09 AplicLineales
09 AplicLineales
09 AplicLineales
Aplicaciones Lineales
Índice
1. Repaso de funciones 1
3. El espacio de aplicaciones 6
5. Matriz Canónica 11
Mayorga-Zambrano, J.
6. Núcleo e imagen 13
Notas de Curso
7. Matrices asociadas 20
8. Problemas propuestos 22
1. Repaso de funciones
Empezamos esta clase con un repaso del concepto general de función o aplicación. Recuerde que en un
conjunto no se cuenta con un orden para sus elementos. Cuando el orden de los elementos es importante
necesitamos algún “truco” que permita distinguir qué elemento es el primero, el segundo, etc.
A × B = {(a, b) : a ∈ A ∧ b ∈ B},
La fórmula (1) permite establecer un orden en conjuntos de dos elementos. en efecto, en (1) el primer
elemento de (a, b) ∈ A × B, es aquel que pertenece al segundo elemento de (a, b). Se sigue inmediatamente
que
(a, b) = (c, d) ssi (a = c) ∧ (b = d). (2)
1
De manera similar se define el producto ordenado de los conjuntos no-vacı́os A1 , A2 ,..., An :
En particular se pone
An = A × A × ... × A (n veces). (4)
Definamos a continuación el concepto de relación.
Se suele escribir x r y para indicar que el par ordenado (x, y) pertenece a la relación r ⊆ A × B, es decir
xr y ≡ (x, y) ∈ r.
Puesto que los elementos de r son pares ordenados, al conjunto X de las primeras componentes se le
denomina conjunto de salida, en tanto que al conjunto Y de las segundas componentes se le denomina
conjunto de llegada.
Observación 1.1. En el marco de la Definición 1.2, si X = Y, se dice que r es una relación en X.
Mayorga-Zambrano, J.
Se dice que Y es el codominio de f y se denota Codom(r) = Y.
Notas de Curso
Se dice que y ∈ Y está en el rango o imagen de f , denotado Rg( f ) ⊂ Y, si existe algún x ∈ X tal que
(x, y) ∈ f .
x2 y2
( )
r = (x, y) ∈ R × R : + =1 .
4 9
Si bien en un curso anterior el estudiante trabajó con funciones reales, presentamos aquı́ una introducción
elemental al concepto abstracto de función (o aplicación), que es fundamental para un ingeniero.
∀x ∈ X, ∃!y ∈ Y : (x, y) ∈ f.
f: X −→ Y
x 7−→ y = f (x) (5)
2
A veces en lugar de la notación (5), se escribe
Las notaciones (5) y (6) son especialmente útiles cuando la correspondencia entre x ∈ X e y = f (x) ∈ Y está
dada por alguna regla o fórmula especı́fica. En ese sentido puede pensarse que f (x) ∈ Y es el producto
que resulta de aplicar el proceso f a la materia prima x ∈ X. También se dice que la variable dependiente
y = f (x) resulta de aplicar f a la variable independiente x ∈ X.
Definición 2.1 (Aplicación lineal). Sean V y W espacios vectoriales sobre el mismo cuerpo K. Una
función
f : V −→ W
v 7−→ f (v).
Mayorga-Zambrano, J.
Notas de Curso
Observación 2.1. Tenga presente que en el lado izquierdo (7) la suma es en el espacio V en tanto que en el
lado derecho la suma es en W.
Observación 2.2. Dados espacios vectoriales V y W se denota
L (V, W) = f : V → W : f es lineal
(9)
En todo caso, tenga presente que cuando V ⊆ W o cuando W ⊆ V también se usa el término operador
para referirse a f .
Cuando W = K, se dice que f es un funcional lineal sobre V.
f (0) = f (0 · u) = 0 · f (u) = 0.
Asimismo
f (−u) = f ((−1)u) = (−1) f (u) = − f (u).
Observación 2.3. Las relaciones (11) y (12) provéen mecanismos para identificar rápidamente funciones
que no son lineales. Por ejemplo, si no es cierto que f (0) = 0, inmediatamente f no es lineal.
3
Teorema 2.1 (Caracterización de una aplicación lineal). Sean V y W espacios vectoriales y f : V → W.
Entonces f es lineal ssi
∀α ∈ K, ∀u, v ∈ V : f (αu + v) = α f (u) + f (v). (13)
La demostración del Teorema 2.1 es sencilla y se requiere como ejercicio al final de la clase.
Ejemplo 2.1 (Reflexión respecto al eje horizontal). Probemos que la función
f : R2 −→ R2
! !
x x
u= 7−→ f (u) =
y −y
! !
x1 x2
es una aplicación lineal. Tomamos α ∈ R y u = ,v= , genéricos. Se tiene que
y1 y2
αx1 + x2
!
f (αu + v) = f
αy1 + y2
αx1 + x2
!
=
−αy1 − y2
! !
x1 x2
= α +
−y1 −y2
= α f (u) + f (v).
Mayorga-Zambrano, J.
Notas de Curso
es decir, f es lineal.
Ejemplo 2.2 (Aplicación nula). La aplicación nula:
0f : V −→ W
v 7−→ 0 f (v) = 0
es claramente lineal.
Ejemplo 2.3 (Aplicación identidad). La aplicación identidad:
IdV : V −→ V
u 7−→ IdV (u) = u
es claramente lineal.
Ejemplo 2.4. Sean V un espacio vectorial y u0 ∈ V , {0}.
f : V −→ V
v 7−→ f (v) = v + u0
Puesto que
f (0) = u0 , 0,
entonces f no es lineal.
Ejemplo 2.5 (Operadores diferenciales). Sean a, b ∈ R con a < b. Definimos los conjuntos
4
y, en general, para n ∈ N:
n o
Cn (a, b) = f : (a, b) → R : f, f 0 , ..., f (n−1) y f (n) son continuas en (a, b) (17)
No es difı́cil constatar que todos estos conjuntos son s.e.v. de F (a, b) y que
C∞ (a, b) ⊆ ... ⊆ C(n) (a, b) ⊆ C(n−1) (a, b) ⊆ C(n−2) (a, b) ⊆ ...C2 (a, b) ⊆ C1 (a, b) ⊆ C(a, b) ⊆ F (a, b). (19)
D1 : C1 (a, b) −→ C(a, b)
u 7−→ D1 (u) = u0 ,
de manera que el operador diferencial de primer orden hace corresponder a una función derivable su
derivada. De lo aprendido en el curso de Cálculo, el estudiante sabe que D1 es un operador lineal:
Mayorga-Zambrano, J.
Notas de Curso
de manera que el operador diferencial de orden n hace corresponder a una función derivable su derivada
de orden n. De lo aprendido en el curso de Cálculo, el estudiante sabe que Dn es un operador lineal:
∀α ∈ R, ∀u.v ∈ C(n) (a, b) : Dn (αu + v) = (αu + v)(n) = αu(n) + v(n) = αDn (u) + Dn (v). (21)
Ejemplo 2.6 (Isomorfismo canónico en Pn (R)). Sea n ∈ N. Como se mencionó en una clase anterior, se
denomina isomorfismo canónico a la función
Φ : Pn (Ω) −→ Rn+1
u 7−→ [u]C
u(x) = a0 + a1 x1 + a2 x2 + ... + an xn , x ∈ Ω,
a0
a1
a2
[u]C = ∈ Rn+1 .
..
.
an
5
Ejemplo 2.7 (Isomorfismo canónico en Mm×n (R)). Sean m, n ∈ N. Como se mencionó en una clase anterior,
se denomina isomorfismo canónico a la función
donde, a la matriz
A(1)
A
(2)
A = . ∈ Mm×n (K),
..
A(m)
le corresponde el vector de coordenadas en la base canónica
t
A(1)
t
A
(2)
[u]C = . ∈ Rm×n ,
..
At
(m)
es decir es el vector columna donde ordenadamente se colocan las transpuestas de las m filas de la matriz.
No es difı́cil verificar que la aplicación Φ es, efectivamente, lineal y biyectiva.
3. El espacio de aplicaciones
Mayorga-Zambrano, J.
El estudiante recordará de su curso de Precálculo que se podı́a sumar funciones reales y que a una
Notas de Curso
función real se le podı́a multiplicar por una constante obteniéndose otra función real. Esto también es
posible para funciones definidas de un espacio vectorial en otro espacio vectorial. De hecho
f :I⊆V→W
Observación 3.1. Tenga presente que en la definición anterior la función f no requiere ser lineal y que el
dominio I no necesariamente coincide con V. Se denota por
F (I, W) (22)
2
Ejemplo 3.1. El campo escalar ! f : R → R deter-
x
minado por la fórmula f = f (x, y) = x2 + y2 se
y
grafica al lado derecho. Allı́ el eje z representa el
codominio en tanto que el plano x − y representa el
dominio. La gráfica corresponde a un paraboloide de
revolución.
6
2
Ejemplo 3.2. El campo escalar ! f : R → R deter-
x
minado por la fórmula f = f (x, y) = x2 − y2 se
y
grafica al lado derecho. Allı́ el eje z representa el
codominio en tanto que el plano x − y representa el
dominio. La gráfica se parece a una silla de montar.
!
x(t)
f (t) =
y(t)
!
t sen(t)
= −2 cos(4t) − sen5 + ecos(t) ·
12 cos(t)
Mayorga-Zambrano, J.
presenta el codominio. La gráfica se parece a una
Notas de Curso
mariposa.
corresponde a utilizar la aplicación suma, similar a lo que aprendió el estudiante en el curso de Precálculo.
Entonces, dadas dos aplicaciones,
f: I −→ W g: I −→ W
u 7−→ f (u) u 7−→ g(u)
7
se define
f +g: I −→ W (24)
u 7−→ ( f + g)(u) = f (u) + g(u)
λ· f : I −→ W (26)
u 7−→ (λ · f )(u) = λ f (u)
Se tiene que (F (I, W), +, ·) con las operaciones definidas en (23), (24), (25) y (26), es un espacio vectorial.
Ejercicio 3.1. Pruebe que (F (I, W), +, ·) es efectivamente un espacio vectorial.
Ahora estableceremos que el conjunto de las aplicaciones lineales tiene una estructura de espacio vecto-
rial.
Teorema 3.1 (Espacio de aplicaciones lineales). Sean V, W espacios vectoriales. El conjunto L(V, W) es un
s.e.v. de F (V, W).
La demostración del Teorema 3.1 se requiere como ejercicio al final de la clase. El resultado establece que
Mayorga-Zambrano, J.
la suma de aplicaciones lineales es una aplicación lineal y que al multiplicar una aplicación lineal por un
Notas de Curso
Teorema 3.3 (Linealidad de la inversa). Sean V, W espacios vectoriales sobre el cuerpo K. Si f ∈ L(V, W)
es biyectiva, entonces f −1 ∈ L(W, V).
Demostración. Nos basta rpobar que f −1 es lineal. Tomamos α ∈ K y w1 , w2 ∈ W, genéricos. Puesto que f es
sobreyectiva, existen v1 , v2 ∈ V tales que
w1 = f (v1 ), w2 = f (v2 ),
o, equivalentemente,
v1 = f −1 (w1 ), v2 = f −1 (w2 ).
8
Por tanto, usando la linealidad de f se tiene que:
= αv1 + v2
= α f −1 (w1 ) + f −1 (w2 ).
α1
α2
donde [u]B =
.. .
Mayorga-Zambrano, J.
.
Notas de Curso
αn
Puesto que ( ! !)
1 1
B = {v1 , v2 } = ,
−1 1
es una base de R2 es posible
! determinar la fórmula asociada a la aplicación lineal f . Para esto, tomamos un
x
vector genérico u = ∈ R2 y buscamos coeficientes α1 , α2 ∈ R de manera que
y
u = α1 v1 + α2 v2
Resolviendo el sistema !
1 1 x
−1 1 y
9
se encuentra que
x− y x+ y
α1 = , α2 =
2 2
de donde se sigue que
!
3x+y
2
x
f (u) = f = α1 f (v1 ) + α2 f (v2 ) = x−3y .
y 2
x + 2y
Corolario 4.1 (Identificación de isomorfismos). Sean V y W dos espacios vectoriales de dimensión n sobre
el cuerpo K. Si B = {v1 , ..., vn } es una base de V y S = {w1 , ..., wn } = { f (v1 ), ..., f (vn )} es una base de W, entonces
f es un isomorfismo.
∀w ∈ W, ∃v ∈ V : w = f (v). (28)
Tomamos un w ∈ W, genérico. Puesto que S es base, existen coeficientes α1 , α2 , ..., αn ∈ K tales que
w = α1 w1 + ... + αn wn .
Mayorga-Zambrano, J.
Notas de Curso
Tomamos u1 , u2 ∈ V, genéricos. Supongamos que f (u1 ) = f (u2 ). Puesto que B es base de V, existen
coeficientes αk , βk ∈ K, k = 1, .., n, tales que
u1 = α1 v1 + ... + αn vn , u2 = β1 v1 + ... + βn vn ,
de manera que
α1 f (v1 ) + ... + αn f (vn ) = β1 f (v1 ) + ... + βn f (vn )
o, equivalentemente,
[α1 − β1 ] f (v1 ) + ... + [αn − βn ] f (vn ) = 0
que, por la independencia lineal de S, implica que
αk − βk = 0, k = 1, 2, ..., n,
es decir
α k = βk , k = 1, 2, ..., n,
lo cual implica que u1 = u2 . Puesto que u1 , u2 fueron elegidos arbitrariamente, se ha probado (29).
x −x + y
y x + y + z + t
f =
z −x + t
t z+t
10
Queremos saber si f es biyectiva (y por tanto un isomorfismo). Consideramos la base canónica
1 0 0 0
0 1 0 0
C = {e1 , e2 , e3 , e4 } = , , , .
0 0 1 0
0
0 0 1
Definimos el conjunto
−1 1 0 0
1 1 1 1
S = { f (e1 ), f (e2 ), f (e3 ), f (e4 )} = , , , .
−1 0 0 1
0 0 1 1
Puesto que
−1 1 0 0
1 1 1 1
det f (e1 ) f (e2 ) f (e3 ) f (e4 ) = = 2 , 0,
−1 0 0 1
0 0 1 1
S es también una base de R4 . Concluimos entonces que f es biyectiva y, por tanto, un isomorfismo.
Presentamos a continuación un resultado simple, cuya demostración se requiere como ejercicio al final
de la clase.
Corolario 4.2 (Igualdad de aplicaciones lineales). Sean V y W espacios vectoriales sobre el cuerpo K. Sean
T1 , T2 ∈ L(V, W) y B una base de V. Si se cumple que
Mayorga-Zambrano, J.
Notas de Curso
entonces
T1 = T2 . (31)
5. Matriz Canónica
Sean m, n ∈ N. Consideremos una matriz A ∈ Mm×n (K). Definamos una aplicación:
TA : Kn −→ Km (32)
u 7−→ TA (u) = A u
Tomamos α ∈ K y u, v ∈ Kn , genéricos. Por las propiedades del producto matricial se tiene que
Entonces acabamos de mostrar que a cada elemento de Mm×n (K) le corresponde un elemento de
L(Kn , Km ) dada por (32).
Ahora nos proponemos hacer el camino de regreso, esto es, mostrar que a cada elemento de L(Kn , Km )
le corresponde un elemento de Mm×n (K). Fijemos entonces una aplicación lineal
T : Kn −→ Km (33)
u 7−→ T(u)
11
Denotemos por Cn a la base canónica de Kn y por Cm a la base canónica de Km :
1 0 0
0 1 0
Cn = {e1 , e2 , ..., en } = , , ,
.. .. .. (34)
. . .
0 0 1
1 0 0
0 1 0
Cm = {ẽ1 , ẽ2 , ..., ẽm } = , , .
.. .. .. (35)
. . .
0 0 1
es decir la matriz que tiene como columnas las imágenes de los vectores ek , k = 1, ..., n. Es claro que
m
X
T(e j ) = ai j ẽi , j = 1, 2, ..., n.
i=1
Mayorga-Zambrano, J.
probemos que AT u = T(u). Para i ∈ Im :
Notas de Curso
n
X n
X n
X m
X
AT u = AT α je j = α j AT e j = αj ai j ẽi
j=1 j=1 j=1 i=1
y
X n Xn n
X m
X
T(u) = T α j e j = α j T(e j ) = αj ai j ẽi .
j=1 j=1 j=1 i=1
Finalmente consideremos una aplicación T : V → W, donde los espacios vectoriales V y W, son tales que
dim(V) = n y dim(W) = m. En este caso se define
AT = [T(e1 )]Cm [T(e2 )]Cm . . . [T(en )]Cm = ai j , (37)
m×n
y se cumple que
∀u ∈ V : [T(u)]Cm = AT [u]Cn . (38)
12
y
C (M2×3 (R)) = {ẽ1 , ẽ2 , ẽ3 , ẽ4 , ẽ5 , ẽ6 },
donde ! ! ! !
1 0 0 1 0 0 0 0
e1 = ,e = ,e = ,e = ,
0 0 2 0 0 3 1 0 4 0 1
y ! ! ! ! ! !
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
ẽ1 = , ẽ = , ẽ = , ẽ = , ẽ = , ẽ = .
0 0 0 2 0 0 0 3 0 0 0 4 1 0 0 5 0 1 0 6 0 0 1
Se tiene que
! ! ! !
1 0 1 −1 1 1 0 1 1 0 0 1
T(e1 ) = , T(e2 ) = , T(e3 ) = , T(e4 ) = .
0 −2 0 0 0 −2 0 0 0 0 3 1
Por tanto
1 −1 0 0
0 1 1 0
1 1 1 1
AT = [T(e1 )]C [T(e2 )]C [T(e3 )]C [T(e4 )]C = .
0 0 0 0
−2 0 0 3
0 −2 0 1
Mayorga-Zambrano, J.
Al aplicar (39) se obtiene:
Notas de Curso
!
−7 5 4
T(H) = .
0 12 −6
Asimismo:
1 −1 0 0 −7
0 1 1 0 −3 5
1 1 1 1 4 4
AT [H]C = = = [T(H)]C .
0 0 0 0 1 0
−2 0 0 3 2 12
0 −2 0 1 −6
6. Núcleo e imagen
Definición 6.1 (Núcleo e imagen). Sean V y W espacios vectoriales y T ∈ L(V, W).
Observación 6.1. En el marco de la Definición 6.1 el núcleo de T atrapa todos los vectores que se anulan
a través de la aplicación T. La imagen de T atrapa, como su nombre lo sugiere, todas las imágenes de la
función T.
Teorema 6.1 (Núcleo e imagen como s.e.v.). Sean V y W espacios vectoriales y T ∈ L(V, W). Entonces
i) Ker(T) es un s.e.v. de V.
ii) Im(T) es un s.e.v. de W.
13
Observación 6.2. Sea T ∈ L(V, W). Se denomina nulidad de T a
Se denomina rango de T a
rg(T) = dim (Im(T)) . (43)
Cuando V, W son de dimensión finita, se puede probar que el rango de T es igual al rango de la matriz
canónica asociada, AT .
Demostración. i) Sean α ∈ K y u, v ∈ Ker(T), genéricos. Se tiene, por la linealidad ded f , que
w1 = T(v1 ), w2 = T(v2 ).
Definimos el elemento
αv1 + v2 ∈ V.
Se tiene por la linealidad ded f , que
Mayorga-Zambrano, J.
Im(T) 3 T(αv1 + v2 ) = αT(v1 ) + T(v2 ) = α · w1 + w2 ,
Notas de Curso
es decir αw1 + w2 ∈ Im(T). Puesto que α, w1 , w2 fueron elegidos arbitrariamente, se ha probado que
Corolario 6.1 (Transferencia de conjuntos generadores). Sea T ∈ L(V, W). Si < {v1 , v2 , ..., vn } >= V en-
tonces < {T(v1 ), T(v2 ), ..., T(vn )} >= Im(T).
Teorema 6.2 (Caracterización de aplicaciones inyectivas). Sean V y W espacios vectoriales y T ∈ L(V, W).
Entonces T es inyectiva ssi Ker(T) = {0}.
14
⇐) Supongamos que Ker(T) = {0}. Tomamos u, v ∈ V tales que T(u) = T(v), genéricos. Se tiene entonces
que
T(u) − T(v) = 0,
T(u − v) = 0,
de manera que u − v ∈ Ker(T) = {0}, es decir u − v = 0 y u = v. Puesto que u, v fueron elegidos arbitra-
riamente, se ha probado que
∀u, v ∈ V : T(u) = T(v) ⇒ u = v,
o sea que T es inyectiva.
Corolario 6.2 (Inyectividad e independencia lineal). Sea T ∈ L(V, W) inyectiva. Si B = {v1 , ..., vn } ⊆ V es
l.i. entonces S = {T(v1 ), ..., T(vn )} es l.i.
Mayorga-Zambrano, J.
α1 v1 + α2 v2 + ... + αn vn = 0
Notas de Curso
Corolario 6.3 (Transferencia de bases). Sea T ∈ L(V, W) inyectiva. Entonces {v1 , ..., vn } es base de V ssi
{T(v1 ), ..., T(vn )} es base de Im(T).
Observación 6.3 (Cálculo del núcleo y de la imagen). Consideremos una aplicación lineal T : V → W donde
dim(V) = n y dim(W) = m. Como se muestra en el Ejemplo 6.1 se verá que encontrar el núcleo de T se reduce
a resolver el sistema de ecuaciones
AT [u]C = 0, (44)
donde AT ∈ Mm×n (K) es la matriz canónica asociada a T y u ∈ Ker(T) es un vector genérico. La tarea se
reduce a encontrar las relaciones constitutivas sobre las coordenadas de u.
Asimismo se verá que encontrar la imagen de T se reduce a resolver el sistema de ecuaciones
donde AT ∈ Mm×n (K) es la matriz canónica asociada a T y u ∈ Ker(T), w ∈ Im(T) son vectores genéricos con
u = T(w). La tarea se reduce a encontrar las relaciones constitutivas sobre las coordenadas de w.
Ejemplo 6.1. Consideremos la aplicación lineal
donde
F[u](x) = p(x) = (a − b + c) + (a + b + c)x + (a − 3b + c)x2 , x ∈ R.
15
Buscamos bases para Ker(F) y Im(F).
Determinemos n o
Ker(F) = u ∈ M1×3 (R) : F[u] = 0p .
Tomamos un elemento genérico u = (a b c) ∈ Ker(F) de manera que
a − b + c = 0,
F[u] = 0p ∀x ∈ R : (a − b + c) + (a + b + c)x + (a − 3b + c)x2 = 0 a + b + c = 0,
⇔ ⇔
a − 3b + c = 0.
1 −1 1
0
1 0 1 0
(AF | 0) = [F(e1 )]C [F(e2 )]C [F(e3 )]C | 0 = 1 1 1 0 .
0 1 0 0
→
−
1 −3 1 0 0 0 0 0
Por tanto
Ker(F) = {u = (a b c) ∈ M1×3 (R) : a + c = 0 ∧ b = 0} .
Además
u = (a b c), a+c = 0 ∧ b = 0
u = (a 0 − a)
u = a · (1 0 − 1) (46)
Mayorga-Zambrano, J.
dim (Ker(F)) = 1.
Notas de Curso
Determinemos
Im(F) = p ∈ P2 (R) : ∃u ∈ M1×3 (R) : F[u] = p .
p(x) = α + βx + γx2 , x ∈ R,
−1 1 α α
1
1 0 1
AF | p C = 1 1 1 β →
−
0 1 0
β−α .
1 −3 1 γ 0 0 0 γ − 2α + β
Por tanto n o
Im(F) = p ∈ P2 (R) : p(x) = α + βx + γx2 , x ∈ R ∧ γ − 2α + β = 0 .
Además, para x ∈ R:
p(x) = α + βx + γx2 ∧ γ − 2α + β = 0
p(x) = α + βx + (2α − β)x2
p(x) = α(1 + 2x2 ) + β(x − x2 ) (47)
con
p1 (x) = 1 + 2x2 , p2 (x) = x − x2 , x ∈ R,
16
y
dim (Im(F)) = 2.
Observe que, como lo justifica el teorema de la dimensión:
Teorema 6.3 (Teorema de la dimensión). Sea T ∈ L(V, W), donde dim(V) < ∞. Entonces
S = {u1 , u2 , ..., ur }.
Mayorga-Zambrano, J.
Notas de Curso
es base de V.
a) Probemos que G es l.i. Consideremos la combinación lineal nula
r
X k
X
αi ui + βi vi = 0. (49)
i=1 i=1
Se tiene que
r k
X X
T αi ui + βi vi = T(0)
i=1 i=1
de donde se sigue
r
X k
X
αi T(ui ) + βi T(vi ) = 0,
i=1 i=1
es decir
k
X
βi wi = 0,
i=1
17
b) Probemos que < G >= V, es decir que todo elemento de V se puede escribir como combinación
lineal de los elementos de G.
Tomamos v ∈ V, genérico. Puesto que B es base de Im(T), existen θ1 , θ2 , ..., θk ∈ K tales que
T(v) = θ1 T(v1 ) + ... + θk T(vk ),
o, equivalenetemente
T (v − θ1 v1 − ... − θk vk ) = 0 ⇔ v − θ1 v1 − ... − θk vk ∈ Ker(T),
de manera que existen coeficientes γ1 , ..., γr ∈ K tales que
v − θ1 v1 − ... − θk vk = γ1 u1 + ... + γr ur ,
v = θ1 v1 + ... + θk vk + γ1 u1 + ... + γr ur
de manera que v ∈< G >.
Corolario 6.4 (Caracterización de isomorfismos en dimensión finita). Sean V, W espacios vectoriales
sobre el cuerpo K, de dimensión n ∈ N. Sea T ∈ L(V, W). Entonces
Observación 6.4. Sean V, W espacios vectoriales y T ∈ L(V, W). Fijamos un elemento w ∈ W \ {0} y conside-
ramos la ecuación vectorial
T(u) = w, u ∈ V, (E)
denominada ecuación no-homogénea. A la ecuación vectorial
Mayorga-Zambrano, J.
T(u) = 0, u ∈ V, (H)
Notas de Curso
se le denomina ecuación homogénea asociada a (E). Obsérvese que el conjunto solución de (H) es
CSH = Ker(T). (53)
Supongamos que conocemos una solución particular de (E), es decir suponemos que conocemos un vector
v0 ∈ V tal que
T(v0 ) = w.
Probaremos a continuación que el conjunto solución de (E) es
CSE = {v0 } + Ker(T) = {v0 + u : u ∈ Ker(T)}. (54)
Lo anterior implica que cualquier solución u de la ecuación (E) se puede escribir como
u = v0 + α1 u1 + ... + αn un , (55)
donde
S = {u1 , ..., un } (56)
es una base de Ker(T) y αi ∈ K, i = 1, 2, ..., n.
Demostración de (54). Tomamos u ∈ CSE , genérico. Puesto que
T(u) = T(v0 ) = w,
se sigue que
T(u − v0 ) = 0,
es decir,
u − v0 ∈ Ker(T)
y entonces
u ∈ {v0 } + Ker(T).
18
Ejemplo 6.2. Consideremos la aplicación lineal
T: M2 (R) −→ P3 (R)
!
a b
G= 7−→ T[G] = p,
c d
donde
T[G](x) = p(x) = (a − b − d) + (c + b − d)x + (−a + 2b − d)x2 + (−a + b + d)x3
Buscamos el conjunto solución de la ecuación vectorial
T[G] = w, G ∈ M2 (R),
donde
w(x) = −1 + x + x3 , x ∈ R.
No es difı́cil verificar que una solución particular es
!
1 1
V0 = ,
1 1
Mayorga-Zambrano, J.
Notas de Curso
!
a b
donde J = es un elemento genérico de Ker(T). Se tiene que
c d
1 −1 0 −1 0 1 0 0 −3 0
0 1 1 −1 0 0 0 1 1 0
(AF | 0) = →− ,
−1 2 0 −1 0 0 1 0 −2 0
−1 1 0 1 0 0 0 0 0 0
de manera que
( ! )
a b
Ker(T) = J= ∈ M2 (R) : a = 3d ∧ b = 2d ∧ c = −d
c d
( ! )
3d 2d
= J= ∈ M2 (R) : d ∈ R
−d d
( ! )
3 2
= J = d· ∈ M2 (R) : d ∈ R
−1 1
( !)
3 2
= < >. (57)
−1 1
Por tanto ( ! ! )
1 1 3 2
CS = {V0 } + Ker(T) = +α· : α∈R .
1 1 −1 1
Observación 6.5. El mecanismo presentado en la Observación 6.4 y usado en el Ejemplo 6.2 se usa, por
ejemplo, para la resolución de Ecuaciones Diferenciales Ordinarias Lineales, que el lector abordará en un
curso posterior.
19
7. Matrices asociadas
En la Sección 5 constatamos que existe una relación biunı́voca entre las matrices AT ∈ Mm×n (K) y las
aplicaciones T ∈ L(V, W), cuando dim(V) = n y dim(W) = m. Allı́ nos bastó considerar las bases canónicas
de V y W.
En esta sección ahondamos en el vı́nculo entre aplicaciones lineales y matrices. En el siguiente resultado
establecemos que no es indispensable trabajar con las bases canónicas.
Teorema 7.1 (Matriz asociada). Sean B1 = {v1 , ..., vn } una base del espacio vectorial V, B2 = {w1 , ..., wm } una
base del espacio vectorial W y T ∈ L(V, W). Entonces existe la matriz
B
[T]B2 = [T(v1 )]B2 [T(v2 )]B2 . . . [T(vn )]B2 ∈ Mm×n (K) (58)
1
es tal que
B
∀v ∈ V : [T(v)]B2 = [T]B2 [v]B1 . (59)
1
La demostración del Teorema 7.1 se realiza de forma similar a cómo se procedió en la Sección 5.
Corolario 7.1 (Matriz asociada en otras bases). En el marco del Teorema 7.1, si B3 es otra base de V y B4
es otra base de W, se tiene que
B B B B
[T]B4 = [Id]B4 [T]B2 [Id]B1 . (60)
3 2 1 3
En particular,
Mayorga-Zambrano, J.
B B C(W) C(V)
[T]B4 = [Id]C(W)
4
[T]C(V) [Id]B . (61)
Notas de Curso
3 3
Si T es un isomorfismo, entonces
B
−1 h iB3
[T]B4 = T−1 . (62)
3 B4
T: M2 (R) −→ P2 (R)
!
a b
G= 7−→ T[G] = p,
c d
donde
T[G](x) = p(x) = a + (b − c)x + dx2 , x ∈ R.
Usando el Corolario 7.1, calculemos la matriz [T]SB ,
donde
( ! ! ! !)
1 1 0 −1 0 0 1 0
B = {G1 , G2 , G3 , G4 } = , , ,
0 0 1 0 1 1 0 1
y
S = {p1 , p2 , p3 },
con
p1 (x) = 1 − x, p2 (x) = x2 , p3 (x) = x + x2 , x ∈ R.
Recordemos que C1 = C(M2 (R)) = {U1 , U2 , U3 , U4 } y C2 = C(P2 (R)) = {η1 , η2 , η3 }, donde
! ! ! !
1 0 0 1 0 0 0 0
U1 = , U2 = , U3 = , U4 = ,
0 0 0 0 1 0 0 1
y
η1 (x) = 1, η2 (x) = x, η3 (x) = x2 , x ∈ R.
20
Se tiene que
T[U1 ](x) = 1, T[U2 ](x) = x, T[U3 ](x) = −x, T[U4 ](x) = x2 , x ∈ R,
de manera que
1 0 0 0
C
[T]C2 = AT = 0 1 −1 0 .
1
0 0 0 1
Asimismo
1
0 0
C
= p1 C p3 C = −1
[Id]S 2 p2 C 0 1
0 1 1
y
1 0 0
C
−1
[Id]SC2 = [Id]S 2 = −1 −1 1
1 1 0
Por tanto
1 0 0 1
1 0 0 1
0 0 0 1 0 0 1
C C 1 −1 0 0
[T]SB = [Id]SC2 [T]C2 [Id]B 1 = −1 −1 1 0 1 −1 0 = −2 2 2 0 .
0 1 1 0
Mayorga-Zambrano, J.
1
1 1 0 0 0 0 1 2 −2 −1 1
0 0 1 1
Notas de Curso
Se tiene que
21
Corolario 7.2 (Matriz asociada a una composición). Sean T ∈ L (V, W) y F ∈ L (W, U) donde los espacios
vectoriales V, W, U tienen dimensión finita. Suponga que B1 , B2 y B3 son bases de V, W y U, respectivamente.
Entonces
B B B
[F ◦ T]B3 = [F]B3 · [T]B2 . (64)
1 2 1
El corolario anterior establece que la composición de aplicaciones lineales está asociada a la multiplica-
ción de matrices.
Observación 7.2. Recuerde que una matriz A ∈ Mn (K) es ortogonal si se cumple que
At A = Idn . (65)
Proposición 7.1 (Matriz de transición entre bases ortonormales). Sean B1 = {u1 , ..., un } y B2 = {v1 , ..., vn }
bases ortonormales del espacio vectorial V. Entonces la matriz de transición
B
[Id]B2 = hvi , u j i (66)
1 n×n
es ortogonal.
y
4 3
( ! !)
Mayorga-Zambrano, J.
B2 = {v1 , v2 } = 5
3 , 5 .
− 45
Notas de Curso
5
Se tiene que
! 7√ 1√
B hu1 , v1 i hu2 , v1 i −
= = 5· 12 .
5· 2
[Id]B2
1 hu1 , v2 i hu2 , v1 i − √ − 7√
5· 2 5· 2
B
No es difı́cil verificar que [Id]B2 es una matriz ortogonal.
1
8. Problemas propuestos
1) Resuelva todos los ejercicios del 1 al 39 de la lista de Problemas 7.1 de [1].
2) Resuelva los ejercicios 42, 43, 49 y 51 de la lista de Problemas 7.1 de [1].
3) Resuelva todos los ejercicios del 1 al 14 de la lista de Problemas 7.2 de [1].
4) Resuelva los ejercicios 21, 22 y 23 de la lista de Problemas 7.2 de [1].
5) Resuelva todos los ejercicios del 1 al 27 de la lista de Problemas 7.3 de [1].
6) (*) Resuelva todos los ejercicios del 28 al 39 de la lista de Problemas 7.3 de [1].
7) Resuelva los ejercicios 1, 4, 7, 8, 12, 14, 18 y 20 de la lista de Problemas 7.4 de [1].
8) (*) Considere la aplicación
T: C1 (0, 1) −→ C(0, 1)
u 7−→ T[u],
donde
T[u](x) = x u0 (x).
Encuentre Ker(T) e Im(T).
22
9) Sean V y W espacios vectoriales y f : V → W. Pruebe que f es lineal ssi
donde
p1 (x) = x + 2x2 , p2 (x) = 3x2 , p3 (x) = 0, x ∈ R.
a) Determine las matrices asociadas a las aplicaciones lineales T, T2 y T − S con S ∈ L (M1×3 , P2 (R))
tal que AS = Id3 .
b) Calcule el rango de T, T2 y T − S.
c) Considere B1 = {G1 , G2 , G3 } y B2 = {q1 , q2 , q3 } tal que
Mayorga-Zambrano, J.
B2
Notas de Curso
−1
1
1 1 0
C
tal que [F]B = 2 1 donde B = , ,
12) Sea F ∈ L P1 (R), R3 1
1 0 . Halle la fórmula de F.
−2 3 0 1 1
v1 = u1 + u2 , v2 = 2u1 − u2 ,
βx + y/2
! !
x
F = .
y x/2 + βy
x
15) Calcule la aplicación que proyección de un punto y ∈ R3 sobre un plano V y pruebe que es lineal.
z
x
V= y ∈ R3 : x + 2y − z = 0 .
z
23
16) Sea n ∈ N. Considere la función
Φ : Pn (Ω) −→ Rn+1
u 7−→ [u]C
u(x) = a0 + a1 x1 + a2 x2 + ... + an xn , x ∈ Ω,
a0
a1
a2
[u]C = ∈ Rn+1 .
..
.
an
donde, a la matriz
A(1)
Mayorga-Zambrano, J.
A
(2)
Notas de Curso
es decir es el vector columna donde ordenadamente se colocan las transpuestas de las m filas de la
matriz. Pruebe que la aplicación Φ es un isomorfismo.
18) La aplicación S ∈ L(R4 ) es tal que
1 1 0 0 1 2 0 1
0 1 1 2 1 0 0 1
S = , S = , S = , S = .
1 1 1 1 0 1 0 1
0 0 0 0 0 0 1 1
F : P3 (R) −→ R2
!
p(−1)
p 7−→ F(p) = .
p(−2)
24
c) Halle una base ortonormal para Ker(F), considerando el producto escalar asociado a la fórmula
hp, qi = p tC q C .
C(a, b) = f : (a, b) → R :
f es continua en (a, b)
y, para n ∈ N:
n o
Cn (a, b) = f : (a, b) → R : f, f 0 , ..., f (n−1) y f (n) son continuas en (a, b)
de manera que el operador diferencial de orden n hace corresponder a una función derivable su
derivada de orden n.
Mayorga-Zambrano, J.
a) Pruebe que Cn (a, b) es un s.e.v. de F (a, b).
Notas de Curso
24) (*) Sean V, W espacios vectoriales. Pruebe que el conjunto L(V, W) es un s.e.v. de F (V, W), considerando
las operaciones definidas en la Sección 3.
25) (*) Sean V, W espacios vectoriales sobre el cuerpo K, de dimensión n ∈ N. Sea T ∈ L(V, W). Pruebe que
25
28) (*) Determinar la aplicación S que define la simetrı́a respecto a la recta y = 2x. Verificar que esta
aplicación pertenece a L(R2 ).
Indicación.- Una fórmula asociada es
1 −3x + 4y
! !
x
S = .
y 5 4x + 3y
Mayorga-Zambrano, J.
c) Indique si F es un isomorfismo.
Notas de Curso
Tθ : R2 −→ R2
! !
x x cos(θ) − y sen(θ)
u= 7−→ Tθ (u) = .
y x sen(θ) + y cos(θ)
Referencias
[1] S. Grossman and J. Flores, Álgebra Lineal, McGraw-Hill, 7ma. ed., 2012.
[2] F. Navas, R. Cueva, and J. Toro, Algebra Lineal, Escuela Politénica Nacional, Ecuador, 1996.
26