Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Matrices T.L
Matrices T.L
z
Matrices y Transformaciones
en
lineales
3.1. Sá
Vector coordenado y representación matri-
cial
Clase 25: Vector coordenado y representación matricial de una transforma-
ción lineal
a
Definición 3.1.1. Sea V un espacio vectorial dimensionalmente finito.
Una base ordenada para V es una base para V establecida junto con
rin
Ejemplo 3.1.2.
Co
89
90 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
ó {e1 , e2 , ..., en } en lugar de (e1 , e2 , ..., en ) pero debemos tener claro que el
orden está fijo.
z
en
Sá
Definición 3.1.3. Sea = {x1 , x2 , ..., xn } una base ordenada para un
espacio vectorial V dimensionalmente finito. Para x 2 V definimos al
vector coordenado de x relativo a la base
mediante 2 3
a1
6 a2 7
denotado por [x]
6 7
a
[x] = 6 .. 7
4.5
an
rin
Pn
donde x = i=1 ai xi .
Co
3.1. VECTOR COORDENADO Y REPRESENTACIÓN MATRICIAL 91
Ejemplo 3.1.4.
z
2. Sean V = P2 (R), = {x, x2 , 1}. Si f (x) = 3 + 2x 5x2 , entonces
en
para obtener el vector coordenado de f (x) con respecto a la base
necesitamos escribir a f (x) como combinación lineal de los
vectores de la base respetando el orden de , esto es, f (x) =
3 5x2 + 2x y tenemos:
2 3
⇢✓
3
◆ ✓
,
0 1
0 0
◆ ✓
,
0 0
1 0
◆ ✓
,
0 0
0 1
◆
.
✓ ◆
a
5 7
Si A = , tenemos:
9 4
rin
✓ ◆ ✓ ◆ ✓ ◆ ✓ ◆ ✓ ◆
5 7 1 0 0 1 0 0 1 0
=5 +( 7) +( 9) +4
9 4 0 0 0 0 1 0 0 0
de donde: 2 3
5
6 77
[A] = 6 7
Co
4 95
4
z
= {x1 , x2 , ..., xn } y = {y1 , y2 , ..., ym }
en
respectivamente y sea T : V ! W una transformación lineal. Entonces
para cada
xj 2
(j = 1, 2, . . . , n) existen escalares únicos aij 2 F (i = 1, 2, ..., m) tales
que
Sá T (xj ) =
m
X
aij yi .
i=1
z
tenemos para i = 1 que ai,j = a1,2 = 0 y para i = 2 tenemos ai,j =
en
2 0
a2,2 = 1. Por tanto, [T ] = .
1 1
Observemos que lo que hicimos fue escribir a cada T (xj ) como combina-
ción lineal de los vectores y1 y y2 y después los escalares los escribimos
verticalmente.
Sá
2. Sea V un espacio vectorial de dimensión finita y = {x1 , x2 , . . . , xn }
una base ordenada de V . Consideremos la transformación lineal iden-
tidad IV : V ! V. Para calcular [T ] necesitamos primero conside-
rar al vector x1 2 de donde j = 1 está fija y escribir al vector
a
T (x1 ) = x1 como combinación lineal de los elementos de la base ,
esto es: T (x1 ) = x1 = 1x1 + 0x2 + . . . + 0xn . De donde ai,1 = 0 para
i = 2, 3, . . . , n y a1,10=11. Por tanto la primera columna de la matriz
rin
1
B0 C
B C
[T ] está dada por: B .. C .
@.A
0
Para calcular la segunda columna de la matriz [T ] necesitamos con-
Co
z
3. Sea V un espacio vectorial de dimensión finita y = {x1 , x2 , . . . , xn }
en
una base ordenada de V . Consideremos la transformación lineal cero,
esto es: T0 : V ! V dada por T0 (v) = ~0V . Es claro que
2 3
0 0 0 ... 0
60 0 0 ... 07
6 7
Sá [T ] = 6 ..
4.
..
.
.. ..
. .
0 0 0 ...
.. 7 .
0
.5
z
que es una matriz de n ⇥ n + 1.
en
5. Sea T : M2⇥3 (F ) ! M3⇥2 (F ), dada por T (A) = At . Sean
⇢✓ ◆ ✓ ◆ ✓ ◆
1 0 0 0 1 0 0 0 1
= , , ,
0 0 0 0 0 0 0 0 0
y
80
< 1 0
✓
1 0
0 0 0
1 0 0
0 1
Sá
◆ ✓
1 0
,
0 0 0
0 1 0
0 0
1 0
◆ ✓
,
0 0
0 0 0
0 0 1
1 0
◆
0 0
1 0
= @0 0 A , @0 0 A , @1 0 A , @0 1 A , @0 0 A , @0 0 A
19
0 0 =
: ;
a
0 0 0 0 0 0 0 0 1 0 0 1
✓ ◆ 1 0
1 0 0
Para x1 = tenemos que T (x1 ) = @0 0A y por tanto la pri-
0 0 0
0 0 20 13
1 0
mera columna de la matriz [T ] está dada por: [T (x1 )] = 4@0 0A5 =
0 0
Co
0 1
1
B0 C
B C
B0 C
B C.
B0 C
B C
@0 A
0 0 1
✓ ◆ 0 0
0 1 0
Para x2 = tenemos que T (x2 ) = @1 0A y por tanto la se-
0 0 0
0 0
96 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
20 13
0 0
gunda columna de la matriz [T ] está dada por: [T (x2 )] = 4@1 0A5 =
0 0
0 1
0
B0 C
B C
B1 C
B C.
B0 C
B C
z
@0 A
0
en
Continuando de esta manera obtenemos que:
Sá 2
60
6
60
[T ] = 6
60
6
40
1 0
0
1
0
0
0
0
0
0
1
0
1
0
0
0
0
0
0
1
0
0
07
07
07
05
3
7
7
7
0 0 0 0 0 1
a
rin
z
x2V;
en
2. aT : V ! W mediante (aT )(x) = aT (x) para todo x 2 V .
Sá
1. Para toda a 2 F , aT + U : V ! W es transformación lineal.
2. El conjunto L(V, W ) = {T : V ! W
T es transformación lineal } es un espacio vectorial sobre
:
Demostración.
= a(T (x + y)) + U (x + y)
= a(T (x) + T (y)) + U (x) + U (y)
= aT (x) + aT (y) + U (x) + U (y)
= (aT )(x) + U (x) + (aT )(y) + U (y)
= (aT + U )(x) + (aT + U )(y)
z
1. T + U : V ! W mediante (T + U )(x) = T (x) + U (x) para todo
x2V;
en
2. aT : V ! W mediante (aT )(x) = aT (x) para todo x 2 V .
2. El conjunto L(V, W )
Sá
V ! W transformaciones lineales. Entonces
= {T : V ! W
T es transformación lineal } es un espacio vectorial sobre
:
Demostración.
= a(T (x + y)) + U (x + y)
= a(T (x) + T (y)) + U (x) + U (y)
= aT (x) + aT (y) + U (x) + U (y)
= (aT )(x) + U (x) + (aT )(y) + U (y)
= (aT + U )(x) + (aT + U )(y)
z
= b[(aT )(x) + U (x)]
= b[(aT + U )(x)]
en
Lo que prueba que aT + U saca a los escalares.
Por lo tanto, aT + U 2 L(V, W ).
Sá
la definición de Espacio vectorial.
Sean L, K, J 2 L(V, W ), a, b 2 F y x 2 V . Entonces
0W + L(x) = L(x).
4) Para toda L 2 L(V, W ) definimos L 2 L(V, W ) dada por ( L)(x) =
L(x) y tenemos que L+( L) = T0 (el hecho de que L 2 L(V, W )
se justifica gracias al inciso 1. de este teorema.
5) 1F L = L ya que (1F L)(x) = 1F L(x) = L(x).
Co
⌅
3.1. VECTOR COORDENADO Y REPRESENTACIÓN MATRICIAL 105
1. [T + U ] = [T ] + [U ]
2. [aT ] = a[T ]
z
en
Demostración. Sean V y W espacios vectoriales de dimensión finita,
= {x1 , x2 , ..., xn } y = {y1 , y2 , ..., ym } bases de V y W respectivamente y
T, U : V ! W transformaciones lineales.
1. Si T (xj ) =
Pm
i=1
Sá
aij yi y U (xj ) =
(T + U )(xj ) =
Pm
m
X
i=1 bij yi
i=1
tenemos que
Por lo tanto [T + U ] = [T ] + [U ] .
Pm Pm
Co
⌅
106 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
T : V ! W , T (f ) = f 0
U : V ! W , U (f ) = 2f 0 + f 00 .
z
Entonces (T + U ) : V ! W , (T + U )(f ) = 3f 0 + f 00
en
1. Si = {1, x, x2 , x3 }, = {1, x, x2 } son las bases estándar de V
y W respectivamente,
2 3 2 3
0 1 00 0 2 2 0
4
entonces [T ] = 0 0 205, [U ] = 40 0 4 65
0 0 0
23 30 0 0 6
Sá 4
0 3 2
Por otro lado, [T + U ] = 0 0 6
0 0 0
Por lo tanto, [T + U ] = [T ] + [U ]
2 3
a
0 0 2 0 6 0 4 0
entonces [T ] = 3 0 0 05, [U ]
4 = 46 0 0 05
0 1 0 20 30 2 2 0
rin
6 0 6 0
4
Por otro lado, [T + U ] = 9 0 0 05.
0 3 2 0
Por lo tanto, [T + U ] = [T ] + [U ]
3. Si 2
= {2, 3x, 4x2 , 5x3 }, = {x 2
3 , x, 1} 2
Co
3
0 0 0 15 0 0 0 30
entonces [T ] = 40 0 8 0 5, [U ] = 40 0 16 305
0 3 0 20 30 6 8 0
0 0 0 45
Por otro lado, [T + U ] = 0 0 24 305.
4
0 9 8 0
Por lo tanto, [T + U ] = [T ] + [U ] .
3.1. VECTOR COORDENADO Y REPRESENTACIÓN MATRICIAL 107
z
3 2
[T + U ] = .
1 7
en
Por lo tanto, [T + U ] = [T ] + [U ]
Sá
Por lo tanto, [T + U ] = [T ] + [U ]
2 2
a
rin
Co
102 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
z
Definición 3.2.1. Sean V, W y Z espacios vectoriales y T : V ! W y
en
U : W ! Z transformaciones lineales. Definimos la composición de
T y U , denotada por U T : V ! Z mediante (U T )(x) = U (T (x))
para toda x 2 V .
Sá
Proposición 3.2.2. Sean V, W y Z espacios vectoriales y T : V ! W
y U : W ! Z transformaciones lineales. Entonces U T : V ! Z es
transformación lineal.
a
rin
La demostración del siguiente resultado se las dejo como ejercicio. Ver Tarea
4.
3.2. COMPOSICIÓN DE TRANSFORMACIONES LINEALES 103
1. T (U1 + U2 ) = T U1 + T U2 y (U1 + U2 ) T = U1 T + U2 T ;
2. T (U1 U2 ) = (T U1 ) U2 ;
3. T IV = IV T = T;
z
4. a(U1 U2 ) = (aU1 ) U2 = U1 (aU2 ).
en
Definimos el producto de A Sá
Definición 3.2.4. Sea A una matriz de m⇥n y B una matriz de n⇥p.
Ppor B, denotado por AB, como la matriz
de m ⇥ p tal que (AB)ij = nk=1 aik bkj para 1 i m, 1 j p.
a
rin
Ejemplo 3.2.5.
✓ ◆ ✓ ◆ ✓ ◆
1 2 5 6 19 22
1. A = ,B= , AB =
3 4 7 8 43 50
0 1
✓ ◆ ✓ ◆
Co
0 8
1 0 3 1 14
2. A = , B = @6 0A, AB =
4 5 0 30 32
0 2
0 1 0 1 0 1
1 0 1 0 0 1 0 0 2 0
B0 1 0 0C B1 1 1C B1 1 1C
3. A = B C B C
@1 1 0 0A, B = @0 1 0A, AB = @1
B C
2 1A
0 1 1 1 1 1 0 2 3 1
104 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
z
Demostración. Sean ↵ = {x1 , x2 , . . . , xn }, = {y1 , y2 , . . . , ym } y = {z1 , z2 , . . . , zp }
en
bases ordenadas de V , W y Z respectivamente. Tenemos que:
1. 0 1
b11 b12 . . . b1m
Bb21 b22 . . . b2m C
Sá B
[U ] = B ..
@ .
..
.
..
.
C
.. C
. A
bp1 bp2 . . . bpm
B a22 C
[T ]↵ = B .. .. .. .. C
@ . . . . A
am1 am2 . . . amn
z
Ejemplo 3.2.7. Sean T : R3 ! R2 dada por T (a, b, c) = (a + b, c)
en
y U : R2 ! R3 dada por U (a, b) = (a + b, b, a + b). Tenemos que
U T : R3 ! R3 está dada por U T (a, b, c) = (a + b + c, c, a + b + c).
Sean = {(1, 0, 0), (0, 1, 0, (0, 0, 1)} y = {(1, 0), (0, 1)} las bases
canónicas (ó estándar) de R y de R respectivamente.Tenemos que
3 2
De donde
0
1 1
Sá1
[U ] = @0 1A , [T ] =
1 1
0
1 1 1
1
✓
1 1
0 0 1
0
◆
.
[U ] [T ] = @0 0 1A .
a
1 1 1
Por tanto, usando el teorema:
rin
0 1
1 1 1
[U T ] = @0 0 1 A .
1 1 1
Co
142 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
z
1. 0 1
en
b11 b12 . . . b1m
Bb21 b22 . . . b2m C
B C
[U ] = B .. .. .. .. C
@ . . . . A
bp1 bp2 . . . bpm
2.
Sá
es una matriz de p ⇥ m, donde U (yi ) = b1i z1 + b2i z2 + . . . + bpi zp , para
todo i = 1, 2, . . . , m.
0
a11
B a21
a12
a22
. . . a1n
1
. . . a2n C
B C
a
[T ]↵ = B .. .. .. .. C
@ . . . . A
am1 am2 . . . amn
rin
0 Pm 1
b 1k a kj
BPm b2k akj C
k=1
B k=1 C
B C
B C
B .. C
Pm .
@ A
k=1 bpk akj
combinación lineal de z1 , z2 , . . . , zp .
U T (xj ) = U (T (xj ))
m
! m
X X
=U aij yi = ai,j U (yi )
i=1 i=1
= a1j (b11 z1 + b21 z2 + . . . + bp1 zp ) + a2j (b12 z1 + b22 z2 + . . . + bp2 zp )
z
+ · · · + amj (b1m z1 + b2m z2 + . . . + bpm zp )
= (a1j b11 + a2j b12 + . . . + amj b1m )z1
en
+ (a1j b21 + a2j b22 + . . . + amj b2m )z2
+ . . . + (a1j bp1 + a2j bp2 + . . . + amj bpm )zp
m
! m
! m
!
X X X
= b1k akj z1 + b2k akj z2 + . . . + bpk akj zp
k=1
Sá
0 Pm
k=1
b 1k a kj
1
k=1
Definición 3.2.9.
z
ij = 1 si i = j y ij = 0 si i 6= j.
en
mediante (In )ij = ij . Es decir,
0 1
✓ ◆ 1 0 0
1 0
I1 = (1), I2 = , I3 = @0 1 0A , ...
0 1
Proposición 3.2.10. Sá 0 0 1
z
0
tanto, [IV ] = In .
en
Por tanto, [IV ] = In .
⌅
Demostración.
a
1.
rin
n
X
[A(B + C)]ij = Aik (B + C)kj
k=1
n
X
= (Aik Bkj + Aik Ckj )
k=1
Co
Xn n
X
= Aik Bkj + Aik Ckj )
k=1 k=1
= (AB)ij + (AC)ij
= (AB + AC)ij
P P
2. [a(AB)]ij = Pnk=1 a(Aik Bkj ) = Pnk=1 (aAik )Bkj = [(aA)B]ij
[a(AB)]ij = nk=1 a(Aik Bkj ) = nk=1 Aik (aBkj ) = [(A(aB)]ij
⌅
3.2. COMPOSICIÓN DE TRANSFORMACIONES LINEALES 115
Para poder probar el Teorema 3.2.14, el cual veremos en la siguiente clase, va-
mos a necesitar la siguiente notación y el siguiente lema. Por favor chéquenlos
cuidadosamente.
Definición 3.2.12.
z
0 1
A1j
en
B .. C
@ . A
Amj
de la matriz A.
0 1
0
B .. C
B.C
B C
Sá
2. Se denota por ej a la j-ésima columna de la matriz identidad Ip .
1. (AB)j = AB j
2. B j = Bej
Co
Demostración.
0 1 0 Pn 1
(AB)1j k=1 A 1k B kj
B
1. (AB)j = @ .. C B .. C
. A = @ . A = AB j
Pn
(AB)mj k=1 Amk Bkj
116 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
0 1
0
0 1 . 0 1
B11 · · · B1p B .. C
B
C B1j
B .. .. .. C B1C = B .. C = B j
2. Bej = @ . . . AB C @ . A
B.C
Bn1 · · · Bnp @ .
.A Bnj
0
z
en
Sá ⌅
a
rin
Co
3.2. COMPOSICIÓN DE TRANSFORMACIONES LINEALES 117
Clase 30: Teorema que relaciona el vector coordenado [T (x)] con el vector
coordenado [x] .
z
una transformación lineal. Entonces para toda x 2 V tenemos:
en
[T (x)] = [T ] [x]
Sá
a
rin
p
!
X
[T (x)] = [T ai x i ]
i=1
" p
#
X
= ai T (xi )
z
i=1
p
X
en
= ai [T (xi )]
i=1
p
X
= ai [T ] [xi ]
i=1
!
Sá = [T ]
= [T ] ([x] ).
p
X
i=1
ai [xi ]
⌅
a
rin
0 1 0 0 6 17 1
4 5 6 7
[T ] = 0 0 2 0 , [p(x)] = 4 5 , [T (p(x))] = 4 5 y 4
2
0 0 0 3 3
1
3 2
2 3 3 2 3
0 1 0 0 6 7 1
17 4 5
[T ] [p(x)] = 40 0 2 05 6
425 = 4 = [T (p(x))]
0 0 0 3 3
1
3.3. LA TRANSFORMACIÓN LINEAL MULTIPLICACIÓN POR LA IZQUIERDA LA .119
z
Clase 31: La transformación lineal multiplicación por la izquierda LA .
en
La siguiente función es crucial en la teoría de las transformaciones lineales.
2 3
x1
Sá
Definición 3.3.1. Sea A una matriz de m ⇥ n con elementos en un
campo F . La función LA : F n ! F m está definida por:
2 3
x1
6 x2 7 6 x2 7
a
6 7 6 7
6 .. 7 7! A 6 .. 7 .
4.5 4.5
rin
xn xn
Ésto es, el producto matricial de A por x para cada vector columna
2 3
x1
6 x2 7
6 7
x = 6 .. 7 2 F n
4.5
Co
xn
.
Llamamos a LA la transformación multiplicación por la izquier-
da por A.
120 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
2 3
2 1 0 0
Ejemplo 3.3.2. Consideremos la matriz A = 40 4 2 05 de 3 ⇥ 4
0 0 5 3
con entradas en el campo F = R. Entonces la función LA : R4 ! R3
está definida por
2 3
2 3 x1 2 3
z
2 1 0 0 6 7 2x1 + x2
x2 7 4
LA (x) = Ax = 40 4 2 05 64x3 5 = 4x2 + 2x3
5
en
0 0 5 3 5x3 + 3x4
x4
2 3
x1
6 x2 7
para todo x = 6 7
4 x3 5 2 R .
4
x4
Sá
a
rin
Co
3.3. LA TRANSFORMACIÓN LINEAL MULTIPLICACIÓN POR LA IZQUIERDA LA .121
z
1. La función LA : F n ! F m es una transformación lineal.
en
tivamente. Entonces [LA ] = A.
Sá
a) LA = LB si, y sólo si A = B.
b) LA+B = LA + LB y para todo a 2 F, LaA = aLA .
a
Demostración. 1. Sea A una matriz de m ⇥ n y LA : F n ! F m la trans-
formación multiplicación por
2 la 3
izquierda.
2 Veamos que LA es una trans-
rin
3
x1 y1
6 x2 7 6 y2 7
6 7 6 7
formación lineal. Sean x = 6 .. 7 y y = 6 .. 7 2 Rn y a 2 F. Usando la
4.5 4.5
xn yn
proposición 3.2.11 tenemos que:
Co
z
Para calcular la primera columna de la matriz [LA ] necesitamos cal-
cular el vector coordenado [LA (e1 )] :
en
0 1 0 1
1 a11
B0C B a21 C
B C B C
LA (e1 ) = A B .. C = B .. C = [LA (e1 )] = A1 .
@.A @ . A
0 am1
De manera análoga
0
B .. C
B C B
0 Sá
0 1 tenemos:
a1j
B . C B a2j C
1
C
LA (ej ) = A B1C = B .. C = [LA (ej )] = Aj
B.C @ . A
@ .. A
amj
a
0
Por lo tanto, [LA ] = A.
rin
(() Es claro.
b) Veamos que LA+B = LA + LB . Sea x 2 F n tenemos que:
LA+B (x) = (A + B)(x) = Ax + Bx = LA (x) + LB (x) =
(LA + LB )(x). Por lo tanto, LA+B = LA + LB .
Sea a 2 F tenemos que LaA (x) = (aA)(x) = a(Ax) = aLA (x).
Por lo tanto, LaA = aLA .
⌅
3.3. LA TRANSFORMACIÓN LINEAL MULTIPLICACIÓN POR LA IZQUIERDA LA .123
z
1. Si T : F n ! F m es una transformación lineal, entonces existe
una única matriz C de m ⇥ n tal que T = LC .
en
2. Sean A una matriz de m ⇥ n y E una matriz de n ⇥ p. Entonces
LAE = LA LE .
Demostración.
Sá
donde IF n : F n ! F n es la transformación lineal identidad dada
por IF n (x) = x, para todo x 2 F n .
[T (x)] = [T ] [x]
z
en
Sá
Demostración. Sabemos que el producto A(BC) está definido. Ésto es los
respectivos tamanos de las matrices permiten hacer los productos.
a
Ahora LA(BC) = LA LBC = LA (LB LC ) = (LA LB )LC = LAB LC = L(AB)C
y por el inciso (2) de la proposición 3.3.3 inciso 3 a) tenemos A(BC) =
rin
(AB)C. ⌅
Co
2 3
2 1 0 0
Ejemplo 3.3.6. Consideremos las matrices A = 40 4 2 05 de 3 ⇥
0 0 5 3
2 3
2 3 2 3
64 0 7 8 6
4, E = 6 7
40 9 5 de 4 ⇥ 2 y AE = 16 185 de 3 ⇥ 2. Entonces la
4
24 45
z
8 0
transformación2 lineal
3 LA : R ! R está definida 2por3LA (x) = Ax =
4 3
2 3 x 2 3 x1
en
2 1 0 0 6 17 2x1 + x2 6 7
40 4 2 05 6 2 7 = 44x2 + 2x3 5 para todo x = 6x2 7 2 R4 .
x
4 x3 5 4 x3 5
0 0 5 3 5x3 + 3x4
x4 x4
La transformación lineal LE : R ! R esta definida por
2 4
LE (x) = Ex = 6
x
Sá2
8 0
3
2 3
6 4 0 7 x1
7
4 0 9 5 x2 =
2
6
2x1 + 3x2
6 4x1 7
4 9x2 5
8x1
3
para todo x = 1 2 R2 .
a
x2
De donde la transformación lineal LAE : R2 ! R3 está dada por
rin
2 3 2 3
8 6 8x1 + 6x2
x
LAE (x) = AEx = 416 185 1 = 416x1 + 18x2 5
x2
24 45 24x1 + 45x2
x
para todo x = 1 2 R2 .
Co
x2
3.4. DEFINICIÓN DE ISOMORFISMO. 125
z
Álgebra Superior I.
en
Definición 3.4.1. Sea f : A ! B una función.
Sá
2. Si f : A ! B es invertible, se sabe que la función f
es única y se le llama la inversa de f .
g f es invertible y (g f ) 1 = f 1 g 1 .
z
Proposición 3.4.5. Sean V y W espacios vectoriales y sea T : V !
en
W un isomorfismo. Entonces T 1 : W ! V también es un isomorfis-
mo.
Sá
verificar que T 1 es una transformación lineal invertible. Por el Teorema 3.4.2
sabemos que T 1 es invertible, ya que T los es.
Para probar que T 1 : W ! V es una transformación lineal, sean y1 , y2 2 W
y c 2 F . Dado que T es invertible y por tanto biyectiva existen vectores
únicos x1 , x2 2 V tales que T (x1 ) = y1 y T (x2 ) = y2 . Además T 1 (y1 ) = x1
y T 1 (y2 ) = x2 . De donde,
a
1
T (cy1 + y2 ) = T 1 (cT (x1 ) + T (x2 ))
= T 1 (T (cx1 + x2 ))
rin
= IV (cx1 + x2 )
= cx1 + x2
= cT 1 (y1 ) + T 1 (y2 )
✓ ◆ ✓ ◆
5 7 3 7
Ejemplo 3.4.7. La inversa de es ya que
2 3 2 5
✓ ◆✓ ◆ ✓ ◆
5 7 3 7 1 0
=
2 3 2 5 0 1
z
en
Sá
a
rin
Co
3.4. DEFINICIÓN DE ISOMORFISMO. 129
z
Para la demostración del teorema 3.4.8 necesitamos recordar el siguiente re-
sultado:
en
Teorema 2.4.1.- Sean V y W espacios vectoriales y supóngase que
V es un espacio vectorial dimensionalmente finito con una base
{x1 , x2 , . . . , xn }. Para cada subconjunto {y1 , y2 , . . . , yn } de W existe
una única transformación lineal T : V ! W tal que T (xj ) = yi para
toda i = 1, . . . , n.
Sá
a
rin
z
[T ] es una matriz de n ⇥ n.
en
Sá
Ahora bien, T 1 : W ! V satisface T T 1 = IW y T 1 T = IV . De donde
usando el teorema 3.2.6 tenemos que In = [IV ] = [T 1 T ] = [T 1 ] [T ] .
Análogamente In = [IW ] = [T T 1 ] = [T ] [T 1 ] y por tanto [T 1 ] =
a
([T ] ) 1 .
rin
Co
z
T 1
: R2 ! P1 (R) está definida por T (c, d) = c + (d c)x.
en
Además,
✓ ◆ ✓ ◆
1 0 1 0
[T ] = y [T 1
] = .
1 1 1 1
Sá
a
rin
Co
z
en
Sá
a
rin
Co
130 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
z
Proposición 3.4.12. Sean V y W espacios vectoriales de dimensión
en
finita sobre un campo F . Entonces, V es isomorfo a W si, y sólo si,
dim(V ) = dim(W ).
Sá
{x1 , x2 , . . . , xn }. Para cada subconjunto {y1 , y2 , . . . , yn } de W existe
una única transformación lineal T : V ! W tal que T (xj ) = yi para
toda i = 1, . . . , n.
z
V es un espacio vectorial dimensionalmente finito con una base
{x1 , x2 , . . . , xn }. Para cada subconjunto {y1 , y2 , . . . , yn } de W existe
en
una única transformación lineal T : V ! W tal que T (xj ) = yi para
toda i = 1, . . . , n.
Sá
1. Sean T : V ! W , U : V ! W transformaciones lineales y a 2 K, K
campo. Usando el Teorema 3.1.9 tenemos que
T (x) = T (a1 x1 +a2 x2 +. . .+an xn ) = a1 T (x1 )+a2 T (x2 )+. . .+an T (xn ) =
z
y W = R3 . Sean y las bases ordenadas de R2 y R3 res-
pectivamente. Tenemos que L(V, W ) = {T : R2 ! R3 :
en
T es una transformación lineal} y el isomorfismo
T : R2 ! R 3
a
construida en la demostración del teorema 3.4.14 está dada por
rin
Es claro que F (T ) = [T ] = A.
z
en
Definición 3.4.17. Sea una base ordenada de un espacio vectorial
dimensionalmente finito V sobre el campo F . La representación es-
tándar de V con respecto a es la función : V ! F n definida por
(x) = [x] .
Sá
a
rin
a22
a11 a12
donde A = .
a21 a22
140 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
z
función : V ! F n es una transformación lineal.
2 3
en
0
607
6 7
Veamos que es inyectiva. Sea x 2 V tal que (x) = 6 .. 7 entonces
4.5
0
Sá
x = 0x1 + 0x2 + . . . + 0xn = ~0V
Concluiremos esta sección con el teorema 3.4.20 el cual nos permite ver más
claramente la relación que existe entre las transformaciones lineales defini-
das en espacios vectoriales dimensionalmente finitos y las transformaciones
lineales LA definidas en los espacios vectoriales F n , para n 2 N. Para ello,
necesitamos lo siguiente:
z
1. Sean V y W espacios vectoriales tales que dim(V ) = n y dim(W ) = m
y y bases ordenadas de V y W respectivamente.
en
2. Sea T : V ! W una transformación lineal y A = [T ] de m ⇥ n.
3. Sea
4. Sea
Sá
: V ! F n la representación estándar de V , dada por x 7! [x] .
T
V W
Fn Fm
Co
LA
T = LA
Cuando tenemos diagramas en los que ambas composiciones son iguales de-
cimos que el diagrama es conmutativo.
142 CAPÍTULO 3. MATRICES Y TRANSFORMACIONES LINEALES
z
a continuación.
en
Teorema 1.2.14.- Sean V y W espacios vectoriales de dimensión finita
que tienen bases ordenadas y respectivamente y sea T : V ! W
una transformación lineal. Entonces para toda x 2 V tenemos:
[T (x)] = [T ] [x] .
Sá
a
Demostración. Si x 2 V entonces
rin
LA (x) = LA ( (x))
= LA ([x] )
= A[x]
= [T ] [x]
Co
= [T (x)]
= (T (x))
= T (x).
⌅
3.4. DEFINICIÓN DE ISOMORFISMO. 143
z
A = @0 0 2 0 A
0 0 0 3
en
Sea p(x) = 3 2
+ 2x3+ 5x2 6x3 . Entonces
0 1
3 0 1 3 0 1
627 0 1 0 0 B C 2
2C @
LA = A6 455
7 = @0 0 2 0A B @ 5 A= 10 A
6
T (3 + 2x + 5x2
0
Sá
0 0 3
6
18
0
2
6x3 ) = (2 + 10x 18x2 = @ 10 A
18
1
a
rin
Co