Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Ciencias
Escuela de Matemáticas
Maestría en Matemática Para Educadores
Algebra Lineal
Prof.: Genaro Viñas
Notas de Clases
Transformaciones Lineales
Contenido
1. Transformación Lineal. Definición y ejemplos
2. Representación matricial de una transformación lineal
3. Núcleo e Imagen de una transformación lineal
4. Operador Lineal
5. Transformación lineal inyectiva
6. Transformación lineal sobreyectiva
7. Transformación lineal biyectiva (isomorfismo)
8. Composición de transformaciones lineales
9. Transformación lineal Invertible
10. Representaciones matriciales de una transformación lineal
10.1. Vector de coordenadas respecto de una base
10.2. Matriz de transición o de cambio de base
10.3. Representaciones matriciales de operadores lineales
10.4. Matrices similares o semejantes
10.5. Representaciones matriciales de transformaciones lineales
Transformaciones Lineales:
1. Definición y ejemplos:
Definición :
Sean E y F dos espacios vectoriales sobre un campo K. La función T : E → F se llama
transformación lineal de E en F si se cumplen las siguientes propiedades:
1) T (u + v) = T (u ) + T (v); u , v E
2) T ( u ) = T (u ); u E K
Ejemplos :
1) T : R → R; T ( x) = ax siendo a un escalar (La recta y = 0 se transforma en la recta, que pasa
por el origen, y = ax)
Toda línea recta que pasa por el origen, que representa la gráfica de una función de la forma
y = T ( x) = ax donde a es una constante, es una transformación lineal de R en R . Si x1 , x2 R
1) T ( x1 + x2 ) = ( x1 + x2 ) = x1 + x2 = T ( x1 ) + T ( x2 )
2) T ( x1 ) = a ( x1 ) = ( ax1 ) = T ( x1 )
x − 2y
x
2) T : R → R ; T = x + y (El plano XY se transforma en el plano 4 x + 5 y − 3z = 0)
2 3
y 3x − y
x x
4 a) T : R 2 → R 2 ; T =
y −y
x − x (transformación de reflexión respecto al eje x, al eje y
b) T : R 2 → R 2 ; T =
y y y al origen espectivamente)
x −x
c) T : R → R ; T =
2 2
y − y
a b
6) T : M 2 → P2 ; T = (a + b) x 2 + (b − c) x + (2a + d − c)
c d
Teorema 1 :
Sean E y F dos espacios vectoriales y ( E , F ) = {T : E → F / T es una transformación
lineal}, entonces ( E , F ) es un Espacio Vectorial con las operaciones usuales de suma de
funciones y multiplicación de un escalar por una función.
Demostración :
Toda transformación lineal es una función, esto garantiza que ( E , F ) es un subconjunto
del conjunto de todas las funciones. Como el conjunto de todas las funciones constituye un
espacio vectorial con la suma y multiplicación por escalar usuales, demostraremos que
( E , F ) es un subepacio de este.
Sean T1 , T2 ( E, F ) , R entonces:
= T1 ( u ) + T1 ( v ) + T2 ( u ) + T2 ( v ) = T1 ( u ) + T2 ( u )
= T1 ( u ) + T2 ( u ) + T1 ( v ) + T2 ( v ) = (T1 ( u ) + T2 ( u ) )
3) ( T1 )( u + v ) = T1 ( u + v ) 4) ( T1 )( u ) = T1 ( u )
= (T1 ( u + v ) ) = (T1 ( u ) )
= (T1 ( u ) + T1 ( v ) ) = ( T1 ( u ) )
= T1 ( u ) + T1 ( v ) = ( T1 ( u ) )
= ( T1 )( u ) + ( T1 )( v ) = ( T1 )( u )
1 y 2 prueban que T1 + T2 es lineal, 3 y 4 prueban que T1 es lineal, así queda que demostrado
que ( E , F ) es un subespacio del espacio de funciones y por ende un espacio vectorial.
Demostración
1) T (0 E ) = T ( 0 0 E ) = 0 T ( 0 E ) = 0 ( 0 F ) = 0 F
2) T ( u + v) = T ( u ) + T ( v) = T (u ) + T (v)
3) T (−u ) = T (−1 u ) = −1 T (u ) = −T (u )
4) T (u − v) = T (u + (−v)) = T (u ) + T (−v) = T (u ) + (−T (v)) = T (u ) − T (v)
Teorema 3 :
Sea E un espacio de dimensión finita n con base B = u1 , u2 , ..., un ,. Sean w1 , w2 , ..., wn
vectores de F . Supongamos que T1 , T2 ( E , F ), tales que T1 (ui ) = T2 (ui ) = wi
para i = 1, 2,..., n. Entonces para todo vector u de E se cumple que T1 (u ) = T2 (u ); es decir, T1 = T2
A partir de este teorema se puede concluir que, si E es un espacio de dimensión finita, para
determinar una transformación T: E→ F sólo necesitamos conocer el efecto que tiene T sobre
los vectores de la base en E.
Ejemplo
1 −3
1 2 x
Sea T : R → R tal que T = 2 , T = 1 .
2 3
Calcular T
2 −2 3 −1 y
1 2 x
El conjunto , constituye una base para R 2 y podemos expresar cualquier vector
2 3 y
x 1 2
de R 2 con la combinación lineal, = a1 + a2 .
y 2 3
x 1 2 1 2
escribir = a1 + a2 = (2 y − 3x) + (2 x − y ) .
y 2 3 2 3
x 1 2 1 2
Ahora podemos calcular: T = a1T + a2T = (2 y − 3x)T + (2 x − y )T
y 2 3 2 3
1 −3 2 y − 3x 3 y − 6 x 5 y − 9 x
= (2 y − 3x) 2 + (2 x − y) 1 = 4 y − 6 x + 2 x − y = 3 y − 4 x
−2 −1 6 x − 4 y y − 2 x 4 x − 3 y
5 y − 9x
x
Por lo que la regla de transformación es T = 3 y − 4 x
y
4x − 3y
Ejemplo
1 2
Sea A = 2 −1 M 3x 2 y TA : R 2 → R3 definida por
0 3
Teorema 4 :
Sean B1 = e1 , e2 ,..., en y B2 = f1 , f 2 ,..., f m las bases canónicas para R n y R m respectivamente y
Demostración :
Sea B1 = e1 , e2 ,..., en y B2 = f1 , f 2 ,..., f m las bases canónicas para R n y R m respectivamente.
Entonces u = ( x1 , x2 ,..., xn ) R n se verifica que: u = x1e1 + x2e2 + ... + en xn y
x1
x
T (u ) = T ( x1e1 + x2e2 + ... + xnen ) = x1T (e1 ) + x2T (e2 ) + ... + xnT (en ) = T (e1 ) T (e2 ) ... T (en ) 2
xn
Si hacemos A M mn cuyas columnas son los vectores T (ei ); i = 1, 2, ..., n obtenemos
x1
x
T (u ) = T (e1 ) T (e2 ) ... T (en ) 2 = Au.
xn
respectivamente. A la matriz A M mxn cuyas columnas son los vectores T (ei ), i = 1, 2,..., n,
se denomina matriz de transformación o representación matricial de T correspondiente a
la transformación T relativa a las bases canónicas para R n y R m .
1 0 0 0
0 1 1 −2 0 0 0 0
Las columnas de A son T = 0 , T = 1 , T = 1 y T = 0
0 0
0 −4
1 0
2 0
0 0 0 1
1 −2 0 0
O sea que A = 0 1 1 0
2 0 0 − 4
1 1 1
4 1 − 2(4) −7 4 1 − 2 0 0 4 1 − 8 + 0 + 0 −7
T = 4 − 2 = 2 → A = 0 1 1 0 = 0 + 4 − 2 + 0 = 2
−2 2(1) − 4(0) 2 −2 2 0 0 − 4 −2 2 + 0 + 0 + 0 2
0 0 0
Queda comprobado que T (u ) = Au .
Teorema 5 :
Si T ( E , F ),entonces el núcleo o kernel es un subespacio de E.
Demostración :
Si u, v Ker (T ),entonces T (u ) = T (v) = 0 F.Como T (u + v) = T (u) + T (v) = 0 F + 0 F = 0 F
se concluye que u + v Ker (T ).
Ejemplo
x 2x
Sean T : R2 → R2 tal que T =
y y , S = ( x, y ) R 2
/ x 2 + y 2 = 1
Ejemplos:
1) Núcleo, imagen, nulidad y rango de la transformación cero
Sean E y F espacios vectoriales de dimensiones finitas n y m respectivamente y sea
T ( E, F ) tal que T(u) = 0F para todo u en E (la transformación nula o cero), entonces
x
x
3) Determine núcleo, imagen, nulidad y rango de T : R → R talque T = y − x .
2 3
y 2x + y
x 0 x =0
x
Entonces, T = y − x = 0 , eso equivale a resolver el sistema − x + y = 0
y 2x + y 0 2 x + y = 0
que tiene como solución x = y = 0 , por lo que ker (T ) = 0,0 .
x a x =a
x
Esto es T = y − x = b = w lo que nos conduce al sistema lineal − x + y = b que
y 2x + y c
2x + y = c
tiene solución solo si c − 3a − b = 0 c = 3a + b .
a 1 0
Es decir, los vectores de Im(T) tienen la forma: b = a 0 + b 1 , por lo que
3a + b 3 1
1 0
Im(T ) = ( a, b, c ) R / c = 3a + b = gen 0 ; 1 ,
3
Rang(T) = 2 y Nul(T) = 0
3 1
a − 2b
2
(
4) Sea T : P2 → R tal que T a + bx + cx 2 = ) . Determine núcleo, imagen,
a + b − 3c
nulidad y rango de T.
que ker(T ) = a + bx + cx 2 / a = 2r , b = r c = r , r R = gen 2 + x + x 2 .
Para determinar Im(T) definimos un vector w = ( d , e ) de R 2 , aplicamos la transformación e
a − 2b d
igualamos a w. Esto es: T ( a + bx + cx 2 ) = = .
a + b − 3c e
a − 2b = d
Establecemos el sistema que tiene solución sin importar los valores de d , e
a + b − 3c = e
por lo que Im(T) = R 2 , Rang(T) = 2 y Nul(T) = 1
Teorema 8 :
Sea T ( R n , R m ) y AT la representacion matricial de T relativa a las bases canónicas de R n y R m ,
entonces:
1) La imagen de T es el espacio columna de AT .
Im(T ) = T ( E ) = Ec ( AT )
2) El rango de T es el rango de AT .
Ran(T ) = Rang ( AT )
3) El núcleo de T es el espacio nulo de AT .
Ker (T ) = Enu ( AT )
4) La nulidad de T es la nulidad de AT .
Nul (T ) = Nul ( AT ) = dim ( Enu ( AT ) )
Ejemplo
y 2x + y
2 3
R y R respectivamente.
1 0 1 0
AT = −1 1 que es equivalente a la matriz escalonada AT 0 1
2 1 0 0
Al observar la forma escalonada nos damos cuenta de que el sistema homogéneo asociado a AT
Además, Im(T ) = T ( E ) = E c ( AT ) = gen (1, −1, 2); (0,1,1) y se puede comprobar que es igual al
4. Operador Lineal
Definición :
Sea T ( E , E );es decir, T es una transformación lineal de un espacio E en sí mismo, entonces
se dice que T es un operador lineal en el espacio E.
Ejemplo
x x− y
Sea el operador lineal T ( R 2 , R 2 ), tal que T = , T se puede representar con la
y x + 2y
1 −1
transformación matricial TA donde A = .
1 2
1 −1 3 −2
Observe que para u = ( 3,5 ) , T (u ) = TAu = =
1 2 5 13
Teorema 9 :
Sea T ( E , F ), Tes inyectiva si y solo si Ker (T ) = 0E
Demostración :
Supongamos que T es inyectiva
Si u Ker (T ) T (u ) = 0 F , como T (u ) = 0 F = T (0 E ) u = 0 E , por lo que Ker (T ) = 0 E
Teorema 11:
Si T ( E , F ) siendo E y F de dimensión finita y dim ( E ) = dim( F ), entonces:
1) Si T es inyectiva, T es sobreyectiva
2) Si T es sobreyectiva, T es inyectiva
Teorema 12 :
Si T ( E , F ) siendo E y F de dimensión finita, entonces:
1) Si dim( E ) dim( F ), T no es inyectiva
2) Si dim( E ) dim( F ), T no es sobreyectiva
De los teoremas 11 y 12 se puede concluir que para que T ( E, F ) sea un isomorfismo debe
ocurrir que dim( E ) = dim( F ). Además, si E y F son espacios isomorfos y uno de ellos es de
dimensión finita n, entonces la dimensión del otro también es n. Cualquier par de espacios
vectoriales que tienen la misma dimensión (finita) son isomorfos.
Ejemplos
1) Pn R n+1
2) M mxn R mn
3) P3 R 4 M 2
8. Composición de T. L.
Definición :
Sean T ( E , F ) y T ( F , G ) transformaciones lineales, se define la composición de T y T
denotada por T T : E → G como (T T ) (u ) = T (T (u ) ) para todo u E
Ejemplo
a
Sean T : R 2 → P2 tal que T = 2a + (b − a ) x + 3bx 2 y T : P2 → R 3 tal que
b
a+c
T ( a + bx + cx 2 ) = 2b − c , determinar (T T ) (u ) : R 2 → R 3 .
a −b + c
2a + 3b 2a + 3b
(T T ) (u ) = T (T (u ) ) = T ( 2a + (b − a) x + 3bx 2 ) = 2(b − a) − 3b = −2a − b
2a − (b − a) + 3b 3a + 2b
x x − 3y
Sean T : R 2 → R 2 tal que T = y T : R 2 → R 2 tal que
y −2 x + 7 y
x 7x + 3y
T = . Determine si T T son inversas.
y 2x + y
Debemos comprobar si T T : R 2 → R 2 = Id R2 y T T : R 2 → R 2 = Id R2
Calculamos
x x 7 x + 3 y 7 x + 3 y ) − 3(2 x + y )
( T T) = T T = T =
y y 2 x + y −2(7 x + 3 y ) + 7(2 x + y )
7x + 3y − 6x − 3y x
= = = Id R2
−14 x − 6 y + 14 x + 7 y y
x x x − 3 y 7( x − 3 y ) + 3(−2 x + 7 y )
( T T ) = T T = T =
y y −2 x + 7 y 2( x − 3 y ) − 2 x + 7 y
7 x − 21y − 6 x + 21y x
= = = Id R2
2 x − 6 y − 2 x + 7 y y
Teorema 13:
La transformación lineal T : E → F es invertible, si y solo si, T es un isomorfismo.
Ejemplos:
x x−z
1) Sea T : R 3 → R 3 tal que T y = 2 x − y , determine T −1 si existe.
z −x + 2 y − 2z
Probemos si T es inyectiva determinando si Ker (T ) = 0 R3 . Para ello resolvemos el sistema:
x − z =0 1 0 − 1 1 0 0
2x − y = 0 2 − 1 0 0 1 0
−x + 2 y − 2z = 0 −1 2 − 2 0 0 1
La solución del sistema es x = y = z = 0 lo que significa que Ker (T ) = 0 R3 , que T es un
isomorfismo y es invertible. Procedemos ahora a determinar T −1
x − z =a 1 0 − 1 : a 1 0 0 : c + 2b − 2a
2x − y = b 2 − 1 0 : b 0 1 0 : 2c + 3b − 4a
−x + 2 y − 2z = c −1 2 − 2 : c 0 0 1 : c + 2b − 3a
x = c + 2b − 2a
La solución de este sistema es y = 2c + 3b − 4a .
z = c + 2b − 3a
x c + 2b − 2a a
Entonces sustituyendo los valores de x, y, z se obtiene T y = T 2c + 3b − 4a = b
z c + 2b − 3a c
c + 2b − 2a a a c + 2b − 2a
T −1 T 2c + 3b − 4a = T −1 b . Esto implica que T −1 b = 2c + 3b − 4a .
c + 2b − 3a c c c + 2b − 3a
Comprobemos este resultado para un caso particular. Siendo u = (1, 3,2 ) determine T(u) y
1 1− 2 −1 −1
T (u ) = T 3 = 2(1) − 3 = 2 − 3 = −1
2 −1 + 2(3) − 2(2) −1 + 6 − 4 1
1 1 + 2(−1) − 3(−1) 1 − 2 + 3 2
a−c
2) Sea T : P2 → R tal que T ( a + bx + cx ) = b + 2c , determine T −1 si existe.
3 2
3a + b
Lo primero que debemos determinar es si T es un isomorfismo, pues de no serlo T no sería
invertible. Basta con probar una de las dos condiciones, si T es inyectiva o si es sobreyectiva.
Probemos si T es inyectiva determinando si Ker (T ) = 0 P2 . Para ello resolvemos el sistema:
a − c =0
b + 2c = 0 Por simple inspección podemos observar que la solución del sistema es
3a + b = 0
d a −c d
Definimos un vector e R 3 tal que T ( a + bx + cx 2 ) = 2b + c = e R 3 y
f 3a + b f
d
T −1 e = a + bx + cx 2 .
f
A partir de esto establecemos el sistema:
1 0 − 1 : d 1 0 0 :
2 f −e − d
a−c =d
5
2b + c = e 0 2 1 : e 0 1 0 : 3 d + 3e − f
5
3a + b = f 3 1 0 : f 2 f −e −6 d
0 0 1 : 5
2f −e−d
a = 5
3d + 3e − f
La solución de este sistema es b = .
5
2 f − e − 6d
c =
5
Entonces sustituyendo los valores de a, b, c se obtiene
d
T ( a + bx + cx 2 ) = T ( 2 f −e − d
5
+ 3d +35e− f x + 2 f −5e−6 d x 2 ) = e
f
Si aplicamos T −1 a ambos lados de la igualdad anterior obtenemos:
d
( (
T −1 T 2 f −e − d
5
+ 3d +35e− f x + 2 f −5e−6 d x 2 )) = T −1 e .
f
d
Esto implica que T −1 e =
( 2 f −e − d
5
+ 3d +35e− f x + 2 f −5e−6 d x 2 . )
f
3− 2 1
T (u ) = T ( f ( x) ) = T ( 3 − 5 x + 2 x ) = 2(−5) + 2 = −8
2
3(3) − 5 4
1
2(4) − (−8) − 1 3(1) + 3(−8) − 4 2(4) − (−8) − 6(1) 2
T (T (u ) ) = T −8 =
−1 −1
+ x+ x
4 5 5 5
8 + 8 − 1 3 − 24 − 4 8 + 8 − 6 2 15 −25 10
= + x+ x = + x + x2 = 3 − 5x + 2 x2 = u
5 5 5 5 5 5
Queda comprobado que T −1 (T (u ) ) = u , esto ocurre porque T −1 es la inversa de T.
Definición:
Sea B = {u1 , u2 ,..., un } una base ordenada para un espacio vectorial E de dimensión n, entonces
cada vector v E se puede expresar de forma única como v = 1u1 + 2u2 + ... + nun , donde
2) Sea B = f1 ( x) = x 2 − x + 1; f 2 ( x) = x + 3; f 3 ( x) = 2 x 2 + 5 una base ordenada para P2 ,
Solución:
3) u B = v B u = v
4) u B = 0R u = 0E
n
1) Sea A M mxn una matriz tal que Ax = 0 R n para todo x R n . Entonces A es la matriz
cero o matriz nula de orden m x n.
2) Sea A M mxn una matriz tal que Ax = x para todo x R n . Entonces A = I n (la matriz
identidad de orden n).
Teorema 15:
Sean B1 = {u1 , u2 ,..., un } y B2 = {v1 , v2 , ..., vn } bases ordenadas para un espacio vectorial E de
dimensión n y aij R escalares tales que:
u B = P u B
1 2
u B = P −1 u B
2 1
Demostración:
Si B1 = {u1 , u2 ,..., un } y B2 = {v1 , v2 , ..., vn } son bases ordenadas para E todo vector u de E se
puede expresar como
v2 = a12u1 + a22u2 + ... + an 2un v2 B = ( a12 , a22 ,..., an 2 )
(2) 1
vn = a1nu1 + a2 nu2 + ... + annun
vn B = ( a1n , a2n ,..., ann )
1
u = ( b1a11 + b2 a12 + ... + bn a1n ) u1 + ( b1a21 + b2a22 + ... + bn a2 n ) u2 + ... + ( b1an1 + b2an 2 + ... + bnann ) un
b1an1 + b2 an 2 + ... + bn ann an1 an 2 ... ann bn
La matriz P es invertible ya que sus columnas, de acuerdo al teorema 14 (5), son vectores
linealmente independientes. Entonces:
Como las columnas de P son los vectores de coordenadas de cada vector de la base B2
1 1 3
P = 1 2 −1 es la matriz de cambio de base de la base B2 a la base B1 .
0 1 2
5 1
−
7 5 1 −7
6 6 6
1
Q = P −1 = − 1 1 2
= 6 −2 2 4 es la matriz de cambio de base de la base B1 a la
3 3 3
1 −
1 1 1 −1 1
6 6 6
base B2 .
1 1 3 0 2
P u B = 1 2 −1 −1 = −3 = u B
0 1 2 1 1
2 1
5 1 −7 2 0 0
Q u B
1
= −2 2 1
4 −3 = −6 = −1 = u B
6 6
1 −1 1 1
1 2
6 1
1 2 : 1 0 1 0 7 −2
sistemas cuya matriz ampliada es: A / B = 0 1 −3 1 .
1 3 : −2 1
7 −2 1 2
Esto significa que P = y Q = P −1 =
−3 1 3 7
f = ( 21, − 8 ) f = ( 5, 7 )
B1 B2
7 −2 5 21
P f = = = f B1 y
B2
−3 1 7 −8
1 2 21 5
Q f = −8 = 7 = f B2
B1
3 7
Definición:
Sean T : E → E un operador lineal en el espacio E, B = {u1 , u2 ,..., un } una base ordenada para
Ejemplo:
y f ( x) = 2 + 4 x − 5 x 2 + x3 . Determine:
( )
3) T ( f ( x) ) = T 2 + 4 x − 5 x 2 + x3 = 4 − 10 x + 3x 2
0 1 0 0 2 4
0 0 4 −10
T B f ( x)B =
0
0
0
2
0
=
3 −5 3
= T ( f ( x) ) B
0 0 0 0 1 0
Teorema 17:
Sean T : E → E de un operador lineal en el espacio E, B = {u1 , u2 ,..., un} una base ordenada
para E, entonces la representación matricial T B de T es única.
representación matricial de T relativa a una base B. Supongamos, además, que A es una matriz
cuadrada de orden n tal que T (u ) B = Au B , u E . Entonces
T (u )B = T B u B = Au B
T B u B − Au B = 0 Rn
u R
n
(T B − A) u B = 0 Rn
T B − A = 0M n
Teorema 18:
Demostración:
Como ya vimos antes (teorema 15) u B = P u B y u B = P −1 u B para todo u E.
1 2 2 1
Entonces tenemos:
T (u )B = T B u B = P −1 T (u ) B
2 2 2 1
(
= P −1 T B u B
1 1
)
= P (T
−1
B1
P u B
2
)
u E
(
= P −1 T B
1
) ( P u ) B2
= (P −1
T B P ) u
1 B2
T B2
= P −1 T B P.
1
Ejemplo:
x x− y
Sea el operador lineal T : R 3 → R 3 , tal que T y = y + 2 z y B1 = {u1 = (1,0,2),
z x + y − z
u2 = (0,1, −2) u3 = (1, −1,3)} y B2 = {v1 = (1,2,3), v2 = (2,3,4) v3 = (1, −1,1)} bases
ordenadas para R3. Determinar:
−1
2) La matriz de cambio de base de B2 a B1 , ( P) y P
6 8 −2 3 −12 10
P = −3 −3 2 P = −1 8 −6
1−1
4
−5 −6 3 3 −4 6
obtenida en (3)
9 11 17 1
T (v1 ) = T (1,2,3) = (−1,8,0) T (v1 )B = − , , − = 4 ( −9, 11, − 17 )
4 4 4
2
5 7 11
T (v2 ) = T (2,3,4) = (−1,11,1) T (v2 ) B = − , , − = 1 ( −10,14, − 22 )
4
2 2 2
2
T (v3 ) = T (1, −1,1) = (2,1, −1) T (v ) = − 21 , 15 , − 1 = 1 ( −21,15, − 1)
3 B2 4
4 4 4
−9 −10 −21
1
Por tanto T B = 11 14 15
2
4
−17 −22 −1
Ejemplo:
1 1 1 1 −1 2 − 1
Sean A = = 1 = −1 1 .
2
, C y C
−2 4
2 0 1 1
Entonces podemos afirmar que B = =
3 −2 4 son matrices semejantes.
y A
0
2 − 1 4 − 2 8 − 5 − 4 + 3 3 − 1
CB = 5 − 3 = −4 + 5 2 − 3 = 1 − 1 .
−1 1
2 1 2 − 1 4 − 1 − 2 + 1 3 − 1
AC = −1 1 = 0 + 1 0 − 1 = 1 − 1
0 − 1
1) A A
2) A B B A
3) A B y B D A D
Por el teorema 18 se puede afirmar que dos representaciones cualesquiera de un operador lineal
T : E → E son semejantes o similares.
Por el inciso 4 del teorema 19 se deduce que cualquier par de representaciones matriciales
relativas a bases diferentes de un operador lineal en un espacio E tienen el mismo
determinante, pues son matrices semejantes.
Si una representación matricial de un operador lineal es invertible todas las demás también lo
son por ser todas matrices semejantes o similares.
Ejemplo:
x x− y
T y = y + 2 z y B1 = {u1 = (1,0,2), u2 = (0,1, −2) u3 = (1, −1,3)}
z x + y − z
y B2 = {v1 = (1,2,3), v2 = (2,3,4) v2 = (1, −1,1)} obtuvimos:
6 −2 5 −9 −10 −21
= −1 −2 2
1
T B
y T B = 11 14 15
1 2
4
−5 1 −3 −17 −22 −1
6 −2 5
det T B = det −1 −2 2 = 36 + 20 − 5 − 50 + 6 − 12 = −5
1
−5 1 −3
−9 −10 −21
= det 11 14 15 = (126 + 2550 + 5082 − 4998 − 110 − 2970)
1 1
64 64
−17 −22 −1
1
= (−320) = −5
64
B, T B
−1
es la representación matricial del operador lineal inverso T −1 relativa a la misma
base.
Definición:
Sean E y F espacios vectoriales de dimensiones finitas; B1 = {u1 , u2 ,..., un } y
B2 = {v1, v2 ,..., vm} bases para dichos espacios; T ( E, F ) y aij R tales que:
1
= 21 22
2n
= T ( u1 ) B
2
T ( u2 ) B
2
T ( un ) B
2
an1 an 2 ... ann
respecto a la base B2 .
Ejemplo:
3x + y
x
Sea T : R → R tal que T = x − 3 y . Sean B1 = ( 1, 2 ) ; ( 3, −1) y
2 3
y x + y
B2 = ( 1, 0, − 1) ; ( 0,2,1) ; ( 2,5,0 ) bases para R 2 y R3 respectivamente. Hallar T B12 .
B
5 8
1 3
Hallamos T = −5 ; T = 6
2 3 −1 2
Determinamos las coordenadas de cada vector resultado de la transformación en la base B2 .
Esto nos conduce a dos sistemas de ecuaciones que podemos resolver de manera simultánea
puesto la matriz de coeficientes es la misma para ambos.
1 0 2 : 5 : 8
Esto produce la matriz aumentada siguiente 0 2 5 : −5 : 6
−1 1 0 : 3 : 2
1 0 0 : 47 : 36
Su forma escalonada reducida es 0 1 0 : 50 : 38
0 0 1 : −21 : −14
47 36
Esto nos indica que T B1 = 50 38
B2
−21 − 14
1 B1
−1
−1
Calculemos T = −7 y para obtener T (u )B planteamos el sistema que tiene como
2 1 2
1 0 0 :13 13
Su forma escalonada reducida es 0 1 0 :14 , entonces T (u ) B = 14 .
2
0 0 1 : − 7 −7
Para obtener u B planteamos el sistema que tiene como matriz aumentada 12 3 : −1
− 1 : 2
y
1
5 5
1 0 7
su forma escalonada reducida es , entonces u B = 74 .
0 1 − 4
1
−
7
7
47 36 5
T (v ) B = T B1 v B = 50 38 74
B2
−
7
2 1
−21 − 14
47 5 + 36 − 4 235 − 144 91
7 7
7 7
7
13
= 50 75 + 38 − 74 = 250 −
152
= 98
= 14
105 56 49
7 7 7
−21 7 −14 − 7 − 7 + 7 − 7 −7
5 4
Sean E, F espacios vectoriales de dimensiones finitas; B1 y B1 bases para E; B2 y B2 bases
1
= Q −1 T B2 P.
B
1
hecho de que Q sea la matriz de cambio de base de B2 a B2 implica que v B = Q v B y
2 2
además vB = Q −1
vB .
2 2
Recordemos además que si B1 y B2 son respectivas bases para E y F, entonces para todo
u E se verifica que T (u )B = T B u B . Si partimos de Q−1 T B P u B obtenemos:
2
B2
1 1
( B2
1
) 1
(Q −1
T B
B2
1
) 1
(
P u B = Q −1 T B2 P u B
B
1
) 1
(
= Q −1 T B2 u B
B
1
) 1
(
= Q −1 T B2 u B
B
1 1
)
= Q −1 T (u )B
2
= T (u )B
2
(Q −1
T B
B2
1
) 1 2 1
B
P u B = T (u )B Q −1 T B2 P = T B2 como consecuencia de T (u )B = T B2 u B
B
1 2
B
1 1
Ejemplo:
x
x − y + 2z
Sea T : R → R ; T y =
3 2
. Sean B1 y B2 las bases canónicas de R 3 y R 2
z 2x + 3y − z
respectivamente y B1 = ( 1, 0, − 1) ; ( 0,2,1) ; ( 2,5,0 ) , B2 = (1, 1) ; ( 2,5) .
1 0 0
− 2 1 0
T 0 = = 1 + 2 ; T 1 = = −1 + 3 ; T 0 = = 2 − 1
1 1 0 1 1 0
0 2 0 1 0 3 0 1 1 −1 0 1
1 −1 2
. T B2 =
B
1
2 3 −1
Por otro lado, como
1 1 0 2 1 0
1 = 1 0 + 11 ; 5 = 2 0 + 5 1 se obtiene que:
1 0 2 5 2
−
1 2 1 5 −2
P = 0 2 5 ;
3 3
Q= ; Q −1 = =
−1 1 0 1 5 − 1 1 3 −1 1
3 3
1 0 2
B2 1 5 −2 1 −1 2 0 2 5 = 1 −11 −10 −53
T =Q −1
T B
B2
P=
B1 1
3 −1 1 2 3 −1 3 4 5 22
−1 1 0