09 AplicLineales

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 26

IX.

Aplicaciones Lineales

Juan Mayorga-Zambrano, Ph.D.


22 de noviembre de 2016

Índice
1. Repaso de funciones 1

2. Introducción a las aplicaciones lineales 3

3. El espacio de aplicaciones 6

4. Determinación de aplicaciones lineales 9

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.

Definición 1.1. [Par ordenado — Producto Cartesiano]


Sean A y B dos conjuntos no-vacı́os. Se define el producto cartesiano de A y B, denotado A × B, mediante

A × B = {(a, b) : a ∈ A ∧ b ∈ B},

donde, por definición,


(a, b) = {a, {a, b}}. (1)
Se dice que (a, b) ∈ A × B es el par ordenado con primera componente a ∈ A y segunda componente 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 :

A1 × A2 × ... × An = (A1 × A2 × ... × An−1 ) × An . (3)

En particular se pone
An = A × A × ... × A (n veces). (4)
Definamos a continuación el concepto de relación.

Definición 1.2. [Relación]


Dados dos conjuntos no-vacı́os X e Y, llamamos relación de X en Y a todo subconjunto r de X × Y.

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.

Definición 1.3. [Dominio. Codominio. Rango]


Sea f una relación de X en Y.
Se dice que x ∈ X está en el dominio de f , denotado Dom(r) ⊆ X, si existe algún y ∈ Y tal que
(x, y) ∈ f .

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 .

Ejemplo 1.1. Consideremos la relación r en R definida mediante

x2 y2
( )
r = (x, y) ∈ R × R : + =1 .
4 9

Determinemos el dominio, codominio y rango de r. Se tiene que

Dom(r) = [−2, 2] = {x ∈ R : −2 ≤ x ≤ 2},


Codom(r) = R,
Rg(r) = [−3, 3] = {y ∈ R : −3 ≤ y ≤ 3}.

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.

Definición 1.4. [Función / Aplicación]


Sean X y Y dos conjuntos no-vacı́os. Se dice que la relación f ⊆ X × Y es una función (o aplicación) de
X en Y si se cumplen las siguientes condiciones:
i) Dom( f ) = X.
ii) Para cada x ∈ X, existe un único y ∈ Y tal que (x, y) ∈ f , es decir,

∀x ∈ X, ∃!y ∈ Y : (x, y) ∈ f.

Una función de X en Y se denota

f: X −→ Y
x 7−→ y = f (x) (5)

2
A veces en lugar de la notación (5), se escribe

X 3 x 7−→ f (x) ∈ Y. (6)

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.

2. Introducción a las aplicaciones lineales


El lector recordará de su curso de Precálculo que de las funciones reales, las funciones lineales eran las
más sencillas. Este tipo de funciones tiene una generalización en el contexto de los espacios vectoriales o
lineales; donde, lo importante es “conservar” la estructura lineal.

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).

se dice que es una aplicación o transformación lineal de V en W si se cumple que

∀u, v ∈ V : f (u + v) = f (u) + f (v); (7)


∀α ∈ K, ∀u ∈ V : f (αu) = α f (u). (8)

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)

Cuando W = V, se dice que f es un operador lineal en V y se denota

L(V) = L (V, W) . (10)

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.

Proposición 2.1. Sean V y W espacios vectoriales. Se tiene que

∀ f ∈ L (V, W) : f (0) = 0; (11)


∀ f ∈ L (V, W) , ∀u ∈ V : f (−u) = − f (u). (12)

Demostración. Tomamos f ∈ L (V, W) y u ∈ V, genéricos.


Considerando α = 0 en (8) se tiene que

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).

Puesto que α, u, v fueron elegidos arbitrariamente, se ha probado que

Mayorga-Zambrano, J.
Notas de Curso

∀α ∈ K, ∀u, v ∈ V : f (αu + v) = α f (u) + f (v), (14)

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

C(a, b) = f : (a, b) → R : f es continua en (a, b) ,



(15)
C1 (a, b) = f : (a, b) → R : f y f 0 son continuas en (a, b)

(16)

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)

Asimismo se utiliza la notación


n o
C∞ (a, b) = f : (a, b) → R : f (n) es continua en (a, b), para todo n ∈ N . (18)

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)

Se define el operador diferencial de primer orden

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:

∀α ∈ R, ∀u.v ∈ C1 (a, b) : D(αu + v) = (αu + v)0 = αu0 + v0 = αD(u) + D(v). (20)

De forma similar, para n ∈ N, se define el operador diferencial de orden n

Dn : C(n) (a, b) −→ C(a, b)


u 7−→ Dn (u) = u(n) ,

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)

Definición 2.2 (Isomorfismo). Sean V y W espacios vectoriales. Se dice que f : V → W es un isomorfismo


si es lineal y biyectiva. En este caso se dice que los espacios V y W son isomorfos.

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

donde, al polinomio determinado por la fórmula

u(x) = a0 + a1 x1 + a2 x2 + ... + an xn , x ∈ Ω,

le corresponde el vector de coordenadas en la base canónica

a0
 
 

 a1 

a2
 
[u]C =   ∈ Rn+1 .
..

.
 
 
 
an

No es difı́cil verificar que la aplicación Φ es, efectivamente, lineal y biyectiva.

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

Φ : Mm×n (K) −→ Rm×n


A 7−→ [A]C

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

Definición 3.1 (Operador). Se denomina aplicación o campo vectorial a una función

f :I⊆V→W

donde V y W son espacios vectoriales.

Cuando W = V se dice que f es un operador en V.


Cuando W = K se dice que f es un funcional o un campo escalar.
Cuando V = R se dice que f es una curva en 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)

al conjunto de las funciones cuyo dominio es I y cuyo codominio es W.

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.

Ejemplo 3.3. La curva f : [−8π, 8π] → R2 determi-


nada por la fórmula

!
x(t)
f (t) =
y(t)
!
t sen(t)
  
= −2 cos(4t) − sen5 + ecos(t) ·
12 cos(t)

se grafica al lado derecho. Allı́ el plano x − y re-

Mayorga-Zambrano, J.
presenta el codominio. La gráfica se parece a una
Notas de Curso

mariposa.

Ejemplo 3.4. La curva f : [0, 10π] → R3 determina-


da por la fórmula
 x(t) 
 
f (t) = 
 y(t) 

z(t)
 

 sen(t) 

= t · 
 cos(t) 

1
 

se grafica al lado derecho. Allı́ el espacio x − y − z


representa el codominio. La gráfica se parece a la
trayectoria que sigue el agua al salir por un desague
vertical.

Sean V y W espacios vectoriales sobre el cuerpo K e I ⊆ V. La suma de vectores

+: F (I, W) × F (I, W) −→ F (I, W) (23)


( f, g) 7−→ f + g

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)

La multiplicación de un vector por un número,

˙ : K × F (I, W) −→ F (I, W) (25)


(λ, f ) 7−→ λ · f

corresponde a utilizar la definición natural, esto es, dado un número λ ∈ K, se escribe

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

escalar el resultado es otra aplicación lineal.

Teorema 3.2 (Linealidad de la composición). Sean U, V, W espacios vectoriales sobre el cuerpo K. Si


f ∈ L(U, V) y g ∈ L(V, W), entonces g ◦ f ∈ L(U, W)

Demostración. Tomamos α ∈ K y u, v ∈ U, genéricos. Aprovechando la linealidad de las aplicaciones f y g


se tiene que

(g ◦ f )(αu + v) = g( f (αu + v))


= g(α f (u) + f (v))
= αg( f (u)) + g( f (v))
= α(g ◦ f )(u) + (g ◦ f )(v).

Puesto que α, u, v fueron elegidfos arbitrariamente, se ha probado que

∀α ∈ K, ∀u, v ∈ U : (g ◦ f )(αu + v) = α(g ◦ f )(u) + (g ◦ f )(v),

es decir que g ◦ f es lineal. 

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:

f −1 (αw1 + w2 ) = f −1 (α f (v1 ) + f (v2 ))


= f −1 f (αv1 + v2 )


= αv1 + v2
= α f −1 (w1 ) + f −1 (w2 ).

Puesto que α, w1 , w2 fueron elegidos arbitrariamente, se ha probado que

∀α ∈ K, ∀w1 , w2 ∈ W : f −1 (αw1 + w2 ) = α f −1 (w1 ) + f −1 (w2 ),

es decir que f −1 es lineal. 

4. Determinación de aplicaciones lineales


Teorema 4.1 (Determinación de una aplicación lineal). Sean V y W espacios vectoriales sobre el cuerpo K
y f ∈ L(V, W). Si B = {v1 , v2 , ..., vn } es una base de V, entonces
n
X
∀u ∈ V : f (u) = αk f (vk ), (27)
k=1

α1
 
 
 α2 
donde [u]B = 
 
.. .

Mayorga-Zambrano, J.
.
 

Notas de Curso


αn

Demostración. Tomamos u ∈ V, genérico. Por la linealidad de f se sigue que


 n  n
X  X
f (v) = f  αk vk  = αk f (vk ).
k=1 k=1

Puesto que u fue elegido arbitrariamente, se ha probado (27).



Observación 4.1. El teorema anterior establece que si se conocen las imágenes de los elementos de una
base, entonces para determinar f (u) basta encontrar las coordenadas de u en dicha base.
Ejemplo 4.1. Sea f ∈ L(R2 , R3 ) tal que

 1 
 
 2 
! ! 
1 1
f =  2  , f =  −1  .
   
−1 1
−1 3
   

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.

Demostración. 1) Probemos que f es sobreyectiva, es decir que

∀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 .

Escogemos ahora el vector


v = α1 v1 + ... + αn vn
y se tiene que:

f (v) = f (α1 v1 + ... + αn vn ) = α1 f (v1 ) + ... + αn f (vn ) = α1 w1 + ... + αn wn = w.

Mayorga-Zambrano, J.
Notas de Curso

Puesto que w fue elegido arbitrariamente, se ha probado (28).


2) Probemos que f es inyectiva, es decir que

∀u1 , u2 ∈ V : f (u1 ) = f (u2 ) ⇒ u1 = u2 . (29)

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). 

Ejemplo 4.2. Consideramos la aplicación lineal f : R4 → R4 determinada por la fórmula

 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

∀u ∈ B : T1 (u) = T2 (u) (30)

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

TA (αu + v) = A(αu + v) = αAu + Av = αTA (u) + TA (v),

es decir que TA ∈ L(Kn , Km ).

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 

Definimos AT ∈ Mm×n (K) mediante


 
AT = (T(e1 ) T(e2 ) . . . T(en )) = ai j , (36)
m×n

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

Ahora, para un elemento genérico


n
X
u= α j e j ∈ Rn ,
j=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

Entonces acabamos de mostrar que a cada elemento de L(Kn , Km ) le corresponde un elemento de


Mm×n (K) dado por la fórmula (37). A esta matriz se le denomina matriz canónica.

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)

Ejemplo 5.1. Consideramos la aplicación lineal

T: M2 (R) −→ M2×3 (R) (39)


y+z x+ y+z+t
! !
x y x− y
G= 7−→ T(G) = .
z t 0 −2x + 3t −2y + t

Calculemos la matriz canónica asociada a T. Aquı́:

C (M2 (R)) = {e1 , e2 , e3 , e4 }

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
 

Ahora consideremos el vector !


−3 4
H= .
1 2

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).

i) Se denomina núcleo o kernel de T al conjunto

Ker(T) = N(T) = {u ∈ V : T(u) = 0}. (40)

ii) Se denomina imagen de T al conjunto

Im(T) = {w ∈ W : ∃v ∈ V : T(v) = w}. (41)

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

nul(T) = dim (Ker(T)) . (42)

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

T(αu + v) = αT(u) + T(v) = α · 0 + 0 = 0,

es decir αu + v ∈ Ker(T). Puesto que α, u, v fueron elegidos arbitrariamente, se ha probado que

∀α ∈ K, ∀u, v ∈ Ker(T) : αu + v ∈ Ker(T),

de manera que Ker(T) es s.e.v. de V.


ii) Sean α ∈ K y w1 , w2 ∈ Im(T), genéricos. Puesto que w1 y w2 son imágenes, existen v1 , v2 ∈ V tales 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

∀α ∈ K, ∀w1 , w2 ∈ Im(T) : αw1 + w2 ∈ Im(T),

de manera que Im(T) es s.e.v. de W.



Una consecuencia del Teorema 4.1 es el siguiente resultado, cuya demostración se requiere como ejercicio
al final de la clase.

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).

A continuación presentamos una caracterización de las aplicaciones lineales inyectivas.

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}.

Demostración. ⇒) Supongamos que T es inyectiva, es decir que

∀u, v ∈ V : T(u) = T(v) ⇒ u = v.

Puesto que Ker(T) ⊆ V, se tiene que

∀u, v ∈ Ker(T) : T(u) = T(v) ⇒ u = v.

Entonces, tomando v = 0, se tiene que

∀u ∈ Ker(T) : T(u) = T(0) = 0 ⇒ u = 0.

De donde se deduce que 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.

Demostración. Consideremos la combinación lineal nula

α1 T(v1 ) + α2 T(v2 ) + ... + αn T(vn ) = 0.

Por la linealidad de T se tiene que


T (α1 v1 + α2 v2 + ... + αn vn ) = 0
de manera que
α1 v1 + α2 v2 + ... + αn vn ∈ Ker(T)
y, como T es inyectiva, o sea Ker(T) = {0}, de manera que

Mayorga-Zambrano, J.
α1 v1 + α2 v2 + ... + αn vn = 0
Notas de Curso

que implica que


α1 = α2 = ... = αn = 0,
pues B es l.i. 
Como consecuencia de los Corolarios 6.2 y 6.1 se tiene el siguiente resultado:

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

AT [u]C = [w]C , (45)

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

F: M1×3 (R) −→ P2 (R)


u = (a b c) 7−→ F[u] = p,

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)

De manera que una base de Ker(F) es


B = {(1 0 − 1)} ,
y

Mayorga-Zambrano, J.
dim (Ker(F)) = 1.
Notas de Curso

Determinemos
Im(F) = p ∈ P2 (R) : ∃u ∈ M1×3 (R) : F[u] = p .


Tomamos un elemento genérico p ∈ Im(F) con

p(x) = α + βx + γx2 , x ∈ R,

de manera que existe un u = (a b c) ∈ M1×3 (R) tal que





a − b + c = α,
F[u] = p ∀x ∈ R : (a − b + c) + (a + b + c)x + (a − 3b + c)x2 = α + βx + γx2 + b + c = β,

⇔ ⇔ a



a − 3b + c = γ.

−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)

De manera que una base de Im(F) es


S = p1 , p2 ,


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:

dim (M1×3 (R)) = 3 = dim (Ker(T)) + dim (Im(T)) .

El siguiente resultado es muy importante:

Teorema 6.3 (Teorema de la dimensión). Sea T ∈ L(V, W), donde dim(V) < ∞. Entonces

dim(V) = dim (Ker(T)) + dim (Im(T)) . (48)

Demostración. i) Si Ker(T) = V o Ker(T) = {0} es claro que (48) se cumple.


ii) Supongamos entonces que
{0} ( Ker(T) ( V.
Puesto que Ker(T) , V, existe un u ∈ V tal que T(u) , 0, es decir Im(T) , {0}. Tomamos entonces

B = {w1 , w2 , ..., wk } = {T(v1 ), T(v2 ), ..., T(vk )}

base de Im(T). Asimismo tomamos una base de Ker(T)

S = {u1 , u2 , ..., ur }.

El teorema quedará demostrado al mostrar que

G = {v1 , v2 , ..., vk , 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

que implica que


β1 = β2 = ... = βk = 0, (50)
pues B es l.i. Por (50) y (49) se sigue que
r
X
αi ui = 0
i=1

que implica que


α1 = α2 = ... = αr = 0, (51)
pues S es l.i. Por (50) y (51) se sigue que G es l.i.

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

T es inyectiva ⇔ T es sobreyectiva. (52)

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

es decir, T[V0 ] = w. Calculemos el núcleo o kernel de T:


n o
Ker(T) = J ∈ M2 (R) : T[J] = 0p .

Tenemos entonces que ressolver el sistema


AT [J]C = 0,

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.

Observación 7.1. Observe que [T]C


C = AT .

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

Ejemplo 7.1 (Cálculo de la matriz asociada). Consideramos la aplicación lineal

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
 

Por otro lado


1 0 0 1
 
C
  1 −1 0 0
[Id]B 1 = [U1 ]C [U2 ]C [U3 ]C [U4 ]C =  .
0 1 1 0
0 0 1 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

Calculemos de dos formas diferentes [T(G∗ )]S donde


!
4 −3
G∗ = .
0 2

Se tiene que

[T(G∗ )]S = [T]SB [G∗ ]B = [T]SB [Id]BC1 [G∗ ]C1


 1 0 0 1−1  4
   

1 0 0 1   
 1 −1 0 0 
  4 
 −3   
= −2 2  =   .
2 0    1 
  (63)
 0 1 1 0  0
2 −2 −1 1    1 

0 0 1 1 2
 

Por otro lado


T[G∗ ](x) = 4 − 3x + 2x2
de manera que

 4 

= 
 −3 
[T[G∗ ]]C2 
2
 

[T[G∗ ]]S = [Id]SC2 · [T[G∗ ]]C2



 1 0 0  4
   
  4 
=  =   .
−1 −1 1  −3   1 
  
1 1 0 2 1
    

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.

Ejemplo 7.2. En R2 consideramos las bases ortonormales


 1   1 
 √2   − √2
 
B1 = {u1 , u2 } =  ,
 

 √1   √1
    


2 2

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

∀α ∈ K, ∀u, v ∈ V : f (αu + v) = α f (u) + f (v). (67)

10) Sea f : C → C dada mediante


f (z) = z.
a) Indique si f es lineal si se considera a C como espacio vectorial sobre el cuerpo K = C.
b) Indique si f es lineal si se considera a C como espacio vectorial sobre el cuerpo K = R.
11) Sea T : M1×3 → P2 (R) tal que

T(G1 ) = T (1 1 1) = p1 , T(G2 ) = T (1 1 0) = p2 , T(G3 ) = T (1 0 0) = p3 ,

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

q1 (x) = 1 + x + x2 , q2 (x) = 1 + x, q3 (x) = 1 − x + x2 , x ∈ R.


B
Calcule [T]B2 y su rango.
h i1B1
d) ¿Existe T −1 ?

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
   

13) Sea B1 = {u1 , u2 } una base del espacio vectorial R2 . Sean

v1 = u1 + u2 , v2 = 2u1 − u2 ,

a) Pruebe que B2 = {v1 , v2 } es otra base de R2 .


! !
x y B
2
b) Sea T ∈ L(R ) tal que f = . Halle [T]B1 .
y x 2

14) Sea β ∈ R. Considere F ∈ L(R2 ) tal que

βx + y/2
! !
x
F = .
y x/2 + βy

a)¿Para qué valores de β, F es un isomorfismo?


b)Si F no es un isomorfismo, halle Ker(F) e Im(F).
c)Calcule bases ortonormales para Ker(F) e Im(F).
d)Halle la nulidad y el rango de F.

 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

donde, al polinomio determinado por la fórmula

u(x) = a0 + a1 x1 + a2 x2 + ... + an xn , x ∈ Ω,

le corresponde el vector de coordenadas en la base canónica

a0
 
 

 a1 

a2
 
[u]C =   ∈ Rn+1 .
..

.
 
 
an
 

Pruebe que la aplicación Φ es un isomorfismo.


17) Sean m, n ∈ N. Considere la función

Φ: Mm×n (K) −→ Rm×n


A 7−→ [A]C

donde, a la matriz
 A(1) 
 

Mayorga-Zambrano, J.
 A 
 (2) 
Notas de Curso

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. 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
               

¿Se puede determinar esta aplicación? ¿Es un isomorfismo?


19) Considere la aplicación

F : P3 (R) −→ R2
!
p(−1)
p 7−→ F(p) = .
p(−2)

a) Pruebe que que F es una aplicación lineal.


b) Halle las dimensiones de Ker(F) y Im(F).

24
c) Halle una base ortonormal para Ker(F), considerando el producto escalar asociado a la fórmula

hp, qi = p tC q C .
   

d) Halle una base ortonormal para Im(F).


20) Sean U, V, W espacios vectoriales, f : U → V y g : V → W.
a) Pruebe que si g es lineal y g ◦ f es lineal e inyectiva, entonces f también es lineal.
b) (*) Halle un ejemplo en que g es lineal y g ◦ f es lineal pero f no es lineal.
21) Sean a, b ∈ R, con a < b. Se define

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)

y el operador diferencial de orden n

Dn : C(n) (a, b) −→ C(a, b)


u 7−→ Dn (u) = u(n) ,

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

b) Por inducción pruebe que


∀n ∈ N : Dn es lineal.
22) Sean V y W espacios vectoriales sobre el cuerpo K, T1 , T2 ∈ L(V, W) y B una base de V. Pruebe que

∀u ∈ B : T1 (u) = T2 (u) ⇒ T1 = T2 . (68)

23) Sea T ∈ L(V, W). Suponga que


< {v1 , v2 , ..., vn } >= V.
Pruebe que
< {T(v1 ), T(v2 ), ..., T(vn )} >= Im(T).

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

T es inyectiva ⇔ T es sobreyectiva. (69)

Sugerencia. Use el teorema de la dimensión.


26) Sea V un espacio vectorial distinto de {0}. Sea T ∈ L(V) \ {IdV }. Pruebe que existe un vector u ∈ V \ {0}
tal que
T(u) = u.

27) Sea V un espacio vectorial. Sean T, S ∈ L(V).


a) Pruebe que si f = f ◦ g y g = g ◦ f entonces Ker(T) = Ker(S).
b) Pruebe que si T = T ◦ T entonces Ker (IdV − T) = Im(T).
c) (*) Pruebe que

Ker(T) ∩ Im(T) = {0} ssi ∀v ∈ V : T(T(v)) = 0 ⇒ T(v) = 0.

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

Nota. Ejercicio adaptado a partir de [2].


29) Halla la aplicación lineal que permite proyectar a cualquier punto de R3 sobre el plano
 
x
  
   
V=  : x − y + z = 0 .

  
y  
  
 z
   

Nota. Ejercicio adaptado a partir de [2].


30) Consideremos la aplicación
F: M1×3 (R) −→ P2 (R)
u = (a b c) 7−→ F[u] = p,
donde
F[u](x) = p(x) = (2a − b + c) + (a + 4b + c)x + (a − 3b + c)x2 , x ∈ R.
a) Pruebe que F es lineal.
b) Halle una base para Ker(F) e indique su dimensión.

Mayorga-Zambrano, J.
c) Indique si F es un isomorfismo.
Notas de Curso

d) Halle una base para Im(F) e indique su dimensión.


e) Dado
w(x) = 2 + 6x − x2 , x ∈ R,
halle el conjunto solución de la ecuación
F(u) = w, u ∈ M1×3 (R).
31) A cada ángulo θ ∈ R le asociamos la aplicación

Tθ : R2 −→ R2
! !
x x cos(θ) − y sen(θ)
u= 7−→ Tθ (u) = .
y x sen(θ) + y cos(θ)

a) Pruebe que para todo θ ∈ R, Tθ es una aplicación lineal.


b) Halle la matriz canónica asociada a Tθ .
c) Halle Ker(Tθ ).
d) Pruebe que para todo θ ∈ R, Tθ es un isomorfismo.
e) Pruebe que Tθ u es el resultado de rotar el vector u un ángulo θ.
Indicación. Puede usar sus conocimientos de C.
f) Pruebe que
∀α, θ ∈ R : Tθ ◦ Tα = Tθ+α . (70)
g) Pruebe que
∀θ ∈ R : Tθ−1 = T−θ . (71)

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

También podría gustarte