Universidad T

ecnica Federico Santa Mara

Departamento de Matem
atica
Campus Santiago

TRANSFORMACIONES LINEALES para MAT023

Ver
onica 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 transformacion lineal ssi satisface las siguientes dos condiciones:
1. T (u1 + u2 ) = T (u1 ) + T (u2 ) u1 , u2 U .
2. T ( u) = T (u) K, u U .
TEOREMA
T : U V es una transformacion lineal ssi
T ( u1 + u2 ) = T (u1 ) + T (u2 ) , K, u1 , u2 U .
EJEMPLOS
1. Considere la funcion T : R R tal que T (x) = 5x. Veamos si T es o no una
transformacion 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 transformacion lineal, para cualquier constante real k.
2. Considere la funcion T : R2 R2 tal que T (x, y) = (x + y, x y). Veamos si T
es o no una transformacion lineal.
(a) Sean (x, y), (u, v) R2 . 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) R2 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, x y) es una transformacion lineal.

3. Considere la funcion T : R2 R3 tal que T (x, y) = (x + y, x y, 2x + 3y).

Analogamente,
(a) Sean (x, y), (u, v) R2 . 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) R2 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 funcion T : R2 R2 tal que T (x, y) = (x + y, 1). Veamos si T es
o no una transformacion lineal.
Sean (x, y), (u, v) R2 . Entonces, T ((x, y) + (u, v)) = T ((x + u, y + v)) =
(x + u + y + v, 1) = (x + y, 1) + (u + v, 0).
Esta u
ltima expresion no es igual a T (x, y) + T (u, v). Luego, T no es una transformacion lineal.
5. : U V,
6. id : U U,

(u) = 0V es una transformacion lineal.

id(u) = u es una transformacion lineal.

df
.
7. Considere D : C 1 [a, b] C[a, b], D(f ) =
dx
d
df
dg
Como
(f (x) + g(x)) = (x) + (x), se tiene que D es una transfordx
dx
dx
macion lineal.
dn f
. Analogamente al ejemplo
8. Considere Dn : C n [a, b] C[a, b], Dn (f ) =
n
dx
anterior, Dn es una transformacion lineal.
9. Considere I : C[a, b] R,

dado por
b

Z
I(f ) =

f (t)dt
a

Rb
Rb
Rb
Como a (f (x) + g(x)) = a f (x) + a g(x), se tiene que I es una transformacion lineal.
10. Sea x ]a, b] y considere Ix : C[a, b] C 1 [a, b], dado por
Z x
Ix (f ) =
f (t)dt
a

Analogamente, Ix es una transformacion lineal.

PROPIEDADES
Sea T : U V una transformacion lineal. Entonces, se cumplen las siguientes
propiedades:
1. T (0U ) = 0V . Es decir, toda transformacion lineal lleva al vector nulo de U en el
vector nulo de V .
2. Sean u1 , u2 , , us U, 1 , 2 , , s K; entonces
T (1 u1 + 2 u2 + + s us ) = 1 T (u1 ) + 2 T (u2 ) + + s T (us ).
3. T (u) = T (u), u U. Es decir, toda transformacion lineal lleva al inverso
aditivo de un vector en el inverso aditivo de la imagen del vector.
4. Si u1 , u2 , , us son vectores l.d., entonces T (u1 ), T (u2 ), , T (us ) son l.d. Es
decir, toda transformacion lineal conserva la condicion de dependencia lineal.
DEMOSTRACION
1. u U : T (u) = T (u + 0U ) = T (u) + T (0U ) T (0U ) = 0V .
2. Es clara, por induccion.
3. u U : T (u) = T (1 u) = 1 T (u) = T (u).
4. Como u1 , u2 , ,P
us son vectores l.d., existen escalares 1 , 2 , , s K no todos nulos tal que si=1 i ui = 0U . Por lo tanto, si aplicamos T a ambos lados,
!
s
X
T
i ui = T (0U )
i=1
s
X

i T (ui ) = 0V

i=1

Como no todos los i son nulos, hemos probado que el conjunto formado por los
s vectores T (ui ) del espacio vectorial V es l.d.
EJERCICIOS
Determine si las siguientes son o no transformaciones lineales:
1. T : R2 R2 tal que T (x, y) = (x + y, 0)
2. T : R2 R2 tal que T (x, y) = (2x 3y, 4x y).
3. T : R2 R2 tal que T (x, y) = (ax + by, cx dy), donde a, b, c, d son n
umeros
reales cualquiera.
3

4. ev0 : Rn [x] R, tal que ev0 (p) = p(0).

5. T : Rn [x] Rn+1 [x], tal que T (p) = D(p) + Ix (p).
6. T : R2 R, tal que T (x, y) = x2 + y 2 .
7. T : R2 R3 , 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 adicion de funciones y de producto por escalar, se
tiene que L(U, V ) es un espacio vectorial sobre K. Claramente, L(U, V ) 6= 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 transformacion
lineal. Por lo tanto, sean u1 , u2 U, 1 , 2 K. Formamos
(T + S)(1 u1 + 2 u2 ) = T (1 u1 + 2 u2 ) + S(1 u1 + 2 u2 ). Como T, S L(U, V ),
= 1 T (u1 ) + 2 T (u2 ) + 1 S(u1 ) + 2 S(u2 )
= 1 T (u1 ) + 1 S(u1 ) + 2 T (u2 ) + 2 S(u2 )
= 1 (T + S)(u1 ) + 2 (T + S)(u2 ).
Por lo tanto, T + S L(U, V ).
Probemos 2:
Sean T L(U, V ), R. Ahora debemos probar que T es una
transformacion lineal. Como antes, sean u1 , u2 U, 1 , 2 K. Formamos
(T )(1 u1 + 2 u2 ) = T (1 u1 + 2 u2 ). Por la linealidad de T :
= (1 T (u1 )+2 T (u2 )) = 1 (T (u1 ))+2 (T (u2 )). 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 ). Definimos el kernel o n
ucleo de T como el conjunto
ker(T ) = {u U : T (u) = 0V }
es decir, es el conjunto de todos los elementos de U que tienen como imagen al 0V .
TEOREMA
Sea T L(U, V ). Entonces
DEMOSTRACION

kerT U .

Debemos probar que:

4

1. kerT 6= , lo cual es claro pues T (0U ) = 0V , de donde 0U kerT .

2. u1 , u2 kerT u1 + u2 kerT . En efecto:
T (u1 + u2 ) = T (u1 ) + T (u2 ) = 0V + 0V = 0V
3. u kerT, K u kerT . En efecto: T (u) = T (u) = 0V = 0V .
TEOREMA
Sea T L(U, V ). Entonces
DEMOSTRACION

ImT V .

Debemos probar que:

1. ImT 6= , lo cual es claro pues T (0U ) = 0V , de donde 0V ImT .

2. v1 , v2 ImT u1 , u2 U : T (u1 ) = v1 , T (u2 ) = v2 . Por lo tanto,
T (u1 + u2 ) = T (u1 ) + T (u2 ) = v1 + v2 . Luego v1 + v2 Im T .
3. v ImT, K v ImT . Ejercicio.
EJEMPLOS
1. : U V
2. id : U U

ker = U ,

3. D : Rn [x] Rn [x]

Im = {0V }.

ker id= {0U },

Im id =U .

kerD = {p(x) : p(x) = cte.},

ImD = Rn1 [x].

4. T : R3 R2 , 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) R3 : x = z = y} = {(y, y, y), y R}
= {y (1, 1, 1), y R} = h(1, 1, 1)i.
Luego, tambien hemos encontrado una base para el kerT y dim kerT = 1.
Para encontrar la imagen de T buscamos los (u, v) R2 : (x, y, z) R3 :
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 incognitas, fijamos 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) R2
En general, hacemos y = y0 y tenemos que x = u y0 z = v y0 , de donde
T (x, y0 , z) = T (u y0 , y0 , v y0 ) = (u y0 + y0 , y0 + v y0 ).
Luego,

ImT = R2 .

5. T : R3 R, T (x, y, z) = x + y + z. Analogamente, (x, y, z) kerT

T (x, y, z) = 0 x + y + z = 0 z = x y, de donde
kerT = {(x, y, z) R3 : 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}

= h(1, 0, 1), (0, 1, 1)i.
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 : R3 R5 ,
(x, y, z) kerT
x+y
=
y+z
=
x + 2y + z =
x+y
=

T (x, y, z) = (x + y, y + z, x + 2y + z, x + y, 0)

T (x, y, z) = (0, 0, 0, 0, 0)

0
0
0
0

x = y
z = y

Por lo tanto,

kerT = {(x, y, z) R3 : x = y, z = y} = {(y, y, y), y R} = h(1, 1, 1)i

TEOREMA
Sean U, V espacios vectoriales sobre K, B = {u1 , u2 , , un } una base de U , y sean
v1 , v2 , , vn V arbitrarios. Entonces, ! T : U V lineal, tal que T (ui ) = vi .
OBSERVACION
Este teorema establece que una transformacion lineal de un espacio vectorial de
dimension finita 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
aplicacion directa de este hecho.
EJEMPLOS
1. Sea T : R2 R3 lineal tal que T (1, 0) = (1, 2, 3), T (0, 1) = (1, 1, 1).
Determinar explcitamente la transformacion lineal.
(x, y) R2 : (x, y) = x(1, 0) + y(0, 1).

Para ello, sabemos que:

Aplicando T a ambos lados de la ecuacion:

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 : R2 [x] M22 (R),


T (1 + x) =

1 1
1
0


,

una transformacion lineal tal que



T (x + x ) =

0 1
1
1


,

T (1 + x ) =

1 2
0
1

Encuentre la transformacion lineal para cualquier polinomio en R2 [x], determine

dim kerT , dim ImT y encuentre una base para ellos.
Sea p(x) = a + bx + cx2 un polinomio cualquiera en R2 [x].
Sabemos que
B = {1 + x, x + x2 , 1 + x2 } es base de R2 [x], luego escribimos p(x) como combinacion de los elementos de la B :
a + bx + cx2 = (1 + x) + (x + x2 ) + (1 + x2 )
de donde
a = +
ba =
b = +
=
y obtenemos los valores
c
= +
c = +
=
Luego:

a+bc
,
2

ba+c
,
2

a+cb
2

a+bc
ba+c
a+cb
T (1 + x) +
T (x + x2 ) +
T (1 + x2 )
2
2
2


a
a c
=
ac
c




a
a c
0 0
Para encontrar el kernel, hacemos
=
ac
c
0 0
de donde a = c = 0.
Luego,

T (a + bx + cx2 ) =

KerT = {a + bx + cx2 : a = c = 0} = {bx, b R} = hxi

Por lo tanto, la dimKer(T ) = 1.

Ahora,

a
a c
ac
c


= a

de donde una base para ImT es




1 1
0 1
+ c
1
0
1 1

1 1
0 1
B =
, c
1
0
1
1

dim(ImT ) = 2.
TEOREMA
Sea T L(U, V ); entonces,

T es 1-1 ker T = {0U }.

DEMOSTRACION
() Sea x kerT . Entonces T (x) = 0V = T (0U ).
T (x) = T (0U ) x = 0U . Por lo tanto, kerT = {0U }.

Como T es inyectiva,

() Sean x, y U : T (x) = T (y). Luego, T (x) T (y) = 0 T (x y) = 0.

Ahora, kerT = {0U } x y = 0U , de donde x = y, por lo que T es inyectiva.

EJEMPLOS
1. Determine si las transformaciones lineales determinadas en los ejemplos anteriores
son inyectivas.
(a) Para T : R2 R3 con T (x, y) = (x y, 2x + y, 3x y)
que
(x y, 2x + y, 3x y) = (0, 0, 0)

xy = 0
2x + y = 0
3x y = 0
Luego,

KerT = {(0, 0)}

tenemos

x=y=0
por lo que T es inyectiva.


a
a c
(b) Para T : R [x] M22 (R) con T (a+bx+cx ) =
ac
c
vimos que KerT = {a + bx + cx2 : a = c = 0} = {bx, b R} por
lo que T no es inyectiva.
2

2. Sea T : R4 [x] R3 , definida por T (a + bx + c2 + dx3 + ex4 ) = (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 + cx2 cx3 , lo cual implica que p(x) = a(1 x) + c(x2 x3 ).
Una base para kerT es {(1 x), (x2 x3 )}. Por tanto, dim kerT = 2.
(c) Consideremos la base canonica de R4 [x]. Tenemos que: T (1) = (1, 0, 0),
T (x) = (1, 0, 0), T (x2 ) = (0, 1, 0), T (x3 ) = (0, 1, 0), T (x4 ) = (0, 0, 1).
Claramente, los 3 vectores linealmente independientes que encontramos (vectores de la base canonica de R3 ) forman la base de ImT . Por lo tanto, dim
ImT = 3.
(d) Notar que dimR (kerT ) + dimR (ImT ) = 2 + 3 = 5 = dimR4 [x]
Esta u
ltima relacion es un hecho general, y tenemos el siguiente

TEOREMA
Sea T : U V lineal, con dimK U = n.

Entonces

dimK ( kerT ) + dimK ( ImT ) = n

TEOREMA
Sean U, V, W espacios vectoriales sobre K y sean T L(U, V ), S L(V, W ). Entonces, la composicion 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
1
T : ImT U tambien es una transformacion lineal.
DEMOSTRACION
Sean v1 , v2 ImT
=
u1 , u2 U :
T 1 (v1 ) = u1 , T 1 (v2 ) = u2 . Luego, T (u1 ) = v1 , T (u2 ) = v2 .
Por lo tanto,
v1 + v2 = T (u1 + u2 ) = u1 + u2 = T 1 (v1 + v2 ) =
1
T (v1 + v2 ) = T 1 (v1 ) + T 1 (v2 ).
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 isomorfismo si y solo 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 ) isomorfismo = T 1 L(V, U ) tambien es un isomorfismo.
EJEMPLO
Sea V un espacio vectorial sobre R, tal que dimR V = n. Sea B = {u1 , u2 , , un }
una base ordenada de V , de modo que si v V , entonces formamos la matriz de
coordenadas de v en la base B:

1
2

[v]B =
...
n

Definimos la funcion : V = Rn , con (v) = (1 , 2 , , n ).

Dejamos como ejercicio demostrar que es lineal, inyectiva y epiyectiva. Por lo
tanto, es un isomorfismo.
Notar que, en particular, hemos probado que si dimV = n, entonces, V
= Rn .
MATRIZ ASOCIADA A UNA TRANSFORMACION LINEAL
Consideraremos en esta seccion espacios vectoriales de dimensi
on finita.
Sean U, V espacios vectoriales sobre un cuerpo K, tal que dimK U = n, y dimK V = m.
Sean B1 = {u1 , u2 , , un }, B2 = {v1 , v2 , , vm } bases ordenadas de U y V ,
respectivamente. Sabemos que existen escalares ij u
nicos (i = 1, , m j = 1, n):
T (u1 )
T (u2 )

T (un )

=
=
=
=

11 v1 + 21 v2 + m1 vm
12 v1 + 22 v2 + m2 vm

1n v1 + 2n v2 + mn vm

La matriz de m filas y n columnas (ij )mn se llama matriz asociada a la transformaci

on lineal T , con respecto a las bases B1 y B2 .
Denotamos esta matriz por

11 12 1n
21 22 2n
2

[ T ]B
B1 =

m1 m2 mn
EJEMPLO
Sea T L(R3 , R2 ),

T (x, y, z) = (x 2y + 3z, 4x y z).

1. Si B1 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} y B2 = {(1, 2), (1, 1)} son bases ordenadas
2
de R3 y R2 respectivamente, encuentre [ T ]B
B1 .
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

2
]B
B1


=

2/3 7/3 1/3

5/3 5/3
4/3
10

2. Sea u = (1, 2, 3).

Encuentre

[u]B1 ,

[ T (u)]B2 ,

2
[ T ]B
B1 [u]B1 .

Escribimos (1, 2, 3) = (1, 1, 0) + (1, 0, 1) + (0, 1, 1), de donde

0
[u]B1 = 1
2
Para encontrar [ T (u)]B2 , primero calculamos T (1, 2, 3) = (6, 1).
Ahora, (6, 1) = (1, 2) + (1, 1), de donde


5/3
[T(u)]B2 =
13/3
Calculamos ahora





0
5/3
2/3 7/3 1/3
B2

1
[ T ]B1 [u]B1 =
=
= [T(u)]B2 .

13/3
5/3 5/3 4/3
2
Esta u
ltima propiedad es general, vale decir,

11

2
[ T ]B
B1 [u]B1 = [T(u)]B2 .

RELACION ENTRE
OPERACIONES DE TRANSFORMACIONES LINEALES Y
OPERACIONES ENTRE MATRICES

Consideremos, como antes, los espacios vectoriales U, V sobre un cuerpo K, tal que
dimK U = n, y dimK V = m. Sean B1 = {u1 , u2 , , un }, B2 = {v1 , v2 , , vm }
bases ordenadas de U y V , respectivamente.
Sean T, S L(U, V ). Entonces:
B2
B2
2
1. [ T + S ]B
B1 = [ T ]B1 + [ S ]B1 , es decir, la matriz asociada a la suma de transformaciones lineales es la suma de las matrices asociadas a cada transformacion
lineal.
B2
2
2. [ T ]B
K, es decir, la matriz asociada al producto por escalar
B1 = [ T ]B1 ,
de una transformacion lineal es el escalar multiplicado por la matriz asociada a
la transformacion lineal.

3. Sea W un espacio vectorial sobre K, B3 = {w1 , w2 , , wp } una base ordenada

de W . Sea L L(V, W ) y supongamos que la composicion de funciones L
B2
3
3
T esta definida. Entonces,
[ L T ]B
= [ L ]B
es decir, la
B1
B2 [ T ]B1 ,
matriz asociada a la composicion de transformaciones lineales es el producto de
las matrices asociadas a cada transformacion lineal, en el orden correspondiente.
4. Supongamos que T es un isomorfismo entre U y V . Sabemos que T 1 : V U
B2 1
1
que tambien es un isomorfismo. Entonces, [ T 1 ]B
B2 = ([ T ]B1 ) , es decir, la
matriz asociada a la inversa de una transformacion lineal es la inversa de la matriz
asociada a la transformacion lineal.

EJEMPLOS
1. Consideremos las transformaciones lineales
S, T : R2 R2 con T (x, y) = (x + y, x y), S(x, y) = (2x 3y, 4x 5y)
L : R2 R2 [x] con L(a, b) = a + bx + (a + b)x2 . Las matrices asociadas a
estas transformaciones lineales en las respectivas bases canonicas son:


1
1
C
[ T ]C =
1 1


2 3
C
[ S ]C =
4 5

1 0
0 1
[ L ]C
C =
1 1
Luego:
12

 
 

1
1
2 3
3 2
(a) [ T + S =
+
=
1 1
4 5
5 6

 

1
1
5 5
(b) [ 5T ]C
=
C = 5
1 1
5
5



1 0
2 3
0 1 2 3 = 4 5
(c) [ L S ]C
C =
4 5
1 1
6 8
]C
C

2. Sean U, V como arriba, y considere la funcion : L(U, V ) M(R, m n)

2
tal que (T ) = [ T ]B
Pruebe que es un isomorfismo y que, por lo tanto,
B1 .
dimK L(U, V ) = dimK M(R, m n) = m n

MATRIZ CAMBIO DE BASE

Consideremos ahora la transformacion lineal identidad de un espacio vectorial U
en s mismo, donde dimR U = n.
En el dominio U , consideremos la base B1 =
{u1 , u2 , , un }, y en el recorrido U , consideremos la base B2 = {v1 , v2 , , vn }.
Sabemos que existen escalares ij u
nicos:
id(u1 ) = (u1 ) = 11 v1 + 21 v2 + m1 vm
id(u2 ) = (u2 ) = 12 v1 + 22 v2 + m2 vm

id(un ) = (un ) = 1n v1 + 2n v2 + mn vm
2
Por lo tanto, la matriz asociada a la transformacion lineal identidad, [ id ]B
B1 , posee
la siguiente propiedad:

w U

2
[id(w)]B2 = [ id ]B
B1 [w]B1 , de donde

2
[w]B2 = [ id ]B
B1 [w]B1

Como la identidad es un isomorfismo, la matriz asociada es invertible, y se tiene que

2 1
([ id ]B
B1 ) [w]B2 = [w]B1

13