52

DIAGONALIZACIÓN.

Definición: Consideremos el espacio vectorial (V, + , R, .) y una transformación lineal

(operador lineal) T:V  V . El escalar λ es un valor propio de T, si y solo si existe un x  V,
x  0, tal que T(x) =  x.

Nota: todo vector x que cumple la relación anterior se denomina "vector propio de T asociado al
valor propio de  "

Teorema 1: Sean V un espacio vectorial de dimensión n, T:V  V un endomorfismo y B=

 v1 , v2 ,..., vn  una base para V, entonces la matriz asociada a T con respecto a la matriz B es
diagonal si y solo si los v i son vectores propios de T. Además los elementos de la diagonal son
los valores propios de T.

Teorema 2: Sea  un valor propio asociado a una transformación lineal T:V  V y si S es

el conjunto de todos los vectores propios de T asociado a  , entonces S = S   0 es un
subespacio de V (llamado subespacio característico).

Vectores y valores propios de una matriz.

El escalar  es un valor propio de la matriz A  K nxn , si y sólo si existe un vector no nulo x
tal que Ax =  x.
Un vector x  0 que satisface la igualdad anterior es un vector propio de A, asociado al valor
propio  .

Nota: Si la matriz A de orden nxn tiene n valores propios diferentes, entonces existe la matriz
P(invertible), tal que P 1 AP = D, D es diagonal.

Definiciones:
Si A  R nxn , entonces det(A -  I) es un polinomio de grado n que llamaremos polinomio
característico, y la ecuación det(A -  I) = 0 se llama ecuación característica.

Teorema 3: Sea  un valor propio de la matriz A de orden nxn y sea E  =  x  R n : Ax  x .

Entonces E  es un subespacio de R n .

Definición: Sea  un valor propio de A. El subespacio E se llama espacio propio de A

correspondiente al valor propio  .

Multiplicidad algebraica de un valor propio:

Sea A una matriz de orden n y p() el polinomio característico de A si
 (  ) = a (  1 ) (  2 ) .....(  m )
1 2 m

Donde 1   2  ....   m  n (grado del polinomio) y  i  Z  .

Los números  i son llamados multiplicidades algebraicas de los respectivos valores propios i
Es decir 1 es multiplicidad algebraica de 1 ,  2 es multiplicidad algebraica de 2 y así
sucesivamente.
 53

Procedimiento para calcular valores propios y vectores propios:

i) Se encuentra  (  ) = det(A -  I)
ii) Se encuentran las raíces 1 ,  2 ,.......,  m de  (  ) = 0
iii) Se resuelve el sistema homogéneo (A -  i I)v = 0 correspondiente a cada valor propio
i .

Teorema 4: Los valores propios de una matriz triangular son los componentes diagonales de la
matriz.

Multiplicidad geométrica de un valor propio:

Si  es un valor propio de A, entonces la multiplicidad geométrica de  es la dimensión de
S  ( espacio característico asociado a  ).
Nota: E  =  x / Ax  x es decir E  =  x  R n : ( A  I ) x  0

Teorema 5: Sea  un valor propio de A. Entonces

Multiplicidad geométrica de   multiplicidad algebraica de  .

Teorema 6: Sea A una matriz de orden n; entonces A tiene n vectores propios linealmente
independientes si y sólo si la multiplicidad geométrica de cada valor propio es igual a su
multiplicidad algebraica. En particular, A tiene n vectores propios linealmente independientes si
todos los valores propios son distintos(ya que entonces la multiplicidad algebraica de cada valor
propio es 1).

Teorema resumen:
Sea A una matriz de orden n. Entonces las siguientes 12 afirmaciones son equivalentes:
i. A es invertible
ii. La única solución del sistema homogéneo Ax = 0 es la solución trivial (x = 0).
iii. El sistema Ax = b tiene una solución única para cada n-vector b.
iv. A es equivalente por renglones a la matriz identidad I n .
v. A se puede escribir como el producto de matrices elementales.
vi. La forma escalonada por renglones de A tiene n pivotes
vii. Los renglones( y columnas) de A son linealmente independientes
viii. detA  0
ix. N(A) = 0
x.  (A) = n
xi. La transformación lineal T: R n  R n definida por Tx = Ax es un isomorfismo.
xii. Cero no es un valor propio de A.

Matrices semejantes:
Se dice que las matrices A y B son semejantes si existe una matríz invertible P tal que:
B = P 1 AP (1)
Nota: La función definida por (1) que lleva la matriz A en la matriz B se llama Transformación
de semejanza. Se puede escribir esta transformación lineal como:
 54

T(A) = P 1 AP
Teorema 7: Si A y B son matrices semejantes de orden n, entonces A y B tienen el mismo
polinomio característico y, por lo tanto, tienen los mismos valores propios.

Matríz diagonalizable:
Una matríz A de orden n, es diagonalizable si existe una matriz diagonal D tal que A es
semejante a D.

Teorema 8: Una matriz A de orden n es diagonalizable si y sólo si tiene n vectores propios

linealmente independientes.

Corolario: Si la matriz A de orden n tiene n valores propios diferentes, entonces A es

diagonalizable.

Teorema 9: Sea V un espacio vectorial de dimensión finita con bases B 1 =  v1 , v2 ,...., vn 

y B 2 =  w1 , w2 ,....., wn  . Sea T:V  V una transformación lineal. Si A T es la representación
matricial de T respecto a la base B 1 y si C T es la representación matricial de T respecto a la
base B 2 , entonces A T y C T son semejantes.

Teorema 10: Sea A una matriz simétrica real de orden n. Entonces los valores propios de A son
reales.

Teorema 11: Sea A una matriz simétrica de orden n. Si 1 y 2 son valores propios diferentes
con vectores propios reales correspondientes v 1 y v 2 , entonces v 1 y v 2 son ortogonales.

Definición: Se dice que una matriz A de orden n es diagonalizable ortogonalmente, si existe una
matriz ortogonal Q tal que Q T AQ = D, donde D es una matriz diagonal.

Teorema 12: Sea A una matriz real de orden n entonces A es diagonalizable ortogonalmente, si
y sólo si A es simétrica.

Procedimiento para encontrar una matriz diagonalizante Q

i) Encuentre una base para cada espacio propio de A
ii) Encuentre una base ortonormal para cada espacio propio de A usando el proceso de
Gram-Schmidt o algún otro.
iii) Escriba Q como la matriz cuyas columnas son los vectores propios ortonormales
obtenidos en el paso(ii).

Formas canónicas de Jordan(nos permiten trabajar con matrices no diagonalizables)

a) Matríz de bloques de Jordan:
Es una matriz de orden k con una constante  en su diagonal, unos en la superdiagonal y
ceros en cualquier otro lugar. Se denota por B(  ).
 55

2 1 0
  3 1
Ejemplos: B(2) =  0 2 1 B(3) =  
0 0 3 
 0 2 
b) Matriz de Jordan:
 B11 0 0 .0 
 
 0 B2  2 0 . 0 
Es una matriz de la forma  . . .  donde cada B j (  j ) es una matriz

 . . . 
 0 0 . . Br r 

de Jordan. Entonces una matriz de Jordan es una matriz que tiene en la diagonal matrices de
bloques de Jordan y ceros en otra parte.

2 1 0 0
3 1 0  
  0 2 0 0
Ejemplos: 0 3 0 0
0 0 5 1
 0 4   
0 0 0 5 
Teorema 13: Si A es una matriz real o compleja de orden n, entonces existe una matriz
invertible C tal que C 1 AC = J, donde J es una matriz de Jordan cuyos elementos diagonales
son los valores propios de A. La matriz J se le denomina Forma canónica de Jordan.

Teorema 14: Suponga que A la matriz de 2x2 tiene un valor propio  de multiplicidad
algebraica 2 y multiplicidad geométrica 1. Sea v 1 un vector propio correspondiente a  .
Entonces existe un vector v 2 que satisface la ecuación:
(A-  I) v 2 = v 1
Definición: Sea A una matriz de real de orden n, un vector no nulo x  R n es vector propio
generalizado de A asociado al valor propio  sí (A-  I) p x = 0 para algún entero positivo p.
Si x es vector propio generalizado tal que (A-  I) p x = 0 entonces, el vector y=(A-  I) p 1 x =
0 es un vector propio de A asociado a  .
Problemas propuestos:
1. Determine los valores propios y los vectores propios de las siguientes transformaciones
lineales:
a) F: R 2  R 2 definida por F(a,b) = (4a + 3b,3a - 4b)
b) T: R 3  R 3 tal que T(x,y,z) = (2y-z, 2x-z, 2x-y)

2. Obtenga los valores y vectores propios, de las siguientes matrices reales:

10 0 2
2 1 1  1  
a)   b)   c) 0 6 0
0 3  4  3   2
 0 7 
3. Halle el polinomio característico, los valores propios, y los vectores propios de cada una de
las siguientes matrices complejas:
 0 i  0  2i 
A=   B =  
  2i  2   i  2 
4. Determine si las siguientes matrices son diagonalizables.
 56

1 0 1 
1 1 1  2 2
C=  0 1 1 
  1 1 i
A= 0 1 1 B =  
1  2 2
0
 0 1

0 
1 1 0 
 2 2 
5. Demuestre que si A es una matriz de orden n tal que A 2 = I entonces los valores propios de
A son 1 y -1.
6. Para cada una de las matrices dadas en 4, calcule los valores propios, los espacios propios, la
multiplicidad algebraica y la multiplicidad geométrica.

7. ¿ Por qué la multiplicidad geométrica, de un valor propio de una matriz, nunca es cero?

8. Determine si la matriz A es diagonalizable. Si lo es, encuentre una matriz P tal que P 1

AP = D. Verifique que: AP = PD. Halle D. Si A no es diagonalizable justifique por qué.

7 2  4  3 7  5
 2  2    
a) A =   b) A = 3 0  2 c) A =  2 4 3 
 5 1  6
 2  3   1
 2 2 

1 1 4  3 2 4
    4 2
d) A =  3 2  1 e) A = 2 0 2 f) A =  
2 3 3 
 1  1

4
 2 3 

4 0 1 0 2  3
   
g) A  2 3 2 h) A  1 3 3 
1 0 4  0 0 1 
 

9. En cada caso encuentre la matriz Q ortogonal que diagonaliza la matriz simétrica dada.
Después verifique que Q t AQ = D ; donde D = diag( 1 , 2 ,....., n ) , i valores
propios de A.
 1 1  1
3 4   
a) A =   b) A=   1 1  1
4  3  1
 1 1 

3 2 2
  2 1
c) A=  2 2 0 d) A=  
2 1 2 
 0 4 

10) Encuentre la forma canónica de Jordan para las siguientes matrices

 57

 3 1  2  0 1 1  0 1 1
     
A  1 0 5  B   4 4  2 C   3 1  2
     
1 1 4   2 1 1   7 5 6 
     
Apellido:____________________ Nombre:_____________________ CI:____________

EXAMEN DE ÁLGEBRA LINEAL

1.- Escriba el teorema fundamental de las transformaciones lineales y otro teorema sobre transformaciones
lineales 4 ptos

2.- Para la función F: R3R4 definida por F(a,b,c) = (a-3b ,a+c-b, c-2a, 3b-a)
a) Demuestre que F es transformación Lineal 5 ptos
b) Encuentre el núcleo , la imagen y una base para cada uno.
c) Utilice la nulidad y el rango para deducir si F es inyectiva y/o sobreyectiva

3.- ¿Existirá una transformación lineal que T : R2  R3 tal que

NT={(x,y)R2 : 2x-y=1}?. Si existe encuentre al menos una, en caso contrario explique
2 ptos

4.- Sea G : P2(R)  P2(R) definida por G(p(x)) = p(x)-(2x-1).p’(x). 4 ptos

a) Encuentre la matriz asociada a G con respecto a la base B={1-x, x, x2}
b) Determine si G es un isomorfismo

5.- Encuentre una transformación lineal T : R3 R2 tal que el núcleo de T sea
N={(x,y,z)R3 : x-2y+z=0 } 3 ptos.

6.- Considere la función F: R3R3 definida por F(a,b,c) = (a+3b ,a.c-b, c-3b) . Determine si F es una
transformación lineal. Justifique 2 ptos
Apellido:____________________ Nombre:_____________________ CI:____________

EXAMEN DE ÁLGEBRA LINEAL

1.- Escriba el teorema fundamental de las transformaciones lineales y otro teorema sobre transformaciones
lineales 4 ptos

2.- Para la función F: R3R4 definida por F(a,b,c) = (a-3b ,a+c-b, c-2a, 3b-a)
a) Demuestre que F es transformación Lineal 5 ptos
d) Encuentre el núcleo , la imagen y una base para cada uno.
e) Utilice la nulidad y el rango para deducir si F es inyectiva y/o sobreyectiva

3.- ¿Existirá una transformación lineal que T : R2  R3 tal que

NT={(x,y)R2 : 2x-y=1}?. Si existe encuentre al menos una, en caso contrario explique
2 ptos

4.- Sea G : P2(R)  P2(R) definida por G(p(x)) = p(x)-(2x-1).p’(x). 4 ptos

c) Encuentre la matriz asociada a G con respecto a la base B={1-x, x, x2}
d) Determine si G es un isomorfismo

5.- Encuentre una transformación lineal T : R3 R2 tal que el núcleo de T sea
N={(x,y,z)R3 : x-2y+z=0 } 3 ptos.
 58

6.- Considere la función F: R3R3 definida por F(a,b,c) = (a+3b ,a.c-b, c-3b) . Determine si F es una
transformación lineal. Justifique 2 ptos
Apellido:____________________ Nombre:_____________________ CI:____________

EXAMEN DE ÁLGEBRA LINEAL

1.- Escriba el teorema fundamental de las transformaciones lineales y otro teorema sobre transformaciones
lineales 4 ptos

2.- Para la función F: R3R4 definida por F(a,b,c) = (a-3b ,a+c-b, c-2a, 3b-a)
a) Demuestre que F es transformación Lineal 5 ptos
f) Encuentre el núcleo , la imagen y una base para cada uno.
g) Utilice la nulidad y el rango para deducir si F es inyectiva y/o sobreyectiva

3.- ¿Existirá una transformación lineal que T : R2  R3 tal que

NT={(x,y)R2 : 2x-y=1}?. Si existe encuentre al menos una, en caso contrario explique
2 ptos

4.- Sea G : P2(R)  P2(R) definida por G(p(x)) = p(x)-(2x-1).p’(x). 4 ptos

e) Encuentre la matriz asociada a G con respecto a la base B={1-x, x, x2}
f) Determine si G es un isomorfismo

5.- Encuentre una transformación lineal T : R3 R2 tal que el núcleo de T sea
N={(x,y,z)R3 : x-2y+z=0 } 3 ptos.

6.- Considere la función F: R3R3 definida por F(a,b,c) = (a+3b ,a.c-b, c-3b) . Determine si F es una
transformación lineal. Justifique 2 ptos
TRANSFORMACIONES LINEALES:

1) DEFINICION:
Sean V y W dos espacios vectoriales sobre un mismo cuerpo K. La función T: V  W, es una
transformación lineal si se cumplen las siguientes condiciones:
i) T(x+y) = T(x) + T(y) x, y  V
 
ii) T( x) = T(x)   K , x  V

Las condiciones (i) y (ii) se pueden reducir a una sola: T: V  W, es una transformación
lineal (T.L) si: T(  x+  y ) =  T(x) +  T(y),  x,y  V ,   K.

EJEMPLOS:
a) T: R 3  R 2 definida por: T(x,y,z) =(x-z,y-z), es una T.L.
b) T: R 3  R 2 definida por: T(x,y,z) =(x-z,y-z+1), no es una T.L.
c) T: P3 ( R)  P3 ( R ) definida por T(p(x))  p'(x), es una T.L.
d) La transformación nula:
T: V  W , definida por T(v)= O w
e) La transformación identidad:
T: V  V , definida por T(v)=v
f) La transformación de reflexión
T: R 2  R 2 , definida por T(x,y)=(-x,y)
 59

g) La transformación de rotación:
 x
Suponga que el vector v =   en el plano xy se rota un ángulo  en sentido contrario de
 y
 x' 
las manecillas del reloj, llame a este nuevo vector rotado v' =  

 y'

Si r denota la longitud de v
V’

v x = r. cos  , y = r.sen 
 x' = r.cos(    ) y'=r.sen(    )
x' =r.cos cos  - r. sen sen 
  y' =r.sen  cos  + r sen  cos

x' = x cos  - y sen  y' =x sen  +y cos 

 cos   sen  
Sea A=   se observa que: Av = v', luego
 sen  cos  
La T.L. T: R 2  R 2 , definida por T(x)=Ax, se llama transformación de rotación
2) PROPIEDADES DE LAS TRANSFORMACIONES LINEALES

i) T: V  W, es una transformación lineal, entonces:

 n
 n
T    i xi     i T ( xi )
 i 1  i 1
ii) T(O v ) = O w
iii) T(-x) = -T(x) x V
iv) T(x-y) = T(x) - T(y)  x,yV

3) TEOREMA FUNDAMENTAL DE LAS TRANSFORMACIONES LINEALES

Sea V un espacio vectorial de dimensión finita con base B=  v1 , v 2 , v 3 ,...., v n  . Sea W un
espacio vectorial que contiene los vectores w1 , w2 ,....., wn . Entonces existe una única
transformación lineal T: V  W tal que: T(v i ) = w i i = 1,2,3,...,n.

Nota: Este teorema asegura que toda transformación lineal entre dos espacios vectoriales queda
determinada por los valores que toma sobre cualquier base del primero.

Ejemplos:
a) Sea T: R 2  R 3 , la transformación que asigna a los vectores de la base  (1,0), (0,1) los
vectores (0,0,1) y (3,-2,-1) respectivamente, es decir T(1,0)=(0,0,1) y T(0,1)=(3,-2,-1). Halle
la imagen de cualquier vector (x,y) R 2 .

Solución: ( x, y )  R 2 se cumple que: (x,y) =  1 (1,0)   2 (0,1) por ser  (1,0), (0,1)
una base de R 2 . Así (x,y) = ( 1 ,  2 ) , de donde  1 = x y  2 = y
Ahora podemos escribir (x,y) = x (1,0)  y (0,1)
Aplicando T en ambos miembros T(x,y) = T  x(1,0)   T  y (0,1) 
 60

Por propiedades de una T.L T(x,y) = xT 1,0   yT  0,1

Luego T(x,y) = x 0,0,1  y  3,2,1
Por lo tanto T(x,y) = (3y,-2y,x-y)

b) Sea T: R 3  R 2 , la transformación que asigna a los vectores de la base

 (1,1,1), (1,1,0), (1,0,0) los vectores (1,2), (1,2) y (-1,1) respectivamente, es decir:
T(1,1,1)=(1,2), T(1,1,0)=(1,2) y T(1,0,0)=(-1,1). Halle la imagen de cualquier vector (x,y,z)
 R3 .

Solución: (x,y,z)  R 3  (x,y,z) =  (1,1,1) +  (1,1,0) +  (1,0,0) (I)

Resolviendo en (I)  =z,  =y-z y  =x-y
Luego (x,y,z) = z (1,1,1) + (y-z)(1,1,0) + (x-y) (1,0,0)
Aplicando T en ambos miembros se obtiene:
T(x,y,z)=T  z (1,1,1)  +T  (y - z)(1,1,0)  + T  (x - y) (1,0,0)
Por propiedades de una T.L T(x,y,z)= zT 1,1,1 + (y-z)T 1,1,0  + (x-y)T 1,0,0 
Así T(x,y,z)= z(1,2) + (y-z)(1,2) + (x,y)(-1,1)
Por lo tanto T(x,y,z)=(2y-x,y+x)

4. NUCLEO E IMAGEN DE UNA TRANSFORMACIÓN LINEAL

Sea T: V  W una T.L entre dos espacios vectoriales sobre un mismo cuerpo.
 El núcleo de T se denota por N(T) y se define como: N(T)=  x  V / T ( x)  O w 
Teorema: El núcleo de toda transformación lineal T: V  W , es un subespacio de V.
 La imagen de T se denota por I(T) y se define como:
I(T)=  y  W / T ( x)  y.... para..a lg ún..x  V 
Teorema: La imagen de toda transformación lineal T: V  W , es un subespacio de W.

5. NULIDAD Y RANGO DE UNA TRANSFORMACIÓN LÍNEAL.

Sea T: V  W una T.L entre dos espacios vectoriales sobre un mismo cuerpo.
La nulidad de T es la dim N(T) =n T .
El rango de T es la dim I(T) = r T .

Teorema:
Si V es un espacio vectorial de dimensión finita y T :V  W es Transformación lineal,
entonces
dim N(T) + dim I(T) = dim V.

Ejercicio:
Sea T: R 3  R 2 , una transformación lineal definida por: T(a,b,c) =(a-c,b-c). Hallar N(T),
I(T).

Solución: a) N(T) =  x  R 3 / T ( x)  O 
Si x  R 3 entonces x=(x,y,z). Luego T(x,y,z) = (x-z,y-z) = (0,0)
(x-z,y-z) = (0,0) ( x-z = 0  y-z = 0 )  ( x = z  y = z ), así
 61

N(T) = ( x, y , z )  R 3 / x  y  z = ( , , ) /   R =  (1,1,1) /   R

(1,1,1) es una base para N(T), luego la dim N(T) = 1.

 
b) I(T) = ( x, y )  R 2 / T ( a, b, c )  ( x, y ), para a lg ún ( a, b, c )  R 3
Se calcula (x,y):
T(a,b,c) = (a-c,b-c) = (x,y)
este sistema tiene solución para toda x,y  R. Así I(T) = R 2
a  c  x

b  c  y

Teoremas:
i) La imagen de cualquier conjunto L.D, por toda transformación lineal, es L.D
ii) Si T: V  W es una T.L y v 1 ,v 2 ,.......v n  V tales que sus imágenes constituyen
un conjunto L.I en W, entonces v 1 ,v 2 ,.......v n son L.I.

6. ISOMORFISMOS.

Definición:
Sea T: V  W una transformación lineal. T es uno a uno o inyectiva si para todo v 1 ,v 2  V
se cumple que: v 1  v 2  T(v 1 )  T(v 2 )
o, en forma equivalente:
T(v 1 ) = T(v 2 )  v 1 = v 2 .

Teorema.
Sea T: V  W una transformación lineal. T es inyectiva sí y sólo si N(T) = O v .
Definición:
T: V  W una transformación lineal. T es sobreyectiva, si para todo w  W existe al menos
una v V tal que T(v) = w. Es decir, T es sobreyectiva si y solo si I (T) = W.

Teorema.
Sea T: V  W una transformación lineal y suponga que dim V = dim W = n. Entonces T es
inyectiva si y solo si es sobreyectiva.
Teorema:
T: V  W una transformación lineal. Suponga que dim V = n y dim W = m. Entonces:
i) Si n  m, T no es inyectiva.
ii) Si n  m, T no es sobreyectiva.
Definición:
Diremos que T: V  W es un isomorfismo sí y sólo si T es biyectiva.
Definición :
Los espacios vectoriales V y W son isomorfos si existe un isomorfismo T de V en W. En este
caso se escribe V  W.

Teorema.
Sea T:V  W un isomorfismo
i) Si : v 1 , v 2 ,.. ..., v n genera a V, entonces T(v 1 ), T(v 2 ),.. .....,T(v n ) genera a W.
 62

ii) Si v 1 , v 2 ,........,v n son L.I. en V, entonces T(v 1 ), T(v 2 ),.. .....,T(v n ) son L.I en
W.
iii) Si v 1 ,v 2 , .... , v n ) constituye una base para V, entonces T(v 1 ), T(v 2 ),......, T(v n )
 constituye una base para W.
iv) Si V tiene dimensión finita, entonces W tiene dimensión finita y dim V = dim W.

Teorema.
Sean V y W dos espacios vectoriales definidos sobre R. Si dimV =dimW = n, entonces V  W.

Ejercicio:
1. Sea T: R 3  R 3 definida por T(x,y,z)= (y,-x,z). Demuestre que f es inyectiva y
sobreyectiva.

2. Verifique que T es un isomorfismo entre los espacios dados. T: R 3  P 2 (x) tal que
T(a,b,c)=a+bx+cx 2 .

7. MATRIZ ASOCIADA A UNA TRANSFORMACIÓN LINEAL

Consideremos una transformación lineal T:V  W, dim V=n y dim W=m. Si se fija una base
de V y una base de W, la T.L queda caracterizada por una matriz de orden mxn, la cual se llama
matriz asociada a la T.L respecto a las bases dadas.
Sean
B 1 =v 1 ,v 2 , .... , v n  base de V
B 2 =w 1 , w 2 ,......,w m  base de W
n
Si x  V entonces x=   i v i   1v1   2 v 2  ......   n v n , tales escalares caracterizan a x
i 1
 1 
 
 2 
respecto a la base B 1 , y se llaman las coordenadas de x respecto a B 1 . Así: x B 1
=  . 
 . 
 
 n
Sea y W la imagen de x mediante T, es decir y = T(x), como y  W entonces,
m
y =   i wi   1 w1   2 w2  ....   m wm
i 1
 1 
 
 2  Por el teorema fundamental de las T.L, T queda caracterizada por
Luego yB =  .  los valores que toma sobre la base de V. Es decir: T(v i ) W,
2
i = 1,2,3,....,n
 . 
  Luego estas imágenes se pueden expresar como combinación
 m lineal de los elementos de la base de W:

T(v 1 ) =
a11 w1  a 21 w2  ...  a m1 wm
 63

T(v 2 ) = a12 w1  a 22 w2  ...  a m 2 wm

.
T(v n ) = a1n w1  a 2 n w2  ...  a mn wm
Es decir

 a11 a 21 . . a m1 
 
 a12 a 22 . . am2  La transpuesta de B es la matriz
B=  . 
 asociada a la T.L con respecto a las
 .  bases dadas:
a a 2n . . a mn  Esta matriz la denotaremos por A:
 1n

 a11 a12 . . a1n 

 
 a 21 a 22 . . a 2n 
A =  . 

 . 
a a m2 . . a mn 
 m1
Se demuestra que: A x B = y B donde y = T(x).
1 2

Ejemplo: Sean T: R 3  R 2 tal que: T(x,y,z) = (x+z,y-z) y las bases

B 1 =(1,1,1), (1,1,0), (1,0,0) de R 3 y B 2 =(2,0), (0,1) de R 2
i)Halle la matriz A asociada a T respecto a las bases B 1 y B 2 .
ii) Usando la matriz A Halle la imagen del vector x = (1,2,3)
Solución i:
a) Se hallan las imágenes de de los elementos de la base de R 3
T(1,1,1)= (2,0), T(1,1,0)=(1,1) y T(1,0,0)=(1,0)
b) Dichas imágenes se expresan como C.L de los elementos de la base de B 2 :
(2,0) = (2,0) + 0 (0,1)
1
(1,1) = (2,0) + 1 (0,1)
2
1
(1,0) = (2,0) + 0 (0,1)
2
c) La transpuesta de la matriz de coeficientes es la matriz asociada de T respecto a las bases B 1
y B2.
T
 
 
1 0  1 1
1 1 
A=  1  = 2 2
2  0
1   1 0 
 0
2 

Solución ii:
a) Expresamos al vector x como C.L de los vectores de la base B 1 :
(1,2,3) =  (1,1,1) +  (1,1,0) +  (1,0,0)
 64

De donde se obtiene que:   3 ,   1 y   1

b) Luego: (1,2,3) = 3 (1,1,1) - (1,1,0) - (1,0,0)
 3 
 
c) Así x B 1
=   1
  1
 
 1 1   3 
1   2 
 
d) Luego T(x) = A. x B =  2 2  .   1 =
  1
1
 
 0 1 0    1
e) Por lo tanto T(1,2,3) = (4,-1) = 2(2,0) - (0,1)
 2 
f) Conclusión y B =  
  1
2

8. COMPOSICIÓN DE TRANSFORMACIONES LINEALES.

Sean f: V U y g: U W dos transformaciones lineales. La función compuesta
gof : V  W
Se define como
(gof) (x) = g  f (x) 
Teorema.
La composición de dos transformaciones lineales es una transformación lineal

9. TRANSFORMACIÓN LINEAL INVERTIBLE.

Una transformación lineal T: VW es invertible si T es un isomorfismo

Teorema.
La inversa de una transformación lineal invertible es una transformación lineal.

Teorema.
Si T: VW es una transformación lineal invertible, entonces dim V = dim W

Teorema.
Si T es una transformación lineal inyectiva o sobreyectiva de un espacio vectorial de dimensión
finita en sí mismo, entonces T es invertible.

Teorema
Sean U, V y W espacios vectoriales sobre el cuerpo R con bases B 1   v1 , v 2 ,....., v n  B
2   u 1 , u 2 ,....., u p  y B 3   w1 , w2 ,....., wm  respectivamente. Consideremos las
transformaciones lineales f: VU y g: UW , con matrices asociadas A  M pxn (R) y
B  M mxp (R) Respecto de las bases dadas en cada espacio. Entonces la transformación lineal
compuesta gof esta asociada a la matriz: C= BA  M mxn (R) .

EJERCICIOS PROPUESTOS:
1. Determine cuáles de las siguientes aplicaciones de T son transformaciones lineales:
 65

a) T: R 2  R , definida por T(x,y)= xy

b) T: R 2  R 3 , definida por T(x,y) = (x, y, 0) + (-1,0,0)
c) T: R 2  R 2 , definida por T(x,y,z) =(x+y+z,y+z)
d) T: R 2  R , definida por T(x,y)= x-2y.
e) T: P 2  P 1 , tal que T( a+bx+cx 2 )= a+bx
f) T: P 2  P 4 , tal que T(p(x))= (p(x)) 2
g)T:C  0,1  C  01 , tal que T(g(x)) = g(x)+1
1
h) T: C  0,1  R , tal que T(g(x)) = g( )
2
i) T: M nxn  R , tal que T(A) = det(A)
J) T: M nxn  M nxn definida por T(A)=AB , B  M nxn y B es una matriz fija.
k) T: M nxn  M nxn tal que T(A)=A T + A

2. Sea la función definida por T(x,y) = (-x,-y). Demostrar que T es una T.L. ¿ T es inyectiva?
3. Sea T: R 2  R 3 , una T.L, tal que: T(1,2) = (-1,2,0) y T(2,1) = (0,2,-1). Halle T(3,3),
T(0,-1), T(x,y) con x,y  R .
19
4. Investigar si existe una T.L T: R 2  R , tal que: T(1,2)=3, T(2,2) = -1 y T(2,5) =
2
.
5. Sea F: R 2  M 3 x 3 ( R) definida por:
 x x 0 
 
F(x,y) =   x x y  a) Pruebe que F es una T.L. b) Halle N(F) y su
 0 y x  y 

dimensión.
6. En cada uno de los siguientes problemas encuentre el núcleo, imagen, rango y nulidad de la
T.L dada:
a) T: R 2  R 2 , definida por T(x,0)
b) T: R  P3 , T(a) a+ax+ax 2 +ax 3
c) T: R 3  R 2 , definida por T(x,y,z) =(x+y+z,y+z)
 x 2  1 x 
   
d) T: R 2 R 2 , tal que T  y   4 7  y 

e) T: P 2  P 4 , tal que T(p(x))=x 2 p(x)

a  b 0 
f) T: R 2  M 2 x 2 ( R) tal que T(a,b) =  
 0 a  b 
7. Sea T: R 3  R 2 , definida por T(x,y,z) = (x-2z,y+z)
a) Halle la matriz asociada de T respecto a las bases  (1,1,1), ( 2,2,0), (3,0,0) en R 3 y
 (2,0), (0,2) en R 2
b) Usando A obtener la imagen de (-2,2,-3)

a b
8. Dada la T.L T: M 2 x 2  R 3 definida por: T    ( a  b  c, a  b  d , b  c  d )
c d 
 66

1 1 1 0   0 0   0 1
a) Obtener la matriz A de T respecto a las bases :  ,  ,  ,   en M
1 1 1 0   0 1   1 1
2 x 2 ( R) y  (0,2,1), (2,0,1), (0,1,1) en R 3 .
1 3
b) Usando A halle la imagen de  
 2 2 
9. Mostrar que las siguientes funciones no son lineales:
a) F: R 2  R 2 , tal que F(x,y) = (x 2 ,y 2 )
b) F: T: R 2  R , tal que F(x,y) = x  y
c) F: R  R 2 , tal que F(x)=(x,1)

10. Para cada una de las siguientes T.L, halle una base y la dimensión para su núcleo.
a) T: R 3  R 3 definida por T(x,y,z) = (x+2y,y-z,x+2z)
b) T: R 3  R 2 tal que T(x,y,z) = (x+y,y+z)
 1 1
c) T: M 2 x 2 ( R )  M 2 x 2 ( R ) definida por T(A)= MA, donde M=  
 2 2 
1 2
d) T: M 2 x 2 ( R )  M 2 x 2 ( R ) definida por T(A)= AM-MA, donde M=  
 0 3