Tema 2: Aplicaciones lineales y matrices

María Luisa Rapún

E.T.S.I.A.E, Universidad Politécnica de Madrid

María Luisa Rapún Tema 2

Introducción

En este tema estudiaremos

transformaciones que preservan la
estructura de espacio vectorial.

María Luisa Rapún Tema 2

Introducción

En este tema estudiaremos

transformaciones que preservan la
estructura de espacio vectorial

Las aplicaciones lineales (por ejemplo giros, simetrías, dilataciones,...)

desempeñan un papel muy importante en matemáticas, física, ingeniería,
procesamiento de imágenes, gráficos en ordenadores,...

María Luisa Rapún Tema 2

Aplicaciones y aplicaciones lineales

María Luisa Rapún Tema 2

Aplicaciones

Definición

Una aplicación f : V → W entre dos espacios vectoriales V y W es una

correspondencia entre ellos, de modo que a cada vector ~v ∈ V , f le asocia
~ ∈ W , que denotaremos por f (~v ). Diremos que f (~v ) es la
un único vector w
imagen de ~v mediante la aplicación f .

María Luisa Rapún Tema 2

Aplicaciones

Definición

Una aplicación f : V → W entre dos espacios vectoriales V y W es una

correspondencia entre ellos, de modo que a cada vector ~v ∈ V , f le asocia
~ ∈ W , que denotaremos por f (~v ). Diremos que f (~v ) es la
un único vector w
imagen de ~v mediante la aplicación f .

Puede ocurrir...

María Luisa Rapún Tema 2

Aplicaciones

Definiciones

Diremos que f : V → W es inyectiva si f (~u ) = f (~v ) implica que ~u = ~v

Diremos que f : V → W es sobreyectiva si para todo w ~ ∈ W existe
algún ~v ∈ V tal que f (~v ) = w
~
Diremos que f : V → W es biyectiva si es inyectiva y sobreyectiva, es
~ ∈ W existe un único ~v ∈ V tal que f (~v ) = w
decir, si para todo w ~ (existe:
sobreyectiva, único: inyectiva)

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

María Luisa Rapún Tema 2

Aplicaciones

Definiciones

Diremos que f : V → W es inyectiva si f (~u ) = f (~v ) implica que ~u = ~v

Diremos que f : V → W es sobreyectiva si para todo w ~ ∈ W existe
algún ~v ∈ V tal que f (~v ) = w
~
Diremos que f : V → W es biyectiva si es inyectiva y sobreyectiva, es
~ ∈ W existe un único ~v ∈ V tal que f (~v ) = w
decir, si para todo w ~ (existe:
sobreyectiva, único: inyectiva)

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

María Luisa Rapún Tema 2

Aplicaciones

Definiciones

Diremos que f : V → W es inyectiva si f (~u ) = f (~v ) implica que ~u = ~v

Diremos que f : V → W es sobreyectiva si para todo w ~ ∈ W existe
algún ~v ∈ V tal que f (~v ) = w
~
Diremos que f : V → W es biyectiva si es inyectiva y sobreyectiva, es
~ ∈ W existe un único ~v ∈ V tal que f (~v ) = w
decir, si para todo w ~ (existe:
sobreyectiva, único: inyectiva)

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

María Luisa Rapún Tema 2

Aplicaciones

Definiciones

Diremos que f : V → W es inyectiva si f (~u ) = f (~v ) implica que ~u = ~v

Diremos que f : V → W es sobreyectiva si para todo w ~ ∈ W existe
algún ~v ∈ V tal que f (~v ) = w
~
Diremos que f : V → W es biyectiva si es inyectiva y sobreyectiva, es
~ ∈ W existe un único ~v ∈ V tal que f (~v ) = w
decir, si para todo w ~ (existe:
sobreyectiva, único: inyectiva)

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

María Luisa Rapún Tema 2

Aplicaciones

Definiciones

Diremos que f : V → W es inyectiva si f (~u ) = f (~v ) implica que ~u = ~v

Diremos que f : V → W es sobreyectiva si para todo w ~ ∈ W existe
algún ~v ∈ V tal que f (~v ) = w
~
Diremos que f : V → W es biyectiva si es inyectiva y sobreyectiva, es
~ ∈ W existe un único ~v ∈ V tal que f (~v ) = w
decir, si para todo w ~ (existe:
sobreyectiva, único: inyectiva)

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

María Luisa Rapún Tema 2

Aplicaciones

3) Una rotación de 180 grados seguida de una dilatación es biyectiva

f : R2 → R2 ; f (x, y ) = (−2x, −2y )

María Luisa Rapún Tema 2

Aplicaciones

3) Una rotación de 180 grados seguida de una dilatación es biyectiva

f : R2 → R2 ; f (x, y ) = (−2x, −2y )

4) Otro ejemplo de aplicación biyectiva:

f : R2 → R2 ; f (x, y ) = (−x − y , x + 3y )

María Luisa Rapún Tema 2

Aplicaciones

3) Una rotación de 180 grados seguida de una dilatación es biyectiva

f : R2 → R2 ; f (x, y ) = (−2x, −2y )

4) Otro ejemplo de aplicación biyectiva:

f : R2 → R2 ; f (x, y ) = (−x − y , x + 3y )

5) Una aplicación no inyectiva ni sobreyectiva:

f : R2 → R2 ; f (x, y ) = (−x + 2y , x − 2y )

María Luisa Rapún Tema 2

Aplicaciones lineales

Definición
Diremos que f : V → W es una aplicación lineal si cumple:

f (~u + ~v ) = f (~u ) + f (~v ), ∀~u , ~v ∈ V

f (λ~u ) = λf (~u ), ∀λ ∈ R, ∀~u ∈ V

Esta definición es equivalente a:

f (λ~u + µ~v ) = λf (~u ) + µf (~v ), ∀λ, µ ∈ R, ∀~u , ~v ∈ V

es decir, si la imagen de cualquier combinación lineal de vectores es la

combinación lineal de sus imágenes.

María Luisa Rapún Tema 2

Aplicaciones lineales

Definición
Diremos que f : V → W es una aplicación lineal si cumple:

f (~u + ~v ) = f (~u ) + f (~v ), ∀~u , ~v ∈ V

f (λ~u ) = λf (~u ), ∀λ ∈ R, ∀~u ∈ V

Esta definición es equivalente a:

f (λ~u + µ~v ) = λf (~u ) + µf (~v ), ∀λ, µ ∈ R, ∀~u , ~v ∈ V

es decir, si la imagen de cualquier combinación lineal de vectores es la

combinación lineal de sus imágenes.

María Luisa Rapún Tema 2

Aplicaciones lineales

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

Ejercicio: Estudiar si las siguientes aplicaciones son lineales:

1 f : R3 → R2 definida por f (x, y , z) = (x + y + z, 2z)
2 f : R2 → R2 definida por f (x, y ) = (x + 1, 3y )
3 f : R2 → R2 definida por f (x, y ) = (x 2 , y )

María Luisa Rapún Tema 2

Aplicaciones lineales

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

Ejercicio: Estudiar si las siguientes aplicaciones son lineales:

1 f : R3 → R2 definida por f (x, y , z) = (x + y + z, 2z)
2 f : R2 → R2 definida por f (x, y ) = (x + 1, 3y )
3 f : R2 → R2 definida por f (x, y ) = (x 2 , y )

María Luisa Rapún Tema 2

Aplicaciones lineales

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

Ejercicio: Estudiar si las siguientes aplicaciones son lineales:

1 f : R3 → R2 definida por f (x, y , z) = (x + y + z, 2z)
2 f : R2 → R2 definida por f (x, y ) = (x + 1, 3y )
3 f : R2 → R2 definida por f (x, y ) = (x 2 , y )

María Luisa Rapún Tema 2

Aplicaciones lineales

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

Ejercicio: Estudiar si las siguientes aplicaciones son lineales:

1 f : R3 → R2 definida por f (x, y , z) = (x + y + z, 2z)
2 f : R2 → R2 definida por f (x, y ) = (x + 1, 3y )
3 f : R2 → R2 definida por f (x, y ) = (x 2 , y )

Ejercicio propuesto: Comprobar que las tres aplicaciones vistas

anteriormente son lineales:

María Luisa Rapún Tema 2

Aplicaciones lineales

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

María Luisa Rapún Tema 2

Aplicaciones lineales

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

María Luisa Rapún Tema 2

Aplicaciones lineales

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

María Luisa Rapún Tema 2

Aplicaciones lineales

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

3 Si ~u1 , . . . , ~up ∈ V y λ1 , . . . , λp ∈ R, entonces

f (λ1~u1 + · · · + λp u~p ) = λ1 f (~u1 ) + · · · + λp f (u~p )

María Luisa Rapún Tema 2

Aplicaciones lineales

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.

2 Si S es libre, entonces f (S) puede ser libre o ligado.

Ejemplo: Sea f : R3 → R2 definida por f (x, y , z) = (x, y ). Entonces:

{(1, 0, 0), (0, 1, 0)} libre y {f (1, 0, 0), f (0, 1, 0)} = {(1, 0), (0, 1)} libre
{(1, 0, 0), (1, 0, 1)} libre y {f (1, 0, 0), f (1, 0, 1)} = {(1, 0), (1, 0)} ligado

María Luisa Rapún Tema 2

Aplicaciones lineales

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.

2 Si S es libre, entonces f (S) puede ser libre o ligado.

Ejemplo: Sea f : R3 → R2 definida por f (x, y , z) = (x, y ). Entonces:

{(1, 0, 0), (0, 1, 0)} libre y {f (1, 0, 0), f (0, 1, 0)} = {(1, 0), (0, 1)} libre
{(1, 0, 0), (1, 0, 1)} libre y {f (1, 0, 0), f (1, 0, 1)} = {(1, 0), (1, 0)} ligado

María Luisa Rapún Tema 2

Aplicaciones lineales

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.

2 Si S es libre, entonces f (S) puede ser libre o ligado.

Ejemplo: Sea f : R3 → R2 definida por f (x, y , z) = (x, y ). Entonces:

{(1, 0, 0), (0, 1, 0)} libre y {f (1, 0, 0), f (0, 1, 0)} = {(1, 0), (0, 1)} libre
{(1, 0, 0), (1, 0, 1)} libre y {f (1, 0, 0), f (1, 0, 1)} = {(1, 0), (1, 0)} ligado

María Luisa Rapún Tema 2

Aplicaciones lineales

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.

2 Si S es libre, entonces f (S) puede ser libre o ligado.

Ejemplo: Sea f : R3 → R2 definida por f (x, y , z) = (x, y ). Entonces:

{(1, 0, 0), (0, 1, 0)} libre y {f (1, 0, 0), f (0, 1, 0)} = {(1, 0), (0, 1)} libre
{(1, 0, 0), (1, 0, 1)} libre y {f (1, 0, 0), f (1, 0, 1)} = {(1, 0), (1, 0)} ligado

María Luisa Rapún Tema 2

Aplicaciones lineales

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.

2 Si S es libre, entonces f (S) puede ser libre o ligado.

Ejemplo: Sea f : R3 → R2 definida por f (x, y , z) = (x, y ). Entonces:

{(1, 0, 0), (0, 1, 0)} libre y {f (1, 0, 0), f (0, 1, 0)} = {(1, 0), (0, 1)} libre
{(1, 0, 0), (1, 0, 1)} libre y {f (1, 0, 0), f (1, 0, 1)} = {(1, 0), (1, 0)} ligado

María Luisa Rapún Tema 2

Aplicaciones lineales

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.

2 Si S es libre, entonces f (S) puede ser libre o ligado.

Ejemplo: Sea f : R3 → R2 definida por f (x, y , z) = (x, y ). Entonces:

{(1, 0, 0), (0, 1, 0)} libre y {f (1, 0, 0), f (0, 1, 0)} = {(1, 0), (0, 1)} libre
{(1, 0, 0), (1, 0, 1)} libre y {f (1, 0, 0), f (1, 0, 1)} = {(1, 0), (1, 0)} ligado

María Luisa Rapún Tema 2

Aplicaciones lineales

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.

2 Si S es libre, entonces f (S) puede ser libre o ligado.

Ejemplo: Sea f : R3 → R2 definida por f (x, y , z) = (x, y ). Entonces:

{(1, 0, 0), (0, 1, 0)} libre y {f (1, 0, 0), f (0, 1, 0)} = {(1, 0), (0, 1)} libre
{(1, 0, 0), (1, 0, 1)} libre y {f (1, 0, 0), f (1, 0, 1)} = {(1, 0), (1, 0)} ligado

María Luisa Rapún Tema 2

Imagen y núcleo

Definiciones y propiedades

Se llama imagen de una aplicación lineal f : V → W al conjunto

~ ∈ W | existe algún ~v ∈ V tal que f (~v ) = w

Im(f ) = {w ~} =
= {f (~v ) | ~v ∈ V }

Im(f ) es un subespacio de W (Dem: ejercicio). Llamaremos rango de f

a la dimensión de Im(f ).
Im(f ) = W si y solo si f es sobreyectiva
Dem: inmediato de la definición de sobreyectiva.

María Luisa Rapún Tema 2

Imagen y núcleo

Definiciones y propiedades

Se llama imagen de una aplicación lineal f : V → W al conjunto

~ ∈ W | existe algún ~v ∈ V tal que f (~v ) = w

Im(f ) = {w ~} =
= {f (~v ) | ~v ∈ V }

Im(f ) es un subespacio de W (Dem: ejercicio). Llamaremos rango de f

a la dimensión de Im(f ).
Im(f ) = W si y solo si f es sobreyectiva
Dem: inmediato de la definición de sobreyectiva.

María Luisa Rapún Tema 2

Imagen y núcleo

Definiciones y propiedades

Se llama imagen de una aplicación lineal f : V → W al conjunto

~ ∈ W | existe algún ~v ∈ V tal que f (~v ) = w

Im(f ) = {w ~} =
= {f (~v ) | ~v ∈ V }

Im(f ) es un subespacio de W (Dem: ejercicio). Llamaremos rango de f

a la dimensión de Im(f ).
Im(f ) = W si y solo si f es sobreyectiva
Dem: inmediato de la definición de sobreyectiva.

María Luisa Rapún Tema 2

Imagen y núcleo

Definiciones y propiedades

Se llama núcleo de una aplicación lineal f : V → W al conjunto

Nuc(f ) = {~v ∈ V | f (~v ) = ~o}

A veces se usa la notación Ker (f ).

Nuc(f ) es un subespacio de V (Dem: ejercicio). Llamaremos nulidad
de f a la dimensión de Nuc(f ).
Nuc(f ) = {~o} si y solo si f es inyectiva.
Dem:
f (~u ) = f (~v ) ⇔ f (~u ) − f (~v ) = ~o ⇔ f (~u − ~v ) = ~o ⇔ ~u − ~v ∈ Nuc(f )

María Luisa Rapún Tema 2

Imagen y núcleo

Definiciones y propiedades

Se llama núcleo de una aplicación lineal f : V → W al conjunto

Nuc(f ) = {~v ∈ V | f (~v ) = ~o}

A veces se usa la notación Ker (f ).

Nuc(f ) es un subespacio de V (Dem: ejercicio). Llamaremos nulidad
de f a la dimensión de Nuc(f ).
Nuc(f ) = {~o} si y solo si f es inyectiva.
Dem:
f (~u ) = f (~v ) ⇔ f (~u ) − f (~v ) = ~o ⇔ f (~u − ~v ) = ~o ⇔ ~u − ~v ∈ Nuc(f )

María Luisa Rapún Tema 2

Imagen y núcleo

Definiciones y propiedades

Se llama núcleo de una aplicación lineal f : V → W al conjunto

Nuc(f ) = {~v ∈ V | f (~v ) = ~o}

A veces se usa la notación Ker (f ).

Nuc(f ) es un subespacio de V (Dem: ejercicio). Llamaremos nulidad
de f a la dimensión de Nuc(f ).
Nuc(f ) = {~o} si y solo si f es inyectiva.
Dem:
f (~u ) = f (~v ) ⇔ f (~u ) − f (~v ) = ~o ⇔ f (~u − ~v ) = ~o ⇔ ~u − ~v ∈ Nuc(f )

María Luisa Rapún Tema 2

Imagen y núcleo

Nuc(f ) es un subespacio de V (espacio de salida) e Im(f ) es un subespacio

de W (espacio de llegada)

María Luisa Rapún Tema 2

Imagen y núcleo

Ejercicio: Se considera la aplicación lineal f : R3 → R2 definida mediante

f (x, y , z) = (3x + y − 2z, x + y )
1 Obtener una base de Im(f ). ¿Es f sobreyectiva?
2 Obtener una base de Nuc(f ). ¿Es f inyectiva?

Ejercicio (2E2): Sabiendo que f : R3 → R3 definida mediante

f (x, y , z) = (x + y , x + z, y + pz) no es inyectiva se pide
1 Hallar p y Ker (f ).
2 Hallar una base de Im(f ).

Ejercicios propuestos: 2E1, 2E3

María Luisa Rapún Tema 2

Imagen y núcleo

Ejercicio: Se considera la aplicación lineal f : R3 → R2 definida mediante

f (x, y , z) = (3x + y − 2z, x + y )
1 Obtener una base de Im(f ). ¿Es f sobreyectiva?
2 Obtener una base de Nuc(f ). ¿Es f inyectiva?

Ejercicio (2E2): Sabiendo que f : R3 → R3 definida mediante

f (x, y , z) = (x + y , x + z, y + pz) no es inyectiva se pide
1 Hallar p y Ker (f ).
2 Hallar una base de Im(f ).

Ejercicios propuestos: 2E1, 2E3

María Luisa Rapún Tema 2

Imagen y núcleo

Ejercicio: Se considera la aplicación lineal f : R3 → R2 definida mediante

f (x, y , z) = (3x + y − 2z, x + y )
1 Obtener una base de Im(f ). ¿Es f sobreyectiva?
2 Obtener una base de Nuc(f ). ¿Es f inyectiva?

Ejercicio (2E2): Sabiendo que f : R3 → R3 definida mediante

f (x, y , z) = (x + y , x + z, y + pz) no es inyectiva se pide
1 Hallar p y Ker (f ).
2 Hallar una base de Im(f ).

Ejercicios propuestos: 2E1, 2E3

María Luisa Rapún Tema 2

Imagen y núcleo

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

f (~v ) = λ1 f (u~1 ) + · · · + λp f (u~p ),

es decir, con los vectores f (u~1 ), . . . , f (u~p ) puedo obtener cualquier

vector de la forma f (~v ) (es decir, cualquier vector de Im(f )).

María Luisa Rapún Tema 2

Imagen y núcleo

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

f (~v ) = λ1 f (u~1 ) + · · · + λp f (u~p ),

es decir, con los vectores f (u~1 ), . . . , f (u~p ) puedo obtener cualquier

vector de la forma f (~v ) (es decir, cualquier vector de Im(f )).

María Luisa Rapún Tema 2

Imagen y núcleo

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

f (~v ) = λ1 f (u~1 ) + · · · + λp f (u~p ),

es decir, con los vectores f (u~1 ), . . . , f (u~p ) puedo obtener cualquier

vector de la forma f (~v ) (es decir, cualquier vector de Im(f )).

María Luisa Rapún Tema 2

Imagen y núcleo

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

f (~v ) = λ1 f (u~1 ) + · · · + λp f (u~p ),

es decir, con los vectores f (u~1 ), . . . , f (u~p ) puedo obtener cualquier

vector de la forma f (~v ) (es decir, cualquier vector de Im(f )).

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 )

María Luisa Rapún Tema 2

Imagen y núcleo

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

f (~v ) = λ1 f (u~1 ) + · · · + λp f (u~p ),

es decir, con los vectores f (u~1 ), . . . , f (u~p ) puedo obtener cualquier

vector de la forma f (~v ) (es decir, cualquier vector de Im(f )).

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 )

María Luisa Rapún Tema 2

Ejercicios

Ejercicio: Se considera una aplicación lineal f : R3 → P2 tal que

f (1, 0, 0) = 1 + x 2 , f (0, 1, 0) = x, f (1, 0, 1) = 1 + 2x.
Se pide:
1 Calcular f (1, 2, 3)
2 Obtener Im(f ) y Nuc(f )

Ejercicio (examen 1, curso 14/15, pregunta F):

De una aplicación lineal f : R3 → R3 se sabe que:
f (0, 1, 1) = (1, 0, 0)
Nuc(f ) es el subespacio de R3 definido implícitamente por la ecuación
x 0 + y 0 + z 0 = 0 en la base B 0 = {(1, 1, 0), (0, 0, 1), (1, 0, 0)}.
Se pide calcular f (1, 1, 1).

María Luisa Rapún Tema 2

Ejercicios

Ejercicio: Se considera una aplicación lineal f : R3 → P2 tal que

f (1, 0, 0) = 1 + x 2 , f (0, 1, 0) = x, f (1, 0, 1) = 1 + 2x.
Se pide:
1 Calcular f (1, 2, 3)
2 Obtener Im(f ) y Nuc(f )

Ejercicio (examen 1, curso 14/15, pregunta F):

De una aplicación lineal f : R3 → R3 se sabe que:
f (0, 1, 1) = (1, 0, 0)
Nuc(f ) es el subespacio de R3 definido implícitamente por la ecuación
x 0 + y 0 + z 0 = 0 en la base B 0 = {(1, 1, 0), (0, 0, 1), (1, 0, 0)}.
Se pide calcular f (1, 1, 1).

María Luisa Rapún Tema 2

Ejercicios

Ejercicio propuesto: Examen extraordinario 12/13, pregunta 2

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Si (x1 , x2 ) son las coordenadas de ~u ∈ R2 en B1 , ¿cuáles son las

coordenadas de f (~u ) en B2 ?

Como f (~u1 ) y f (~u2 ) son vectores de R3 y B2 es base de R3 , podemos escribir

~ 1 + α2 w
f (~u1 ) = α1 w ~3
~ 2 + α3 w
f (~u2 ) = β1 w
~ 1 + β2 w
~ 2 + β3 w
~3

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...)

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Si (x1 , x2 ) son las coordenadas de ~u ∈ R2 en B1 , ¿cuáles son las

coordenadas de f (~u ) en B2 ?

Como f (~u1 ) y f (~u2 ) son vectores de R3 y B2 es base de R3 , podemos escribir

~ 1 + α2 w
f (~u1 ) = α1 w ~3
~ 2 + α3 w
f (~u2 ) = β1 w
~ 1 + β2 w
~ 2 + β3 w
~3

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...)

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Si (x1 , x2 ) son las coordenadas de ~u ∈ R2 en B1 , ¿cuáles son las

coordenadas de f (~u ) en B2 ?

Como f (~u1 ) y f (~u2 ) son vectores de R3 y B2 es base de R3 , podemos escribir

~ 1 + α2 w
f (~u1 ) = α1 w ~3
~ 2 + α3 w
f (~u2 ) = β1 w
~ 1 + β2 w
~ 2 + β3 w
~3

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...)

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Si (x1 , x2 ) son las coordenadas de ~u ∈ R2 en B1 , ¿cuáles son las

coordenadas de f (~u ) en B2 ?

Como f (~u1 ) y f (~u2 ) son vectores de R3 y B2 es base de R3 , podemos escribir

~ 1 + α2 w
f (~u1 ) = α1 w ~3
~ 2 + α3 w
f (~u2 ) = β1 w
~ 1 + β2 w
~ 2 + β3 w
~3

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...)

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Si (x1 , x2 ) son las coordenadas de ~u ∈ R2 en B1 , ¿cuáles son las

coordenadas de f (~u ) en B2 ?

Como f (~u1 ) y f (~u2 ) son vectores de R3 y B2 es base de R3 , podemos escribir

~ 1 + α2 w
f (~u1 ) = α1 w ~3
~ 2 + α3 w
f (~u2 ) = β1 w
~ 1 + β2 w
~ 2 + β3 w
~3

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...)

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Si (x1 , x2 ) son las coordenadas de ~u ∈ R2 en B1 , ¿cuáles son las

coordenadas de f (~u ) en B2 ?

Como f (~u1 ) y f (~u2 ) son vectores de R3 y B2 es base de R3 , podemos escribir

~ 1 + α2 w
f (~u1 ) = α1 w ~3
~ 2 + α3 w
f (~u2 ) = β1 w
~ 1 + β2 w
~ 2 + β3 w
~3

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...)

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

(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


María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

(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

La matriz tiene 3 filas (dim. espacio de llegada) y 2 columnas (dim. espacio

de salida)

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

(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

La matriz tiene 3 filas (dim. espacio de llegada) y 2 columnas (dim. espacio

de salida)

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Escribiremos abreviadamente Y = AX y diremos que A es la matriz de

f en las bases B1 (de V ) y B2 (de W )
El número de filas de A es m = dim(W ) y el de columnas es n = dim(V )
Dadas B1 y B2 , existe una única matriz A de modo que A es matriz de f
respecto de B1 y B2 , y recíprocamente, dada A, existe una única
aplicación lineal cuya matriz respecto de las bases B1 y B2 es A.

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Escribiremos abreviadamente Y = AX y diremos que A es la matriz de

f en las bases B1 (de V ) y B2 (de W )
El número de filas de A es m = dim(W ) y el de columnas es n = dim(V )
Dadas B1 y B2 , existe una única matriz A de modo que A es matriz de f
respecto de B1 y B2 , y recíprocamente, dada A, existe una única
aplicación lineal cuya matriz respecto de las bases B1 y B2 es A.

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Escribiremos abreviadamente Y = AX y diremos que A es la matriz de

f en las bases B1 (de V ) y B2 (de W )
El número de filas de A es m = dim(W ) y el de columnas es n = dim(V )
Dadas B1 y B2 , existe una única matriz A de modo que A es matriz de f
respecto de B1 y B2 , y recíprocamente, dada A, existe una única
aplicación lineal cuya matriz respecto de las bases B1 y B2 es A.

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Escribiremos abreviadamente Y = AX y diremos que A es la matriz de

f en las bases B1 (de V ) y B2 (de W )
El número de filas de A es m = dim(W ) y el de columnas es n = dim(V )
Dadas B1 y B2 , existe una única matriz A de modo que A es matriz de f
respecto de B1 y B2 , y recíprocamente, dada A, existe una única
aplicación lineal cuya matriz respecto de las bases B1 y B2 es A.

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

Ejercicio: Se considera la aplicación lineal f : R3 → R2 definida mediante

f (x, y , z) = (x + 4z, 2x + y − z)
1 Calcular la matriz A de f en las bases canónicas:
B1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} y B2 = {(1, 0), (0, 1)}
2 Calcular f (1, 4, 2)
3 Calcular la matriz A0 de f respecto de las bases
B10 = {(1, 0, 1), (0, 1, −1), (1, 0, 0)} y B20 = {(1, 1), (1, 0)}
4 Utilizar la matriz A0 para calcular f (1, 4, 2)

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Ejercicio: Calcular Nuc(f ) e Im(f ) de la aplicación f del ejercicio anterior.

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Ejercicio: Calcular Nuc(f ) e Im(f ) de la aplicación f del ejercicio anterior.

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Ejercicio: Calcular Nuc(f ) e Im(f ) de la aplicación f del ejercicio anterior.

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Ejercicio: Calcular Nuc(f ) e Im(f ) de la aplicación f del ejercicio anterior.

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Ejercicio: Calcular Nuc(f ) e Im(f ) de la aplicación f del ejercicio anterior.

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Ejercicio: Calcular Nuc(f ) e Im(f ) de la aplicación f del ejercicio anterior.

María Luisa Rapún Tema 2

Ecuaciones y matriz de una aplicación lineal

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

Ejercicio: Calcular Nuc(f ) e Im(f ) de la aplicación f del ejercicio anterior.

María Luisa Rapún Tema 2

Ejercicios

Ejercicio (examen 1, curso 16/17, pregunta B):

Ejercicios propuestos: 2E4, 2E5, 2E6, 2E7, 2E8, 2P2 (clase), 2P3

María Luisa Rapún Tema 2

Ejercicios

Ejercicio (examen 1, curso 16/17, pregunta B):

Ejercicios propuestos: 2E4, 2E5, 2E6, 2E7, 2E8, 2P2 (clase), 2P3

María Luisa Rapún Tema 2

Cambio de base en aplicaciones lineales

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,

siendo P la matriz del cambio de B10 a B1 y Q la matriz del cambio de B20

a B2 .
Dem: En clase
Diremos que dos matrices del mismo tamaño A y A0 son equivalentes
si existen P y Q inversibles tales que A0 = Q −1 AP

Propiedad
Dadas dos matrices A y A0 del mismo tamaño, se verifica:

A y A0 son equivalentes ⇐⇒ A y A0 están asociadas a una misma

aplicación lineal en distintas bases
⇐⇒ rango(A)=rango(A0 ).
María Luisa Rapún Tema 2
Cambio de base en aplicaciones lineales

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,

siendo P la matriz del cambio de B10 a B1 y Q la matriz del cambio de B20

a B2 .
Dem: En clase
Diremos que dos matrices del mismo tamaño A y A0 son equivalentes
si existen P y Q inversibles tales que A0 = Q −1 AP

Propiedad
Dadas dos matrices A y A0 del mismo tamaño, se verifica:

A y A0 son equivalentes ⇐⇒ A y A0 están asociadas a una misma

aplicación lineal en distintas bases
⇐⇒ rango(A)=rango(A0 ).
María Luisa Rapún Tema 2
Cambio de base en aplicaciones lineales

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,

siendo P la matriz del cambio de B10 a B1 y Q la matriz del cambio de B20

a B2 .
Dem: En clase
Diremos que dos matrices del mismo tamaño A y A0 son equivalentes
si existen P y Q inversibles tales que A0 = Q −1 AP

Propiedad
Dadas dos matrices A y A0 del mismo tamaño, se verifica:

A y A0 son equivalentes ⇐⇒ A y A0 están asociadas a una misma

aplicación lineal en distintas bases
⇐⇒ rango(A)=rango(A0 ).
María Luisa Rapún Tema 2
Cambio de base en aplicaciones lineales

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,

siendo P la matriz del cambio de B10 a B1 y Q la matriz del cambio de B20

a B2 .
Dem: En clase
Diremos que dos matrices del mismo tamaño A y A0 son equivalentes
si existen P y Q inversibles tales que A0 = Q −1 AP

Propiedad
Dadas dos matrices A y A0 del mismo tamaño, se verifica:

A y A0 son equivalentes ⇐⇒ A y A0 están asociadas a una misma

aplicación lineal en distintas bases
⇐⇒ rango(A)=rango(A0 ).
María Luisa Rapún Tema 2
Cambio de base en aplicaciones lineales

Propiedad y definiciones
Si f : V → V es lineal, diremos que f es un endomorfismo

María Luisa Rapún Tema 2

Cambio de base en aplicaciones lineales

Propiedad y definiciones
Si f : V → V es lineal, diremos que f es un endomorfismo

Si f : V → V , podemos tomar la misma base B en el espacio de salida y

de llegada. Hablaremos entonces de la matriz de f en la base B

Si B y B 0 son dos bases de V, A es la matriz de f en la base B y A0 es la

matriz de f en la base B 0 , entonces A0 = P −1 AP, siendo P la matriz del
cambio de B 0 a B
Dem: La misma que en el caso de matrices equivalentes con Q = P.

María Luisa Rapún Tema 2

Cambio de base en aplicaciones lineales

Propiedad y definiciones
Si f : V → V es lineal, diremos que f es un endomorfismo

Si f : V → V , podemos tomar la misma base B en el espacio de salida y

de llegada. Hablaremos entonces de la matriz de f en la base B

Si B y B 0 son dos bases de V, A es la matriz de f en la base B y A0 es la

matriz de f en la base B 0 , entonces A0 = P −1 AP, siendo P la matriz del
cambio de B 0 a B
Dem: La misma que en el caso de matrices equivalentes con Q = P.

María Luisa Rapún Tema 2

Cambio de base en aplicaciones lineales

Propiedad y definiciones
Si f : V → V es lineal, diremos que f es un endomorfismo

Si f : V → V , podemos tomar la misma base B en el espacio de salida y

de llegada. Hablaremos entonces de la matriz de f en la base B

Si B y B 0 son dos bases de V, A es la matriz de f en la base B y A0 es la

matriz de f en la base B 0 , entonces A0 = P −1 AP, siendo P la matriz del
cambio de B 0 a B
Dem: La misma que en el caso de matrices equivalentes con Q = P.

María Luisa Rapún Tema 2

Cambio de base en aplicaciones lineales

Propiedad y definiciones
Si f : V → V es lineal, diremos que f es un endomorfismo

Si f : V → V , podemos tomar la misma base B en el espacio de salida y

de llegada. Hablaremos entonces de la matriz de f en la base B

Si B y B 0 son dos bases de V, A es la matriz de f en la base B y A0 es la

matriz de f en la base B 0 , entonces A0 = P −1 AP, siendo P la matriz del
cambio de B 0 a B
Dem: La misma que en el caso de matrices equivalentes con Q = P.
Diremos que dos matrices del mismo tamaño A y A0 son semejantes si
existe P inversible tal que A0 = P −1 AP

María Luisa Rapún Tema 2

Ejercicios

Ejercicio: En un ejercicio anterior consideramos la aplicación f : R3 → R2

definida por f (x, y , z) = (x + 4z, 2x + y − z) y vimos que su matriz A en las
bases canónicas B1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} y B2 = {(1, 0), (0, 1)} es
 
1 0 4
A=
2 1 −1

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

1 Escribir la matriz P del cambio de B10 a B1

2 Escribir la matriz Q del cambio de B20 a B2
3 Obtener la matriz A0 a partir de las matrices A, P y Q

Ejercicios propuestos: 2P9 y 2P10

María Luisa Rapún Tema 2

Exámenes de años anteriores
Ejercicio (examen 2, curso 12/13, pregunta D):

Ejercicio (examen 1, curso 17/18, pregunta B):

María Luisa Rapún Tema 2

Exámenes de años anteriores

Ejercicio propuesto (examen 1, curso 18/19, pregunta F):

María Luisa Rapún Tema 2

Operaciones con matrices y aplicaciones lineales

María Luisa Rapún Tema 2

Suma y producto por escalares

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 )

Esta aplicación cumple:

Si fA y fB son lineales, entonces fA + fB es lineal
Si A y B son las matrices de fA y de fB en ciertas bases B1 de V y B2 de W ,
entonces la matriz de fA + fB en las bases B1 y B2 es A + B
2 Si fA : V → W y λ ∈ R podemos definir la aplicación

λfA : V −→ W
~v 7−→ (λfA )(~v ) = λfA (~v )

Esta aplicación cumple:

Si fA es lineal, entonces λfA es lineal
Si A es la matriz de fA en ciertas bases B1 de V y B2 de W , entonces la
matriz de λfA en las bases B1 y B2 es λA

María Luisa Rapún Tema 2

Suma y producto por escalares

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 )

Esta aplicación cumple:

Si fA y fB son lineales, entonces fA + fB es lineal
Si A y B son las matrices de fA y de fB en ciertas bases B1 de V y B2 de W ,
entonces la matriz de fA + fB en las bases B1 y B2 es A + B
2 Si fA : V → W y λ ∈ R podemos definir la aplicación

λfA : V −→ W
~v 7−→ (λfA )(~v ) = λfA (~v )

Esta aplicación cumple:

Si fA es lineal, entonces λfA es lineal
Si A es la matriz de fA en ciertas bases B1 de V y B2 de W , entonces la
matriz de λfA en las bases B1 y B2 es λA

María Luisa Rapún Tema 2

Suma y producto por escalares

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 )

Esta aplicación cumple:

Si fA y fB son lineales, entonces fA + fB es lineal
Si A y B son las matrices de fA y de fB en ciertas bases B1 de V y B2 de W ,
entonces la matriz de fA + fB en las bases B1 y B2 es A + B
2 Si fA : V → W y λ ∈ R podemos definir la aplicación

λfA : V −→ W
~v 7−→ (λfA )(~v ) = λfA (~v )

Esta aplicación cumple:

Si fA es lineal, entonces λfA es lineal
Si A es la matriz de fA en ciertas bases B1 de V y B2 de W , entonces la
matriz de λfA en las bases B1 y B2 es λA

María Luisa Rapún Tema 2

Suma y producto por escalares

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 )

Esta aplicación cumple:

Si fA y fB son lineales, entonces fA + fB es lineal
Si A y B son las matrices de fA y de fB en ciertas bases B1 de V y B2 de W ,
entonces la matriz de fA + fB en las bases B1 y B2 es A + B
2 Si fA : V → W y λ ∈ R podemos definir la aplicación

λfA : V −→ W
~v 7−→ (λfA )(~v ) = λfA (~v )

Esta aplicación cumple:

Si fA es lineal, entonces λfA es lineal
Si A es la matriz de fA en ciertas bases B1 de V y B2 de W , entonces la
matriz de λfA en las bases B1 y B2 es λA

María Luisa Rapún Tema 2

Composición de aplicaciones lineales

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

(g ◦ f )(x, y ) = g(f (x, y )) = g(−x, −y ) = (−2x, −2y )

María Luisa Rapún Tema 2

Composición de aplicaciones lineales

Definición y propiedades
Si fB : V → W y fA : W → U,
fB fA
V −→ W −→ U
~v 7−→ fB (~v ) 7−→ fA (fB (~v ))

podemos considerar la aplicación composición:

fA ◦ fB : V −→ U
~v 7−→ (fA ◦ fB )(~v ) = fA (fB (~v ))
Esta aplicación cumple:
Si fA y fB son lineales, entonces fA ◦ fB es lineal
Si B es la matriz de fB en las bases B1 de V y B2 de W , y A es la matriz
de fA en las bases B2 de W y B3 de U, entonces la matriz de fA ◦ fB en
las bases B1 y B3 es AB

María Luisa Rapún Tema 2

Composición de aplicaciones lineales

Definición y propiedades
Si fB : V → W y fA : W → U,
fB fA
V −→ W −→ U
~v 7−→ fB (~v ) 7−→ fA (fB (~v ))

podemos considerar la aplicación composición:

fA ◦ fB : V −→ U
~v 7−→ (fA ◦ fB )(~v ) = fA (fB (~v ))
Esta aplicación cumple:
Si fA y fB son lineales, entonces fA ◦ fB es lineal
Si B es la matriz de fB en las bases B1 de V y B2 de W , y A es la matriz
de fA en las bases B2 de W y B3 de U, entonces la matriz de fA ◦ fB en
las bases B1 y B3 es AB

María Luisa Rapún Tema 2

Composición de aplicaciones lineales

Definición y propiedades
Si fB : V → W y fA : W → U,
fB fA
V −→ W −→ U
~v 7−→ fB (~v ) 7−→ fA (fB (~v ))

podemos considerar la aplicación composición:

fA ◦ fB : V −→ U
~v 7−→ (fA ◦ fB )(~v ) = fA (fB (~v ))
Esta aplicación cumple:
Si fA y fB son lineales, entonces fA ◦ fB es lineal
Si B es la matriz de fB en las bases B1 de V y B2 de W , y A es la matriz
de fA en las bases B2 de W y B3 de U, entonces la matriz de fA ◦ fB en
las bases B1 y B3 es AB

María Luisa Rapún Tema 2

Composición de aplicaciones lineales

Definición y propiedades
Si fB : V → W y fA : W → U,
fB fA
V −→ W −→ U
~v 7−→ fB (~v ) 7−→ fA (fB (~v ))

podemos considerar la aplicación composición:

fA ◦ fB : V −→ U
~v 7−→ (fA ◦ fB )(~v ) = fA (fB (~v ))
Esta aplicación cumple:
Si fA y fB son lineales, entonces fA ◦ fB es lineal
Si B es la matriz de fB en las bases B1 de V y B2 de W , y A es la matriz
de fA en las bases B2 de W y B3 de U, entonces la matriz de fA ◦ fB en
las bases B1 y B3 es AB

María Luisa Rapún Tema 2

Composición de aplicaciones lineales

Definición y propiedades
Si fB : V → W y fA : W → U,
fB fA
V −→ W −→ U
~v 7−→ fB (~v ) 7−→ fA (fB (~v ))

podemos considerar la aplicación composición:

fA ◦ fB : V −→ U
~v 7−→ (fA ◦ fB )(~v ) = fA (fB (~v ))
Esta aplicación cumple:
Si fA y fB son lineales, entonces fA ◦ fB es lineal
Si B es la matriz de fB en las bases B1 de V y B2 de W , y A es la matriz
de fA en las bases B2 de W y B3 de U, entonces la matriz de fA ◦ fB en
las bases B1 y B3 es AB
Dem: (fA ◦ fB )(~v ) = fA (fB (~v )) (primero actúa fB y después fA ):

María Luisa Rapún Tema 2

Composición de aplicaciones lineales
Notas:
1 Si f : V → W y g : W → V tienen sentido las dos composiciones:
g◦f : V −→ V f ◦g : W −→ W
~v 7−→ g(f (~v )) ~
w 7−→ ~ ))
f (g(w
Notar que:
6 W , obviamente f ◦ g 6= g ◦ f .
Si V =
Si V = W , en general f ◦ g 6= g ◦ f (en general AB 6= BA).
2 ¿f compuesto con g? ¿g compuesto con f ? El nombre no es universal,
pero la notación si. Siempre (g ◦ f )(~v ) = g(f (~v )) y (f ◦ g)(w
~ ) = f (g(w
~ )).

Ejercicio: Se consideran las aplicaciones lineales

f : R3 → R2 definida por f (x, y , z) = (x + y − 2z, −x + y ),
g : R2 → R3 definida por g(a, b) = (a + 3b, −b, 2a).
Se pide:
1 Obtener la matriz de f ◦ g en las bases canónicas
Directamente
Utilizando las matrices de f y de g en las bases canónicas
2 Calcular Im(f ◦ g) y Nuc(f ◦ g)
3 Obtener unas ecuaciones implícitas de (g ◦ f )(U) siendo
U = {(x, y , z) ∈ R3 | x − y = 0}
María Luisa Rapún Tema 2
Composición de aplicaciones lineales
Notas:
1 Si f : V → W y g : W → V tienen sentido las dos composiciones:
g◦f : V −→ V f ◦g : W −→ W
~v 7−→ g(f (~v )) ~
w 7−→ ~ ))
f (g(w
Notar que:
6 W , obviamente f ◦ g 6= g ◦ f .
Si V =
Si V = W , en general f ◦ g 6= g ◦ f (en general AB 6= BA).
2 ¿f compuesto con g? ¿g compuesto con f ? El nombre no es universal,
pero la notación si. Siempre (g ◦ f )(~v ) = g(f (~v )) y (f ◦ g)(w
~ ) = f (g(w
~ )).

Ejercicio: Se consideran las aplicaciones lineales

f : R3 → R2 definida por f (x, y , z) = (x + y − 2z, −x + y ),
g : R2 → R3 definida por g(a, b) = (a + 3b, −b, 2a).
Se pide:
1 Obtener la matriz de f ◦ g en las bases canónicas
Directamente
Utilizando las matrices de f y de g en las bases canónicas
2 Calcular Im(f ◦ g) y Nuc(f ◦ g)
3 Obtener unas ecuaciones implícitas de (g ◦ f )(U) siendo
U = {(x, y , z) ∈ R3 | x − y = 0}
María Luisa Rapún Tema 2
Composición de aplicaciones lineales
Notas:
1 Si f : V → W y g : W → V tienen sentido las dos composiciones:
g◦f : V −→ V f ◦g : W −→ W
~v 7−→ g(f (~v )) ~
w 7−→ ~ ))
f (g(w
Notar que:
6 W , obviamente f ◦ g 6= g ◦ f .
Si V =
Si V = W , en general f ◦ g 6= g ◦ f (en general AB 6= BA).
2 ¿f compuesto con g? ¿g compuesto con f ? El nombre no es universal,
pero la notación si. Siempre (g ◦ f )(~v ) = g(f (~v )) y (f ◦ g)(w
~ ) = f (g(w
~ )).

Ejercicio: Se consideran las aplicaciones lineales

f : R3 → R2 definida por f (x, y , z) = (x + y − 2z, −x + y ),
g : R2 → R3 definida por g(a, b) = (a + 3b, −b, 2a).
Se pide:
1 Obtener la matriz de f ◦ g en las bases canónicas
Directamente
Utilizando las matrices de f y de g en las bases canónicas
2 Calcular Im(f ◦ g) y Nuc(f ◦ g)
3 Obtener unas ecuaciones implícitas de (g ◦ f )(U) siendo
U = {(x, y , z) ∈ R3 | x − y = 0}
María Luisa Rapún Tema 2
Composición de aplicaciones lineales
Notas:
1 Si f : V → W y g : W → V tienen sentido las dos composiciones:
g◦f : V −→ V f ◦g : W −→ W
~v 7−→ g(f (~v )) ~
w 7−→ ~ ))
f (g(w
Notar que:
6 W , obviamente f ◦ g 6= g ◦ f .
Si V =
Si V = W , en general f ◦ g 6= g ◦ f (en general AB 6= BA).
2 ¿f compuesto con g? ¿g compuesto con f ? El nombre no es universal,
pero la notación si. Siempre (g ◦ f )(~v ) = g(f (~v )) y (f ◦ g)(w
~ ) = f (g(w
~ )).

Ejercicio: Se consideran las aplicaciones lineales

f : R3 → R2 definida por f (x, y , z) = (x + y − 2z, −x + y ),
g : R2 → R3 definida por g(a, b) = (a + 3b, −b, 2a).
Se pide:
1 Obtener la matriz de f ◦ g en las bases canónicas
Directamente
Utilizando las matrices de f y de g en las bases canónicas
2 Calcular Im(f ◦ g) y Nuc(f ◦ g)
3 Obtener unas ecuaciones implícitas de (g ◦ f )(U) siendo
U = {(x, y , z) ∈ R3 | x − y = 0}
María Luisa Rapún Tema 2
Composición de aplicaciones lineales
Notas:
1 Si f : V → W y g : W → V tienen sentido las dos composiciones:
g◦f : V −→ V f ◦g : W −→ W
~v 7−→ g(f (~v )) ~
w 7−→ ~ ))
f (g(w
Notar que:
6 W , obviamente f ◦ g 6= g ◦ f .
Si V =
Si V = W , en general f ◦ g 6= g ◦ f (en general AB 6= BA).
2 ¿f compuesto con g? ¿g compuesto con f ? El nombre no es universal,
pero la notación si. Siempre (g ◦ f )(~v ) = g(f (~v )) y (f ◦ g)(w
~ ) = f (g(w
~ )).

Ejercicio: Se consideran las aplicaciones lineales

f : R3 → R2 definida por f (x, y , z) = (x + y − 2z, −x + y ),
g : R2 → R3 definida por g(a, b) = (a + 3b, −b, 2a).
Se pide:
1 Obtener la matriz de f ◦ g en las bases canónicas
Directamente
Utilizando las matrices de f y de g en las bases canónicas
2 Calcular Im(f ◦ g) y Nuc(f ◦ g)
3 Obtener unas ecuaciones implícitas de (g ◦ f )(U) siendo
U = {(x, y , z) ∈ R3 | x − y = 0}
María Luisa Rapún Tema 2
Ejercicios

Ejercicio (Examen final, curso 14/15, pregunta B):

Ejercicio (Mejora 1, curso 15/16, pregunta D):

Ejercicio propuesto: 2P4

María Luisa Rapún Tema 2
Sistemas de ecuaciones lineales y aplicaciones lineales

María Luisa Rapún Tema 2

Sistemas de ecuaciones lineales

Un sistema de m ecuaciones con n incógnitas:



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

..


 .
am1 x1 + am2 x2 + · · · + amn xn = bm


puede escribirse matricialmente como AX = B:

    
a11 a12 . . . a1n x1 b1
 a21 a22 . . . a2n   x2   b2 
 . .. ..   .. = ..
    
 ..

. ··· .  .   . 
am1 am2 . . . amn xn bm

María Luisa Rapún Tema 2

Sistemas de ecuaciones lineales

Un sistema de m ecuaciones con n incógnitas:



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

..


 .
am1 x1 + am2 x2 + · · · + amn xn = bm


puede escribirse matricialmente como AX = B:

    
a11 a12 . . . a1n x1 b1
 a21 a22 . . . a2n   x2   b2 
 . .. ..   .. = ..
    
 ..

. ··· .  .   . 
am1 am2 . . . amn xn bm

También:
       
a11 a12 a1n b1
 a21   a22   a2n   b2 
x1  .  + x2  ..  + · · · + xn  .. = ..
       
 ..

  .   .   . 
am1 am2 amn bm

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

La solución general del f (~x ) = ~b (del sistema AX = B) es el conjunto

f −1 (~b) = {~x ∈ Rn | f (~x ) = ~b},

que llamaremos imagen recíproca de ~b o antiimagen de ~b

Propiedad

AX = B es compatible ⇐⇒ ~b ∈ Im(f )
Dem: Inmediato de la definición de Im(f ): Im(f ) = {f (~x ) | ~x ∈ Rn }

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

La solución general del f (~x ) = ~b (del sistema AX = B) es el conjunto

f −1 (~b) = {~x ∈ Rn | f (~x ) = ~b},

que llamaremos imagen recíproca de ~b o antiimagen de ~b

Propiedad

AX = B es compatible ⇐⇒ ~b ∈ Im(f )
Dem: Inmediato de la definición de Im(f ): Im(f ) = {f (~x ) | ~x ∈ Rn }

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

La solución general del f (~x ) = ~b (del sistema AX = B) es el conjunto

f −1 (~b) = {~x ∈ Rn | f (~x ) = ~b},

que llamaremos imagen recíproca de ~b o antiimagen de ~b

Propiedad

AX = B es compatible ⇐⇒ ~b ∈ Im(f )
Dem: Inmediato de la definición de Im(f ): Im(f ) = {f (~x ) | ~x ∈ Rn }

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

La solución general del f (~x ) = ~b (del sistema AX = B) es el conjunto

f −1 (~b) = {~x ∈ Rn | f (~x ) = ~b},

que llamaremos imagen recíproca de ~b o antiimagen de ~b

Propiedad

AX = B es compatible ⇐⇒ ~b ∈ Im(f )
Dem: Inmediato de la definición de Im(f ): Im(f ) = {f (~x ) | ~x ∈ Rn }

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

f −1 (~b) = ~x0 + Nuc(f ) = {~x ∈ Rn | ~x = ~x0 + ~u , con ~u ∈ Nuc(f )}

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 )

2 Si ~b ∈ Im(f ) (si el sistema es compatible), entonces el sistema es

determinado (la única solución es ~x0 ) ⇐⇒ Nuc(f ) = {~o} (f inyectiva)
indeterminado (más de una solución) ⇐⇒ Nuc(f ) 6= {~o} (f no inyect.)

Dem: Inmediato de la propiedad anterior.

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

f −1 (~b) = ~x0 + Nuc(f ) = {~x ∈ Rn | ~x = ~x0 + ~u , con ~u ∈ Nuc(f )}

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 )

2 Si ~b ∈ Im(f ) (si el sistema es compatible), entonces el sistema es

determinado (la única solución es ~x0 ) ⇐⇒ Nuc(f ) = {~o} (f inyectiva)
indeterminado (más de una solución) ⇐⇒ Nuc(f ) 6= {~o} (f no inyect.)

Dem: Inmediato de la propiedad anterior.

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

f −1 (~b) = ~x0 + Nuc(f ) = {~x ∈ Rn | ~x = ~x0 + ~u , con ~u ∈ Nuc(f )}

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 )

2 Si ~b ∈ Im(f ) (si el sistema es compatible), entonces el sistema es

determinado (la única solución es ~x0 ) ⇐⇒ Nuc(f ) = {~o} (f inyectiva)
indeterminado (más de una solución) ⇐⇒ Nuc(f ) 6= {~o} (f no inyect.)

Dem: Inmediato de la propiedad anterior.

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

f −1 (~b) = ~x0 + Nuc(f ) = {~x ∈ Rn | ~x = ~x0 + ~u , con ~u ∈ Nuc(f )}

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 )

2 Si ~b ∈ Im(f ) (si el sistema es compatible), entonces el sistema es

determinado (la única solución es ~x0 ) ⇐⇒ Nuc(f ) = {~o} (f inyectiva)
indeterminado (más de una solución) ⇐⇒ Nuc(f ) 6= {~o} (f no inyect.)

Dem: Inmediato de la propiedad anterior.

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

f −1 (~b) = ~x0 + Nuc(f ) = {~x ∈ Rn | ~x = ~x0 + ~u , con ~u ∈ Nuc(f )}

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 )

2 Si ~b ∈ Im(f ) (si el sistema es compatible), entonces el sistema es

determinado (la única solución es ~x0 ) ⇐⇒ Nuc(f ) = {~o} (f inyectiva)
indeterminado (más de una solución) ⇐⇒ Nuc(f ) 6= {~o} (f no inyect.)

Dem: Inmediato de la propiedad anterior.

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

f −1 (~b) = ~x0 + Nuc(f ) = {~x ∈ Rn | ~x = ~x0 + ~u , con ~u ∈ Nuc(f )}

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 )

2 Si ~b ∈ Im(f ) (si el sistema es compatible), entonces el sistema es

determinado (la única solución es ~x0 ) ⇐⇒ Nuc(f ) = {~o} (f inyectiva)
indeterminado (más de una solución) ⇐⇒ Nuc(f ) 6= {~o} (f no inyect.)

Dem: Inmediato de la propiedad anterior.

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

f −1 (~b) = ~x0 + Nuc(f ) = {~x ∈ Rn | ~x = ~x0 + ~u , con ~u ∈ Nuc(f )}

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 )

2 Si ~b ∈ Im(f ) (si el sistema es compatible), entonces el sistema es

determinado (la única solución es ~x0 ) ⇐⇒ Nuc(f ) = {~o} (f inyectiva)
indeterminado (más de una solución) ⇐⇒ Nuc(f ) 6= {~o} (f no inyect.)

Dem: Inmediato de la propiedad anterior.

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

f −1 (~b) = ~x0 + Nuc(f ) = {~x ∈ Rn | ~x = ~x0 + ~u , con ~u ∈ Nuc(f )}

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 )

2 Si ~b ∈ Im(f ) (si el sistema es compatible), entonces el sistema es

determinado (la única solución es ~x0 ) ⇐⇒ Nuc(f ) = {~o} (f inyectiva)
indeterminado (más de una solución) ⇐⇒ Nuc(f ) 6= {~o} (f no inyect.)

Dem: Inmediato de la propiedad anterior.

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

f −1 (~b) = ~x0 + Nuc(f ) = {~x ∈ Rn | ~x = ~x0 + ~u , con ~u ∈ Nuc(f )}

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 )

2 Si ~b ∈ Im(f ) (si el sistema es compatible), entonces el sistema es

determinado (la única solución es ~x0 ) ⇐⇒ Nuc(f ) = {~o} (f inyectiva)
indeterminado (más de una solución) ⇐⇒ Nuc(f ) 6= {~o} (f no inyect.)

Dem: Inmediato de la propiedad anterior.

María Luisa Rapún Tema 2

Sistemas de ecuaciones y aplicaciones lineales

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

f −1 (~b) = ~x0 + Nuc(f ) = {~x ∈ Rn | ~x = ~x0 + ~u , con ~u ∈ Nuc(f )}

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 )

2 Si ~b ∈ Im(f ) (si el sistema es compatible), entonces el sistema es

determinado (la única solución es ~x0 ) ⇐⇒ Nuc(f ) = {~o} (f inyectiva)
indeterminado (más de una solución) ⇐⇒ Nuc(f ) 6= {~o} (f no inyect.)

Dem: Inmediato de la propiedad anterior.

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
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

Ejercicios propuestos: 2E28 (clase), 2E29, 2E32, 2P13, 2P14

Ejercicio: Se considera una aplicación lineal f : Rn → Rm y un vector

~b ∈ Rm . Sabiendo que f (~x ) = ~b es compatible indeterminado, al tomar un
vector ~c ∈ Rm cualquiera, indica cuál de las siguientes afirmaciones es
cierta:
1 El sistema f (~x ) = ~c no puede ser compatible indeterminado
2 El sistema f (~x ) = ~c no puede ser incompatible
3 El sistema f (~x ) = ~c no puede ser compatible determinado
4 El sistema f (~x ) = ~c puede ser de cualquier tipo

María Luisa Rapún Tema 2

Ejercicios

Ejercicio (Examen extraordinario, curso 14/15, pregunta 2):

María Luisa Rapún Tema 2

Ejercicios

Ejercicio propuesto (Examen 2, curso 18/19, pregunta A):

María Luisa Rapún Tema 2