Si V y W son espacios vectoriales

una función T: V→W recibe el

nombre de transformación. Los
espacios V y W se llaman,
respectivamente, dominio y
codominio de la transformación.
En términos generales, una transformación
es una función que permite transformar un
vector que pertenece a un espacio vectorial
(dominio) en otro vector que pertenece a
otro espacio vectorial (codominio). Por esta
razón, dicha función es una función vectorial
de variable vectorial, es decir, depende de
ഥ .
ഥ =𝒇 𝒗
vectores, y es del tipo 𝒘
 Una transformación se representa como
T: V→W, donde V es el “dominio” y W el
“codominio” de la transformación T.
Transformación
T
ഥ
𝒗 ഥ
𝑻 𝒗
Imagen de 𝒗
ഥ

Recorrido

V= Dominio W=Codominio
 Sea V y W dos espacios vectoriales sobre
un campo K. Una transformación T: V→W
ഥ𝟏 , 𝒗
es lineal si ∀ 𝒗 ഥ𝟐 ∈ 𝑽 𝐲 ∀ 𝜶 ∈ 𝑲:
Superposición
i. 𝑻 𝒗
ഥ𝟏 + 𝒗
ഥ𝟐 = 𝑻 𝒗
ഥ𝟏 + 𝑻 𝒗
ഥ𝟐
Homogeneidad
i. 𝑻 𝜶 𝒗
ഥ𝟏 = 𝜶 𝑻 𝒗
ഥ𝟏
Toda transformación lineal T: V→W tiene la propiedad
de que la imagen del vector cero del dominio es igual al
ഥ𝑽 = 𝑶
vector cero del codominio, es decir: 𝑻 𝑶 ഥ𝒘
Determina cuáles de las siguientes
transformaciones son lineales:

𝒂)𝑻 𝒙, 𝒚, 𝒛 = 𝒙, 𝒚
𝒙+𝒚 −𝒙
𝒃)𝑻 𝒙, 𝒚, 𝒛 = 𝒛 𝒙−𝒚
𝒄)𝑻 𝒙, 𝒚 = 𝒙𝟐 , 𝒚
𝒂 𝟎
𝒅)𝑻 𝒂𝒙 + 𝒃 =
𝟎 𝒃
𝒅
𝒆)𝑻 𝒖ഥ = ഥ
𝒖
𝒅𝒙
Se denomina el núcleo de una transformación
al conjunto de vectores cuya imagen es el
vector cero del codominio. Es decir, si T:
V→W es una transformación con dominio V y
codominio W, entonces el núcleo está dado
por el siguiente conjunto:

𝑵 𝑻 = 𝒗ഥ | 𝑻 𝒗 ഥ𝒘
ഥ =𝟎
El núcleo es un subconjunto del dominio. Además, cuando la
transformación es lineal, el núcleo es un subespacio vectorial
del dominio.
Sea denomina recorrido de una transformación
al conjunto de todos los vectores que son
imagen de algún vector del dominio. Es decir, si
T: V→W es una transformación con dominio V y
codominio W, entonces el recorrido está dado
por el siguiente conjunto:

ഥ |𝒗ഥ ∈ 𝑽
𝑻 𝑽 = 𝑻 𝒗
El recorrido es un subconjunto del codominio. Además, cuando
la transformación es lineal, el recorrido es un subespacio
vectorial del codominio.
Para determinar el recorrido de una transformación
lineal, se aplica el siguiente teorema:
Sea T: V→W una transformación lineal. Si
𝑩 = 𝒗ത 𝟏 , 𝒗ത 𝟐 , … , 𝒗ത 𝒏 es una base del dominio V,
entonces el siguiente conjunto
𝑪𝑮 = 𝑻 𝒗ത 𝟏 , 𝑻 𝒗ത 𝟐 , … , 𝑻 𝒗ത 𝒏
Es un conjunto generador del recorrido T(V).
Sea T: V→W una transformación:
i. Se llama recorrido de T al conjunto
𝑻 𝑽 = 𝑻 𝒗 ഥ |𝒗 ഥ∈𝑽

ii. Se llama núcleo de T al conjunto

𝑵 𝑻 = 𝒗ഥ | 𝑻 𝒗 ഥ =𝟎 ഥ𝒘
Si T: V→W es una transformación lineal, entonces:
𝑇 0ത 𝑣 = 0ത 𝑤

Sea T: V→W una transformación lineal. Si

𝐵 = 𝑣ҧ1 , 𝑣ҧ2 , … , 𝑣𝑛ҧ es una base de V, entonces
el conjunto 𝐺 = 𝑇 𝑣ҧ1 , 𝑇( 𝑣ҧ2 ) , … , 𝑇( 𝑣𝑛ҧ ) es
un generador de T( V ).
Si V es un espacio de dimensión finita y
T: V→W es una transformación lineal,
entonces:

𝒅𝒊𝒎𝑽 = 𝒅𝒊𝒎𝑻 𝑽 + 𝒅𝒊𝒎𝑵( 𝑻 )

Sea 𝐿: ℝ3 → ℝ3 una transformación lineal definida
por:

𝑇 𝑎, 𝑏, 𝑐 = 3𝑎 + 𝑏, 6𝑎 − 𝑐, 2𝑏 + 𝑐

Obtener:
a) 𝑁 𝑇 , su dimensión y una de sus bases
b) 𝑇 ℝ3 , su dimensión y una de sus bases
c) Verificar que dimℝ3 = dimN T + dimT ℝ3
Sea L: V→W una transformación lineal de un espacio
vectorial V de dimensión “n” a un espacio vectorial W

Sea 𝑆 = 𝑣ҧ1 , 𝑣ҧ2 , … , 𝑣𝑛ҧ una base de V. Si 𝑣ҧ es

cualquier vector de V, entonces 𝐿 𝑣ҧ está
totalmente determinada por ሼ 𝐿 𝑣ҧ1 , 𝐿( 𝑣ҧ2 ) , … ,
𝐿( 𝑣𝑛ҧ ) ሽ
Dentro de las transformaciones lineales se puede
establecer una relación de equivalencia entre los
espacios vectoriales, por ejemplo, si se tiene al
espacio vectorial 𝑽 y una transformación lineal
toma la forma 𝑻: 𝑽 → 𝑽 definida por

𝑻 𝒗ഥ = 𝒗ഥ , ∀ 𝒗ഥ ∈ 𝑽
Se tiene que la transformación lineal aplica al
espacio 𝑽 en el mismo; esta transformación se
conoce como transformación identidad y se
denota como: 𝑰: 𝑽 → 𝑽
 𝑰: 𝑽 → 𝑽
Adicionalmente se tiene que esta transformación
tiene las propiedades de ser suprayectiva e
inyectiva.
 Funciones inyectiva, suprayectiva y biyectiva

Función inyectiva o uno a uno (1-1): A

elementos distintos del conjunto A
(dominio) le corresponden distintos
elementos de B (codominio) y
recíprocamente.
a 1
b 2
4
c 3
A B
 Función suprayectiva o sobre

Función suprayectiva o sobre: Todo

elemento de B es imagen de por lo menos
un elemento de A.

a 1
b 2
c 3
A B
Existen transformaciones lineales, no
necesariamente la transformación identidad, que
son suprayectivas e inyectivas. Dichas
transformaciones se conocen como isomorfismos.

Definición:
Sean dos espacios vectoriales 𝑽 y 𝑾 , y una
transformación lineal 𝑻: 𝑽 → 𝑾 . Los espacios 𝑽 y
𝑾 son isomorfos entre sí, sólo si 𝑻 es inyectiva y
suprayectiva; entonces a 𝑻 se le conoce como
isomorfismo. A un isomorfismo se le denotará
como 𝑰𝑺 , y a los espacios vectoriales isomorfos
como 𝑽 ≅ 𝑾
Los isomorfismos cumplen con propiedades
importantes. Sean los espacios isomorfos 𝑽, 𝑾 y
el isomorfismo 𝑰𝑺 : 𝑽 → 𝑾 . Para esta
transformación se cumple que:

- Su núcleo es el vector nulo: 𝑵 𝑰𝑺 = 𝟎ഥ

- Es no-singular; es decir, tiene una
transformación inversa.
- Una base cualquiera del dominio se transforma
en una base del codominio.
Existe una forma alternativa para obtener
imágenes de una transformación lineal, la cual
está basada en el concepto de matriz asociada a
una transformación.

Esta matriz se obtiene por la disposición en

columnas de las imágenes de los elementos de una
base canónica del dominio. De esta forma, la
imagen de un vector está dada por el producto de
la matriz asociada y el vector dado en forma de
columna.
 ℝ𝒏 ℝ𝒎

T
u T(u)

Esto es posible de esta forma, siempre y cuando

tanto el dominio como el codominio sean espacios
del tipo 𝑹𝒏 .
 T
u T(u)

U V

En caso de que no lo sean (espacios del tipo 𝑹𝒏 ),

siempre se tendrá el recurso de transformarlos a
espacios de este tipo, mediante el concepto de
isomorfismo.
1. Dada la transformación lineal 𝑇: ℝ2 ⟶ ℝ2 .
𝑇 𝑥, 𝑦 = 𝑥 + 3𝑦, 2𝑥 − 𝑦
Obtener:
a) La imagen del vector 𝑢ത = −1,3 en forma directa
b) La imagen del vector 𝑢ത por medio de la matriz
asociada.

2. Consideremos la transformación lineal reflexión

𝑇: ℝ2 ⟶ ℝ2 , tal que 𝑇 𝑥, 𝑦 = 𝑥, −𝑦
Determinar la representación matricial de T.

3. Consideremos la transformación lineal 𝑇: ℝ2 ⟶ ℝ3 , tal

que 𝑇 𝑥, 𝑦 = 𝑥 + 𝑦, 𝑥 − 𝑦, 3𝑦
Determinar la representación matricial de T.
4. Dada la transformación lineal 𝑇: 𝑃2 ⟶ 𝑃3 definida por
𝑇 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 = 𝑎𝑥 + 𝑏𝑥 2 + 𝑐𝑥 3
Determinar la representación matricial de T.

5. Consideremos la transformación lineal 𝐹: ℝ3 ⟶ ℝ2 , tal

que 𝐹 𝑥, 𝑦, 𝑧 = 𝑥 + 2𝑧, −𝑦
Determinar la representación matricial de F.

6. Consideremos la transformación lineal 𝐺: ℝ2 ⟶ ℝ3 , tal

que 𝐺 𝑥, 𝑦 = 𝑥 + 2𝑦, 𝑥 − 𝑦, 𝑦
Determinar la representación matricial de G.
 Las ideas anteriores pueden generalizarse al caso
de espacios vectoriales cualesquiera,
simplemente, reemplazando los vectores imagen
por sus respectivos vectores de coordenadas.

U V
𝑼 𝒚 𝑽 cualquier espacio vectorial.
De acuerdo con esto la matriz asociada a la
transformación referida a dos bases cualesquiera
A y B respectivamente se representa de la manera
siguiente:
U V 𝑨 es la base del dominio
T 𝑩 es la base del codominio

𝑨
A B
𝑴𝑩 𝑻
De esta forma se tiene que las columnas de dicha matriz son los
vectores de coordenadas, en la base B, de las imágenes de los
elementos que integran a la base A.
𝑻: 𝑼 ⟶ 𝑽
Sean V y W dos espacios vectoriales con 𝑑𝑖𝑚𝑉 = 𝑛 y
𝑑𝑖𝑚𝑊 = 𝑚 ; y sean 𝐴 = 𝑣ҧ1 , 𝑣ҧ2 , … , 𝑣𝑛ҧ y 𝐵=
𝑤
ഥ1 , 𝑤
ഥ2 , … , 𝑤
ഥ𝑚 bases de V y W, respectivamente.

Si T: V→W es una transformación lineal, existe una y sólo

una matriz 𝑀𝐵𝐴 ( 𝑇 ), de orden mxn, tal que:
𝑀𝐵𝐴 𝑇 𝑣ҧ 𝐴 = [ 𝑇 𝑣ҧ ]𝐵 , ∀ 𝑣ҧ ∈ 𝑉

Las columnas de dicha matriz son los vectores:

[ 𝑇 𝑣ҧ1 ]𝐵 , [ 𝑇 𝑣ҧ2 ]𝐵 , … , [ 𝑇 𝑣𝑛ҧ ]𝐵
De acuerdo con el teorema anterior la matriz
𝑀𝐵𝐴 𝑇 nos permite calcular la imagen de un
vector 𝑣ҧ cualquiera del dominio, mediante el
siguiente procedimiento:

1) Determinar las coordenadas de 𝑣ҧ en la

base 𝐴 𝑣ҧ 𝐴
2) Multiplicar la matriz 𝑀𝐵𝐴 𝑇 por el vector
𝑣ҧ 𝐴
3) Obtener el vector 𝑇 𝑣ҧ a partir de sus
coordenadas en la base 𝐵
 Esquemáticamente, lo anterior se puede
ilustrar de la siguiente forma:
ഥ
𝒗 Usando la regla
ഥ
𝑻 𝒗
Con los
Obtener el de vectores de la
vector de correspondencia base B y los
coordenadas escalares de
𝑣ҧ 𝐴 𝑇 𝑣ҧ 𝐵 obtener
𝑇 𝑣ҧ
ഥ
𝒗 𝑨 ഥ
𝑻 𝒗 𝑩
Multiplicar
𝑀𝐵𝐴 𝑇 𝑣ҧ 𝐴
1. Sean los espacios vectoriales
𝑎 𝑏
𝑉= 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 𝑎, 𝑏, 𝑐 ∈ ℝ y W = 𝑎, 𝑏, 𝑐 ∈ ℝ
𝑏 𝑐
Y sea 𝑇: 𝑉 ⟶ 𝑊, la transformación lineal definida por:
2 𝑎+𝑐 3𝑏
𝑇 𝑎𝑥 + 𝑏𝑥 + 𝑐 =
3𝑏 2 𝑎+𝑐
Considerando las bases:
2 1 0 0 1 0 0
𝐴 = 𝑥 , 𝑥, 1 y B = , ,
0 0 1 0 0 1
Obtener:
a) 𝑀𝐵𝐴 𝑇
b) La imagen del vector 𝑣ҧ = 3𝑥 2 − 2𝑥 + 4 empleando la
matriz asociada 𝑀𝐵𝐴 𝑇 .
2. Sea la transformación lineal 𝑇: ℝ3 ⟶ ℝ3 , tal que:
𝑇 𝑥, 𝑦, 𝑧 = 2𝑥 − 3𝑦, −3𝑥 + 2𝑦 + 3𝑧, −3𝑦 + 2𝑧 Obtener la
matriz asociada a T referida a las bases:
𝐴 = 1,0,1 , 0,1,1 , 1,1,1 y B = 1,0,0 , 1,1,0 , 0,1,1
Del dominio y codominio, respectivamente.

3. Retomando la transformación lineal:

𝑇: ℝ2 ⟶ ℝ3 , tal que: 𝑇 𝑥, 𝑦 = 𝑥 + 2𝑦, 𝑥 − 𝑦, 𝑦
a) Obtener la matriz asociada a T referida a las bases:
𝐴 = 0,1 , 1,1 y B = 1,0,0 , 1,1,0 , 0,1,1
b) Obtener la imagen del vector 𝑣ҧ = 3,5 empleando la
matriz asociada 𝑀𝐵𝐴 𝑇 .
c) Obtener la imagen del vector 𝑣ҧ = 3,5 empleando la
matriz asociada M 𝑇
Dados la 𝑴𝑨𝑩 𝑻 y las bases 𝑨 y 𝑩, se desea conocer
la regla de correspondencia de la transformación
𝑇: 𝑉 ⟶ 𝑊
1. Proponer un vector 𝒗 ഥ ∈𝑽
2. Obtener 𝒗 ഥ𝑨
3. Realizar la operación 𝑴𝑨𝑩 𝑻 𝒗ഥ𝑨= 𝑻 𝒗 ഥ 𝑩
4. Conocido el vector 𝑻 𝒗 ഥ 𝑩 , se escribe como
combinación lineal de los vectores de la base B, con
la finalidad de obtener la regla de correspondencia
o imagen, 𝑻 𝒗 ഥ , buscada.
2. Sea la transformación lineal 𝐻: ℝ2 ⟶ ℝ2 , la
transformación lineal cuya matriz asociada es
𝑨 −𝟏 𝟐
𝑴𝑨 𝑯 = , y donde 𝐴 = −1,0 , 0,2 .
−𝟐 𝟑
Determinar:
a) La regla de correspondencia de la transformación H.
b) La imagen del vector 𝑢ത = (−𝟏, 𝟑)
3. Sea la transformación lineal 𝑆: ℝ2 ⟶ ℝ3 , la
transformación lineal cuya matriz asociada es
𝟏 𝟏
𝑴𝑨𝑩 𝑺 = 𝟎 𝟏 , referida a las bases 𝐴 = 1,1 , 0, −1
𝟏 𝟎
del dominio y 𝐵 = 1,0,1 , 0,1,1 , (1,1,0) del codominio.
Determinar:
La regla de correspondencia de la transformación S.
En una transformación lineal, la dimensión
del recorrido es igual a la dimensión o rango
de la matriz asociada referida a dicha
transformación.

𝑻: 𝑽 → 𝑾 𝑹 𝑴 𝑻 = 𝒅𝒊𝒎𝑻 𝑽
𝑹 𝑴𝑨𝑩 𝑻 = 𝒅𝒊𝒎𝑻 𝑽
Nota: El rango de una matriz es el número de
renglones distintos de cero de dicha matriz
llevada a su forma escalonada.
1. Sea la transformación lineal 𝑇: ℝ3 ⟶ ℝ2 , definida por:
𝑇 𝑥, 𝑦, 𝑧 = 𝑥, 2𝑥 Obtener:
a) La dimensión del recorrido
b) El núcleo de T y su dimensión.
 Si V es un espacio vectorial de
dimensión n, entonces la matriz
asociada a la transformación identidad I:
V→W, referida a cualquier base de V, es
la matriz identidad In.
Sean S y T dos transformaciones lineales cuyo dominio
y codominio es el mismo 𝑆: 𝑉 → 𝑊 y T: 𝑉 → 𝑊.
1. La suma de S y T es una transformación de V en W,
denotada con S+T y definida por:
𝑆 + 𝑇 𝑣ҧ = 𝑆 𝑣ҧ + 𝑇 𝑣ҧ ; ∀ 𝑣ҧ ∈ 𝑉
En términos de matrices asociadas se tiene que:
𝑴 𝑺+ 𝑻 = 𝑴 𝑺 +𝑴 𝑻
2. El producto de un escalar 𝛼 ∈ 𝐾 por la transformación
S es una transformación de V en W, denotada con 𝛼𝑆 y
definida por
𝛼𝑆 𝑣ҧ = 𝛼S 𝑣ҧ ; ∀ 𝑣ҧ ∈ 𝑉 y ∀ α ∈ K
En términos de matrices asociadas se tiene que:
𝑴 𝛼𝑺 = 𝛼𝑴 𝑺
Sean V y W dos espacios vectoriales sobre un campo
K, con 𝑑𝑖𝑚𝑉 = 𝑚 y 𝑑𝑖𝑚𝑊 = 𝑛, sea 𝐿(𝑉, 𝑊) el
conjunto de todas las transformaciones lineales de V
en W. Si A y B son bases de V y W respectivamente;
entonces ∀ 𝑆, 𝑇 ∈ 𝐿 𝑉, 𝑊 y ∀ 𝛼 ∈ 𝐾 :

i. 𝑴𝑨𝑩 𝑺 + 𝑻 = 𝑴𝑨𝑩 𝑺 + 𝑴𝑨𝑩 𝑻

ii. 𝑴𝑨𝑩 𝜶𝑺 = 𝜶𝑴𝑨𝑩 ( 𝑺 )
Si T: U→V y S: V→W son dos
transformaciones lineales, se define la
transformación C: U→W, como el resultado de
la composición de las transformaciones T y S de
la siguiente forma:

ഥ = 𝑺∘𝑻
𝑪 𝒖 ഥ =𝑺 𝑻 𝒖
𝒖 ഥ ; ∀𝒖
ഥ∈𝑼
Para que la operación composición pueda
realizarse debe existir intersección entre el
recorrido de T y el Dominio de S.

En términos matriciales se tiene que:

𝑴 𝑺∘𝑻 =𝑴 𝑺 𝑴 𝑻
La expresión anterior es válida siempre y
cuando las matrices asociadas estén referidas a
las bases canónicas.
Dadas las transformaciones lineales T: U→V y
S: V→W y A, B, C son bases de U, V, W
respectivamente, entonces:

𝑴𝑨𝑪 𝑺 ∘ 𝑻 = 𝑴𝑩
𝑪 𝑺 𝑴 𝑨
𝑩 𝑻
Dado que el producto de matrices no es
conmutativo, entonces, se puede inferir que la
composición de transformaciones en general
no es conmutativa.
𝑆∘𝑇 ≠𝑇∘𝑆
En consecuencia, se tiene que
𝑴 𝑺∘𝑻 ≠𝑴 𝑻∘𝑺
Algunas propiedades de estas operaciones se
enuncian a continuación:
Sean T, R y S, tres transformaciones lineales y
sean 𝛼, 𝛽 𝜖 𝐾. Se tiene que:
𝟏) 𝑻 + 𝑹 = 𝑹 + 𝑻… conmutatitividad
𝟐) 𝑻 + 𝑹 + 𝑺 = 𝑻 + (𝑹 + 𝑺)…asociatividad
𝟑)𝜶 𝜷𝑻 = 𝜶𝜷 𝑻… homogeneidad
𝟒) 𝜶 + 𝜷 𝑻 = 𝜶𝑻 + 𝜷𝑻… distribuitividad
𝟓)𝜶 𝑻 + 𝑹 = 𝜶𝑻 + 𝜶𝑹… distribuitividad
𝟔) 𝑻 ∘ 𝑹 ∘ 𝑺 = 𝑻 ∘ 𝑹 ∘ 𝑺… asociatividad
𝟕)𝜶 𝑻 ∘ 𝑹 = 𝜶𝑻 ∘ 𝑹 = 𝑻 ∘ 𝜶𝑹
8) 𝑻 ∘ 𝑹 + 𝑺 = 𝑻 ∘ 𝑹 + 𝑻 ∘ 𝑺
1. Sean las transformaciones 𝑇: ℝ3 → ℝ2 , 𝑆: ℝ2 → ℝ3 ,
definidas por:
𝑇 𝑥, 𝑦, 𝑧 = 𝑥, 𝑦 + 𝑧
𝑆 𝑥, 𝑦 = 𝑥 + 𝑦, 𝑥 − 𝑦, 𝑦

Obtener, de ser posible: 𝑆 + 𝑇 y 𝑇 + 𝑆

2. Dadas las transformaciones H: ℝ3 → ℝ2 , 𝐺: ℝ3 → ℝ2 ,
definidas por:
𝐻 𝑥, 𝑦, 𝑧 = 2𝑥 − 𝑦, 𝑥 + 2𝑦
𝐺 𝑥, 𝑦, 𝑧 = 4𝑥 − 𝑦, 𝑧 − 𝑥

a) Obtener sus representaciones matriciales en bases

canónicas.
b) Obtener la imagen del vector 𝑎ത = 3,4,2 según las
transformaciones:
H ( a ) , G ( a ) , ( 3G + H )( a ) , H ( a ) + 3G ( a )
3. Dadas las transformaciones H: ℝ3 → ℝ2 , 𝐺: ℝ3 → ℝ2 ,
𝑇: ℝ3 → ℝ2 , 𝑆: ℝ2 → ℝ3 , definidas por:
𝐻 𝑥, 𝑦, 𝑧 = 2𝑥 − 𝑦, 𝑥 + 2𝑦
𝐺 𝑥, 𝑦, 𝑧 = 4𝑥 − 𝑦, 𝑧 − 𝑥
𝑇 𝑥, 𝑦, 𝑧 = 𝑥, 𝑦 + 𝑧
𝑆 𝑥, 𝑦 = 𝑥 + 𝑦, 𝑥 − 𝑦, 𝑦

a) Determinar de ser posible:

1) 𝑆 ∘ 𝑇, 2)𝑇 ∘ 𝑆, 3)𝐻 ∘ 𝐺, 4)𝐺 ∘ 𝐻

b) Verificar los resultados con ayuda de las matrices

asociadas S y a 𝑇 referidas a las bases canónicas de 𝑅2 y
𝑅3 .
4. Sean las transformaciones 𝑇: ℝ3 → ℝ3 , 𝑆: ℝ3 → ℝ3 y
U: ℝ3 → ℝ3 , definidas por:
𝑇 𝑥, 𝑦, 𝑧 = 𝑥 − 𝑦 + 2𝑧, 3𝑥 + 𝑦 + 4𝑧, 5𝑥 − 𝑦 + 8𝑧
𝑆 𝑥, 𝑦, 𝑧 = −𝑥 + 2𝑦 + 𝑧, 2𝑥 − 4𝑦 − 2𝑧, −3𝑥 + 6𝑦 + 3𝑧
𝑈 𝑥, 𝑦, 𝑧 = 𝑥 + 𝑦, 𝑥 − 𝑦, 2𝑥 + 3𝑦

Determinar la transformación 𝑁 = 𝑇 + 2𝑈 ∘ 𝑆 y la matriz

asociada con la transformación N.
Dada una transformación lineal T: V→W, existe una
transformación inversa 𝑇 −1 : W→V si y solo si la
transformación T es biyectiva, esto es:

1) 𝑑𝑖𝑚𝑉 = 𝑑𝑖𝑚𝑊 hace que la transformación sea suprayectiva

2) 𝑁 𝑇 = 0ത hace que la transformación sea inyectiva

En términos de matrices asociadas se tiene que 𝑇 −1 existe,

si y solo si la matriz M(T) es cuadrada y no singular (𝑑𝑒𝑡𝑀 ≠
0), es decir, si la inversa de M(T) existe, se tendrá
−1
𝑀 𝑇 = 𝑀 𝑇 −1
Propiedades:

1) 𝑇 −1 es única
2) 𝑇 −1 −1 = 𝑇
3) 𝑇 ∘ 𝐻 −1 = 𝐻−1 ∘ 𝑇 −1
−1 1 −1
4) 𝜆𝑇 = 𝑇 con 𝜆 ≠ 0
𝜆
Si T: V→W una transformación lineal, V un espacio de
dimensión finita y A, B bases de V y W respectivamente:

i. 𝑇 −1 existe si y sólo si 𝑀𝐵𝐴 𝑇 es no singular

ii. Si 𝑇 −1 existe, entonces

𝑀𝐴𝐵 𝑇 −1 = [ 𝑀𝐵𝐴 𝑇 ]−1
5. Sean las transformaciones S: ℝ3 → ℝ3 , 𝑇: ℝ3 → ℝ3 ,
definidas por:
𝑆 𝑥, 𝑦, 𝑧 = 𝑧, 𝑦, 𝑥
𝑇 𝑥, 𝑦, 𝑧 = 𝑥, 𝑥 + 𝑦, 𝑥 + 𝑦 + 𝑧

Demostrar que ambas transformaciones tienen inversa, y

que sus inversas también son lineales.
Sea V un espacio vectorial sobre K y sea T: V→V un
operador lineal. Si existe un vector 𝑣ҧ ∈ 𝑉. 𝑣ҧ ≠ 0ത , tal que:

𝑇 𝑣ҧ = 𝜆𝑣ҧ
Para algún escalar 𝜆 ∈ 𝐾 ; entonces se dice que 𝜆
es un valor característico de T y que 𝑣ҧ es un vector
característico de T correspondiente a 𝜆.
Si T: V→V es un operador lineal y 𝝀 es un
valor característico de T, entonces el
conjunto 𝑬 𝝀 = 𝒗 ഥ 𝒗ഥ ∈ 𝑽 𝒚 𝑻 𝒗 ഥ = 𝝀ഥ
𝒗ሽ
es un subespacio de V.
Si T: V→V es un operador lineal y 𝛌 es un
valor característico de T, entonces el
conjunto 𝑬 𝝀 = 𝒗 ഥ 𝒗ഥ ∈ 𝑽 𝒚 𝑻 𝒗 ഥ = 𝝀ഥ
𝒗ሽ
se llama espacio característico de T
correspondiente al valor 𝝀.
Representación matricial diagonal de un
operador

Se dice que un operador lineal 𝑻: 𝑽 → 𝑽 tiene

una «representación matricial diagonal D»
(referida a una misma base), cuando existen
los valores característicos 𝝀𝒊 necesarios que
permitan obtener una matriz del tipo:
𝝀𝟏 𝟎 … 𝟎
𝟎 𝝀𝟐 … 𝟎
𝑫=
… … … …
𝟎 𝟎 … 𝝀𝒏
 Matriz diagonalizadora
Una «matriz diagonalizadora P», es aquella
cuyas columnas son los vectores
característicos 𝒗 ഥ𝒊 , que constituyen un
conjunto linealmente independiente que,
además, es una «base del espacio vectorial V»
al que se refiere el operador lineal 𝑻: 𝑽 → 𝑽.
Es decir, es una matriz del tipo:
𝒑𝟏𝟏 𝒑𝟏𝟐 … 𝒑𝟏𝒏
𝒑𝟐𝟏 𝒑𝟐𝟐 … 𝒑𝟐𝒏
𝑷= … … … …
𝒑𝒏𝟏 𝒑𝒏𝟐 … 𝒑𝒏𝒏
 Matriz diagonalizadora
Donde una base de V es 𝑩 = 𝒗 ഥ𝟏 , 𝒗
ഥ𝟐 , … , 𝒗
ഥ𝒏 ,
en la que 𝒗 ഥ𝟏 , 𝒗
ഥ𝟐 , … , 𝒗
ഥ𝒏 son los vectores
característicos del operador 𝑻 (columnas de
la matriz P), definidos como:
ഥ𝟏 = 𝒑𝟏𝟏 , 𝒑𝟐𝟏 , … , 𝒑𝒏𝟏
𝒗
ഥ𝟐 = 𝒑𝟏𝟐 , 𝒑𝟐𝟐 , … , 𝒑𝒏𝟐
𝒗

ഥ𝒏 = 𝒑𝟏𝒏 , 𝒑𝟐𝒏 , … , 𝒑𝒏𝒏

𝒗
La relación que existe entre las dos matrices
anteriores, D y P, se indica con el siguiente
TEOREMA: Una matriz A de nxn asociada con
el operador 𝑻: 𝑽 → 𝑽 , es «similar» a una
matriz diagonal D si y sólo si existe un
conjunto linealmente independiente (base de
V) formado por n vectores característicos de
A, los cuales constiuyen las columnas de una
matriz no singular P tal que:

𝑫 = 𝑷−𝟏 𝑨 𝑷
 𝑫 = 𝑷−𝟏 𝑨 𝑷

Cuando la expresión anterior se cumple, se

dice que A es «diagonalizable».
Otras observaciones importantes que se
relacionan con el teorema anterior, son:
1. Dos matrices representan el mismo
operador lineal, si y sólo si son similares.
2. Si A y D son matrices similares, entonces:
𝒅𝒆𝒕𝑨 = 𝒅𝒆𝒕𝑫
3. Dos matrices similares tienen el mismo
polinomio característico y, por tanto, los
mismos valores característicos.
En resumen, se puede decir que, para
obtener la matriz diagonal de un operador
lineal 𝑻: 𝑽 → 𝑽, solo basta con determinar los
valores y vectores característicos de dicho
operador a partir de su matriz asociada A, y
establecer si con los vectores característicos
anteriores es posible obtener una base que
indique la dimensión correcta del espacio
vectorial V al que se refiere el operador en
estudio. Si es así, las matrices diagonal D y la
diagonalizadora P se determinan como ya se
indicó antes. En caso contrario, se dice que el
operador no tiene una representación
matricial diagonal.
Dos matrices A y B de nxn son similares
si existe una matriz no singular C tal que

𝑩 = 𝑪−𝟏 𝑨𝑪
 Dos matrices representan al mismo operador
lineal si y sólo si son similares.

Si A y B son matrices similares entonces 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝐵.

Dos matrices similares tienen el mismo

polinomio característico y, por tanto, los
mismos valores característicos.
Una matriz A de nxn es similar a una matriz
diagonal D si y sólo si existe un conjunto
linealmente independiente formado por n
vectores característicos de A.
En tal caso, existe una matriz no singular P
tal que D=P-1AP, donde D es una matriz
diagonal cuyos elementos dii son los
valores característicos de A, y P tiene como
columnas a n vectores característicos de A
correspondientes a dichos valores.
 Todas las representaciones
matriciales de un operador lineal
tienen el mismo polinomio
característico y, por lo tanto, los
mismos valores característicos.