2

Teorema 8:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales de dimensión finita. Supongamos que 𝑛 = dim⁡(𝑉),
𝐵 = *𝑣1 , 𝑣2 , … , 𝑣𝑛 + es una base de 𝑉 y 𝑤1 , 𝑤2 , … , 𝑤𝑛 son 𝑛 vectores de 𝑊, no necesariamente
distintos entre si, entonces existe una única transformación lineal ⁡𝑇: ⁡𝑉 → 𝑊 tal que
𝑇 𝑣1 = 𝑤1 , 𝑇 𝑣2 = 𝑤2 , ⁡ … , ⁡⁡𝑇 𝑣𝑛 = 𝑤𝑛 .

Demostración:
 3

⁡⁡𝑇: 𝑉 → 𝑊

𝑢 + 𝑣 = 𝛼1 + 𝛽1 𝑣1 + 𝛼2 + 𝛽2 𝑣2 + ⋯ + (𝛼𝑛 + 𝛽𝑛 )𝑣𝑛
 4

𝑇 𝑢 + 𝑣 = 𝛼1 + 𝛽1 𝑤1 + 𝛼2 + 𝛽2 𝑤2 + ⋯ + (𝛼𝑛 + 𝛽𝑛 )𝑤𝑛

= 𝛼1𝑤1 + 𝛼2 𝑤2 + ⋯ + 𝛼𝑛 𝑤𝑛 + 𝛽1 𝑤1 + 𝛽2 𝑤2 + ⋯ + 𝛽𝑛 𝑤𝑛

= ⁡𝑇 𝑢 +⁡𝑇 𝑣

𝑢⁡ ∈ 𝑉, 𝜆∈𝐾

𝑇 𝜆𝑢 = 𝑇(𝜆𝛼1 𝑣1 + 𝜆𝛼2 𝑣2 + ⋯ + 𝜆𝛼𝑛 𝑣𝑛 )

= ⁡𝜆𝛼1 𝑤1 + 𝜆𝛼2 𝑤2 + ⋯ + 𝜆𝛼𝑛 𝑤𝑛

= ⁡𝜆(𝛼1 𝑤1 + 𝛼2 𝑤2 + ⋯ + 𝛼𝑛 𝑤𝑛 )

= 𝜆𝑇 𝑢
Por lo tanto, 𝑇 ∶ 𝑉 → 𝑊 es una transformación lineal
 5

𝑃𝑜𝑟⁡𝑜𝑡𝑟𝑜⁡𝑙𝑎𝑑𝑜, dado 𝐵 = *𝑣1 , 𝑣2 , … , 𝑣𝑛 + es una base de 𝑉 y

𝑣𝑖 = 0𝑣1 + 0𝑣2 + ⋯ + 1𝑣𝑖 + ⋯ + 0𝑣𝑛 𝑖 = 1,2, … , 𝑛

Se tiene que:

𝑇 𝑣𝑖 = 𝑇 0𝑣1 + 0𝑣2 + ⋯ + 1𝑣𝑖 + ⋯ + 0𝑣𝑛

= 0𝑤1 + 0𝑤2 + ⋯ + 1𝑤𝑖 + ⋯ + 0𝑤𝑛

= 𝑤𝑖 𝑖 = 1,2, … , 𝑛

Por lo tanto, 𝑇 satisface las hipótesis del teorema

 6

Veamos la unicidad de 𝑇 ∶ 𝑇: ⁡𝑉 → 𝑊 y 𝐿: ⁡𝑉 → 𝑊

𝑇 𝑣𝑖 = 𝑤𝑖 𝐿 𝑣𝑖 = 𝑤𝑖
𝑖 = 1,2, … , 𝑛 𝑖 = 1,2, … , 𝑛
𝑝𝑎𝑟𝑎⁡𝑐𝑎𝑑𝑎⁡⁡𝑣⁡ ∈ 𝑉,

𝑇 𝑣 = 𝑇(𝛼1𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 )

= 𝛼1𝑇(𝑣1 ) + 𝛼2 𝑇(𝑣2 ) + ⋯ + 𝛼𝑛 𝑇(𝑣𝑛 )

= 𝛼1 𝑤1 + 𝛼2 𝑤2 + ⋯ + 𝛼𝑛 𝑤𝑛

= 𝛼1𝐿(𝑣1 ) + 𝛼2 𝐿(𝑣2 ) + ⋯ + 𝛼𝑛 𝐿(𝑣𝑛 )

= 𝐿⁡(𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 )

=𝐿 𝑣
 7

Ejemplos:

1.
 8

2.

𝛼1 −2,2, −1 + 𝛼2 0,1, −3 + 𝛼3 −2,1,2 + 𝛼4 1, −1,0 = (0,0,0)

es equivalente:
 9

es linealmente independiente,
−2,2,1 ⁡, 0,1, −3 ⁡, 1, −1,0
y en consecuencia forma una base para ℝ3

Por otro lado, 𝑣3 = 1⁡𝑣1 − 1⁡𝑣2 + 0𝑣4 = 𝑣1 − 𝑣2

 10

𝑥, 𝑦, 𝑧 = 𝛼1 −2,2,1 + 𝛼2 0,1, −3 + 𝛼4 1, −1,0

es equivalente:
11
 12

3. Hallar, si es posible, una transformación lineal 𝑇: ℝ2 → ℝ3 tal que

3
𝑇 4, −3 = (1,2, −1), ⁡⁡⁡⁡⁡⁡⁡𝑇 −2, = (−1, 0⁡, 1).
2

Veamos si 𝛽= 4, −3 , (−2, 3 2) es una base para ℝ2 . No es una base para ℝ2 , 𝑦𝑎⁡𝑞𝑢𝑒⁡𝑛𝑜⁡𝑠𝑜𝑛⁡𝑙. 𝑖

𝛽1 = 4, −3 , (1,0) es una base para ℝ2

por el teorema 8, existe una única transformación lineal ⁡𝑇: ℝ2 → ℝ3⁡⁡tal que

𝑇 4, −3 = (1,2, −1), 𝑇 1,0 = (1,1,1)

Pero, 𝑣1 = −2𝑣2
 13

𝑇(𝑣1 ) = −2𝑇(𝑣2 ) = −2⁡(−1,0,1) = (2,0, −2) ≠ (1,2, −1)

No es posible determinar una transformación lineal 𝑇: ℝ2 → ℝ3 tal que

3
𝑇 4, −3 = (1,2, −1), ⁡⁡⁡⁡⁡⁡⁡𝑇 −2, ⁡ = (−1, 0⁡, 1).
2
 Representación matricial
Teorema 9:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales de dimensión finita 𝑛 y 𝑚, respectivamente.
Supongamos que 𝐵1 = 𝑣1 , 𝑣2 , … , 𝑣𝑛 es una base ordenada para 𝑉 y 𝐵2 = 𝑤1 , 𝑤2 , … , 𝑤𝑚 ⁡es
una base ordenada para 𝑊.⁡Entonces, para cada transformación lineal
𝑇: 𝑉 → 𝑊 existe una única matriz 𝐴𝑇,𝐵1 𝐵2 ∈ ℳ𝑚×n⁡ tal que

,𝑇 𝑣1 -𝐵2 = 𝐴𝑇,𝐵1 𝐵2 ,𝑣1 -𝐵1

La matriz 𝐴𝑇,𝐵1 𝐵2 del teorema anterior se llama Matriz de Representación de la Transformación

𝑻 con respecto a las bases 𝑩𝟏 y 𝑩𝟐.

𝐴𝑇,𝐵1𝐵2 = 𝑇 𝐵1, 𝐵2 = 𝑇 𝑣1 𝐵2⁡⁡ 𝑇 𝑣2 𝐵2⁡⁡⁡⁡ … 𝑇 𝑣𝑛 𝐵2

 15

Ejemplos:

2.
 16

3. Determine la representación matricial de la transformación dada respecto a las bases

canónicas.
𝑇: ℳ2×2⁡ ℝ → ℝ3 dada por
 17

Al usar la matriz 𝐴𝑇𝛽𝑉 𝛽𝑊 , se puede obtener la imagen de cualquier vector⁡⁡⁡⁡𝑣 ∈ 𝑀2𝑥2 ℛ .

Basta con escribir la matriz de coordenadas 𝑣 𝛽𝑉 ,⁡ y hacer el producto 𝐴𝑇𝛽𝑉 𝛽𝑊 𝑣 𝛽𝑉 ,

el resultado será la matriz de coordenada del vector 𝑇(𝑣) respecto a la base 𝛽𝑊 .

(en este caso coincide con 𝑇(𝑣).)
 18

4.
 19

4 + 4𝑥 − 4𝑥 2 = 𝛼1 1 + 𝑥 + 𝛼2 𝑥 + 𝑥 2 + 𝛼3 1 − 2𝑥 2 = 𝛼1 + 𝛼3 + 𝛼1 + 𝛼2 𝑥 + 𝛼2 − 2𝛼3 𝑥 2

𝛼1 + 𝛼3 = 4
𝛼1 + 𝛼2 = 4 Matriz ampliada del sistema:
𝛼2 − 2𝛼3 = −4
 20

es equivalente:
 21

Teorema 10:
Si ⁡⁡𝐴𝑇,𝐵1𝐵2 es una matriz de representación de la transformación
𝑇: 𝑉 → 𝑊, entonces
𝜌 𝑇 = 𝜌(𝐴𝑇,𝐵1 𝐵2 ), 𝜐 𝑇 = 𝜐 𝐴𝑇,𝐵1 𝐵2 ,⁡⁡

Si 𝑉 = ℝ𝑛 , W = ℝ𝑚

𝐼𝑚 𝑇 = 𝐼𝑚 𝐴𝑇,𝐵1 𝐵2 = 𝑅𝑒 𝐴𝑇,𝐵1𝐵2 , ⁡⁡⁡𝑁 𝑇 = 𝑁𝐴𝑇,𝐵1𝐵2 .

 22

Teorema 11:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales con bases 𝐵1 y 𝐵2, respectivamente, y sean 𝑇: 𝑉 → 𝑊 y
𝑆: 𝑉 → 𝑊 dos transformaciones lineales. Entonces
 𝐴 𝑇+𝑆 ,𝐵1 ,𝐵2 = 𝐴𝑇,𝐵1 ,𝐵2 + 𝐴𝑆,𝐵1 ,𝐵2
 ⁡𝐴𝛼𝑇,𝐵1,𝐵2 = 𝛼𝐴𝑇,𝐵1 𝐵2

Sean U, 𝑉 y 𝑊 tres 𝐾-espacios vectoriales con bases 𝐵1, 𝐵2 ⁡y 𝐵3⁡ respectivamente y sean 𝑇: 𝑈 → 𝑉
y 𝑆: 𝑉 → 𝑊 dos transformaciones lineales. Entonces,
 ⁡𝐴𝑆∘𝑇,𝐵1,𝐵3 = 𝐴𝑠,𝐵2,𝐵3 𝐴𝑇,𝐵1 ,𝐵2
 23

Transformaciones inyectivas

Definición 5:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales, 𝑇: 𝑉 → 𝑊 una transformación lineal, diremos
que 𝑇 es uno a uno, o inyectiva, si para todo 𝑣1 , 𝑣2 ∈ 𝑉⁡,
⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡⁡𝑇 𝑣1 = 𝑇 𝑣2 ⁡⁡ ⇒ ⁡⁡ 𝑣1 = 𝑣2 .

Teorema 12:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales, 𝑇: 𝑉 → 𝑊 una transformación lineal, entonces 𝑇
es inyectiva si y solo si 𝑁 𝑇 = *0𝑉 +.
24
25
 26

Ejemplo:
𝑝(−1)
Sea 𝑇: 𝑃2 (ℝ) → ℳ3×1(ℝ) dada por 𝑇 𝑝 𝑥 = 𝑝(0) ¿ es 𝑇 inyectiva ?
𝑝(1)

N 𝑇 = *𝑣 ∈ 𝑃2 (ℝ): ⁡⁡𝑇 𝑣 = 0ℳ3×1 (ℝ)+

𝑝 𝑥 = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2

𝑎0 − 𝑎1 + 𝑎2 0
𝑇 𝑝 𝑥 = 𝑇(𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 ) = 𝑎0 = 0
𝑎0 + 𝑎1 + 𝑎2 0

𝑁 𝑇 = *0𝑃2 + 𝑃𝑜𝑟⁡𝑙𝑜⁡𝑡𝑎𝑛𝑡𝑜, ⁡𝑇 es inyectiva

 27

Transformaciones sobreyectivas

Definición 6:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales,⁡𝑇: 𝑉 → 𝑊 una transformación lineal, diremos
que ⁡𝑇 es sobreyectiva si para todo w ∈ 𝑊⁡, existe 𝑣 ∈ 𝑉 tal que 𝑇 𝑣 = 𝑤.

Teorema 13:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales, 𝑇: 𝑉 → 𝑊 una transformación lineal,
entonces 𝑇 es sobreyectiva si y solo si 𝐼𝑚 𝑇 = ⁡𝑊.
 28

Ejemplo:
𝑝(−1)
𝑇: 𝑃2 (ℝ) → ℳ3×1 ℝ , dada por ⁡⁡𝑇 𝑝 𝑥 = 𝑝(0) ¿es 𝑇 sobreyectiva?
𝑝(1)

𝑁 𝑇 = *0𝑃2 + ; 𝜐 𝑇 =0

𝜌 𝑇 = dim 𝑃2 ℝ −𝜐 𝑇 =3

𝐼𝑚 𝑇 = ⁡ ℳ3×1 ℝ ,

𝑃𝑜𝑟⁡𝑙𝑜⁡𝑡𝑎𝑛𝑡𝑜, ⁡𝑇 es sobreyectiva
 29

Definición 7:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales,⁡⁡𝑇: 𝑉 → 𝑊 una transformación lineal, diremos que
𝑇 es biyectiva, si 𝑇 es inyectiva y sobreyectiva

𝑝(−1)
𝑇: 𝑃2 (ℝ) → ℳ3×1 ℝ , por ⁡⁡𝑇 𝑝 𝑥 = 𝑝(0) es biyectiva
𝑝(1)
Teorema 14:
Sean 𝑉 y 𝑊 dos 𝐾 -espacios vectoriales, 𝑇: 𝑉 → 𝑊 una transformación lineal tal
que⁡⁡⁡⁡dim 𝑉 = dim 𝑊 = 𝑛 entonces,
• Si 𝑇 es inyectiva, 𝑇 es sobreyectiva.
• Si 𝑇 es sobreyectiva, 𝑇 es inyectiva.

Supongamos que⁡𝑇 es sobreyectiva

𝜐 𝑇 + 𝜌 𝑇 = dim⁡(𝑉)

𝜐 𝑇 + 𝑛⁡ = 𝑛

𝜐 𝑇 =0 𝐴𝑠í, 𝑁 𝑇 = *0𝑉 + 𝑠𝑒⁡𝑐𝑜𝑛𝑐𝑙𝑢𝑦𝑒⁡⁡𝑞𝑢𝑒⁡⁡𝑇 es inyectiva

 31

Teorema 15:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales, Sea 𝑇: 𝑉 → 𝑊 una transformación lineal tal que
dim 𝑉 = 𝑛 y dim 𝑊 = 𝑚. Entonces,
• Si 𝑛 > 𝑚, ⁡⁡𝑇 no es inyectiva.
• Si 𝑚 > 𝑛, 𝑇 no es sobreyectiva.

Definición 8:
Si 𝑉 y 𝑊 son 𝐾-espacios vectoriales una transformación lineal 𝑇: 𝑉 → 𝑊⁡es llamada
Isomorfismo. Si 𝑇 es Biyectiva, en cuyo caso diremos que 𝑉 es isomorfo a 𝑊, ⁡escribimos
⁡⁡𝑉 ≅ 𝑊.

 La definición anterior nos da otra forma de llamar a las transformaciones lineales biyectivas.
 32

Teorema 16:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales de dimensión finita. Entonces 𝑉 y 𝑊 son isomorfos si y
sólo si dim 𝑉 = dim⁡(𝑊).

1. Todo espacio vectorial es isomorfo a si mismo.

2. Todo espacio vectorial 𝑉 de dimensión n es isomorfo a 𝑀𝑛𝑥1 ℛ .
3. 𝑃2 es isomorfo a ℛ3
 33

Teorema 17:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales, 𝑇: 𝑉 → 𝑊 una transformación lineal. 𝑇⁡es
invertible si y sólo si 𝑇 es biyectiva

Teorema 18:
Sean 𝑉 y 𝑊 dos 𝐾-espacios vectoriales, 𝑇: 𝑉 → 𝑊 una transformación lineal.
Si 𝑇⁡es invertible, entonces la función 𝑇 −1 ⁡también es una transformación lineal. Además
𝑇 −1 −1
=𝑇
 34

Teorema 19:
Sean 𝐵1 y 𝐵2 bases de los 𝐾-espacios vectoriales 𝑉 y 𝑊, respectivamente, 𝑇: 𝑉 → 𝑊
una transformación lineal y 𝐴𝑇,𝐵1,𝐵2 la matriz asociada a la transformación respecto a
las bases 𝐵1 y 𝐵2. Entonces
• 𝑇 es invertible, si y solo si, 𝐴𝑇,𝐵1,𝐵2 es invertible.
• Si 𝑇 es invertible, entonces
𝐴𝑇 −1 ,𝐵2,𝐵1 = (𝐴𝑇,𝐵1 ,𝐵2 )−1.
 35

Ejemplo:

y en consecuencia 𝑇 es invertible