ECUACIONES DIFERENCIALES Y ÁLGEBRA LINEAL

SEMANA 10

JESÚS APONTE

Índice
1. El teorema del núcleo y la imagen 1
2. Álgebra de las transformaciones lineales 3
3. Coordenadas e isomorfismos 6
4. Ejercicios 9

1. El teorema del núcleo y la imagen

En esta sección enunciamos uno de los teoremas más importante del Álgebra Lineal, a
saber el Teorema del Núcleo y la Imagen. Tal teorema relaciona la dimensión del dominio
de una transformación lineal con las dimensiones de su núcleo e imagen. Su demostración
puede ser omitida en una primera lectura.
Teorema 1. Sean V, W espacios vectoriales de dimensión finita. Para toda transformación
lineal T : V → W se tiene que dim V = dim N(T ) + dim Im(T ).
Demostración. El teorema resulta inmediatamente de la siguiente afirmación más precisa:
Si {T (u1 ), . . . , T (u p )} es una base de Im(T ) y {v1 , . . . , vq } es una base de N(T ) entonces
{u1 , . . . , u p , v1 , . . . , vq } es una base de V. En efecto, en primer lugar si tuviéramos

c1 u1 + · · · + c p u p + d1 v1 + · · · + dq vq = 0,
entonces, aplicando T a ambos miembros de esta igualdad y recordardo que v1 , . . . , vq
pertenecen al núcleo de T , obtenemos
c1 T (u1 ) + · · · + c p T (u p ) = 0.

Como los vectores T (u1 ), . . . , T (u p ) son l.i., resulta de ahí que c1 = · · · = c p = 0. Por lo
tanto, la igualdad c1 u1 + · · · + c p u p + d1 v1 + · · · + dq vq = 0 se reduce a

d1 v1 + · · · + dq vq = 0.

Como v1 , . . . , vq son l.i., concluimos que d1 = · · · = dq = 0. Esto demuestra que los

vectores u1 , . . . , u p , v1 , . . . , vq son l.i. En seguida consideremos un vector arbitrario w ∈ V.
Como T (w) ∈ Im(T ), podemos escribir
T (w) = c1 T (u1 ) + · · · + c p T (u p ),

pues {T (u1 ), . . . , T (u p )} es una base la imagen de T . La igualdad arriba puede ser reescrita
como

T [w − (c1 u1 + · · · + c p u p )] = 0.
1
2 JESÚS APONTE

Así, el vector w − (c1 u1 + · · · + c p u p ) pertenece al núcleo de T , luego puede ser escrito

como combinación lineal de los elementos de la base {v1 , . . . , vq }. Tenemos entonces
w − (c1 u1 + · · · + c p u p ) = d1 v1 + · · · + dq vq ,
o sea, w = c1 u1 + · · · + c p u p + d1 v1 + · · · + dq vq . Esto demuestra que los vectores
u1 , . . . , u p , v1 , . . . , v q
generan V por lo tanto constituyen una base. 
Ejemplo 2. Sea T : R3 → R2 la transformación dada por
     
x x ˜ x
1 1 1  
•
T y  = A y  = y .
2 −1 −1
z z z
Ya vimos que dim N(T ) = 1, así, por teorema del núcleo y la imagen, obtenemos
3 = dim R3 = dim Im(T ) + N(T ) = dim Im(T ) + 1 =⇒ dim Im(T ) = 2.
De hecho
Im(T ) = Col(A) = gen{(1, 2), (1, −1), (1, −1)} = gen{(1, 2), (1, −1)}.
En particular, T es sobreyectiva pero no es inyectiva.
Ejemplo 3. Sea T : P3 → P4 la función dada por (T p)(x) = x p(x). Veamos que T es una
transformación lineal. En efecto, sean p, q ∈ P3 y c ∈ R. Entonces
T ( p + q)(x) = x( p + q)(x) = x( p(x) + q(x)) = x p(x) + x q(x) = T p(x) + T q(x),
lo que demuestra que T preserva la suma de vectores, y
T (c p)(x) = x(c p)(x) = x c p(x) = c(x p(x)) = cT p(x), lo que demuestra que T
preserva la multiplicación por un número real.
Por lo tanto, T es una transformación lineal. Ahora sea p(x) = a0 + a1 x + a2 x 2 + a3 x 3 un
polinomio arbitrario de R3 . Entonces,
T p(x) = x p(x)
= x(a0 + a1 x + a2 x 2 + a3 x 3 )
= a0 x + a1 x 2 + a2 x 3 + a3 x 4 .
Por lo tanto, cualquier vector de la imagen se escribe como combinación lineal del con-
junto {x, x 2 , x 3 , x 4 }. Tal conjunto vectores es l.i., como puede verificarse fácilmente, luego
es una base de Im(T ). El teorema de la dimensión nos dice
4 = dim P3 = dim N(T ) + dim Im(T ) = dim N(T ) + 4.
En consecuencia, dim N(T ) = 0. En particular T , es una transformación lineal inyectiva
que no es sobreyectiva.
Ejemplo 4. Sea P : R2 → R2 la proyección ortogonal sobre la recta y = ax. Esta recta es el
subespacio de R2 generado por el vector (1, a), por lo que dim Im(P ) = 1. El teorema del
núcleo y la imagen implica que dim N(P ) = 1 (esto no es una sorprendente, pues el núcleo
de P es también una recta que pasa por el origen). En particular, P es una transformación
lineal que no es inyectiva ni sobreyectiva.
Ejemplo 5. Ya vimos que toda rotación de ángulo en torno del origen R: R2 → R2 es
sobreyectiva, por lo que dim Im(R) = 2. Por el teorema del núcleo y la imagen se tiene
que
dim R2 = dim N(R) + Im(R) = dim N(R) + 2 =⇒ dim N(R) = 0.
Por lo tanto R es una transformación lineal tanto inyectiva como sobreyectiva.
 3

2. Álgebra de las transformaciones lineales

Sean V y W espacios vectoriales. Denotamos por L (V; W) al conjunto de todas las trans-
formaciones lineales de V a W. Damos a L (V; W) una estructura de espacio vectorial
definiendo la suma de dos transformaciones lineales S, T : V → W y el producto de un
número real c ∈ R por una transformación lineal T : V → W, como las transformaciones
lineales S + T : V → W, dada por
(S + T )(v) = S(v) + T (v), ∀ v ∈ V,
y cT : V → W, dada por
(cT )(v) = cT (v), ∀ v ∈ V,
respectivamente. Es fácil verificar que L (V; W) juntos con estas operaciones es un es-
pacio vectorial. Por ejemplo, la transformación lineal nula 0: V → W, dada por 0(v) =
0, ∀ v ∈ V, satisface el axioma de vector nulo, y haciendo −T : V → W por (−T )(v) =
−T (v), ∀ v ∈ V, se verifica que T + (−T ) = −T + T = 0. Escribiremos L (V) en vez de
L (V; V) y V∗ en vez de L (V; R).
Proposición 6. Sean S, T ∈ L (Rn ; R m ), sean A y B las matrices de S y T , respectivamente,
relativas a las bases canónicas de Rn y R m , y sea c un número real. Entonces, A + B y cA son
las matrices de S + T y cT relativas a las bases canónicas de Rn y R m , respectivamente.
Demostración. Para cada vector e j de la base canónica de Rn , escribamos S e j = (a1 j , a2 j , . . . , a m j )
y T e j = (b1 j , b2 j , . . . , b m j ). Entonces,
(S + T )(e j ) = S e j + T e j
= (a1 j , a2 j , . . . , a m j ) + (b1 j , b2 j , . . . , b m j )
= (a1 j + b1 j , a2 j + b2 j , . . . , a m j + b m j ).
Por tanto, la matriz de S + T respecto a las bases canónicas de Rn y R m es
[ai j + bi j ] = A + B,
como se querá demostrar. La demostración de que cA es la matriz de cT respecto a las
bases canónicas de Rn y R m es similar y se deja como ejercicio. 

Sean T ∈ L (V; W) y S ∈ L (W; Z). Se define el producto ST ∈ L (V; Z), como la

transformación lineal dada por
(ST )(v) = S(T v), ∀ v ∈ V.
Se ve de inmediato que ST es de hecho una transformación lineal de V en Z. Observe
que ST no es más que la compuesta S ◦ T de las funciones S y T . El orden en este
producto es importante: ST solo está definido si el codominio de T es igual al dominio
de S. Evidentemente, si S y T son operadores lineales de un mismo espacio, podemos
definir ambos ST y T S. Sin embargo, como ocurre con el producto de matrices, no es
cierto en general que ST = T U . Este hecho no es la única propiedad que comparte el
producto de transformaciones lineales con el producto de matrices, como veremos de
aquí a poco. Note si T es un operador lineal, también podemos definir el producto de T
consigo mismo T T . Usaremos la notación T 2 = T T . Inductivamente denotamos, para
n > 2, T n = T T n−1 . Por extensión, también escribiremos T 0 = IV , cuando T 6= 0.
Proposición 7. El producto de transformaciones lineales es asociativo. Esto es, si U ∈ L (V; W),
T ∈ L (W; Z) y S ∈ L (Z; P), entonces
S(T U ) = (ST )U .
Demostración. En general, la composición de funciones es asociativa. 
4 JESÚS APONTE

En virtud de la Proposición 7, si U ∈ L (V; W), T ∈ L (W; Z) y S ∈ L (Z; P), pode-

mos definir el producto ST U bien sea como S(T U ) o como (ST )U , sin que exista riesgo
de ambigüedad. Evidentemente, podemos extender esta idea y definir el producto de n
operadores lineales.
Proposición 8. El producto de transformaciones lineales es distributivo respecto a la suma
de transformaciones lineales. Esto es, si U , T ∈ L (V; W) y S ∈ L (W; Z) entonces
S(T + U ) = ST + S U .
Demostración. Para todo v ∈ V, se tiene que
S(T + U )(v) = S(T v + U v)
= S(T v) + S(U v)
= (ST )v + (S U )v.

Por tanto, S(T + U ) = ST + S U . 

Observación 9. También es cierto que si U ∈ L (V; W) y S, T ∈ L (W; Z), entonces

(S + T )U = S U + T U , pero esto es un hecho general de la composición de funciones
definidas en espacios vectoriales, no solo de las transformaciones lineales.
Proposición 10. El producto de transformaciones lineales es homogéneo respecto a la multi-
plicación por un número real. Esto es, si T ∈ L (V; W), S ∈ L (W; Z) y c es un número real,
entonces
S(cT ) = (c S)T = c(ST ).
Demostración. Para todo v ∈ V, se tiene que
S(cT )(v) = S((cT )v) = S(cT v) = c S(T v) = c(ST )v = (c S)(T v) = (c S)T (v).


Proposición 11. El operador identidad actúa como un elemento neutro. Esto es, si T ∈
L (V; W), entonces
T = T IV = IW T .
Demostración. Ejercicio. 

Proposición 12. La transformación lineal nula actúa como un elemento absorvente. Esto
es, si T ∈ L (V; W), entonces
T0=0 y 0T = 0,
donde en cada miembro 0 representa la transformación lineal nula entre espacios vectoriales
adecuados.
Demostración. Ejercicio. 

La siguiente proposición relaciona directamente el producto de transformaciones li-

neales en espacios euclidianos con el producto de matrices.
Proposición 13. Sean T ∈ L (Rn ; R m ) y S ∈ L (R m ; R p ); sea A la matriz de T respecto a
las bases canónicas de Rn y R m , y sea B la matriz de S respecto a las bases canónicas de R m y
R p . Entonces BA es la matriz de ST respecto a las bases canónicas de Rn y R p .
Demostración. Para efectos de la prueba, denotamos por e j el j -ésimo vector canónico
de Rn y por ēi el i-ésimo vector canónico de R m . Escribamos T e j = (a1 j , . . . , a m j ), j =
 5

1, . . . , n, y S ēi = (b1i , . . . , b pi ), i = 1, . . . , m. Luego,

(ST )e j = S(T e j )
= S(a1 j , . . . , a m j )
= S(a1 j ē1 + · · · + a m j ē m )
= a1 j S ē1 + · · · + a m j S ē m
= a1 j (b11 , . . . , b p1 ) + · · · + a m j (b1m , . . . , b p m )
= (a1 j b11 + · · · + a m j b1m , . . . , a1 j b p1 + · · · + a m j b p m )
= (b11 a1 j + · · · + b1m a m j , . . . , b p1 a1 j + · · · + b p m a m j ).
Por tanto, la matriz de ST respecto a las bases canónicas de Rn y R p es la matriz
– m ™
X
bi k ak j = BA,
k=1

como se quería demostrar. 

Observación 14. Como una matriz m × n determina una transformación lineal de R a n

R m , la Proposición 13 junto con las Proposiciones 7, 8, 10, 11 y 12 proporcionan otra

demostración de las propiedades correspondientes para el producto de matrices. Estas
pruebas no requieren ningún cálculo y son completamente independientes de las pruebas
dadas anteriormente.
Definición 15. Una transformación lineal T : V → W es invertible si es inyectiva y
sobreyectiva al mismo tiempo.
La noción de transformación lineal invertible tiene sentido para cualquier transforma-
ción T : V → W. Dada una transformación invertible es posible definir la transformación
inversa de T , T −1 : W → V, como la función dada por la condición
T −1 (w) = v ⇐⇒ T (v) = w.
Esta transformación está bien definida y además es única. En el caso de que T sea una
transformación lineal, entonces T −1 también es una transformación lineal.
Teorema 16. Sea T : V → W una transformación lineal invertible. Entonces la transforma-
ción inversa T −1 : W → V también es una transformación lineal.
Demostración. Sean w1 = T (v1 ), w2 = T (v2 ) ∈ W. Note que v1 = T −1 (w1 ) y v2 =
T −1 (w2 ). Entonces,
T −1 (w1 + w2 ) = T −1 (T (v1 ) + T (v2 )) = T −1 (T (v1 + v2 ))
= v1 + v2 = T −1 (w1 ) + T −1 (w2 ).
Ahora sea w = T (v) ∈ W y c ∈ R. Enconces,
T −1 (c w) = T −1 (cT (v)) = T −1 (T (c v)) = c v = cT −1 (w).
Por lo tanto, T −1 es una transformación lineal, como se quería demostrar. 
La siguiente proposición contiene algunas propiedades importantes sobre transfor-
maciones lineales invertibles, que son en realidad propiedades conocidas de funciones
invertibles más generales.
Proposición 17. Sean T ∈ L (V; W) y U ∈ L (W; Z). Entonces,
1. Si T es invertible entonces T −1 es invertible y (T −1 )−1 = T . Además, T T −1 = IW y
T −1 T = IV
2. Si U también es invertible, entonces U T es invertible y (U T )−1 = T −1 U −1 .
6 JESÚS APONTE

Ejemplo 18. Sea T : R2 → P1 la transformación lineal dada por

T (a, b )(x) = (2a + 4b ) + (2a + 3b )x.
Demuestre que T es invertible y halle su transformación inversa.
Solución. Primero verifiquemos que T es inyectiva. Para ello demostramos que N(T ) =
{0}. En efecto, si T (a, b ) = 0, entonces (2a + 4b ) + (2a + 3b )x = 0, ∀ x ∈ R. Por lo tanto,
2a + 4b = 0
2a + 3b = 0.
En vista que 2 · 3 − 4 · 2 = −2 6= 0, el sistema anterior solo tiene solución trivial (a, b ) =
(0, 0). Por lo tanto, T es inyectiva. El teorema del núcleo y la imagen nos dice que
2 = dim R2 = dim N(T ) + dim Im(T ) = 0 + dim Im(T ) =⇒ dim Im(T ) = 2.
En vista que dim P1 = 2, se tiene que Im(T ) = P1 , en otras palabras, T también es sobre-
yectiva y en consecuencia T es invertible. Para hallar la regla de correspondencia de T −1 ,
note que T −1 (A + B x) = (a, b ) si, y solamente si,
T (a, b )(x) = (2a + 4b ) + (2a + 3b )x = A + B x, ∀ x ∈ R.
Es decir, (a, b ) satisface el sistema de ecuaciones
2a + 4b = A
2a + 3b = B.
3
Al resolver este sistema, no da a = − 2 A+2B, b = A−B. En conclusión, T −1 es dada por
3
 ‹
−1
T (A + B x) = − A + 2B, A − B .
2

Abstraigamos lo que acabamos de hacer.
Teorema 19. Sea T : V → W una transformación lineal entre los espacios de dimensión
finita V y W. Suponga que dim V = dim W. Las siguientes afirmaciones son equivalentes:
1. T es invertible.
2. T es inyectiva.
3. T es sobreyectiva.
Demostración. Si T es invertible, entonces por definición T es inyectiva y sobreyectiva.
Por otro lado, el teorema del núcleo y la imagen nos dice que
dim V = dim N(T ) + dim Im(T ).
Entonces dim N(T ) = 0 si, y solamente si, dim Im(T ) = dim V; equivalentemente, T =
{0} si, y solamente si, Im(T ) = V. Por tanto, si una de las afirmaciones a) y b ) es verda-
dera, entonces la otra también lo será. En particular, T será invertible. 

3. Coordenadas e isomorfismos
Una característica útil de una base de un espacio vectorial dimensión n es que podemos
asociar a cada vector del espacio un vector de Rn llamado su vector de coordenadas. Esta
representación nos permitirá tratar a cualquier espacio vectorial de dimensión n como si
fuese un espacio euclidiano n-dimensional, y en consecuencia dos espacios vectoriales de
la misma dimensión serán esencialmente iguales.
Teorema 20. Sea V un espacio vectorial y {v1 , v2 , . . . , vn } un conjunto linealmente indepen-
diente de V. Si c1 v1 + c2 v2 + · · · + cn vn = d1 v1 + d2 v2 + · · · + dn vn , entonces c1 = d1 , c2 =
d2 , . . . , c n = d n .
 7

Demostración. El teorema es consecuencia de la siguiente cadena de implicaciones:

c 1 v1 + c 2 v2 + · · · + c n v n = d 1 v1 + d 2 v2 + · · · + d n v n
=⇒ (c1 − d1 )v1 + (c2 − d2 )v2 + · · · + (cn − dn )vn = 0
=⇒ c1 − d1 = c2 − d2 = · · · = cn − dn = 0
=⇒ c1 = d1 , c2 = d2 , . . . , cn = dn .

El teorema anterior nos dice que cualquier vector que pueda escribirse como com-
binación lineal de los vectores v1 , v2 , . . . , vn , lo puede hacer de una única manera. En
particular, si B = {v1 , v2 , . . . , vn } es una base de V, entonces para todo vector v ∈ V
existen números reales únicos c1 , c2 , . . . , cn ∈ R tal que
v = c1 v1 + c2 v2 + · · · + cn vn .
Tales números reales se denominan las coordenadas de v respecto a la base B. Es útil
introducir el vector de coordenadas de v respecto a la base B; este es el vector
 
c1
 c2 
[v]B =  .  ,
 
 .. 
cn
donde c1 , c2 , . . . , cn son las coordenadas de v respecto a la base B.
Ejemplo 21. Respecto la base canónica C = {e1 , e2 , . . . , en }, todo vector v = (x1 , x2 , . . . , xn )
coincide con su vector de coordenadas respecto a dicha base, esto es,
 
x1
 x2 
[v]C = v =  .  .
 
 .. 
xn
Ejemplo 22. Sea u = (2, 1, 2) un vector en R3 . Calculemos el vector de coordenadas
de u en la base B = {(1, 0, 1), (1, 0, 0), (0, 1, 1)}. Para ello encontramos números reales
c1 , c2 , c3 ∈ R tal que        
2 1 1 0
1 = c1 0 + c2 0 + c3 1 ,
2 1 0 1
o equivalentemente,     
2 1 1 0 c1
1 = 0 0 1 c2  .
2 1 0 1 c
|{z} | {z } | {z3 }
[u]C MCB [u]B

Para hallar [u]B multiplicamos ambos lados de esta igualdad por la inversa de MB (sa-
bemos que esta matriz es invertible porque sus vectores columnas son elementos de una
base de R3 ), esto es, por la matriz
 
0 −1 1
C
MB = (MCB )−1 = 1 1 −1 .
0 1 0
Luego,     
0 −1 1 2 1
C
[u]B = MB [u]C = 1 1 −1 1 = 1 .
0 1 0 2 1
8 JESÚS APONTE

El ejemplo anterior puede generalizarse como sigue: sea B = {v1 , v2 , . . . , vn } una base
de Rn . Escribamos v j = (a1 j , a2 j , . . . , an j ). Sea v ∈ Rn . Entonces
C
[v]B = MB [v]C = (MCB )−1 [v]C ,
donde MB C
= [ai j ], esto es, MB
C
es la matriz cuyas columnas son los vectores de la base
B. Esta matriz es llamada la matriz de cambio de base desde la base B a la base canónica
C . La matriz MBC
= (MCB )−1 es la matriz de cambio de base desde la base canónica C a
la base B. Note que
[v]C = MCB [v]B .
Más adelante, generalizaremos estas nociones para cualquier espacio vectorial.
Ejemplo 23. Sea v ∈ R3 un vector cuyo vector de coordenadas en la base
B = {(1, 0, 1), (1, 0, 0), (0, 1, 1)}
es 
−1
[v]B =  4 .
2
Se tiene que
    
1 1 0 −1 3
v = [v]C = MCB [v]B = 0 0 1  4  =  2 .
1 0 1 2 1
Definición 24. Decimos que el espacio vectorial V es isomorfo a W, si existe una trans-
formación lineal invertible T : V → W.
En el contexto de la Definición 24 también decimos que T es un isomorfismo entre V y
W. Por lo tanto, V es isomorfo W si, y solamente si, existe un isomorfismo entre V y W.
Todo espacio V es isomorfo a sí mismo a través del isomorfismo identidad IV : V → V.
También, en virtud del Teorema 16 y los comentarios que lo preceden, si V es isomor-
fo a W, a través del isomorfismo T : V → W, entonces W es isomorfo a V, a través del
isomorfismo T −1 : W → V. Una propiedad que también vale la pena mencionar es el
caracter transitivo de la relación “es isomorfo a”. En efecto, si T : V → W y U : W → Z
son isomorfismos, entonces U T : V → Z también es un isomorfismo, pues la composi-
ción de transformaciones invertibles es a su vez invertible por la Proposicion 17. En otras
palabras, si V es isomorfo a W y W es isomorfo a Z, entonces V es isomorfo a Z.
Si un espacio vectorial V tiene una base B = {v1 , v2 , . . . , vn }, entonces V es isomorfo
a Rn a través de la función de coordenadas respecto a la base B
[ ]B : V → R n ,
que a cada vector v asigna su vector de coordenadas [v]B en dicha base. Por el Teorema
20, [·]B es inyectiva; por tanto, por el Teorema 19, [·]B es un isomorfismo.
Teorema 25. Todos los espacios vectoriales de dimensión n son isomorfos.
Demostración. Un isomorfismo explícito T entre los dos espacios V y W de dimensión
n puede verse en el siguiente diagrama
T
V W
[·]B [·]B
V W

n n
R IR n
R

donde BV y BW representan bases para V y W, respectivamente. Se tiene que

T = [·]−1
B
◦ IRn ◦ [·]BV = [·]−1
B
◦ [·]BV .
W W
 9

Ejemplo 26. En virtud del Teorema 24, Pn y Rn+1 , al tener la misma dimensión, son
isomorfos. Un isomorfismo explícito entre ellos es dado por la transformación
 
a0
 a1 
T (a0 + a1 x + · · · + an x n ) =  .  .
 
 .. 
an
Note que T no es más que [·]B , donde B = {1, x, . . . , x n }.

4. Ejercicios
1. Sea T : P3 → M2·2 la transformación lineal dada por
p(0) p(1)
• ˜
T p(t ) = .
p(−1) 0
Halle dim N(T ) y dimIm(T ).
2. Sea T : R2 → R3 la transformación lineal dada por
2a + b
 
a
• ˜
T = a − 3b  .
b
9a + b
Encuentre una base y determine la dimensión del núcleo y de la imagen de T .
3. Sea T : M2·3 → M2·2 la transformación lineal dada por
a a12 a13 2a11 − a12 a13 + 2a12
• ˜ • ˜
T 11 = .
a21 a22 a23 0 0
Halle una base para el núcleo de T . Luego calcule la dimensión de la imagen de
T.
4. Sea T : R3 → R3 la transformación lineal tal que T (1, 0, 1) = (1, 1, 1), T (0, 0, 1) =
(2, 2, 2) y T (0, 1, 0) = (1, −1, 1). Halle una base y dimensión para N(T ) y Im(T ).
5. Sea T : R3 → R2 la transformación lineal que T (1, 0, 0) = (1, 1), T (1, 1, 0) = (1, 0)
y T (1, 1, 1) = (0, 0). Halle la matriz de T respecto a las bases canónicas, y las
dimensiones de su núcleo y su imagen.
6. Sea T : P2 → P3 la función definida por T p(x) = x p(x) + p 0 (x).
a) Verifique que T es una transformación lineal;
b) Calcule las dimensiones N(T ) y Im(T ).
c) Determine si T es inyectiva, sobreyectiva o ninguna de las dos.
7. Sea T : P2 → P4 la función dada por T p(x) = (x 2 + 1) p(x).
a) Verifique que T es una transformación lineal.
b) Halle dim N(T ) y dimIm(T ).
c) ¿Es T sobreyectiva? Justifique su respuesta.
8. Pruebe que la transformación lineal T : R3 → R2 , T (x, y, z) = (2x + y, z) es so-
breyectiva.
9. Sea T : P3 → P3 la transformación lineal dada por
T p(x) = x 2 p 00 (x).
Determine si T es inyectiva.
10. Verifique que L (V; W) es un espacio vectorial.
11. En el espacio de los polinomios P, considere los operadores lineales D, A: P → P
de derivación ( D p(x) = p 0 (x)) y multiplicación por x (Ap(x) = x p(x)), respecti-
vamente. Determine DA − AD.
10 JESÚS APONTE

12. Sean R, S, T , U : R2 → R2 los operadores dadors por R(x, y) = (x, 0), S(x, y) =
(−x, y), T (x, y) = (0, y) y U (x, y) = (y, −x). Determine el operador RST U .
13. Considere los operadores lineales R, S, P : R2 → R2 , donde R es la rotación de
30°en torno del origen, S es la reflexión en torno de la recta de y = 2x y P es la
proyección ortogonal sobre la misma recta.
a) Demuestre que P S = S P = P .
b) Verifique la igualdad RS R = S.
c) Muestre que R no conmuta con S ni con P .
d) Determine todos los vectores v tales que P Rv = 0 y RP v 6= 0.
14. Dados los operadores S, T : R2 → R2 dados por S(x, y) = (x + y, 0) y T (x, y) =
(−y, x), obtenga las expresiones de los operadores S + T , ST , T A, S 2 y T 2 . Des-
criba geométricamente esos cinco operadores.
15. Sea T : R3 → R3 dado por T (x, y, z) = (ay + b z, c z, 0). Demuestre que T 3 = 0.
16. Determine la matriz de la transformación lineal T : R2 → R2 que resulta de una
rotación de ángulo de 30°en dirección contrario a la manecillas del reloj, seguido
de una proyección ortogonal sobre la recta y = 2x.
a) Halle la matriz de T respecto a la base canónica de R2 .
b) Halle una base para N(T ).
c) Calcule dimIm(T ).
17. Considere la base B = {(3, −2), (−4, 3)} de R2 .
a) Halle MCB y MB C
.
b) Halle [(1, 1)]B .
18. Considere la base B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} de R3 .
a) Halle MCB y MB C
.
b) Halle [(−2, 1, 2)]B .
19. Sea T el operador lineal en R3 definido por
T (x1 , x2 , x3 ) = (3x1 , x1 − x2 , 2x1 + x2 + x3 ).
¿Es T invertible? Si lo es, halle la regla de correspondencia de T −1 .
20. Establezca un isomorfismo entre el conjunto de las matrices simétricas 3 × 3 (A =
At ) y las matrices triangulares inferiores 3 × 3 (A = [ai j ], ai j = 0 si i < j ).
21. Sea T : P1 → R2 la transformación lineal definida por
T (a + b x) = (5a − 7b , 3b − 2a)
a) Demuestre que T es un isomorfismo.
b) Halle la regla de correspondencia de T −1 : R2 → P2 .
22. Sea T : E → F un isomorfismo. Si S : F → E es tal que T S = IdF , demuestre que
S es lineal.