Universidad Tecnica Federico Santa Mara

Departamento de Matematica
Campus Santiago
TRANSFORMACIONES LINEALES para MAT023
Veronica Gruenberg Stern
DEFINICION
Sean U, V dos espacios vectoriales sobre un cuerpo K y sea T : U V una funcion.
Diremos que T es una transformaci on lineal ssi satisface las siguientes dos condiciones:
1. T(u
1
+u
2
) = T(u
1
) + T(u
2
) u
1
, u
2
U.
2. T( u) = T(u) K, u U.
TEOREMA
T : U V es una transformacion lineal ssi
T( u
1
+ u
2
) = T(u
1
) + T(u
2
) , K, u
1
, u
2
U.
EJEMPLOS
1. Considere la funci on T : R R tal que T(x) = 5x. Veamos si T es o no una
transformaci on lineal.
(a) Sean x, y R. Entonces, T(x + y) = 5(x + y) = 5x + 5y = T(x) + T(y).
(b) Sea x R, (espacio vectorial), y sea R (cuerpo). Entonces,
T(x) = 5x = 5x = T(x).
As, hemos probado que T es una transformacion lineal. Notar que de la
misma manera podramos haber probado que T(x) = k x es una transfor-
maci on lineal, para cualquier constante real k.
2. Considere la funcion T : R
2
R
2
tal que T(x, y) = (x + y, x y). Veamos si T
es o no una transformacion lineal.
(a) Sean (x, y), (u, v) R
2
. Entonces,
T((x, y) + (u, v)) = T((x + u, y + v)) = (x + u + y + v, x + u y v) =
(x + y, x y) + (u + v, u v) = T(x, y) + T(u, v)
(b) Sea (x, y) R
2
y sea R. Entonces,
T((x, y)) = T(x, y) = (x + y, x y) = (x + y, x y) = T(x, y)
As, hemos probado que T(x, y) = (x+y, xy) es una transformaci on lineal.
1
3. Considere la funcion T : R
2
R
3
tal que T(x, y) = (x + y, x y, 2x + 3y).
An alogamente,
(a) Sean (x, y), (u, v) R
2
. Entonces,
T((x, y) + (u, v)) = T((x + u, y + v)) =
(x + u + y + v, x + u y v, 2x + 2u + 3y + 3v) =
(x + y, x y, 2x + 3y) + (u + v, u v, 2u + 3v) = T(x, y) + T(u, v)
(b) Sea (x, y) R
2
y sea R. Entonces,
T((x, y)) = T(x, y) = (x + y, x y, 2x + 3y) =
(x + y, x y, 2x + 3y) = T(x, y)
4. Considere la funci on T : R
2
R
2
tal que T(x, y) = (x +y, 1). Veamos si T es
o no una transformaci on lineal.
Sean (x, y), (u, v) R
2
. Entonces, T((x, y) + (u, v)) = T((x + u, y + v)) =
(x + u + y + v, 1) = (x + y, 1) + (u + v, 0).
Esta ultima expresion no es igual a T(x, y) +T(u, v). Luego, T no es una trans-
formaci on lineal.
5. : U V, (u) = 0
V
es una transformacion lineal.
6. id : U U, id(u) = u es una transformacion lineal.
7. Considere D : C
1
[a, b] C[a, b], D(f) =
df
dx
.
Como
d
dx
(f(x) + g(x)) =
df
dx
(x) +
dg
dx
(x), se tiene que D es una transfor-
maci on lineal.
8. Considere D
n
: C
n
[a, b] C[a, b], D
n
(f) =
d
n
f
dx
n
. Analogamente al ejemplo
anterior, D
n
es una transformacion lineal.
9. Considere I : C[a, b] R, dado por
I(f) =
_
b
a
f(t)dt
Como
_
b
a
(f(x) + g(x)) =
_
b
a
f(x) +
_
b
a
g(x), se tiene que I es una transfor-
maci on lineal.
10. Sea x ]a, b] y considere I
x
: C[a, b] C
1
[a, b], dado por
I
x
(f) =
_
x
a
f(t)dt
An alogamente, I
x
es una transformacion lineal.
2
PROPIEDADES
Sea T : U V una transformacion lineal. Entonces, se cumplen las siguientes
propiedades:
1. T(0
U
) = 0
V
. Es decir, toda transformaci on lineal lleva al vector nulo de U en el
vector nulo de V .
2. Sean u
1
, u
2
, , u
s
U,
1
,
2
, ,
s
K; entonces
T(
1
u
1
+
2
u
2
+ +
s
u
s
) =
1
T(u
1
) +
2
T(u
2
) + +
s
T(u
s
).
3. T(u) = T(u), u U. Es decir, toda transformaci on lineal lleva al inverso
aditivo de un vector en el inverso aditivo de la imagen del vector.
4. Si u
1
, u
2
, , u
s
son vectores l.d., entonces T(u
1
), T(u
2
), , T(u
s
) son l.d. Es
decir, toda transformaci on lineal conserva la condici on de dependencia lineal.
DEMOSTRACION
1. u U : T(u) = T(u + 0
U
) = T(u) + T(0
U
) T(0
U
) = 0
V
.
2. Es clara, por inducci on.
3. u U : T(u) = T(1 u) = 1 T(u) = T(u).
4. Como u
1
, u
2
, , u
s
son vectores l.d., existen escalares
1
,
2
, ,
s
K no to-
dos nulos tal que

s
i=1

i
u
i
= 0
U
. Por lo tanto, si aplicamos T a ambos lados,
T
_
s

i=1

i
u
i
_
= T(0
U
)
s

i=1

i
T(u
i
) = 0
V
Como no todos los
i
son nulos, hemos probado que el conjunto formado por los
s vectores T(u
i
) del espacio vectorial V es l.d.
EJERCICIOS
Determine si las siguientes son o no transformaciones lineales:
1. T : R
2
R
2
tal que T(x, y) = (x + y, 0)
2. T : R
2
R
2
tal que T(x, y) = (2x 3y, 4x y).
3. T : R
2
R
2
tal que T(x, y) = (ax + by, cx dy), donde a, b, c, d son n umeros
reales cualquiera.
3
4. ev
0
: R
n
[x] R, tal que ev
0
(p) = p(0).
5. T : R
n
[x] R
n+1
[x], tal que T(p) = D(p) + I
x
(p).
6. T : R
2
R, tal que T(x, y) = x
2
+ y
2
.
7. T : R
2
R
3
, tal que T(x, y) = (x, y, xy).
El Espacio Vectorial de las Transformaciones Lineales
Sean U y V espacios vectoriales sobre un cuerpo K. Consideremos el conjunto
L(U, V ) = {T : U V tal queT es una transformacion lineal}
Con las operaciones usuales de adici on de funciones y de producto por escalar, se
tiene que L(U, V ) es un espacio vectorial sobre K. Claramente, L(U, V ) = pues
la transformacion nula, es una transformacion lineal. Ademas, debemos probar que:
1. T, S L(U, V ) T + S L(U, V )
2. T L(U, V ), R T L(U, V ).
Probemos 1: Sean T, S L(U, V ). Debemos probar que T +S es una transformaci on
lineal. Por lo tanto, sean u
1
, u
2
U,
1
,
2
K. Formamos
(T + S)(
1
u
1
+
2
u
2
) = T(
1
u
1
+
2
u
2
) + S(
1
u
1
+
2
u
2
). Como T, S L(U, V ),
=
1
T(u
1
) +
2
T(u
2
) +
1
S(u
1
) +
2
S(u
2
)
=
1
T(u
1
) +
1
S(u
1
) +
2
T(u
2
) +
2
S(u
2
)
=
1
(T + S)(u
1
) +
2
(T + S)(u
2
). Por lo tanto, T + S L(U, V ).
Probemos 2: Sean T L(U, V ), R. Ahora debemos probar que T es una
transformaci on lineal. Como antes, sean u
1
, u
2
U,
1
,
2
K. Formamos
(T)(
1
u
1
+
2
u
2
) = T(
1
u
1
+
2
u
2
). Por la linealidad de T:
= (
1
T(u
1
)+
2
T(u
2
)) =
1
(T(u
1
))+
2
(T(u
2
)). Por lo tanto, T L(U, V ).
De esta forma, hemos probado que L(U, V ) es un espacio vectorial.
DEFINICION
Sea T L(U, V ). Denimos el kernel o n ucleo de T como el conjunto
ker(T) = {u U : T(u) = 0
V
}
es decir, es el conjunto de todos los elementos de U que tienen como imagen al 0
V
.
TEOREMA
Sea T L(U, V ). Entonces kerT U.
DEMOSTRACION Debemos probar que:
4
1. kerT = , lo cual es claro pues T(0
U
) = 0
V
, de donde 0
U
kerT.
2. u
1
, u
2
kerT u
1
+u
2
kerT. En efecto:
T(u
1
+u
2
) = T(u
1
) + T(u
2
) = 0
V
+ 0
V
= 0
V
3. u kerT, K u kerT. En efecto: T(u) = T(u) = 0
V
= 0
V
.
TEOREMA
Sea T L(U, V ). Entonces ImT V .
DEMOSTRACION Debemos probar que:
1. ImT = , lo cual es claro pues T(0
U
) = 0
V
, de donde 0
V
ImT.
2. v
1
, v
2
ImT u
1
, u
2
U : T(u
1
) = v
1
, T(u
2
) = v
2
. Por lo tanto,
T(u
1
+u
2
) = T(u
1
) + T(u
2
) = v
1
+v
2
. Luego v
1
+v
2
Im T.
3. v ImT, K v ImT. Ejercicio.
EJEMPLOS
1. : U V ker = U, Im = {0
V
}.
2. id : U U ker id= {0
U
}, Im id =U.
3. D : R
n
[x] R
n
[x] kerD = {p(x) : p(x) = cte.}, ImD = R
n1
[x].
4. T : R
3
R
2
, T(x, y, z) = (x + y, y + z). Entonces, (x, y, z) kerT
T(x, y, z) = (0, 0) x + y = 0 y + z = 0. As, x = z = y, de donde
kerT = {x, y, z) R
3
: x = z = y} = {(y, y, y), y R}
= {y (1, 1, 1), y R} = (1, 1, 1).
Luego, tambien hemos encontrado una base para el kerT y dim kerT = 1.
Para encontrar la imagen de T buscamos los (u, v) R
2
: (x, y, z) R
3
:
T(x, y, z) = (u, v). Ello es as si x+y = u y +z = v. Como este es un sistema
de 2 ecuaciones con 3 inc ognitas, jamos una de ellas, digamos y = 0 y tenemos
que x = u, z = v, de donde
T(x, 0, z) = T(u, 0, v) = (u + 0, 0 + v) = (u, v), (u, v) R
2
En general, hacemos y = y
0
y tenemos que x = u y
0
z = v y
0
, de donde
T(x, y
0
, z) = T(u y
0
, y
0
, v y
0
) = (u y
0
+ y
0
, y
0
+ v y
0
).
Luego, ImT = R
2
.
5. T : R
3
R, T(x, y, z) = x + y + z. An alogamente, (x, y, z) kerT
T(x, y, z) = 0 x + y + z = 0 z = x y, de donde
kerT = {(x, y, z) R
3
: z = x y} = {(x, y, x y), x, y R}
5
= {(x, 0, x) + (0, y, y), x, y R} = {x(1, 0, 1) + y(0, 1, 1) : x, y R}
= (1, 0, 1), (0, 1, 1).
Nuevamente, hemos encontrado una base para el kerT y dim kerT = 2.
Como cualquier u R puede ser obtenido como suma de 3 n umeros reales,
ImT R, y dimR = 1, entonces una base para ImT puede ser C = {1}.
6. T : R
3
R
5
, T(x, y, z) = (x + y, y + z, x + 2y + z, x + y, 0)
(x, y, z) kerT T(x, y, z) = (0, 0, 0, 0, 0)
x + y = 0
y + z = 0
x + 2y + z = 0
x + y = 0
=
x = y
z = y
Por lo tanto,
kerT = {(x, y, z) R
3
: x = y, z = y} = {(y, y, y), y R} = (1, 1, 1)
TEOREMA
Sean U, V espacios vectoriales sobre K, B = {u
1
, u
2
, , u
n
} una base de U, y sean
v
1
, v
2
, , v
n
V arbitrarios. Entonces, ! T : U V lineal, tal que T(u
i
) = v
i
.
OBSERVACION
Este teorema establece que una transformaci on lineal de un espacio vectorial de
dimensi on nita en otro espacio vectorial queda completamente determinada si se conoce
las imagenes de todos los elementos de una base. En el siguiente ejemplo veremos una
aplicaci on directa de este hecho.
EJEMPLOS
1. Sea T : R
2
R
3
lineal tal que T(1, 0) = (1, 2, 3), T(0, 1) = (1, 1, 1).
Determinar explcitamente la transformaci on lineal.
Para ello, sabemos que: (x, y) R
2
: (x, y) = x(1, 0) + y(0, 1).
Aplicando T a ambos lados de la ecuaci on:
T(x, y) = T(x(1, 0) + y(0, 1)) = xT(1, 0) + yT(0, 1) = x(1, 2, 3) + y(1, 1, 1)
Luego, T(x, y) = (x y, 2x + y, 3x y).
2. Sea T : R
2
[x] M
22
(R), una transformaci on lineal tal que
T(1 + x) =
_
1 1
1 0
_
, T(x + x
2
) =
_
0 1
1 1
_
, T(1 + x
2
) =
_
1 2
0 1
_
6
Encuentre la transformaci on lineal para cualquier polinomio en R
2
[x], determine
dim kerT, dim ImT y encuentre una base para ellos.
Sea p(x) = a + bx + cx
2
un polinomio cualquiera en R
2
[x]. Sabemos que
B = {1 + x, x + x
2
, 1 + x
2
} es base de R
2
[x], luego escribimos p(x) como combi-
naci on de los elementos de la B :
a + bx + cx
2
= (1 + x) + (x + x
2
) + (1 + x
2
) de donde
a = +
b = +
c = +
=
b a =
c = +
y obtenemos los valores
=
a + b c
2
, =
b a + c
2
, =
a + c b
2
Luego:
T(a+bx+cx
2
) =
a + b c
2
T(1 +x) +
b a + c
2
T(x+x
2
) +
a + c b
2
T(1 +x
2
)
=
_
a a c
a c c
_
Para encontrar el kernel, hacemos
_
a a c
a c c
_
=
_
0 0
0 0
_
de donde a = c = 0. Luego,
KerT = {a + bx + cx
2
: a = c = 0} = {bx, b R} = x
Por lo tanto, la dimKer(T) = 1.
Ahora,
_
a a c
a c c
_
= a
_
1 1
1 0
_
+ c
_
0 1
1 1
_
de donde una base para ImT es B =
__
1 1
1 0
_
, c
_
0 1
1 1
__
y
dim(ImT) = 2.
TEOREMA
Sea T L(U, V ); entonces, T es 1-1 ker T = {0
U
}.
DEMOSTRACION
() Sea x kerT. Entonces T(x) = 0
V
= T(0
U
). Como T es inyectiva,
T(x) = T(0
U
) x = 0
U
. Por lo tanto, kerT = {0
U
}.
() Sean x, y U : T(x) = T(y). Luego, T(x) T(y) = 0 T(x y) = 0.
Ahora, kerT = {0
U
} x y = 0
U
, de donde x = y, por lo que T es inyectiva.
7
EJEMPLOS
1. Determine si las transformaciones lineales determinadas en los ejemplos anteriores
son inyectivas.
(a) Para T : R
2
R
3
con T(x, y) = (x y, 2x + y, 3x y) tenemos
que (x y, 2x + y, 3x y) = (0, 0, 0)
x y = 0
2x + y = 0
3x y = 0
x = y = 0
Luego, KerT = {(0, 0)} por lo que T es inyectiva.
(b) Para T : R
2
[x] M
22
(R) con T(a+bx+cx
2
) =
_
a a c
a c c
_
vimos que KerT = {a + bx + cx
2
: a = c = 0} = {bx, b R} por
lo que T no es inyectiva.
2. Sea T : R
4
[x] R
3
, denida por T(a + bx + c
2
+ dx
3
+ ex
4
) = (a + b, c + d, e).
Pruebe que T es lineal, determine dim kerT, dim ImT y encuentre una base para
ellos.
(a) Dejamos como ejercicio probar que T es lineal.
(b) p(x) kerT T(p(x)) = (0, 0, 0)
a + b = 0
c + d = 0
e = 0
Esto implica que b = a, d = c. Luego p(x) kerT
p(x) = a ax + cx
2
cx
3
, lo cual implica que p(x) = a(1 x) + c(x
2
x
3
).
Una base para kerT es {(1 x), (x
2
x
3
)}. Por tanto, dim kerT = 2.
(c) Consideremos la base can onica de R
4
[x]. Tenemos que: T(1) = (1, 0, 0),
T(x) = (1, 0, 0), T(x
2
) = (0, 1, 0), T(x
3
) = (0, 1, 0), T(x
4
) = (0, 0, 1).
Claramente, los 3 vectores linealmente independientes que encontramos (vec-
tores de la base can onica de R
3
) forman la base de ImT. Por lo tanto, dim
ImT = 3.
(d) Notar que dim
R
(kerT) + dim
R
(ImT) = 2 + 3 = 5 = dimR
4
[x]
Esta ultima relaci on es un hecho general, y tenemos el siguiente
8
TEOREMA
Sea T : U V lineal, con dim
K
U = n. Entonces
dim
K
( kerT) + dim
K
( ImT) = n
TEOREMA
Sean U, V, W espacios vectoriales sobre K y sean T L(U, V ), S L(V, W). En-
tonces, la composici on de las transformaciones lineales tambien es lineal, es decir,
S T L(U, W).
DEMOSTRACION Sean , K, x, y U. Entonces
(S T)(x + y) = S(T(x + y)) = S((T(x) + T(y)) = (S(T(x)) + S(T(y)))
= ((S T)(x) + (S T)(y).
TEOREMA
Sea T : U V lineal e inyectiva. Entonces la inversa de T, que denotamos por
T
1
: ImT U tambien es una transformaci on lineal.
DEMOSTRACION Sean v
1
, v
2
ImT = u
1
, u
2
U :
T
1
(v
1
) = u
1
, T
1
(v
2
) = u
2
. Luego, T(u
1
) = v
1
, T(u
2
) = v
2
.
Por lo tanto, v
1
+v
2
= T(u
1
+u
2
) = u
1
+u
2
= T
1
(v
1
+v
2
) =
T
1
(v
1
+v
2
) = T
1
(v
1
) + T
1
(v
2
).
De la misma manera, se prueba que T
1
(v) = T
1
(v). As, T
1
es lineal.
DEFINICION
Sea T : U V lineal. Diremos que T es un isomorsmo si y s olo si T es inyectiva
e ImT = V . En este caso, diremos que U y V son isomorfos, y escribimos U

= V .
OBSERVACION
T L(U, V ) isomorsmo = T
1
L(V, U) tambien es un isomorsmo.
EJEMPLO
Sea V un espacio vectorial sobre R, tal que dim
R
V = n. Sea B = {u
1
, u
2
, , u
n
}
una base ordenada de V , de modo que si v V , entonces formamos la matriz de
coordenadas de v en la base B:
[v]
B
=
_
_
_
_

2
. . .

n
_
_
_
_
9
Denimos la funci on : V =R
n
, con (v) = (
1
,
2
, ,
n
).
Dejamos como ejercicio demostrar que es lineal, inyectiva y epiyectiva. Por lo
tanto, es un isomorsmo.
Notar que, en particular, hemos probado que si dimV = n, entonces, V

= R
n
.
MATRIZ ASOCIADA A UNA TRANSFORMACION LINEAL
Consideraremos en esta secci on espacios vectoriales de dimension nita.
Sean U, V espacios vectoriales sobre un cuerpo K, tal que dim
K
U = n, y dim
K
V = m.
Sean B
1
= {u
1
, u
2
, , u
n
}, B
2
= {v
1
, v
2
, , v
m
} bases ordenadas de U y V ,
respectivamente. Sabemos que existen escalares
ij
unicos (i = 1, , m j = 1, n):
T(u
1
) =
11
v
1
+
21
v
2
+
m1
v
m
T(u
2
) =
12
v
1
+
22
v
2
+
m2
v
m
=
T(u
n
) =
1n
v
1
+
2n
v
2
+
mn
v
m
La matriz de m las y n columnas (
ij
)
mn
se llama matriz asociada a la trans-
formacion lineal T, con respecto a las bases B
1
y B
2
.
Denotamos esta matriz por
[ T ]
B
2
B
1
=
_
_
_
_

11

12

1n

21

22

2n

m1

m2

mn
_
_
_
_
EJEMPLO
Sea T L(R
3
, R
2
), T(x, y, z) = (x 2y + 3z, 4x y z).
1. Si B
1
= {(1, 1, 0), (1, 0, 1), (0, 1, 1)} y B
2
= {(1, 2), (1, 1)} son bases ordenadas
de R
3
y R
2
respectivamente, encuentre [ T ]
B
2
B
1
.
Para encontrar la matriz asociada a la transformacion lineal con respecto a estas
bases, escribimos:
T(1, 1, 0) = (1, 3) =
11
(1, 2) +
21
(1, 1)
T(1, 0, 1) = (4, 3) =
12
(1, 2) +
22
(1, 1)
T(0, 1, 1) = (1, 2) =
13
(1, 2) +
23
((1, 1)
Resolviendo los tres sistemas de ecuaciones, obtenemos:
[ T ]
B
2
B
1
=
_
2/3 7/3 1/3
5/3 5/3 4/3
_
10
2. Sea u = (1, 2, 3). Encuentre [u]
B
1
, [ T(u)]
B
2
, y [ T ]
B
2
B
1
[u]
B
1
.
Escribimos (1, 2, 3) = (1, 1, 0) + (1, 0, 1) + (0, 1, 1), de donde
[u]
B
1
=
_
_
0
1
2
_
_
Para encontrar [ T(u)]
B
2
, primero calculamos T(1, 2, 3) = (6, 1).
Ahora, (6, 1) = (1, 2) + (1, 1), de donde
[T(u)]
B
2
=
_
5/3
13/3
_
Calculamos ahora
[ T ]
B
2
B
1
[u]
B
1
=
_
2/3 7/3 1/3
5/3 5/3 4/3
_

_
_
0
1
2
_
_
=
_
5/3
13/3
_
= [T(u)]
B
2
.
Esta ultima propiedad es general, vale decir, [ T ]
B
2
B
1
[u]
B
1
= [T(u)]
B
2
.
11
RELACION ENTRE
OPERACIONES DE TRANSFORMACIONES LINEALES Y
OPERACIONES ENTRE MATRICES
Consideremos, como antes, los espacios vectoriales U, V sobre un cuerpo K, tal que
dim
K
U = n, y dim
K
V = m. Sean B
1
= {u
1
, u
2
, , u
n
}, B
2
= {v
1
, v
2
, , v
m
}
bases ordenadas de U y V , respectivamente. Sean T, S L(U, V ). Entonces:
1. [ T + S ]
B
2
B
1
= [ T ]
B
2
B
1
+ [ S ]
B
2
B
1
, es decir, la matriz asociada a la suma de trans-
formaciones lineales es la suma de las matrices asociadas a cada transformaci on
lineal.
2. [ T ]
B
2
B
1
= [ T ]
B
2
B
1
, K, es decir, la matriz asociada al producto por escalar
de una transformacion lineal es el escalar multiplicado por la matriz asociada a
la transformacion lineal.
3. Sea W un espacio vectorial sobre K, B
3
= {w
1
, w
2
, , w
p
} una base ordenada
de W. Sea L L(V, W) y supongamos que la composici on de funciones L
T est a denida. Entonces, [ L T ]
B
3
B
1
= [ L]
B
3
B
2
[ T ]
B
2
B
1
, es decir, la
matriz asociada a la composici on de transformaciones lineales es el producto de
las matrices asociadas a cada transformaci on lineal, en el orden correspondiente.
4. Supongamos que T es un isomorsmo entre U y V . Sabemos que T
1
: V U
que tambien es un isomorsmo. Entonces, [ T
1
]
B
1
B
2
= ([ T ]
B
2
B
1
)
1
, es decir, la
matriz asociada a la inversa de una transformaci on lineal es la inversa de la matriz
asociada a la transformaci on lineal.
EJEMPLOS
1. Consideremos las transformaciones lineales
S, T : R
2
R
2
con T(x, y) = (x + y, x y), S(x, y) = (2x 3y, 4x 5y)
L : R
2
R
2
[x] con L(a, b) = a + bx + (a + b)x
2
. Las matrices asociadas a
estas transformaciones lineales en las respectivas bases can onicas son:
[ T ]
C
C
=
_
1 1
1 1
_
[ S ]
C
C
=
_
2 3
4 5
_
[ L]
C
C
=
_
_
1 0
0 1
1 1
_
_
Luego:
12
(a) [ T + S ]
C
C
=
_
1 1
1 1
_
+
_
2 3
4 5
_
=
_
3 2
5 6
_
(b) [ 5T ]
C
C
= 5
_
1 1
1 1
_
=
_
5 5
5 5
_
(c) [ L S ]
C
C
=
_
_
1 0
0 1
1 1
_
_

_
2 3
4 5
_
=
_
_
2 3
4 5
6 8
_
_
2. Sean U, V como arriba, y considere la funci on : L(U, V ) M(R, m n)
tal que (T) = [ T ]
B
2
B
1
. Pruebe que es un isomorsmo y que, por lo tanto,
dim
K
L(U, V ) = dim
K
M(R, mn) = m n
MATRIZ CAMBIO DE BASE
Consideremos ahora la transformacion lineal identidad de un espacio vectorial U
en s mismo, donde dim
R
U = n. En el dominio U, consideremos la base B
1
=
{u
1
, u
2
, , u
n
}, y en el recorrido U, consideremos la base B
2
= {v
1
, v
2
, , v
n
}.
Sabemos que existen escalares
ij
unicos:
id(u
1
) = (u
1
) =
11
v
1
+
21
v
2
+
m1
v
m
id(u
2
) = (u
2
) =
12
v
1
+
22
v
2
+
m2
v
m

id(u
n
) = (u
n
) =
1n
v
1
+
2n
v
2
+
mn
v
m
Por lo tanto, la matriz asociada a la transformaci on lineal identidad, [ id ]
B
2
B
1
, posee
la siguiente propiedad:
w U = [id(w)]
B
2
= [ id ]
B
2
B
1
[w]
B
1
, de donde
[w]
B
2
= [ id ]
B
2
B
1
[w]
B
1
Como la identidad es un isomorsmo, la matriz asociada es invertible, y se tiene que
([ id ]
B
2
B
1
)
1
[w]
B
2
= [w]
B
1
.
13