ÁLGEBRA LINEAL

Mg. Ruben Arbañil Rivadeneira

 CONTENIDO
(semana N° 10)

1. Rango, nulidad, espacios fila y columna.

2. Representación matricial de una transformación lineal.
3. Matriz asociada a una transformación lineal.
4. Matriz de pasaje.
5. Ejemplos y ejercicios.
1. RANGO, NULIDAD, ESPACIO FILA Y ESPACIO
COLUMNA.
Sea 𝐴 una matriz de 𝑚 × 𝑛 y sea

El espacio nulo de una matriz

𝑁𝐴 = 𝑥 ∈ ℝ𝑛 : 𝐴𝑥 = 0

Definición 1.1

Espacio nulo y nulidad de una matriz

𝑁𝐴 se denomina el espacio nulo de 𝐴 y 𝜈 𝐴 = 𝑑𝑖𝑚 𝑁𝐴 se

denomina nulidad de 𝐴 . Si 𝑁𝐴 contiene sólo al vector cero,
entonces 𝜈 𝐴 = 0.
TEOREMA 1.1

Sea 𝐴 una matriz de orden 𝑛. Entonces 𝐴 es invertible si y sólo si

𝜈 𝐴 = 0.

Definición 1.2

Imagen de una matriz

Sea 𝐴 una matriz de 𝑚 × 𝑛. Entonces la imagen de 𝐴, denotada por

𝑖𝑚(𝐴), está dada por

𝑖𝑚 𝐴 = 𝒚 ∈ ℝ𝑚 : 𝐴𝒙 = 𝒚 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝒙 ∈ ℝ𝑛
TEOREMA 1.2

Sea 𝐴 una matriz de orden 𝑚 × 𝑛. Entonces la imagen de 𝐴 𝑖𝑚(𝐴) es

un subespacio de ℝ𝑚 .
Demostración.
Suponga que 𝑦1 e 𝑦2 están en 𝑖𝑚(𝐴). Entonces existen vectores 𝑥1 y
𝑥2 en ℝ𝑛 tales que 𝑦1 = 𝐴𝑥1 y 𝑦2 = 𝐴𝑥2 . Por lo tanto,
𝑦1 + 𝑦2 = 𝐴𝑥1 + 𝐴𝑥2 = 𝐴 𝑥1 + 𝑥2 ∈ 𝑖𝑚(𝐴)
𝛼𝑦1 = 𝛼 𝐴𝑥1 = 𝐴 𝛼𝑥1 ∈ 𝑖𝑚(𝐴)
Así, 𝑖𝑚(𝐴) es un subespacio de ℝ𝑚 .

Definición 1.3

Rango de una matriz

Sea 𝐴 una matriz de 𝑚 × 𝑛. Entonces el rango de 𝐴, denotado por

𝜌(𝐴), está dado por
𝜌 𝐴 = 𝑑𝑖𝑚 𝑖𝑚(𝐴)
Definición 1.4

Espacio de las filas y espacio de las columnas de una matriz

Si 𝐴 es una matriz de orden 𝑚 × 𝑛, sean 𝑓1 , 𝑓2 , … , 𝑓𝑚 las filas de 𝐴 y

𝑐1 , 𝑐2 , … , 𝑐𝑛 las columnas de 𝐴. Entonces se define

𝑅𝐴 = espacio de las filas de 𝐴 = ℒ 𝑓1 , 𝑓2 , … , 𝑓𝑚

𝐶𝐴 = espacio de las columnas de 𝐴 = ℒ 𝑐1 , 𝑐2 , … , 𝑐𝑛

TEOREMA 1.3

Para cualquier matriz 𝐴, 𝐶𝐴 = 𝑖𝑚(𝐴). Es decir, la imagen de una

matriz es igual al espacio de sus columnas.
EJEMPLO Cálculo de 𝑵𝑨 , 𝝂 𝑨 , 𝒊𝒎 𝑨 , 𝝆 𝑨 , 𝑹𝑨 y 𝑪𝑨 para una
matriz de orden 𝟐 × 𝟑

1 2 −1
Sea 𝐴 = . 𝐴 es una matriz de 2 × 3.
2 −1 3

i. El espacio nulo de 𝐴 = 𝑁𝐴 = 𝑥 ∈ ℝ3 : 𝐴𝑥 = 0 . Como se vio en

ejemplo anterior 𝑁𝐴 = ℒ −1,1,1 .
ii. La nulidad de 𝐴 = 𝜈 𝐴 = 𝑑𝑖𝑚 𝑁𝐴 = 1.
iii. Se sabe que 𝑖𝑚 𝐴 = 𝐶𝐴 . Las primeras dos columnas de 𝐴 son
vectores linealmente independientes en ℝ2 y, por lo tanto, forman
una base para ℝ2 . La 𝑖𝑚 𝐴 = 𝐶𝐴 = ℝ2 .
iv. 𝜌 𝐴 = 𝑑𝑖𝑚 𝑖𝑚(𝐴) = 𝑑𝑖𝑚 ℝ2 = 2.
v. El espacio de las filas de 𝐴 = 𝑅𝐴 = ℒ 1,2, −1 , 2, −1,3 . Como
estos dos vectores son linealmente independientes, se ve que 𝑅𝐴
es un subespacio de dimensión dos de ℝ3 .
TEOREMA 1.4

Sea 𝐴 una matriz de 𝑚 × 𝑛, entonces

𝑑𝑖𝑚 𝑅𝐴 = 𝑑𝑖𝑚 𝐶𝐴 = 𝑑𝑖𝑚 𝑖𝑚(𝐴) = 𝜌(𝐴)

EJEMPLO Cálculo de 𝒊𝒎(𝑨) y 𝝆(𝑨) para una matriz de 𝟑 × 𝟑

Encuentre una base para 𝑖𝑚(𝐴) y determine el rango de

2 −1 3
𝐴 = 4 −2 6
−6 3 −9
Solución
Como 𝑓2 = 2𝑓1 y 𝑓3 = −3𝑓1 , se ve que 𝜌 𝐴 = 𝑑𝑖𝑚 𝑅𝐴 = 1. Así, toda
2
columna en 𝐶𝐴 es una base para 𝐶𝐴 = 𝑖𝑚(𝐴). Por ejemplo, 4 es
−6
una base para 𝑖𝑚(𝐴).
TEOREMA 1.5

Si 𝐴 es equivalente por filas a 𝐵, entonces 𝑅𝐴 = 𝑅𝐵 , 𝜌 𝐴 = 𝜌(𝐵) y

𝜈 𝐴 = 𝜈(𝐵).

TEOREMA 1.6

El rango de una matriz es igual al número de pivotes en su forma

escalonada por filas.

EJEMPLO Cálculo de 𝝆(𝑨) y 𝑹𝑨 para una matriz de 𝟑 × 𝟑

Determine el rango y el espacio de los renglones de
1 −1 3
𝐴= 2 0 4 . La forma escalonada por filas de 𝐴 es
−1 −3 1
1 −1 3
0 1 −1 = 𝐵. Como 𝐵 tiene dos pivotes, 𝜌 𝐴 = 𝑑𝑖𝑚 𝑅𝐴 = 2.
0 0 0
Una base para 𝑅4 consiste en las primeras dos filas de 𝐵:

𝑅𝐴 = ℒ 1, −1,3 , 0,1, −1
Este teorema es útil cuando se quiere encontrar una base para el
espacio generado por un conjunto de vectores.

EJEMPLO Determinación de una base para el espacio generado

por cuatro vectores en ℝ𝟑 .
Encuentre una base para el espacio generado por
𝑣1 = 1,2, −3 , 𝑣2 = −2,0,4 , 𝑣3 = 0,4, −2 , 𝑣4 = −2, −4,6
Solución Formamos la matriz 𝐴 y la reducimos a su forma
escalonada. La matriz que se obtiene tendrá el mismo espacio de
1 2 −3
0 1 −1 2
filas que 𝐴. La forma escalonada por filas de 𝐴 es ,
0 0 0
0 0 0
1
entonces una base para ℒ 𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 es 1,2, −3 , 0,1, − .
2
EJEMPLO Cálculo del espacio nulo de una matriz de 𝟒 × 𝟒

1 2 −4 3
2 5 6 −8
Encuentre el espacio nulo de 𝐴 =
0 −1 −14 14
3 6 −12 9
Solución La forma escalonada por filas reducidas de 𝐴 es
1 0 −32 31
0 1 14 −14
𝐸=
0 0 0 0
0 0 0 0
Las solucione de 𝐴𝑥 = 0 son las mismas que las soluciones a 𝐸𝑥 = 0. Si
𝑥 = 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , entonces 𝐸𝑥 = 0 da como resultado
𝑥1 − 32𝑥3 + 31𝑥4 = 0 𝑥1 = 32𝑥3 − 31𝑥4
∨
𝑥2 + 14𝑥3 − 14𝑥4 = 0 𝑥2 = −14𝑥3 + 14𝑥4
De manera que si 𝑥 ∈ 𝑁𝐴 , entonces
𝑥 = 32𝑥3 − 31𝑥4 , −14𝑥3 + 14𝑥4 , 𝑥3 , 𝑥4 = 𝑥3 32, −14,0,1 + 𝑥4 −31,14,0,1
Esto es, 𝑁𝐴 = ℒ 32, −14,0,1 , −31,14,0,1
TEOREMA 1.7

Sea 𝐴 una matriz de 𝑚 × 𝑛. Entonces

𝜌 𝐴 +𝜈 𝐴 =𝑛

Es decir, el rango de 𝐴 más la nulidad de 𝐴 es igual al número de

columnas de 𝐴.

EJEMPLO Ilustración de que 𝝆 𝑨 + 𝝂 𝑨 = 𝒏

1 2 −1
Para 𝐴 = se calculó anteriormente que 𝜌 𝐴 = 2 y
2 −1 3
𝜈 𝐴 = 1; esto ilustra que 𝜌 𝐴 + 𝜈 𝐴 = 𝑛 = 3.
2. REPRESENTACIÓN MATRICIAL DE UNA
TRANSFORMACIÓN LINEAL.

Si 𝐴 es una matriz de 𝑚 × 𝑛 y 𝑇: ℝ𝑛 → ℝ𝑚 está definida por

𝑇𝑥 = 𝐴𝑥, entonces es fácil ver que 𝑇 es una transformación lineal.
Ahora se verá que para toda transformación lineal de ℝ𝑛 en ℝ𝑚
existe una matriz 𝐴 de 𝑚 × 𝑛 tal que 𝑇𝑥 = 𝐴𝑥 para todo 𝑥 ∈ ℝ𝑛 .
Este hecho es de gran utilidad.
Adicionalmente, una vez que se sabe que 𝑇𝑥 = 𝐴𝑥, se puede
evaluar 𝑇𝑥 para cualquier 𝑥 en ℝ𝑛 mediante una simple
multiplicación de matrices.
Pero esto no es todo. Como se verá, cualquier transformación
lineal entre espacios vectoriales de dimensión finita se puede
representar mediante una matriz.
TEOREMA 2.1

Sea 𝑇: ℝ𝑛 → ℝ𝑚 una transformación lineal. Existe entonces una

matriz única de 𝑚 × 𝑛, 𝐴 𝑇 tal que

𝑇𝑥 = 𝐴 𝑇 𝑥 ; ∀𝑥 ∈ ℝ𝑛

Observación

En este teorema se supone que todo vector en ℝ𝑛 y ℝ𝑚 está

expresado en términos de los vectores de la base estándar en esos
espacios. Si se eligen otras bases para ℝ𝑛 y ℝ𝑚 , por supuesto que
se obtendrá una matriz 𝐴 𝑇 diferente.
DEFINICIÓN 2.1

Matriz de transformación

La matriz 𝐴 𝑇 en el teorema 1.1 se denomina matriz de

transformación correspondiente a 𝑇 o representación matricial de
𝑇.

DEFINICIÓN 2.2

Nulidad y rango de una transformación lineal

Sean 𝕍 y 𝕎 dos espacios vectoriales y sea 𝑇: 𝕍 → 𝕎 una

transformación lineal. Entonces se define

𝑁𝑢𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑇 = 𝜐 𝑇 = 𝑑𝑖𝑚 𝐾𝑒𝑟 𝑇

𝑅𝑎𝑛𝑔𝑜 𝑑𝑒 𝑇 = 𝜌 𝑇 = 𝑑𝑖𝑚 𝐼𝑚(𝑇)

TEOREMA 2.2

Sea 𝐴 𝑇 la matriz de transformación correspondiente a la

transformación lineal 𝑇. Entonces

i. 𝑖𝑚 𝑇 = 𝑖𝑚(𝐴)
ii. 𝜌 𝑇 = 𝜌 𝐴𝑇
iii. 𝐾𝑒𝑟 𝑇 = 𝑁𝐴𝑇
iv. 𝜈 𝑇 = 𝜈 𝐴𝑇

EJEMPLO Representación matricial de una transformación de

proyección
Encuentre la matriz de transformación 𝐴 𝑇 correspondiente a la
proyección de un vector en ℝ3 sobre el plano 𝑥𝑦.
Solución Aquí 𝑇 𝑥, 𝑦, 𝑧 = 𝑥, 𝑦, 0 . En particular, 𝑇 1,0,0 =
1 0 0
1,0,0 ; 𝑇 0,1,0 = 0,1,0 ; 𝑇 0,0,1 = 0,0,0 , Así 𝐴 𝑇 = 0 1 0 .
0 0 0
Observe que 𝐴 𝑇 𝑥 = 𝑇𝑥
EJEMPLO Representación matricial de una transformación de ℝ𝟑 en ℝ𝟒

Defina 𝑇: ℝ3 → ℝ4 por 𝑇 𝑥, 𝑦, 𝑧 = 𝑥 − 𝑦, 𝑦 + 𝑧, 2𝑥 − 𝑦 − 𝑧, −𝑥 + 𝑦 + 2𝑧
Encuentre 𝐴 𝑇 , 𝐾𝑒𝑟 𝑇 , 𝑖𝑚 𝑇 , 𝜈(𝑇) y 𝜌(𝑇).

Solución 𝑇 1,0,0 = 1,0,2, −1 , 𝑇 0,1,0 = −1,1, −1,1 , 𝑇 0,0,1 = 0,1, −1,2

1 −1 0
0 1 1
Así, 𝐴 𝑇 = . Observe (a manera de verificación) que
2 −1 −1
−1 1 2
1 −1 0 𝑥−𝑦
𝑥 𝑦+𝑧
0 1 1 𝑦 = 2𝑥 − 𝑦 − 𝑧
2 −1 −1 𝑥
−1 1 2 −𝑥 + 𝑦 + 2𝑧
Ahora se calculan el núcleo y la imagen de 𝐴. La forma escalonada por
1 −1 0
0 1 1
filas de 𝐴 𝑇 es . Esta forma tiene tres pivotes, de manera que
0 0 1
0 0 0
 𝜌 𝐴 = 3 y 𝜈 𝐴 = 3 − 3 = 0 ; pues 𝜌 𝐴 + 𝜈 𝐴 = 3

1 −1 0
0 1 1
Esto significa que 𝐾𝑒𝑟 𝑇 = 𝜃 , 𝑖𝑚 𝑇 = ℒ , ,
2 −1 −1
−1 1 2
𝜈 𝑇 = 0 y 𝜌 𝑇 = 3.

EJEMPLO Representación matricial de una transformación de ℝ𝟑 en ℝ𝟑

𝑥 2𝑥 − 𝑦 + 3𝑧
Defina 𝑇: ℝ3 → ℝ3 por 𝑇 𝑦 = 4𝑥 − 2𝑦 + 6𝑧 . Encuentre
𝑧 −6𝑥 + 3𝑦 − 9𝑧
𝐴 𝑇 , 𝐾𝑒𝑟 𝑇 , 𝑖𝑚 𝑇 , 𝜈(𝑇) y 𝜌(𝑇).
Solución
Como 𝑇 1,0,0 = 2,4, −6 , 𝑇 0,1,0 = −1, −2,3 , 𝑇 0,0,1 = 3,6, −9 se
tiene
2 −1 3
𝐴 𝑇 = 4 −2 6
−6 3 −9
Se puede verificar fácilmente que 𝐴 𝑇 𝑥 = 𝑇𝑥, además por Teorema 2.2
ii) se ve que 𝜌 𝐴 𝑇 = 𝜌 𝑇 = 1 e 𝑖𝑚 𝑇 = ℒ 2,4, −6 .
Entonces 𝜈 𝑇 = 2.
Para encontrar 𝑁𝐴 = 𝐾𝑒𝑟(𝑇), se reduce por filas para resolver el
sistema 𝐴𝑥 = 0:

2 −1 3 0 2 −1 3 0
4 −2 6 0 0 0 0 0
−6 3 −9 0 0 0 0 0
𝑥
Esto significa que 𝑦 ∈ 𝑁𝐴 si 2𝑥 − 𝑦 + 3𝑧 = 0, o sea, 𝑦 = 2𝑥 + 3𝑧.
𝑧
Estableciendo primero 𝑥 = 1, 𝑧 = 0 y después 𝑥 = 0, 𝑧 = 1, se obtiene
una base para 𝑁𝐴 :

1 0
𝐾𝑒𝑟 𝑇 = 𝑁𝐴 = ℒ 2 , 3
0 1
3. MATRIZ ASOCIADA A UNA TRANSFORMACIÓN
LINEAL.
TEOREMA 3.1

Sea 𝕍 un espacio vectorial de dimensión 𝑛, 𝕎 un espacio vectorial de

dimensión 𝑚 y 𝑇: 𝕍 → 𝕎 una transformación lineal. Sea 𝐵1 =
𝑣1 , 𝑣2 , … , 𝑣𝑛 una base para 𝕍 y sea 𝐵2 = 𝑤1 , 𝑤2 , … , 𝑤𝑚 una base
para 𝕎. Entonces existe una matriz única 𝐴 𝑇 de 𝑚 × 𝑛 tal que

𝑇𝒙 𝐵2 = 𝐴𝑇 𝒙 𝐵1

Observación

Como en el teorema 2.1, la unicidad de 𝐴 𝑇 es relativa a las bases 𝐵1 y 𝐵2 . Si

se cambian las bases, 𝐴 𝑇 cambia. Si se usan las bases canónicas o estándar,
entonces esta 𝐴 𝑇 es la 𝐴 𝑇 de la definición 2.1.
TEOREMA 3.2

Sean 𝕍 y 𝕎 espacios vectoriales de dimensión finita con 𝑑𝑖𝑚 𝕍 = 𝑛.

Sea 𝑇: 𝕍 → 𝕎 una transformación lineal y sea 𝐴 𝑇 una representación
matricial de 𝑇 respecto a las bases 𝐵1 en 𝕍 y 𝐵2 en 𝕎. Entonces
i. 𝜌 𝑇 = 𝜌 𝐴 𝑇
ii. 𝜈 𝐴 = 𝜈 𝐴 𝑇
iii. 𝜈 𝐴 + 𝜌 𝑇 = 𝑛

EJEMPLO Representación matricial relativa a dos bases no

canónicas en ℝ𝟐 .
𝑥 𝑥+𝑦
Sean la transformación lineal 𝑇: ℝ2 → ℝ2 definida por 𝑇 𝑦 = 𝑥 − 𝑦
1 −3
Calcule 𝐴 𝑇 con respecto a las bases 𝐵1 = 𝐵2 = , .
−1 2
−4
Además, encuentre la imagen de con respecto a la base
7
canónica y las bases 𝐵1 y 𝐵2 .
Solución Primero encontraremos las imágenes de los vectores que
forman la base de 𝐵1 y los expresamos en términos de la base 𝐵2 , esto
es,
1 0 1 −3 −6
𝑇 = = −6 −2 =
−1 2 −1 2 −2 𝐵2
−3 −1 1 −3 17
𝑇 = = 17 +6 =
2 −5 −1 2 6 𝐵2
Por lo tanto, la representación matricial de la transformación 𝑇 con
−6 17
respecto a las bases 𝐵1 y 𝐵2 es 𝐴 𝑇 = . Para encontrar la
−2 6
imagen con respecto a las diferentes bases obtenemos la representación
−4
de con respecto a 𝐵1 , que en este caso es
7
−4 1 −3 −13
= −13 −3 =
7 −1 2 −3 𝐵1
La imagen en las diferentes bases podemos calcularla como
−4 −4 + 7 3 −13 −13 27
𝑇 = = ; 𝑇 = 𝐴𝑇 =
7 −4 − 7 −11 −3 𝐵1 −3 𝐵1 8 𝐵2
1 −3 3
Observe que 27 +8 = , por lo que podemos concluir
−1 2 −11
que ambos resultados son equivalentes, independientemente de la base.
EJEMPLO La representación matricial de una transformación
lineal respecto a dos bases no canónicas en ℝ𝟐 puede
ser diagonal.

Sea la transformación lineal 𝑇: ℝ2 → ℝ2 definida por

𝑥 12𝑥 + 10𝑦
𝑇 𝑦 = . Calcule 𝐴 𝑇 con respecto a las bases 𝐵1 = 𝐵2 =
−15𝑥 − 13𝑦
1 2
, .
−1 −3

Solución Utilizando el procedimiento del problema anterior,

encontramos la imagen de la base 𝐵1 bajo 𝑇 y la expresamos en
términos de la base 𝐵2 , para construir la representación matricial 𝐴 𝑇 con
respecto a las bases 𝐵1 y 𝐵2 .
1 2 1 2 2
𝑇 = =2 +0 =
−1 −2 −1 −3 0 𝐵2
2 −6 1 2 0
𝑇 = =0 −3 =
−3 9 −1 −3 −3 𝐵2

2 0
Por lo tanto, 𝐴 𝑇 = .
0 −3
4. MATRICES DE PASAJE.
Sea 𝕍 un espacio vectorial de dimensión finita y consideremos dos
bases de 𝕍, 𝐵1 = 𝑣1 , 𝑣2 , … , 𝑣𝑛 y 𝐵2 = 𝑤1 , 𝑤2 , … , 𝑤𝑛 ahora definimos
dos endomorfismos.

 𝑓: 𝕍 → 𝕍 tal que 𝑓 𝑣𝑗 = 𝑤𝑗 , ∀𝑗 = 1,2, … , 𝑛 , expresando a cada

imagen como combinación lineal de la base 𝐵1 , se tiene:
𝑛

𝑤𝑗 = 𝑝𝑖𝑗 𝑣𝑖
𝑖=1

La matriz 𝑃 de ésta transformación lineal respecto de la base 𝐵1

𝑡
en cada espacio es: 𝑃 = 𝑝𝑖𝑗
𝑃 recibe el nombre de matriz de pasaje de la base 𝐵1 a la base 𝐵2 .
 𝑔: 𝕍 → 𝕍 tal que 𝑔 𝑤𝑗 = 𝑣𝑗 ; ∀𝑗 = 1,2, … , 𝑛 en forma similar al
caso anterior, tenemos:
𝑛

𝑣𝑗 = 𝑞𝑖𝑗 𝑤𝑗
𝑖=1

𝑡
𝑄 = 𝑞𝑖𝑗 es la matriz de 𝑔 respecto de la base 𝐵2 en cada
espacio, diremos que es la matriz de pasaje de la base 𝑩𝟐 a la
base 𝑩𝟏 .

EJEMPLO Sea 𝑇: ℝ3 → ℝ3 una transformación lineal definida por

𝑇 𝑥, 𝑦, 𝑧 = 𝑥 + 𝑦, 𝑥 − 𝑦, 𝑥 − 𝑧
i. Determine la matriz 𝐴 𝑇 respecto de la base canónica en cada
espacio.
ii. Obtener la matriz 𝑃 de pasaje de la base canónica 𝐵1 =
1,0,0 , 0,1,0 , 0,0,1 a la base 𝐵2 = 1,1,1 , 1,1,0 , 1,0,0 .
Solución
i. Como 𝐵1 = 1,0,0 , 0,1,0 , 0,0,1 base canónica, hallemos la matriz 𝐴 𝑇 .
𝑇 1,0,0 = 1,1,1 = 𝟏 1,0,0 + 𝟏 0,1,0 + 𝟏 0,0,1
𝑇 0,1,0 = 1, −1,0 = 𝟏 1,0,0 − 𝟏 0,1,0 + 𝟎 0,0,1
𝑇 0,0,1 = 0,0, −1 = 𝟎 1,0,0 + 𝟎 0,1,0 − 𝟏 0,01
Luego la matriz 𝐴 𝑇 es:
𝟏 𝟏 𝟎
𝐴 𝑇 = 𝟏 −𝟏 𝟎
𝟏 𝟎 −𝟏
ii. Hallemos la matriz 𝑃 de pasaje de la base canónica 𝐵1 a la base 𝐵2
1,1,1 = 𝟏 1,0,0 + 𝟏 0,1,0 + 𝟏 0,0,1
1,1,0 = 𝟏 1,0,0 + 𝟏 0,1,0 + 𝟎 0,0,1
1,0,0 = 𝟏 1,0,0 + 𝟎 0,1,0 + 𝟎 0,0,1
Luego:
𝟏 𝟏 𝟏
𝑃= 𝟏 𝟏 𝟎
𝟏 𝟎 𝟎
Ejercicio:

𝑥
𝑥−𝑦+𝑧
Si 𝑇: ℝ3 → ℝ2 es la transformación lineal 𝑇 𝑦 = ,
−2𝑥 + 2𝑦 − 2𝑧
𝑧
halle la representación matricial 𝐴 𝑇 de la transformación lineal 𝑇,
𝐾𝑒𝑟 𝑇 , 𝑖𝑚 𝑇 , 𝜈(𝑇) y 𝜌(𝑇) . Suponga que 𝐵1 y 𝐵2 son bases
canónicas.

Respuesta: 𝟏 −𝟏 𝟏
𝑨𝑻 =
−𝟐 𝟐 −𝟐

𝝆 𝑨 = 𝝆 𝑻 = 𝟏, 𝝂 𝑻 = 𝟐

𝒊𝒎 𝑻 = 𝓛 𝟏, −𝟐 ; 𝑲𝒆𝒓 𝑻 = 𝓛 −𝟏, 𝟏, 𝟎 , −𝟏, 𝟎, 𝟏

 METACOGNICIÓN

¿Qué aprendimos en esta sesión?

¿Qué dificultades tuviste? ¿Cómo lo superaste o piensas

superarlo?

¿De qué manera influye el concepto de matrices en tu vida

cotidiana?
Una Pausa...