Capitulo 6 Transformaciones Lineales
-
Upload
raul-galindez -
Category
Documents
-
view
512 -
download
1
Transcript of Capitulo 6 Transformaciones Lineales
Capítulo 6
TRANSFORMACIONESLINEALES
6.1. INTRODUCCIÓN. En este capítulo se presenta el importante concepto de Transformación Lineal. Se exponen los principales conceptos asociados como lo son Kernel, Imagen, Nulidad y Rango de una Transformación Lineal, Monomorfismos, Epiformismos e Isomorfismos, Matriz asociada a una Transformación Lineal de ℜn a ℜm y Matriz de una Transformación Lineal T: V→W relativa a bases de V y W, respectivamente. 6.2. DEFINICIONES, PROPIEDADES Y EJEMPLOS. Definición 6.1. Sean V y W espacios vectoriales sobre K y T: V→W. Se dice que T es una Transformación Lineal (T.L) u homomorfismo si T verifica las siguientes condiciones:
1. ∀ α, β∈V se cumple que T(α + β) = T(α) + T(β). 2. ∀ α∈V, ∀ c∈K se cumple que T(c•α) = cT(α).
Observación: Una función T: V→W es una T.L. si ∀ α, β∈V, ∀ c∈K se cumple que T(c•α + β) = c•T(α) + T(β). Teorema 6.1. Sea T: V→W una T.L. Entonces se cumple que:
1. T(θ) = θ. 2. ∀ α∈V se cumple que T(-α) = -T(α). 3. ∀ α, β∈V se cumple que T(α – β) = T(α) – T(β). 4. Si αi∈V, ci∈K, i = 1, 2, …, n, entonces se cumple que
T(∑=
α•n
1iiic ) =∑
=
α•n
1iii )(Tc .
5. Si U1 es un subespacio de V entonces el conjunto: T(U1) = {T(α): α∈U1} = {β∈W: β = T(α), para algún α∈U1}
es un subespacio de W. 6. Si U2 es un subespacio de W entonces el conjunto:
T-1(U2) = {α∈V: T(α)∈U2} es un subespacio de V.
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
207
Demostración
1. Es claro que θ∈V. Luego, T(θ) = T(θ+θ) = T(θ)+T(θ). Por otro lado, θ = T(θ) – T(θ). Luego, T(θ) + θ = T(θ) + T(θ) – T(θ) ⇒ T(θ) = T(θ) – T(θ) = θ.
2. Sean α∈V y c∈K. Luego, T(c•α) = c•T(α).
Si c = -1 entonces T((-1)α) = (-1)T(α), es decir, T(-α) = -T(α). 3. T(α + c•β) = T(α) + c•T(β). Si c = -1 entonces se cumple que
T(α – β) = T(α) – T(β). 4. Utilicemos inducción completa. Demostremos que la igualdad se
cumple para n = 2, es decir : T( 2211 cc α•+α• ) = c1•T(α1)+ c2•T(α2)
En efecto,
T( 2211 cc α•+α• ) = T(c1•α1)+ T(c2•α2) = c1•T(α1)+ c2•T(α2)
Supongamos que la igualdad se cumple para n = p, es decir :
T(∑=
α•p
1iiic ) = ∑
=
α•p
1iii )(Tc
Demostremos ahora que la igualdad se cumple para n = p+1. En efecto,
T(∑+
=
α•1p
1iiic ) = T(∑
=
α•p
1iiic + cp+1•α1p+1)
= T(∑=
α•p
1iiic ) + T(cp+1•α1p+1)
= ∑=
α•p
1iii )(Tc + cp+1•T(α1p+1)
= ∑+
=
α•1p
1iii )(Tc
Por tanto se cumple que:
T(∑=
α•n
1iiic ) = ∑
=
α•n
1iii )(Tc
5. Sea U1 un subespacio de V. Veamos que T(U1) así definido es un subespacio de W.
Es claro que θ∈T(U1) ya que θ = T(θ), θ∈U1.
CAPÍTULO 6: TRANSFORMACIONES LINEALES
208
Sean δ, γ ∈T(U1) y c∈K. Entonces δ = T(α), γ = T(β), α, β∈U1. Por lo tanto, c•δ + γ = c•T(α) + T(β) = T(c•α + β), con (c•α + β)∈U1. Luego, (c•δ + γ)∈T(U1) y por consiguiente, T(U1) es un subespacio de W.
6. Sea U2 un subespacio de W. Veamos que T-1(U2) así definido es un
subespacio de W.
Es claro que θ∈T-1(U2) ya que θ∈V y T(θ) = θ∈U2. Sean δ, γ∈T-1(U2) y c∈K. Entonces δ∈V con T(δ)∈U2, γ∈V con T(γ)∈U2. Por lo tanto, (c•δ + γ)∈V, siendo T(c•δ) + T(γ) = T(c•δ + γ)∈U2. Luego, (c•δ + γ)∈T-1(U2) y por consiguiente, T-1(U2) es un subespacio de V.
Ejemplo 6.1. Sean V y W espacios vectoriales sobre K. La función Θ: V→W definida como Θ(α) = θ, ∀ α∈V es una T.L., ya que:
Θ(c•α + β) = θ = c•θ + θ = c•Θ(α) + Θ(β) Esta T.L. recibe el nombre de Transformación Lineal Nula. Ejemplo 6.2. Sea V un espacio vectorial sobre K. La función I: V→V definida como I(α) = α, ∀ α∈V es una T.L., ya que ∀ α,β∈V y c∈K:
I(c•α+β) = c•α+β = c•I(α)+I(β)
Esta T.L. recibe el nombre de Transformación Lineal Identidad. Ejemplo 6.3. Sea T: ℜ3→ℜ2 la función definida por:
T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
) = ⎥⎦
⎤⎢⎣
⎡+−
Z2YYX
, ∀ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
∈ℜ3.
Sean ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=α
1
1
1
ZYX
∈ℜ3, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=β
2
2
2
ZYX
∈ℜ3 y c∈ℜ. Luego,
T(α) = ⎥⎦
⎤⎢⎣
⎡+−
11
11
Z2YYX
T(β) = ⎥⎦
⎤⎢⎣
⎡+−
22
22
Z2YYX
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
209
T(c•α+β) = T(c•⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
1
1
1
ZYX
+ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
2
2
2
ZYX
)
= T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
1
1
1
cZcYcX
+⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
2
2
2
ZYX
)
= T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
+++
21
21
21
ZcZYcYXcX
)
= ⎥⎦
⎤⎢⎣
⎡++++−+
)ZcZ(2)YcY()YcY()XcX(
2121
2121
= ⎥⎦
⎤⎢⎣
⎡+++−−+
)Z2cZ2YcY)YcYXcX
2121
2121
= ⎥⎦
⎤⎢⎣
⎡+++−+−
)Z2Y()Z2Y(c)YX()YX(c
2211
2211
= ⎥⎦
⎤⎢⎣
⎡+−
+⎥⎦
⎤⎢⎣
⎡+−
22
22
11
11
Z2YYX
)Z2Y(c)YX(c
= ⎥⎦
⎤⎢⎣
⎡+−
+⎥⎦
⎤⎢⎣
⎡+−
•22
22
11
11
Z2YYX
Z2YYX
c
= c•T(α) + T(β) Por tanto, T es una T.L. Teorema 6.2. Sean V un espacio vectorial finito dimensional con Dim(V) = n y B = {α1, α2, …, αn} una base de V. Sean W un espacio vectorial y β1, β2, …, βn∈W. Supongamos que T1 y T2 son T.L. Tj: V→W; j = 1, 2, tales que T1(αi) = T2(αi) = βi, ∀ i = 1, 2, …, n. Entonces se cumple que ∀α∈V, T1(α) = T2(α). Demostración Como B es una base de V, por el teorema 4.12., existe un conjunto único de
escalares c1, c2, …, cn tales que ∀α∈V se cumple que α = ∑=
α•n
1iiic .
Luego, por el teorema 6.1., apartado 4 se cumple que:
T1(α) = T1(∑=
α•n
1iiic ) = ∑
=
α•n
1ii1i )(Tc = ∑
=
β•n
1iiic
Igualmente,
CAPÍTULO 6: TRANSFORMACIONES LINEALES
210
T2(α) = T2(∑=
α•n
1iiic ) = ∑
=
α•n
1ii2i )(Tc = ∑
=
β•n
1iiic
Luego, ∀α∈V, T1(α) = T2(α). 6.3. KERNEL, IMAGEN, NULIDAD Y RANGO. Definición 6.2. Sea T: V→W una T.L. Se define como Núcleo o Kernel de T y se denota por Ker(T) al conjunto:
Ker(T) = {α∈V: T(α) = θ} Definición 6.3. Sea T: V→W una T.L. Se define como Imagen de T y se denota por Img(T) al conjunto:
Img(T) = {T(α): α∈V} = {β∈W: β = T(α), para algún α∈V} Observación: Es sencillo demostrar que Ker(T) e Img(T) son subespacios de V y W, respectivamente. En particular, Ker(T) = T-1({θ}) e Img(T) = T(V) (Ver Teorema 6.1., apartados 5 y 6). Teorema 6.3. Sean V y W espacios vectoriales sobre K tales que V es finito dimensional y T: V→W una T.L. Entonces Ker(T) e Img(T) son subespacios finito dimensionales de V y W, respectivamente. Demostración Se sabe que Ker(T) e Img(T) son subespacios de V y W, respectivamente. Supongamos que Dim(V) = n y sea B = {α1, α2, …, αn} una base de V. Como V es finito dimensional entonces por definición Ker(T)⊆B, luego por el teorema 4.14., apartado 1, Dim(Ker(T)) ≤ n. Por consiguiente, Ker(T) es finito dimensional. Veamos ahora que Img(T) = [{T(α1), T(α2), …, T(αn)}]. Es claro que por definición de Img(T), [{T(α1), T(α2), …, T(αn)}] ⊆ Img(T) (1). Sea β∈Img(T). Entonces existe α∈V tal que T(α) = β. Por otra parte como B es una base de V se tiene que existen escalares c1, c2, …,
cn∈K tales que α = ∑=
α•n
1iiic , ci∈K. Por lo tanto,
T(α) = T(∑=
α•n
1iiic ) = ∑
=
α•n
1iii )(Tc = β
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
211
Luego, β∈[{T(α1), T(α2), …, T(αn)}] y por lo tanto: Img(T) ⊆ [{T(α1), T(α2), …, T(αn)}] (2)
Por (1) y (2) se concluye que Img(T) = [{T(α1), T(α2), …, T(αn)}], es decir, Img(T) es finito dimensional. Definición 6.4. Sean V y W espacios vectoriales sobre K tales que V es finito dimensional y T: V→W una T.L. Se define como Nulidad de T y se denota por Nul(T) a la dimensión del Kernel de T, es decir, Nul(T) = Dim(Ker(T)). Definición 6.5. Sean V y W espacios vectoriales sobre K tales que V es finito dimensional y T: V→W una T.L. Se define como Rango de T y se denota por Ran(T) a la dimensión de la Imagen de T, es decir, Ran(T) = Dim(Img(T)). Ejemplo 6.4. En el ejemplo 6.3.:
T: ℜ3→ℜ2 definida por T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
) = ⎥⎦
⎤⎢⎣
⎡+−
Z2YYX
, ∀ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
∈ℜ3 es una T.L.
Determinemos Ran(T):
⎥⎦
⎤⎢⎣
⎡ba
∈Img(T) si y sólo si ∃ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
∈ℜ3: T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
) = ⎥⎦
⎤⎢⎣
⎡ba
⇒ ⎥⎦
⎤⎢⎣
⎡ba
∈Img(T) si y sólo si ⎥⎦
⎤⎢⎣
⎡+−
32
21
X2XXX
= ⎥⎦
⎤⎢⎣
⎡ba
⇒ ⎥⎦
⎤⎢⎣
⎡ba
∈Img(T) si y sólo si el SEL ⎩⎨⎧
=+=−
bX2XaXX
32
21 es consistente.
⎥⎥⎦
⎤
⎢⎢⎣
⎡ ++→
⎥⎥⎦
⎤
⎢⎢⎣
⎡ −b
b2a210201
rrrba
210011
211
Por lo tanto,
⎥⎦
⎤⎢⎣
⎡ +=⎥
⎦
⎤⎢⎣
⎡b210
b2a201(Rango)
210201
(Rango
Independientemente de los valores de a y b. En consecuencia,
CAPÍTULO 6: TRANSFORMACIONES LINEALES
212
Img(T) = { ⎥⎦
⎤⎢⎣
⎡ba
∈ℜ2: a∈ℜ y b∈ℜ} = ℜ2.
⇒ ⎥⎦
⎤⎢⎣
⎡ba
= ⎥⎦
⎤⎢⎣
⎡0a
+ ⎥⎦
⎤⎢⎣
⎡b0
= a• ⎥⎦
⎤⎢⎣
⎡01
+ b• ⎥⎦
⎤⎢⎣
⎡10
⇒ Ran(T) = Dim(Img(T)) = 2 Determinemos ahora Nul(T) :
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
∈Ker(T) si y sólo si T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
) = ⎥⎦
⎤⎢⎣
⎡00
⇒ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
∈Ker(T) si y sólo si ⎥⎦
⎤⎢⎣
⎡+−
32
21
X2XXX
= ⎥⎦
⎤⎢⎣
⎡00
⇒ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
∈Ker(T) si y sólo si ⎩⎨⎧
=+=−
0X2X0X X
32
21
⇒ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
∈Ker(T) si y sólo si ⎩⎨⎧
−==
32
21
X2XX X
⇒ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
∈Ker(T) si y sólo si ⎩⎨⎧
−=−=
32
31
X2XX2X
⇒ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
∈Ker(T) si y sólo si ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
= ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−
3
3
3
X X2X2
= X3
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−
1 22
⇒ Ker(T) = {⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
∈ℜ3: ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
= a⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−
1 22
; a∈ℜ}
⇒ Nul(T) = Dim (Ker(T)) = 1 Nótese que Ran(T) + Nul(T) = 2 + 1 = 3 = Dim(ℜ3) Teorema 6.4. Sean V y W espacios vectoriales sobre K tales que V es finito dimensional y T: V→W una T.L. Entonces Ran(T) + Nul(T) = Dim(V)
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
213
Demostración Supongamos que Dim(V) = n y sea B = {α1, α2, …, αn} una base de V. Como B es una base de V se tiene que existen escalares c1, c2, …, cn∈K tales que
α = ∑=
α•n
1iiic , ci∈K; ∀ i = 1, 2, …, n y α∈V. Por lo tanto,
T(α) = T(∑=
α•n
1iiic ) = ∑
=
α•n
1iii )(Tc
Supongamos que Nul(T) = p y que sin pérdida de generalidad α1, α2, …, αp∈Ker(T). Luego, T(αi) = θ, ∀ i = 1, 2, …, p. Supongamos ahora que β∈Img(T). Entonces existe α∈V tal que T(α) = β. Luego,
β = T(α) = ∑=
α•n
1iii )(Tc = ∑
=
α•p
1iii )(Tc + ∑
+=
α•n
1piii )(Tc
= ∑=
θ•p
1iic + ∑
+=
α•n
1piii )(Tc
= θ + ∑+=
α•n
1piii )(Tc
= ∑+=
α•n
1piii )(Tc
Por consiguiente, Ran(T) = n – (p+1) + 1 = n – p – 1 + 1 = n – p, es decir:
Ran(T) = Dim(V) – Nul(T)
⇒ Ran(T) + Nul(T) = Dim(V)
Teorema 6.5. Sean V y W espacios vectoriales sobre K tales que V es finito dimensional con Dim(V) = n, B = {α1, α2, …, αn} una base de V y β1, β2, …, βn vectores cualesquiera de W. Entonces existe una única T.L. T: V→W tal que T(αj) = βj, ∀ j = 1, 2, …, n. Demostración Como B = {α1, α2, …, αn} es una base de V por el teorema 4.12., se cumple
que ∀ α∈V, existen escalares únicos c1, c2, …, cn∈K tales que α = ∑=
α•n
1iiic .
Definamos T(α) = ∑=
β•n
1iiic . Es claro que T(αj) = βj, ∀ j = 1, 2, …, n ya que:
CAPÍTULO 6: TRANSFORMACIONES LINEALES
214
T(α) = T(∑=
α•n
1iiic ) = ∑
=
α•n
1iii )(Tc = ∑
=
β•n
1iiic
Veamos que T es una T.L.
Sean α = ∑=
α•n
1iiic , δ = ∑
=
α•n
1iiid , con d1, d2, …, dn∈K y c∈K.
Ahora bien,
T(c•α+δ) = T(c•∑=
α•n
1iiic +∑
=
α•n
1iiid ) = T(∑
=
α•+n
1iiii )dcc(
= ∑=
α•+n
1iiii )(T)dcc(
= ∑=
β•+n
1iiii )dcc(
= ∑=
β•n
1iiicc + ∑
=
β•n
1iiid
= ∑=
α•n
1iii )(Tcc + ∑
=
α•n
1iii )(Td
= cT(α) + T(δ) Veamos ahora que T es única. Sea S: V→W otra T.L. tal que: S(αj) = βj, j = 1, 2, …, n.
Ahora bien, si α = ∑=
α•n
1iiic entonces:
S(α) = S(∑=
α•n
1iiic ) = ∑
=
α•n
1iii )(Sc = ∑
=
β•n
1iiic = T(α)
Ejemplo 6.5.
Determinemos si existe una T.L. T: ℜ2→ℜ3 tal que T( ⎥⎦
⎤⎢⎣
⎡01
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ −
3 2 1
y
T( ⎥⎦
⎤⎢⎣
⎡−1 1
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
010
. Veamos primero que ⎥⎦
⎤⎢⎣
⎡01
y ⎥⎦
⎤⎢⎣
⎡−1 1
forman una base de ℜ2.
⎥⎦
⎤⎢⎣
⎡ba
= c1• ⎥⎦
⎤⎢⎣
⎡01
+ c2• ⎥⎦
⎤⎢⎣
⎡−1 1
= ⎥⎦
⎤⎢⎣
⎡0c1 + ⎥
⎦
⎤⎢⎣
⎡−
2
2
c c
= ⎥⎦
⎤⎢⎣
⎡ −
2
21
ccc
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
215
⇒ a = c1 – c2 y b = c2 ⇒ c1 = a + b y c2 = b.
⇒ ⎥⎦
⎤⎢⎣
⎡ba
= (a+b)• ⎥⎦
⎤⎢⎣
⎡01
+ b• ⎥⎦
⎤⎢⎣
⎡−1 1
⇒ T( ⎥⎦
⎤⎢⎣
⎡ba
) = T((a+b)• ⎥⎦
⎤⎢⎣
⎡01
+ b• ⎥⎦
⎤⎢⎣
⎡−1 1
)
= (a+b)T( ⎥⎦
⎤⎢⎣
⎡01
) + bT( ⎥⎦
⎤⎢⎣
⎡−1 1
)
= (a+b)•⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ −
3 2 1
+ b•⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
010
= ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
++−−
b3a3 b2a2
ba +
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
0b0
= ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
++−−
b3a3 b3a2
ba
Luego, si existe una T.L. T: ℜ2→ℜ3 que cumple con ambas condiciones y
además tiene por regla de correspondencia T( ⎥⎦
⎤⎢⎣
⎡ba
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
++−−
b3a3 b3a2
ba.
6.4. MONOMORFISMOS, EPIMORFISMOS E ISOMORFISMOS. Definición 6.6. Sea T: V→W una T.L. Se dice que T es un:
1. Monomorfismo si T es inyectiva. 2. Epimorfismo si T es sobreyectiva. 3. Isomorfismo si T es biyectiva.
Teorema 6.6. Sea T: V→W una T.L. T es un Monomorfismo si y sólo si Ker(T) = {θ}. Demostración CN(⇒): Si T es un Monomorfismo entonces Ker(T) = {θ}. Sea α∈Ker(T). Entonces T(α) = θ. Pero también T(θ) = θ. Como T es un Monomorfismo entonces T es inyectiva. Luego, α = θ. Por consiguiente, Ker(T) = {θ}.
CAPÍTULO 6: TRANSFORMACIONES LINEALES
216
CS(⇐): Si Ker(T) = {θ} entonces T es un Monomorfismo. Sean α1, α2∈V tales que T(α1) = T(α2). Entonces, T(α1) – T(α2) = θ, es decir, T(α1 – α2) = θ. Esto indica que (α1 – α2)∈Ker(T), pero como por hipótesis Ker(T) = {θ} entonces α1 – α2 = θ, es decir, α1 = α2. Luego, T es inyectiva y por consiguiente T es un Monomorfismo. Ejemplo 6.6. En el ejemplo 6.5.:
La T.L. T: ℜ3→ℜ2 definida por T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
) = ⎥⎦
⎤⎢⎣
⎡+−
Z2YYX
, ∀ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
∈ℜ3 tiene las
siguientes características:
Img(T) = { ⎥⎦
⎤⎢⎣
⎡ba
∈ℜ2: a∈ℜ y b∈ℜ} = ℜ2.
Ran(T) = Dim(Img(T)) = 2
Ker(T) = {⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
∈ℜ3: ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
= a⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−
1 22
; a∈ℜ}
Nul(T) = Dim (Ker(T)) = 1 Como Ker(T) ≠ {θ} entonces aplicando equivalencia contrarecíproca en el teorema 6.6., se obtiene que T no es un Monomorfismo. Por su parte, como Img(T) = ℜ2 entonces T es un epimorfismo. Sin embargo, como T no es un Monomorfismo, aún y cuando es un Epimorfismo no es un Isomorfismo. Teorema 6.7. Sea T: V→W una T.L. con Dim(V) = Dim(W) = n. T es un Monomorfismo si y sólo si T es un Epimorfismo. Demostración CN(⇒): Si Dim(V) = Dim(W) = n y T es un Monomorfismo entonces T es un Epimorfismo. Si T es un Monomorfismo entonces Ker(T) = {θ}. Por consiguiente, Nul(T) = 0, lo cual significa que Ran(T) = Dim(V) – 0 = n = Dim(W). Esto significa que Img(T) = W, es decir, que T es sobreyectiva. Por lo tanto, T es un Epimorfismo. CS(⇐): Si Dim(V) = Dim(W) = n y T es un Epimorfismo entonces T es un Monomorfismo.
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
217
Si T es un Epimorfismo entonces T es sobreyectiva, es decir, Img(T) = W. Luego,
Ran(T) = Dim(W) = n Por consiguiente, Nul(T) = Dim(V) – n = n – n = 0, es decir, Ker(T) = {θ}. Por lo tanto, por el teorema 6.5., T es un Monomorfismo. Teorema 6.8. Sea T: V→W una T.L. con Dim(V) = n y Dim(W) = m. Entonces se cumple que:
1. Si n > m entonces T no es un Monomorfismo. 2. Si m > n entonces T no es un Epimorfismo.
Demostración
1. Utilicemos reducción al absurdo. Supongamos que n > m y que T es un Monomorfismo. Luego, por el teorema 6.6., Ker(T) = {θ}. Sea {α1, α2, …, αn} una base de V. Sea βi = T(αi), ∀ i = 1, 2, …, n. Analicemos el conjunto S = {β1, β2, …, βn}. Como m = Dim(W) < n entonces por la equivalencia contrarecíproca del teorema 4.14., apartado 1, se tiene que el conjunto S es L.D. De esta forma existen escalares c1, c2, …, cn no todos iguales a cero tales que:
c1•β1 + c2•β2 + … + cn•βn = θ
Sea α = c1•α1 + c2•α2 + … + cn•αn. Como el conjunto {α1, α2, …, αn} es una base de V entonces es L.I. y como no todos los coeficientes ci son iguales a cero se cumple que α ≠ θ. Pero,
T(α) = T(c1•α1 + c2•α2 + … + cn•αn) = c1•T(α1) + c2•T(α2) + … + cn•T(αn) = c1•β1 + c2•β2 + … + cn•βn = θ
Por consiguiente, α∈Ker(T) y Ker(T) ≠ {θ}, lo cual es una contradicción.
2. Utilicemos reducción al absurdo. Supongamos que m > n y que T es un Epimorfismo. Luego, Img(T) = W. Sea {α1, α2, …, αn} una base de V. Supongamos que α∈V. Luego, existen escalares c1, c2, …, cn tales que α = c1•α1 + c2•α2 + … + cn•αn. Sea βi = T(αi), ∀ i = 1, 2, …, n. Por consiguiente:
T(α) = T(c1•α1 + c2•α2 + … + cn•αn)
= c1•T(α1) + c2•T(α2) + … + cn•T(αn) = c1•β1 + c2•β2 + … + cn•βn
Luego, {β1, β2, …, βn} = {T(α1), T(α2), …, T(αn)} es un conjunto de generadores de Img(T). Por el teorema 4.14. apartado 2 se cumple
CAPÍTULO 6: TRANSFORMACIONES LINEALES
218
que n ≥ Dim(Img(T)), es decir, n ≥ Ran(T), osea Ran(T) ≤ n. Como m > n entonces Img(T) ≠ W, lo cual es una contradicción.
Definición 6.7. Sean V y W espacios vectoriales sobre K. Se dice que V y W son isomorfos y se escribe V≅ W si existe un Isomorfismo T: V→W. Observación: Sean V y W espacios vectoriales sobre K finito dimensionales. V≅ W si y sólo si Dim(V) = Dim(W). Ejemplo 6.7. K4≅ M2x2(K), ya que se puede verificar fácilmente que la función T: K4→M2x2(K) definida por:
T(
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
dcba
) = ⎥⎦
⎤⎢⎣
⎡dcba
es un isomorfismo. En general se cumple que Kmn ≅ Mmxn(K). 6.5. MATRIZ ASOCIADA A UNA TRANSFORMACIÓN LINEAL T: ℜn→ℜm. Teorema 6.9. Sea T: ℜn→ℜm una T.L. Entonces existe una matriz única AT∈Mmxn(ℜ) denominada matriz de la transformación T tal que ∀ α∈ℜn se cumple que T(α) = ATα. Demostración Como se sabe α∈ℜn en notación matricial es α∈Mnx1(ℜ). Sea αh = T(eh), ∀ h = 1, 2, …, n, siendo {e1, e2, …, en} la base canónica de ℜn. Sea AT la matriz cuyas columnas son α1, α2, …, αn. Luego,
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
=α
mhT
h2T
h1T
h
)A(
)A()A(
M; ∀ h = 1, 2, …, n
Es decir,
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
219
αh∈ℜm, lo cual significa que αh∈Mmx1(ℜ) y además (αh)ij = (AT)ih Ahora bien, AT∈Mmxn(ℜ) eh∈Mnx1(ℜ),∀ h = 1, 2, …, n. Por consiguiente, (ATeh)∈Mmx1(ℜ) y además:
(ATeh)ij = ∑=
n
1rrj
hirT )e()A(
= njh
inThjh
ihTj1h
1iT )e()A()e()A()e()A( ++++ LL
= ihTinTihT1iT )A(0.)A(1.)A(0.)A( =++++ LL = (αh)ij Es decir, ATeh = αh = T(eh) Por el teorema 6.2., ∀ α∈ℜn, T(α) = ATα. Veamos que AT es única. Supongamos que existen matrices AT∈Mmxn(ℜ) y BT∈Mmxn(ℜ) tales que ∀ α∈ℜn, T(α) = ATα = BTα. Sea CT = AT – BT. Luego, CTα = (AT – BT)α = ATα – BTα = ATα – ATα = θmx1, ∀ α∈ℜn. En particular, CTeh = θmx1, ∀ h = 1, 2, …, n. Pero, CTeh es la h-ésima columna de CT. De esta forma cada una de las n columnas de CT es el vector nulo θmx1 y CT = θmxn. Por consiguiente, AT – BT = θmxn, es decir, AT = BT. Ejemplo 6.8. Como se demostró anteriormente la función T: ℜ3→ℜ2 definida por:
T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
) = ⎥⎦
⎤⎢⎣
⎡+−
Z2YYX
, ∀ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
∈ℜ3.
es una T.L. Determinemos la matriz AT. Como n = 3 y m = 2 entonces AT∈M2x3(ℜ). Luego, ∀ α∈ℜn se cumple que T(α) = ATα. Por consiguiente:
⎥⎦
⎤⎢⎣
⎡+−
=⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎦
⎤⎢⎣
⎡Z2Y
YX
ZYX
AAAAAA
232221
131211
CAPÍTULO 6: TRANSFORMACIONES LINEALES
220
⇒ ⎥⎦
⎤⎢⎣
⎡+−
=⎥⎦
⎤⎢⎣
⎡++++
Z2YYX
ZAYAXAZAYAXA
232221
131211
⇒ Z2YZAYAXA
YXZAYAXA
232221
131211
+=++−=++
⇒ 2A ,1A ,0A0A ,1A ,1A
232221
131211
====−==
⇒ ⎥⎦
⎤⎢⎣
⎡ −=
210011
AT
Teorema 6.10. Sea T: ℜn→ℜm una T.L. y AT∈Mmxn(ℜ) su matriz asociada. Entonces se cumple que:
1. Img(T) = tAI =
TAC .
2. Ran(T) = r(AT). 3. Ker(T) =
TAN .
4. Nul(T) = n(AT). Demostración
1. Por definición, Img(T) = {β∈ℜm: β = T(α), para algún α∈ℜn} y a su vez T(α) = ATα. Luego,
Img(T) = {β∈ℜm: β = ATα, para algún α∈ℜn} = tA
I = TAC .
2. Por definición, Ran(T) = Dim(Img(T)) = Dim ( tAI ) = r(AT).
3. Por definición, Ker(T) = {α∈ℜn: T(α) = θmx1} y a su vez T(α) = ATα. Luego,
Ker(T) = {α∈ℜn: ATα = θmx1} =
TAN
4. Por definición, Nul(T) = Dim(Ker(T)) = Dim(
TAN ) = n(AT).
6.6. MATRIZ DE UNA TRANSFORMACIÓN LINEAL T: V→W RELATIVA A BASES DE V Y W. Definición 6.8. Sea V un espacio vectorial sobre K finito dimensional con Dim(V) = n y sea B = {α1, α2, …, αn} una base de V. ∀ α∈V existen escalares únicos
c1, c2, …, cn∈K tales que α = ∑=
α•n
1iiic . Se define como matriz de
coordenadas del vector α relativa a la base B y se denota por [α]B a la matriz [α]B∈Mnx1(K) siguiente:
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
221
[α]B =
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
n
2
1
c
cc
M
Observación: Nótese que ([α]B)ij = ci. Definición 6.9. Sea V un espacio vectorial sobre K finito dimensional con Dim(V) = n y sean B1 = {α1, α2, …, αn} y B2 = {β1, β2, …, βn} bases de V. ∀ αj∈B1; j = 1, 2, …, n existen escalares únicos c1j, c2j, …, cnj∈K tales que
αj = ∑=
β•n
1iiijc . Se define como matriz de transición de la base B1 a la base B2
y se denota por [ ] 21
BBα a la matriz [ ] 2
1
BBα ∈Mnxn(K) siguiente:
[ ] 21
BBα =
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
nn2n1n
n22221
n11211
ccc
cccccc
L
MMM
L
L
Observación: Nótese que ( [ ] 2
1
BBα )ij = cij.
Ejemplo 6.9.
Sea V = ℜ2 y B1 = { ⎥⎦
⎤⎢⎣
⎡=α
12
1 , ⎥⎦
⎤⎢⎣
⎡−
=α11
2 } y B2 = { ⎥⎦
⎤⎢⎣
⎡=β
21
1 , ⎥⎦
⎤⎢⎣
⎡=β
10
2 }
bases de V. Determinemos la matriz de transición de B1 a B2. Hallemos los valores de c11, c12, c21, c22 tales que:
2211111 cc β•+β•=α y 2221122 cc β•+β•=α
⎥⎦
⎤⎢⎣
⎡+
=⎥⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡
2111
11
2111
112111 cc2
cc0
c2c
10
c21
c12
3c c41 c2.21 c2c1 ;2c 212121211111 −=⇒+=⇒+=⇒+==⇒
⎥⎦
⎤⎢⎣
⎡+
=⎥⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡+⎥
⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡− 2212
12
2212
122212 cc2
cc0
c2c
10
c21
c11
3c c21 c2.11 c2c1 ;1c 222222221212 −=⇒+=−⇒+=−⇒+=−=⇒
CAPÍTULO 6: TRANSFORMACIONES LINEALES
222
Luego, la matriz de transición de B1 a B2 es:
[ ] ⎥⎦
⎤⎢⎣
⎡−−
=α331 2
21
BB
Teorema 6.11.
Sea V un espacio vectorial sobre K finito dimensional con Dim(V) = n y sean B1 = {α1, α2, …, αn} y B2 = {β1, β2, …, βn} bases de V. Entonces se cumple que ∀α∈V:
[ ]2Bα = [ ] 2
1
BBα [ ]
1Bα
Demostración
Como B1 es una base de V entonces ∀α∈V existen escalares únicos c1, c2, …, cn∈K tales que:
nn2211 c...cc α•++α•+α•=α
Igualmente, existen escalares únicos cij; i, j = 1, 2, …, n tales que:
nnn2n21n1n
n2n2221122
n1n2211111
c....cc
c....ccc....cc
β•++β•+β•=α
β•++β•+β•=αβ•++β•+β•=α
M
Sustituyendo en la ecuación anterior se obtiene que:
)c....cc(c)c....cc(c n2n2221122n1n2211111 β•++β•+β••+β•++β•+β••=α )c....cc(c... nnn2n21n1n β•++β•+β••++
2nn22221211nn1212111 )cc...cccc()cc...cccc( β•++++β•+++=α⇒
nnnn22n11n )cc...cccc(... β•+++++
nn2211 d...dd β•++β•+β•=α⇒
Luego,
[ ] [ ] [ ]1
212 B
BB
n
2
1
nn2n1n
n22221
n11211
nnn22n11n
nn2222121
nn1212111
n
2
1
B
c
cc
ccc
cccccc
cc...cccc
cc...cccccc...cccc
d
dd
αα=
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
+++
++++++
=
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
=αM
L
MMM
L
L
MM
Teorema 6.12.
Sea V un espacio vectorial sobre K finito dimensional con Dim(V) = n y sean B1 = {α1, α2, …, αn} y B2 = {β1, β2, …, βn} bases de V. Entonces se cumple que:
[ ] [ ] 1BB
BB )( 2
112
−α=α
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
223
Demostración Por el teorema 6.11., se tiene que:
[ ]1Bα = [ ] 1
2
BBα [ ]
2Bα
Pero [ ]
2Bα = [ ] 21
BBα [ ]
1Bα . Luego,
[ ]
1Bα = [ ] 12
BBα [ ] 2
1
BBα [ ]
1Bα
⇒ [ ]1Bα – [ ] 1
2
BBα [ ] 2
1
BBα [ ]
1Bα = θnx1
⇒ [ ]1Bα (In – [ ] 1
2
BBα [ ] 2
1
BBα ) = θnx1
Como [ ]
1Bα ≠θnx1 entonces (In – [ ] 12
BBα [ ] 2
1
BBα ) = θnxn. Por lo tanto,
[ ] 1
2
BBα [ ] 2
1
BBα = In
Por el teorema 1.10., [ ] [ ] 1B
BBB )( 2
112
−α=α
Definición 6.10. Sean V y W espacios vectoriales finito dimensionales sobre K con Dim(V) = n y Dim(W) = m y B1 = {α1, α2, …, αn} y B2 = {β1, β2, …, βm} bases de V y W, respectivamente. Sea T: V→W una T.L. ∀ j = 1, 2, …, n, T(αj)∈W, por lo cual
existen m escalares Aij∈K tales que T(αj) = ∑=
βm
1iiijA . Se define como matriz
de la T.L. T relativa a las bases B1 y B2 y se denota por [ ] 21
BBT a la matriz
[ ] 21
BBT ∈Mmxn(K) particionada 1xn siguiente:
[ ] 2
1
BBT = [ [ ] [ ] [ ]
222 BnB2B1 )(T)(T)(T ααα L ]
Observaciones
1. [ ] 21
BBT ij = Aij; ∀ i = 1, 2, …, m, j = 1, 2, …, n.
2. Ran(T) = r( [ ] 21
BBT )
3. Nul(T) = n( [ ] 21
BBT )
4. [ ] [ ] [ ]1
212 B
BBB T)(T α=α
5. T(α) = [ ]∑=
βαm
1iiiB ))(T(
2
CAPÍTULO 6: TRANSFORMACIONES LINEALES
224
Ejemplo 6.10. Sea T: ℜ3→ℜ2 la T.L. definida por:
T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
) = ⎥⎦
⎤⎢⎣
⎡+−
ZYYX
Sean:
B1 = {⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=α
2 11
1 , ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=α
310
2 , ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=α
100
3 }
B2 = { ⎥⎦
⎤⎢⎣
⎡=β
01
1 , ⎥⎦
⎤⎢⎣
⎡−=β
1 1
2 }
Tales que B1 y B2 son bases de ℜ3 y ℜ2, respectivamente. Determinemos [ ] 2
1
BBT .
⎥⎦
⎤⎢⎣
⎡ba
= c1•β1 + c2•β2 = c1• ⎥⎦
⎤⎢⎣
⎡01
+ c2• ⎥⎦
⎤⎢⎣
⎡−1 1
= ⎥⎦
⎤⎢⎣
⎡0c1 + ⎥
⎦
⎤⎢⎣
⎡−
2
2
c c
= ⎥⎦
⎤⎢⎣
⎡ −
2
21
c cc
⇒ a = c1 – c2 y b = c2 ⇒ a = c1 – b y c2 = b ⇒ c1 = a + b y c2 = b.
⇒ ⎥⎦
⎤⎢⎣
⎡ +=
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡b
baba
2B
T(α1) = T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
2 11
) = ⎥⎦
⎤⎢⎣
⎡12
T(α2) = T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
310
) = ⎥⎦
⎤⎢⎣
⎡ −4 1
T(α3) = T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
100
) = ⎥⎦
⎤⎢⎣
⎡10
( )[ ] ⎥⎦
⎤⎢⎣
⎡=
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡=α
13
12
T2
2
BB1
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
225
( )[ ] ⎥⎦
⎤⎢⎣
⎡=
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡−=α
43
4 1
T2
2
BB2
( )[ ] ⎥⎦
⎤⎢⎣
⎡=
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡=α
11
10
T2
2
BB3
Luego,
[ ] 21
BBT = ⎥
⎦
⎤⎢⎣
⎡141133
Nótese que: T(α1) = 3•β1 + 1•β2; T(α2) = 3•β1 + 4•β2 y T(α3) = 1•β1 + 1•β2 Ahora bien,
332211 ccc α•+α•+α•=α ⇒ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡•+
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡•+
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−•=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
100
c310
c2 11
cZYX
321
⇒ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡+
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡+
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
32
2
1
1
1
c00
c3c0
c2 cc
ZYX
⇒ ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
+++−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
321
21
1
cc3c2 cc
c
ZYX
⇒ c1 = X Y = –c1 + c2 ⇒ Y = –X + c2 ⇒ c2 = X + Y Z = 2c1 + 3c2 + c3 ⇒ Z = 2X + 3(X + Y) + c3 ⇒ Z = 2X + 3X + 3Y + c3 ⇒ Z = 5X + 3Y + c3 ⇒ c3 = –5X – 3Y + z Luego,
[ ]⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
+−−+=α
ZY3X5YX
X
1B
Por otra parte,
⎥⎦
⎤⎢⎣
⎡ +=
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡b
baba
2B
y además T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
) = ⎥⎦
⎤⎢⎣
⎡+−
ZYYX
. Por lo tanto,
⎥⎦
⎤⎢⎣
⎡++
=⎥⎦
⎤⎢⎣
⎡+
++−=
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛+−
=⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
ZYZX
ZYZYYX
ZYYX
ZYX
T2
2
BB
Por consiguiente,
CAPÍTULO 6: TRANSFORMACIONES LINEALES
226
[ ] [ ]1
21
2
BBB
B
TZY3X5
YXX
141133
ZYZX
ZYX
T α=⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
+−−+⎥
⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡++
=⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
Para hallar la imagen a través de esta matriz de un vector determinado,
digamos el vector ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=α
321
se procede de la siguiente manera:
T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
321
) = ∑=
β⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡m
1iii
B
))321
(T(
2
, siendo [ ]1
21
2 B
BB
B321
T)321
(T⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
Hallamos:
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
+−−+=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
83 1
32.31.521
1
321
1B
Luego,
[ ]1
21
2 B
BB
B321
T)321
(T⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−⎥⎦
⎤⎢⎣
⎡
83 1
141133
= ⎥⎦
⎤⎢⎣
⎡54
Por consiguiente,
T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
321
) = ∑=
β⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡m
1iii
B
))321
(T(
2
= 4. ⎥⎦
⎤⎢⎣
⎡01
+ 5. ⎥⎦
⎤⎢⎣
⎡−1 1
= ⎥⎦
⎤⎢⎣
⎡−5 1
Directamente con la transformación lineal se obtiene que:
T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
321
) = ⎥⎦
⎤⎢⎣
⎡−=⎥
⎦
⎤⎢⎣
⎡+−
5 1
3221
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
227
Teorema 6.13. Sean T: ℜn→ℜm una T.L. y, B1 = {α1, α2, …, αn} y B2 = {β1, β2, …, βm} bases de ℜn y ℜm, respectivamente. Si A1∈Mnxn(ℜ) definida como una matriz particionada 1xn A1 = [α1 α2 … αn] y A2∈Mnxn(ℜ) definida como una matriz particionada 1xm A2 = [β1 β2 … βm] entonces se cumple que:
[ ] 21
BBT = 1T
12 AAA− .
Demostración Por definición,
[ ] 21
BBT = [ [ ] [ ] [ ]
222 BnB2B1 )(T)(T)(T ααα L ]
A su vez, existen escalares c1, c2, …, cn tales que:
∑=
β•=αm
1iiijj c)(T
Luego,
[ ]⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
=α
mj
j2
j1
Bj
c
cc
)(T2 M
Por consiguiente,
[ ] 21
BBT =
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
mn2m1m
n22221
n11211
ccc
cccccc
L
MMM
L
L
Ahora bien,
mmj2j21j1
m
1iiijj c...ccc)(T β•++β•+β•=β•=α ∑
=
[ ]
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
βββ=α⇒
mj
j2
j1
m21j
c
cc
)(TM
L
CAPÍTULO 6: TRANSFORMACIONES LINEALES
228
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
=α⇒
mj
j2
j1
2j
c
cc
A)(TM
Luego,
[ ]
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
=ααα
mn
n2
n1
2
2m
22
12
2
1m
21
11
2n21
c
cc
A
c
cc
A
c
cc
A)(T)(T)(TM
LMM
L
⇒ [ ]
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
=ααα
mn
n2
n1
2m
22
12
1m
21
11
2n21
c
cc
c
cc
c
cc
A)(T)(T)(TM
LMM
L
⇒ [ ] [ ] 21
BB2n21 TA)(T)(T)(T =ααα L
Por otro lado, T(α) = ATα, es decir que:
[ ] [ ] 21
BB2nT2T1T TAAAA =ααα L
Por consiguiente,
[ ] [ ] 21
BB2n21T TAA =ααα L [ ] 2
1
BB21T TAAA =⇒
Como B2 = {β1, β2, …, βm} es una base entonces B2 es un conjunto L.I. Luego, la matriz A2 = [β1 β2 … βm] es no singular. Por lo tanto,
[ ] [ ] 1T1
2BB
BB21T AAATTAAA 2
121
−=⇒=
Ejemplo 6.11. En el ejemplo 6.9., la T.L. T: ℜ3→ℜ2 es definida por:
T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
ZYX
) = ⎥⎦
⎤⎢⎣
⎡+−
ZYYX
Es sencillo verificar que:
⎥⎦
⎤⎢⎣
⎡ −=
11 0011
AT
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
229
Como B1 = {⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=α
2 11
1 , ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=α
310
2 , ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=α
100
2 } entonces ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=
132 011001
A1
Como B2 = { ⎥⎦
⎤⎢⎣
⎡=β
01
1 , ⎥⎦
⎤⎢⎣
⎡−=β
1 1
2 } entonces ⎥⎦
⎤⎢⎣
⎡ −=
1 011
A2
Se puede verificar fácilmente que ⎥⎦
⎤⎢⎣
⎡=−
1011
A 12
Luego, [ ] 1T1
2BB AAAT 2
1
−= = ⎥⎦
⎤⎢⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−⎥
⎦
⎤⎢⎣
⎡ −⎥⎦
⎤⎢⎣
⎡141133
132 011001
11 0011
1011
CAPÍTULO 6: TRANSFORMACIONES LINEALES
230
EJERCICIOS PROPUESTOS. 1. Determine cuáles de las siguientes funciones son T.L.:
1.1. T: ℜ3→ℜ3 definida por:
1.1.1. T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ −
3
1
12
XX
XX
1.1.2. T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ +
0X
1X
2
1
1.1.3. T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡+0
XX0
21
1.1.4. T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
1
3
21
XXXX
1.2. T: ℜ3→ℜ2 definida por:
1.2.1. T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
) = ⎥⎦
⎤⎢⎣
⎡
1
2
XX
1.2.2. T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
) = ⎥⎦
⎤⎢⎣
⎡ −
3
21
XXX2
1.3. T: M2x2(ℜ)→M2x2(ℜ) tal que T(A) = A + At. 1.4. T: M2x2(ℜ)→ℜ tal que T(A) = Det(A). 1.5. T: M2x2(ℜ)→ℜ tal que T(A) = Traza(A).
2. Para cada una de las funciones anteriores que sean transformaciones
lineales determine Kernel, Imagen, Nulidad y Rango.
3. La función T: ℜ2→ℜ2 es una T.L. y verifica que T( ⎥⎦
⎤⎢⎣
⎡21
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ −
2 0 1
y
T( ⎥⎦
⎤⎢⎣
⎡12
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−12 0
. Determine las imágenes de los vectores ⎥⎦
⎤⎢⎣
⎡33
y
⎥⎦
⎤⎢⎣
⎡−1
0 .
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
231
4. Determine si existe una T.L. T: ℜ2→ℜ tal que T( ⎥⎦
⎤⎢⎣
⎡21
) = 3,
T( ⎥⎦
⎤⎢⎣
⎡22
) = –1 y T( ⎥⎦
⎤⎢⎣
⎡52
) = 2
19 .
5. Sea T: ℜ2→M3x3(ℜ) definida por T(X1, X2) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
212
211
11
XXX0 XXX0XX
5.1. Demuestre que T es una T.L. 5.2. Determine Kernel e Imagen de T, así como también bases
de estos subespacios.
6. Sea T: ℜ2→ℜ3 una T.L. definida por T( ⎥⎦
⎤⎢⎣
⎡
2
1
XX
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−+
0X
X2X
1
21
.
6.1. Determine la matriz asociada con T con respecto a las
bases { ⎥⎦
⎤⎢⎣
⎡31
, ⎥⎦
⎤⎢⎣
⎡−4 2
} de ℜ2 y {⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
111
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
022
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
003
} de ℜ3.
6.2. Calcular mediante esta matriz T( ⎥⎦
⎤⎢⎣
⎡38
).
7. Sea T: ℜ2→ℜ2 una T.L. tal que T( ⎥⎦
⎤⎢⎣
⎡11
) = ⎥⎦
⎤⎢⎣
⎡01
y T( ⎥⎦
⎤⎢⎣
⎡−1
1 ) = ⎥
⎦
⎤⎢⎣
⎡10
.
Determine la representación matricial de T con respecto a la base
{ ⎥⎦
⎤⎢⎣
⎡11
, ⎥⎦
⎤⎢⎣
⎡−1
1 }
8. Determine una T.L. T: ℜ3→ℜ3 tal que:
Ker(T) = {⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
: 2X1 – X2 + X3 = 0}.
9. Sea T: ℜ3→ℜ2 una T.L. definida por T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
) = ⎥⎦
⎤⎢⎣
⎡+−
32
31
XXX2X
.
CAPÍTULO 6: TRANSFORMACIONES LINEALES
232
Determine la matriz asociada a T con respecto a las bases
{⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
111
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
022
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
003
} de ℜ3 y { ⎥⎦
⎤⎢⎣
⎡02
, ⎥⎦
⎤⎢⎣
⎡20
} de ℜ2.
10. Sea T: M2x2(ℜ)→ℜ3 una T.L. definida por
T( ⎥⎦
⎤⎢⎣
⎡
43
21
XXXX
) = ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
++++−+
432
421
321
XXXXXXXXX
10.1. Determine la matriz asociada a T con respecto a las bases
{ ⎥⎦
⎤⎢⎣
⎡1111
, ⎥⎦
⎤⎢⎣
⎡0101
, ⎥⎦
⎤⎢⎣
⎡1000
, ⎥⎦
⎤⎢⎣
⎡1110
} de M2x2(ℜ) y
{⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
120
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
102
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
110
de ℜ3.
10.2. Utilizando la matriz determinada en 10.1., determine la
imagen de ⎥⎦
⎤⎢⎣
⎡ −22 31
.
11. Determine la T.L. T: ℜ3→ℜ2 tal que respecto a las bases
{⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
110
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
101
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
011
} de ℜ3 y { ⎥⎦
⎤⎢⎣
⎡21
, ⎥⎦
⎤⎢⎣
⎡12
} de ℜ2 la matriz asociada es
⎥⎦
⎤⎢⎣
⎡− 111
00 1.
12. Sea Tφ: ℜ2→ℜ2 la T.L. representada por la matriz
⎥⎦
⎤⎢⎣
⎡φφφ−φ)(Cos)(Sen)(Sen)(Cos
respecto a la base canónica de ℜ2. Demuestre
que si φ1∈ℜ y φ2∈ℜ entonces:
12.1. 2121
TTT φ+φφφ =o .
12.2. 21
TT 1φ−
−φ = .
13. Sea T: V→W una T.L., β∈W y α0∈V tal que T(α0) = β. Demuestre
que toda solución de T(α) = β es de la forma α0 + δ, donde δ∈Ker(T). 14. Sea B∈nxn(K) una matriz no singular. Demuestre que la T.L.
T: Mmxn(ℜ)→Mmxn(ℜ) definida por T(A) = AB es un isomorfismo.
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
233
15. Sean U, V y W espacios vectoriales y T1: V→W y T2: W→U T.L., tales que T1 y T2 son monomorfismos. Demuestre que T1°T2 es un monomorfismo.
16. Sea T: ℜ3→ℜ2 una T.L. y ⎥⎦
⎤⎢⎣
⎡−−
211112
la matriz asociada con T con
respecto a las bases canónicas de cada espacio. Determine la
preimagen por T del vector ⎥⎦
⎤⎢⎣
⎡−1 1
. ¿Es T un monomorfismo?.
17. Sea T: V→V una T.L. y tal que T2 – T + I = θ. Demuestre que T-1
existe y que T-1 = I – T.
18. Sea T :P2→M2x2(ℜ) tal que T(ax2+bx+c) =
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
+
+
ca2b
2bca
.
18.1. Demuestre que T es una T.L. 18.2. Determine Imagen, Kernel, Rango y Nulidad de T. ¿Es T
un isomorfismo? 18.3. Determine la matriz asociada a T respecto a la base
{1+x, 1–x, x2–1} de P2 y la base canónica de M2x2(ℜ). Mediante esta matriz determine la Imagen por T de 4x2–3x+5.
19. Sea T:M2x2(ℜ)→ℜ3 tal que la matriz asociada con T respecto a la base
canónica de M2x2(ℜ) y la base {⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
111
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
022
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
003
} de ℜ3 es
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
−
−−−
0 31
32
31
210 2
1011 0 0
19.1. Determine la preimagen de ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
321
. ¿Es T inyectiva?
19.2. Sea T2: ℜ3→ℜ2 tal que T2(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
XXX
) = ⎥⎦
⎤⎢⎣
⎡+−
+
312
21
XXXXX
.
Determine la matriz asociada con (T2°T) con respecto a las bases canónicas de M2x2(ℜ) y ℜ2.
CAPÍTULO 6: TRANSFORMACIONES LINEALES
234
20. Sea T: ℜ4→P2 tal que T(
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
4
3
2
1
aaaa
) = a1 + a2x + (a3+a4)x2.
20.1. Demuestre que T es una T.L. 20.2. Determine Kernel, Imagen, Rango y Nulidad de T.
21. Sea T: M2x2(ℜ)→P2 tal que:
T( ⎥⎦
⎤⎢⎣
⎡dcba
) = (b–c)x2 + (3a–d)x + (4a–2c+d).
21.1. Determine el Kernel, Imagen, Rango y Nulidad de T. ¿Es T
un epimorfismo? 21.2. Determine la matriz asociada con T con respecto a las
bases { ⎥⎦
⎤⎢⎣
⎡−−
1143
, ⎥⎦
⎤⎢⎣
⎡−1112
, ⎥⎦
⎤⎢⎣
⎡−−
1122
, ⎥⎦
⎤⎢⎣
⎡−1012
} de
M2x2(ℜ) y {2x–1, -5x2+3x-1, x2–2x+1} de P2.
21.3. Mediante esta matriz determine la imagen de ⎥⎦
⎤⎢⎣
⎡4321
.
22. Sea P2 el espacio vectorial de los polinomios de grado a lo sumo 2,
B = {1+2x, x2–2x+1, x2+x–1} una base de P2 y T: P2→P2 tal que la matriz asociada a T con respecto a la base B es:
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
−
2 58 13 40 31
22.1. Demuestre que T es un isomorfismo. 22.2. Determine T-1 y la matriz asociada con T-1 respecto a la
base B. 22.3. Mediante esta matriz, obtener T-1(p) siendo
p(x) = –x2–3x+2.
23. Sea P3 el espacio vectorial de los polinomios de grado a lo sumo 3 y T: P3→ℜ3 tal que la matriz asociada con T con respecto a las bases
B1 = {x3+x2, x2+x, x+1, 1} de P3 y B2 = {⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−
31 2
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
0 31
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
2 63
} de ℜ3
es ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−−
−−−−
142315125 41 26 1 915101
23.1. Determine si T es un monomorfismo.
ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
235
23.2. Determine T(5x3–x2+3x+2). 23.3. Sea T2: ℜ3→ℜ2 tal que T2(x1, x2, x3) = (-2x1+3x3, x1+2x2–
x3) y la base B3 = { ⎥⎦
⎤⎢⎣
⎡−−
12
, ⎥⎦
⎤⎢⎣
⎡35
} de ℜ2. Determine la matriz
asociada con T2°T con respecto a las bases B1 y B3. ¿Es T2°T un monomorfismo?
24. Sea T: ℜ3→P2 tal que T(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
aaa
) = (a2–a1) + (a1+2a3)x + (a3–a2)x2.
24.1. Demuestre que T es un isomorfismo. 24.2. Determine T-1 y la matriz asociada a T-1 con respecto a las
bases {2x–1, 4x2+x+1, –x2+2x+1} de P2 y
{⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
222
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
013
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
004
} de ℜ3.
24.3. Mediante esta matriz determine T-1(p) siendo p(x) = 2x2–x+6.
25. Sea T: P2→P2 una T.L. y tal que la matriz asociada con T respecto a la
base B = {2x–1, 4x2–x+1, x2+2x+1} es ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−
143132031
25.1. Demuestre que T es un isomorfismo. 25.2. Determine T-1. 25.3. Sea T2: ℜ3→P2 tal que:
T2(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
3
2
1
ccc
) = c3 + (c2–c1)x + (c3+2c2)x2.
Determine la matriz asociada a T°T2 respecto a las bases
B de P2 y {⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
111
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
022
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
004
} de ℜ3.
26. Sea P2 el espacio vectorial de los polinomios de grado a lo sumo 2,
B = {1+2x, x2–2x+1, x2+x–1} una base de P2 y T: P2→P2 tal que la matriz asociada con T respecto a la base B es:
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
−
2 58 13 40 31
CAPÍTULO 6: TRANSFORMACIONES LINEALES
236
26.1. Demuestre que T es un isomorfismo. 26.2. Determine T-1 y la matriz asociada con T-1 respecto a la
base B. 26.3. Mediante esta matriz, determinar T-1(p) siendo
p(x) = –x2–3x+2. 27. Sea T: M2x2(ℜ)→P3 una T.L. tal que la matriz asociada con T respecto
a las bases B1 y B2 es:
⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢
⎣
⎡
−−
−
1 0 2 111 0 2 0 13 1 3 2 1 0
B1 = { ⎥⎦
⎤⎢⎣
⎡0011
, ⎥⎦
⎤⎢⎣
⎡−01 11
, ⎥⎦
⎤⎢⎣
⎡1000
, ⎥⎦
⎤⎢⎣
⎡ −1 011
}
B2 = {x3+x2, x2+x, x+1, 1}
27.1. Determine T( ⎥⎦
⎤⎢⎣
⎡1320
).
27.2. Demuestre que T es un isomorfismo. 27.3. Determine T-1.
27.4. Sea T2: ℜ3→M2x2(ℜ) tal que T2(⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
cba
)= ⎥⎦
⎤⎢⎣
⎡−++−
cbcababa
.
Determine la matriz asociada con T°T2 respecto a las bases
B2 y B3, siendo B3 = {⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
011
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
102
, ⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
210
}. ¿Es T°T2 un
isomorfismo?
28. Determine la matriz de transición de B1 a B2 y de B2 a B1 en los siguientes casos:
28.1. V = ℜ2, B1 = { ⎥⎦
⎤⎢⎣
⎡=α
01
1 , ⎥⎦
⎤⎢⎣
⎡=α
10
2 }, B2 = { ⎥⎦
⎤⎢⎣
⎡=β
32
1 , ⎥⎦
⎤⎢⎣
⎡−−
=β43
2 }
28.2. V = ℜ2, B1 = { ⎥⎦
⎤⎢⎣
⎡=α
32
1 , ⎥⎦
⎤⎢⎣
⎡−−
=α43
2 }, B2 = { ⎥⎦
⎤⎢⎣
⎡=β
51
1 , ⎥⎦
⎤⎢⎣
⎡=β
62
2 }
28.3. V = P1, B1 = { 11=α , x2 =α }, B2 = { x321 +=β , x542 +−=β }