ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

Demostración
Capítulo 6 1. Es claro que θ∈V. Luego,
T(θ) = T(θ+θ) = T(θ)+T(θ).
TRANSFORMACIONES
LINEALES Por otro lado, θ = T(θ) – T(θ). Luego,

T(θ) + θ = T(θ) + T(θ) – T(θ) ⇒ T(θ) = T(θ) – T(θ) = θ.

2. Sean α∈V y c∈K. Luego, T(c•α) = c•T(α).

6.1. INTRODUCCIÓN.
3.
En este capítulo se presenta el importante concepto de Transformación Lineal.
Se exponen los principales conceptos asociados como lo son Kernel, Imagen, 4.
Nulidad y Rango de una Transformación Lineal, Monomorfismos,
Epiformismos e Isomorfismos, Matriz asociada a una Transformación Lineal
de ℜn a ℜm y Matriz de una Transformación Lineal T: V→W relativa a bases
de V y W, respectivamente.
6.2. DEFINICIONES, PROPIEDADES Y EJEMPLOS.
Definición 6.1.
Sean V y W espacios vectoriales sobre K y T: V→W. Se dice que T es una
Transformación Lineal (T.L) u homomorfismo si T verifica las siguientes
Si c = -1 entonces T((-1)α) = (-1)T(α), es decir, T(-α) = -T(α).
T(α + c•β) = T(α) + c•T(β). Si c = -1 entonces se cumple que
T(α – β) = T(α) – T(β).
Utilicemos inducción completa. Demostremos que la igualdad se
cumple para n = 2, es decir :
T( c1 • α1 + c 2 • α 2 ) = c1•T(α1)+ c2•T(α2)
En efecto,
T( c1 • α1 + c 2 • α 2 ) = T(c1•α1)+ T(c2•α2) = c1•T(α1)+ c2•T(α2)
Supongamos que la igualdad se cumple para n = p, es decir :
p p

condiciones: T( ∑c
i =1
i • αi ) = ∑c
i =1
i • T (α i )

1. ∀ α, β∈V se cumple que T(α + β) = T(α) + T(β).

2. ∀ α∈V, ∀ c∈K se cumple que T(c•α) = cT(α). Demostremos ahora que la igualdad se cumple para n = p+1.

Observación: En efecto,

p +1 p
Una función T: V→W es una T.L. si ∀ α, β∈V, ∀ c∈K se cumple que
T(c•α + β) = c•T(α) + T(β).
T( ∑c
i =1
i • α i ) = T( ∑c
i =1
i • α i + cp+1•α1p+1)

p
Teorema 6.1. = T( ∑c
i =1
i • α i ) + T(cp+1•α1p+1)

Sea T: V→W una T.L. Entonces se cumple que: p

= ∑c i • T(α i ) + cp+1•T(α1p+1)
1. T(θ) = θ. i =1

2. ∀ α∈V se cumple que T(-α) = -T(α). p +1

3. ∀ α, β∈V se cumple que T(α – β) = T(α) – T(β). = ∑c

i =1
i • T (α i )
4. Si αi∈V, ci∈K, i = 1, 2, …, n, entonces se cumple que
n n
T( ∑c
i =1
i • αi ) = ∑c
i =1
i • T (α i ) . Por tanto se cumple que:

n n

∑c ∑c
5. Si U1 es un subespacio de V entonces el conjunto:
T( • αi ) = • T (α i )
T(U1) = {T(α): α∈U1} = {β∈W: β = T(α), para algún α∈U1} i =1
i
i =1
i

es un subespacio de W.
5. Sea U1 un subespacio de V. Veamos que T(U1) así definido es un
6. Si U2 es un subespacio de W entonces el conjunto:
subespacio de W.
T-1(U2) = {α∈V: T(α)∈U2}
es un subespacio de V.
Es claro que θ∈T(U1) ya que θ = T(θ), θ∈U1.

207
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

Sean δ, γ ∈T(U1) y c∈K. Entonces δ = T(α), γ = T(β), α, β∈U1. Por ⎡ X1 ⎤ ⎡ X 2 ⎤

lo tanto, c•δ + γ = c•T(α) + T(β) = T(c•α + β), con ⎢ ⎥ ⎢ ⎥
T(c•α+β) = T(c• ⎢ Y1 ⎥ + ⎢ Y2 ⎥ )
(c•α + β)∈U1. Luego, (c•δ + γ)∈T(U1) y por consiguiente, T(U1) es
un subespacio de W. ⎢⎣ Z1 ⎥⎦ ⎢⎣ Z 2 ⎥⎦

⎡cX1 ⎤ ⎡X 2 ⎤
6. Sea U2 un subespacio de W. Veamos que T-1(U2) así definido es un ⎢ ⎥ ⎢ ⎥
subespacio de W. = T( ⎢ cY1 ⎥ + ⎢ Y2 ⎥ )
⎢⎣ cZ1 ⎥⎦ ⎢⎣ Z 2 ⎥⎦
Es claro que θ∈T-1(U2) ya que θ∈V y T(θ) = θ∈U2.
⎡cX1 + X 2 ⎤
⎢ ⎥
Sean δ, γ∈T-1(U2) y c∈K. Entonces δ∈V con T(δ)∈U2, γ∈V con = T( ⎢ cY1 + Y2 ⎥ )
T(γ)∈U2. Por lo tanto, (c•δ + γ)∈V, siendo ⎢⎣ cZ1 + Z 2 ⎥⎦
T(c•δ) + T(γ) = T(c•δ + γ)∈U2. Luego, (c•δ + γ)∈T-1(U2) y por
consiguiente, T-1(U2) es un subespacio de V. ⎡ (cX1 + X 2 ) − (cY1 + Y2 ) ⎤
= ⎢ ⎥
⎣(cY1 + Y2 ) + 2(cZ1 + Z 2 )⎦
Ejemplo 6.1.
⎡ cX1 + X 2 − cY1 − Y2 ) ⎤
= ⎢ ⎥
Sean V y W espacios vectoriales sobre K. La función Θ: V→W definida como ⎣cY1 + Y2 + 2cZ1 + 2 Z 2 )⎦
Θ(α) = θ, ∀ α∈V es una T.L., ya que:
⎡ c(X1 − Y1 ) + (X 2 − Y2 ) ⎤
= ⎢ ⎥
Θ(c•α + β) = θ = c•θ + θ = c•Θ(α) + Θ(β) ⎣c(Y1 + 2Z1 ) + (Y2 + 2Z 2 )⎦
Esta T.L. recibe el nombre de Transformación Lineal Nula. ⎡ c(X1 − Y1 ) ⎤ ⎡ X 2 − Y2 ⎤
= ⎢ ⎥+⎢ ⎥
⎣c(Y1 + 2Z1 )⎦ ⎣Y2 + 2 Z 2 ⎦
Ejemplo 6.2.
⎡ X − Y1 ⎤ ⎡ X 2 − Y2 ⎤
= c•⎢ 1 ⎥+⎢ ⎥
Sea V un espacio vectorial sobre K. La función I: V→V definida como ⎣Y1 + 2 Z1 ⎦ ⎣Y2 + 2 Z 2 ⎦
I(α) = α, ∀ α∈V es una T.L., ya que ∀ α,β∈V y c∈K:
= c•T(α) + T(β)
I(c•α+β) = c•α+β = c•I(α)+I(β)
Por tanto, T es una T.L.
Esta T.L. recibe el nombre de Transformación Lineal Identidad.
Teorema 6.2.
Ejemplo 6.3.
Sean V un espacio vectorial finito dimensional con Dim(V) = n y
B = {α1, α2, …, αn} una base de V. Sean W un espacio vectorial y
Sea T: ℜ →ℜ la función definida por:
3 2
β1, β2, …, βn∈W. Supongamos que T1 y T2 son T.L. Tj: V→W; j = 1, 2, tales
que T1(αi) = T2(αi) = βi, ∀ i = 1, 2, …, n. Entonces se cumple que ∀α∈V,
⎡X ⎤ ⎡X ⎤ T1(α) = T2(α).
⎢ ⎥ ⎡ X−Y ⎤ ⎢ ⎥
⎥,∀ ⎢Y ⎥ ∈ℜ .
3
T( ⎢Y ⎥ ) = ⎢
⎢⎣ Z ⎥⎦ ⎣ Y + 2 Z⎦ ⎢⎣ Z ⎥⎦ Demostración

Como B es una base de V, por el teorema 4.12., existe un conjunto único de

⎡X1 ⎤ ⎡X 2 ⎤ n
⎢ ⎥ ⎢ ⎥
Sean α = ⎢ Y1 ⎥ ∈ℜ3, β = ⎢ Y2 ⎥ ∈ℜ3 y c∈ℜ. Luego,
escalares c1, c2, …, cn tales que ∀α∈V se cumple que α = ∑c
i =1
i • αi .
⎢⎣ Z1 ⎥⎦ ⎢⎣ Z 2 ⎥⎦ Luego, por el teorema 6.1., apartado 4 se cumple que:
⎡ X − Y1 ⎤
T(α) = ⎢ 1 ⎥
n n n

⎣Y1 + 2Z1 ⎦ T1(α) = T1( ∑c

i =1
i • αi ) = ∑ c • T (α ) = ∑ c • β
i =1
i 1 i
i =1
i i

⎡ X − Y2 ⎤
T(β) = ⎢ 2 ⎥
⎣Y2 + 2 Z 2 ⎦ Igualmente,

208 209
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

n n n Luego, β∈[{T(α1), T(α2), …, T(αn)}] y por lo tanto:

T2(α) = T2( ∑c
i =1
i • αi ) = ∑ c • T (α ) = ∑ c • β
i =1
i 2 i
i =1
i i Img(T) ⊆ [{T(α1), T(α2), …, T(αn)}] (2)

Por (1) y (2) se concluye que Img(T) = [{T(α1), T(α2), …, T(αn)}], es decir,
Luego, ∀α∈V, T1(α) = T2(α). Img(T) es finito dimensional.
6.3. KERNEL, IMAGEN, NULIDAD Y RANGO. Definición 6.4.
Definición 6.2. Sean V y W espacios vectoriales sobre K tales que V es finito dimensional y
T: V→W una T.L. Se define como Nulidad de T y se denota por Nul(T) a la
Sea T: V→W una T.L. Se define como Núcleo o Kernel de T y se denota por dimensión del Kernel de T, es decir, Nul(T) = Dim(Ker(T)).
Ker(T) al conjunto:
Definición 6.5.
Ker(T) = {α∈V: T(α) = θ}
Sean V y W espacios vectoriales sobre K tales que V es finito dimensional y
Definición 6.3. T: V→W una T.L. Se define como Rango de T y se denota por Ran(T) a la
dimensión de la Imagen de T, es decir, Ran(T) = Dim(Img(T)).
Sea T: V→W una T.L. Se define como Imagen de T y se denota por Img(T) al
conjunto: Ejemplo 6.4.

Img(T) = {T(α): α∈V} = {β∈W: β = T(α), para algún α∈V} En el ejemplo 6.3.:

Observación:
⎡X ⎤ ⎡X ⎤
⎢ ⎥ ⎡ X−Y ⎤ ⎢ ⎥
Es sencillo demostrar que Ker(T) e Img(T) son subespacios de V y W, T: ℜ3→ℜ2 definida por T( ⎢Y ⎥ ) = ⎢ ⎥,∀ ⎢Y ⎥ ∈ℜ es una T.L.
3

respectivamente. En particular, Ker(T) = T-1({θ}) e Img(T) = T(V) (Ver ⎢⎣ Z ⎥⎦ ⎣ Y + 2 Z⎦ ⎢⎣ Z ⎥⎦

Teorema 6.1., apartados 5 y 6).
Determinemos Ran(T):
Teorema 6.3.

Sean V y W espacios vectoriales sobre K tales que V es finito dimensional y ⎡ X1 ⎤ ⎡ X1 ⎤

⎡a ⎤ ⎢ ⎥ ⎢ ⎥ ⎡a ⎤
⎢ ⎥ ∈Img(T) si y sólo si ∃ ∈ℜ 3
T: V→W una T.L. Entonces Ker(T) e Img(T) son subespacios finito X
⎢ 2⎥ : T( ⎢X 2 ⎥ ) = ⎢b⎥
dimensionales de V y W, respectivamente. ⎣b⎦ ⎢⎣ X 3 ⎥⎦ ⎢⎣ X 3 ⎥⎦ ⎣ ⎦

Demostración ⎡a ⎤ ⎡ X − X2 ⎤ ⎡a ⎤
⇒ ⎢ ⎥ ∈Img(T) si y sólo si ⎢ 1 ⎥ = ⎢ ⎥
⎣ ⎦
b ⎣ 2
X + 2 X 3⎦ ⎣b⎦
Se sabe que Ker(T) e Img(T) son subespacios de V y W, respectivamente.
Supongamos que Dim(V) = n y sea B = {α1, α2, …, αn} una base de V. Como ⎡a ⎤ ⎧ X1 − X 2 = a
⇒ ⎢ ⎥ ∈Img(T) si y sólo si el SEL ⎨ es consistente.
⎩X 2 + 2 X 3 = b
V es finito dimensional entonces por definición Ker(T)⊆B, luego por el
⎣b⎦
teorema 4.14., apartado 1, Dim(Ker(T)) ≤ n. Por consiguiente, Ker(T) es
finito dimensional. Veamos ahora que Img(T) = [{T(α1), T(α2), …, T(αn)}].
⎡1 − 1 0 a ⎤ ⎡1 0 2 a + 2b ⎤
⎢ ⎥ r1 → r1 + r2 ⎢ ⎥
Es claro que por definición de Img(T), [{T(α1), T(α2), …, T(αn)}] ⊆ Img(T) ⎢⎣0 1 2 b ⎥⎦ ⎢⎣0 1 2 b ⎥⎦
(1).
Por lo tanto,
Sea β∈Img(T). Entonces existe α∈V tal que T(α) = β.
Por otra parte como B es una base de V se tiene que existen escalares c1, c2, …,
⎡1 0 2⎤ ⎡1 0 2 a + 2b ⎤
⎥ ) = Rango( ⎢
n
Rango( ⎢ ⎥
cn∈K tales que α = ∑
i =1
c i • α i , ci∈K. Por lo tanto, ⎣ 0 1 2 ⎦ ⎣0 1 2 b ⎦

n n
T(α) = T( ∑c
i =1
i • αi ) = ∑c
i =1
i • T (α i ) = β Independientemente de los valores de a y b. En consecuencia,

210 211
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

⎡a ⎤ Demostración
Img(T) = { ⎢ ⎥ ∈ℜ2: a∈ℜ y b∈ℜ} = ℜ2.
⎣b⎦ Supongamos que Dim(V) = n y sea B = {α1, α2, …, αn} una base de V. Como
B es una base de V se tiene que existen escalares c1, c2, …, cn∈K tales que
⎡a ⎤ ⎡a ⎤ ⎡0⎤ ⎡1⎤ ⎡0 ⎤ n
⇒ ⎢ ⎥ = ⎢ ⎥ + ⎢ ⎥ = a• ⎢ ⎥ + b• ⎢ ⎥
⎣b⎦ ⎣0 ⎦ ⎣b⎦ ⎣0 ⎦ ⎣1⎦
α= ∑c
i =1
i • α i , ci∈K; ∀ i = 1, 2, …, n y α∈V. Por lo tanto,

⇒ Ran(T) = Dim(Img(T)) = 2 n n

Determinemos ahora Nul(T) :

T(α) = T( ∑c
i =1
i • αi ) = ∑c
i =1
i • T (α i )

⎡ X1 ⎤ ⎡ X1 ⎤ Supongamos que Nul(T) = p y que sin pérdida de generalidad

⎢ ⎥ ⎢ ⎥ ⎡0 ⎤ α1, α2, …, αp∈Ker(T). Luego, T(αi) = θ, ∀ i = 1, 2, …, p. Supongamos ahora
X
⎢ 2⎥ ∈Ker(T) si y sólo si T( ⎢ X 2 ⎥ ) = ⎢0 ⎥
⎣ ⎦ que β∈Img(T). Entonces existe α∈V tal que T(α) = β.
⎢⎣ X 3 ⎥⎦ ⎢⎣ X 3 ⎥⎦
Luego,
⎡ X1 ⎤
⎢ ⎥ ⎡ X1 − X 2 ⎤ ⎡0 ⎤ n p n
⇒ ⎢X 2 ⎥ ∈Ker(T) si y sólo si ⎢
⎣ X + 2 X
⎥ = ⎢ ⎥
⎦ ⎣0 ⎦
β = T(α) = ∑c i • T (α i ) = ∑c i • T (α i ) + ∑ c • T (α )i i
⎢⎣ X 3 ⎥⎦ 2 3 i =1 i =1 i = p +1
p n
⎡ X1 ⎤
⎢ ⎥ ⎧ X1− X 2 = 0
= ∑ c • θ + ∑ c • T (α )
i =1
i
i = p +1
i i

⇒ ⎢X 2 ⎥ ∈Ker(T) si y sólo si ⎨
⎢⎣ X 3 ⎥⎦ ⎩X 2 + 2 X 3 = 0 n
=θ+ ∑ c • T (α )
i = p +1
i i

⎡ X1 ⎤
⎢ ⎥ ⎧ X1 = X 2 n
⇒ ⎢X 2 ⎥ ∈Ker(T) si y sólo si ⎨
⎩X 2 = −2X 3
= ∑ c • T (α )i i
⎢⎣ X 3 ⎥⎦ i = p +1

⎡ X1 ⎤ Por consiguiente, Ran(T) = n – (p+1) + 1 = n – p – 1 + 1 = n – p, es decir:

⎢ ⎥ ⎧ X1 = −2X 3
⇒ ⎢X 2 ⎥ ∈Ker(T) si y sólo si ⎨
⎢⎣ X 3 ⎥⎦ ⎩X 2 = −2X 3 Ran(T) = Dim(V) – Nul(T)

⎡ X1 ⎤ ⎡ X1 ⎤ ⎡ −2X 3 ⎤ ⎡ −2 ⎤ ⇒ Ran(T) + Nul(T) = Dim(V)

⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⇒ ⎢X 2 ⎥ ∈Ker(T) si y sólo si X
⎢ 2⎥ = ⎢ − 2 X 3⎥ = X3 ⎢ − 2⎥
Teorema 6.5.
⎢⎣ X 3 ⎥⎦ ⎢⎣ X 3 ⎥⎦ ⎢⎣ X 3 ⎥⎦ ⎢⎣ 1 ⎥⎦

⎡ X1 ⎤ ⎡ X1 ⎤ ⎡ −2 ⎤ Sean V y W espacios vectoriales sobre K tales que V es finito dimensional con

⎢ ⎥ ⎢ ⎥ ⎢ ⎥ Dim(V) = n, B = {α1, α2, …, αn} una base de V y β1, β2, …, βn vectores
⇒ Ker(T) = { ⎢X 2 ⎥ ∈ℜ3: X
⎢ 2⎥ = a ⎢− 2⎥ ; a∈ℜ} cualesquiera de W. Entonces existe una única T.L. T: V→W tal que T(αj) = βj,
⎢⎣ X 3 ⎥⎦ ⎢⎣ X 3 ⎥⎦ ⎢⎣ 1 ⎥⎦ ∀ j = 1, 2, …, n.

⇒ Nul(T) = Dim (Ker(T)) = 1 Demostración

Nótese que Ran(T) + Nul(T) = 2 + 1 = 3 = Dim(ℜ3) Como B = {α1, α2, …, αn} es una base de V por el teorema 4.12., se cumple
n

Teorema 6.4.
que ∀ α∈V, existen escalares únicos c1, c2, …, cn∈K tales que α = ∑c i =1
i • αi .

Sean V y W espacios vectoriales sobre K tales que V es finito dimensional y n

T: V→W una T.L. Entonces Ran(T) + Nul(T) = Dim(V) Definamos T(α) = ∑c •β
i =1
i i . Es claro que T(αj) = βj, ∀ j = 1, 2, …, n ya que:

212 213
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

n n n ⇒ a = c1 – c2 y b = c2 ⇒ c1 = a + b y c2 = b.
T(α) = T( ∑c
i =1
i • αi ) = ∑c
i =1
i • T (α i ) = ∑c •β
i =1
i i

⎡a ⎤ ⎡1⎤ ⎡−1⎤
⇒ ⎢ ⎥ = (a+b)• ⎢ ⎥ + b• ⎢ ⎥
Veamos que T es una T.L. ⎣b⎦ ⎣0 ⎦ ⎣ 1⎦

n n
⎡a ⎤ ⎡1 ⎤ ⎡−1⎤
Sean α = ∑c i • αi , δ = ∑d i • α i , con d1, d2, …, dn∈K y c∈K. ⇒ T( ⎢ ⎥ ) = T((a+b)• ⎢ ⎥ + b• ⎢ ⎥ )
i =1 i =1 ⎣b⎦ ⎣0 ⎦ ⎣ 1⎦
⎡1⎤ ⎡−1⎤
Ahora bien, = (a+b)T( ⎢ ⎥ ) + bT( ⎢ ⎥ )
⎣ ⎦
0 ⎣ 1⎦
n n n
⎡ −1 ⎤ ⎡0 ⎤
T(c•α+δ) = T(c• ∑c
i =1
i • αi + ∑d i =1
i • α i ) = T( ∑ (cc + d ) • α
i =1
i i i ⎢ ⎥ ⎢ ⎥
= (a+b)• ⎢ 2⎥ + b• ⎢1⎥
n ⎢⎣ 3⎥⎦ ⎢⎣0⎥⎦
= ∑ (cc + d ) • T(α )
i =1
i i i
⎡ −a − b ⎤ ⎡0⎤
⎢ ⎥ ⎢ ⎥
n
= ⎢ 2a + 2 b ⎥ + ⎢ b ⎥
= ∑ (cc + d ) • β
i =1
i i i
⎢⎣ 3a + 3b ⎥⎦ ⎢⎣0⎥⎦
n n
⎡ −a − b ⎤
= c ∑c •β + ∑d
i =1
i i
i =1
i • βi ⎢
= ⎢ 2a + 3b ⎥
⎥
n n ⎢⎣ 3a + 3b ⎥⎦
= c ∑ c • T (α ) + ∑ d
i =1
i i
i =1
i • T (α i )

= cT(α) + T(δ) Luego, si existe una T.L. T: ℜ2→ℜ3 que cumple con ambas condiciones y
⎡ −a − b ⎤
Veamos ahora que T es única. Sea S: V→W otra T.L. tal que: ⎡a ⎤ ⎢ ⎥
además tiene por regla de correspondencia T( ⎢ ⎥ ) = ⎢ 2a + 3b ⎥ .
⎣ ⎦
b
⎢⎣ 3a + 3b ⎥⎦
S(αj) = βj, j = 1, 2, …, n.

n 6.4. MONOMORFISMOS, EPIMORFISMOS E ISOMORFISMOS.

Ahora bien, si α = ∑c
i =1
i • α i entonces:
Definición 6.6.
n n n
S(α) = S( ∑
i =1
ci • α i ) = ∑ i =1
c i • S(α i ) = ∑ i =1
ci • βi = T(α) Sea T: V→W una T.L. Se dice que T es un:

1. Monomorfismo si T es inyectiva.
Ejemplo 6.5. 2. Epimorfismo si T es sobreyectiva.
3. Isomorfismo si T es biyectiva.
⎡ −1 ⎤
⎡1⎤ ⎢ ⎥
Determinemos si existe una T.L. T: ℜ2→ℜ3 tal que T( ⎢ ⎥ ) = ⎢ 2⎥ y Teorema 6.6.
⎣0 ⎦ ⎢⎣ 3⎥⎦
Sea T: V→W una T.L. T es un Monomorfismo si y sólo si Ker(T) = {θ}.
⎡0 ⎤
⎡−1⎤ ⎢ ⎥ ⎡1 ⎤ ⎡−1⎤ Demostración
⎢ ⎥ y ⎢ ⎥ forman una base de ℜ .
2
T( ⎢ ⎥ ) = ⎢1⎥ . Veamos primero que
⎣ 1⎦ ⎢⎣0⎥⎦ ⎣ ⎦
0 ⎣ 1⎦
CN(⇒): Si T es un Monomorfismo entonces Ker(T) = {θ}.

⎡a ⎤ ⎡1 ⎤ ⎡−1⎤ ⎡c1 ⎤ ⎡ −c 2 ⎤ ⎡c1 − c 2 ⎤ Sea α∈Ker(T). Entonces T(α) = θ. Pero también T(θ) = θ. Como T es un
⎢ ⎥ = c1• ⎢ ⎥ + c2• ⎢ ⎥ = ⎢ ⎥ + ⎢ ⎥ = ⎢ ⎥ Monomorfismo entonces T es inyectiva. Luego, α = θ. Por consiguiente,
⎣ ⎦
b ⎣ ⎦
0 ⎣ ⎦
1 ⎣ ⎦
0 ⎣ c 2 ⎦ ⎣ c2 ⎦ Ker(T) = {θ}.

214 215
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

CS(⇐): Si Ker(T) = {θ} entonces T es un Monomorfismo. Si T es un Epimorfismo entonces T es sobreyectiva, es decir,

Img(T) = W. Luego,
Sean α1, α2∈V tales que T(α1) = T(α2). Entonces, T(α1) – T(α2) = θ, es decir,
T(α1 – α2) = θ. Esto indica que (α1 – α2)∈Ker(T), pero como por hipótesis Ran(T) = Dim(W) = n
Ker(T) = {θ} entonces α1 – α2 = θ, es decir, α1 = α2. Luego, T es inyectiva y
por consiguiente T es un Monomorfismo. Por consiguiente, Nul(T) = Dim(V) – n = n – n = 0, es decir, Ker(T) = {θ}.
Por lo tanto, por el teorema 6.5., T es un Monomorfismo.
Ejemplo 6.6.
Teorema 6.8.
En el ejemplo 6.5.:
Sea T: V→W una T.L. con Dim(V) = n y Dim(W) = m. Entonces se cumple
que:
⎡X ⎤ ⎡X ⎤
⎢ ⎥ ⎡ X−Y ⎤ ⎢ ⎥
La T.L. T: ℜ3→ℜ2 definida por T( ⎢Y ⎥ ) = ⎢ ⎥,∀ ⎢Y ⎥ ∈ℜ tiene las
3
1. Si n > m entonces T no es un Monomorfismo.
⎢⎣ Z ⎥⎦ ⎣ Y + 2 Z⎦ ⎢⎣ Z ⎥⎦ 2. Si m > n entonces T no es un Epimorfismo.
siguientes características:
Demostración
⎡a ⎤ 1. Utilicemos reducción al absurdo. Supongamos que n > m y que T
Img(T) = { ⎢ ⎥ ∈ℜ2: a∈ℜ y b∈ℜ} = ℜ2.
⎣b⎦ es un Monomorfismo. Luego, por el teorema 6.6., Ker(T) = {θ}.
Sea {α1, α2, …, αn} una base de V. Sea βi = T(αi), ∀ i = 1, 2, …, n.
Ran(T) = Dim(Img(T)) = 2 Analicemos el conjunto S = {β1, β2, …, βn}. Como m = Dim(W) < n
entonces por la equivalencia contrarecíproca del teorema 4.14.,
apartado 1, se tiene que el conjunto S es L.D. De esta forma existen
⎡ X1 ⎤ ⎡ X1 ⎤ ⎡ −2 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ escalares c1, c2, …, cn no todos iguales a cero tales que:
Ker(T) = { ⎢X 2 ⎥ ∈ℜ3: X
⎢ 2⎥ = a ⎢− 2⎥ ; a∈ℜ}
⎢⎣ X 3 ⎥⎦ ⎢⎣ X 3 ⎥⎦ ⎢⎣ 1 ⎥⎦ c1•β1 + c2•β2 + … + cn•βn = θ

Nul(T) = Dim (Ker(T)) = 1 Sea α = c1•α1 + c2•α2 + … + cn•αn. Como el conjunto

Como Ker(T) ≠ {θ} entonces aplicando equivalencia contrarecíproca en el
teorema 6.6., se obtiene que T no es un Monomorfismo. Por su parte, como
Img(T) = ℜ2 entonces T es un epimorfismo. Sin embargo, como T no es un
Monomorfismo, aún y cuando es un Epimorfismo no es un Isomorfismo.
Teorema 6.7.
Sea T: V→W una T.L. con Dim(V) = Dim(W) = n. T es un Monomorfismo si
y sólo si T es un Epimorfismo.
2.
Demostración
CN(⇒): Si Dim(V) = Dim(W) = n y T es un Monomorfismo entonces T es un
Epimorfismo.
{α1, α2, …, αn} es una base de V entonces es L.I. y como no todos
los coeficientes ci son iguales a cero se cumple que α ≠ θ. Pero,
T(α) = T(c1•α1 + c2•α2 + … + cn•αn)
= c1•T(α1) + c2•T(α2) + … + cn•T(αn)
= c1•β1 + c2•β2 + … + cn•βn = θ
Por consiguiente, α∈Ker(T) y Ker(T) ≠ {θ}, lo cual es una
contradicción.
Utilicemos reducción al absurdo. Supongamos que m > n y que T
es un Epimorfismo. Luego, Img(T) = W. Sea {α1, α2, …, αn} una
base de V. Supongamos que α∈V. Luego, existen escalares
c1, c2, …, cn tales que α = c1•α1 + c2•α2 + … + cn•αn. Sea
βi = T(αi), ∀ i = 1, 2, …, n. Por consiguiente:

Si T es un Monomorfismo entonces Ker(T) = {θ}. Por consiguiente, T(α) = T(c1•α1 + c2•α2 + … + cn•αn)
Nul(T) = 0, lo cual significa que Ran(T) = Dim(V) – 0 = n = Dim(W). Esto = c1•T(α1) + c2•T(α2) + … + cn•T(αn)
significa que Img(T) = W, es decir, que T es sobreyectiva. Por lo tanto, T es un = c1•β1 + c2•β2 + … + cn•βn
Epimorfismo.
Luego, {β1, β2, …, βn} = {T(α1), T(α2), …, T(αn)} es un conjunto de
CS(⇐): Si Dim(V) = Dim(W) = n y T es un Epimorfismo entonces T es un generadores de Img(T). Por el teorema 4.14. apartado 2 se cumple
Monomorfismo.

216 217
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

que n ≥ Dim(Img(T)), es decir, n ≥ Ran(T), osea Ran(T) ≤ n. Como αh∈ℜm, lo cual significa que αh∈Mmx1(ℜ) y además (αh)ij = (AT)ih
m > n entonces Img(T) ≠ W, lo cual es una contradicción.
Ahora bien,
Definición 6.7.
AT∈Mmxn(ℜ)
Sean V y W espacios vectoriales sobre K. Se dice que V y W son isomorfos y eh∈Mnx1(ℜ),∀ h = 1, 2, …, n.
se escribe V ≅ W si existe un Isomorfismo T: V→W.
Por consiguiente,
Observación:
(ATeh)∈Mmx1(ℜ) y además:
Sean V y W espacios vectoriales sobre K finito dimensionales. V ≅ W si y
sólo si Dim(V) = Dim(W). n
(ATeh)ij = ∑ (A
r =1
T ) ir (e
h
) rj
Ejemplo 6.7.
= (A T ) i1 (e h )1 j + L + (A T )ih (e h ) hj + L + (A T )in (e h ) nj
K4 ≅ M2x2(K), ya que se puede verificar fácilmente que la función T:
= (A T )i1.0 + L + (A T )ih .1 + L + (A T )in .0 = (A T )ih
K4→M2x2(K) definida por:
= (αh)ij
⎡a ⎤
⎢ ⎥ Es decir,
b ⎡a b ⎤
T( ⎢ ⎥ ) = ⎢ ⎥
⎢c⎥ ⎣c d⎦ ATeh = αh = T(eh)
⎢ ⎥
⎣⎢d ⎦⎥
Por el teorema 6.2., ∀ α∈ℜn, T(α) = ATα.
es un isomorfismo.
Veamos que AT es única. Supongamos que existen matrices AT∈Mmxn(ℜ) y
En general se cumple que Kmn ≅ Mmxn(K). BT∈Mmxn(ℜ) tales que ∀ α∈ℜn, T(α) = ATα = BTα. Sea CT = AT – BT. Luego,
CTα = (AT – BT)α = ATα – BTα = ATα – ATα = θmx1, ∀ α∈ℜn. En particular,
6.5. MATRIZ ASOCIADA A UNA TRANSFORMACIÓN LINEAL CTeh = θmx1, ∀ h = 1, 2, …, n. Pero, CTeh es la h-ésima columna de CT. De esta
T: ℜn→ℜm. forma cada una de las n columnas de CT es el vector nulo θmx1 y CT = θmxn. Por
consiguiente, AT – BT = θmxn, es decir, AT = BT.
Teorema 6.9.
Ejemplo 6.8.
Sea T: ℜn→ℜm una T.L. Entonces existe una matriz única AT∈Mmxn(ℜ)
denominada matriz de la transformación T tal que ∀ α∈ℜn se cumple que Como se demostró anteriormente la función T: ℜ3→ℜ2 definida por:
T(α) = ATα.
⎡X ⎤ ⎡X ⎤
Demostración ⎢ ⎥ ⎡ X−Y ⎤ ⎢ ⎥
⎥,∀ ⎢Y ⎥ ∈ℜ .
3
T( ⎢Y ⎥ ) = ⎢
⎢⎣ Z ⎥⎦ ⎣ Y + 2 Z⎦ ⎢⎣ Z ⎥⎦
Como se sabe α∈ℜn en notación matricial es α∈Mnx1(ℜ).

Sea αh = T(eh), ∀ h = 1, 2, …, n, siendo {e1, e2, …, en} la base canónica de ℜn. es una T.L.
Sea AT la matriz cuyas columnas son α1, α2, …, αn. Luego,
Determinemos la matriz AT. Como n = 3 y m = 2 entonces AT∈M2x3(ℜ).
⎡ (A T )1h ⎤ Luego, ∀ α∈ℜn se cumple que T(α) = ATα. Por consiguiente:
⎢ ⎥
(A )
α h = ⎢ T 2 h ⎥ ; ∀ h = 1, 2, …, n ⎡X ⎤
⎢ M ⎥ ⎡ A11 A12 A13 ⎤ ⎢ ⎥ ⎡ X − Y ⎤
⎢ ⎥ ⎢ ⎥ Y =⎢ ⎥
⎣⎢(A T ) mh ⎦⎥ ⎣A 21 A 22 A 23 ⎦ ⎢ ⎥ ⎣Y + 2Z⎦
⎢⎣ Z ⎥⎦

Es decir,

218 219
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

⎡ A X + A12 Y + A13 Z ⎤ ⎡ X − Y ⎤ ⎡ c1 ⎤
⇒ ⎢ 11 ⎥=⎢ ⎥ ⎢ ⎥
⎣A 21X + A 22 Y + A 23 Z⎦ ⎣Y + 2Z⎦ c
[α]B = ⎢ 2 ⎥
⎢M⎥
A11X + A12 Y + A13 Z = X − Y ⎢ ⎥
⇒
A 21X + A 22 Y + A 23 Z = Y + 2 Z ⎢⎣c n ⎥⎦
A11 = 1, A12 = −1, A13 = 0
⇒ Observación:
A 21 = 0, A 22 = 1, A 23 = 2
⎡1 −1 0⎤ Nótese que ([α]B)ij = ci.
⇒ AT = ⎢ ⎥
⎣0 1 2 ⎦ Definición 6.9.

Teorema 6.10. Sea V un espacio vectorial sobre K finito dimensional con Dim(V) = n y sean
B1 = {α1, α2, …, αn} y B2 = {β1, β2, …, βn} bases de V. ∀ αj∈B1;
Sea T: ℜ →ℜ una T.L. y AT∈Mmxn(ℜ) su matriz asociada. Entonces se
n m
j = 1, 2, …, n existen escalares únicos c1j, c2j, …, cnj∈K tales que
cumple que: n
αj = ∑c
i =1
ij • βi . Se define como matriz de transición de la base B1 a la base B2
1. Img(T) = I A t = C A T .
y se denota por [α ]B12 a la matriz [α ]B12 ∈Mnxn(K) siguiente:
B B
2. Ran(T) = r(AT).
3. Ker(T) = N AT .
4. Nul(T) = n(AT). ⎡ c11 c12 L c1n ⎤
⎢ ⎥
c 22 L c 2 n ⎥
[α]BB
c
Demostración
2
= ⎢ 21
1 ⎢ M M M ⎥
⎢ ⎥
1. Por definición, Img(T) = {β∈ℜm: β = T(α), para algún α∈ℜn} y a ⎣⎢ n1 n 2
c c L c nn ⎦⎥
su vez T(α) = ATα. Luego,
Observación:
Img(T) = {β∈ℜm: β = ATα, para algún α∈ℜn} = I A t = C A T .
Nótese que ( [α ]B12 )ij = cij.
B
2. Por definición, Ran(T) = Dim(Img(T)) = Dim ( I A t ) = r(AT).
3. Por definición, Ker(T) = {α∈ℜn: T(α) = θmx1} y a su vez
Ejemplo 6.9.
T(α) = ATα. Luego,
⎡2⎤ ⎡ 1⎤ ⎡1 ⎤ ⎡0 ⎤
Ker(T) = {α∈ℜn: ATα = θmx1} = N AT Sea V = ℜ2 y B1 = { α1 = ⎢ ⎥ , α 2 = ⎢ ⎥ } y B2 = { β1 = ⎢ ⎥ , β 2 = ⎢ ⎥ }
⎣ ⎦
1 −
⎣ ⎦1 ⎣ ⎦
2 ⎣1⎦
bases de V. Determinemos la matriz de transición de B1 a B2.
4. Por definición, Nul(T) = Dim(Ker(T)) = Dim( N A T ) = n(AT).
Hallemos los valores de c11, c12, c21, c22 tales que:
6.6. MATRIZ DE UNA TRANSFORMACIÓN LINEAL T: V→W
RELATIVA A BASES DE V Y W. α1 = c11 • β1 + c 21 • β 2 y α 2 = c12 • β1 + c 22 • β 2

Definición 6.8.
⎡ 2⎤ ⎡1 ⎤ ⎡0⎤ ⎡ c11 ⎤ ⎡ 0 ⎤ ⎡ c11 ⎤
⎢ ⎥ = c11 ⎢ ⎥ + c 21 ⎢ ⎥ = ⎢ ⎥+⎢ ⎥=⎢ ⎥
Sea V un espacio vectorial sobre K finito dimensional con Dim(V) = n y sea ⎣1 ⎦ ⎣ 2⎦ ⎣1⎦ ⎣2c11 ⎦ ⎣c 21 ⎦ ⎣2c11 + c 21 ⎦
B = {α1, α2, …, αn} una base de V. ∀ α∈V existen escalares únicos
n
⇒ c11 = 2; 1 = 2c11 + c 21 ⇒ 1 = 2.2 + c 21 ⇒ 1 = 4 + c 21 ⇒ c 21 = −3
c1, c2, …, cn∈K tales que α = ∑ c i • α i . Se define como matriz de ⎡ 1⎤ ⎡1 ⎤ ⎡0⎤ ⎡ c12 ⎤ ⎡ 0 ⎤ ⎡ c12 ⎤
i =1 ⎢ ⎥ = c12 ⎢ ⎥ + c 22 ⎢ ⎥ = ⎢ ⎥+⎢ ⎥ = ⎢ ⎥
coordenadas del vector α relativa a la base B y se denota por [α]B a la matriz ⎣ − 1⎦ ⎣ 2⎦ ⎣1⎦ ⎣2c12 ⎦ ⎣c 22 ⎦ ⎣2c12 + c 22 ⎦
[α]B∈Mnx1(K) siguiente: ⇒ c12 = 1; − 1 = 2c12 + c 22 ⇒ − 1 = 2.1 + c 22 ⇒ − 1 = 2 + c 22 ⇒ c 22 = −3

220 221
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

Luego, la matriz de transición de B1 a B2 es: Demostración

⎡ 2 1⎤
[α]BB 2
=⎢ ⎥
Por el teorema 6.11., se tiene que:
⎣ − 3 − 3⎦
1

[α]B = [α]BB [α]B

1
1
2 2
Teorema 6.11.
Sea V un espacio vectorial sobre K finito dimensional con Dim(V) = n y sean Pero [α ]B2 = [α ]B12 [α ]B1 . Luego,
B

B1 = {α1, α2, …, αn} y B2 = {β1, β2, …, βn} bases de V. Entonces se cumple

que ∀α∈V:
[α ]B = [α]BB [α]BB [α ]B 1 2

[α]B = [α]BB [α ]B 2
1 2 1 1

⇒ [α ]B – [α ]B [α ]B [α ]B = θnx1
2 1 1 B B 1 2
1 2 1 1

Demostración ⇒ [α ]B (In – [α ]B [α ]B ) = θnx1

B B 1 2
1 2 1

Como B1 es una base de V entonces ∀α∈V existen escalares únicos

c1, c2, …, cn∈K tales que: Como [α ]B1 ≠θnx1 entonces (In – [α ]B12 [α ]B12 ) = θnxn. Por lo tanto,
B B

α = c1 • α1 + c 2 • α 2 + ... + c n • α n

Igualmente, existen escalares únicos cij; i, j = 1, 2, …, n tales que:

[α]BB [α]BB
1
2
2
1
= In

α1 = c11 • β1 + c 21 • β 2 + ... + .c n1 • β n Por el teorema 1.10., [α ]B12 = ([α ]B12 ) −1

B B

α 2 = c12 • β1 + c 22 • β 2 + ... + .c n 2 • β n
M Definición 6.10.
α n = c1n • β1 + c 2 n • β 2 + ... + .c nn • β n
Sean V y W espacios vectoriales finito dimensionales sobre K con Dim(V) = n
Sustituyendo en la ecuación anterior se obtiene que: y Dim(W) = m y B1 = {α1, α2, …, αn} y B2 = {β1, β2, …, βm} bases de V y W,
respectivamente. Sea T: V→W una T.L. ∀ j = 1, 2, …, n, T(αj)∈W, por lo cual
α = c1 • (c11 • β1 + c 21 • β 2 + ... + .c n1 • β n ) + c 2 • (c12 • β1 + c 22 • β 2 + ... + .c n 2 • β n ) m

+... + c n • (c1n • β1 + c 2 n • β 2 + ... + .c nn • β n ) existen m escalares Aij∈K tales que T(αj) = ∑A β

i =1
ij i . Se define como matriz
⇒ α = (c11c1 + c12 c 2 + ... + c1n c n ) • β1 + (c 21c1 + c 22 c 2 + ... + c 2 n c n ) • β 2
de la T.L. T relativa a las bases B1 y B2 y se denota por [T ]B12 a la matriz
B

+... + (c n1c1 + c n 2c 2 + ... + c nn c n ) • β n

⇒ α = d1 • β1 + d 2 • β 2 + ... + d n • β n
[T]BB1
2
∈Mmxn(K) particionada 1xn siguiente:

Luego, [T]BB 2
1
= [ [T(α1 )]B2 [T(α 2 )]B 2
L [T(α n )]B 2
]
⎡ d1 ⎤ ⎡ c11c1 + c12c 2 + ... + c1n c n ⎤ ⎡ c11 c12 L c1n ⎤ ⎡ c1 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ Observaciones
c c + c c + ... + c 2 n c n ⎥ ⎢c 21 c 22 L c 2 n ⎥ ⎢c 2 ⎥
[α]B = [α ]B12 [α ]B1
d
= ⎢ 2 ⎥ = ⎢ 21 1 22 2 =
B
⎢M⎥ ⎢ M ⎥ ⎢ M M M ⎥⎢ M ⎥
[T]BB
2

⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎢ ⎥ 1. 2
ij = Aij; ∀ i = 1, 2, …, m, j = 1, 2, …, n.
⎣⎢d n ⎦⎥ ⎣⎢c n1c1 + c n 2 c 2 + ... + c nn c n ⎦⎥ ⎣⎢c n1 c n 2 L c nn ⎥⎦ ⎢⎣c n ⎥⎦
1

Ran(T) = r( [T ]B12 )
B
2.
Teorema 6.12.
Nul(T) = n( [T ]B12 )
B
3.
Sea V un espacio vectorial sobre K finito dimensional con Dim(V) = n y sean
B1 = {α1, α2, …, αn} y B2 = {β1, β2, …, βn} bases de V. Entonces se cumple 4. [T(α)]B = [T]BB [α]B
2
2
1 1

que: m

[α]BB 1
= ([α ]B12 ) −1
B
5. T(α) = ∑ ([T(α)]
i =1
B2 ) i β i
2

222 223
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

Ejemplo 6.10. ⎡⎡ − 1⎤ ⎤ ⎡3⎤

[T(α 2 )]B = ⎢⎢ ⎥ ⎥ = ⎢ ⎥
⎣⎢ ⎣ ⎦ ⎦⎥ B2 ⎣4⎦
4
2
Sea T: ℜ →ℜ la T.L. definida por:
3 2

⎡ ⎡0 ⎤ ⎤ ⎡1⎤
⎡X ⎤ [T(α 3 )]B = ⎢⎢ ⎥ ⎥ = ⎢ ⎥
⎢ ⎥ ⎡X − Y ⎤ 2
⎢⎣ ⎣1⎦ ⎥⎦ B2 ⎣1⎦
T( ⎢Y ⎥ ) = ⎢ ⎥
⎢⎣ Z ⎥⎦ ⎣Y + Z⎦ Luego,

⎡3 3 1⎤
Sean: [T]BB 2
= ⎢ ⎥
⎣1 4 1⎦
1

⎡ 1⎤ ⎡0 ⎤ ⎡0 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ Nótese que: T(α1) = 3•β1 + 1•β2; T(α2) = 3•β1 + 4•β2 y T(α3) = 1•β1 + 1•β2
B 1 = { α 1 = ⎢ − 1 ⎥ , α 2 = ⎢1 ⎥ , α 3 = ⎢ 0 ⎥ } Ahora bien,
⎢⎣ 2⎥⎦ ⎢⎣3⎥⎦ ⎢⎣1⎥⎦

⎡1 ⎤ ⎡−1⎤ ⎡X ⎤ ⎡ 1⎤ ⎡0 ⎤ ⎡0 ⎤
B2 = { β1 = ⎢ ⎥ , β 2 = ⎢ ⎥ } ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
α = c1 • α1 + c 2 • α 2 + c 3 • α 3 ⇒ ⎢Y ⎥ = c1 • ⎢ − 1 ⎥ + c 2 • ⎢1⎥ + c3 • ⎢0⎥
⎣ ⎦
0 ⎣ 1⎦
⎢⎣ Z ⎥⎦ ⎢⎣ 2⎥⎦ ⎢⎣3⎥⎦ ⎢⎣1⎥⎦
Tales que B1 y B2 son bases de ℜ3 y ℜ2, respectivamente.
⎡ X ⎤ ⎡ c1 ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤ ⎡X ⎤ ⎡ c1 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⇒ ⎢ Y ⎥ = ⎢ − c1 ⎥ + ⎢ c 2 ⎥ + ⎢ 0 ⎥ ⇒ ⎢Y ⎥ = ⎢ − c1 + c 2
Determinemos [T ] . ⎥
B2
B1
⎢⎣ Z ⎥⎦ ⎢⎣ 2c1 ⎥⎦ ⎢⎣3c 2 ⎥⎦ ⎢⎣c3 ⎥⎦ ⎢⎣ Z ⎥⎦ ⎢⎣ 2c1 + 3c 2 + c3 ⎥⎦
⇒ c1 = X
⎡a ⎤ ⎡1 ⎤ ⎡−1⎤ ⎡c1 ⎤ ⎡ −c 2 ⎤ ⎡c1 − c 2 ⎤
⎢ ⎥ = c1•β1 + c2•β2 = c1• ⎢ ⎥ + c2• ⎢ ⎥ = ⎢ ⎥ + ⎢ ⎥ = ⎢ ⎥ Y = –c1 + c2 ⇒ Y = –X + c2 ⇒ c2 = X + Y
⎣ ⎦
b ⎣ ⎦
0 ⎣ ⎦
1 ⎣ ⎦
0 ⎣ 2⎦
c ⎣ c2 ⎦ Z = 2c1 + 3c2 + c3 ⇒ Z = 2X + 3(X + Y) + c3 ⇒ Z = 2X + 3X + 3Y + c3
⇒ Z = 5X + 3Y + c3 ⇒ c3 = –5X – 3Y + z
⇒ a = c1 – c2 y b = c2 ⇒ a = c1 – b y c2 = b ⇒ c1 = a + b y c2 = b.
Luego,
⎡ ⎡a ⎤ ⎤ ⎡a + b ⎤
⇒ ⎢⎢ ⎥⎥ = ⎢ ⎥ ⎡ X ⎤
⎣⎢ ⎣ ⎦ ⎦⎥ B2 ⎣ b ⎦
b ⎢ ⎥
[α]B1
=⎢ X+Y ⎥
⎢⎣ − 5X − 3Y + Z⎥⎦
⎡ 1⎤
⎢ ⎥ ⎡ 2⎤
T(α1) = T( ⎢ − 1 ⎥ ) = ⎢ ⎥ Por otra parte,
⎢⎣ 2⎥⎦ ⎣1 ⎦

⎡0 ⎤ ⎡X ⎤
⎡ ⎡a ⎤ ⎤ ⎡a + b ⎤ ⎢ ⎥ ⎡X − Y ⎤
⎢ ⎥ ⎡ −1 ⎤ ⎢⎢ ⎥⎥ = ⎢ ⎥
T(α2) = T( ⎢1⎥ ) = ⎢ ⎥ y además T( ⎢Y ⎥ ) = ⎢ Y + Z ⎥ . Por lo tanto,
⎣ 4⎦ ⎢⎣ ⎣b ⎦ ⎥⎦ B2 ⎣ b ⎦ ⎢⎣ Z ⎥⎦ ⎣ ⎦
⎢⎣3⎥⎦

⎡0 ⎤
⎢ ⎥ ⎡0 ⎤ ⎡ ⎛ X ⎞⎤
T(α3) = T( ⎢0⎥ ) = ⎢ ⎥ ⎢ ⎜ ⎟⎥ ⎡⎛ X − Y ⎞⎤ ⎡ X − Y + Y + Z⎤ ⎡ X + Z⎤
⎣1 ⎦ ⎢T ⎜ Y ⎟ ⎥ = ⎢⎜⎜ ⎟⎟⎥ = ⎢ ⎥=⎢ ⎥
⎢⎣1⎥⎦ + Y+Z
⎢ ⎜ Z ⎟⎥ ⎣⎢⎝ Y Z ⎠⎦⎥ B2 ⎣ ⎦ ⎣ Y + Z⎦
⎣ ⎝ ⎠⎦
⎡ ⎡2⎤ ⎤
B2
⎡3⎤
[T(α1 )]B = ⎢⎢ ⎥ ⎥ = ⎢ ⎥
⎣⎢ ⎣ ⎦ ⎦⎥ B2 ⎣1⎦
1
2
Por consiguiente,

224 225
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

⎡ ⎛ X ⎞⎤ ⎡ X ⎤ Teorema 6.13.
⎢ ⎜ ⎟⎥ ⎡X + Z⎤ ⎡3 3 1⎤ ⎢ ⎥
= = + ⎥ = [T ]B1 [α ]B1
B2
⎢ ⎜ ⎟⎥
T Y ⎢
+
⎥ ⎢ ⎥⎢ X Y Sean T: ℜn→ℜm una T.L. y, B1 = {α1, α2, …, αn} y B2 = {β1, β2, …, βm} bases
⎢ ⎜ Z ⎟⎥ ⎣ Y Z ⎦ ⎣1 4 1⎦ ⎢− 5X − 3Y + Z⎥
de ℜn y ℜm, respectivamente. Si A1∈Mnxn(ℜ) definida como una matriz
⎣ ⎝ ⎠ ⎦ B2 ⎣ ⎦
particionada 1xn A1 = [α1 α2 … αn] y A2∈Mnxn(ℜ) definida como una matriz
particionada 1xm A2 = [β1 β2 … βm] entonces se cumple que:
Para hallar la imagen a través de esta matriz de un vector determinado,
⎡1 ⎤ [T]BB1
2
= A −2 1A T A1 .
⎢ ⎥
digamos el vector α = ⎢2⎥ se procede de la siguiente manera:
⎢⎣3⎥⎦ Demostración

Por definición,
⎡1 ⎤ ⎡ ⎡1 ⎤ ⎤ ⎡ ⎡1 ⎤ ⎤ ⎡ ⎡1 ⎤ ⎤
⎢ ⎥
m
⎢ ⎢ ⎥⎥ ⎢ ⎢ ⎥⎥
[ ]B2 ⎢ ⎢ ⎥ ⎥ [T]BB = [ [T(α1 )]B2 [T(α 2 )]B [T(α n )]B
∑ L
2
( ⎢T( ⎢2⎥ )⎥ ) i β i , siendo = ]
T( ⎢ 2⎥ ) = ⎢ ⎢ ⎥⎥
T ( 2 ) T B1 ⎢ ⎢ 2⎥ ⎥
1 2 2

⎢⎣3⎥⎦ i =1 ⎢ ⎢ ⎥⎥ ⎢ ⎢3⎥ ⎥ ⎢ ⎢ 3⎥ ⎥
⎣ ⎣ 3 ⎦ ⎦ B2 ⎣ ⎣ ⎦ ⎦ B2 ⎣ ⎣ ⎦ ⎦ B1 A su vez, existen escalares c1, c2, …, cn tales que:

m
Hallamos: T (α j ) = ∑c
i =1
ij • βi

⎡ ⎡1 ⎤ ⎤ ⎡ 1 ⎤ ⎡ 1⎤
⎢⎢ ⎥ ⎥ ⎢ ⎥ ⎢ ⎥ Luego,
⎢⎢ ⎥ ⎥
2 = ⎢ 1 + 2 ⎥ = ⎢ 3⎥
⎢ ⎢3⎥ ⎥ ⎢ − − + ⎥⎦ ⎢⎣− 8⎥⎦ ⎡ c1 j ⎤
⎣ ⎣ ⎦ ⎦ B1 ⎣ 5 .1 3 . 2 3
⎢ ⎥
[T(α )] j B2
c2 j
=⎢ ⎥
⎢ M ⎥
Luego, ⎢ ⎥
⎣⎢c mj ⎦⎥
⎡ ⎡1 ⎤ ⎤ ⎡ ⎡1 ⎤ ⎤ ⎡ 1⎤
⎢ ⎢ ⎥⎥ B2 ⎢ ⎢ ⎥ ⎥ ⎡3 3 1⎤ ⎢ ⎥ ⎡ 4⎤ Por consiguiente,
⎢ ⎢ ⎥⎥
T ( 2 ) = [T ]B1 ⎢ ⎢ ⎥ ⎥
2 = ⎢ ⎥ ⎢ 3⎥ = ⎢ ⎥
⎢ ⎢3⎥ ⎥ ⎢ ⎢ 3⎥ ⎥ ⎣1 4 1⎦ ⎢⎣ − 8⎥⎦ ⎣5⎦
⎣ ⎣ ⎦ ⎦ B2 ⎣ ⎣ ⎦ ⎦ B1 ⎡ c11 c12 L c1n ⎤
⎢ ⎥
c 22 L c 2 n ⎥
[T]
c
= ⎢ 21
B2
Por consiguiente, B1
⎢ M M M ⎥
⎢ ⎥
⎣⎢c m1 c m 2 L c mn ⎦⎥
⎡1 ⎤ ⎡ ⎡1 ⎤ ⎤
⎢ ⎥ ⎢ ⎥ ⎡1 ⎤ ⎡−1⎤ ⎡−1⎤
∑ (⎢T(⎢⎢2⎥⎥)⎥
m
T( ⎢2⎥ ) = ) i β i = 4. ⎢ ⎥ + 5. ⎢ ⎥ = ⎢ ⎥ Ahora bien,
⎢ ⎥ ⎣ ⎦
0 ⎣ ⎦
1 ⎣ 5⎦
⎢⎣3⎥⎦ ⎣⎢3⎥⎦ ⎦ B2
i =1
⎣ m
T (α j ) = ∑c
i =1
ij • βi = c1 j • β1 + c 2 j • β 2 + ... + c mj • β m
Directamente con la transformación lineal se obtiene que:
⎡ c1 j ⎤
⎡1 ⎤ ⎢ ⎥
c2 j
⎢ ⎥ ⎡1 − 2 ⎤ ⎡−1⎤ ⇒ T(α j ) = [β1 β 2 L β m ]⎢ ⎥
T( ⎢2⎥ ) = ⎢ ⎥=⎢ ⎥ ⎢ M ⎥
⎢⎣3⎥⎦ ⎣2 + 3⎦ ⎣ 5⎦ ⎢ ⎥
⎢⎣c mj ⎥⎦

226 227
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

⎡ c1 j ⎤ ⎡ 1⎤ ⎡0 ⎤ ⎡0 ⎤ ⎡ 1 0 0⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
c2 j Como B1 = { α1 = ⎢ − 1 ⎥ , α 2 = ⎢1⎥ , α 2 = ⎢0⎥ } entonces A1 = ⎢ − 1 1 0⎥
⇒ T (α j ) = A 2 ⎢ ⎥
⎢ M ⎥ ⎢⎣ 2⎥⎦ ⎢⎣3⎥⎦ ⎢⎣1⎥⎦ ⎢⎣ 2 3 1⎥⎦
⎢ ⎥
⎢⎣c mj ⎥⎦
⎡1⎤ ⎡−1⎤ ⎡1 −1⎤
Como B2 = { β1 = ⎢ ⎥ , β 2 = ⎢ ⎥ } entonces A 2 = ⎢ ⎥
Luego,
⎣ ⎦
0 ⎣ ⎦
1 ⎣0 1⎦

⎡ ⎡ c11 ⎤ ⎡ c12 ⎤ ⎡ c1n ⎤ ⎤ ⎡1 1⎤

⎢ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎥ Se puede verificar fácilmente que A 2−1 = ⎢ ⎥
[T(α1 ) T(α 2 ) L T(α n )] = ⎢⎢A 2 ⎢⎢ 21 ⎥⎥ A 2 ⎢⎢ 22 ⎥⎥ L A 2 ⎢⎢ 2n ⎥⎥ ⎥⎥
c c c
⎣0 1⎦
M M M
⎢ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎥
⎣⎢ ⎣⎢ m1 ⎦⎥
c ⎢⎣ m 2 ⎦⎥
c ⎣⎢ mn ⎥⎦ ⎦⎥
c ⎡ 1 0 0⎤
⎡1 1⎤ ⎡1 − 1 0⎤ ⎢ ⎥ ⎡3 3 1⎤
Luego, [T ]B12 = A 2−1A T A1 = ⎢ ⎥ − 1 1 0⎥ = ⎢
B
⎡ c11 c12 c1n ⎤ ⎥⎢ ⎥
⎣0 1⎦ ⎣0 1 1⎦ ⎢
⎢⎣ 2 3 1⎥⎦ ⎣
⎢ ⎥ 1 4 1⎦
⇒ [T(α1 ) T(α 2 ) L T(α n )] = A 2 ⎢ c 21 c 22 c2n ⎥
L
⎢ M M M ⎥
⎢ ⎥
⎣⎢c m1 c m 2 c mn ⎦⎥
⇒ [T(α1 ) T(α 2 ) L T(α n )] = A 2 [T ]B12
B

Por otro lado, T(α) = ATα, es decir que:

[A T α1 A T α 2 L A T α n ] = A 2 [T ]B12
B

Por consiguiente,

A T [α1 α 2 L α n ] = A 2 [T ]B12 ⇒ A T A1 = A 2 [T ]B12

B B

Como B2 = {β1, β2, …, βm} es una base entonces B2 es un conjunto L.I. Luego,
la matriz A2 = [β1 β2 … βm] es no singular. Por lo tanto,

A T A1 = A 2 [T ]B12 ⇒ [T ]B12 = A −2 1A T A1
B B

Ejemplo 6.11.

En el ejemplo 6.9., la T.L. T: ℜ3→ℜ2 es definida por:

⎡X ⎤
⎢ ⎥ ⎡X − Y ⎤
T( ⎢Y ⎥ ) = ⎢ ⎥
⎢⎣ Z ⎥⎦ ⎣Y + Z⎦

Es sencillo verificar que:

⎡1 −1 0⎤
AT = ⎢ ⎥
⎣0 1 1⎦

228 229
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

EJERCICIOS PROPUESTOS. ⎡1 ⎤
4. Determine si existe una T.L. T: ℜ2→ℜ tal que T( ⎢ ⎥ ) = 3,
1. Determine cuáles de las siguientes funciones son T.L.: ⎣ 2⎦
1.1. T: ℜ3→ℜ3 definida por: ⎡ ⎤
2 ⎡ ⎤
2 19
T( ⎢ ⎥ ) = –1 y T( ⎢ ⎥ ) = .
⎡ X1 ⎤ ⎡X 2 − X1 ⎤ ⎣ 2⎦ ⎣5 ⎦ 2
⎢ ⎥ ⎢ ⎥
1.1.1. T( ⎢X 2 ⎥ ) = ⎢ X1 ⎥
⎢⎣ X 3 ⎥⎦ ⎢⎣ X 3 ⎥⎦ ⎡ X1 X1 0 ⎤
⎢ ⎥
5. Sea T: ℜ2→M3x3(ℜ) definida por T(X1, X2) = ⎢ − X1 X1 X2 ⎥
⎡ X1 ⎤ ⎡X1 + 1⎤
⎢ ⎥ ⎢ ⎥ ⎢⎣ 0 X2 X1 − X 2 ⎥⎦
1.1.2. T( ⎢X 2 ⎥ ) = ⎢ X2 ⎥
⎢⎣ X 3 ⎥⎦ ⎢⎣ 0 ⎥⎦
5.1. Demuestre que T es una T.L.
⎡ X1 ⎤ ⎡ 0 ⎤ 5.2. Determine Kernel e Imagen de T, así como también bases
⎢ ⎥ ⎢ ⎥ de estos subespacios.
1.1.3. T( ⎢X 2 ⎥ ) = ⎢X1 + X 2 ⎥
⎢⎣ X 3 ⎥⎦ ⎢⎣ 0 ⎥⎦
⎡ X1 + 2 X 2 ⎤
⎡X ⎤ ⎢ ⎥
⎡ X1 ⎤ ⎡X1X 2 ⎤ 6. Sea T: ℜ2→ℜ3 una T.L. definida por T( ⎢ 1 ⎥ ) = ⎢ − X1 ⎥ .
⎢ ⎥ ⎢ ⎥ ⎣X 2 ⎦
1.1.4. T( ⎢X 2 ⎥ ) = ⎢ X3 ⎥ ⎢⎣ 0 ⎥⎦
⎢⎣ X 3 ⎥⎦ ⎢⎣ X1 ⎥⎦
6.1. Determine la matriz asociada con T con respecto a las
1.2. T: ℜ →ℜ definida por:
3 2
⎡1⎤ ⎡2⎤ ⎡3⎤
⎡1⎤ ⎡ −2 ⎤ ⎢⎥ ⎢ ⎥ ⎢ ⎥
⎡ X1 ⎤ bases { ⎢ ⎥ , ⎢ ⎥ } de ℜ2 y { ⎢1⎥ , ⎢2⎥ , ⎢0⎥ } de ℜ3.
⎢ ⎥ ⎡X 2 ⎤ ⎣3⎦ ⎣ 4⎦
1.2.1. T( ⎢X 2 ⎥ ) = ⎢ ⎥ ⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎢⎣0⎥⎦
⎢⎣ X 3 ⎥⎦ ⎣ X1 ⎦
⎡8⎤
6.2. Calcular mediante esta matriz T( ⎢ ⎥ ).
⎡ X1 ⎤ ⎣3⎦
⎢ ⎥ ⎡2X − X 2 ⎤
1.2.2. T( ⎢X 2 ⎥ ) = ⎢ 1 ⎥
⎢⎣ X 3 ⎥⎦ ⎣ X3 ⎦ ⎡1⎤ ⎡1⎤ ⎡ 1⎤ ⎡0 ⎤
7. Sea T: ℜ2→ℜ2 una T.L. tal que T( ⎢ ⎥ ) = ⎢ ⎥ y T( ⎢ ⎥ ) = ⎢ ⎥ .
1.3. T: M2x2(ℜ)→M2x2(ℜ) tal que T(A) = A + At. ⎣1⎦ ⎣0 ⎦ ⎣ − 1⎦ ⎣1⎦
1.4. T: M2x2(ℜ)→ℜ tal que T(A) = Det(A). Determine la representación matricial de T con respecto a la base
1.5. T: M2x2(ℜ)→ℜ tal que T(A) = Traza(A). ⎡1⎤ ⎡ 1⎤
{⎢ ⎥ , ⎢ ⎥}
2. Para cada una de las funciones anteriores que sean transformaciones ⎣1⎦ ⎣ − 1⎦
lineales determine Kernel, Imagen, Nulidad y Rango.
8. Determine una T.L. T: ℜ3→ℜ3 tal que:
⎡ −1 ⎤
⎡1 ⎤ ⎢ ⎥
3. La función T: ℜ2→ℜ2 es una T.L. y verifica que T( ⎢ ⎥ ) = ⎢ 0⎥ y
⎣ 2⎦ ⎡ X1 ⎤
⎢⎣ 2⎥⎦ ⎢ ⎥
Ker(T) = { ⎢X 2 ⎥ : 2X1 – X2 + X3 = 0}.
⎡ 0⎤ ⎢⎣ X 3 ⎥⎦
⎡ 2⎤ ⎢ ⎥ ⎡3⎤
T( ⎢ ⎥ ) = ⎢ 2⎥ . Determine las imágenes de los vectores ⎢ ⎥ y
⎣1 ⎦ ⎢⎣ −1 ⎥⎦ ⎣3⎦

⎡ 0⎤ ⎡ X1 ⎤
⎢ ⎥ ⎡ X − 2X 3 ⎤
⎢ ⎥. 9. Sea T: ℜ3→ℜ2 una T.L. definida por T( ⎢X 2 ⎥ ) = ⎢ 1 ⎥.
⎣ −1⎦ ⎣ X 2 + X3 ⎦
⎢⎣ X 3 ⎥⎦

230 231
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

Determine la matriz asociada a T con respecto a las bases 15. Sean U, V y W espacios vectoriales y T1: V→W y T2: W→U T.L.,
⎡1⎤ ⎡2⎤ ⎡3⎤ tales que T1 y T2 son monomorfismos. Demuestre que T1°T2 es un
⎢⎥ ⎢ ⎥ ⎢ ⎥ ⎡ 2⎤ ⎡0 ⎤ monomorfismo.
{ ⎢1⎥ , ⎢2⎥ , ⎢0⎥ } de ℜ3 y { ⎢ ⎥ , ⎢ ⎥ } de ℜ .
2

⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎢⎣0⎥⎦ ⎣0 ⎦ ⎣ 2⎦ ⎡2 1 −1 ⎤

16. Sea T: ℜ3→ℜ2 una T.L. y ⎢ ⎥ la matriz asociada con T con
⎣1 1 − 2 ⎦
respecto a las bases canónicas de cada espacio. Determine la
10. Sea T: M2x2(ℜ)→ℜ3 una T.L. definida por
⎡−1⎤
⎡ X1 + X 2 − X 3 ⎤ preimagen por T del vector ⎢ ⎥ . ¿Es T un monomorfismo?.
⎡X X2 ⎤ ⎢ ⎥ ⎣ 1⎦
T( ⎢ 1 ⎥ ) = ⎢ X1 + X 2 + X 4 ⎥
⎣X 3 X4 ⎦
⎢⎣X 2 + X 3 + X 4 ⎥⎦
17. Sea T: V→V una T.L. y tal que T2 – T + I = θ. Demuestre que T-1
existe y que T-1 = I – T.
10.1. Determine la matriz asociada a T con respecto a las bases ⎡ b ⎤
⎡1 1⎤ ⎡1 0⎤ ⎡0 0 ⎤ ⎡0 1⎤ ⎢a + c 2 ⎥⎥ .
{⎢ ⎥, ⎢ ⎥, ⎢ ⎥, ⎢ ⎥ } de M2x2(ℜ) y 18. Sea T :P2→M2x2(ℜ) tal que T(ax2+bx+c) = ⎢
b
⎣1 1⎦ ⎣1 0⎦ ⎣0 1 ⎦ ⎣1 1⎦ ⎢ a + c⎥
⎣⎢ 2 ⎦⎥
⎡ 0 ⎤ ⎡ 2 ⎤ ⎡0 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
{ ⎢2⎥ , ⎢0⎥ , ⎢1⎥ de ℜ3.
18.1. Demuestre que T es una T.L.
⎢⎣1 ⎥⎦ ⎢⎣1 ⎥⎦ ⎢⎣1⎥⎦ 18.2. Determine Imagen, Kernel, Rango y Nulidad de T. ¿Es T
10.2. Utilizando la matriz determinada en 10.1., determine la un isomorfismo?
18.3. Determine la matriz asociada a T respecto a la base
⎡ −1 3 ⎤
imagen de ⎢ ⎥. {1+x, 1–x, x2–1} de P2 y la base canónica de M2x2(ℜ).
⎣ 2 2⎦ Mediante esta matriz determine la Imagen por T de
4x2–3x+5.
11. Determine la T.L. T: ℜ3→ℜ2 tal que respecto a las bases
⎡0⎤ ⎡1⎤ ⎡1⎤ 19. Sea T:M2x2(ℜ)→ℜ3 tal que la matriz asociada con T respecto a la base
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎡1 ⎤ ⎡ 2⎤ ⎡1⎤ ⎡2⎤ ⎡ 3⎤
{ ⎢1⎥ , ⎢0⎥ , ⎢1⎥ } de ℜ3 y { ⎢ ⎥ , ⎢ ⎥ } de ℜ la matriz asociada es
2
⎢⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣1⎥⎦ ⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎣ 2⎦ ⎣1 ⎦ canónica de M2x2(ℜ) y la base { ⎢1⎥ , ⎢2⎥ , ⎢0⎥ } de ℜ3 es
⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎢⎣0⎥⎦
⎡1 0 0⎤
⎢ ⎥. ⎡0
⎣1 − 1 1⎦ 0 1 −1 ⎤
⎢ ⎥
⎢0 − 1 0 −1 ⎥
⎢ 2 2 ⎥
12. Sea Tφ: ℜ2→ℜ2 la T.L. representada por la matriz
⎢⎣ 1 3 2 −1 0⎥
⎡Cos(φ) −Sen (φ)⎤ 3 3 ⎦
⎥ respecto a la base canónica de ℜ . Demuestre
2
⎢ ⎡1 ⎤
⎣Sen (φ) Cos(φ) ⎦
⎢ ⎥
que si φ1∈ℜ y φ2∈ℜ entonces: 19.1. Determine la preimagen de ⎢2⎥ . ¿Es T inyectiva?
⎢⎣3⎥⎦
12.1. Tφ1 o Tφ2 = Tφ1 + φ 2 .
⎡ X1 ⎤
⎢ ⎥ ⎡ X1 + X 2 ⎤
12.2. Tφ−11 = T−φ2 . 19.2. Sea T2: ℜ3→ℜ2 tal que T2( ⎢X 2 ⎥ ) = ⎢ ⎥.
⎢⎣ X3 ⎥⎦ ⎣ X 2 − X1 + X 3 ⎦
13. Sea T: V→W una T.L., β∈W y α0∈V tal que T(α0) = β. Demuestre
Determine la matriz asociada con (T2°T) con respecto a las
que toda solución de T(α) = β es de la forma α0 + δ, donde δ∈Ker(T).
bases canónicas de M2x2(ℜ) y ℜ2.
14. Sea B∈nxn(K) una matriz no singular. Demuestre que la T.L.
T: Mmxn(ℜ)→Mmxn(ℜ) definida por T(A) = AB es un isomorfismo.

232 233
 CAPÍTULO 6: TRANSFORMACIONES LINEALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS

⎡ a1 ⎤ 23.2. Determine T(5x3–x2+3x+2).

⎢ ⎥ 23.3. Sea T2: ℜ3→ℜ2 tal que T2(x1, x2, x3) = (-2x1+3x3, x1+2x2–
a
20. Sea T: ℜ4→P2 tal que T( ⎢ 2 ⎥ ) = a1 + a2x + (a3+a4)x2. ⎡−2⎤ ⎡5⎤
⎢a 3 ⎥ x3) y la base B3 = { ⎢ ⎥ , ⎢ ⎥ } de ℜ2. Determine la matriz
⎢ ⎥ ⎣− 1⎦ ⎣3⎦
⎢⎣a 4 ⎥⎦
asociada con T2°T con respecto a las bases B1 y B3. ¿Es
20.1. Demuestre que T es una T.L. T2°T un monomorfismo?
20.2. Determine Kernel, Imagen, Rango y Nulidad de T.

21. Sea T: M2x2(ℜ)→P2 tal que: ⎡ a1 ⎤

⎢ ⎥
24. Sea T: ℜ3→P2 tal que T( ⎢a 2 ⎥ ) = (a2–a1) + (a1+2a3)x + (a3–a2)x2.
⎡a b ⎤ 2
⎢⎣a 3 ⎥⎦
T( ⎢ ⎥ ) = (b–c)x + (3a–d)x + (4a–2c+d).
⎣c d ⎦ 24.1. Demuestre que T es un isomorfismo.
24.2. Determine T-1 y la matriz asociada a T-1 con respecto a las
21.1. Determine el Kernel, Imagen, Rango y Nulidad de T. ¿Es T bases {2x–1, 4x2+x+1, –x2+2x+1} de P2 y
un epimorfismo? ⎡ 2 ⎤ ⎡ 3⎤ ⎡ 4 ⎤
21.2. Determine la matriz asociada con T con respecto a las ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
{ ⎢2⎥ , ⎢1⎥ , ⎢0⎥ } de ℜ3.
⎡3 −4⎤ ⎡−2 1⎤ ⎡2 −2⎤ ⎡−2 1⎤ ⎢⎣2⎥⎦ ⎢⎣0⎥⎦ ⎢⎣0⎥⎦
bases { ⎢ ⎥, ⎢ ⎥, ⎢ ⎥, ⎢ ⎥ } de
⎣1 − 1⎦ ⎣ 1 1⎦ ⎣ 1 − 1⎦ ⎣ 0 1⎦ 24.3. Mediante esta matriz determine T-1(p) siendo
M2x2(ℜ) y {2x–1, -5x2+3x-1, x2–2x+1} de P2. p(x) = 2x2–x+6.
⎡1 2⎤
21.3. Mediante esta matriz determine la imagen de ⎢ ⎥.
⎣3 4⎦ 25. Sea T: P2→P2 una T.L. y tal que la matriz asociada con T respecto a la
⎡−1 3 0⎤
⎢ ⎥
22. Sea P2 el espacio vectorial de los polinomios de grado a lo sumo 2, base B = {2x–1, 4x2–x+1, x2+2x+1} es ⎢ 2 − 3 1⎥
B = {1+2x, x2–2x+1, x2+x–1} una base de P2 y T: P2→P2 tal que la ⎢⎣ 3 − 4 1⎥⎦
matriz asociada a T con respecto a la base B es:
25.1. Demuestre que T es un isomorfismo.
25.2. Determine T-1.
⎡ 1 −3 0⎤
⎢ ⎥ 25.3. Sea T2: ℜ3→P2 tal que:
⎢− 4 3 − 1⎥
⎢⎣ 8 − 5 2⎥⎦ ⎡ c1 ⎤
⎢ ⎥
T2( ⎢c 2 ⎥ ) = c3 + (c2–c1)x + (c3+2c2)x2.
22.1. Demuestre que T es un isomorfismo. ⎢⎣c 3 ⎥⎦
22.2. Determine T-1 y la matriz asociada con T-1 respecto a la
base B.
22.3. Mediante esta matriz, obtener T-1(p) siendo Determine la matriz asociada a T°T2 respecto a las bases
p(x) = –x2–3x+2. ⎡1⎤ ⎡2⎤ ⎡4⎤
⎢⎥ ⎢ ⎥ ⎢ ⎥
B de P2 y { ⎢1⎥ , ⎢2⎥ , ⎢0⎥ } de ℜ3.
23. Sea P3 el espacio vectorial de los polinomios de grado a lo sumo 3 y
T: P3→ℜ3 tal que la matriz asociada con T con respecto a las bases ⎢⎣1⎥⎦ ⎢⎣0⎥⎦ ⎢⎣0⎥⎦
⎡ −2 ⎤ ⎡ 1 ⎤ ⎡ 3 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ 26. Sea P2 el espacio vectorial de los polinomios de grado a lo sumo 2,
B1 = {x3+x2, x2+x, x+1, 1} de P3 y B2 = { ⎢ 1⎥ , ⎢ − 3⎥ , ⎢ − 6 ⎥ } de ℜ3
B = {1+2x, x2–2x+1, x2+x–1} una base de P2 y T: P2→P2 tal que la
⎢⎣− 3⎥⎦ ⎢⎣ 0⎥⎦ ⎢⎣ 2⎥⎦
matriz asociada con T respecto a la base B es:
⎡ −1 −10 −15 −9 ⎤
⎢ ⎥ ⎡ 1 −3 0⎤
es ⎢ 1 26 41 25⎥
⎢ ⎥
⎢⎣− 1 − 15 − 23 − 14 ⎥⎦ ⎢− 4 3 − 1⎥
⎢⎣ 8 − 5 2⎥⎦
23.1. Determine si T es un monomorfismo.

234 235
 CAPÍTULO 6: TRANSFORMACIONES LINEALES

26.1. Demuestre que T es un isomorfismo.

26.2. Determine T-1 y la matriz asociada con T-1 respecto a la
base B.
26.3. Mediante esta matriz, determinar T-1(p) siendo
p(x) = –x2–3x+2.

27. Sea T: M2x2(ℜ)→P3 una T.L. tal que la matriz asociada con T respecto
a las bases B1 y B2 es:

⎡ 0 1 2 3⎤
⎢ ⎥
⎢ 1 3 −1 0⎥
⎢ 2 0 1 − 1⎥
⎢ ⎥
⎣⎢ − 1 2 0 1⎦⎥

⎡1 1⎤ ⎡−1 1⎤ ⎡0 0⎤ ⎡1 −1⎤
B1 = { ⎢ ⎥, ⎢ ⎥, ⎢ ⎥, ⎢ ⎥}
⎣0 0 ⎦ ⎣ 1 0 ⎦ ⎣0 1 ⎦ ⎣ 0 1⎦
B2 = {x3+x2, x2+x, x+1, 1}

⎡0 2 ⎤
27.1. Determine T( ⎢ ⎥ ).
⎣3 1 ⎦
27.2. Demuestre que T es un isomorfismo.
27.3. Determine T-1.
⎡a ⎤
⎢ ⎥ ⎡a − b a + b ⎤
27.4. Sea T2: ℜ3→M2x2(ℜ) tal que T2( ⎢b⎥ )= ⎢ ⎥.
⎢⎣ c ⎥⎦ ⎣a + c b − c⎦

Determine la matriz asociada con T°T2 respecto a las bases

⎡1⎤ ⎡2⎤ ⎡0⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
B2 y B3, siendo B3 = { ⎢1⎥ , ⎢0⎥ , ⎢1 ⎥ }. ¿Es T°T2 un
⎢⎣0⎥⎦ ⎢⎣1 ⎥⎦ ⎢⎣2⎥⎦
isomorfismo?

28. Determine la matriz de transición de B1 a B2 y de B2 a B1 en los

siguientes casos:

⎡1⎤ ⎡0⎤ ⎡2⎤ ⎡−3⎤

28.1. V = ℜ2, B1 = { α1 = ⎢ ⎥ , α2 = ⎢ ⎥ }, B2 = { β1 = ⎢ ⎥ , β2 = ⎢ ⎥ }
⎣0⎦ ⎣1⎦ ⎣3⎦ ⎣− 4⎦
⎡ 2⎤ ⎡ −3 ⎤ ⎡1⎤ ⎡2⎤
28.2. V = ℜ2, B1 = { α1 = ⎢ ⎥ , α2 = ⎢ ⎥ }, B2 = { β1 =⎢ ⎥ , β2 = ⎢ ⎥ }
⎣⎦3 −
⎣ ⎦ 4 ⎣⎦
5 ⎣⎦
6
28.3. V = P1, B1 = { α1 =1 , α2 = x }, B2 = { β1 = 2 +3x , β2 = −4 + 5x }

236