Tema 2. Aplicaciones lineales.

Diagonalizaci
on de endomorfismos.

Algebra Lineal

Escuela Polit
ecnica Superior

Universidad de M
alaga

Emilio Mu
noz-Velasco

(Basado en los apuntes de Jes

us Medina e Inmaculada Fortes)

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 1
 2.1 Aplicaciones Lineales

Si V y W son dos e.v. sobre un mismo cuerpo K, llamamos

aplicaci on f : V W que
on lineal (a.l.) de V en W a una funci
verifica:

f (~
u+~ v ) = f (~ v ) ~
u) + f (~ u, ~
vV
f (~v ) = f (~v) K, ~
vV

Si V = W entonces la aplicaci
on lineal se llama endomorfismo.

Ejemplo 1. Estudia si las siguientes funciones son aplicaciones

lineales:

1. f : R2 R3, f (x, y) = (x y, 0, 2x + 5y)

2. f : R2 R3, f (x, y) = (x y + 1, 0, 2x + 5y)

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 2
Propiedades

Si f : V W es una aplicaci
on lineal, se verifica:

1. f (~u~ u) f (~
v ) = f (~ v)
2. f (~0V ) = ~0W

Caracterizaci
on de una aplicaci
on lineal

f : V W es una aplicaci olo si, ~

on lineal si y s v
u, ~
V , K

f (~
u + ~
v ) = f (~
u) + f (~
v)

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 3
 N
ucleo e Imagen de una aplic. lineal

Definici
on 1. Sea f : V W una aplicaci on lineal.
Llamamos N ucleo de f (Kerf ) al conjunto de vectores de
V cuya imagen es el elemento neutro de W .

Kerf = {~ v ) = ~0W }
v V | f (~

Definici
on 2. Llamamos Imagen de f (Imf ) al conjunto de
vectores de W que son im
agenes bajo f de vectores de V .

Imf = {w
~ W | ~
vV t.q. f (~
v ) = w}
~

Teorema 1. Si f : V W es una aplicaci

on lineal entre dos
e.v. sobre un cuerpo K, se tiene que:

1. Kerf es un subespacio vectorial de V

2. Imf es un subespacio vectorial de W

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 4
Ejemplo 2. Calcular n ucleo e imagen de las siguientes
aplicaciones lineales.

1. f : R3 R3, f (x, y, z) = (z, x + y, z)

2. f : R3 R2, f (x, y, z) = (x + y, 0)

3. f : R2 R2, f (x, y) = (y, x)

4. f : R3 R2, f (x, y, z) = (y, z)

Teorema 2. Dada una a.l. f : V W y un sistema
generador de V , {~ v1 , ~ vp}, se tiene que los vectores
v2, . . . , ~
{f (~
v1), f (~
v2), . . . , f (~
vp)} forman un sistema generador de
Imf .
Teorema 3. Sea f : V W una a.l. donde V es un e.v. de
dimensi
on finita. Entonces se verifica

dim V = dim Kerf + dim Imf

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 5
Teorema 4. Sea f : V W una aplicaci
on lineal. Entonces:

olo si Kerf = {~0V } si y s

1. f es inyectiva si y s olo si
dim Kerf = 0

2. f es sobreyectiva si y s
olo si Imf = W

En en caso de que W sea de dimensi

on finita, f es sobreyectiva si
y s
olo si dim Imf = dim W

Ejemplo 3. Analizar, usando los n ucleos e im agenes ya

calculados en el ejemplo anterior, si las siguientes a.l. son
inyectivas o sobreyectivas.

1. f: R3 R3 , f (x, y, z) = (z, x + y, z)
2. f: R3 R2 , f (x, y, z) = (x + y, 0)
3. f: R2 R2 , f (x, y) = (y, x)
4. f: R3 R2 , f (x, y, z) = (y, z)

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 6
 Matriz de una aplicaci
on lineal
Sea f : V W una a.l. sobre un mismo cuerpo K. Sea
B = {~ v1 , ~ vn} una base de V en las que las coordenadas
v2, . . . , ~
x V son (x1, x2 . . . , xn). Sea B0 = {w
de ~ ~ 1, w ~ m} una
~ 2, . . . , w
base de W y sea f (~ ~ W de coordenadas (y1, y2 . . . , ym)
x) = y
en B0.
Supongamos conocidas las coordenadas de las im agenes de los
vectores de la base B expresadas en la base B0.

f (~
v1) = a11w ~ 2+
~ 1 + a21w am1w ~m
f (~
v2) = a12w ~ 2+
~ 1 + a22w am2w ~m
.. .. ... ..
f (~
vn) = a1nw ~ 2+
~ 1 + a2nw amnw ~m

Tenemos entonces:
f (~
x) = y1w ~ 2 + + ymw
~ 1 + y2w ~m

f (~
x) = f (x1~ v2+ +xn~
v1+x2~ vn) = x1f (~ v2)+ +xnf (~
v1)+x2f (~ vn )

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 7
Igualando las dos expresiones previas y utilizando f (~
v1) . . . f (~
vn):
y1w ~ 2 + + ynw
~ 1 + y2w ~m =
= (x1a11 + x2a12 + + xna1n)w ~ 1+
+ (x1a21 + x2a22 + + xna2n)w ~ 2+
..
+ (x1am1 + x2am2 + + xnamn)w ~m
por tanto:

y1 a11 a12 a1n x1
. = a.21 a.22 a2. n x.2
y2
. . . ... . .
ym am1 am2 amn xn

que se expresa Y = AX donde A es una matriz m n que se

denomina matriz asociada a la aplicaci
on lineal f respecto de las
bases B y B0 y la denotamos por M (f, B, B0), o simplemente
M (f ).

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 8
 Ejemplos
1. Calcular la matriz asociada a la a.l. f : R3 R2, f (a, b, c) =
(a + b, a c) en los siguientes casos:
(a) Cuando las bases de los e.v. son can
onicas.
(b) Respecto a las bases B = {(1, 1, 1), (0, 2, 1), (1, 3, 0)} y
B0 = {(0, 1), (1, 2)}

ucleo y la imagen de la a.l. f : R4 R3 tal que:

2. Hallar el n

f (1, 0, 0, 0) = (1, 1, 2) ; f (0, 0, 1, 0) = (4, 1, 5)

f (0, 1, 0, 0) = (2, 1, 1) ; f (0, 0, 0, 1) = (1, 5, 4)

3. Calcular la matriz asociada a la siguiente a.l.:

f : P2(R) P1(R), f (a2x2 + a1x + a0) = 2a2x + a1

respecto de las bases B = {1, x, x2} y B0 = {1, x} de P2(R) y

P1(R) respectivamente.

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 9
 Cambio de base para ap. lineales

0
Teorema 5. Sea f : V W una a.l.. Consideremos BV y BV
0
dos bases de V , y BW y BW dos bases de W , la matriz P de
0 0
cambio de base de BV a BV y la matriz Q de BW a BW .

Entonces, A0 = Q1AP , siendo A0 = M (f, BV

0 0
, BW ) y A =
M (f, BV , BW ).
A
hBV i hBW i
P Q
0 A0 =Q1 AP 0
hBV i hBW i

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 10
 on lineal f : R3 R2,
Ejemplo 4. Dada la aplicaci

f (x, y, z) = (x + 2y z, 2x y + 3z)

onica de R3, B3, la base can

la base can onica de R2, B2 y las
bases:

B30 = {(1, 0, 1), (1, 1, 0), (0, 1, 1)}; B20 = {(1, 3), (2, 1)}

Calcular M (f, B30 , B20 ) a partir de la matriz M (f, B3, B2).

Corolario 1. Dado un endomorfismo f : V V , dos bases de

0 0
V , B V y BV , y P , la matriz de cambio de base de BV a BV ,
se tiene que
A0 = P 1AP
siendo A0 = M (f, BV
0 0
, BV ) y A = M (f, BV , BV )

Emilio Mu
noz-Velasco 2.1. Aplicaciones lineales. 11
 2.2. Diagonalizaci
on de
endomorfismos
Definici
on 3. Dado un e.v. V sobre un cuerpo K diremos que
el endomorfismo f : V V es diagonalizable si existe una base
de V tal que la representaci
on de f en la base sea una matriz
diagonal D. Si la matriz A Mn(K) es la representaci on de
f en la base, diremos que A es diagonalizable en K si f es
diagonalizable.

on 4. Sea f : V V un endomorfismo. Un vector

Definici
v 6= ~0 de un e.v. V sobre un cuerpo K se llama autovector o
~
vector propio de un endomorfismo si K tal que f (~ v) =
~v . A este valor K se le llama autovalor o valor propio
del endomorfismo f asociado al autovector ~ v.
A es diagonalizable en K si P Mn(K) inversible tal que
P 1AP = D, siendo D es una matriz diagonal formada por los
autovalores de A y P contiene por columnas la correspondiente
base de autovectores (A y D son matrices semejantes).

Emilio Mu
noz-Velasco 2.2. Diagonalizaci
on de endomorfismos. 12
 on 5. Sea f : V V un endomorfismo. Al conjunto
Definici
E = {~ v V | f (~ v } de los autovectores asociados al
v ) = ~
autovalor , se le llama subespacio propio del endomorfismo f
asociado al autovalor .
C
alculo de Autovalores
Teorema 6. Sea A Mn(K). Entonces
K es un autovalor de A el determinante de la matriz
(A I) es nulo.
ser
a autovalor de A si y s
olo si el sistema homogeneo
(A I)X = 0 tiene soluci on no trivial. Esto ocurre si y s
olo si
(A I) es una matriz singular, es decir su determinante es nulo.

on 6. Sea A Mn(K).
Definici Llamamos polinomio
caracterstico de la matriz A al determinante de la matriz
(A I).
on caracterstica a det(A I) = 0.
Llamaremos ecuaci

Emilio Mu
noz-Velasco 2.2. Diagonalizaci
on de endomorfismos. 13
 Ejemplo 5. De los siguientes endomorfismos reales, hallar los
autovalores y sus subespacios propios asociados:

(a) f (x, y) = (3x + 2y, 2x)

(b) f (x, y, z) = (2x + y, x + z, x + 3y + z)

(c) f (x, y, z) = (x, 8x + 4y 6z, 8x + y + 9z)

Teorema 7. Sea V un e.v. de dimensi on n sobre K y f : V

V un endomorfismo. Si f tiene n autovalores 1, 2, . . . , n
K distintos, entonces f es diagonalizable en K

Nota: Este teorema no implica que un endomorfismo con

autovalores multiples no pueda ser diagonalizable.

Emilio Mu
noz-Velasco 2.2. Diagonalizaci
on de endomorfismos. 14
 Teorema de caracterizaci
on de los
endomorfismos diagonalizables

on 7. Sea f : V V un endomorfismo en un e.v. V

Definici
definido sobre K. Si K es un autovalor de f , llamamos:

1. Multiplicidad algebraica de , ma() al orden de

multiplicidad de como raz del polinomio caracterstico
de f .

2. Multiplicidad geom
etrica de , mg (), a la dimensi
on del
subespacio propio asociado a , E.

Emilio Mu
noz-Velasco 2.2. Diagonalizaci
on de endomorfismos. 15
Teorema 8. Sea V un e.v. de dimensi on n definido sobre
un cuerpo K y f : V V un endomorfismo. Si los
autovalores distintos de f son: 1, 2, . . . , p K entonces
f es diagonalizable si y s
olo si se verifican las dos siguientes
condiciones:

1. ma(1) + ma(2) + . . . + ma(p) = n

2. ma(i) = mg (i) i = 1, . . . , p

Observaciones:

Si K = C entonces, 1. siempre se verifica.

Si es un autovalor de f , entonces

1 mg () ma()

Emilio Mu
noz-Velasco 2.2. Diagonalizaci
on de endomorfismos. 16