T4 Diapositivas

Contenidos
Índice
1 Definición, propiedades y ejemplos

Tema 4: Aplicaciones lineales
2 Operaciones con aplicaciones lineales
Carmen Tasis 3 Matriz asociada a una aplicación lineal

Imagen de un sistema de vectores
Universidad de Oviedo
Determinación de una aplicación lineal
9 de noviembre de 2018 Matriz asociada a una aplicación lineal respecto de dos bases dadas
4 Núcleo e imagen de una aplicación.

Definiciones
Determinación del núcleo y la imagen utilizando una matriz asociada
email: ctasis@uniovi.es
Clasificación de aplicaciones lineales
Carmen Tasis (Universidad de Oviedo) Tema 4 9 de noviembre de 2018 1 / 51 Carmen Tasis (Universidad de Oviedo) Tema 4 9 de noviembre de 2018 2 / 51
Definición, propiedades y ejemplos Definición, propiedades y ejemplos
Contenido Definición

Definición 4.1
3 Matriz asociada a una aplicación lineal Sean U y V dos espacios vectoriales definidos sobre el mismo cuerpo K,
Imagen de un sistema de vectores una aplicación f : U → V diremos que es una aplicación lineal si verifica:
1) ∀~u1 , ~u2 ∈ U se cumple f (~u1 + ~u2 ) = f (~u1 ) + f (~u2 ).
Matriz asociada a una aplicación lineal respecto de dos bases dadas
2) ∀~u ∈ U y ∀α ∈ K se cumple f (α~u ) = αf (~u )
Definiciones
Ejemplos
Proposición 4. 1 (Definición equivalente de aplicación lineal)

Ejemplo 4.1
Sean U y V dos espacios vectoriales definidos sobre el mismo cuerpo K, Dado un espacio vectorial V cualquiera:
una aplicación f : U → V es una aplicación lineal si y sólo si : La aplicación identidad: I : V → V , tal que I (~v ) = ~v ∀ ~v ∈ V es una
aplicación lineal.
∀ ~u1 , ~u2 ∈ U ∀ α1 , α2 ∈ K f (α1~u1 + α2~u2 ) = α1 f (~u1 ) + α2 f (~u2 )

Ejemplo 4.2
Si U = V la aplicación lineal se denomina endomorfismo. Dados dos K - espacios vectoriales U y V cualesquiera:
La aplicación nula: 0f : U → V , tal que 0f (0~U ) = ~0V ∀ ~u ∈ U es una
aplicación lineal.
Ejemplos
Propiedades 4.1
Ejemplo 4.3
La aplicación f : R2 → R2 tal que Si f : U → V es una aplicación lineal, entonces
a) f (~0U ) = ~0V
f (x, y ) = (−x, y )
es una aplicación lineal. b) f (−~v ) = −f (~v )
c)
Ejemplo 4.4
f (a1~u1 + a2~u2 + · · · + an~un ) = a1 f (~u1 ) + a2 f (~u2 ) + · · · + an f (~un )
La aplicación f : R2 → R2 tal que
para cualesquiera ai ∈ K, ~ui ∈ V , i = 1, 2, ..., n.
f (x, y ) = (x, −y )
es una aplicación lineal.
Definición, propiedades y ejemplos Operaciones con aplicaciones lineales
Ejercicios Contenido

Ejercicio 1
Comprobar que f (x, y ) = (x − y , x) es un endomorfismo en R2 . 2 Operaciones con aplicaciones lineales
3 Matriz asociada a una aplicación lineal

Ejercicio 2 Imagen de un sistema de vectores
Comprobar que f (x, y , z) = (x, yx, z) no es un endomorfismo en R3 . Matriz asociada a una aplicación lineal respecto de dos bases dadas

Ejercicio 3 Definiciones
¿Es f (x, y ) = (x + y , y − 1, 0) una aplicación lineal de R2 en R3 .? Determinación del núcleo y la imagen utilizando una matriz asociada
Operaciones con aplicaciones lineales Operaciones con aplicaciones lineales
Operaciones con aplicaciones lineales. Suma y producto Operaciones con aplicaciones lineales. Composición
por un escalar
Teorema 4.2 (Composición de aplicaciones lineales)

Teorema 4.1 (Aplicación suma y producto por un escalar) Sean U, V y W espacios vectoriales definidos sobre el mismo cuerpo
conmutativo K.
Sean U, V espacios vectoriales de dimensión finita definidos sobre el
Supongamos que tenemos definidas dos aplicaciones lineales
mismo cuerpo conmutativo K y f : U → V , g : U → V aplicaciones
lineales. Entonces f:V →W g: U →V
1 f + g : U → V definida como (f + g )(~u ) = f (~u ) + g (~u ) es una
aplicación lineal. Entonces, la composición de estas aplicaciones, definida como:
2 α · f : U → V definida como (α · f )(~u ) = α · f (~u ) es una aplicación h(~u ) = f ◦ g (~u ) = f (g (~u )) ∀ ~u ∈ U

lineal, ∀ α ∈ K es una aplicación lineal.
Operaciones con aplicaciones lineales Matriz asociada a una aplicación lineal
Contenido

h(~u ) = f ◦ g (~u ) = f (g (~u )) ∀ ~u ∈ U
Obsérvese que
g f 3 Matriz asociada a una aplicación lineal
U −→ V −→ W Imagen de un sistema de vectores
− − − − − − −− > Determinación de una aplicación lineal
h =f ◦g Matriz asociada a una aplicación lineal respecto de dos bases dadas
esto es h : U → W .
Definiciones
Matriz asociada a una aplicación lineal Imagen de un sistema de vectores Matriz asociada a una aplicación lineal Determinación de una aplicación lineal
Imagen de un sistema de vectores Determinación de una aplicación lineal
Definición 4.2 (Imagen de un sistema de vectores) Teorema 4.3 (Determinación de una aplicación lineal)
Sea f : U → V una aplicación lineal, y S = {~u1 , ~u2 , . . . , ~un } un sistema de Sean U y V dos espacios vectoriales de dimensión finita definidos sobre el
vectores de U, se llama sistema imagen de S al sistema de vectores de V mismo cuerpo conmutativo K.
Sea BU = {~u1 , ~u2 , . . . , ~un } una base de U y {~v1 , ~v2 , . . . , ~vn } una familia de
f (S) = {f (~u1 ), f (~u2 ), . . . , f (~un )}
vectores de V .
Entonces existe una única aplicación lineal f : U → V tal que
Proposición 4. 2
Sea f : U → V una aplicación lineal, y S un sistema de vectores de U f (~ui ) = ~vi
1 Si S es ligado, entonces f (S) es ligado.
∀i = 1, 2, ..., n.
2 Si f (S) es libre, entonces S es libre.
Además se tiene que si ~u = a1~u1 + a2~u2 + · · · + an~un , entonces se verifica
que
Nota 4.1
Puede ocurrir que un sistema de vectores S sea libre y f (S) sea ligado. f (~u ) = a1 f (~u1 ) + a2 f (~u2 ) + · · · + an f (~un ) = a1~v1 + a2~v2 + · · · + an~vn
Matriz asociada a una aplicación lineal respecto de dos bases
Matriz asociada a una aplicación lineal Determinación de una aplicación lineal Matriz asociada a una aplicación lineal dadas
Definición 4.3 (Matriz asociada a una aplicación lineal respecto de

dos bases dadas)
Sean f : U → V una aplicación lineal, BU = {~u1 , ~u2 , · · · , ~un } una base de

Ejercicio 4 U y BV = {~v1 , ~v2 , · · · , ~vm } una base de V . Supongamos que
Sabiendo que f : R3 → R4 verifica : f (~u1 ) = a11~v1 + a21~v2 + · · · + am1~vm

f (~u2 ) = a12~v1 + a22~v2 + · · · + am2~vm
f (1, 0, 0) = (1, 1, 1, 1), f (0, 1, 0) = (1, 0, 0, 1), f (0, 0, 1) = (0, 0, 0, 7) ..
.
calcúlese f (x, y , z) ∀ (x, y , z) ∈ R3 f (~un ) = a1n~v1 + a2n~v2 + · · · + amn~vm
Se denomina matriz asociada a la aplicación lineal f respecto a las
bases BU de U y BV de V a la matriz
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=  ··· ··· ··· ··· 

am1 am2 · · · amn
Matriz asociada a una aplicación lineal respecto de dos bases Matriz asociada a una aplicación lineal respecto de dos bases
Matriz asociada a una aplicación lineal dadas Matriz asociada a una aplicación lineal dadas
Matriz asociada a una aplicación lineal respecto de dos Teorema 4.4 (Expresión matricial de las ecuaciones de una aplicación
bases dadas lineal)
En las condiciones de la transparencia anterior consideremos, ahora, un

vector cualquiera ~u ∈ U. Denotemos por (x1 , x2 , ..., xn ) a las coordenadas
Obsérvese que en las columnas de A están las coordenadas de los vectores de ~u en la base BU y por (y1 , y2 , ..., ym ) a las coordenadas de f (~u ) en la
de f (BU ), en función de la base BV base BV , con lo que
f (~u1 )BV f (~u2 )BV ··· f (~un )BV ~u = x1~u1 + x2~u2 + · · · + xn~un y f (~u ) = y1~v1 + y2~v2 + · · · + ym~vm
Entonces la relación matricial entre las coordenadas de ambos vectores
↓ ↓ ··· ↓ viene dada por:
 
a11 a12 ··· a1n

 a21 a22 ··· a2n 


y1
 
a11 a12 ... a1n
 
x1

.. .. .. ..
y2 a21 a22 ... a2n x2
 
 . . . .       
=  ⇐⇒ Y = AX
     
am1 am2 ··· amn
 .. .. .. ..   ..
 .   . . .   . 
ym am1 am2 . . . amn xn
| {z } | {z } | {z }
Y A X
En efecto, si ~u = x1~u1 + x2~u2 + · · · + xn~un entonces:

Expresión matricial de las ecuaciones de una aplicación
lineal f (~u ) = f (x1~u1 + x2~u2 + · · · + xn~un ) = x1 f (~u1 ) + x2 f (~u2 ) + · · · + xn f ~un ) =
= x1 (a11~v1 + a21~v2 + · · · + am1~vm )+x2 (a12~v1 + a22~v2 + · · · + am2~vm )+· · ·
Esto es: | {z } | {z }
f (~u1 ) f (~u2 )
· · · + xn (a1n~v1 + a2n~v2 + · · · + amn~vm ) =

| {z }
f (~un )
= (x1 a11 + x2 a12 + · · · + xn a1n )~v1 + (x1 a21 + x2 a22 + · · · + xn a2n )~v2 + · · ·
· · · + (x1 am1 + x2 am2 + · · · + xn amn )~vm = y1~v1 + y2~v2 + · · · + ym~vm
de donde se deduce


 y1 = x1 a11 + x2 a12 + · · · + xn a1n
 y2 = x1 a21 + x2 a22 + · · · + xn a2n

..


 .
ym = x1 am1 + x2 am2 + · · · + xn amn



 y1 = x1 a11 + x2 a12 + · · · + xn a1n
 y2 = x1 a21 + x2 a22 + · · · + xn a2n

.. =⇒


 .
ym = x1 am1 + x2 am2 + · · · + xn amn

Definición 4.4 (Ecuación matricial de una aplicación lineal)
La ecuación Y = AX se denomina ecuación matricial de f respecto de las
      bases BU y BV .
y1 a11 a12 . . . a1n x1
 y2
  a21 a22 . . . a2n   x2 
=⇒   =  ..  ⇐⇒
     
.. .. ..   ..
 .
  . . .   . 
ym am1 am2 . . . amn xn
| {z } | {z } | {z }
Y A X
⇐⇒ Y = AX
Ejercicio 6
Ejercicio 5 Dada la aplicación lineal f : R3 → R2 , definida como:
Dada la aplicación lineal f : R3 → R4 , de la que se sabe que
f (x, y , z) = (x + y , x − z)
f (1, 0, 0) = (1, 0, 0, 1)
f (0, 1, 0) = (0, 1, 1, 0) se pide:
f (0, 0, 1) = (1, 2, 2, 1) 1 Calcular la matriz A asociada a f respecto de las bases canónicas de
ambos espacios vectoriales y escribir la ecuación matricial de la
se pide:
aplicación que se deduce de lo anterior.
1 Calcular la matriz A asociada a f respecto de las bases canónicas de 2 Utilizar la ecuación anterior para calcular f (~v ), siendo ~v = (1, 1, 2).
ambos espacios vectoriales.
3 Calcular la matriz B asociada a f respecto de las bases B de R3 y
2 Escribir la ecuación matricial de la aplicación que se deduce de lo
canónica de R2 , siendo
anterior.
B = {~u1 = (1, 1, 1), ~u2 = (0, −1, 1), ~u3 = (1, 1, 0)}, y escribir la
3 Utilizar la ecuación anterior para calcular f (~v ), siendo ~v = (1, 2, 3). ecuación matricial de la aplicación que se deduce de lo anterior.
4 Utilizar la ecuación anterior para calcular f (~v ), siendo ~v = (1, 2, 1).
Matriz asociada a la composición de aplicaciones

Proposición 4. 3 (Matriz asociada y operaciones con aplicaciones
lineales)
Ejercicio 7
Consideremos los espacios vectoriales U, V y W con bases BU , BV y BW
respectivamente. Supongamos que tenemos definidas las aplicaciones Dadas las aplicaciones lineales g : R3 → R2 y f : R2 → R4 definidas como:
lineales f : V → W , h : V → W y g : U → V y denotemos por
g (x, y , z) = (x + y + z, 0), f (x, y ) = (x, 0, x, x)
A a la matriz asociada a f en las bases BV y BW
C a la matriz asociada a h en las bases BV y BW se pide:
B a la matriz asociada a g en las bases BU y BV 1 Calcular las matrices asociadas a g y f respecto de las bases canónicas
de los correspondientes espacios vectoriales.
entonces
2 Calcular la matriz C asociada a f ◦ g respecto de las bases canónicas
1 La matriz asociada a f + h en las bases BV y BW es A + C
de ambos espacios vectoriales y escribir la ecuación matricial de la
2 La matriz asociada a α · f en las bases BV y BW es α · A aplicación que se deduce de lo anterior.
3 La matriz asociada a f ◦ g en las bases BU y BW es AB
Matriz de la aplicación en distintas bases ¿Qué relación existe entre A y M?
Proposición 4. 4 (Matriz asociada y cambio de base)
Sea f : U → V una aplicación lineal.

Sean BU y BU0 bases de U y BV y BV0 bases de V.
Sea A la matriz de la aplicación lineal en las bases BU y BV , P la matriz
de cambio de base de la base BU a la base BU0 y Q la matriz de cambio de
base de la base BV a la base BV0 .
Entonces, la matriz asociada a f en las bases BU0 y BV0 es
M = Q −1 AP
Y = AX , X = PX 0 , Y = QY 0 ⇒ Y 0 = Q −1 Y = Q −1 AX = Q −1 APX 0 ⇒
M = Q −1 AP
Ejercicio 8
Sea f : R2 −→ R3 una aplicación lineal, cuya matriz asociada respecto de
2 ~ 3 } de R3 es:
 B1 ={~v1 , ~v2 } de R y B2 = {~
las bases ~ 2, w
w1 , w
2 1
A=  3 2  Ejercicio 9
0 1 2
Se considera
la aplicación lineal T : R2 [x] → R dada por
a) Conservando la base B2 de tomamos en R3 , una nueva base R2 2 2
T x + x = (1, 0), T 1 + x = (1, 1) y T (1 + x) = (0, 0). Halla la
0 0 0 0 0
B1 = {~v1 , ~v2 } formada por: ~v1 = ~v1 + ~v2 ; ~v2 = ~v1 − ~v2 . matriz de T respecto de la base canónica de R2 [x] y la base
Hállese la nueva matriz asociada a f . B2 = {(1, 0) , (1, 1)} de R2 .
b) Conservando en R2 la base B1 , y tomando en R3 la base
B20 = {~w10 , w
~ 20 , w
~ 30 } formada por:
~ 10 = w
w ~2 − w ~ 3; w ~ 20 = −~ ~ 30 = w
~ 1; w
w3 + w ~1 + w
~ 2 , hállese la nueva
matriz asociada a f .
c) Hallar la matriz asociada a f al tomar B10 y B20 como bases de R2 y
R3 , respectivamente.
Núcleo e imagen de una aplicación. Núcleo e imagen de una aplicación. Definiciones
Contenido El núcleo de una aplicación lineal
1 Definición, propiedades y ejemplos Definición 4.5 ( Núcleo de una aplicación lineal)
2 Operaciones con aplicaciones lineales Sean U y V dos K−espacios vectoriales y f : U → V una aplicación lineal
entre ambos. Se define el núcleo de la aplicación lineal como el conjunto
3 Matriz asociada a una aplicación lineal
Imagen de un sistema de vectores
n o
ker f = ~u ∈ U / f (~u ) = ~0 ≤ U
Matriz asociada a una aplicación lineal respecto de dos bases dadas
Obsérvese que ~0 ∈ ker(f ), luego ker(f ) 6= ∅.
Definiciones Proposición 4. 5
Clasificación de aplicaciones lineales ker f es un subespacio vectorial de U.
Núcleo e imagen de una aplicación. Definiciones Núcleo e imagen de una aplicación. Definiciones
La imagen de una aplicación lineal
Definición 4.6 (Imagen de una aplicación lineal)
Sean U y V dos K−espacios vectoriales y f : U → V una aplicación lineal

Ejercicio 10 entre ambos. Se define la imagen de la aplicación lineal como el
Dada f : R3 −→ R4 tal que f (x, y , z) = (x, 0, 0, z), ∀ (x, y , z) ∈ R3 , conjunto
indı́quese cuál es su núcleo.
Imf = f (U) = {~v ∈ V / ∃ ~u ∈ U f (~u ) = ~v } ≤ V
Proposición 4. 6
Imf es un subespacio vectorial de V .
Definición 4.7
Llamaremos rango de una aplicación lineal a rg (f ) = dim Imf ≤ dim V
Núcleo e imagen de una aplicación. Definiciones Núcleo e imagen de una aplicación. Definiciones
Teorema 4.5 (Un sistema generador de f (U)) Definición 4.8 (Imagen de un subespacio)
Sea W ≤ U, llamaremos conjunto imagen de W a
Dada una base de U, BU = {~u1 , ~u2 , . . . , ~un }, el sistema
f (BU ) = {f (~u1 ), f (~u2 ), . . . , f (~un )} es un sistema generador de f (U). f (W ) = {f (~
w) ∈ V / w
~ ∈ W}
Obsérvese que f (W ) es un subespacio vectorial de V .

Ejercicio 11
Dada f : R3 −→ R4 tal que Nota 4.2 (Un sistema generador de f (W ))
f (x, y , z) = (x − y , x + y , y , 0), ∀ (x, y , z) ∈ R3 , calcúlese un sistema
Dada una base de W , BW = {~ ~ p }, el sistema
~ 2, . . . , w
w1 , w
generador de su imagen.
f (Bw ) = {f (~
w1 ), f (~
w2 ), . . . , f (~
wp )} es un sistema generador de f (W ).
Determinación del núcleo y la imagen utilizando una matriz Determinación del núcleo y la imagen utilizando una matriz
Núcleo e imagen de una aplicación. asociada Núcleo e imagen de una aplicación. asociada
Determinación del núcleo de una aplicación lineal Determinación de la imagen de una aplicación lineal
Con la notación de la transparencia anterior:
Sea f : U → V .
Supongamos que respecto de unas ciertas bases BU de U y BV de V la f (~u1 )BV f (~u2 )BV ··· f (~un )BV
matriz asociada a la aplicación lineal es A, con lo que la expresión
matricial de la aplicación es ↓ ↓ ··· ↓
 
Y = AX A= a11 a12 ··· a1n
→
− a21 a22 ··· a2n
Un vector →−
v ∈ Ker f (⇐⇒ f (→ −  
v ) = 0 ), si y sólo si sus coordenadas en la 
 .. .. .. ..


base BU , X = (x1 , x2 , ..., xn )t verifican
 . . . . 
am1 am2 ··· amn
AX = 0 Esto es, de las columnas de A podemos extraer las coordenadas en función
de la base BV de los vectores de un sistema generador de Imf .
pues f (→
−
v ) tendrá unas coordenadas Y = (0, 0, ..., 0)t en la base BV .
Es decir, el núcleo de f es el subespacio vectorial formado por los vectores Nótese que
cuyas coordenadas respecto de la base considerada son las soluciones del
sistema homogéneo AX = 0. rg (f ) = dim(Imf ) = rg ({f (~u1 ), f (~u2 ), . . . , f (~un )}) = rg (At ) = rg (A)
Ejercicio 12 Definición 4.9 (Imagen recı́proca de una aplicación lineal)
Dada la aplicación lineal f : R4 −→ R3 , cuya matriz asociada respecto de Sea la aplicación lineal f : U −→ V y W ⊂ V . Se define la imagen
las respectivas bases canónicas es recı́proca (o inversa) de W como el conjunto formado por los vectores de
  U cuya imagen está en W :
1 1 2 0
A= 1 0 1 0  f −1 (W ) = {~u ∈ U | f (~u ) ∈ W }
0 0 0 0
Nota 4.3
calcúlese una base del núcleo y una base de la imagen de f. Si W ≤ V es un subespacio de V, entonces f −1 (W ) es también un
subespacio de U.
~ ∈ V , si w
Dado w / Im(f ), entonces f −1 (~
~ ∈ w ) = ∅.
Ejercicio 13
Dado w ~ ∈ V , si w~ ∈ Im(f ), entonces ∃ ~u ∈ U tal que f (~u ) = w
~
Se considera la aplicación lineal de R3 en R2 [x] siguiente:
En términos matriciales, respecto de las bases que se hayan fijado en
f (a, b, c) = (a − 2b) + (b − c − a)x − (c + b)x 2 U y V , si A es la matriz asociada a f , b es el vector de coordenadas
~ y X son las coordenadas de un vector genérico ~u ∈ U :
de w
Calcúlese una base del núcleo y una base de la imagen.
~u ∈ f −1 (~
w ) ⇐⇒ AX = b
Teorema de las dimensiones en aplicaciones lineales
Ejercicio 14 Teorema 4.6 (Teorema de las dimensiones en aplicaciones lineales)

Considerando la aplicación del ejercicio 12, calcúlese f −1 ((1, 2, 0)) y
f −1 ((1, 0, 1)). Sea f : U → V una aplicación lineal, entonces:
Recordar que la matriz asociada a las bases canónicas era: dim(U) = dim ker(f ) + rg (f )
 
1 1 2 0
A= 1 0 1 0  Ejercicio 15
0 0 0 0 Calcúlese el núcleo y la imagen de f : R2 −→ R2 cuya matriz asociada
respecto
de labase canónica (como espacio inicial y final) es
1 1
A=
0 1
Núcleo e imagen de una aplicación. Clasificación de aplicaciones lineales Núcleo e imagen de una aplicación. Clasificación de aplicaciones lineales
Tipos de aplicaciones Caracterizaciones de los tipos de aplicaciones lineales
Dada una aplicación f : A → B diremos que es inyectiva cuando dos

elementos distintos de A no tienen nunca la misma imagen en B, es decir
Proposición 4. 7 (Caracterización de las aplicaciones lineales
x, y ∈ A con f (x) = f (y ) =⇒ x = y inyectivas y suprayectivas )
Dados U y V K−espacios vectoriales, y dada f : U → V aplicación lineal,
o también se verifica:
x, y ∈ A con x 6= y =⇒ f (x) 6= f (y ) f inyectiva ⇐⇒ ker f = {~0}
y diremos que es suprayectiva si todo elemento de B es imagen de al Dados U y V K−espacios vectoriales, y dada f : U → V aplicación lineal,
menos un elemento de A, es decir, si se verifica:
f suprayectiva ⇐⇒ Imf = V
∀x ∈ B ∃ y ∈ A / f (y ) = x
Una aplicación diremos que es biyectiva si es inyectiva y suprayectiva.
Biyecciones Caracterización de las aplicaciones lineales
Corolario 4.1
En las condiciones anteriores, si U y V tienen dimensión finita, n y m
Proposición 4. 8 (Caracterización de las aplicaciones lineales respectivamente, y A ∈ Mm×n (K) es la matriz asociada a f respecto de
biyectivas ) ciertas bases dadas, entonces:
Sean U y V dos K−espacios vectoriales de dimensión finita y f : U → V 1 f es inyectiva ⇐⇒ rg (A) = n.
una aplicación lineal entre ambos.Entonces: 2 f es suprayectiva ⇐⇒ rg (A) = m.
1 f es biyectiva =⇒ dim(U) = dim(V ). 3 f es biyectiva ⇐⇒ A es una matriz cuadrada inversible
2 Si dim(U)=dim(V) entonces: (rg (A) = n = m).
f es inyectiva ⇐⇒ f es suprayectiva ⇐⇒ f es biyectiva

Definición 4.10 (Isomorfismo)
Las aplicaciones lineales biyectivas se denominan isomorfismos.
Ejercicio 17
Sea la aplicación lineal f : R3 −→ R3 y B = {~v1 , ~v2 , ~v3 } una base de R3 .

La aplicación lineal f está definida como sigue:
Ejercicio 16
f (~v1 ) = ~v2 + ~v3
Indicar si la aplicación lineal del ejercicio 12 es inyectiva, suprayectiva o
f (~v1 + ~v2 ) = ~v1 + ~v2 + 2~v3
biyectiva.
f (~v1 + ~v2 + ~v3 ) = ~v1 + 2~v2 + ~v3
Se pide:
1 Calcular la matriz de la aplicación lineal f en la base B.
2 Calcular la imagen del subespacio vectorial f (H), donde
H = {~v = (x, y , z)B ∈ R3 | x + y + z = 0}
3 Indicar si f es inyectiva, suprayectiva o biyectiva.

T4 Diapositivas

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

T4 Diapositivas

Cargado por

Copyright:

Formatos disponibles

Contenidos

1 Definición, propiedades y ejemplos

Carmen Tasis 3 Matriz asociada a una aplicación lineal

4 Núcleo e imagen de una aplicación.

Definición, propiedades y ejemplos Definición, propiedades y ejemplos

1 Definición, propiedades y ejemplos

2 Operaciones con aplicaciones lineales

Proposición 4. 1 (Definición equivalente de aplicación lineal)

∀ ~u1 , ~u2 ∈ U ∀ α1 , α2 ∈ K f (α1~u1 + α2~u2 ) = α1 f (~u1 ) + α2 f (~u2 )

Definición, propiedades y ejemplos Definición, propiedades y ejemplos

es una aplicación lineal. b) f (−~v ) = −f (~v )

es una aplicación lineal.

1 Definición, propiedades y ejemplos

3 Matriz asociada a una aplicación lineal

4 Núcleo e imagen de una aplicación.

Operaciones con aplicaciones lineales Operaciones con aplicaciones lineales

Teorema 4.2 (Composición de aplicaciones lineales)

2 α · f : U → V definida como (α · f )(~u ) = α · f (~u ) es una aplicación h(~u ) = f ◦ g (~u ) = f (g (~u )) ∀ ~u ∈ U

1 Definición, propiedades y ejemplos

Imagen de un sistema de vectores Determinación de una aplicación lineal

Definición 4.3 (Matriz asociada a una aplicación lineal respecto de

Sean f : U → V una aplicación lineal, BU = {~u1 , ~u2 , · · · , ~un } una base de

Sabiendo que f : R3 → R4 verifica : f (~u1 ) = a11~v1 + a21~v2 + · · · + am1~vm

am1 am2 · · · amn

En las condiciones de la transparencia anterior consideremos, ahora, un

En efecto, si ~u = x1~u1 + x2~u2 + · · · + xn~un entonces:

· · · + xn (a1n~v1 + a2n~v2 + · · · + amn~vm ) =

Matriz asociada a la composición de aplicaciones

Matriz de la aplicación en distintas bases ¿Qué relación existe entre A y M?

Proposición 4. 4 (Matriz asociada y cambio de base)

Sea f : U → V una aplicación lineal.

Entonces, la matriz asociada a f en las bases BU0 y BV0 es

Contenido El núcleo de una aplicación lineal

1 Definición, propiedades y ejemplos Definición 4.5 ( Núcleo de una aplicación lineal)

La imagen de una aplicación lineal

Definición 4.6 (Imagen de una aplicación lineal)

Sean U y V dos K−espacios vectoriales y f : U → V una aplicación lineal

Obsérvese que f (W ) es un subespacio vectorial de V .

Ejercicio 12 Definición 4.9 (Imagen recı́proca de una aplicación lineal)

Teorema de las dimensiones en aplicaciones lineales

Ejercicio 14 Teorema 4.6 (Teorema de las dimensiones en aplicaciones lineales)

Tipos de aplicaciones Caracterizaciones de los tipos de aplicaciones lineales

Dada una aplicación f : A → B diremos que es inyectiva cuando dos

Una aplicación diremos que es biyectiva si es inyectiva y suprayectiva.

Biyecciones Caracterización de las aplicaciones lineales

f es inyectiva ⇐⇒ f es suprayectiva ⇐⇒ f es biyectiva

Sea la aplicación lineal f : R3 −→ R3 y B = {~v1 , ~v2 , ~v3 } una base de R3 .

También podría gustarte