Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema 2
Tema 2
Definición
Definición
Puede ocurrir...
Definiciones
Ejemplos
1) f : R → R, f (x) = cos(x) no es inyectiva ni sobreyectiva
2) f : R2 → R, f (x, y ) = y es sobreyectiva pero no es inyectiva
Definiciones
Ejemplos
1) f : R → R, f (x) = cos(x) no es inyectiva ni sobreyectiva
2) f : R2 → R, f (x, y ) = y es sobreyectiva pero no es inyectiva
Definiciones
Ejemplos
1) f : R → R, f (x) = cos(x) no es inyectiva ni sobreyectiva
2) f : R2 → R, f (x, y ) = y es sobreyectiva pero no es inyectiva
Definiciones
Ejemplos
1) f : R → R, f (x) = cos(x) no es inyectiva ni sobreyectiva
2) f : R2 → R, f (x, y ) = y es sobreyectiva pero no es inyectiva
Definiciones
Ejemplos
1) f : R → R, f (x) = cos(x) no es inyectiva ni sobreyectiva
2) f : R2 → R, f (x, y ) = y es sobreyectiva pero no es inyectiva
f : R2 → R2 ; f (x, y ) = (−x − y , x + 3y )
f : R2 → R2 ; f (x, y ) = (−x − y , x + 3y )
f : R2 → R2 ; f (x, y ) = (−x + 2y , x − 2y )
Definición
Diremos que f : V → W es una aplicación lineal si cumple:
Definición
Diremos que f : V → W es una aplicación lineal si cumple:
Ejemplos:
1) Derivar es lineal:
(f + g)0 = f 0 + g 0
(λf )0 = λf 0
2) Integrar es lineal:
R R R
R (f + g) =R f + g
(λf ) = λ f
Ejemplos:
1) Derivar es lineal:
(f + g)0 = f 0 + g 0
(λf )0 = λf 0
2) Integrar es lineal:
R R R
R (f + g) =R f + g
(λf ) = λ f
Ejemplos:
1) Derivar es lineal:
(f + g)0 = f 0 + g 0
(λf )0 = λf 0
2) Integrar es lineal:
R R R
R (f + g) =R f + g
(λf ) = λ f
Ejemplos:
1) Derivar es lineal:
(f + g)0 = f 0 + g 0
(λf )0 = λf 0
2) Integrar es lineal:
R R R
R (f + g) =R f + g
(λf ) = λ f
Propiedades
Si f : V → W es una aplicación lineal entre dos espacios vectoriales V y W ,
entonces verifica las siguientes propiedades:
1 f (~o) = ~o
Dem: f (~o) = f (0 · ~o) = 0 · f (~o) = ~o
Propiedades
Si f : V → W es una aplicación lineal entre dos espacios vectoriales V y W ,
entonces verifica las siguientes propiedades:
1 f (~o) = ~o
Dem: f (~o) = f (0 · ~o) = 0 · f (~o) = ~o
Propiedades
Si f : V → W es una aplicación lineal entre dos espacios vectoriales V y W ,
entonces verifica las siguientes propiedades:
1 f (~o) = ~o
Dem: f (~o) = f (0 · ~o) = 0 · f (~o) = ~o
2 f (−~u ) = −f (~u ), ∀~u ∈ V
Propiedades
Si f : V → W es una aplicación lineal entre dos espacios vectoriales V y W ,
entonces verifica las siguientes propiedades:
1 f (~o) = ~o
Dem: f (~o) = f (0 · ~o) = 0 · f (~o) = ~o
2 f (−~u ) = −f (~u ), ∀~u ∈ V
Definición y propiedades
Llamaremos imagen del sistema S = {~u1 , . . . , ~up } al conjunto formado por
las imágenes de los vectores de S y escribiremos f (S) = {f (~u1 ), . . . , f (~up )}.
1 Si S es ligado, entonces f (S) es ligado.
Dem: Si S es ligado, existen λ1 , . . . , λp ∈ R con algún λj 6= 0 tales que
λ1 u~1 + · · · + λp ~up = ~o.
Pero entonces
f (λ1 u~1 + · · · + λp ~up ) = f (~o),
y por tanto,
λ1 f (u~1 ) + · · · + λp f (~up ) = ~o, con algún λj 6= 0.
Definición y propiedades
Llamaremos imagen del sistema S = {~u1 , . . . , ~up } al conjunto formado por
las imágenes de los vectores de S y escribiremos f (S) = {f (~u1 ), . . . , f (~up )}.
1 Si S es ligado, entonces f (S) es ligado.
Dem: Si S es ligado, existen λ1 , . . . , λp ∈ R con algún λj 6= 0 tales que
λ1 u~1 + · · · + λp ~up = ~o.
Pero entonces
f (λ1 u~1 + · · · + λp ~up ) = f (~o),
y por tanto,
λ1 f (u~1 ) + · · · + λp f (~up ) = ~o, con algún λj 6= 0.
Definición y propiedades
Llamaremos imagen del sistema S = {~u1 , . . . , ~up } al conjunto formado por
las imágenes de los vectores de S y escribiremos f (S) = {f (~u1 ), . . . , f (~up )}.
1 Si S es ligado, entonces f (S) es ligado.
Dem: Si S es ligado, existen λ1 , . . . , λp ∈ R con algún λj 6= 0 tales que
λ1 u~1 + · · · + λp ~up = ~o.
Pero entonces
f (λ1 u~1 + · · · + λp ~up ) = f (~o),
y por tanto,
λ1 f (u~1 ) + · · · + λp f (~up ) = ~o, con algún λj 6= 0.
Definición y propiedades
Llamaremos imagen del sistema S = {~u1 , . . . , ~up } al conjunto formado por
las imágenes de los vectores de S y escribiremos f (S) = {f (~u1 ), . . . , f (~up )}.
1 Si S es ligado, entonces f (S) es ligado.
Dem: Si S es ligado, existen λ1 , . . . , λp ∈ R con algún λj 6= 0 tales que
λ1 u~1 + · · · + λp ~up = ~o.
Pero entonces
f (λ1 u~1 + · · · + λp ~up ) = f (~o),
y por tanto,
λ1 f (u~1 ) + · · · + λp f (~up ) = ~o, con algún λj 6= 0.
Definición y propiedades
Llamaremos imagen del sistema S = {~u1 , . . . , ~up } al conjunto formado por
las imágenes de los vectores de S y escribiremos f (S) = {f (~u1 ), . . . , f (~up )}.
1 Si S es ligado, entonces f (S) es ligado.
Dem: Si S es ligado, existen λ1 , . . . , λp ∈ R con algún λj 6= 0 tales que
λ1 u~1 + · · · + λp ~up = ~o.
Pero entonces
f (λ1 u~1 + · · · + λp ~up ) = f (~o),
y por tanto,
λ1 f (u~1 ) + · · · + λp f (~up ) = ~o, con algún λj 6= 0.
Definición y propiedades
Llamaremos imagen del sistema S = {~u1 , . . . , ~up } al conjunto formado por
las imágenes de los vectores de S y escribiremos f (S) = {f (~u1 ), . . . , f (~up )}.
1 Si S es ligado, entonces f (S) es ligado.
Dem: Si S es ligado, existen λ1 , . . . , λp ∈ R con algún λj 6= 0 tales que
λ1 u~1 + · · · + λp ~up = ~o.
Pero entonces
f (λ1 u~1 + · · · + λp ~up ) = f (~o),
y por tanto,
λ1 f (u~1 ) + · · · + λp f (~up ) = ~o, con algún λj 6= 0.
Definición y propiedades
Llamaremos imagen del sistema S = {~u1 , . . . , ~up } al conjunto formado por
las imágenes de los vectores de S y escribiremos f (S) = {f (~u1 ), . . . , f (~up )}.
1 Si S es ligado, entonces f (S) es ligado.
Dem: Si S es ligado, existen λ1 , . . . , λp ∈ R con algún λj 6= 0 tales que
λ1 u~1 + · · · + λp ~up = ~o.
Pero entonces
f (λ1 u~1 + · · · + λp ~up ) = f (~o),
y por tanto,
λ1 f (u~1 ) + · · · + λp f (~up ) = ~o, con algún λj 6= 0.
Definiciones y propiedades
Definiciones y propiedades
Definiciones y propiedades
Definiciones y propiedades
Definiciones y propiedades
Definiciones y propiedades
Propiedades
Si f : V → W es lineal, entonces:
1 dim(Im(f )) + dim(Nuc(f )) = dim(V )
2 Si S = {~u1 , . . . , ~up } es un sistema generador de V (en particular si S es
una base de V ), entonces f (S) es un sistema generador de Im(f )
Dem: Todo ~v ∈ V se puede escribir ~v = λ1 u~1 + · · · + λp u~p y entonces
Propiedades
Si f : V → W es lineal, entonces:
1 dim(Im(f )) + dim(Nuc(f )) = dim(V )
2 Si S = {~u1 , . . . , ~up } es un sistema generador de V (en particular si S es
una base de V ), entonces f (S) es un sistema generador de Im(f )
Dem: Todo ~v ∈ V se puede escribir ~v = λ1 u~1 + · · · + λp u~p y entonces
Propiedades
Si f : V → W es lineal, entonces:
1 dim(Im(f )) + dim(Nuc(f )) = dim(V )
2 Si S = {~u1 , . . . , ~up } es un sistema generador de V (en particular si S es
una base de V ), entonces f (S) es un sistema generador de Im(f )
Dem: Todo ~v ∈ V se puede escribir ~v = λ1 u~1 + · · · + λp u~p y entonces
Propiedades
Si f : V → W es lineal, entonces:
1 dim(Im(f )) + dim(Nuc(f )) = dim(V )
2 Si S = {~u1 , . . . , ~up } es un sistema generador de V (en particular si S es
una base de V ), entonces f (S) es un sistema generador de Im(f )
Dem: Todo ~v ∈ V se puede escribir ~v = λ1 u~1 + · · · + λp u~p y entonces
3 Si f es inyectiva,
Si S independiente, entonces f (S) es independiente
Si B es base de V , entonces f (B) es base de Im(f )
Propiedades
Si f : V → W es lineal, entonces:
1 dim(Im(f )) + dim(Nuc(f )) = dim(V )
2 Si S = {~u1 , . . . , ~up } es un sistema generador de V (en particular si S es
una base de V ), entonces f (S) es un sistema generador de Im(f )
Dem: Todo ~v ∈ V se puede escribir ~v = λ1 u~1 + · · · + λp u~p y entonces
3 Si f es inyectiva,
Si S independiente, entonces f (S) es independiente
Si B es base de V , entonces f (B) es base de Im(f )
Ejemplo previo
Supongamos que f : R2 → R3 es lineal, y que B1 = {~u1 , ~u2 } es una base de
R 2 y B 2 = {w
~ 1, w ~ 3 } es una base de R3 .
~ 2, w
Entonces:
f (~u ) = f (x1~u1 + x2 u~2 ) =
= x1 f (~u1 ) + x2 f (u~2 ) =
= x1 (α1 w ~ 1 + α2 w ~ 2 + α3 w
~ 3 ) + x2 (β1 w
~ 1 + β2 w
~ 2 + β3 w
~ 3) =
= (α1 x1 + β1 x2 ) w ~ 1 + (α2 x1 + β2 x2 ) w
~ 2 + (α3 x1 + β3 x2 ) w~3
| {z } | {z } | {z }
y1 y2 y3
(sigue...)
Ejemplo previo
Supongamos que f : R2 → R3 es lineal, y que B1 = {~u1 , ~u2 } es una base de
R 2 y B 2 = {w
~ 1, w ~ 3 } es una base de R3 .
~ 2, w
Entonces:
f (~u ) = f (x1~u1 + x2 u~2 ) =
= x1 f (~u1 ) + x2 f (u~2 ) =
= x1 (α1 w ~ 1 + α2 w ~ 2 + α3 w
~ 3 ) + x2 (β1 w
~ 1 + β2 w
~ 2 + β3 w
~ 3) =
= (α1 x1 + β1 x2 ) w ~ 1 + (α2 x1 + β2 x2 ) w
~ 2 + (α3 x1 + β3 x2 ) w~3
| {z } | {z } | {z }
y1 y2 y3
(sigue...)
Ejemplo previo
Supongamos que f : R2 → R3 es lineal, y que B1 = {~u1 , ~u2 } es una base de
R 2 y B 2 = {w
~ 1, w ~ 3 } es una base de R3 .
~ 2, w
Entonces:
f (~u ) = f (x1~u1 + x2 u~2 ) =
= x1 f (~u1 ) + x2 f (u~2 ) =
= x1 (α1 w ~ 1 + α2 w ~ 2 + α3 w
~ 3 ) + x2 (β1 w
~ 1 + β2 w
~ 2 + β3 w
~ 3) =
= (α1 x1 + β1 x2 ) w ~ 1 + (α2 x1 + β2 x2 ) w
~ 2 + (α3 x1 + β3 x2 ) w~3
| {z } | {z } | {z }
y1 y2 y3
(sigue...)
Ejemplo previo
Supongamos que f : R2 → R3 es lineal, y que B1 = {~u1 , ~u2 } es una base de
R 2 y B 2 = {w
~ 1, w ~ 3 } es una base de R3 .
~ 2, w
Entonces:
f (~u ) = f (x1~u1 + x2 u~2 ) =
= x1 f (~u1 ) + x2 f (u~2 ) =
= x1 (α1 w ~ 1 + α2 w ~ 2 + α3 w
~ 3 ) + x2 (β1 w
~ 1 + β2 w
~ 2 + β3 w
~ 3) =
= (α1 x1 + β1 x2 ) w ~ 1 + (α2 x1 + β2 x2 ) w
~ 2 + (α3 x1 + β3 x2 ) w~3
| {z } | {z } | {z }
y1 y2 y3
(sigue...)
Ejemplo previo
Supongamos que f : R2 → R3 es lineal, y que B1 = {~u1 , ~u2 } es una base de
R 2 y B 2 = {w
~ 1, w ~ 3 } es una base de R3 .
~ 2, w
Entonces:
f (~u ) = f (x1~u1 + x2 u~2 ) =
= x1 f (~u1 ) + x2 f (u~2 ) =
= x1 (α1 w ~ 1 + α2 w ~ 2 + α3 w
~ 3 ) + x2 (β1 w
~ 1 + β2 w
~ 2 + β3 w
~ 3) =
= (α1 x1 + β1 x2 ) w ~ 1 + (α2 x1 + β2 x2 ) w
~ 2 + (α3 x1 + β3 x2 ) w~3
| {z } | {z } | {z }
y1 y2 y3
(sigue...)
Ejemplo previo
Supongamos que f : R2 → R3 es lineal, y que B1 = {~u1 , ~u2 } es una base de
R 2 y B 2 = {w
~ 1, w ~ 3 } es una base de R3 .
~ 2, w
Entonces:
f (~u ) = f (x1~u1 + x2 u~2 ) =
= x1 f (~u1 ) + x2 f (u~2 ) =
= x1 (α1 w ~ 1 + α2 w ~ 2 + α3 w
~ 3 ) + x2 (β1 w
~ 1 + β2 w
~ 2 + β3 w
~ 3) =
= (α1 x1 + β1 x2 ) w ~ 1 + (α2 x1 + β2 x2 ) w
~ 2 + (α3 x1 + β3 x2 ) w~3
| {z } | {z } | {z }
y1 y2 y3
(sigue...)
(sigue...)
Por tanto, las coordenadas son:
y1 = α1 x1 + β1 x2
y2 = α2 x1 + β2 x2 (ecuaciones de f en bases B1 y B2 )
y3 = α3 x1 + β3 x2
(sigue...)
Por tanto, las coordenadas son:
y1 = α1 x1 + β1 x2
y2 = α2 x1 + β2 x2 (ecuaciones de f en bases B1 y B2 )
y3 = α3 x1 + β3 x2
Matricialmente:
y1 α1 β1
y2 = α2 x1
β2
x2
y3 α3 β3
(sigue...)
Por tanto, las coordenadas son:
y1 = α1 x1 + β1 x2
y2 = α2 x1 + β2 x2 (ecuaciones de f en bases B1 y B2 )
y3 = α3 x1 + β3 x2
Matricialmente:
y1 α1 β1
y2 = α2 x1
β2
x2
y3 α3 β3
Propiedades y definición
Si f : V → W es lineal, B1 = {~u1 , . . . , ~un } es una base de V y
B2 = {w ~ 1, . . . , w
~ m } es una base de W , entonces
y1 x1
. . . . .
.. = .. .. · · · .. ..
ym xn
Propiedades y definición
Si f : V → W es lineal, B1 = {~u1 , . . . , ~un } es una base de V y
B2 = {w ~ 1, . . . , w
~ m } es una base de W , entonces
y1 x1
. . . . .
.. = .. .. · · · .. ..
ym xn
Propiedades y definición
Si f : V → W es lineal, B1 = {~u1 , . . . , ~un } es una base de V y
B2 = {w ~ 1, . . . , w
~ m } es una base de W , entonces
y1 x1
. . . . .
.. = .. .. · · · .. ..
ym xn
Propiedades y definición
Si f : V → W es lineal, B1 = {~u1 , . . . , ~un } es una base de V y
B2 = {w ~ 1, . . . , w
~ m } es una base de W , entonces
y1 x1
. . . . .
.. = .. .. · · · .. ..
ym xn
Propiedades
1 Si A es la matriz de f : Rn → Rm en las bases canónicas, entonces:
Im(f ) es el subespacio generado por las columnas de A. Por tanto,
rango(f ) = dim(Im(f )) = rango(A)
Nuc(f ) se obtiene resolviendo el sistema AX = 0
Dem:
y1 x1
. ~ .
.. = f (e1 ) . . . f (~en ) ..
ym xn
| {z }
A
{~e1 , . . . , ~en } es base de Rn ⇒ {f (~e1 ), . . . , f (~en )} es un sistema generador
de Im(f )
Si (x1 , . . . , xn ) ∈ Nuc(f ) ⇒ f (x1 , . . . , xn ) = (0, . . . , 0)
2 En el caso general, si f : V → W , y A es la matriz de f respecto de
ciertas bases B1 de V y B2 de W , entonces:
Unas ecuaciones paramétricas de Im(f ) en la base B2 pueden obtenerse
considerando el subespacio generado por las columnas de A
Unas ecuaciones implícitas de Nuc(f ) en la base B1 son AX 0 = 0
Propiedades
1 Si A es la matriz de f : Rn → Rm en las bases canónicas, entonces:
Im(f ) es el subespacio generado por las columnas de A. Por tanto,
rango(f ) = dim(Im(f )) = rango(A)
Nuc(f ) se obtiene resolviendo el sistema AX = 0
Dem:
y1 x1
. ~ .
.. = f (e1 ) . . . f (~en ) ..
ym xn
| {z }
A
{~e1 , . . . , ~en } es base de Rn ⇒ {f (~e1 ), . . . , f (~en )} es un sistema generador
de Im(f )
Si (x1 , . . . , xn ) ∈ Nuc(f ) ⇒ f (x1 , . . . , xn ) = (0, . . . , 0)
2 En el caso general, si f : V → W , y A es la matriz de f respecto de
ciertas bases B1 de V y B2 de W , entonces:
Unas ecuaciones paramétricas de Im(f ) en la base B2 pueden obtenerse
considerando el subespacio generado por las columnas de A
Unas ecuaciones implícitas de Nuc(f ) en la base B1 son AX 0 = 0
Propiedades
1 Si A es la matriz de f : Rn → Rm en las bases canónicas, entonces:
Im(f ) es el subespacio generado por las columnas de A. Por tanto,
rango(f ) = dim(Im(f )) = rango(A)
Nuc(f ) se obtiene resolviendo el sistema AX = 0
Dem:
y1 x1
. ~ .
.. = f (e1 ) . . . f (~en ) ..
ym xn
| {z }
A
{~e1 , . . . , ~en } es base de Rn ⇒ {f (~e1 ), . . . , f (~en )} es un sistema generador
de Im(f )
Si (x1 , . . . , xn ) ∈ Nuc(f ) ⇒ f (x1 , . . . , xn ) = (0, . . . , 0)
2 En el caso general, si f : V → W , y A es la matriz de f respecto de
ciertas bases B1 de V y B2 de W , entonces:
Unas ecuaciones paramétricas de Im(f ) en la base B2 pueden obtenerse
considerando el subespacio generado por las columnas de A
Unas ecuaciones implícitas de Nuc(f ) en la base B1 son AX 0 = 0
Propiedades
1 Si A es la matriz de f : Rn → Rm en las bases canónicas, entonces:
Im(f ) es el subespacio generado por las columnas de A. Por tanto,
rango(f ) = dim(Im(f )) = rango(A)
Nuc(f ) se obtiene resolviendo el sistema AX = 0
Dem:
y1 x1
. ~ .
.. = f (e1 ) . . . f (~en ) ..
ym xn
| {z }
A
{~e1 , . . . , ~en } es base de Rn ⇒ {f (~e1 ), . . . , f (~en )} es un sistema generador
de Im(f )
Si (x1 , . . . , xn ) ∈ Nuc(f ) ⇒ f (x1 , . . . , xn ) = (0, . . . , 0)
2 En el caso general, si f : V → W , y A es la matriz de f respecto de
ciertas bases B1 de V y B2 de W , entonces:
Unas ecuaciones paramétricas de Im(f ) en la base B2 pueden obtenerse
considerando el subespacio generado por las columnas de A
Unas ecuaciones implícitas de Nuc(f ) en la base B1 son AX 0 = 0
Propiedades
1 Si A es la matriz de f : Rn → Rm en las bases canónicas, entonces:
Im(f ) es el subespacio generado por las columnas de A. Por tanto,
rango(f ) = dim(Im(f )) = rango(A)
Nuc(f ) se obtiene resolviendo el sistema AX = 0
Dem:
y1 x1
. ~ .
.. = f (e1 ) . . . f (~en ) ..
ym xn
| {z }
A
{~e1 , . . . , ~en } es base de Rn ⇒ {f (~e1 ), . . . , f (~en )} es un sistema generador
de Im(f )
Si (x1 , . . . , xn ) ∈ Nuc(f ) ⇒ f (x1 , . . . , xn ) = (0, . . . , 0)
2 En el caso general, si f : V → W , y A es la matriz de f respecto de
ciertas bases B1 de V y B2 de W , entonces:
Unas ecuaciones paramétricas de Im(f ) en la base B2 pueden obtenerse
considerando el subespacio generado por las columnas de A
Unas ecuaciones implícitas de Nuc(f ) en la base B1 son AX 0 = 0
Propiedades
1 Si A es la matriz de f : Rn → Rm en las bases canónicas, entonces:
Im(f ) es el subespacio generado por las columnas de A. Por tanto,
rango(f ) = dim(Im(f )) = rango(A)
Nuc(f ) se obtiene resolviendo el sistema AX = 0
Dem:
y1 x1
. ~ .
.. = f (e1 ) . . . f (~en ) ..
ym xn
| {z }
A
{~e1 , . . . , ~en } es base de Rn ⇒ {f (~e1 ), . . . , f (~en )} es un sistema generador
de Im(f )
Si (x1 , . . . , xn ) ∈ Nuc(f ) ⇒ f (x1 , . . . , xn ) = (0, . . . , 0)
2 En el caso general, si f : V → W , y A es la matriz de f respecto de
ciertas bases B1 de V y B2 de W , entonces:
Unas ecuaciones paramétricas de Im(f ) en la base B2 pueden obtenerse
considerando el subespacio generado por las columnas de A
Unas ecuaciones implícitas de Nuc(f ) en la base B1 son AX 0 = 0
Propiedades
1 Si A es la matriz de f : Rn → Rm en las bases canónicas, entonces:
Im(f ) es el subespacio generado por las columnas de A. Por tanto,
rango(f ) = dim(Im(f )) = rango(A)
Nuc(f ) se obtiene resolviendo el sistema AX = 0
Dem:
y1 x1
. ~ .
.. = f (e1 ) . . . f (~en ) ..
ym xn
| {z }
A
{~e1 , . . . , ~en } es base de Rn ⇒ {f (~e1 ), . . . , f (~en )} es un sistema generador
de Im(f )
Si (x1 , . . . , xn ) ∈ Nuc(f ) ⇒ f (x1 , . . . , xn ) = (0, . . . , 0)
2 En el caso general, si f : V → W , y A es la matriz de f respecto de
ciertas bases B1 de V y B2 de W , entonces:
Unas ecuaciones paramétricas de Im(f ) en la base B2 pueden obtenerse
considerando el subespacio generado por las columnas de A
Unas ecuaciones implícitas de Nuc(f ) en la base B1 son AX 0 = 0
Ejercicios propuestos: 2E4, 2E5, 2E6, 2E7, 2E8, 2P2 (clase), 2P3
Ejercicios propuestos: 2E4, 2E5, 2E6, 2E7, 2E8, 2P2 (clase), 2P3
Propiedad y definición
Consideremos una aplicación lineal f : V → W , dos bases B1 y B10 de V,
y dos bases B2 y B20 de W. Entonces, si A es la matriz de f en las bases
B1 y B2 y A0 es la matriz de f en las bases B10 y B20 , se verifica que
A0 = Q −1 AP,
Propiedad
Dadas dos matrices A y A0 del mismo tamaño, se verifica:
Propiedad y definición
Consideremos una aplicación lineal f : V → W , dos bases B1 y B10 de V,
y dos bases B2 y B20 de W. Entonces, si A es la matriz de f en las bases
B1 y B2 y A0 es la matriz de f en las bases B10 y B20 , se verifica que
A0 = Q −1 AP,
Propiedad
Dadas dos matrices A y A0 del mismo tamaño, se verifica:
Propiedad y definición
Consideremos una aplicación lineal f : V → W , dos bases B1 y B10 de V,
y dos bases B2 y B20 de W. Entonces, si A es la matriz de f en las bases
B1 y B2 y A0 es la matriz de f en las bases B10 y B20 , se verifica que
A0 = Q −1 AP,
Propiedad
Dadas dos matrices A y A0 del mismo tamaño, se verifica:
Propiedad y definición
Consideremos una aplicación lineal f : V → W , dos bases B1 y B10 de V,
y dos bases B2 y B20 de W. Entonces, si A es la matriz de f en las bases
B1 y B2 y A0 es la matriz de f en las bases B10 y B20 , se verifica que
A0 = Q −1 AP,
Propiedad
Dadas dos matrices A y A0 del mismo tamaño, se verifica:
Propiedad y definiciones
Si f : V → V es lineal, diremos que f es un endomorfismo
Propiedad y definiciones
Si f : V → V es lineal, diremos que f es un endomorfismo
Propiedad y definiciones
Si f : V → V es lineal, diremos que f es un endomorfismo
Propiedad y definiciones
Si f : V → V es lineal, diremos que f es un endomorfismo
Propiedad y definiciones
Si f : V → V es lineal, diremos que f es un endomorfismo
y que su matriz A0 en las bases B10 = {(1, 0, 1), (0, 1, −1), (1, 0, 0)} y
B20 = {(1, 1), (1, 0)} es
1 2 2
A0 = .
4 −6 −1
Definiciones y propiedades
1 Si fA : V → W y fB : V → W , podemos definir la aplicación suma:
fA + fB : V −→ W
~v 7−→ (fA + fB )(~v ) = fA (~v ) + fB (~v )
λfA : V −→ W
~v 7−→ (λfA )(~v ) = λfA (~v )
Definiciones y propiedades
1 Si fA : V → W y fB : V → W , podemos definir la aplicación suma:
fA + fB : V −→ W
~v 7−→ (fA + fB )(~v ) = fA (~v ) + fB (~v )
λfA : V −→ W
~v 7−→ (λfA )(~v ) = λfA (~v )
Definiciones y propiedades
1 Si fA : V → W y fB : V → W , podemos definir la aplicación suma:
fA + fB : V −→ W
~v 7−→ (fA + fB )(~v ) = fA (~v ) + fB (~v )
λfA : V −→ W
~v 7−→ (λfA )(~v ) = λfA (~v )
Definiciones y propiedades
1 Si fA : V → W y fB : V → W , podemos definir la aplicación suma:
fA + fB : V −→ W
~v 7−→ (fA + fB )(~v ) = fA (~v ) + fB (~v )
λfA : V −→ W
~v 7−→ (λfA )(~v ) = λfA (~v )
Ejemplo previo:
Giro de 180o (f : R2 → R2 ) seguido de una dilatación (g : R2 → R2 ):
f g
(x, y ) 7−→ (−x, −y ) 7−→ (−2x, −2y )
2 2
Podemos definir la aplicación g ◦ f : R → R
Definición y propiedades
Si fB : V → W y fA : W → U,
fB fA
V −→ W −→ U
~v 7−→ fB (~v ) 7−→ fA (fB (~v ))
Definición y propiedades
Si fB : V → W y fA : W → U,
fB fA
V −→ W −→ U
~v 7−→ fB (~v ) 7−→ fA (fB (~v ))
Definición y propiedades
Si fB : V → W y fA : W → U,
fB fA
V −→ W −→ U
~v 7−→ fB (~v ) 7−→ fA (fB (~v ))
Definición y propiedades
Si fB : V → W y fA : W → U,
fB fA
V −→ W −→ U
~v 7−→ fB (~v ) 7−→ fA (fB (~v ))
Definición y propiedades
Si fB : V → W y fA : W → U,
fB fA
V −→ W −→ U
~v 7−→ fB (~v ) 7−→ fA (fB (~v ))
También:
a11 a12 a1n b1
a21 a22 a2n b2
x1 . + x2 .. + · · · + xn .. = ..
..
. . .
am1 am2 amn bm
Definición
Dado un sistema AX = B de m ecuaciones y n incógnitas, podemos
considerar la aplicación lineal f : Rn → Rm con matriz A en las bases
canónicas. Entonces,
AX = B ⇐⇒ f (~x ) = ~b
Propiedad
AX = B es compatible ⇐⇒ ~b ∈ Im(f )
Dem: Inmediato de la definición de Im(f ): Im(f ) = {f (~x ) | ~x ∈ Rn }
Definición
Dado un sistema AX = B de m ecuaciones y n incógnitas, podemos
considerar la aplicación lineal f : Rn → Rm con matriz A en las bases
canónicas. Entonces,
AX = B ⇐⇒ f (~x ) = ~b
Propiedad
AX = B es compatible ⇐⇒ ~b ∈ Im(f )
Dem: Inmediato de la definición de Im(f ): Im(f ) = {f (~x ) | ~x ∈ Rn }
Definición
Dado un sistema AX = B de m ecuaciones y n incógnitas, podemos
considerar la aplicación lineal f : Rn → Rm con matriz A en las bases
canónicas. Entonces,
AX = B ⇐⇒ f (~x ) = ~b
Propiedad
AX = B es compatible ⇐⇒ ~b ∈ Im(f )
Dem: Inmediato de la definición de Im(f ): Im(f ) = {f (~x ) | ~x ∈ Rn }
Definición
Dado un sistema AX = B de m ecuaciones y n incógnitas, podemos
considerar la aplicación lineal f : Rn → Rm con matriz A en las bases
canónicas. Entonces,
AX = B ⇐⇒ f (~x ) = ~b
Propiedad
AX = B es compatible ⇐⇒ ~b ∈ Im(f )
Dem: Inmediato de la definición de Im(f ): Im(f ) = {f (~x ) | ~x ∈ Rn }
Propiedades:
1 Si ~b ∈ Im(f ) (si el sistema es compatible) y ~x0 es una solución particular
(es decir, si f (~x0 ) = ~b), entonces, el conjunto de todas las soluciones es
Dem:
~x es solución ⇐⇒ f (~x ) = ~b ⇐⇒ f (~x ) = f (~x0 )
⇐⇒ f (~x ) − f (~x0 ) = ~o ⇐⇒ f (~x − ~x0 ) = ~o
⇐⇒ ~x − ~x0 ∈ Nuc(f )
⇐⇒ ~x − ~x0 = ~u con ~u ∈ Nuc(f )
⇐⇒ ~x = ~x0 + ~u con ~u ∈ Nuc(f )
Propiedades:
1 Si ~b ∈ Im(f ) (si el sistema es compatible) y ~x0 es una solución particular
(es decir, si f (~x0 ) = ~b), entonces, el conjunto de todas las soluciones es
Dem:
~x es solución ⇐⇒ f (~x ) = ~b ⇐⇒ f (~x ) = f (~x0 )
⇐⇒ f (~x ) − f (~x0 ) = ~o ⇐⇒ f (~x − ~x0 ) = ~o
⇐⇒ ~x − ~x0 ∈ Nuc(f )
⇐⇒ ~x − ~x0 = ~u con ~u ∈ Nuc(f )
⇐⇒ ~x = ~x0 + ~u con ~u ∈ Nuc(f )
Propiedades:
1 Si ~b ∈ Im(f ) (si el sistema es compatible) y ~x0 es una solución particular
(es decir, si f (~x0 ) = ~b), entonces, el conjunto de todas las soluciones es
Dem:
~x es solución ⇐⇒ f (~x ) = ~b ⇐⇒ f (~x ) = f (~x0 )
⇐⇒ f (~x ) − f (~x0 ) = ~o ⇐⇒ f (~x − ~x0 ) = ~o
⇐⇒ ~x − ~x0 ∈ Nuc(f )
⇐⇒ ~x − ~x0 = ~u con ~u ∈ Nuc(f )
⇐⇒ ~x = ~x0 + ~u con ~u ∈ Nuc(f )
Propiedades:
1 Si ~b ∈ Im(f ) (si el sistema es compatible) y ~x0 es una solución particular
(es decir, si f (~x0 ) = ~b), entonces, el conjunto de todas las soluciones es
Dem:
~x es solución ⇐⇒ f (~x ) = ~b ⇐⇒ f (~x ) = f (~x0 )
⇐⇒ f (~x ) − f (~x0 ) = ~o ⇐⇒ f (~x − ~x0 ) = ~o
⇐⇒ ~x − ~x0 ∈ Nuc(f )
⇐⇒ ~x − ~x0 = ~u con ~u ∈ Nuc(f )
⇐⇒ ~x = ~x0 + ~u con ~u ∈ Nuc(f )
Propiedades:
1 Si ~b ∈ Im(f ) (si el sistema es compatible) y ~x0 es una solución particular
(es decir, si f (~x0 ) = ~b), entonces, el conjunto de todas las soluciones es
Dem:
~x es solución ⇐⇒ f (~x ) = ~b ⇐⇒ f (~x ) = f (~x0 )
⇐⇒ f (~x ) − f (~x0 ) = ~o ⇐⇒ f (~x − ~x0 ) = ~o
⇐⇒ ~x − ~x0 ∈ Nuc(f )
⇐⇒ ~x − ~x0 = ~u con ~u ∈ Nuc(f )
⇐⇒ ~x = ~x0 + ~u con ~u ∈ Nuc(f )
Propiedades:
1 Si ~b ∈ Im(f ) (si el sistema es compatible) y ~x0 es una solución particular
(es decir, si f (~x0 ) = ~b), entonces, el conjunto de todas las soluciones es
Dem:
~x es solución ⇐⇒ f (~x ) = ~b ⇐⇒ f (~x ) = f (~x0 )
⇐⇒ f (~x ) − f (~x0 ) = ~o ⇐⇒ f (~x − ~x0 ) = ~o
⇐⇒ ~x − ~x0 ∈ Nuc(f )
⇐⇒ ~x − ~x0 = ~u con ~u ∈ Nuc(f )
⇐⇒ ~x = ~x0 + ~u con ~u ∈ Nuc(f )
Propiedades:
1 Si ~b ∈ Im(f ) (si el sistema es compatible) y ~x0 es una solución particular
(es decir, si f (~x0 ) = ~b), entonces, el conjunto de todas las soluciones es
Dem:
~x es solución ⇐⇒ f (~x ) = ~b ⇐⇒ f (~x ) = f (~x0 )
⇐⇒ f (~x ) − f (~x0 ) = ~o ⇐⇒ f (~x − ~x0 ) = ~o
⇐⇒ ~x − ~x0 ∈ Nuc(f )
⇐⇒ ~x − ~x0 = ~u con ~u ∈ Nuc(f )
⇐⇒ ~x = ~x0 + ~u con ~u ∈ Nuc(f )
Propiedades:
1 Si ~b ∈ Im(f ) (si el sistema es compatible) y ~x0 es una solución particular
(es decir, si f (~x0 ) = ~b), entonces, el conjunto de todas las soluciones es
Dem:
~x es solución ⇐⇒ f (~x ) = ~b ⇐⇒ f (~x ) = f (~x0 )
⇐⇒ f (~x ) − f (~x0 ) = ~o ⇐⇒ f (~x − ~x0 ) = ~o
⇐⇒ ~x − ~x0 ∈ Nuc(f )
⇐⇒ ~x − ~x0 = ~u con ~u ∈ Nuc(f )
⇐⇒ ~x = ~x0 + ~u con ~u ∈ Nuc(f )
Propiedades:
1 Si ~b ∈ Im(f ) (si el sistema es compatible) y ~x0 es una solución particular
(es decir, si f (~x0 ) = ~b), entonces, el conjunto de todas las soluciones es
Dem:
~x es solución ⇐⇒ f (~x ) = ~b ⇐⇒ f (~x ) = f (~x0 )
⇐⇒ f (~x ) − f (~x0 ) = ~o ⇐⇒ f (~x − ~x0 ) = ~o
⇐⇒ ~x − ~x0 ∈ Nuc(f )
⇐⇒ ~x − ~x0 = ~u con ~u ∈ Nuc(f )
⇐⇒ ~x = ~x0 + ~u con ~u ∈ Nuc(f )
Propiedades:
1 Si ~b ∈ Im(f ) (si el sistema es compatible) y ~x0 es una solución particular
(es decir, si f (~x0 ) = ~b), entonces, el conjunto de todas las soluciones es
Dem:
~x es solución ⇐⇒ f (~x ) = ~b ⇐⇒ f (~x ) = f (~x0 )
⇐⇒ f (~x ) − f (~x0 ) = ~o ⇐⇒ f (~x − ~x0 ) = ~o
⇐⇒ ~x − ~x0 ∈ Nuc(f )
⇐⇒ ~x − ~x0 = ~u con ~u ∈ Nuc(f )
⇐⇒ ~x = ~x0 + ~u con ~u ∈ Nuc(f )
Teorema de Rouché-Fröbenius
Un sistema de m ecuaciones y n incógnitas AX = B es:
incompatible ⇐⇒ rango(A|B) > rango(A)
compatible determinado ⇐⇒ rango(A|B) = rango(A) = n
compatible indeterminado ⇐⇒ rango(A|B) = rango(A) < n
Dem: Si f : Rn → Rm es la aplicación lineal con matriz A en bases canónicas,
AX = B equivale a f (~x ) = ~b. Entonces,
El sistema es compatible ⇐⇒ ~b ∈ Im(f ) = L({~a1 , . . . , ~an })
⇐⇒ rango(A|B) = rango(A)
Por otro lado, dim(Im(f )) + dim(Nuc(f )) = dim Rn = n, es decir,
rango(A)+dim(Nuc(f )) = n. Por tanto:
El sistema es CD ⇐⇒ rango(A|B) = rango(A) = n (C. & Nuc(f ) = {~o})
El sistema es CI ⇐⇒ rango(A|B) = rango(A) < n (C. & Nuc(f ) 6= {~o})
María Luisa Rapún Tema 2
Teorema de Rouché-Fröbenius
Definición
Dado el sistema AX = B, si denotamos por ~a1 , . . . , ~an ∈ Rm a las columnas
de A, llamaremos matriz ampliada a la matriz
!
(A|B) = ~a1 ··· ~an ~b .
Teorema de Rouché-Fröbenius
Un sistema de m ecuaciones y n incógnitas AX = B es:
incompatible ⇐⇒ rango(A|B) > rango(A)
compatible determinado ⇐⇒ rango(A|B) = rango(A) = n
compatible indeterminado ⇐⇒ rango(A|B) = rango(A) < n
Dem: Si f : Rn → Rm es la aplicación lineal con matriz A en bases canónicas,
AX = B equivale a f (~x ) = ~b. Entonces,
El sistema es compatible ⇐⇒ ~b ∈ Im(f ) = L({~a1 , . . . , ~an })
⇐⇒ rango(A|B) = rango(A)
Por otro lado, dim(Im(f )) + dim(Nuc(f )) = dim Rn = n, es decir,
rango(A)+dim(Nuc(f )) = n. Por tanto:
El sistema es CD ⇐⇒ rango(A|B) = rango(A) = n (C. & Nuc(f ) = {~o})
El sistema es CI ⇐⇒ rango(A|B) = rango(A) < n (C. & Nuc(f ) 6= {~o})
María Luisa Rapún Tema 2
Teorema de Rouché-Fröbenius
Definición
Dado el sistema AX = B, si denotamos por ~a1 , . . . , ~an ∈ Rm a las columnas
de A, llamaremos matriz ampliada a la matriz
!
(A|B) = ~a1 ··· ~an ~b .
Teorema de Rouché-Fröbenius
Un sistema de m ecuaciones y n incógnitas AX = B es:
incompatible ⇐⇒ rango(A|B) > rango(A)
compatible determinado ⇐⇒ rango(A|B) = rango(A) = n
compatible indeterminado ⇐⇒ rango(A|B) = rango(A) < n
Dem: Si f : Rn → Rm es la aplicación lineal con matriz A en bases canónicas,
AX = B equivale a f (~x ) = ~b. Entonces,
El sistema es compatible ⇐⇒ ~b ∈ Im(f ) = L({~a1 , . . . , ~an })
⇐⇒ rango(A|B) = rango(A)
Por otro lado, dim(Im(f )) + dim(Nuc(f )) = dim Rn = n, es decir,
rango(A)+dim(Nuc(f )) = n. Por tanto:
El sistema es CD ⇐⇒ rango(A|B) = rango(A) = n (C. & Nuc(f ) = {~o})
El sistema es CI ⇐⇒ rango(A|B) = rango(A) < n (C. & Nuc(f ) 6= {~o})
María Luisa Rapún Tema 2
Teorema de Rouché-Fröbenius
Definición
Dado el sistema AX = B, si denotamos por ~a1 , . . . , ~an ∈ Rm a las columnas
de A, llamaremos matriz ampliada a la matriz
!
(A|B) = ~a1 ··· ~an ~b .
Teorema de Rouché-Fröbenius
Un sistema de m ecuaciones y n incógnitas AX = B es:
incompatible ⇐⇒ rango(A|B) > rango(A)
compatible determinado ⇐⇒ rango(A|B) = rango(A) = n
compatible indeterminado ⇐⇒ rango(A|B) = rango(A) < n
Dem: Si f : Rn → Rm es la aplicación lineal con matriz A en bases canónicas,
AX = B equivale a f (~x ) = ~b. Entonces,
El sistema es compatible ⇐⇒ ~b ∈ Im(f ) = L({~a1 , . . . , ~an })
⇐⇒ rango(A|B) = rango(A)
Por otro lado, dim(Im(f )) + dim(Nuc(f )) = dim Rn = n, es decir,
rango(A)+dim(Nuc(f )) = n. Por tanto:
El sistema es CD ⇐⇒ rango(A|B) = rango(A) = n (C. & Nuc(f ) = {~o})
El sistema es CI ⇐⇒ rango(A|B) = rango(A) < n (C. & Nuc(f ) 6= {~o})
María Luisa Rapún Tema 2
Teorema de Rouché-Fröbenius
Definición
Dado el sistema AX = B, si denotamos por ~a1 , . . . , ~an ∈ Rm a las columnas
de A, llamaremos matriz ampliada a la matriz
!
(A|B) = ~a1 ··· ~an ~b .
Teorema de Rouché-Fröbenius
Un sistema de m ecuaciones y n incógnitas AX = B es:
incompatible ⇐⇒ rango(A|B) > rango(A)
compatible determinado ⇐⇒ rango(A|B) = rango(A) = n
compatible indeterminado ⇐⇒ rango(A|B) = rango(A) < n
Dem: Si f : Rn → Rm es la aplicación lineal con matriz A en bases canónicas,
AX = B equivale a f (~x ) = ~b. Entonces,
El sistema es compatible ⇐⇒ ~b ∈ Im(f ) = L({~a1 , . . . , ~an })
⇐⇒ rango(A|B) = rango(A)
Por otro lado, dim(Im(f )) + dim(Nuc(f )) = dim Rn = n, es decir,
rango(A)+dim(Nuc(f )) = n. Por tanto:
El sistema es CD ⇐⇒ rango(A|B) = rango(A) = n (C. & Nuc(f ) = {~o})
El sistema es CI ⇐⇒ rango(A|B) = rango(A) < n (C. & Nuc(f ) 6= {~o})
María Luisa Rapún Tema 2
Teorema de Rouché-Fröbenius
Definición
Dado el sistema AX = B, si denotamos por ~a1 , . . . , ~an ∈ Rm a las columnas
de A, llamaremos matriz ampliada a la matriz
!
(A|B) = ~a1 ··· ~an ~b .
Teorema de Rouché-Fröbenius
Un sistema de m ecuaciones y n incógnitas AX = B es:
incompatible ⇐⇒ rango(A|B) > rango(A)
compatible determinado ⇐⇒ rango(A|B) = rango(A) = n
compatible indeterminado ⇐⇒ rango(A|B) = rango(A) < n
Dem: Si f : Rn → Rm es la aplicación lineal con matriz A en bases canónicas,
AX = B equivale a f (~x ) = ~b. Entonces,
El sistema es compatible ⇐⇒ ~b ∈ Im(f ) = L({~a1 , . . . , ~an })
⇐⇒ rango(A|B) = rango(A)
Por otro lado, dim(Im(f )) + dim(Nuc(f )) = dim Rn = n, es decir,
rango(A)+dim(Nuc(f )) = n. Por tanto:
El sistema es CD ⇐⇒ rango(A|B) = rango(A) = n (C. & Nuc(f ) = {~o})
El sistema es CI ⇐⇒ rango(A|B) = rango(A) < n (C. & Nuc(f ) 6= {~o})
María Luisa Rapún Tema 2
Teorema de Rouché-Fröbenius
Definición
Dado el sistema AX = B, si denotamos por ~a1 , . . . , ~an ∈ Rm a las columnas
de A, llamaremos matriz ampliada a la matriz
!
(A|B) = ~a1 ··· ~an ~b .
Teorema de Rouché-Fröbenius
Un sistema de m ecuaciones y n incógnitas AX = B es:
incompatible ⇐⇒ rango(A|B) > rango(A)
compatible determinado ⇐⇒ rango(A|B) = rango(A) = n
compatible indeterminado ⇐⇒ rango(A|B) = rango(A) < n
Dem: Si f : Rn → Rm es la aplicación lineal con matriz A en bases canónicas,
AX = B equivale a f (~x ) = ~b. Entonces,
El sistema es compatible ⇐⇒ ~b ∈ Im(f ) = L({~a1 , . . . , ~an })
⇐⇒ rango(A|B) = rango(A)
Por otro lado, dim(Im(f )) + dim(Nuc(f )) = dim Rn = n, es decir,
rango(A)+dim(Nuc(f )) = n. Por tanto:
El sistema es CD ⇐⇒ rango(A|B) = rango(A) = n (C. & Nuc(f ) = {~o})
El sistema es CI ⇐⇒ rango(A|B) = rango(A) < n (C. & Nuc(f ) 6= {~o})
María Luisa Rapún Tema 2
Ejercicios