Transformaciones lineales

[Versión preliminar]

Prof. Isabel Arratia Z.

__________________________________________________________________ 1
Algebra Lineal
 Sean V y W espacios vectoriales sobre
el cuerpo ℜ de los números reales. Una
transformación lineal o aplicación lineal de V
en W es una función T : V W que
satisface:
i) T(u + v ) = T ( u ) + T ( v ); ∀ u , v ∈ V
ii ) T( α v ) = α T ( v); ∀ α ∈ ℜ; ∀ v ∈ V

Si T es una transformación lineal de V en W, entonces

T( v1 + . . . . . + v n ) = T ( v1 ) + . . . . . + T ( v n )
Más aún,
T(α1v1 + . . . . . + αn vn ) = α1T(v1) + . . . . . + αnT(vn )

__________________________________________________________________ 2
Algebra Lineal
 Si T es una transformación lineal de V en W, entonces
T(0) = 0. Esto se enuncia de manera equivalente así,
T (0 ) ≠ 0 ⇒ T no es aplicación lineal
Ejemplos de aplicaciones lineales
1) Consideremos f : ℜ → ℜ la función f(x) = 3x.
Entonces,
f(x + a) = 3(x + a) = 3x + 3a = f(x) + f(a)
f ( α x ) = 3( α x ) = α ( 3 x ) = α f ( x )
Luego f es una aplicación lineal.
Pero si definimos g(x) = x + 3, g no es aplicación lineal
puesto que g ( 0 ) ≠ 0. Observe que la función g
tampoco cumple las condiciones i) y ii) exigidas para ser
transformación lineal.
__________________________________________________________________ 3
Algebra Lineal
 Las siguientes funciones de ℜ en ℜ no son lineales:
f(x) = x2 f(x) = x f(x) = 1
x
f(x) = e x f(x) = ln x f(x) = cos x

¿Cuáles son las funciones

lineales de ℜ en ℜ ?

2) Sea T : ℜ 3 → ℜ 2 la función T(x,y,z) = (2x – y, y + 3z).

Entonces T es una aplicación lineal. ¡Demuéstrelo!

__________________________________________________________________ 4
Algebra Lineal
 Ejercicio: Muestre una aplicación de ℜ 2 en ℜ3 que
sea lineal y otra que no lo sea.
3) Consideremos F : M mxn (ℜ ) → M nxm (ℜ ); F(A) = A t
Entonces,
F ( A + B ) = ( A + B ) t = A t + B t = F ( A ) + F (B )
F(α A ) = (α A )t = α A t = α F( A )
Por lo tanto, F es una transformación lineal.
dp
4) La función T : P3 [x] → P2 [ x]; T(p) = p' =
dx
es lineal; en efecto,
T(p + q) = (p + q)’ = p’ + q’ = T(p) + T(q)
T (a p) = (a p)’ = a p’ = a T(p) , a ∈ ℜ

__________________________________________________________________ 5
Algebra Lineal
 Destacamos los
siguientes dos
ejemplos

5) Si V y W son espacios vectoriales,

To : V → W; To (v) = 0 W
es una aplicación lineal

6) Si V es un espacio vectorial, la función

I : V → V; I(u) = u
es lineal; se llama aplicación identidad de V.

__________________________________________________________________ 6
Algebra Lineal
 El siguiente teorema nos enseña a extender a todo el
espacio dominio, una aplicación lineal que se conoce
sólo en una base de dicho espacio.

Teorema: Sean V un espacio vectorial real con base

B = {v1, . . . . . , v n } y W un espacio vectorial real.
Si w1, . . . . . , w n ∈ W entonces existe una única aplicación
lineal T de V en W tal que T( v i ) = w i , ∀i = 1, . . . . , n

En efecto, si v∈ V, existen únicos α1, . . . . . , α n ∈ ℜ tales que

v = α1v1 + . . . . . + α n v n
La aplicación T de V en W definida por:
T(v) = α1w1 + . . . . . + αn w n
satisface lo requerido en el teorema.

__________________________________________________________________ 7
Algebra Lineal
 Ejemplo: ¿Cuál es la aplicación lineal T de ℜ2 en ℜ2 tal que
T(1, 0) = (-2, 5) y T(0, 1) = (3, -4)?

Sea (a, b) ∈ ℜ2 , entonces (a, b) = a (1, 0) + b (0, 1).

La aplicación T : ℜ2 ℜ2 ; T(a, b) = a(-2, 5) +b(3, -4),
o más precisamente, T(a, b) = (-2a + 3b, 5a - 4b), es lineal
y satisface lo requerido.

Ejercicio:
a) ¿Cuál es la aplicación lineal T de ℜ3 en
ℜ2 tal que
T(1, 0, 0) = (2, -3), T(0, 1, 0) = (1, 1) y
T(0, 0, 1) = (6, 5)

__________________________________________________________________ 8
Algebra Lineal
 Ejercicio: Determine la aplicación lineal T de ℜ3 en
P2[x] tal que
T(1, 1, 1) = 2 + x, T(1, 1, 0) = x - x2 , T(1, 0, 0) = 1 + 3x + 2x2

Ejercicio: Determine cuál (es) de las siguientes

aplicaciones son lineales.
1) T : ℜ → ℜ3 ; T(x) = (x, 0, 3x)
2) T : ℜ2 → ℜ3 ; T(a, b) = (5a − b, a + 2b, 1)
3) T : ℜ2 → P2[x ]; T(a, b) = a + 3ax + (a − 4b) x 2
4) T : P1[ x] → ℜ3 ; T(a + bx) = (a, 2b, 3a + b)
 b + c 2a 
5) T : ℜ3 → M 2 (ℜ); T(a, b, c) =  
a −c 3 
__________________________________________________________________ 9
Algebra Lineal
 Núcleo e imagen
Sean V y W espacios vectoriales reales y
T: V W una transformación lineal.
El núcleo o kernel de T es el conjunto,
Ker T = { v ∈ V / T(v) = 0 }
La imagen de T es el conjunto,
Im T = { w ∈ W / ∃ v ∈ V talque T(v) = w }

Ejemplo: Determinemos el núcleo y la imagen de la

aplicación lineal T : ℜ3 → ℜ2 ; T(x, y, z) = (x - 2y, 3y + z)
Ker T = {(x, y, z) / T(x, y, z) = (0, 0)}
= {(x, y, z) / x – 2y = 0
3y + z = 0 }
__________________________________________________________________ 10
Algebra Lineal
 Resolviendo este sistema de ecuaciones lineales obtenemos
Ker T = {(x, y, z) / x = 2y ∧ z = -3y }
= {(2y, y, -3y) / y ∈ ℜ }
= < { (2, 1, -3) } >
Es decir, el núcleo de T resultó ser un subespacio de
dimensión uno del espacio ℜ3 .
3
Im T = { T(x, y, z) / (x, y, z) ∈ ℜ }
= { (x – 2y, 3y + z) / x, y, z ∈ ℜ }
= < { (1, 0), (-2, 3), (0, 1) } >
= < { (1, 0), (0, 1) } >
2
= ℜ

__________________________________________________________________ 11
Algebra Lineal
 ¿Cuál es el kernel y la imagen de las aplicaciones
To : V → W; To (v) = 0 W
I : V → V; I(u) = u

El núcleo y la imagen de una transformación lineal no son

simples conjuntos; es fácil demostrar el siguiente teorema.

Teorema: Si T de V en W es una aplicación lineal,

entonces el núcleo de T es un subespacio de V y la
imagen de T es un subespacio de W.

La dimensión del núcleo de T se llama nulidad de T y la

dimensión de la imagen de T es el rango de T

__________________________________________________________________ 12
Algebra Lineal
 La nulidad de T y el rango de T serán denotados así,
η( T ) = dim (Ker T) ρ(T) = dim (Im T)
Y estos números se relacionan mediante la igualdad,
η(T) + ρ(T) = dim V
Ejemplo: Consideremos la aplicación lineal
T : P2 [ x] → ℜ2; T(a + bx + cx2 ) = (a − b, 2a + c)
Entonces, Ker T = {a + bx + cx 2 ∈ P2 [ x] / (a − b, 2a + c) = (0, 0) }
= {a + bx + cx 2 ∈ P2 [ x] / a = b ∧ c = -2a }
= { a + ax - 2a x 2 / a ∈ ℜ }
= {a(1 + x - 2x 2 ) / a ∈ ℜ }
= < {1 + x - 2x 2 } >
__________________________________________________________________ 13
Algebra Lineal
 Como B = {1 + x − 2 x 2 } genera a Ker T y es linealmente
independiente, B es una base de Ker T; luego η( T ) = 1 y
ρ(T) = dim V - η(T) = 3 - 1 = 2
2
Si la dimensión de la imagen de T es 2, Im (T) = ℜ

El siguiente teorema caracteriza a

las aplicaciones lineales inyectivas,
epiyectivas y por tanto biyectivas.

Teorema: Sea T : V W aplicación lineal.

(1) T inyectiva ⇔ Ker T = {0} ⇔ η( T ) = 0
(2) T epiyectiva ⇔ Im T = W ⇔ ρ( T ) = dim W

__________________________________________________________________ 14
Algebra Lineal
 Isomorfismos
Recordemos que una función f posee función inversa
f −1 si y sólo si f es biyectiva. La función f −1 resulta
ser biyectiva también y tal que
(f −1 o f )(x) = x y (f o f -1)(x) = x

Una aplicación lineal y biyectiva se

llama isomorfismo.

Ejemplo: La aplicación lineal T : ℜ3 → ℜ3 definida por

T(x, y, z) = (x – y, 2y + z, x + y + z)
no es un isomorfismo puesto que Ker T = < {(1, 1, -2)}>
y, en consecuencia, no es inyectiva.

__________________________________________________________________ 15
Algebra Lineal
 Ejercicio: Muestre que la siguiente aplicación de ℜ3
3
en ℜ es un isomorfismo,
T(x, y, z) = (x - y, 2y + z, x + 2y + z)

Si T es una aplicación de V en W,
observe que,
• T isomorfismo ⇔ T invertible
−1
• T isomorfismo ⇔ T isomorfismo

Y si dimV = dimW, entonces

T biyectiva ⇔ T inyectiva ⇔ T epiyectiva

__________________________________________________________________ 16
Algebra Lineal
 Ejercicio: ¿Cuál (es) de las siguientes funciones T son
invertibles?
1) T : ℜ3 → ℜ3; T(x, y, z) = (x, 2x - y, x + 4y - z)
2) T : ℜ3 → P2[x]; T(a, b, c) = (a − c) + (2a + b + c)x + (3a + b + c)x2
4  a b
3) T : M2 (ℜ) → ℜ ; T  = (a + d, 2c, a + c, c - d)
 c d

Si T: V W es un isomorfismo,
entonces se dice que los espacios V y
W son isomorfos, en cuyo caso se
anota V≅ W .

__________________________________________________________________ 17
Algebra Lineal
 Ejemplo: Los espacios ℜ3 y P2[x] son isomorfos; el
isomorfismo “natural” entre ellos es
T(a, b, c) = a + bx + cx2

a b
El isomorfismo T  = (a, b, c, d) establece que los
c d
espacios M2 (ℜ) y ℜ4 son isomorfos.

Teorema: Todo espacio vectorial

real de dimensión finita n es
n
isomorfo a ℜ .

__________________________________________________________________ 18
Algebra Lineal
 Aplicaciones lineales y matrices
Sea A ∈ Mmxn(ℜ) y consideremos la aplicación,
TA : ℜn → ℜm definida por TA (X) = A X

Para X, Y ∈ ℜn y α ∈ ℜ se tiene que,

i) TA (X + Y) = A (X + Y) = A X + A Y = TA (X) + TA (Y)
ii) TA (α X) = A (α X) = α (A X) = α TA (X)

Es decir, TA es una transformación lineal, que se

llama aplicación lineal asociada a la matriz A.

__________________________________________________________________ 19
Algebra Lineal
  1 − 3
 
Ejemplo: Sea A =  − 4 0 y determinemos la aplicación
 2 1
 lineal asociada a A.

TA : ℜ2 → ℜ3 ; TA (x, y) = ??
 1 − 3  x − 3y 
  x  
 − 4 0    =  − 4x 
 2 1   y   2x + y 
   

TA : ℜ2 → ℜ3 ; TA (x, y) = (x - 3y, - 4x, 2x + y)

Ejercicio: Encuentre la aplicación lineal asociada a

las matrices 2 −1 1  0 0 0
A =   0 =   e I3
0 7 5
 0 0 0

__________________________________________________________________ 20
Algebra Lineal
 Denotemos por,
L(ℜn , ℜm) = { T : ℜn → ℜm / T lineal}
¿Por qué?
L(ℜn , ℜm) es un espacio vectorial
real: el espacio de las aplicaciones
lineales de ℜn en ℜm .

Queremos establecer que el espacio L(ℜn , ℜm ) es

isomorfo a Mmxn(ℜ) . Para ello debemos mostrar una
función entre estos espacios que sea un isomorfismo.
Consideremos,

F : Mmxn(ℜ) → L(ℜm , ℜn ) definida por F(A) = TA

__________________________________________________________________ 21
Algebra Lineal
 9 F es una función bien definida y además es lineal, puesto
que TA + B = TA + TB y TαA = αTA , α ∈ ℜ
Ejercicio: Demuestre estas igualdades.

9 F es inyectiva pues Ker F = { A / TA = To } = { 0 mn }

9 F es epiyectiva ya que para cada transformación

lineal T de ℜn en ℜm , existe una matriz A ∈ Mmxn(ℜ)
tal que F(A) = TA = T . Esta matriz A es única, se
llama matriz asociada a la transformación lineal T,
se denota [T] y se determina así:

__________________________________________________________________ 22
Algebra Lineal
 Sean {e1, ..... , en} y {e1, ..... , em} las bases canónicas
de ℜn y ℜm respectivamente. Entonces,
T (e1 ) = a11e1 + a 21e 2 + . . . . . + a m1e m
T (e 2 ) = a12 e1 + a 22 e 2 + . . . . . + a m2 e m
...... ......
T (e n ) = a1n e1 + a 2 n e 2 + . . . . . + a mn e m
y la matriz,
t
 a 11 a 21 .... a m1 
 
 a 12 a 22 . . . . a m2  es tal que F([T]) = T
[T ] = 
.... .... .... .... 
 
a a 2n . . . . a mn 
 1n

__________________________________________________________________ 23
Algebra Lineal
 Ejemplo: Consideremos la aplicación lineal,
T : ℜ 2 → ℜ 3 ; T ( x , y ) = (3x + y, x - y, 7x − 2 y)
y determinemos la matriz asociada a T.
Procedemos a evaluar T en los vectores de la base canónica
de ℜ2 y luego, escribir estas imágenes como combinación
lineal de los vectores de la base canónica de ℜ3 .
T (1, 0 ) = ( 3, 1, 7) = 3(1, 0, 0) + 1(0, 1, 0) + 7(0, 0, 1)
T ( 0 , 1) = (1, - 1, - 2) = 1(1, 0, 0) − 1(0, 1, 0) - 2(0, 0, 1)
Entonces la matriz asociada a T es:
t 3 1
3 1 7  
[ T ] =   =  1 − 1
1 −1 − 2 7
 − 2 

__________________________________________________________________ 24
Algebra Lineal
 Ejercicio: Encuentre la matriz asociada a las
aplicaciones lineales,
T : ℜ 3 → ℜ 2 ; T ( x , y, z ) = (x + 6 y - z, 4x - 5y + 2z)
T : ℜ 3 → ℜ 3 ; T ( x , y, z ) = (y - 2z, 3x + z, 9x − 2 y + z)

Como consecuencia del isomorfismo que

se ha establecido tenemos que:
[T + S] = [T] + [S]
[a T] = a [T] , a número real
Además, [T o S] = [T] [S] y si T es
-1 -1
invertible, [T ] = [T]

__________________________________________________________________ 25
Algebra Lineal
 Matriz de cambio de base
n m
Sea T : ℜ → ℜ una aplicación lineal. Repetiremos
el procedimiento realizado para obtener la matriz
asociada a T pero considerando las bases B ={ v1, ..... , vn}
y E ={ w1, ..... , wm} de ℜn y ℜm respectivamente.
Evaluamos T en los vectores de la base B y luego,
expresamos estas imágenes como combinación lineal de
los vectores de la base E.
T ( v1 ) = a11w1 + a 21w 2 + . . . . . + a m1w m
T(v 2 ) = a12 w1 + a 22 w 2 + . . . . . + a m2 w m
...... ......
T ( v n ) = a1n w1 + a 2 n w 2 + . . . . . + a mn w m

__________________________________________________________________ 26
Algebra Lineal
 t
 a 11 a 21 .... a m1 
 
a
La matriz,  12
a 22 .... a m2  se denota [T] E
B
.... .... .... .... 
 
a a 2n .... a mn 
 1n 

 a 11 a 12 .... a 1m 
 
E  a 21 a 22 .... a 2m 
Luego, [T ] B = 
.... .... .... .... 
 
a a m2 .... a mn 
 m1

Cuando n = m y B = E , esta matriz se denota [T]B

__________________________________________________________________ 27
Algebra Lineal
 La matriz [T]E
B está caracterizada así:
n
Si las coordenadas de v ∈ ℜ con respecto
a la base B son [v]B = X = (x1, . . . . , x n ) ,
E
entonces [T]B ⋅ X son las coordenadas de
la imagen T(v) con respecto a la base E
En este caso, el isomorfismo entre transformaciones
lineales y matrices establece que:
[T + S] E E E n m
B = [T] B+ [S] B , T, S ∈ L(ℜ , ℜ )

[α T] E
B = α [T] E
B , α ∈ ℜ, T ∈ L(ℜ n
, ℜ m
)
[T o S] C
B = [T] C
E ⋅ [S] E
B , T ∈ L(ℜn m
, ℜ ), S ∈ L(ℜm k
,ℜ )

__________________________________________________________________ 28
Algebra Lineal
 Ejemplo: Consideremos la aplicación lineal,
T : ℜ 3 → ℜ 2 ; T ( x , y, z ) = (x + 2 y - z, 3x + z)
E
y determinemos la matriz [T]B donde,
3
B = { v = (1, 1, 1), u = (1, 1, 0), w = (1, 0, 0)} base de ℜ y
E = {(2, 3), (-3, -5)} base de ℜ2.
Tenemos que, T (1, 1, 1) = ( 2 , 4) = α 1 (2, 3) + α 2 (-3, - 5)
T (1, 1, 0 ) = ( 3, 3) = β1 (2, 3) + β 2 (-3, - 5)
T (1, 0, 0 ) = (1, 3) = γ1 (2, 3) + γ 2 (-3, - 5)
Calculando las coordenadas obtenemos la matriz:
t
− 2 − 2
E   − 2 6 − 4
[T ] B =  6 3  =  
−2 3 − 3
− 4
 − 3  

__________________________________________________________________ 29
Algebra Lineal
 Observación: Si B es cualquier base de ℜn , entonces
la matriz de la aplicación identidad es [I n ]B = [ I ]B = In .
ℜ
Pero si E es otra base de ℜ , entonces [ I ] E
n
B ≠ In .

La matriz [ I ]E
B es una matriz invertible, su inversa es [ I ]B
E
y ambas son llamadas matrices de cambio de base,
nombre que se deriva de lo siguiente:

[ I] B
E ⋅ [T]E
E ⋅ [ I ] E
B = [T]B
B , T∈ ℜ
L( n n
,ℜ )
aquí, E y B son bases de ℜn .

__________________________________________________________________ 30
Algebra Lineal
 Valores y vectores propios
En lo que sigue, T será una transformación lineal de
ℜn en ℜn ; por lo tanto cualquier matriz asociada a
T es una matriz cuadrada.

Un escalar λ ∈ ℜ se llama valor propio de T (o

valor característico) si existe v ∈ ℜn , v ≠ 0 tal
que T(v) = λ v.

Si λ ∈ ℜ es un valor propio de T, cualquier

v ∈ ℜn , v ≠ 0 tal que T(v) = λ v se llama
vector propio de T (o vector característico)
asociado al valor propio λ .

__________________________________________________________________ 31
Algebra Lineal
 Ejemplo: λ = 2 es un valor propio de la aplicación lineal
T : ℜ 2 → ℜ 2 ; T ( x , y ) = (27x − 10 y, 75x - 28y)
puesto que T(2, 5) = (4, 10) = 2 (2, 5). En este caso,
v = (2,5) es un vector propio de T asociado al valor propio 2.

Si λ es un valor propio de T y denotamos

por Vλ al conjunto de todos los vectores
propio de T asociados al valor propio λ ,
entonces es fácil mostrar que Vλ resulta ser
n
un subespacio de ℜ . El subespacio Vλ se
llama espacio propio de T asociado a λ .
Vλ = { v ∈ ℜn / T(v) = λ v }

__________________________________________________________________ 32
Algebra Lineal
 ¿Cómo determinamos
los valores y vectores
propios de T?

λ es un valor propio de T ⇔
∃ v ∈ ℜ n , v ≠ 0 tal que T ( v) = λ v ⇔
∃ v ∈ ℜ n , v ≠ 0 tal que T ( v) − λ v = 0 ⇔
∃ v ∈ ℜ n , v ≠ 0 tal que (T − λ I n )( v) = 0 ⇔
∃ v ∈ ℜ n , v ≠ 0, v ∈ Ker (T - λ I n ) ⇔
T − λ I n no invertible ⇔
det [T − λ I n ] = 0

__________________________________________________________________ 33
Algebra Lineal
 Observe que p(λ ) = det [T − λ I n ] es un polinomio en λ
de grado n y, los valores propios de T son las raíces
reales de dicho polinomio.

Por otra parte, Vλ = { v ∈ ℜ n / T(v) = λ v }

= { v ∈ ℜ n / T(v) - λ v = 0}
= { v ∈ ℜ n / (T - λ I n )(v) = 0}
= Ker (T - λ I n )
Es decir, los vectores propios de T asociados a λ son
los vectores del kernel de la transformación lineal (o
matriz) [T − λ I n ] .

__________________________________________________________________ 34
Algebra Lineal
 Ejemplo: Sea T la transformación lineal
T : ℜ2 → ℜ2 ; T(x, y) = (−y, x)
 0 −1
La matriz asociada a T es A =   . Como la “ecuación
1 0 

característica” de T,
λ 1
p(λ) = 0 ⇔ det[λ I - T] = 0 ⇔ = 0 ⇔ λ2 +1 = 0
−1 λ
no tiene raíces reales, T no tiene valores propios.

Ejercicio: Muestre que los valores propios de la

siguiente transformación lineal T son 1 y 2.
T : ℜ3 → ℜ3 ; T(x, y, z) = (3x + y - z, 2x + 2y - z, 2x + 2y)

__________________________________________________________________ 35
Algebra Lineal
 Ejemplo: Los vectores propios de la transformación lineal
T : ℜ3 → ℜ3 ; T(x, y, z) = (3x + y - z, 2x + 2y - z, 2x + 2y)
se encuentran en Ker[T − I3 ] y Ker[T - 2I 3 ]

3 2x + y - z = 0
Ker[ T − I 3 ] = { (x, y, z) ∈ ℜ / }
2x + 2y - z = 0
= < { (1, 0, 2) } >
x+y+z = 0
Ker[ T − 2 I 3 ] = { (x, y, z) ∈ ℜ 3 / 2x - z = 0 }
2x + 2y - 2z = 0
= < { (1, 1, 2) } >

__________________________________________________________________ 36
Algebra Lineal
 Diagonalización
n
Se dice que una base B de ℜ diagonaliza a la
transformación lineal T si la matriz [T]B asociada a T es
una matriz diagonal. Cuando tal base B existe, se dice
que T es diagonalizable.
Una matriz A ∈ Mn (ℜ) es diagonalizable si la aplicación
lineal asociada a A lo es.
¿Cuándo T es
diagonalizable?

Teorema: T diagonalizable si y
n
sólo si existe B base de ℜ formada
por vectores propios de T.

__________________________________________________________________ 37
Algebra Lineal
 Ejemplo: La transformación lineal T : ℜ3 → ℜ3 ;
T(x, y, z) = (-9x− 8y + 4z, 8x + 7y - 4z, - 8x − 8y + 3z)
tiene dos valores propios: 3 y -1. Los espacios propios
asociados son,
Ker[T - 3I 3 ] = < { (1, - 1, 1) } >
Ker[T + I3 ] = < { (1, 0, 2), (0, 1, 2) } >
Y B = {(1, -1, 1), (1, 0, 2), (0, 1, 2)} es una base de ℜ3 que
diagonaliza a T; en este caso,
3 0 0
 
[T ]B =  0 −1 0
0 0 − 1 


__________________________________________________________________ 38
Algebra Lineal
 Ejemplo: La transformación lineal T : ℜ3 → ℜ3 ;
T(x, y, z) = (3x+ y - z, 2x + 2y − z, 2x + 2y)
tiene dos valores propios: 1 y 2. Sin embargo, T no es
diagonalizable. Los espacios propios asociados son,

Ker[T - I3 ] = < { (1, 0, 2) } >

Ker[T - 2I 3 ] = < { (1, 1, 2) } >

Y es imposible encontrar una base de ℜ3 formada por
vectores propios de T.

__________________________________________________________________ 39
Algebra Lineal
 Ejercicio: Determine si la siguiente transformación
lineal T es o no es diagonalizable.
T : ℜ3 → ℜ3 ; T(x, y, z) = (3x- y + z, 7x − 5y+ z, - 6x + 6y - 2z)

El hecho que T sea diagonalizable significa

que la matriz [T] asociada a T, es “similar” a la
matriz diagonal [T]B en el sentido siguiente:

−1
Existe P matriz invertible tal que [T]B = P [T] P

__________________________________________________________________ 40
Algebra Lineal