Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sean E y F dos espacios vectoriales sobre el cuerpo K , y f una aplicación lineal definida entre los
espacios vectoriales sobre K: E y F ( f : E → F).
Definición:
Una aplicación lineal de un espacio vectorial en sí mismo recibe el nombre de
endomorfismo.
Ejemplos:
3 2
1. f : ℝ → ℝ
➔ x vector de ℝ3 y α ∈ ℝ ⇒
⇒f es lineal.
2. f : ℝ3 → ℝ2
➔ x e y dos vectores de ℝ3
⇒f no es lineal.
3.
2
➔ p(x) = a0+a1x+a2x ∈ P2 ⇒ f (p(x)) = 0+a1+2a2x
q(x) = b0+b1x+b2x2 ∈ P2 ⇒ f (q(x)) = 0+b1+2b2x
⇒p(x)+q(x) = (a0+b0)+(a1+b1)x+(a2+b2)x2
⇒ f (p(x)+q(x)) = 0+(a1+b1)+2(a2+b2)x = (a1+2a2x)+(b1+2b2x) =
= f (p(x)) + f (q(x))
⇒ f es lineal.
4. f : ℝn → ℝm
x → f(x) = Ax , ∀ A mxn
⇒ f es lineal.
f : E → ℝn
x → f(x) = CB(x)
x,y ∈ E ⇒
Son muchos los ejemplos de aplicaciones lineales definidas entre espacios vectoriales.
Así la proyección y la simetría respecto a cualquier eje coordenado son también
aplicaciones lineales (en el espacio V3 de los vectores libres).
Sean S = {e1, e2, …, ep} un conjunto de vectores de E ∧ f(S) ={f(e1), f(e2), …, f(ep)} un
conjunto de vectores en F →
Esto es una relación nula de los f(ei) con algún αi ≠ 0 (αi ∈ K).
Luego f(S) = { f(e1), f(e2), …, f(ep)} es también linealmente dependiente.
Si f(S) es linealmente independiente ⇒ entonces S es.
Ejemplo.
f : ℝ3 → ℝ2
3
Consideremos el conjunto de vectores de ℝ que es libre. Calculemos
f(B):
2
que es un conjunto linealmente dependiente en ℝ .
3
Si ahora se considera el conjunto libre de ℝ se tiene que
2
es un conjunto linealmente independiente en ℝ .
Ker f : conjunto de vectores de E, que tienen como imagen por f el vector nulo de F.
El núcleo de una aplicación lineal es un subespacio vectorial de E.
Definición:
Se llama imagen de f al subconjunto de F: ℑ f = { f (x )∈ F / x ∈ E }
Para calcular la ecuación se forma una base que tenga por columnas las coordenadas de
los vectores de la base de ℑ f : Cv( f (x)) y las coordenadas de un vector genérico y = (y1
y2,y3, y4)t∈ ℑ f y se impone la condición de que dicha matriz tenga el rango de la base de
ℑ f . Desarrollando el determinante se obtiene la ecuación del subespacio ℑ f
Definición:
Rango de una aplicación lineal: dimensión del subespacio Im f: rang f = dim f(E)= dim Im f
Sea f : E → F una aplicación lineal. Si B = {e1, e2, …, en} es una base de E, entonces f(S) =
{ f(e1), f(e2), …, f(en)} es un conjunto generador de f(E) (es decir, de Im f).
Demostración:
Sea x un vector de E y B = {e1, e2, …, en} una base de E.
⇒ x = x1e1+x2e2+...+xnen
⇒f(x) = f(x1e1+x2e2+...+xnen) = x1f(e1)+x2f(e2)+…+xnf(en)
⇒ dim Im f ≤dim E = n
Si B es una base de E entonces f(B) genera Im f, por lo que para obtener una base de Im f
habrá que extraer los elementos linealmente independientes de f(B).
Ejemplo.
Se pide:
(i) Hallar Ker f .
(ii) Encontrar dos vectores linealmente independientes de P2 con la misma imagen.
(iii) Calcular Im f.
2
∈ Ker f ⇔ ⇔ a=b=0⇔ p( x)=0+0 x +c x 2
(i) p(x) = a+bx+cx
Ker f =¿ { p(x) = cx2 / c ∈R } ⇒ dim Ker f =1.
De f : P2 → E2x2 (ℝ) se deduce que los vectores
p(x) = 1 + x + x2
q(x) = 1 + x + 3x2 cumplen: f (p) = f (q) =
ℑ f =¿ ℑf ⇒ ℑf
Spam este conjunto es libre y una base de dim = 2.
Definición:
➔ f → sobreyectiva ⇔ Im f = F
Todas las aplicaciones lineales entre espacios vectoriales de dimensión finita reales o
complejos son equivalentes a la multiplicación matricial de los vectores coordenados.
coordenadas de x en la
base U (base de E)
⇒ f
coordenadas de (x) en
la base V (base de F)
Por ser f una aplicación lineal:
f (x) = f (x1u1+x2u2+...+xnun) = x1 f (u1)+x2 f (u2)+...+xn f (un) ⇒
⇒Cv( f (x)) = x1Cv( f (u1))+x2Cv( f (u2))+...+xnCv( f (un)) ⇒