. Es decir, el producto de transforma-
ciones lineales es una transformacin lineal.
Otras propiedades se dan en el siguiente lema cuya demostracin es muy sencilla y la dejamos
al cuidado del lector:
Lema 4.5. Sean U, V, W, X espacios vectoriales y sean Q L(U, V), R L(V, W), S L(V, W),
T L(W, X); entonces
1. (TS)Q = T(SQ).
2. (R + S)Q = RQ + SQ.
3. a(RQ) = (aR)Q = R(aQ), para todo a R.
Consideremos ahora el espacio L(V, V) de los operadores en un espacio vectorial V. La trans-
formacin identidad id es neutra para el producto en L(V, V); es decir,
(id)T = T(id) = T, para toda T L(V, V).
En L(V, V) podemos denir el concepto de potencia de un operador, de la siguiente manera.
Denicin 4.3. Sea V un espacio vectorial y sea T un operador en V. Se denen las potencias de
T de la siguiente manera:
T
0
= id, T
1
= T, T
2
= TT, T
n
= TT
n1
, para n entero positivo mayor que 2.
136 Transformaciones lineales
Ejemplo 4.23. Si T: R
2
R
2
con T(x, y) = (x + y, x y), entonces
T
0
(x, y) = id(x, y) = (x, y),
T
1
(x, y) = T(x, y) = (x + y, x y),
T
2
(x, y) = T(T(x, y)) = T(x + y, x y)
= (x + y + x y, x + y (x y)) = (2x, 2y),
T
3
(x, y) = T(T
2
(x, y)) = T(2x, 2y)
= (2x + 2y, 2x 2y) = (2(x + y), 2(x y));
en general se tiene que
T
n
(x, y) = (2
k
x, 2
k
y), si n es par de la forma n = 2k,
T
n
(x, y) = (2
k
(x + y), 2
k
(x y)), si n = 2k + 1 (impar).
Dejamos al lector la prueba de esta ltima armacin. Se le recomienda que use induccin.
4.2.5. Ejercicios de la seccin 4.2
1. Sea A =
_
2 1
8 4
_
y T
A
: R
2
R
2
tal que T
A
(X) = AX.
(a) Cules de los siguientes vectores estn en Im(T
A
)?
_
1
4
_
,
_
5
0
_
,
_
3
12
_
.
(b) Cules de los siguientes vectores estn en Nucl (T
A
)?
_
5
10
_
,
_
3
2
_
,
_
1
1
_
.
2. Sea h: P
3
P
4
dada por p(x) x p(x). Cules de los siguientes polinomios pertenecen
al ncleo? Cules a la imagen?
(a) x
3
(b) 0 (c) 7 (d) 12x 0,5x
3
(e) 1 + 3x
2
x
3
3. Determine el ncleo, la nulidad, la imagen y el rango de cada transformacin lineal:
(a) H: R
2
P
3
, dada por H(a, b) = a + ax + ax
2
(b) H: /
22
R, dada por H
_
a b
c d
_
= a + d
(c) H: /
22
P
2
, dada por H
_
a b
c d
_
= a + b + c + dx
2
4. Determine la nulidad de cada transformacin lineal:
(a) T: R
5
R
8
, con rango 5
(b) H: P
3
P
3
, con rango 1
(c) S: R
6
R
3
, sobreyectiva
(d) Q: /
33
/
33
, sobreyectiva
Isomorsmos 137
5. Sea D: P
3
P
2
la transformacin lineal que a cada polinomio p(x) le asigna su derivada; es
decir D(p(x)) = p
/
(x). Determine Nucl (D).
6. Cada uno de estos operadores de P
3
es un isomorsmo. Encuentre la inversa en cada caso:
(a) T(a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
) = a
0
+ a
1
x + 2a
2
x
2
+ 3a
3
x
3
(b) S(a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
) = a
0
+ a
2
x + a
1
x
2
+ a
3
x
3
(c) H(a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
) = a
1
+ a
2
x + a
3
x
2
+ a
0
x
3
(d) J(a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
) =
a
0
+ (a
0
+ a
1
)x + (a
0
+ a
1
+ a
2
)x
2
+ (a
0
+ a
1
+ a
2
+ a
3
)x
3
7. Sea T L(R
4
, R
4
) tal que
T(1, 1, 1, 1) = (2, 1, 3, 0),
T(1, 1, 1, 0) = (4, 2, 1, 1),
T(1, 1, 0, 0) = (0, 3, 1, 1),
T(1, 0, 0, 0) = (2, 4, 5, 2).
Determine una base para Nucl (T) y una base para Im(T).
8. Pruebe que una transformacin lineal es inyectiva si y solo si preserva independencia lineal.
9. Sea H: V R una transformacin lineal (no nula). Pruebe que si v
1
, . . . , v
n
es base para
el ncleo y si v V no pertenece al ncleo entonces v, v
1
, . . . , v
n
es base para V.
10. Pruebe que si S V y H: V W es lineal, entonces
H(gen(S)) = gen(H(S)).
11. Considere el conjunto de isomorsmos de un espacio vectorial en s mismo. Es un subespa-
cio del espacio L(V, V) de transformaciones lineales de un espacio en s mismo?
12. En cada caso decida si la aplicacin dada es un isomorsmo:
(a) T: /
22
R dada por T
_
a b
c d
_
= ad bc
(b) T: R
2
R
2
dada por T(x, y) = (x y, 8x + y)
(c) T: /
22
R
4
dada por
T
_
a b
c d
_
= (a + b + c + d, a + b + c, a + b, a)
(d) H: /
22
P
3
dada por
H
_
a b
c d
_
= c + (d + c)x + (b + a)x
2
+ ax
3
(e) H: /
22
P
3
dada por
H
_
a b
c d
_
= c + (d + c)x + (b + a + 1)x
2
+ ax
3
(f) H: P
2
R
3
dada por H(ax
2
+ bx + c) = (2a, 3b + c, a c)
138 Transformaciones lineales
13. Sea T : P
2
P
2
tal que
T(ax
2
+ bx + c) = (a b)x
2
+ (b + c)x + a + c.
(a) Pruebe que T es una transformacin lineal.
(b) Determine una base para el ncleo de T.
(c) Es T inyectiva?, justique.
(d) Cul es la dimensin de Im(T)?, justique.
14. Sea T : R
3
R
3
una transformacin lineal tal que
T(1, 2, 3) = (1, 2, 3), T(0, 1, 2) = (1, 1, 1),
T(0, 0, 1) = (1, 1, 1).
(a) Determine T(x, y, z) para cualquier (x, y, z) en R
3
.
(b) Pruebe que T es un isomorsmo.
15. Sea T : R
3
R
3
con T (x, y, z) = (x + y + z, x + y, x + 2y + 5z).
(a) Pruebe que T es una transformacin lineal.
(b) Pruebe que T es inyectiva.
(c) Calcule la inversa T
1
de T.
16. Un automorsmo de un espacio vectorial es un isomorsmo del espacio en s mismo.
(a) Pruebe que una funcin T : R R es un automorsmo si y solo si tiene la forma
T(x) = kx para algn k ,= 0.
(b) Sea T un automorsmo de R tal que T(3) = 7. Encuentre T(2).
(c) Pruebe que una funcin T: R
2
R
2
es un automorsmo si y solo si tiene la forma
_
x
y
_

_
ax + by
cx + dy
_
para algunos a, b, c, d R con ad bc ,= 0.
(d) Sea f un automorsmo de R
2
con
f
_
1
3
_
=
_
2
1
_
y f
_
1
4
_
=
_
0
1
_
.
Encuentre f
_
0
1
_
.
17. Puede un espacio vectorial ser isomorfo a uno de sus subespacios propios?
18. Suponga que V = V
1
V
2
y que V es isomorfo al espacio U bajo la aplicacin T. Pruebe que
U = T(V
1
) T(U
2
).
19. Determine dos operadores lineales S y T de R
2
tales que ST = O, pero TS ,= O.
Matriz de una transformacin lineal 139
20. Sea V un espacio vectorial y T L(V, V). Pruebe que las siguientes armaciones son equi-
valentes:
(a) Nucl (T) Im(T) =

0
(b) Si T(T(v)) =

0 entonces T(v) =

0.
21. Sea V un espacio vectorial de dimensin nita y sea T un operador lineal en V. Pruebe que
si rang (T
2
) = rang (T), entonces Nucl (T) Im(T) =

0.
4.3. Matriz de una transformacin lineal
A travs del concepto de isomorsmo podemos estudiar los espacios vectoriales de dimensin
nita y las transformaciones lineales entre ellos; mediante los espacios de vectores R
n
y los espa-
cios de matrices /
mn
, respectivamente. Para ello estableceremos isomorsmos especiales entre
un espacio V de dimensin n y R
n
y entre L(V, W) y /
mn
. En este proceso juegan un papel
especial las bases de los espacios, pues los isomorsmos indicados dependern de las bases que
seleccionemos para los espacios V y W.
4.3.1. Vector de coordenadas
Hasta ahora hemos considerado una base de un espacio como un conjunto B que genera al
espacio y que es linealmente independiente; pero, a partir de este momento, tambin estaremos
interesados en que las bases tengan un orden en el sentido que precisa la siguiente denicin:
Denicin 4.4. Si V es un espacio vectorial de dimensin nita, una base ordenada de V es una
sucesin nita de vectores linealmente independientes que generan a V.
Al decir sucesin nita se est etiquetando los elementos de la base de modo que sabemos
cul es el primer elemento, cul es el segundo, etc.
Por ejemplo, en R
2
, las bases ordenadas
A = (1, 0), (0, 1) y B = (0, 1), (1, 0)
son diferentes puesto que en A el vector (1, 0) es el primer elemento mientras que en B ese vector
es el segundo elemento. Esta distincin es muy importante para la teora que se trabajar en el
resto del captulo.
A partir de estos apartados, cuando mencionemos una base, estaremos suponiendo que es
ordenada.
Con el propsito de establecer el isomorsmo que mencionamos antes entre un espacio de
dimensin n y R
n
, denimos primero el concepto de vector de coordenadas. Esta denicin se
basa en el hecho, demostrado en el captulo 4, de que la representacin de un elemento de un
espacio vectorial como combinacin lineal de los elementos de una base es nica.
Denicin 4.5. Sea V un espacio vectorial con una base ordenada B = v
1
, v
2
, . . . , v
n
. Dado
v V, v = c
1
v
1
+ c
2
v
2
+ . . . + c
n
v
n
, se dice que c
1
, c
2
, . . ., c
n
son las coordenadas de v con respecto
a B. El vector columna (en R
n
):
[v]
B
=
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
_
140 Transformaciones lineales
se llama vector de coordenadas de v con respecto a la base B.
Observe que una vez jada la base ordenada B de V, cada uno de los elementos del espacio
vectorial tiene un nico vector de coordenadas con respecto a la base B, pues la representacin
v = c
1
v
1
+ c
2
v
2
+ . . . + c
n
v
n
es nica. El vector de coordenadas est formado por los coecientes
de la combinacin lineal dada.
Ejemplo 4.24. Si en R
n
consideramos la base cannica ordenada
B = (1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1),
entonces, dado (x
1
, x
2
, . . . , x
n
) R
n
, se tiene que
(x
1
, x
2
, . . . , x
n
)
= x
1
(1, 0, . . . , 0) + x
2
(0, 1, . . . , 0) + . . . + x
n
(0, 0, . . . , 1).
Por lo tanto, el vector de coordenadas de (x
1
, x
2
, . . . , x
n
) en la base B es
[(x
1
, x
2
, . . . , x
n
)]
B
=
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
.
Ejemplo 4.25. En R
4
consideramos la base ordenada
B = (1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0).
Determinar el vector de coordenadas de (1, 4, 1, 3) en esa base.
Solucin:
Debemos determinar los coecientes de la combinacin lineal del vector dado en trminos de
la base B:
(1, 4, 1, 3) = c
1
(1, 1, 1, 1) + c
2
(1, 1, 1, 0) + c
3
(1, 1, 0, 0) + c
4
(1, 0, 0, 0).
Desarrollando el lado derecho e igualando componentes obtenemos:
1 = c
1
+ c
2
+ c
3
+ c
4
4 = c
1
+ c
2
+ c
3
1 = c
1
c
2
3 = c
1
Resolviendo este sistema obtenemos que c
1
= 3, c
2
= 4, c
3
= 3 y c
4
= 3. As,
[(1, 4, 1, 3)]
B
=
_
_
_
_
3
4
3
3
_
_
_
_
.
Matriz de una transformacin lineal 141
Ejemplo 4.26. En R
2
se da la base ordenada B = (1, 1), (2, 1). Determinar el vector de coor-
denadas de cualquier (a, b) R
2
.
Solucin:
Hacemos (a, b) = c
1
(1, 1) + c
2
(2, 1). De aqu, a = c
1
+ 2c
2
, b = c
1
c
2
y, por lo tanto,
c
1
=
1
3
(a + 2b), c
2
=
1
3
(a b).
Luego, [(a, b)]
B
=
_
1
3
a +
2
3
b
1
3
a
1
3
b
_
.
Ejemplo 4.27. En P
2
se da la base ordenada B = x
2
1, x + 1, 3. Determinar el vector de coor-
denadas de cualquier polinomio p(x) = ax
2
+ bx + c P
2
.
Solucin:
Hacemos ax
2
+ bx + c = c
1
(x
2
1) + c
2
(x + 1) + c
3
(3). Luego,
ax
2
+ bx + c = c
1
x
2
+ c
2
x c
1
+ c
2
+ 3c
3
.
Igualando coecientes se tiene: c
1
= a, c
2
= b, c
1
+ c
2
+3c
3
= c; por lo que c
3
=
1
3
(a b + c). De
esta forma,
[ax
2
+ bx + c]
B
=
_
_
a
b
1
3
(a b + c)
_
_
.
Un caso particular ilustrativo:
[x
2
+ 5x 2]
B
=
_
_
1
5
1
3
(1 5 2)
_
_
=
_
_
1
5
2
_
_
.
Este ltimo ejemplo muestra que podemos pasar de los polinomios a los espacios R
n
mediante
el concepto de vector de coordenadas.
Teorema 4.7. Si V es un espacio vectorial de dimensin nita y B es una base de V, entonces la aplicacin
Rep
B
: V R
n
v Rep
B
(v) = [v]
B
es un isomorsmo.
Demostracin:
Se deja como ejercicio para el lector.
Al decir que Rep
B
es un isomorsmo estamos diciendo que es una transformacin lineal bi-
yectiva. La linealidad de Rep
B
implica que, para cualesquiera vectores v y w en V y para cualquier
escalar k, se tiene que:
[v + w]
B
= [v]
B
+ [w]
B
,
[kv]
B
= k [v]
B
.
142 Transformaciones lineales
4.3.2. Matriz de una transformacin
Denicin 4.6. Suponga que V y W son espacios vectoriales de dimensiones n y m, con bases
B = v
1
, v
2
, . . . , v
n
y C = w
1
, w
2
, . . . , w
m

respectivamente, y sea T: V W una transformacin lineal.

Si [T(v
1
)]
C
=
_
_
_
_
_
t
11
t
21
.
.
.
t
m1
_
_
_
_
_
, . . . , [T(v
n
)]
C
=
_
_
_
_
_
t
1n
t
2n
.
.
.
t
mn
_
_
_
_
_
entonces la matriz mn siguiente:
[T]
B
C
=
_
_
_
_
_
t
11
t
12
. . . t
1n
t
21
t
22
. . . t
2n
.
.
.
.
.
.
.
.
.
t
m1
t
m2
. . . t
mn
_
_
_
_
_
se llama matriz representacin de T con respecto a las bases B, C.
Observe que lo anterior signica que, para cada v
i
(con i = 1, . . . , n), se tiene
T(v
i
) = t
i1
w
1
+ t
i2
w
2
+ . . . + t
im
w
m
,
de modo que la primera columna de la matriz est formada por los coecientes de la combinacin
lineal de la imagen, en la base C, del primer elemento de la base B; la segunda columna de la
matriz est formada por los coecientes de la combinacin lineal de la imagen, en la base C, del
segundo elemento de la base B; y as sucesivamente.
Ejemplo 4.28. Si V y W son espacios vectoriales de dimensiones n y m respectivamente y O :
V W es la transformacin nula, entonces [O]
B
C
= O (la matriz nula de tamao m n), para
cualesquiera bases B y C.
Ejemplo 4.29. Sea V un espacio vectorial de dimensin n y sea B una base de V, entonces la
matriz representacin de la aplicacin identidad id: V V, considerando en ambos casos, tanto
en el dominio como en el codominio, la base B es [id]
B
B
= I
n
(la matriz identidad de orden n). Si
tomamos en el dominio la base B y en el codominio una base diferente C, entonces [id]
B
C
,= I
n
.
Por ejemplo, sea V = R
2
y consideremos la aplicacin identidad id: R
2
R
2
. Supongamos
que tomamos como base del dominio B = (1, 0), (0, 1), la base cannica, y como base en el
codominio C = (0, 1), (1, 0), los mismos elementos de la base cannica pero en otro orden.
Tenemos que
id(1, 0) = (1, 0) = 0(0, 1) + 1(1, 0),
id(0, 1) = (0, 1) = 1(0, 1) + 0(1, 0).
Por lo tanto,
[id]
B
C
=
_
0 1
1 0
_
,
que no es la matriz identidad.
Matriz de una transformacin lineal 143
Ejemplo 4.30. Sea S: M
22
P
2
tal que
S
_
a b
c d
_
= ax
2
+ (a b)x + c d.
Determinar la matriz representacin de S en las bases B, C, donde
B =
__
1 0
0 0
_
,
_
1 1
0 0
_
,
_
1 1
1 0
_
,
_
1 1
1 1
__
,
C =
_
x
2
x + 1, x
2
1, 1
_
Solucin:
Calculamos las imgenes de los elementos de B y las escribimos como combinacin lineal de
los elementos de C:
S
_
1 0
0 0
_
= x
2
+ x = (1)(x
2
x + 1) + 2(x
2
1) + 3(1),
S
_
1 1
0 0
_
= x
2
= 0(x
2
x + 1) + 1(x
2
1) + 1(1),
S
_
1 1
1 0
_
= x
2
+ 1 = 0(x
2
x + 1) + 1(x
2
1) + 2(1),
S
_
1 1
1 1
_
= x
2
= 0(x
2
x + 1) + 1(x
2
1) + 1(1).
Por lo tanto
[S]
B
C
=
_
_
1 0 0 0
2 1 1 1
3 1 2 1
_
_
.
Las caractersticas de las transformaciones lineales entre espacios vectoriales de dimensin
nita pueden estudiarse a partir de su matriz representante en bases elegidas adecuadamente.
Esto se da por cuanto el vector de coordenadas de las imgenes est relacionado con el vector
de coordenadas de la preimagen correspondiente y la matriz representante de la transformacin
lineal, en el sentido establecido por el siguiente teorema.
Teorema 4.8. Sean V y W espacios vectoriales de dimensiones n y m con bases B y C respectivamente, y
sea T L(V, W). Si T es representada por [T]
B
C
y v V es representado por [v]
B
entonces la representacin
de la imagen de v es
[T(v)]
C
= [T]
B
C
[v]
B
. (4.3)
Demostracin:
Sean
[v]
B
=
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
_
, [T]
B
C
=
_
_
_
_
_
t
11
t
12
. . . t
1n
t
21
t
22
. . . t
2n
.
.
.
.
.
.
.
.
.
t
m1
t
m2
. . . t
mn
_
_
_
_
_
y sean B = v
1
, v
2
, . . . , v
n
base de V y C = w
1
, w
2
, . . . , w
m
base de W.
144 Transformaciones lineales
Segn esto,
v = c
1
v
1
+ c
2
v
2
+ . . . + c
n
v
n
,
T(v
1
) = t
11
w
1
+ t
21
w
2
+ . . . + t
m1
w
m
,
T(v
2
) = t
12
w
1
+ t
22
w
2
+ . . . + t
m2
w
m
,
.
.
.
.
.
.
T(v
n
) = t
1n
w
1
+ t
2n
w
2
+ . . . + t
mn
w
m
;
por lo tanto,
T(v) = c
1
T(v
1
) + c
2
T(v
2
) + . . . + c
n
T(v
n
)
= c
1
(t
11
w
1
+ t
21
w
2
+ . . . + t
m1
w
m
)
+ c
2
(t
12
w
1
+ t
22
w
2
+ . . . + t
m2
w
m
) + . . . + c
n
(t
1n
w
1
+ t
2n
w
2
+ . . . + t
mn
w
m
)
= (c
1
t
11
+ c
2
t
12
+ . . . + c
n
t
1n
)w
1
+ (c
1
t
21
+ c
2
t
22
+ . . . + c
n
t
2n
)w
2
+ . . . + (c
1
t
m1
+ c
2
t
m2
+ . . . + c
n
t
mn
)w
m
.
Esto signica que
[T(v)]
C
=
_
_
_
_
_
t
11
c
1
+ t
12
c
2
+ + t
1n
c
n
t
21
c
1
+ t
22
c
2
+ + t
2n
c
n
.
.
.
t
m1
c
1
+ t
m2
c
2
+ + t
mn
c
n
_
_
_
_
_
=
_
_
_
_
_
t
11
t
12
. . . t
1n
t
21
t
22
. . . t
2n
.
.
.
.
.
.
.
.
.
t
m1
t
m2
. . . t
mn
_
_
_
_
_
_
_
_
_
_
c
1
c
2
.
.
.
c
n
_
_
_
_
_
= [T]
B
C
[v]
B
,
como queramos demostrar.
El teorema dice que la matriz [T]
B
C
y el vector [v]
B
se combinan para producir el vector [T(v)]
C
.
Ejemplo 4.31. Cierta transformacin lineal T tiene la siguiente matriz representacin en un par de
bases B, C:
[T]
B
C
=
_
1 1 1
2 3 1
_
.
Si v es un vector en el dominio de T tal que [v]
B
=
_
_
1
2
1
_
_
, entonces el vector de coordenadas de
T(v) en la base C es
[T(v)]
C
=
_
1 1 1
2 3 1
_
_
_
1
2
1
_
_
=
_
0
9
_
.
Si C = w
1
, w
2
, lo anterior signica que T(v) = 0w
1
+ 9w
2
= 9w
2
.

Matriz de una transformacin lineal 145

Ejemplo 4.32. Sea T: R
2
P
2
con T(a, b) = (a + b)x
2
+ (a b)x + a. Sean B = (1, 1), (1, 2)
base de R
2
y C = x
2
, x + 2, 1 base de P
2
. Calcular [T]
B
C
, [(2, 3)]
B
y utilizar (4.3) para calcular
[T(2, 3)]
C
.
Solucin:
Clculo de [T]
B
C
. Tenemos que
T(1, 1) = 2x
2
+ 1 = 2(x
2
) + 0(x + 1) + 1(1),
T(1, 2) = x
2
+ 3x + 1 = 1(x
2
) + 3(x + 2) + (5)(1).
Por lo tanto,
[T]
B
C
=
_
_
2 1
0 3
1 5
_
_
.
Clculo de [(2, 3)]
B
. Dado que (2, 3) =
1
3
(1, 1) +
5
3
(1, 2), entonces
[(2, 3)]
B
=
_
1
3
5
3
_
.
Clculo de [T(2, 3)]
C
. Segn (4.3),
[T(2, 3)]
C
= [T]
B
C
[(2, 3)]
B
=
_
_
2 1
0 3
1 5
_
_
_
1
3
5
3
_
=
_
_
1
5
8
_
_
.
Hemos visto que la accin de una transformacin lineal se puede describir mediante una ma-
triz, con respecto a bases apropiadas. De modo semejante, cada matriz representa una transforma-
cin lineal.
Teorema 4.9. Cualquier matriz representa una transformacin lineal entre espacios vectoriales de dimen-
siones apropiadas, con respecto a algn par de bases.
Demostracin:
Para la matriz
A =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
je un espacio n-dimensional como dominio V y algn espacio m-dimensional como codominio
W. Considere tambin bases jas B = v
1
, . . . , v
n
y C = w
1
, . . . , w
m
para tales espacios. Dena
T L(V, W) de manera que si v en el dominio tiene vector de coordenadas
[v]
B
=
_
_
_
c
1
.
.
.
c
n
_
_
_
entonces su imagen T(v) es el elemento del codominio con vector de coordenadas
[T(v)]
C
=
_
_
_
a
11
c
1
+ + a
1n
c
n
.
.
.
a
m1
c
1
+ + a
mn
c
n
_
_
_.
146 Transformaciones lineales
Esto es, T(v) = T(c
1
v
1
+ + c
n
v
n
) se dene como
(a
11
c
1
+ + a
1n
c
n
)w
1
+ + (a
m1
c
1
+ + a
mn
c
n
)w
m
.
Observe que est bien denida por la unicidad de la representacin [v]
B
.
La aplicacin T se deni as, simplemente para hacer que su representacin con respecto a
B, C sea la matriz A. De modo que para terminar solo debemos vericar que T es lineal. Si v, u V
son tales que
[v]
B
=
_
_
_
c
1
.
.
.
c
n
_
_
_ y [u]
B
=
_
_
_
d
1
.
.
.
d
n
_
_
_
y a, b R, entonces el siguiente clculo:
T(av + bu) = (a
11
(ac
1
+ bd
1
) + + a
1n
(ac
n
+ bd
n
))w
1
+
. . . + (a
m1
(ac
1
+ bd
1
) + + a
mn
(ac
n
+ bd
n
))w
m
= aT(v) + bT(u)
proporciona la vericacin.
Ejemplo 4.33. Consideremos la matriz
A =
_
1 2 3
3 4 5
_
,
y los espacios P
2
y P
1
con bases B = 1, x 1, x
2
+ x + 1 y C = 1, x + 1 respectivamente.
Dado ax
2
+ bx + c P
2
, podemos escribir
ax
2
+ bx + c = (2a + b + c)(1) + (b a)(x 1) + a(x
2
+ x + 1);
es decir,
[ax
2
+ bx + c]
B
=
_
_
2a + b + c
b a
a
_
_
.
Entonces, la transformacin lineal T que se dene en la demostracin del teorema anterior es
T: P
2
P
1
tal que
[T(ax
2
+ bx + c)]
C
=
_
1 2 3
3 4 5
_
_
_
2a + b + c
b a
a
_
_
=
_
a + 3b + c
5a + 7b + 3c
_
.
Esto signica que
T(ax
2
+ bx + c) = (a + 3b + c)(1) + (5a + 7b + 3c)(x + 1)
= (5a + 7b + 3c)x 6a + 10b + 4c.
Todo lo anterior establece una estrecha relacin entre las matrices y las transformaciones li-
neales entre espacios de dimensin nita. De hecho, si V y W son espacios de dimensiones n y m
respectivamente, entonces L(V, W) y /
mn
son isomorfos.
Matriz de una transformacin lineal 147
Teorema 4.10. Si V y W son espacios vectoriales de dimensiones n y m, con bases B y C respectivamente,
entonces la aplicacin
L(V, W) /
mn
T [T]
B
C
es un isomorsmo.
Demostracin:
La aplicacin es lineal. La linealidad signica que si S, T L(V, W) estn representadas con respecto
a las bases B, C por las matrices [S]
B
C
y [T]
B
C
y si r es un escalar, entonces S + T L(V, W) es
representada con respecto a las bases B, C por [S]
B
C
+ [T]
B
C
, y rT L(V, W) es representada con
respecto a B, C por r[T]
B
C
. Dicho de otro modo:
[S + T]
B
C
= [S]
B
C
+ [T]
B
C
, [rT]
B
C
= r[T]
B
C
.
Probar esto es sencillo, se deja como ejercicio.
La aplicacin es inyectiva. En efecto, la nica transformacin lineal cuya matriz representante es la
matriz O es la aplicacin nula.
La aplicacin es sobreyectiva. Esto es consecuencia inmediata del teorema 4.9.
Dado que la aplicacin es lineal, inyectiva y sobreyectiva, concluimos que es un isomorsmo.

Corolario 4.1. Sean V y W espacios vectoriales tales que dim(V) = n y dim(W) = m, entonces
dim(L(V, W)) = nm.
Demostracin:
Dado que L(V, W)

= /
mn
, entonces
dim(L(V, W)) = dim(/
mn
) = nm.
Este isomorsmo entre las matrices y las transformaciones lineales permite identicar una
serie de propiedades de las matrices con propiedades correspondientes del determinante. En par-
ticular, establece una identidad entre el rango de una matriz y el rango de una transformacin
lineal.
Teorema 4.11. El rango de una matriz es igual al rango de cualquier transformacin lineal que ella repre-
senta.
Demostracin:
Suponga que la matriz A es m n. Fije como dominio y codominio los espacios V y W de
dimensiones n y m, con las bases B = v
1
, . . . , v
n
y C respectivamente. Entonces A representa
alguna aplicacin lineal T entre esos espacios con respecto a esas bases; su imagen
T(v) [ v V = T(c
1
v
1
+ + c
n
v
n
) [ c
1
, . . . , c
n
R
= c
1
T(v
1
) + + c
n
T(v
n
) [ c
1
, . . . , c
n
R
es el generado por T(v
1
), . . . , T(v
n
). El rango de T es la dimensin de su imagen.
El rango de la matriz es su rango por columnas. Esta es la dimensin del espacio de columnas
de la matriz, que es el generado por sus vectores columna [T(v
1
)]
C
, . . . , [T(v
n
)]
C
.
148 Transformaciones lineales
Para ver que estos dos generados tienen la misma dimensin, recuerde que una representacin
con respecto a una base proporciona una transformacin lineal Rep
C
: W R
m
. Bajo esta transfor-
macin lineal, existe una relacin entre elementos de la imagen si y solo si la misma relacin se da
en el espacio de columnas. De aqu, si un subconjunto de la imagen es linealmente independiente
el correspondiente subconjunto del espacio de columnas es linealmente independiente. A partir
de esto se deduce que ambos espacios tienen la misma dimensin.
Ejemplo 4.34. Cualquier aplicacin representada por
_
_
_
_
1 2 2
1 2 1
0 0 3
0 0 2
_
_
_
_
debe ir de un espacio de dimensin tres en uno de dimensin cuatro. Adems, dado que esta
matriz tiene rango dos, cualquier aplicacin representada por ella tiene una imagen de dimensin
2.
Corolario 4.2. Una matriz cuadrada representa un isomorsmo si y solo si ella es invertible.
Demostracin:
Inmediata del resultado anterior.
Ejemplo 4.35. Cualquier aplicacin de R
2
a P
1
representada, con respecto a cualesquiera bases,
por
_
4 3
0 5
_
es un isomorsmo porque esta matriz tiene rango dos y, por lo tanto, es invertible.
Ejemplo 4.36. Cualquier aplicacin G L(V, W) representada por
_
5 3
10 6
_
NO es un isomorsmo porque esta matriz no es invertible ya que su rango es 1.
4.3.3. Matriz de un producto de transformaciones
Una de las propiedades interesantes de la matriz representacin es que la matriz de un pro-
ducto de transformaciones es igual al producto de las matrices correspondientes.
Teorema 4.12. La composicin de dos transformaciones lineales se representa por la matriz producto de
las representaciones de las transformaciones correspondientes. Esto es, si S L(U, V) y T L(V, W)
entonces
[TS]
B
D
= [T]
C
D
[S]
B
C
,
donde B es base de U, C es base de V y D es base de W.
Demostracin:
Sea u U, por (4.3) sabemos que
[S(u)]
C
= [S]
B
C
[u]
B
. (4.4)
Matriz de una transformacin lineal 149
Por otra parte, tambin por (4.3) y utilizando (4.4), se tiene que
[TS]
B
D
[u]
B
= [TS(u)]
D
= [T(S(u))]
D
= [T]
C
D
[S(u)]
C
= [T]
C
D
[S]
B
C
[u]
B
.
Es decir, para todo u U se tiene que
[TS]
B
D
[u]
B
= [T]
C
D
[S]
B
C
[u]
B
,
por consiguiente,
[TS]
B
D
= [T]
C
D
[S]
B
C
.
Ejemplo 4.37. Sea B la base cannica de R
2
y C = (1, 1), (1, 1) otra base de R
2
. Sean S, T
L(R
2
, R
2
) tales que
[S]
B
B
=
_
1 2
1 0
_
y [T]
B
C
=
_
1 3
2 1
_
.
Determinar TS(x, y).
Solucin:
Por el teorema anterior tenemos
[TS]
B
C
= [T]
B
C
[S]
B
B
=
_
1 3
2 1
__
1 2
1 0
_
=
_
2 2
1 4
_
.
Dado que B es la base cannica, entonces [(x, y)]
B
=
_
x
y
_
y, por (4.3),
[TS(x, y)]
C
= [TS]
B
C
[(x, y)]
B
=
_
2 2
1 4
__
x
y
_
=
_
2x + 2y
x + 4y
_
.
As,
TS(x, y) = (2x + 2y)(1, 1) + (x + 4y)(1, 1)
= (x + 6y, 3x 2y).
Ejemplo 4.38. Sea T : R
3
R
3
una transformacin lineal y sea B una base de R
3
tal que [T]
B
B
=
_
_
1 0 1
1 2 3
1 1 2
_
_
.
(a) Si v es un vector de R
3
con [v]
B
=
_
_
1
2
4
_
_
, determinar [T(v)]
B
.
(b) Dada B = u, v, w, determinar el vector de coordenadas de T(u + v w) en la base B.
(c) Determinar si T es o no un isomorsmo.
(d) Si B = (1, 2, 3), (1, 1, 2), (2, 3, 1), determinar [T]
B
C
donde C es la base cannica de R
3
.
Solucin:
(a) Tenemos que
[T(v)]
B
= [T]
B
B
[v]
B
=
_
_
1 0 1
1 2 3
1 1 2
_
_
_
_
1
2
4
_
_
=
_
_
3
9
11
_
_
150 Transformaciones lineales
(b) T(u + v w) = T(u) + T(v) T(w)
= (u + v + w) + (0u + 2v w) (u + 3v + 2w)
= 2u + 0v 2w
Entonces [T(u + v w)]
B
=
_
_
2
0
2
_
_
.
(c) det
_
_
1 0 1
1 2 3
1 1 2
_
_
= 10 ,= 0, entonces [T]
B
B
es invertible y eso signica que T es un isomors-
mo.
(d) Tenemos que
T(1, 2, 3) = 1(1, 2, 3) + 1(1, 1, 2) + 1(2, 3, 1) = (4, 6, 6)
T(1, 1, 2) = 0(1, 2, 3) + 2(1, 1, 2) 1(2, 3, 1) = (0, 1, 3)
T(2, 3, 1) = 1(1, 2, 3) + 3(1, 1, 2) + 2(2, 3, 1) = (6, 7, 5)
Dado que
(4, 6, 6) = 4(1, 0, 0) + 6(0, 1, 0) + 6(0, 0, 1)
(0, 1, 3) = 0(1, 0, 0) 1(0, 1, 0) + 3(0, 0, 1)
(6, 7, 5) = 6(1, 0, 0) + 7(0, 1, 0) + 5(0, 0, 1)
concluimos que
[T]
B
C
=
_
_
4 0 6
0 1 3
6 7 5
_
_

4.3.4. Coordenadas y cambio de base

La representacin de vectores mediante el vector de coordenadas con respecto a una base,
vara, desde luego, con la base. Por ejemplo, con respecto a las dos bases B = (1, 0), (0, 1); la
base cannica, y C = (1, 1), (1, 1) para R
2
, el vector (2, 3) tiene las representaciones:
[(2, 3)]
B
=
_
2
3
_
, [(2, 3)]
C
=
_
5
2

1
2
_
. (4.5)
Veremos qu relacin existe entre diferentes representaciones de un vector.
Cambio de bases
Al pasar de [v]
B
a [v]
C
el vector subyacente v no cambia, de modo que el cambio de una base
a otra en un espacio vectorial est determinado por la matriz de la transformacin identidad con
respecto a esas bases.
Denicin 4.7. La matriz de cambio de base de la base B V a la base C V es la matriz
representacin [id]
B
C
de la aplicacin identidad de V con respecto a esas bases.
Matriz de una transformacin lineal 151
Ejemplo 4.39. Consideremos R
2
y las dos bases B = (1, 0), (0, 1) y C = (1, 1), (1, 1). Tene-
mos que
id(1, 0) = (1, 0) =
1
2
(1, 1) +
1
2
(1, 1)
id(0, 1) = (0, 1) =
1
2
(1, 1)
1
2
(1, 1)
Por lo tanto, la matriz de cambio de la base B a la base C es
[id]
B
C
=
_
1
2
1
2
1
2

1
2
_
.
Qu signica esto? Consideremos el vector v = (2, 3) R
2
, si multiplicamos la matriz de
cambio de la base B a la base C por el vector de coordenadas de v en la base B se obtiene:
[id]
B
C
[v]
B
=
_
1
2
1
2
1
2

1
2
_
_
2
3
_
=
_
5
2

1
2
_
.
Este ltimo vector, segn (4.5), es igual a [v]
C
. As, al multiplicar la matriz de cambio de base
por el vector de coordenadas de v, se obtiene el vector de coordenadas del mismo v en otra base.

La conclusin del caso particular del ejemplo anterior es una propiedad general de la matriz
de cambio de base.
Lema 4.6. El producto de la matriz de cambio de la base B en la base C por una representacin con respecto
a B es igual a una representacin con respecto a C; esto es,
[id]
B
C
[v]
B
= [v]
C
.
Demostracin:
De acuerdo con 4.3 (teorema 4.8), para cada v se tiene que,
[id]
B
C
[v]
B
= [id(v)]
C
= [v]
C
.
Ejemplo 4.40. Considere en R
3
las bases
B = (1, 1, 1), (1, 1, 0), (1, 0, 0),
C = (1, 1, 1), (1, 1, 0), (1, 0, 0).
Usar el lema anterior para determinar [(6, 3, 1)]
C
.
Solucin:
Primero calculamos la matriz de cambio de la base B a la base C:
id(1, 1, 1) = (1, 1, 1) = 1(1, 1, 1) 2(1, 1, 0) 4(1, 0, 0),
id(1, 1, 0) = (1, 1, 0) = 0(1, 1, 1) 1(1, 1, 0) 2(1, 0, 0),
id(1, 0, 0) = (1, 0, 0) = 0(1, 1, 1) + 0(1, 1, 0) 1(1, 0, 0),
por lo tanto,
[id]
B
C
=
_
_
1 0 0
2 1 0
4 2 1
_
_
.
152 Transformaciones lineales
Ahora calculamos el vector de coordenadas de (6, 3, 1) en la base B:
(6, 3, 1) = 1(1, 1, 1) + 2(1, 1, 0) + 3(1, 0, 0),
entonces
[(6, 3, 1)]
B
=
_
_
1
2
3
_
_
.
Finalmente:
[(6, 3, 1)]
C
= [id]
B
C
[(6, 3, 1)]
B
=
_
_
1 0 0
2 1 0
4 2 1
_
_
_
_
1
2
3
_
_
=
_
_
1
4
11
_
_
.
Concluimos esta seccin vericando que la matriz de cambio de la base B en la base C es
inversa de la matriz de cambio de la base C en la base B.
Lema 4.7. Si V es un espacio vectorial de dimensin n y B y C son bases de V, entonces las matrices de
cambio de base [id]
B
C
y [id]
C
B
son mutuamente inversas.
Demostracin:
Sabemos que (id)(id) = id, entonces, segn el teorema 4.12, se tiene
[id]
B
C
[id]
C
B
= [id]
C
C
= I
n
,
[id]
C
B
[id]
B
C
= [id]
B
B
= I
n
.
Por lo que las matrices son inversas una de la otra.
Ejemplo 4.41. En R
3
se consideran las bases
B = (1, 1, 1), (1, 1, 0), (1, 0, 0),
C = (1, 0, 0), (0, 1, 0), (0, 0, 1).
Por ser C la base cannica, podemos obtener de modo muy simple la matriz de cambio de la
base B en la base C; dado que
id(1, 1, 1) = (1, 1, 1) = 1(1, 0, 0) + 1(0, 1, 0) + 1(0, 0, 1),
id(1, 1, 0) = (1, 1, 0) = 1(1, 0, 0) 1(0, 1, 0) + 0(0, 0, 1),
id(1, 0, 0) = (1, 0, 0) = 1(1, 0, 0) + 0(0, 1, 0) + 0(0, 0, 1),
entonces,
[id]
B
C
=
_
_
1 1 1
1 1 0
1 0 0
_
_
.
Para obtener la matriz de cambio de la base C en la base B podemos hacerlo siguiendo el
procedimiento dado por la denicin o, segn el ltimo lema, calculando la inversa de la matriz
anterior. De cualquier forma obtenemos la siguiente matriz.
[id]
C
B
=
_
_
0 0 1
0 1 1
1 1 2
_
_
.
Realice los clculos de ambos procedimientos propuestos como vericacin.
Matriz de una transformacin lineal 153
4.3.5. Ejercicios de la seccin 4.3
1. En cada caso se da un espacio vectorial V, una base B de V y un vector v V. Calcule el
vector de coordenadas [v]
B
de v en la base B:
(a) V = R
3
, B = (1, 1, 2), (2, 1, 1), (3, 0, 2), v = (1, 5, 6)
(b) V = /
22
, B =
__
1 0
2 0
_
,
_
1 1
2 1
_
,
_
1 0
0 1
_
,
_
0 0
0 1
__
,
v =
_
a 0
0 a
_
(c) V = P
2
, B = 1, 2 + x, 1 x + x
2
, v = (x 2)
2
2. Sea T: R
3
R
2
tal que T(x, y, z) = (4x + y, 5y + 2z).
(a) Calcule la matriz representacin de T en las bases cannicas de R
2
y R
3
.
(b) Calcule [T]
B
C
, donde B = (1, 1, 1), (1, 0, 1), (1, 0, 0) es base de R
3
y C = (1, 1), (2, 1)
es base de R
2
.
(c) Use la matriz encontrada en (b) para calcular T(1, 1, 3).
3. Asuma que una transformacin lineal H: R
2
R
3
est determinada por
H(1, 0) = (2, 3, 1), H(0, 1) = (1, 1, 3).
Usando las bases cannicas de R
2
y R
3
, encuentre:
(a) la matriz representante de esta aplicacin
(b) una frmula general para H(x, y)
4. Sea D: P
3
P
3
la aplicacin derivada y sean B = 1, x, x
2
, x
3
y C = 1, 2x, 3x
2
, 4x
3
:
(a) Represente D con respecto a B, B.
(b) Represente D con respecto a B, C.
5. Sea T: P
2
P
3
tal que T(p(x)) = xp(x) y sean B = 1, x, x
2
base de P
2
y C = 1, x, x
2
, x
3

y D = 2, x + 1, x
2
1, x
3
bases de P
3
. Determine [T]
B
C
y [T]
B
D
.
6. Represente cada aplicacin lineal con respecto a cada par de bases.
(a) D: P
n
P
n
dado por
D(a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
) = a
1
+ 2a
2
x + + na
n
x
n1
con respecto a B, B; donde B = 1, x, . . . , x
n
.
(b)
_
: P
n
P
n+1
dado por
_
(a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
) = a
0
x +
a
1
2
x
2
+ +
a
n
n + 1
x
n+1
con respecto a B
n
, B
n+1
; donde B
i
= 1, x, . . . , x
i
.
(c)
_
1
0
: P
n
R dado por
_
1
0
(a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
) = a
0
+
a
1
2
+ +
a
n
n + 1
154 Transformaciones lineales
con respecto a B, C; donde B = 1, x, . . . , x
n
y C = 1.
(d) eval
3
: P
n
R dado por
eval
3
(a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
)
= a
0
+ a
1
3 + a
2
3
2
+ + a
n
3
n
con respecto a B, C; donde B = 1, x, . . . , x
n
y C = 1.
7. Represente, con respecto a las bases cannicas, la transformacin lineal de /
22
en /
22
tal que a cada matriz le asigna su transpuesta.
8. Asuma que B = v
1
, v
2
, v
3
, v
4
es una base para un espacio vectorial. En cada caso, repre-
sente con respecto a B, B; la transformacin T determinada por:
(a) T(v
1
) = v
2
, T(v
2
) = v
3
, T(v
3
) = v
4
, T(v
4
) =

0
(b) T(v
1
) = v
2
, T(v
2
) =

0, T(v
3
) = v
4
, T(v
4
) =

0
(c) T(v
1
) = v
2
, T(v
2
) = v
3
, T(v
3
) =

0, T(v
4
) =

0
9. Considere un operador lineal S de R
2
determinado por:
S(1, 1) = (2, 0), S(1, 0) = (1, 0).
(a) Represente este operador con respecto a la base cannica.
(b) Cul es la imagen del vector (0, 5)?
(c) Represente este operador con respecto a las bases:
B = (1, 1), (1, 1), D = (2, 2), (1, 1)
(d) Usando B del tem anterior, represente el operador con respecto a B, B.
10. Sea T un operador lineal de R
3
cuya matriz representante en la base cannica es
_
_
1 2 1
0 1 1
1 3 4
_
_
.
Encuentre una base para Nucl (T) y una base para Im(T).
11. En R
3
consideremos B la base cannica y en P
2
consideremos la base C = 1, 1 + x
2
, x. Una
transformacin T L(R
3
, P
2
) tiene como matriz representacin
[T]
B
C
=
_
_
1 3 0
0 1 2
2 5 2
_
_
.
Determine cules de los siguientes polinomios pertenece a la imagen de T:
1 + 2x, 3x
2
+ x 2, 3x
2
+ 5x + 7
Matriz de una transformacin lineal 155
12. Sea T L(R
3
, R
3
) con T(x, y, z) = (3x, x y, 2x + y + z):
(a) Pruebe que T es un isomorsmo.
(b) Determine T
1
.
(c) Calcule [T]
B
B
y [T
1
]
B
B
, donde
B = (1, 0, 1), (1, 2, 1), (2, 1, 1).
13. Sea B = (1, 1, 1, 1), (0, 1, 1, 1), (0, 1, 0, 1), (0, 1, 0, 0) base de R
4
y sea C la base
cannica de R
4
. Sea T L(R
4
, R
3
) tal que
[T]
B
C
=
_
_
_
_
0 1 2 3
1 2 3 0
2 2 1 1
0 0 3 3
_
_
_
_
.
(a) Sea v R
4
tal que [v]
B
=
_
_
_
_
a
a
a
a
_
_
_
_
, determine T(v).
(b) Determine T(x, y, z, w).
14. Sea B = (1, 1, 2), (1, 1, 1), (1, 0, 0) base de R
3
y sea C la base cannica de R
3
. Sea T
L(R
3
, R
3
) tal que [T]
B
C
=
_
_
1 2 3
2 1 5
0 1 2
_
_
.
(a) Determine si T es un isomorsmo.
(b) Determine T(x, y, z).
15. Sea (2, 2, 1), (2, 1, 0), (2, 0, 0) base de R
3
y D = (1, 2), (2, 0) base de R
2
. Sea T L(R
2
, R
3
)
tal que [T]
B
D
=
_
1 1 2
2 2 1
_
(a) Calcule T(2, 2, 1), T(2, 1, 0) y T(2, 0, 0).
(b) Determine T(x, y, z).
16. Sea T : R
4
R
3
una transformacin lineal tal que
[T]
D
B
=
_
_
0 1 2 1
1 2 3 0
0 2 1 1
_
_
.
(a) Si v es un vector de R
4
tal que [v]
D
=
_
_
_
_
1
2
3
4
_
_
_
_
, encuentre [T(v)]
B
.
(b) Si B = (1, 1, 1), (1, 1, 0) (1, 0, 0), calcule [T(v)]
C
, donde C es la base cannica de R
3
.
(c) Determine [T]
D
C
donde C es la base cannica de R
3
.
156 Transformaciones lineales
17. En R
2
, sea D = (2, 1), (2, 4), determine la matriz de cambio de base de D a la base
cannica y la de cambio de base de la base cannica a D. Verique que son inversas una de
la otra.
18. Encuentre en cada caso la matriz de cambio de B a D en R
2
.
(a) B = (1, 0), (0, 1) (la base cannica), D = (0, 1), (1, 0)
(b) B = (1, 0), (0, 1), D = (1, 2), (1, 4)
(c) B = (1, 2), (1, 4), D = (1, 0), (0, 1)
(d) B = (1, 1), (2, 2), D = (0, 4), (1, 3)
19. En cada caso encuentre la matriz de cambio de bases para B, D P
2
.
(a) B = 1, x, x
2
, D = x
2
, 1, x
(b) B = 1, x, x
2
, D = 1, 1 + x, 1 + x + x
2

(c) B = 2, 2x, x
2
, D = 1 + x
2
, 1 x
2
, x + x
2

20. Determine bases tales que la siguiente matriz represente la aplicacin identidad con respecto
a esas bases.
_
_
3 1 4
2 1 1
0 0 4
_
_
.
21. En cierto espacio V se tiene una base B = v
1
, v
2
, v
3
.
(a) Pruebe que C = v
1
+ 2v
2
, v
2
+ 3v
3
, 4v
3
tambin es base de V.
(b) Determine la matriz de cambio de la base B a la base C.
(c) Si H es una transformacin lineal de V en V tal que H(v
1
) = 2v
1
, H(v
2
) = v
2
v
3
y
H(v
3
) = v
3
+ v
1
, determine la matriz representante de H, considerando en el dominio
la base B y en el codominio la base C.
22. Sea V un espacio vectorial de dimensin 2 y B = v
1
, v
2
, C = w
1
, w
2
bases de V tales que
w
1
= v
1
y w
2
= v
1
+ v
2
. Si T L(V, V) es tal que [T]
B
B
=
_
1 1
2 0
_
, determine [T]
C
C
.
23. Sea V un espacio vectorial de dimensin 3 y B = v
1
, v
2
, v
3
una base de V. Si T L(V, V)
cumple
[T]
B
B
=
_
_
15 11 5
20 15 8
8 7 6
_
_
,
determine [T]
C
C
, si
C = 2v
1
+ 3v
2
+ v
3
, 3v
1
+ 4v
2
+ v
3
, v
1
+ 2v
2
+ 2v
3
.
24. Sea V un espacio vectorial de dimensin 4 y B = v
1
, v
2
, v
3
, v
4
una base de V:
(a) Sabemos que existe un nico T L(V, V) que cumple T(v
1
) = v
2
, T(v
2
) = v
3
, T(v
3
) =
v
4
y T(v
4
) =

0. Cul es la matriz representacin de T en las bases B, B.

(b) Demuestre que T
4
= O, pero T
3
,= O.
Matriz de una transformacin lineal 157
(c) Sea S cualquier operador lineal en V tal que S
4
= O, pero S
3
,= O. Demuestre que existe
una base ordenada C de V tal que la matriz representacin de S en las bases C, C es la
misma matriz obtenida en el punto (a) de este ejercicio.
25. En R
2
se dan las bases
B = (3, 7), (1, 2) y C = (6, 7), (5, 6).
Si T y S son operadores lineales sobre R
2
tales que
[T]
B
B
=
_
2 1
5 3
_
, [S]
C
C
=
_
1 3
2 7
_
.
Halle [TS]
D
D
, donde D es la base cannica de R
2
.
26. Sea T L(V, V) tal que T
2
= O. Pruebe que id T es invertible.
27. Sea P L(V, V) tal que P
2
= P. Pruebe que
V = Nucl (P) Im(P).