Aplicaciones Lineales

ALGEBRA y ALGEBRA LINEAL

Definicin : Aplicacin Lineal.

Sean V y W dos K-espacios vectoriales. Una funcin T : V W se
dice Aplicacin Lineal si satisface las condiciones:

520142
Segundo Semestre

T (u + v) = T (u) + T (v) u, v V .
T ( u) = T (u) u V, K.
Proposicin

(Caracterizacin de una Aplicacin Lineal)

La funcin T : V W es una aplicacin lineal si y slo si

CAPITULO XII
APLICACIONES LINEALES

T ( u + v) = T (u) + T (v) u, v V , K.
Observacin:

DEPARTAMENTO DE INGENIERIA MATEMATICA

Si V = W , entonces la aplicacin se llama Operador Lineal o

Endomorfismo.

Facultad de Ciencias Fsicas y Matemticas

Universidad de Concepcin
1

Aplicaciones Lineales
Ejemplos.

Para los espacios V y W dados, las funciones T : V W

dadas en los siguientes ejemplos son aplicaciones lineales:

V = W = R2 :

Aplicaciones Lineales
Ejemplos... cont.
T : C[0, 1] R dada por:
f 7 T (f ) =

(x, y) 7 T (x, y) = (3x + 2y, x + 3y) .

V y W dos espacios vectoriales cualquiera:
v 7 T (v) = W .
V un espacio vectorial cualquiera y W = V , entonces:
v 7 T (v) = v .
V = R3 , W = R2 , y
(x, y, z) 7 T (x, y, z) = (2x y + z, x z) .

f (x)dx .
0

T : C[0, 1] C[0, 1] dada por

f 7 (T (f ))(x) =

f (t)dt .
0

Sea V = {f C[0, 1] : f C[0, 1]}. T : V C[0, 1] dado por

f 7 (T (f ))(x) = f (x) .
Sea u Rn fijo. Se define T : Mn (R) Rn por
A 7 T (A) = Au .

Aplicaciones Lineales

Aplicaciones Lineales

Ejemplos... cont.

Propiedades.

Sea V un espacio vectorial con producto interior h , i, y sea w V

fijo. La funcin T : V V dada por

Si T y L son aplicaciones lineales de V en W y K, entonces:

T (V ) = W .

v 7 T (v) = hv, wi w ,

T (u) = T (u),
es una aplicacin lineal de V en V .

u V .

T + L es una aplicacin lineal.

Sea V un espacio vectorial con producto interior y sea M un

subespacio de V . Entonces la aplicacin T : V M dada por

Definicin :

v 7 T (v) = vM ,

Lema.

L(V, W ) := {T : V W : T es lineal } .

L(V, W ) es un subespacio vectorial del espacio de todas las

funciones de V en W .

donde vM es la mejor aproximacin de v por elementos de M (ver

captulo anterior!) es un operador lineal de V en V , llamado
Proyeccin ortogonal de V sobre M .
5

Aplicaciones Lineales

Aplicaciones Lineales
Ejemplo.

Teorema.
Si {v1 , v2 , ..., vn } es una base del espacio vectorial V y {w1 , w2 , ..., wn }
son vectores del espacio vectorial W , entonces existe una nica
aplicacin lineal T : V W tal que T (vi ) = wi , i = 1, 2, ..., n.

Determine la nica transformacin lineal T : R2 R3 tal que

T (1, 1) = (3, 1, 1) y T (1, 2) = (2, 3, 1).
Como para todo (x, y) R2 , (x, y) = (2x y)(1, 1) + (y x)(1, 2),
resulta que:
T (x, y) = T ((2x y)(1, 1) + (y x)(1, 2))

Observacin.

= (2x y) T (1, 1) + (y x) T (1, 2)

= (2x y) (3, 1, 1) + (y x) (2, 3, 1)

El teorema anterior nos dice que una aplicacin lineal est

completamente determinada por su valor en los elementos de una
base.

= (4x y, x + 2y, 3x + 2y) .

Corolario.
Si T y L son aplicaciones lineales de V en W que coinciden en una base
de V , entonces T = L.

Aplicaciones Lineales

Aplicaciones Lineales

Definicin : Ncleo e Imagen de una aplicacin lineal.

Ejemplo.
Determine una transformacin lineal T : R3 R2 de modo que el
Ker(T ) sea el plano 3x y + 2z = 0.
Se puede ver que el plano tiene por base a {(1, 3, 0), (0, 2, 1)}.
Como {(1, 3, 0), (0, 2, 1), (1, 0, 0)} es base de R3 , basta definir T por:
T (1, 3, 0) = T (0, 2, 1) = (0, 0) y en forma arbitraria T (1, 0, 0) = (1, 3),


de donde
1
2
1
2
T (x, y, z) = T ( y z)(1, 3, 0) + z(0, 2, 1) + (x y + z)(1, 0, 0)
3
3
3
3
2
1
= (x y + z , 3x y + 2z)
3
3

Sean V y W dos K-espacios vectoriales, T : V W una aplicacin

lineal. Se definen el Ncleo y la Imagen de T como los conjuntos:
Ker(T ) := {u V : T (u) = W } V .
Im(T ) := {T (u) : u V } W .
Teorema.
Sean V y W espacios vectoriales sobre K y T : V W una aplicacin
lineal. Se tiene:

Observe que la transformacin lineal T2 definida por

T2 (x, y, z) = (3xy+2z , 3x+y2z) tambin cumple con lo pedido
(se obtiene al definir T2 (1, 0, 0) = (3, 3)).

Ker(T ) es un subespacio de V .
Im(T ) es un subespacio de W .

10

Aplicaciones Lineales

Aplicaciones Lineales

Definicin: Nulidad y Rango.

Dada una aplicacin lineal T : V W se llaman NULIDAD de T
a la dimensin del Ker(T ) y RANGO de T a la dimensin de Im(T );
respectivamente, se denotan por:
n(T ) = dim(Ker(T )),

r(T ) = dim(Im(T )) .

Ejemplos.
Sea T : R3 R3 la aplicacin lineal definida por
T (x, y, z) = (x + y, 2x + y, 3x + y). Entonces
Ker(T ) = {(x, y, z) R3 : x = y = 0, z R} .
Im(T ) = {(x, y, z) R3 : x 2y + z = 0} .

Teorema de las dimensiones.

Sean V y W dos K-espacios vectoriales de dimensin finita.
Si T : V W es una aplicacin lineal, entonces n(T ) + r(T ) = dim(V ).
Observacin:
Si {v1 , v2 , ..., vn } es una base del espacio vectorial V , entonces
{T (v1 ), T (v2 ), ..., T (vn )} genera a Im(T ).

n(T ) = 1 .
r(T ) = 2 .
Teorema.
Si T : V W es una aplicacin lineal, entonces T es inyectiva si y slo
si Ker(T ) = {}.

Aplicaciones Lineales

Aplicaciones Lineales

Observacin.

Teorema.

Sean V y W dos K-espacios vectoriales de dimensin finita, T : V W

una aplicacin lineal

Sean V , W y Z tres K-espacios vectoriales.

Si T L(V, W ) y S L(W, Z), entonces S T L(V, Z).

Si T es inyectiva, entonces dim(V ) dim(W ).

Definicin: Isomorfismo.

Si T es sobreyectiva, entonces dim(V ) dim(W ).

Sean V y W dos K-espacios vectoriales, una aplicacin lineal

T : V W es un ISOMORFISMO de V en W si T es biyectiva. En este
caso se dice que V y W son isomorfos, y se escribe V W .

Si T es inyectiva y si {u1 , u2 , ..., un } es linealmente independiente,

entonces {T (u1 ), T (u2 ), ..., T (un )} es linealmente independiente.
Si T es inyectiva y si {v1 , v2 , ..., vN } es una base de V , entonces
{T (v1 ), T (v2 ), ..., T (vN )} es una base de Im(T ).

13

14

Aplicaciones Lineales

Aplicaciones Lineales

Ejemplo.

Ejemplo Importante.

Sea T : P3 (R) M2 (R) la aplicacin lineal definida por

2

T (a + bx + cx + dx ) =

Es fcil ver que T es un isomorfismo.

Teorema.
Si T L(V, W ) es un isomorfismo, entonces T 1 L(W, V ) es
tambin un isomorfismo.
Si dos espacios vectoriales de dimensin finita son isomorfos,
entonces ambos tienen la misma dimensin.

Dada una matriz A Mmn (K) se define la aplicacin lineal:

T : Rn Rm , x 7 T (x) = Ax.

Propiedad 1:
Para esta aplicacin lineal se tiene:
Im(T ) = {Ax : x Rn } = h{Col1 (A), Col2 (A), . . . , Coln (A)}i .

Propiedad 2:
r(T ) = dim(Im(T )) es el nmero de filas no nulas de una forma
escalonada de A, es decir, es el rango de la matriz A.

Aplicaciones Lineales

Aplicaciones Lineales

Matriz asociada a una aplicacin lineal

Sea ahora v V tal que [v]BV = (1 , 2 , . . . , n ). Entonces

n
n
X
X
T (v) = T
j vj =
j T (vj )

Sean V y W dos espacios vectoriales sobre K, BV = {v1 , v2 , ..., vn },

BW = {w1 , w2 , ..., wm } bases de V y W respectivamente y T L(V, W ).
Entonces existen escalares aij K tales que

j=1

j=1

n
X

T (v2 ) = a12 w1 + a22 w2 + + am2 wm ,

..
.
. = ..

m
X
i=1

T (vn ) = a1n w1 + a2n w2 + + amn wm .

aij wi

i=1

j=1

T (v1 ) = a11 w1 + a21 w2 + + am1 wm ,

m
X

n
X
j=1

aij j wi =

{z

=i K

m
X

i wi ,

i=1

de donde, si A = (aij ), entonces [T (v)]BW = (1 , . . . , m ) = A

1
..
.
n

17

Aplicaciones Lineales

18

Aplicaciones Lineales

Definicin: Matriz asociada a una aplicacin lineal.

Ejemplo:

Llamaremos matriz asociada a T con respecto a las bases BV y BW a la

matriz A, es decir, a la matriz cuyas columnas son las coordenadas de
los vectores T (vj ) 1 j n con respecto a la base {w1 , . . . , wm }.

Sea T : R2 R2 la aplicacin lineal dada por T (x, y) =

(4x 2y, x + 2y), y sea B = {(1, 0), (0, 1)} la base cannica de R2 .
Entonces, como:
T (1, 0) = (4, 1) = 4(1, 0)1(0, 1) y

Notacin:

T (0, 1) = (2, 2) = 2(1, 0)+2(0, 1) ,

La matriz asociada a T se denota por:

W
[T ]B
BV

es decir,

W
[T ]B
BV

o por

a11

a21
:=
..
.

am1

[T ]BV BW ,

a12

...

a1n

a22
..
.

...
...

a2n
..
.

am2

... amn

la matriz asociada a esta aplicacin es:

4 2
.
[T ]B =
1
2
Adems, como estamos trabajando con la base cannica de R2 ,
entonces

4 2
x

.
T (x, y) =
1
2
y

Aplicaciones Lineales

Aplicaciones Lineales

Observacin.

Ejemplo.

Sean A Mmn (R), B1 y B2 las bases cannicas de Rn y Rm ,

respectivamente, entonces la aplicacin lineal T : Rn Rm dada por

Sean BR2 = {(1, 2), (1, 3)} y BR3 = {(1, 2, 0), (2, 1, 0), (0, 0, 1)} bases de
R2 y R3 , respectivamente, y sea T : R2 R3 la aplicacin lineal con
matriz asociada

1 1

[T ]BR23 =
2 3 .
R
1 4

v 7 T (v) = Av ,
B2
= A.
tiene por matriz asociada a [T ]B
1

Teorema.

Un vector cualquiera (x, y) R2 se escribe como

Sean V y W espacios vectoriales de dimensin finita y BV , BW bases de

W
V y W , respectivamente. Entonces T se puede definir a partir de [T ]B
BV
como sigue

(x, y) = (3x y) (1, 2) + (y 2x) (1, 3) ,

es decir

W
[T (u)]BW = [T ]B
BV [u]BV .

[(x, y)]BR2 =

21

Aplicaciones Lineales

3x y
y 2x

Aplicaciones Lineales
Teorema.

Ejemplo. . . cont
Entonces

[T (x, y)]BR3

[(x, y)]B 2 = 2
=
2
3
R

1 4
1

,
=
y

11x + 5y

3x y

y 2x
4

y as la aplicacin lineal est dada por

T (x, y) = x(1, 2, 0) + y(2, 1, 0) + (11x + 5y)(0, 0, 1)
= (x 2y, 2x + y, 11x + 5y) .

Sean V , W y Z espacios vectoriales sobre K, con bases BV , BW y BZ ,

respectivamente. Si T, L : V W y S : W Z son aplicaciones
lineales, entonces
BW
BW
W
[T + L]B
BV = [T ]BV + [L]BV .
BW
W
[T ]B
BV = [T ]BV .
BZ
BW
Z
[S T ]B
BV = [S]BW [T ]BV .

Teorema.
Sean V un espacio vectorial sobre K, BV una base de V y T : V V
V
un operador lineal. Si T es un isomorfismo, entonces [T ]B
BV = [T ]BV es
una matriz inversible y
1
[T ]1
]BV .
BV = [T

22

Aplicaciones Lineales

Aplicaciones Lineales
Definicin: Matriz de transicin.

Teorema.

Sean B = {v1 , v2 , ..., vn } y B = {v1 , v2 , ..., vn } dos bases del espacio

vectorial V . Se llama matriz de transicin o de paso de B a B a la matriz
P , tal que la j-sima columna de P es el vector de coordenadas de vj en
la base B . Es decir,

a11 a12 ... a1n

a1j

a21 a22 ... a2n

a2j

P := .
..
.. , con .. = [vj ]B , j = 1, 2, ..., n.
..

.
.
...
.

an1 an2 ... ann

anj

Sean V y W espacios vectoriales de dimensin finita sobre K. Si

dim(V ) = n y dim(W ) = m, entonces L(V, W ) es isomorfo con
Mmn (K).
Observacin.
Del Teorema anterior vemos que si dim(V ) = n y dim(W ) = m,
entonces, entonces dim(L(V, W )) = mn. En particular,
dim(L(V, K)) = dim(V ) = n.

Tambin se dice que P es la matriz de paso de la base antigua B a la

base nueva B .

Nota: El espacio L(V, K) se llama espacio dual de V y se denota V .

Observacin.

Es fcil ver que P = [I]B

B .

25

Aplicaciones Lineales

26

Aplicaciones Lineales
Teorema.

Teorema.
Si P es la matriz de transicin de una base B a una base B del espacio
vectorial de dimensin finita V , entonces para x V las coordenadas de
x en ambas bases se relacionan por:
[x]B = P [x]B .

Teorema.
Si P es la matriz de transicin de una base B a una base B del espacio
vectorial de dimensin finita V , entonces P es inversible y su inversa P 1
es la matriz de transicin de B a B.

Si P es la matriz de transicin de una base ortonormal B a una base

ortonormal B en un espacio vectorial de dimensin finita V , entonces
P 1 = P t .
Observacin.

La matriz asociada a una aplicacin lineal depende de

las bases consideradas para los espacios vectoriales, la matriz cambia

cuando se cambian las bases. La relacin es dada en el siguiente
teorema:
Teorema.
Si T : V V es una operador lineal en un espacio vectorial V de
dimensin finita y P es la matriz de transicin de la base B a la base B,
entonces
[T ]B = P 1 [T ]B P.

Aplicaciones Lineales
Definicin.
Si A y B son dos matrices cuadradas, entonces se dice que B es
semejante a A si existe una matriz inversible P tal que B = P 1 AP .
Naturalmente, en este caso A es semejante con B, por lo que se dice
que A y B son semejantes.

Teorema.
Si dos matrices representan al operador lineal T : V V , con respecto
a bases diferentes, entonces las matrices son semejantes.

29