Capı́tulo 1

MATRIZ ASOCIADA A UNA

TRANSFORMACIÓN LINEAL

1.1. Coordenadas o componentes de un vector

Sea V un K-espacio vectorial de dimension finita y consideremos una base ordenada

B = {v1 , v2 , ..., vn }. Luego, todo vector v ∈ V se puede ser expresado de una única forma
como combinación lineal de los elementos de B. Es decir existen ai ∈ K, i = 1, 2, ..., n tal que

n
X
v = a1 v1 + a2 v2 + ... + an vn = ai vi (1)
i=1

de tal forma que el vector v ∈ V se puede caracterizar o identificar únicamente por los esca-
lares ai ∈ K, i = 1, 2, ..., n correspondientes a la combinación lineal (1); esto es, por la n-upla
de elementos de K que expresamos como un vector columna y denotamos por
 
a1
 
a 
 2
[v]B =  .  (2)
 .. 
 
an

Definición 1.1.1. La relación (2) se denomina vector de coordenadas de v correspondiente

a la base B, a los escalares ai se les llaman coordenadas o componentes del vector v ∈ V
respecto a la base B. Nótese que la aplicación

2
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

[ ]B : V −→ Kn×1
v 7−→ v 7→ [v]B
determinada por la base ordenada B de V en Kn×1 es un isomorfismo; es decir a todo
vector v ∈ V se le puede asociar de forma única un vector columna cuyas componentes o
coordenadas son escalares ai ∈ K, i = 1, 2, ..., n correspondientes a la combinación (1) con
respecto a la base B.

Nota.- En lo que se sigue de esta sección supondremos que el K-espacio vectorial es de

dimensión finita y la base considerada B es ordenada.

Ejemplo 1.1.2. Sea B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} una base ordenada del espacio vectorial
R3 sobre R. Hallar el vector coordenado de v = (2, 3, −1) relativo a la base B.

Solución. Solución

(2, 3, −1) = a1 (1, 0, 0) + a2 (1, 1, 0) + a3 (1, 1, 1)

(2, 3, −1) = −1(1, 0, 0) + 4(1, 1, 0) − 1(1, 1, 1)
 
−1
 
∴ [v]B = 
4


−1
Observación 1.1.3. Si B es la base canónica de (Kn , +, K) y v = (x1 , x2 , ..., xn ) cualquier
vector de Kn  
x1
 
x 
 2
[v]B =  .  y denotaremos [v]B = [v]
 .. 
 
xn

1.2. MATRIZ ASOCIADA A UNA TRANSFORMA-

CIÓN LINEAL

Sean V y W dos K-espacios vectoriales, ambos de dimensión finita, con bases ordenadas
B = {v1 , v2 , ..., vn } y B 0 = {w1 , w2 , ..., wm }, respectivamente. Si T : V → W es una transfor-
mación lineal, entonces por el teorema fundamental de las transformaciones lineales, T está

3
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

unı́vocamente determinado por los valores que toma T en los vectores de B. Es decir, como
T : V → W, entonces T (vj ) ∈ W, donde:
m
X
T (vj ) = aij wi , aij ∈ K (3)
i=1

para j = 1, ..., n; escribiendo en forma explı́cita:

T (v1 ) = a11 w1 + a21 w2 + ... + am1 wm

T (v2 ) = a12 w1 + a22 w2 + ... + am2 wm
.. .. .. ..
. . . ... .
T (vn ) = a1n w1 + a2n w2 + ... + amn wm

entonces construimos una matriz que tenga como columnas los vectores de coordenadas de
T (v1 ), T (v2 ), ..., T (vn ) , esto es

     
a11 a12 a1n
     
a  a  a 
 21   22   2n 
[T (v1 )]B =  .  , [T (v2 )]B =  .  , · · · , [T (vn )]B =  . 
 ..   ..   .. 
     
am1 am2 amn
la cual denotaremos por
 
a11 a12 ... a13
 
a
 21 a22 . . . a2n 

A= . .. ..  (4)
 .. . . . . . 
 
am1 am2 . . . amn

Definición 1.2.1. La matriz A obtenida en la relación (4) es llamada matriz asociada a

la trandformación lineal T respecto a las bases B y B 0 de V y W respectivamente y la
dennotaremos como
A = [T ]B
0
B (5)

Nota.- La matriz A = [T ]B
0
B definida en la relación (5) también es frecuente denotar como

A = [T ]B
0
B = [T ]B,B 0 = B[T ]B
0

4
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Ejemplo 1.2.2. Sea T : R3 → R4 tal que T (x1 , x2 , x3 ) = (x1 , x2 , 0, x3 ). Hallar la matriz

asociada a la transformación lineal T .

a) Con respecto a las bases canónicas de R3 y R4 respectivamente.

b) Si B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} es la base para R3 y

B 0 = {(1, 0, 0, 0), (1, 1, 0, 0), (1, 1, 1, 0), (1, 1, 1, 1)} es la base para R4

Solución

a) Con respecto a las bases canónicas

{(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 y
{(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)} de R4 y
T (1, 0, 0) = (1, 0, 0, 0) = 1(1, 0, 0, 0) + 0(0, 1, 0, 0) + 0(0, 0, 1, 0) + 0(0, 0, 0, 1)
T (0, 1, 0) = (0, 1, 0, 0) = 0(1, 0, 0, 0) + 1(0, 1, 0, 0) + 0(0, 0, 1, 0) + 0(0, 0, 0, 1)
T (0, 0, 1) = (1, 0,0, 1) = 0(1,
 0, 0, 0) + 0(0, 1, 0, 0) + 0(0, 0, 1, 0) + 1(0, 0, 0, 1)
1 0 0
 
0 1 0
luego [T ] = 
 

0 0 0
 
0 0 1
4×3

b) Con respecto a las bases

B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} de R3 y
B 0 = {(1, 0, 0, 0), (1, 1, 0, 0), (1, 1, 1, 0), (1, 1, 1, 1)} de R4
T (1, 0, 0) = (1, 0, 0, 0) = 1(1, 0, 0, 0) + 0(1, 1, 0, 0) + 0(1, 1, 1, 0) + 0(1, 1, 1, 1)
T (1, 1, 0) = (1, 1, 0, 0) = 0(1, 0, 0, 0) + 1(1, 1, 0, 0) + 0(1, 1, 1, 0) + 0(1, 1, 1, 1)
T (1, 1, 1) = (1, 1, 0,1) = 0(1, 0,0, 0) + 1(1, 1, 0, 0) − 1(1, 1, 1, 0) + 1(1, 1, 1, 1)
1 0 0
 
0 1 1
luego [T ]B =
 
B0 
0
 0 −1

0 0 1
4×3

Ejemplo 1.2.3. Dados los espacios vectoriales (R, +, R, .) , (R2 , +, R, .) y la transformación

lineal T : R → R2 definida como
T (x) = (x, 2x)

5
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Hallar la matriz asociada a T respecto a las bases B = {1}, B 0 = {(1, 0), (1, 1)} de R y R2 ,
respectivamente.
Solución
T (1) = (1, 2) = −(1, 0) + 2(1, 1)

−1
∴ [T ]B
0
B = 
2
2×1

Ejemplo 1.2.4. Sea V un espacio vectorial sobre K de dimensión n y F : V → V una

transformación lineal definida como
F (v) = 2v

Hallar la matriz asociada de F respecto a la base: B = B 0 = {v1 , v2 , ..., vn }

Solución

F (v1 ) = 2v1 + 0v2 + ... + 0vn

F (v2 ) = 0v1 + 2v2 + ... + 0vn
.. .. .. ..
. . . ... .
F (vn ) = 0v1 + 0v2 + ... + 2vn

 
2 0 ... 0
 
0 2 . . . 0
∴ [F ]B
0
= .
 
B .. .. 
 .. . . . . .
 
0 0 ... 2
n×n

Ejemplo 1.2.5. Dados los espacios vectoriales W1 = {(x, y, z) ∈ R3 /x = y} y

W2 = {(aij )2×2 ∈ R2×2 /aij = aji } se define la transformación lineal G : W1 → W2
como  
z x
G(x, y, z) =  
x 0

6
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Hallar la matriz asociada de G respecto a las bases:

B = {(1, 1, 0), (0, 0, 1)} de W1 y

     
 1 0 0 0 0 1 
B=  , ,  de W2 .
 0 0 0 1 1 0 

Solución.
       
0 1 1 0 0 0 0 1
G(1, 1, 0) =   = 0  + 0  + 1 
1 0 0 0 0 1 1 0

       
1 0 1 0 0 0 0 1
G(0, 0, 1) =   = 1  + 0  + 0 
0 0 0 0 0 1 1 0
 
0 1
∴ [G]B
0  
B =
0 0


1 0
3×2

Proposición 1.2.6. Sean T : V → W una transformación lineal, B = {v1 , v2 , ..., vn } y

B 0 = {w1 , w2 , ..., wm } bases ordenadas de V y W respectivamente.
Si A = [T ]B
0
B es la matriz asociada a la transformación lineal T respecto a las bases B
 
c1
 
c 
 2
y B , v ∈ V y C = [v]B =  .  las coordenadas de v respecto a la base B, entonces
0
 .. 
 
cn
[T (v)]B0 = AC son las coordenadas de T (v) en la base B 0 .

Prueba
Si A = [T ]B
0
B es la matriz asociada a la transformación lineal T , entonces:
m
X
T (vj ) = aij wi , ∀j = 1, ..., n (1)
i=1

7
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

 
c1
 
c 
 2
como C = [v]B =  .  son las coordenadas de v con respecto a la base B, entonces:
 .. 
 
cn
n
X
v= cj vj (2)
j=1

n
!
X
ahora T (v) = T cj vj
j=1

n
X
= cj T (vj )
j=1
n m
!
X X
= cj aij wi de (1)
j=1 i=1
m n
!
X X
= aij cj wi (3)
i=1 j=1

Escribiendo explı́citamente la relación (3) se tiene

n
X n
X n
X
T (v) = a1j cj w1 + a2j cj w2 + ... + anj cj wm (4)
j=1 j=1 j=1

Luego de (4)

8
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

 n
X

 a1j cj 
 j=1 
 n 
X 

 a c 
2j j 
[T (v)]B0 =
 j=1

..

 
 . 
 n 
X 
 a c mj j
j=1
 
a11 c1 + a12 c2 + . . . + a1n cn
 
a c + a c + ... + a c 
 21 1 22 2 2n n 
= . .. .. .. .. .. 
 .. . . . . . . . . 
 
am1 c1 + am2 c2 + . . . + amn cn

  
a11 a12 . . . a1n c1
  
a
 21 a22 . . . a2n 
  c2 
 
= . .. ..   .. 
 ..

 . ... . .


am1 am2 . . . amn cn

= AC

Finalmente, tomando extremos se obtiene [T (v)]B0 = AC.

Ejemplo 1.2.7. Sea T : R2 → R3 una transformación lineal definida como

T (x, y) = (2x, x + y, x − y).

Considerando: B = {(1, 1), (1, 2)} una base de R2 y

B 0 = {(1, −1, 1), (1, 0, 1), (1, 1, 0)} una base de R3

i) Hallar [T ]B
0
B .

ii) Si v = (2, −3), hallar las coordenadas de T (v).

9
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Solución.

i) T (1, 1) = (2, 2, 0) = 0(1, −1, 1) + 0(1, 0, 1) + 2(1, 1, 0)

T (1, 2) = (2, 3, −1) = 0(1, −1, 1) − 1(1, 0, 1) + 3(1, 1, 0)
 
0 0
∴ [T ]B
0  
B =
0 −1

2 3
2×3

ii) v = (2, −3) =7(1,1) − 5(1, 2)

7
luego [v]B =  
−5
   
0 0   0
  7  
∴ [T (v)]B0 =   =  5 
0 −1
−5
 
2 3 −1

Ejemplo 1.2.8. Sea T : R3 → R2 una transformación lineal, consideremos las bases:

B = {(1, 1, 1), (0, 0, 1), (0, −1, 0)} de R3

B 0 = {(1, 1), (1, −1)} de R2
 
1 1/2 3/2
Sabiendo que [T ]B
0
B = 
2 1/2 3/2

i) Hallar T (3, 0, 2)

ii) Hallar T (x, y, z)

Solución.

i) v = (3, 0, 2) = 3(1, 1, 1) − 1(0, 0, 1) + 3(0, −1, 0) luego

 
3
 
[v]B = 
−1


10
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

hallando las coordenadas de T (3, 0, 2) tenemos:

 
  3  
1 1/2 3/2   7
[T (v)]B0 =  −1 =  
2 1/2 3/2 10
 
3

∴ T (3, 0, 2) = 7(1, 1) + 10(1, −1)

= (17, −3)

ii) Sea v = (x, y, z) = x(1, 1, 1) + (z − x)(0, 0, 1) + (x − y)(0, −1, 0) luego

 
x
 
[v]B =  z − x


x−y

Hallando las coordenadas de T (x, y, z):

 
  x
1 1/2 3/2  
[T (x, y, z)]B0 =  z − x
2 1/2 3/2
 
x−y
 
3 1
2x − 2 y + 2 z 
= 3 1 
3x − y + z
2 2
3 1 3 1
T (x, y, z) = (2x − y + z)(1, 1) + (3x − y + z)(1, −1)
2 2 2 2
∴ T (x, y, z) = (5x − 3y + z, −x)

Proposición 1.2.9. Sean V y W dos K-espacios vectoriales, ambos de dimensión fini-

ta con bases ordenadas B = {v1 , v2 , ..., vn } y B 0 = {w1 , w2 , ..., wm }, respectivamente. Si
T, S : V → W son dos transformaciones lineales y a, b ∈ K, entonces

[aT + bS]B B B
0 0 0
B = a[T ]B + b[S]B

Prueba
Sean [T ]B B
0 0
B = [aij ] y [S]B = [bij ] las matrices asociadas de T y S con respecto a las bases

11
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

ordenadas B = {v1 , v2 , ..., vn } de V y B 0 = {w1 , w2 , ..., wm } de W.

Se tiene

(aT + bS) = aT (vj ) + bS(vj ); j = 1, ..., n

m
X m
X
=a aij wi + b bij wi ; j = 1, ..., n
i=1 i=1
m
X m
X
= (aai )wi + (bbij )wi ; j = 1, ..., n
i=1 i=1
Xm
= (aaij + bij )wi ; j = 1, ..., n
i=1

De este modo,

[aT + bS]B
0
B = [aaij + bbij ]; i = 1, ..., m, j = 1, ..., n

= [aaij ] + [bbij ]; i = 1, ..., m, j = 1, ..., n

= a[aij ] + b[bij ]; i = 1, ..., m, j = 1, ..., n
= a[T ]B B
0 0
B + b[S]B

Proposición 1.2.10. Sean V y W dos K-espacios vectoriales de dimensión finita con bases
ordenadas B = {v1 , v2 , ..., vn } y B 0 = {w1 , w2 , ..., wm }, respectivamente. La transformación
lineal T : V → W es nula si y solo si [T ]B
0
B = 0.

Prueba

⇒ Asumiendo que la transformación lineal T : V → W es nula.

Sean B = {v1 , v2 , ..., vn } y B 0 = {w1 , w2 , ..., wm } las bases ordenadas de V y W
respectivamente, entonces
m
X
T (vj ) = θ = aij wi ; ∀j = 1, ..., n
i=1

0w1 + 0w2 + ... + 0wm = a1j w1 + a2j w2 + ... + amj wm ; j = 1, ..., n

→ aij = 0; ∀i = 1, ..., m, ∀j = 1, ..., n

12
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Por ser B 0 = {w1 , w2 , ..., wm } una base para W, luego

 
0 ··· 0
. .
[T ]B
0
.. . . ...  = 0

B =
 
0 ··· 0

⇐) Ahora asumiendo que [T ]B

0
B = 0.  
c1
 
c 
 2
Sea v ∈ V, por ser B = {v1 , v2 , ..., vn } base de V, se tiene que [v]B =  . , luego por
 .. 
 
cn
una proposición demostrada anteriormente
  se  tiene
 que  
  c1 0 0
0 ··· 0      
 c2  0
. . 0
.    
B0 . . .
[T ]B [v]B = [T (v)]B0 =  . . .   .  =  .  → [T (v)]B0 =  . 
   
 ..   ..   .. 
0 ··· 0
     
cn 0 0
Entonces, T (v) = 0w1 +0w2 +...+0wm = 0, ∀v ∈ V. En consecuencia la transformación
lineal T es nula.

Teorema 1.2.11. Sean V, W dos K-espacios vectoriales de dimensiones n y m respectiva-

mente. Para cada par de bases B = {v1 , v2 , ..., vn } de V y B 0 = {w1 , w2 , ..., wm } de W se
tiene que
L(V, W) ∼
= Km×n

Prueba
Definimos

ψ : L(V, W) → Km×n
T 7→ ψ(T ) = [T ]B
0
B

Afirmación 1.- ψ es una transformación lineal. En efecto,

Sean T, S ∈ L(V, W) y a, b ∈ K tal que

ψ(T ) = [T ]B ψ(S) = [S]B

0 0
B = [aij ]m×n = A y B = [bij ]m×n = B

13
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Se tiene

ψ(aT + bS) = [aT + bS]B

0
B Por definición de ψ.
= a[T ]B B
0 0
B + b[S]B Por la proposición anterior
= aψ(T ) + bψ(S) Sustitución

Con lo cual se verifica la afirmación 1.

Afirmación 2.- ψ es un isomorfismo. En efecto:

i) ψ es inyectiva

N u(ψ) = {T ∈ L(V, W)/ψ(T ) = 0}

= {T ∈ L(V, W)/[T ]B
0
B = 0}

= {T ∈ L(V, W)/T = 0} Por el ejercicio anterior

Luego N u(ψ) = {0}
∴ ψ es inyectiva

i) ψ es sobre
dimL(V, W) = m × n = dimKm×n , por la parte (i) ψ es inyectiva se tiene que ψ es
sobre.
Luego de (i) y (ii) ψ es un isomorfismo.

∴ L(V, W) ∼
= Km×n

Proposición 1.2.12. Dados V, W, U espacios vectoriales de dimensión finita sobre el campo

K y sean T : V → W y S : W → U transformaciones linelaes. Si B, B 0 y B 00 son las bases
ordenadas de los espacios vectoriales V, W, U respectivamente, entonces

[S ◦ T ]B B B
00 00 0
B = [S]B 0 [T ]B

Prueba
Consideremos: B = {v1 , v2 , ..., vn }, B 0 = {w1 , w2 , ..., wm } y B 00 = {u1 , u2 , ..., ur } las bases
ordenadas para V, W, W respectivamente.

14
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

m
A = (aij )m×n = [T ]B
0
X
B tal que T (vj ) = aij wi , ∀j = 1, 2, ..., n
i=1
r
B = (bkl )r×m = [T ]B
00
X
B 0 tal que S(wl ) = bkl uk , ∀l = 1, 2, ..., m
k=1

(S ◦ T )(vj ) = S(T (vj )); para cualquier j, 1 ≤ j ≤ n

m
!
X
=S aij wi
i=1
m
X
= aij S(wi )
i=1
m r
!
X X
= aij bki uk
i=1 k=1
r m
!
X X
= bki aij uk
k=1 i=1

luego,
r m
!
X X
(S ◦ T )(vj ) = bki aij uk
k=1 i=1
| {z }
ckj
r
X
= ckj uk 1≤j≤n
k=1

[S ◦ T ]B
00
entonces, B = [ckj ]r×n

pero ckj es el (k, j) término del producto de las matrices BA.

En consecuencia, finalmente tenemos que:

[S ◦ T ]B B B
00 00 0
B = [S]B 0 [T ]B

Ejemplo 1.2.13. Sean las transformaciones lineales

T :R3 → R2
(x, y, z) 7→ (x + y, z − x)
S :R2 → R
(x, y) 7→ 2x + y

15
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

y consideremos las bases:

B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} de R3 ,

B 0 = {(1, 3), (2, 1)} de R2 y
B 00 = {1} de R.

Hallar:

i) [S ◦ T ]B
00
B

ii) (S ◦ T )(x, y, z)

iii) (S ◦ T )(2, −1, 4)

Solución.

i)
2 6
T (1, 1, 1) = (2, 0) = (1, 3) + (2, 1)
5 5
4 7
T (1, 1, 0) = (2, −1) = − (1, 3) + (2, 1)
5 5
3 4
T (1, 0, 0) = (1, −1) = − (1, 3) + (2, 1)
 5  5
−2/5 −4/5 −3/5
[T ]B
0
B =
 
6/5 7/5 4/5
2×3

S(1, 3) = 5 = 5(1)
S(2, 1) = 5 = 5(1)
[S]B
00
B 0 = [5 5]1×2

 
−2/5 −4/5 −3/5
∴ [S ◦ T ]B
00
B = [5 5]  
6/5 7/5 4/5

= [4 3 1]

ii) (S ◦ T )(x, y, z)
Hallemos [(x, y, z)]B

16
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

(x, y, z) = a(1, 1, 1) + b(1, 1, 0) + c(1, 0, 0)

calculando se tiene que a = z, b = y − z, c = x − y. Luego:
(x, y, z) = z(1, 1, 1) + (y − z)(1, 1, 0) + (x − y)(1, 0, 0)
 
z
 
[(x, y, z)]B = 
 z − y 

x−y

[(S ◦ T )(x, y, z)]B00 = [S ◦ T ]B

00
B [(x, y, z)]B
 
z
 
= [4 3 1] 
 z − y 

x−y

= 4z + 3(y − z) + (x − y)
= x + 2y + z
(S ◦ T )(x, y, z) = x + 2y + z

iii) (S ◦ T )(2, −1, 4) = 4

Ejemplo 1.2.14. Sean las transformaciones lineales:

T : R2 → W = {(x, y, z) ∈ R3 /x = 2y}
(x, y) 7→ (2y, y, 0)

F : W → R2×2
 
x y
(x, y, z) 7→  
z −x
y las bases:

B = {(1, 1), (1, 0)} de R2

B 0 = {(2, 1, 0), (0, 0, 1)} de W
       
 1 0 0 1 0 0 0 0 
B 00 =  , , ,  de R2×2 .
 0 0 0 0 1 0 0 1 
Hallar:

17
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

i) [T ]B B
0 00
B y [F ]B 0

ii) [F ◦ T ]B
00
B

Solución.

i)

T (1, 1) = (2, 1, 0) = 1(2, 1, 0) + 0(0, 0, 1)

T (1, 0) = (0, 0, 0) = 0(2, 1, 0) + 0(0, 0, 0)
 
1 0
[T ]B
0
B =
 
0 0
         
2 1 1 0 0 1 0 0 0 0
F (2, 1, 0) =   = 2  + 1  + 0  − 2 
0 −2 0 0 0 0 1 0 0 1
         
0 0 1 0 0 1 0 0 0 0
F (0, 0, 1) =   = 0  + 0  + 1  + 0 
1 0 0 0 0 0 1 0 0 1
 
2 0
 
 1 0
[F ]B
00
B0 = 
 

 0 1
 
−2 0

ii)

[F ◦ T ]B B B
00 00 0
B = [F ]B 0 [T ]B
   
2 0   2 0
  
 1 0 1 0 1 0
= =
  
  
 0 1 0 0 0 0
   
−2 0 −2 0

Proposición 1.2.15. Sean V y W dos K-espacios vectoriales de dimensión finita con bases
ordenadas B y C respectivamente. Si T : V → W es una transformación lineal inversible y
siendo T −1 dicha inversa, entonces

[T −1 ]B C −1
C = ([T ]B )

18
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Prueba
Sea n = dimV = dimW, considerando las bases B y C en V y W respectivamente, se tiene

[T ]CB [T −1 ]B
C = [T ◦ T ]C = [I]CC = In
−1 C

Donde In es la matriz identidad de orden n.

Análogamente,
[T −1 ]B C
C [T ]B = [T
−1
◦ T ]B B
B = [I]B = In

Por consiguiente,
[T −1 ]B C −1
C = ([T ]B )

Proposición 1.2.16. Sean V, W dos K-espacios vectoriales de dimensión finita con bases
B y C respectivamente, entonces la transformación lineal T : V → W es un isomorfismo si
y solo si [T ]CB posee inversa.

Prueba

⇒) Asumiendo que T es un isomorfismo.

T : V → W posee inversa T −1 : W → V, luego por la proposición anterior
([T ]CB )−1 = [T −1 ]B
C.

⇐) Ahora asumiendo que [T ]CB posee inversa.

Se tiene que ran(T ) = dimW, luego solo resta probar que T es una transformación
lineal inyectiva.
Si T (v) = θ, entonces
[v]B = ([T ]CB )−1 [T (v)]C = 0

Como todas las coordenadas de v son iguales a cero, se tiene que v = θ, luego
N u(T ) = {θ} y en consecuencia T es inyectiva.

Ejemplo 1.2.17. Sea P1 [R] es el espacio vectorial de los polinomios de grado menor o igual
que uno sobre el campo de los reales R y la transformación lineal T : R2 → P1[R] definida
como T (a, b) = a + (a − b)x, demuestre que T es un isomorfismo y calcule la inversa de T .
Solución. Considerando las bases canónicas de B y C en R2 y P1[R] respectivamente se
tiene que
T (1, 0) = 1 + 1x

19
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

T (0, 1) = 0 − 1x
 
1 0
Luego, [T ]CB es inversible y ([T ]CB )−1 = ; en consecuencia T es un isomorfismo.
1 −1
Para calcular la inversa de T
    
1 0 a a
[T −1 (a + bx)] = [T −1 ]B
C [a + bx]C =
   =  
1 −1 b a−b

T −1 (a + bx) = a(1, 0) + (a − b)(0, 1)

∴ T −1 (a + bx) = (a, a − b)

1.3. Matriz cambio de base

Sea V un K-espacio vectorial de dimensión finita, consideramos B = {v1 , v2 , ..., vn } y

B 0 = {v10 , v20 , ..., vn0 } dos bases ordenadas para V.

i) Para hallar la matriz cambio de base de B y B 0 .

Se considera el endomorfismo identidad

I : V → V tal que I(vj ) = vj , ∀j = 1, 2, ...n,

luego expresando vj como una combinación lineal de los elementos de B 0 se tiene

n
X
I(vj ) = vj = pij vi0 , ∀j = 1, 2, ..., n, (1)
i=1

Escribiendo (1) explı́citamente se obtiene:

I(v1 ) = v1 = p11 v10 + p21 v20 + ... + pn1 vn0

I(v2 ) = v2 = p12 v10 + p22 v20 + ... + pn2 vn0
.. .. .. .. ..
. . . . ... .
I(vn ) = vn = p1n v10 + p2n v20 + ... + pnn vn0

20
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

la matriz asociada al endomorfismo I respecto a las bases B y B 0 que denotamos por:

 
p11 p12 . . . p1n
 
p p . . . p 
21 22 2n
P = [I]B
0
=
 
B
 ... .. .. 

 . ... .  
pn1 pn2 . . . pnn

es la llamada matriz cambio de base de B a B 0 .

ii) Para hallar la matriz cambio de base de B 0 a B

Se considera el endomorfismo identidad

I : V → V tal que I(vj0 ) = vj0 , ∀j = 1, 2, ...n

luego expresando vj0 como una combinación lineal de los elementos de B se tiene
n
X
I(vj0 ) = vj0 = qij vi , ∀j = 1, 2, ..., n (2)
i=1

y escribiendo (2) explı́citamente se tiene

I(v10 ) = v10 = q11 v1 + q21 v2 + ... + qn1 vn

I(v20 ) = v20 = q12 v1 + q22 v2 + ... + qn2 vn
.. .. .. .. ..
. . . . ... .
I(vn0 ) = vn0 = q1n v1 + q2n v2 + ... + qnn vn

la matriz asociada al endomorfismo I respecto a las bases B 0 y B que denotamos por:

 
q11 q12 . . . q1n
 
q q . . . q 
21 22 2n
Q = [I]B =
 
B 0 . . .
 .. .. . . . .. 
 
 
qn1 qn2 . . . qnn

es la llamada matriz cambio de base de B 0 a B.

Observación 1.3.1. También es usual denotar la matriz P cambio de base de B a B 0 por

B 0 B
MB o BM B 0 y la matriz Q cambio de base de B 0 a B por MB 0 , o B M B.
0

21
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Ejercicio.- Sea V un K-espacio vectorial de dimensión finita n e I : V → V el endomorfismo

identidad, entonces [I]B
B = In donde In es la matriz identidad de orden n y B una base

cualesquiera de V.

Proposición 1.3.2. Sea V un K-espacio vectorial de dimensión finita, B = {v1 , v2 , ..., vn }

y B 0 = {v10 , v20 , ..., vn0 } dos bases ordenadas para V. Entonces las matrices de cambio de bases
P de B a B 0 y Q de B 0 a B son inversas entre sı́.

Prueba
En efecto,

P Q = [I]B B
0
B [I]B 0 Por definición de P y Q.
= [I ◦ I]B
0
B0 Por propiedad demostrada.
B0
= [I] B0 Pues I ◦ I = I.
= In Por el ejercicio anterior.

Análogamente se demuestra que QP = In .

Luego, P Q = In y QP = In lo que demuestra que P y Q son inversas entre si.

Ejemplo 1.3.3. Sean B = {(1, 1), (1, 0)} y B 0 = {(−1, 0), (2, 1)} dos bases de R2 .
Hallar la matriz cambio de base:

i) P de la base B a la base B 0 .

ii) Q la base B 0 a la base B.

iii) Verifique que P y Q son inversas entre si.

Solución.

i) (1, 1) = 1(−1, 0) + 1(2, 1)

(1, 0) = −1(−1, 0) + 0(2, 1)
 
1 −1
P = 
1 0

22
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

ii) (−1, 0) = 0(1, 1) − 1(1, 0)

(2, 1) = 1(1, 1) + 1(1, 0)
 
0 1
Q= 
−1 1
    
0 1 1 −1 1 0
iii) P Q =   = 
−1 1 1 0 0 1

1.4. Fórmulas de transformación de coordenadas

Proposición 1.4.1. (Formulas de Transformación de coordenadas) Sea V un K-

espacio vectorial de dimensión finita con bases ordenadas B = {v1 , v2 , ..., vn } y
B 0 = {v10 , v20 , ..., vn0 }. Si P es la matriz cambio de base de B a B 0 y Q la matriz cambio
de base de B 0 a B, entonces para todo v ∈ V se tiene que

P [v]B = [v]B0

y
Q[v]B0 = [v]B

Prueba    
a1 a0
   1
a   a0 
 2  2
Sean [v]B =  .  y [v]B0 =.
 ..   .. 
   
an a0n

Las coordenadas del vector v ∈ V con respecto a las bases B y B 0 .

Probaremos que P [v]B = [v]B0

23
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Entonces
n
X
v= aj vj
j=1
n n
!
X X
= aj pij vi0
j=1 j=1
n n
!
X X
= aj pij vi0 (1)
j=1 j=1

Por otro lado tenemos que

n
X
v= a0i vi0 (2)
i=1

De (1) y (2) por la unicidad de la combianción lineal, ya que B 0 es una base tenemos

n
X
a0i = pij aj , ∀i = 1, 2, ..., n (3)
j=1

Es decir, explı́citamente:

a01 = q11 a1 + p12 a2 + ... + p1n an

a02 = q21 a1 + p22 a2 + ... + p2n an
.. .. .. ..
. . . ... .
a0n = pn1 a1 + pn2 a2 + ... + pnn an

    
a0 p11 p12 . . . p1n a1
 1   
 a0   p
 2   21 p22 . . . p1n 
  a2 
 
.= . .. . 
 ..   .. . . . ..   ... 
 
   .  
a0n pn1 pn2 . . . pnn an

∴ [v]B0 = P [v]B (4)

24
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Ahora como P y Q son inversas entre sı́, tenemos que:

Q[v]B0 = Q(P [v]B )

= (QP )[v]B
= [v]B pues QP = I
∴ Q[v]B0 = [v]B (5)

Las expresiones (4) y (5) se denominan fórmulas de transformación de coordenadas.

El siguiente gráfico permite ilustrar el teorema demostrado.

Proposición 1.4.2. Sea V un K-espacio vectorial de dimensión finita, B y C dos bases

ordenadas para V y T : V → V en endomorfismo, entonces

[T ]B C
B = Q[T ]C P

donde P es la matriz cambio de base de B a C y Q la matriz cambio de base de C a B.

Prueba
Como P = [I]CB y Q = [I]B
C se tiene

Q[T ]CC P = [I]B B C B C B C B B

C [T ]B [I]B = [I]C [T ◦ I]B = [I]C [T ]B = [I ◦ T ]B = [T ]B

Tomando extremos se obtiene,

[T ]B C
B = Q[T ]C P

25
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

con lo cual queda demostrada la proposición.

La proposición anterior se puede interpretar mediante el siguiente gráfico

[T ]C
(V, C ) −−−−−−C−−−→ (V, C )
x x
 
 
 
P  P  Q

 
 y
[T ]B
(V, B) −−−−−−B−−−→ (V, B)

1.5. Matrices semejantes

Matrices semejantes
Sea V un K-espacio vectorial de Dimensión finita y T : V → V un endomorfismo. Se conside-
ran B y B 0 dos bases ordenadas de V. Si se denotan por A = [T ]B B 0
B , B = [T ]B 0 , P la matriz

cambio de base de B a B 0 y P −1 la matriz cambio de base de B 0 a B por la proposición

anterior se tiene que A = P −1 BP . Las matrices A, B ∈ Kn×n que representan al mismo
endomorfismo respecto a las bases B y B 0 son llamadas semejantes.
Esto es, diremos que A es semejante a B si solo si existe una matriz P no singular tal que
A = P −1 BP .
La proposición anterior se extiende para el caso de una transformación lineal T : V → W
donde V y W son K-espacios vectoriales de dimensiones n y m respectivamente. Si B y B 0
son bases para V; C y C 0 para W con matrices asociadas A = [T ]CB , B = [T ]CB0 y matrices
0

cambio de base P de B a B 0 y Q de C y C 0 se cumple que A = Q−1 BP .

Es decir, dada la transformación lineal T : V → W donde V y W son dos K-espacios vectoria-
les de dimensiones n y m respectivamente, diremos que las matrices A, B ∈ Kn×n representan
a la misma transformación lineal T existen matrices P ∈ Kn×n y Q ∈ Km×m no singulares
tales que A = Q−1 BP .
El siguiente gráfico, ilustra la situación antes descrita.

26
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

B
(V, B 0 ) −−−−−−−−−→ (W, C 0 )
x x
 
 
 
P Q  −1
  Q
 
 y
A
(V, B) −−−−−−−−−→ (W, C )

Ejemplo 1.5.1. Sea T : R3 → R2 tal que T (x, y, z) = (x + y, 2z − x).

i) Hallemos [T ]CB

T (1, 0, 0) = (1, −1) = 1(1, 0) − 1(0, 1)

T (0, 1, 0) = (1, 0) = 1(1, 0) + 0(0, 1)
T (0, 0, 1) = (0, 2) = 0(1, 0) + 2(0, 1)
 
1 1 0
∴ A = [T ]CB =  
−1 0 2

ii)
B
(R3 , B 0 ) −−−−−−−−−→ (R2 , C 0 )
x x
 
 
 
P P −1 Q
 
 
y 
A
(R3 , B) −−−−−−−−−→ (R2 , C )

Calularemos las matrices de cambio de base de las bases dadas

De B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} a B 0 = {(1, 0, −1), (1, 1, 1), (1, 0, 0)}

(1, 0, 0) = 0(1, 0, −1) + 0(1, 1, 1) + 1(1, 0, 0)

(0, 1, 0) = 1(1, 0, −1) + 1(1, 1, 1) − 2(1, 0, 0)
(0, 0, 1) = −1(1, 0, −1) + 0(1, 1, 1) + 1(1, 0, 0)
   
0 1 −1 1 1 1
  −1  
P =  0 1 0  , P =  0 1 0
  
1 −2 1 −1 1 0

27
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

De C = {(1, 0), (0, 1)} a C 0 = {(0, 1), (1, 0)}

(1, 0) = 0(0, 1) + 1(1, 0)

(0, 1) = 1(0, 1) + 0(1, 0)
 
0 1
Q= 
1 0

iii) Calcular la matriz de T respecto a las bases dadas (ii).

B = QAP −1
 
   1 1 1
0 1 0 1 1  
=    0 1 0
1 0 −1 0 2
 
−1 1 0
 
−3 1 1
= 
1 2 1

28
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Ejercicios del capı́tulo 1

1. Una transformación lineal T : R3 → R2 está definida por

T (x, y, z) = (x − 2z, y + z)

a) Hallar la matriz asociada A de T , respecto a las bases:

{(1, 1, 1), (2, 2, 0), (3, 0, 0)} en R3 y {(2, 0), (0, 2)} en R2

b) Mediante A, determinar la imagen de (−2, 2, −2) ∈ R3 .

c) Determinar la matriz B de T , respecto a las bases canónicas en ambos espacios.

d) Obtener la matriz C de T , respecto a la base canónica de R3 y la base de para

R2 en la parte a).

2. Hallar la matriz de la transformación lineal S : R3 → R4 , donde S está definida como

S(x, y, z) = (3x + y, x − y, y + z, x + y + z)

en las bases que se indican a continuación

a) En las bases canónicas.

b) {(3, 2, 4), (5, −1, 4), (1, 4, −3)} base de R3 y {(0, 0, 2, 4), (3, 0, −1, 1), (0, 4, 5, −1), (1, −1, 1, −1)
base de R4

c) La base canónica de R3 y para R4 la base dada en b).

3. Sea la transformación lineal f : R2 → R3 definida por

f (x, y) = (x + y, x − y, x + 2y)

a) Determinar el N u(f ), Im(f ), una base para cada uno y sus respectivas dimensio-
nes.

b) Hallar la matriz asociada de f respecto a las bases:

{(1, 2), (2, 0)}en R2 y {(1, 0, 0), (0, 2, 0), (0, 0, 3)} en R3

4. La matriz asociada de la transformación lineal f : R3 → R3 respecto de la base canónica

es  
−1
1 1
 
A=
 3 −3 −3


−2 4 2

29
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

Determinar el N u(f ), Im(f ) y sus dimensiones.

5. Sea T el operador lineal sobre C2 definido por T (z1 , z2 ) = (z1 , 0). Sea B la base
canónica de C2 y sea B 0 = {(1, i), (−i, 2)}.

a) ¿Cuál es la matriz asociada a T con respecto la base B.

b) ¿Cuál es la matriz asociada de T respecto con respecto la base B 0 ?.

c) ¿Cuál es la matriz asociada a T con respecto al par de bases B y B 0 ?.

6. Sea V un K- espacio vectorial de dimensión finita y T ∈ L(V). Se define la traza de T

como tr(T ) = tr(AT ) para alguna matriz AT asociada a T . Pruebe que la la traza de
T no depende de la no depende de AT .

7. Si V = {ax2 + bx + c/a, b, c ∈ R} y T : V → R2 es una transformación lineal definida

por T (ax2 + bx + c) = (b + 2c, 3c − 2a), determine la matriz asociada a T respecto a
las bases B1 = {1, 1 + x, 1 + x − x2 } de V y B2 = {(3, 2), (2, 3)} de R2 .

8. Demuestre que cualquier isomorfismo entre espacios vectoriales de dimensión finita

puede ser representado por la matriz identidad respecto de alguna base del espacio
vectorial de de partida y alguna base del espacio vectorial de llegada.

9. Dada la transformación lineal f : R2×2 → R3 definida por

 
a b
f   = (a + b − c, a + b + d, b + c + d)
c d

a) Obtener la matriz de f respecto de las bases:

       
 1 1 1 0 0 0 0 1 
 , , ,  y {(0, 2, 1), (2, 0, 1), (0, 1, 1)}
 1 1 1 0 0 1 1 1 
 
−1 3
b) Utilizando la matriz hallada, obtener la imagen de  .
2 2

10. Determinar la transformación lineal f : R3 → R2 , tal que respecto de  las bases 

1 0 0
{(1, 1, 1), (1, 0, 1), (1, 1, 0)} en R3 y {(1, 2), (2, 1)} en R2 su matriz asociada sea  .
0 −1 −1

30
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

11. Hallar la matriz de la transformación lineal g ◦ f respecto de las bases {(1, 1), (0, −1)}
en el dominio, {(2, 0), (2, 2)} en el codominio donde f : R2 → R3 /f (x, y) = (x, x + y, y)
g : R3 → R2 /g(x, y, z) = (x + y, z).

12. Sea V un K-espacio vectorial de dimensión dos y B una base ordenada de V.

a b
Si T ∈ L(V) tal que [T ]B =  , demostrar que T 2 − (a + b)T + (ad − bc)I = 0.
c d
 
cos θ − sen θ
13. Sea la transformación lineal fθ : R2 → R2 representada por la matriz  
sen θ cos θ
respecto de la base canónica.
Demostrar que si θ y θ0 son números reales cualesquiera, entonces fθ0 ◦ fθ = fθ0 +θ y
fθ−1 = f−θ .

14. El endomorfismo T : R3 → R3 está definido por

T (x, y, z) = (x, x + y, x + y + z)

En caso de ser posible, halle la matriz asociada a T −1 con respecto a la base

B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}.

15. Sea f : R3 → R2 definida por f (x, y, z) = (x + y − z, x − y)

a) Hallar la matriz de f respecto a las bases canónicas de R3 y R2 respectivamente.

b) Obtener las matrices de cambio de base, de las bases anteriores a las bases
{(0, 1, 1), (1, −1, −2), (1, −1, −1)}, {(1, 3), (0, −2)}.

c) Calcular la matriz B de f , respecto al nuevo par de bases.

16. Hallar las matrices de cambio de base en cada uno de los siguientes casos:

a) {(2, 3), (3, 2)} y {(1, 4), (4, 2)} bases de R2 .

b) {x, x + 1, x2 + 2x + 1}y{1, x2 − 2x + 1, x2 } bases del espacio vectorial

V = {a + bx + cx2 /a, b, c ∈ K}

c) Dado el espacio U = {(x, y, z, w) ∈ R4 /x + y + z + w = 0} y dos bases

B = {(1, 1, 1, −3), (1, −1, 1, −1), (1, −1, −1, 1)} y
B 0 = {(1, 0, −1, 0), (−1, 1, 0, 0), (1, 0, 0, −1)}

31
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

17. Sea T ∈ L(R3 ), B = (1, 0, 0), (1, 1, 0)(1, 1, 1) y B 0 bases ordenadas de R3 .

   
1 −1 0 1 0 0
   
Si [T ]B = 
 0 2 1  y MB,B0 =  5 1
  0 , halle:

3 1 −1 3 −1 −1
a) T (x, y, z) b) [T ]B0 c) B 0

18. Dados el espacio vectorial R2 con las bases B = {(1, 1), (3, 2)} y B 0 = {(−1, 0), (2, 1)},
en el espacio vectorial R3 con las bases C = {(2, 2, 3), (2, −4, 1), (1, 4, −2)} y
C 0 = {(1, 1, 0), (−1, 2, 1), (2, −1, 2)}.
Sea T : R2 → R3una transformación lineal que tenga en las bases B y C la matriz
1 2
 
asociada 
2 1, se pide
−3 1

a) Hallar la matriz P cambio de base de B a B 0 . Análogamente, hallar la matriz Q

cambio de base de C a C 0 .

b) Hallar P −1 y Q−1 para las matrices correspondientes a la parte a).

c) Hallar la matriz asociada de la transformación lineal T , respecto a las bases B 0 y

C 0.

19. considerando las bases ordenadas B = {(1, 1, 1), (1, 1, 10), (1, 0, 0)}, C = {(1, 0), (0, 1)}
y
       
 1 0 0 1 0 0 0 0 
D=  , , ,  de R3 , R2 y R2×2 respectivamente
 0 0 0 0 1 0 0 1 

y las transformaciones lineales T : R3 −→ R2 , L : R2 −→ R2×2 tal que

 
  5 2 2
 
x −y  −3 −3 −1 
L(x, y) = y [L ◦ T ]D =
 
B
   
x+y y−x  8
 5 3 

−2 1 −1
Halle la matriz [T ]CB y T (x, y, z).

20. En el espacio vectorial R2 fijando θ ∈ R, se considera la base C = {(cos θ, sen θ), (− sen θ, cos θ)}.

a) Hallar la matriz cambio ed base de C a la base canónica de R2 .

32
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

b) Determine las coordenadas del vector v = (a, b) con respecto a la base C .

21. Para cada matriz A ∈ Rn×n fija, se considera la aplicación

F : Rn×n −→ Rn×n /F (X) = AX

a) Pruebe que la aplicación F es una transformación lineal.

 
A 0 ··· 0
 
 0 A ··· 0 
b) Halle una base ordenada B de Rn×n tal que [F ]B =  . . . .
 
 .. .. . . ... 
 
0 0 ··· A
c) Pruebe que tr(F ) = n · tr(A).

22. Sean B = {v1 , v2 , v3 } y C = {u1 , u

2 , u3 } bases ordenadas de un R-espacio vectorial V

 u1 = 3v1 + v3


realcionados de la siguiente forma u2 = v1 + v2 − v3


u3 = 2v2 + 3v3


a) Hallar la matriz cambio de base de B a C .

 
2
 
1, halle [v]C .
b) Si [v]B =  

3
 
−1
 
c) Si [v]C = 
 3 , halle [v]B .


23. Considere el siguiente subespacio de M2 (R);

  
 x y 
W=   ∈ M2 (R); x − y − z = 0
 z t 
           
 1 1 1 0 0 0   1 0 0 −1 0 0 
y sean B =  , ,  ,C =  , ,  dos
 0 0 1 0 0 1   1 0 1 0 0 1 
bases de W.

a) Halle las matrices cambio de base de B a C y de C a B.

33
Notas de clase de Álgebra Lineal II Victor G. Osorio Vidal

 
0 0 1
b) Encuentre una base D de W, tal que la matriz P = 
 
3 0 1 sea la matriz
 
1 2 0
cambio de base de D a B.

24. Sea el endomorfismo T ∈ L(R3 ), cuya matriz asociada respecto a la base

B = {v1 , v2 , v3 } es
 
3 −1 2
 
−2 −1 0 
 
4 3 1
Se pide:

a) Probar que B 0 = {v3 , T (v3 ), T 2 (v3 )} es también base de R3 .

b) Hallar la matriz asociada de T con respecto a la base

B 0 = {v3 , T (v3 ), T 2 (v3 )}.

25. Sean P2 [x] y P3 [x] los espacios vectoriales de los polinomios de grado menor igual a
dos y menor o igual a tres, respectivamente, y sea T : P2 [x] → P3 [x] la transformación
lineal definida por T (p(x)) = xp(x).

a) Determinar la matriz asociada a T con respecto a las bases canónicas de P2≤[x] y

P3≤[x] , respectivamente.

b) Obtener la matriz asociada a T con respecto a las bases:

B = {1 − x2 , 1 + 3x + 2x2 , 5 + 4x + 4x2 } de P2≤[x] y
B 0 = {1, x, x2 , x3 } de P3≤[x] .

c) Haciendo uso de las matrices obtenidas en a) y b) calcular la imagen del vector

1 − 3x + x2 .

34