Aplicaciones lineales.

Diagonalización

Definición: Sean V y W dos espacios vectoriales sobre el mismo cuerpo  y sea la aplicación
f :V  W
   . La aplicación f es lineal si se verifican las dos condiciones siguientes:
v  f  v  w
     
1) u, v  V, f  u  v   f  u   f  v 
  
2)   K, v  V, f  v   f  v 
     
o bien en una única condición: ,   K, u, v  V, f  u  v   f  u   f  v  .

A las aplicaciones lineales se les dice también homomorfismos.

Subconjuntos notables:
Definición: Sea f : V  W una aplicación lineal:
“Núcleo de la aplicación lineal f”

 
N(f )  Ker(f )  v  V / f  v   0  f 1 0    V .
“Imagen de la aplicación lineal f”.
   
Im  f   f  V   w  W / v  V, f  v   w  W .

Propiedades de las aplicaciones lineales.

Sea f : V  W una aplicación lineal:
 
 
1. f 0V  0W .
 
2. f   v   f  v 

3. La imagen por f de cualquier subespacio vectorial E de V es un subespacio vectorial de W.

4. Imagen de f es un subespacio vectorial del espacio vectorial W.
5. La imagen inversa de un subespacio vectorial H de W es un subespacio vectorial de V.
6. Núcleo de f es un subespacio vectorial del espacio vectorial V.
7. La imagen de un sistema generador del espacio vectorial V es un sistema generador del espacio
vectorial f(V).
8. Si S es un sistema ligado de V, entonces, f(S es un sistema ligado de W.
9. La imagen inversa de un sistema libre en W es un sistema libre en V.

Teorema de la dimensión
Sea f una aplicación lineal de V en W entonces se verifica que: dimV=dimN(f)+dimIm(f).

Unidad Docente de Matemáticas de la ETSITGC Asignatura: ÁLGEBRA Y GEOMETRÍA 1

 Aplicaciones lineales. Diagonalización

Clasificación de las aplicaciones lineales.

 Monomorfismo es una aplicación lineal inyectiva.
 Epimorfismo es una aplicación lineal sobreyectiva.
 Isomorfismo es una aplicación lineal biyectiva (inyectiva y sobreyectiva).
 Endomorfismo o transformación lineal es una aplicación lineal de un espacio vectorial en sí
mismo.
 Automorfismo es un endomorfismo que además es isomorfismo.

Caracterización de las aplicaciones lineales.

Sea f : V  W una aplicación lineal:


f es un monomorfismo  N  f   0  dim N  f   0 .

f es un epimorfismo  Im  f   W  dim Im  f   dim W

Transformaciones Lineales: Ecuación de una transformación lineal.

  
Sea f : V  V una transformación lineal con B= u1 , u 2 ,  , u n  una base de V tal que:
   
f  u1   a11 u1  a12 u 2    a1n u n
    
f  u 2   a 21 u1  a 22 u 2    a 2n u n


f  u   a u  a u    a u
 n n1 1 n2 2 nn n

      
entonces x  x1 u1  ...  x n u n  V  y  f  x   y1 u1  ...  y n u n

 y1  a11 x1  a 21 x 2    a n1 x n
y  a x  a x    a x
 2 12 1 22 2 n2 n

 
 y n  a1n x1  a 2n x 2    a nn x n

 y1   a11 a 21  a n1   x1 
    
y a a 22  an2   x2 
Escrito en forma matricial  2    12
          
    
 y n   a1n a 2n  a nn   x n 

Unidad Docente de Matemáticas de la ETSITGC Asignatura: ÁLGEBRA Y GEOMETRÍA 2

 Aplicaciones lineales. Diagonalización

 y1   x1   a 11 a 21  a n1 
     
y2  x2  a 12 a 22  a n2 
Si llamamos Y   , X  , A=  , abreviadamente la ecuación
           
     
 yn   xn   a 1n a 2n  a nn 

matricial anterior se escribe Y  AX , donde A es la matriz que define la aplicación lineal f respecto de
la base B del espacio vectorial V.

Observaciones:
 Las ecuaciones de la aplicación lineal f: Y=AX son las ecuaciones paramétricas del subespacio
imagen de f
 Las ecuaciones cartesianas del Núcleo de f son: AX=0.

Cambio de base en una transformación lineal.

     
Sea f : V  V una transformación lineal y sean B= u1 , u 2 ,  , u n  y B’= u '1 , u '2 , , u 'n  dos bases de

V tales que P representa la matriz del cambio de base de B’ a B. Si Y=AX es la ecuación matricial de la
transformación lineal f con A=M(f,B) entonces la matriz que define f respecto B’ es: A’=M(f,B’)=P-1AP
resultando Y’=A’X’.

El Espacio Vectorial de las Transformaciones Lineales.

El conjunto de todas las transformaciones lineales posibles del espacio vectorial V con la suma de
aplicaciones y el producto de un escalar por una aplicación tiene estructura de espacio vectorial sobre R.
Con la suma y la composición de aplicaciones constituye un anillo unitario. En particular las
transformaciones lineales biyectivas forman un grupo respecto de la composición.

Teorema
Si f : V  V es una transformación lineal y A es la matriz cuadrada de orden n que define f respecto de
una base B del espacio vectorial V. Entonces las afirmaciones siguientes son equivalentes:
 f es biyectiva.
 f es inyectiva.

 
N f   0 .

 Im(f)=V.
 f es sobreyectiva.
Unidad Docente de Matemáticas de la ETSITGC Asignatura: ÁLGEBRA Y GEOMETRÍA 3
 Aplicaciones lineales. Diagonalización

 rango(A)=n
 A  0.

 Transforma un sistema libre de vectores de V en un sistema libre.

Invariantes.
Sea f : V  V una transformación lineal.
  
Definición: Un vector v  V es un vector invariante por f si f  v   v .

Definición: Un subespacio vectorial F es un subespacio invariante por f si f (F)  F , es decir,

 
v  F  f  v   F . Si f es biyectiva entonces f(F)=F.

Consecuencias:
 
1. Si v  V es un vector invariante por f , entonces  v  es un subespacio invariante por f.


2. Los subespacios 0 , N(f), Im(f) y V son subespacios invariantes por f

3. La suma e intersección de subespacios invariantes por f es un subespacio invariante por f.

Diagonalización de matrices: Matrices semejantes.

Definición:
Dos matrices A, A '  M n  K  son semejantes si y sólo si existe una matriz P  M n  K  invertible tal que

A ' =P-1 A P.
Observación: Todas las matrices asociadas a la misma transformación lineal f respecto de cualquier base
de V son semejantes entre sí.
Introducción
Muchas veces es indispensable encontrar una base de V respecto de la cual M(f,B) sea lo más sencilla
posible, el grado máximo de simplicidad que se puede esperar viene dado por las matrices diagonales. A
 1 1
veces no es posible, por ejemplo,  .
 0 1
Definición:
Una matriz A  M n  K  es diagonalizable si existe una matriz diagonal semejante a ella.

Definición:
Una transformación lineal de V es diagonalizable si su matriz asociada es diagonalizable.

Unidad Docente de Matemáticas de la ETSITGC Asignatura: ÁLGEBRA Y GEOMETRÍA 4

 Aplicaciones lineales. Diagonalización

Valores y vectores propios.

Definiciones:
Sea f : V  V una transformación lineal y una matriz A  M n  K  asociada a f respecto de una base B

del espacio vectorial V.

  
Un vector v  V con v  0 es un vector propio o autovector de f si existe un valor   K tal que
 
f  v   v .
 
Un valor propio o autovalor de f es   K tal que f  v   v .
  
Un vector v  V con v  0 es un vector propio o autovector de A si existe un valor   K tal que
 
Av  v .
 
Un valor propio o autovalor de A es   K tal que Av  v .

Consecuencia: si  es un valor propio de un vector propio v , entonces es  único.
Teorema
Una trasformación lineal f : V  V es diagonalizable si existe una base B* de V formada por vectores
propios de f.
Corolario
Una matriz A  M n  K  es diagonalizable si y sólo si existe una base B* del espacio vectorial Kn.

Definición:
Polinomio característico de A es el siguiente polinomio en la variable  : P()  A  I .

Proposición
Un escalar es un valor propio de A si y sólo si es raíz del polinomio característico de A.

Propiedades de los valores y vectores propios.


 
El conjunto V de vectores propios asociados a un mismo valor propio  junto con el vector 0 , es un

subespacio vectorial del espacio vectorial V=Kn. Dicho subespacio V se llama subespacio propio
asociado al valor propio .
 La multiplicidad geométrica de un valor propio  (es decir, la dimensión de V) es menor o igual que
su multiplicidad algebraica (es decir, el orden de multiplicidad de  como raíz del polinomio
característico).
 Si  es un valor propio con orden de multiplicidad uno, es decir, si  es una raíz simple del polinomio
característico, entonces, la dimensión de su subespacio propio asociado, V, es también uno.
 Sean 1, 2,…, p valores propios distintos entre si de una matriz A  M n (K ) . Si B1, B2,…,Bp son
Unidad Docente de Matemáticas de la ETSITGC Asignatura: ÁLGEBRA Y GEOMETRÍA 5
 Aplicaciones lineales. Diagonalización

bases de V1 , V2 ,…, Vp , respectivamente, entonces B  B1  B2  ...  Bp es libre.

 Los vectores propios asociado a valores propios distintos entre sí. Son linealmente independientes.
 Si A  M n (K ) tiene n valores propios distintos entre sí entonces A es diagonalizable.
 El subespacio propio de vectores propios asociados a un mismo valor propio es invariante por la
transformación lineal que define A.
 Si  es un valor propio de A, entonces n es un valor propio de An.
 Si   0 es un valor propio de A y existe A-1, entonces 1/ es un valor propio de A-1.
 El polinomio característico de una matriz es igual al de su matriz transpuesta.
 Dos matrices semejantes tienen el mismo polinomio característico.
 Si A y A’ son matrices semejantes, entonces:
 El determinante de A es igual al determinante de A’.
 La traza de A es igual a la traza de A’.
 La suma de los adjuntos de la diagonal principal de A es igual a la suma de los adjuntos de la
diagonal principal de A’.

Caracterización de las matrices diagonalizables.

Una matriz A es diagonalizable en K si y sólo si se verifican las condiciones siguientes:
1. Todos los valores propios de A pertenecen al cuerpo K.
2. El orden de multiplicidad de cada valor propio como raíz del polinomio característico es igual
a la dimensión del correspondiente subespacio propio asociado.

Diagonalización de las matrices simétricas reales.

Teorema: Todas las raíces del polinomio característico de una matriz simétrica son reales.
Teorema: Todas las matrices simétricas son diagonalizables en R .

TEOREMA FUNDAMENTAL DE LAS MATRICES INVERTIBLES

Sea A  M n (R) que define una transformación lineal f:V→V respecto de una base B del espacio
vectorial V. Los enunciados siguientes son equivalentes:
 A es invertible.
 AX=b tiene solución única para toda b de R n .
 AX=0 tiene solamente la solución trivial.
 A es un producto de matrices elementales.
Unidad Docente de Matemáticas de la ETSITGC Asignatura: ÁLGEBRA Y GEOMETRÍA 6
 Aplicaciones lineales. Diagonalización

 Rango(A)=n.

 
N(f)= 0 .

 Los vectores columna de A forman una base de R n .

 Los vectores fila de A forman una base de R n .
 A  0.

 El cero no es un valor propio de A.

 f es biyectiva.
 Im(f)= R n .

Unidad Docente de Matemáticas de la ETSITGC Asignatura: ÁLGEBRA Y GEOMETRÍA 7