UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE CIENCIAS
ÁLGEBRA LINEAL PARA FÍSICOS I (CF-1C2A)
ESPACIOS VECTORIALES

1. TRANSFORMACIÓN LINEAL DE ESPACIOS VECTORIALES

Definición: Sean dos espacios vectoriales E y F sobre el mismo cuerpo conmutativo K, se
llama aplicación lineal de E en F todo homomorfismo de E en F , es decir un aplicación
f : E → F tal que:

(∀x ∈ E) (∀y ∈ E) f (x + y) = f (x) + f (y) (1)

(∀x ∈ E) (∀α ∈ K) f (αx) = αf (x) (2)

Ası́, éste f preserva las operaciones básicas de un espacio vectorial.
Observaciones:
1) Si E = F se dice que f es un endomorfismo del espacio vectorial E, se dice también que
es un operador lineal operando en E.
2) Si la aplicación lineal f : E → F es biyectiva, es un isomorfismo de E sobre F ; si
además E = F , f es un automorfismo del espacio vectorial E, se dice también que f es un
operador lineal regular operando en E.
3) Se denota por LK (E; F ) el conjunto de las aplicaciones lineales de E en F , espacios vecto-
riales sobre el cuerpo K. Se denota por LK (E) el conjunto de los endomorfismos del espacio
vectorial E y por GLK (E) el conjunto de los automorfismos de E. Si ninguna confusión hay
sobre el cuerpo de base K, se puede prescindir de él en las notaciones mencionadas.
Definición: La aplicación Ô : E → F tal que Ô(x) = 0F ∀x ∈ E se llama la aplicación
cero.
Ô(α1 x1 + α2 x2 ) = 0F = 0F + 0F = α1 0F + α2 0F = α1 Ô(x1 ) + α2 Ô(x2 ), con lo cual Ô es una
aplicación lineal.
Definición: El operador Y : E → E tal que Y (x) = x ∀x ∈ E se llama el operador
identidad.
Como Y (α1 x1 + α2 x2 ) = α1 x1 + α2 x2 = α1 Y (x1 ) + α2 Y (x2 ) entonces Y es un operador lineal.
Propiedades fundamentales de las aplicaciones lineales
Jamás hay que perder de vista que una aplicación lineal f de un espacio vectorial E en un
espacio vectorial F (sobre el mismo cuerpo K) es un homomorfismo del grupo aditivo E en
el grupo aditivo F .
Teorema 1: La aplicación compuesta de dos aplicaciones lineales es una aplicación lineal.
Demostración: Sean E, F, G tres espacios vectoriales sobre el mismo cuerpo K y consider-
emos las apicaciones lineales f : E → F y g : F → G entonces g ◦ f : E → G. Para todo
x, y ∈ E

1
 (g ◦ f )(x + y) = g[f (x + y)]
= g[f (x) + f (y)]
= g[f (x)] + g[f (y)]
= (g ◦ f )(x) + (g ◦ f )(y) (3)

Por las mismas razones, para todo x ∈ E y para todo α ∈ K

(g ◦ f )(αx) = g[f (αx)] = g[αf (x)] = αg[f (x)] = α(g ◦ f )(x)
Corolario La composición de dos isomorfismos de espacios vectoriales es un isomorfismo
de espacios vectoriales. La composición de dos endomorfismos (resp. automorfismo) de un
espacio vectorial E es un endomorfismo (resp. automorfismo) en E.
Teorema 2: Si f es una aplicación lineal de E en F
1) f (0E ) = 0F f (−x) = −f (x)
2) Si A es un subespacio vectorial de E, f (A) es un subespacio vectorial de F
3) Si B es un subespacio vectorial de F , f −1 (B) es un subespacio vectorial de E.
Demostración:
1) f (x + 0E ) = f (x) + f (0E ) = f (x) entonces f (0E ) = 0F
Como x + (−x) = 0E entonces f [x + (−x)] = f (0E ) y luego f (x) + f (−x) = 0F con lo cual
f (−x) = −f (x)
2) Sabemos que para A ⊂ E entonces f (A) = {f (x) : x ∈ A}.
Sea A un subespacio de E y sean x′ e y ′ dos elementos cualesquiera de f (A) entonces existen
x e y de A tales que x′ = f (x) e y ′ = f (y), de donde para todo α ∈ K

f (x − y) = f (x) − f (y) = x′ − y ′
f (αx) = αf (x) = αx′ (4)

Como x − y y αx pertenecen a A entonces x′ − y ′ y αx′ pertenecen a f (A) que es por tanto

un subespacio de F .
3) Definimos para B ⊂ F el conjunto f −1 (B) = {x ∈ E : f (x) ∈ B} y lo llamamos la imagen
recı́proca de B o como el conjunto inverso de f para B. Aquı́ f −1 es una notación y no
implica necesariamente que sea la inversa de la función f .
Sea B un subespacio de F y x e y dos elementos cualesquiera de f −1 (B) entonces f (x) y
f (y) pertenecen a B, de donde para todo α de K

f (x) − f (y) = f (x − y)
αf (x) = f (αx) (5)

como f (x) − f (y) y αf (x) pertenecen a B tenemos que x − y y αx pertenecen a f −1 (B) por
tanto es un subespacio de E.
Ejemplo 1: Sea E el espacio vectorial de los segmentos orientados y f : E → E tal que
f (⃗x) = ⃗x + ⃗a con ⃗a = cte. A f se le llama el operador de traslación.
Como f (⃗0) = ⃗0 + ⃗a = ⃗a ̸= ⃗0 entonces f no es un operador lineal.
Ejemplo 2: Una matriz A ∈ MC (n, m) de n filas y m columnas sobre el cuerpo C puede
ser considerada como una aplicación A : Cm → Cn tal que A(x̄) = Ax̄ = ȳ donde Ax̄ es

2
una multiplicación de la matriz A y la matriz unicolumna x̄ ∈ Cm produciendo otra matriz
unicolumna ȳ ∈ Cn .

A(x̄ + ȳ) = A[x̄ + ȳ] = Ax̄ + Aȳ = A(x̄) + A(ȳ)

A(αx̄) = A[αx̄] = αAx̄ = αA(x̄) (6)

Luego A es una aplicación lineal.

Ejemplo 3: Sea E el espacio vectorial de los segmentos orientados. Considere a ⃗u un
segmento orientado de módulo unidad y θ un ángulo. Definamos un operador en E

R̂(⃗x) = ⃗x + sen θ⃗u × ⃗x + (1 − cosθ)⃗u × (⃗u × ⃗x) (7)

R̂(α⃗x + β⃗y ) = α⃗x + β⃗y + sen θ⃗u × (α⃗x + β⃗y ) + (1 − cos θ)⃗u × [⃗u × (α⃗x + β⃗y )]
= α[⃗x + sen θ⃗u × ⃗x + (1 − cosθ)⃗u × (⃗u × ⃗x)] +
+ β[⃗y + sen θ⃗u × ⃗y + (1 − cosθ)⃗u × (⃗u × ⃗y )]
= αR̂(⃗x) + β R̂(⃗y ) (8)

Luego R̂ es un operador lineal.

En concreto, si tenemos un eje (Q, →
−
u ) y un ángulo θ
−→ −→ −→ −→
R̂(QP ) = QP + sen θ→
−
u × QP + (1 − cosθ)→
−
u × (→
−
u × QP ) (9)
−→
es una rotación del segmento orientado QP alrededor del eje (Q, → −u ) en un ángulo θ en el
sentido de la regla de la mano derecha. Por ésta razón se llama a R̂ el operador de rotación.
−→ −−→
De esta manera R̂(QP ) = QP ′
Inversa de una aplicación
Sabemos que una aplicación es una función, para la cual puede, o no, existir su función
inversa. Si existe la inversa de la aplicación lo denotaremos como f −1 y tenemos

(x, y) ∈ f ⇐⇒ (y, x) ∈ f −1 ⇐⇒ f ◦ f −1 = Y (10)

Si f es una aplicación lineal e invertible entonces f (x) = 0F implica que x = 0E .

En efecto, como f es una aplicación lineal, f (0E ) = 0F entonces de f (x) = 0F tenemos
f (x) = f (0E ) y por ser inyectiva x = 0E
Definición: Siendo f una aplicación lineal de E en F , f −1 (0F ), subespacio vectorial de E
es llamado el núcleo de la aplicación lineal y se denota por Kerf ; f (E) subespacio vectorial
de F es llamado imagen de la aplicación lineal f y es denotado por Imf

f ∈ L(E, F ) Kerf = f −1 (0F ) ⊂ E Imf = f (E) ⊂ F (11)

Luego
Kerf = {x ∈ E : f (x) = 0F } Imf = {f (x), ∀x ∈ E} (12)
Dado que f −1 (0F ) es un subespacio entonces 0E ∈ Kerf que también puede obtenerse de
f (0E ) = 0F .

3
Corolario: Sea f una aplicación lineal:
1) f es inyectiva si y solamente si Kerf = {0E }
2) f es sobreyectiva si y solamente si Imf = F
Demostración: Para 1)
(=⇒) Sea x ∈ Kerf entonces f (x) = 0F . Como f es inyectiva, existe la inversa de f
entonces x = 0E y ası́ Kerf = {0E }
(⇐=) Para x, y ∈ E tales que f (x) = f (y) ⇒ f (x − y) = 0F ⇒ x − y ∈ Kerf y como
Kerf = {0E } tenemos que x − y = 0E ⇒ x = y y ası́ f es inyectiva.
Para 2), vemos que simplemente es el enunciado de la definición de una aplicación sobreyec-
tiva: Imf = f (E) = F .
Teorema 3: Si f : E → F es una aplicación lineal inversible entonces f −1 es una aplicación
lineal.
Demostración: Sea f −1 (αx+βy) = z entonces f (z) = αx+βy = α(f ◦f −1 )(x)+β(f ◦f −1 )(y)
lo que implica f (z) = f (αf −1 (x) + βf −1 (y)) y como f es inyectiva z = αf −1 (x) + βf −1 (y)
y reemplazando f −1 (αx + βy) = αf −1 (x) + βf −1 (y). Por lo tanto f −1 es lineal.
Corolario: Si f es un isomorfismo del espacio vectorial E sobre el espacio vectorial F
entonces f −1 es un isomorfismo de F sobre E.
Ejemplo 4: Sea E = C y F = M2 (R) ambos sobre el cuerpo de los reales R. Se define
f : E → F como  
x + 7y 5y
f (z) = z = x + iy (13)
−10y x − 7y
a) Sean a, b ∈ R y z1 = x1 + iy1 , z2 = x2 + iy2 ∈ E = C entonces
f (az1 + bz2 ) = af (z1 ) + bf (z2 ) y ası́ f es una aplicación lineal
b) Kerf = {z ∈ C : f (z) = 0F } entonces
   
x + 7y 5y 0 0
= (14)
−10y x − 7y 0 0

entonces y = 0 = x es decir z = 0 + i0. Por lo tanto Kerf = {0E }.

  
x + 7y 5y
Imf = f (C) = ∀ z = x + iy ∈ C (15)
−10y x − 7y

c) Vemos que la dimKerf = 0 y

     
1 0 7 5
Imf = x +y ∀x, y ∈ R (16)
0 1 −10 −7

Sea    
1 0 7 5
B= , (17)
0 1 −10 −7
Dado que Imf = span(B) y que B es libre entonces dimImf = 2.
Vemos que:
dim(C, R) = 2 = 0 + 2 ⇒ dimE = dimKerf + dimImf

4
 Ahora bien, como Kerf = {0E } entonces f es una aplicación lineal inyectiva (o inversible),
lo cual significa que hay una relación uno a uno entre los espacios E = (C, R) y F = M2 (R).
Sin embargo dado que dimE = dimImf = dimf (E) esto no implica que E = f (E) porque
f (E) es un subespacio de F y no de E.
Definición: Restricción y prolongación de una aplicación
Sea f una aplicación del conjunto A en el conjunto B y X un subconjunto de A, se llama
restricción de f a X la aplicación g de X en B definida por

(∀ x ∈ X) g(x) = f (x) (18)

y f es una prolongación de g. Se denota algunas veces a g por los sı́mbolos fX ó f |X.

Si la restricción de una función está bien determinada por el conocimiento de f y de X,
no ocurre ası́ con los prolongamientos: siendo g conocido, un prolongamiento de g tiene sus
valores bien determinados en X, por el contrario en A − X sus valores son arbitrarios.
Isomorfismo de Imf con todo suplemetario de Kerf
Teorema 4: Sea f una aplicación lineal de un espacio vectorial E en un espacio vectorial
F , si E2 es un suplementario de E1 = Kerf con respecto a E entonces f (E2 ) = f (E) y la
restricción g de f a E2 tomando sus valores en f (E) es un isomorfismo de E2 sobre f (E)
Demostración: Para todo x de E = E1 ⊕ E2 (E1 = Kerf ) tenemos la descomposición única:

x = x1 + x 2 , x1 ∈ Kerf ⇒ f (x1 ) = 0F y x2 ∈ E2 (19)

de donde para todo x de E:

f (x) = f (x1 + x2 ) = f (x1 ) + f (x2 ) = f (x2 ) (20)

entonces f (E2 ) = f (E). Sea g la restricción de f a E2 y tomando sus valores en f (E) , es

decir g : E2 → f (E) y ∀x ∈ E2 : g(x) = f (x). Observamos que g es una aplicación lineal
pues para todo x2 , y2 ∈ E2 y para todo α en K

g(x2 + y2 ) = f (x2 + y2 ) = f (x2 ) + f (y2 ) = g(x2 ) + g(y2 )

g(αx2 ) = f (αx2 ) = αf (x2 ) = αg(x2 ) (21)

Ahora bien, g es sobreyectiva pues para todo x′ de f (E) existe x = x1 + x2 de E (x1 ∈ E1 y

x2 ∈ E2 ) tal que
x′ = f (x) = f (x1 + x2 ) = f (x2 ) = g(x2 ) (22)
Por otra parte g es inyectiva pues, para x2 , y2 ∈ E2 ⇒ x2 − y2 ∈ E2 y

g(x2 ) = g(y2 ) =⇒ g(x2 − y2 ) = f (x2 − y2 ) = 0F (23)

y también x2 − y2 ∈ Kerf = E1 entonces como E1 ∩ E2 = {0E } pues son suplementarios

concluimos que x2 − y2 = 0E y x2 = y2 ; g es por lo tanto una biyección de E2 sobre f (E)

2. ÁLGEBRA
Definición: Sea un cuerpo K conmutativo y E un conjunto provisto de una adición interna
⊤, una multiplicación interna ⊤′ y una multiplicación externa ⊥ cuyo conjunto externo es

5
K, se dice que (E, K, ⊤, ⊤′ , ⊥) tiene una estructura de álgebra sobre K si:
1) E tiene una estructura de espacio vectorial sobre K para ⊤ y para ⊥.
2) E tiene una estructura de anillo para ⊤ y ⊤′ .
3) Para todo λ ∈ K y todo par (x, y) de elementos de E, se tiene:

λ⊥(x⊤′ y) = (λ⊥x)⊤′ y = x⊤′ (λ⊥y) (24)

Si se da un álgebra E sobre el cuerpo conmutativo K, una base del espacio vectorial E será
aún llamada base del álgebra E ; de la misma manera si el espacio vectorial E tiene una
dimensión n sobre K, diremos que el álgebra E es de dimensión n sobre K.
EJEMPLOS:
1) Sea E = K n descrito por sus elementos (x1 , x2 , ..., xn ) y provisto de las operaciones

x⊤y = (x1 + y1 , x2 + y2 , ..., xn + yn )

x⊤′ y = (x1 y1 , x2 y2 , ..., xn yn )
λ⊥x = (λx1 , λx2 , ..., λxn ) (25)

entonces (K n , K, ⊤, ⊤′ , ⊥) es un álgebra sobre K.

2) Sea E = F(R, R) con las operaciones

f ⊤g = f + g =⇒ (f + g)(x) = f (x) + g(x)

f ⊤′ g = f g =⇒ (f g)(x) = f (x)g(x)
λ⊥f = λx =⇒ (λf )(x) = λf (x) (26)

entonces (F(R, R), K, ⊤, ⊤′ , ⊥) es un álgebra sobre R.

De la misma manera si E = P es el conjunto de los polinomios en x con coeficientes reales
con las operaciones de suma, producto y multiplicación por un escalar entonces se forma un
álgebra sobre los reales.
3) Sea E = Mn (K) con las operaciones

A⊤B = A + B A⊤′ B = AB λ⊥A = λA (27)

entonces (Mn (K), K, ⊤, ⊤′ , ⊥) es un álgebra sobre K.

Teorema 5: Sean E y F dos espacios vectoriales sobre el mismo cuerpo conmutativo entonces
el conjunto LK (E; F ) de las aplicaciones lineales de E en F provistos de la adición (f, g) →
f + g y la operación externa (λ, f ) → λf (λ elemento de K) tiene una estructura de espacio
vectorial sobre K.
Desarrollo: Veamos si LK (E; F ) es cerrado
1) Sean f, g ∈ LK (E; F ); a, b ∈ K y x, y ∈ E

(f + g)(ax + by) = f (ax + by) + g(ax + by)

= af (x) + bf (y) + ag(x) + bg(y)
= a[f (x) + g(x)] + b[f (y) + g(y)]
= a(f + g)(x) + b(f + g)(y) (28)

6
entonces f + g es lineal y f + g ∈ LK (E; F )
2) Sean λ ∈ K, f ∈ LK (E; F ) y a, b ∈ K, x, y ∈ E
(λf )(ax + by) = λf (ax + by) = λ[af (x) + bf (y)]
= λ[af (x)] + λ[bf (y)]
= (λa)f (x) + (λb)f (y)
= (aλ)f (x) + (bλ)f (y)
= a[λf (x)] + b[λf (y)]
= a(λf )(x) + b(λf )(y) (29)
entonces λf es lineal y λf ∈ LK (E; F )
Se remarcará que λf supone esencialmente la conmutatividad del cuerpo K.
El elemento de identidad de la operación de adición es el operador nulo Ô que es lineal y
Ô ∈ LK (E; F )
El elemento inverso de f ∈ LK (E; F ) en la adición es −f donde (−f )(x) = −f (x) y −f ∈
LK (E; F ) y ası́ tendremos una estructura de grupo abeliano cuando se cumpla [V1 ] que
implica la asociatividad de la adición.
Se puede demostrar que se cumple los axiomas [V1 ], [V4 ], [V5 ], [V6 ] y [V7 ] con lo que se cumple
el teorema.
Si dimE = m y dimF = n, se demuestra que dimLK (E; F ) = mn
Composición de las aplicaciones lineales
Sean f y g dos elementos que pertenecen respectivamente a LK (E; F ) y LK (F ; G). Hemos
demostrado que g◦f ∈ LK (E; G). Observemos que la aplicación definida por (g, f ) → g◦f no
es en general una operación interna ni una operación externa: es simplemente una aplicación
LK (F ; G) × LK (E; F ) → LK (E; G)
(g, f ) → g ◦ f (30)
Sin embargo si E = F = G entonces g ◦ f es una operación interna definida sobre LK (E).
Sean tres espacios vectoriales E, F, G sobre el mismo cuerpo K, f1 , f2 ∈ LK (E; F ) y g un
elemento cualquiera de LK (F ; G) entonces para todo x de E se tiene
[(f1 + f2 ) ◦ g](x) = (f1 + f2 )[g(x)] = f1 [g(x)] + f2 [g(x)]
= [f1 ◦ g](x) + [f2 ◦ g](x)
= (f1 ◦ g + f2 ◦ g)(x) (31)
Y ası́ tenemos que (f1 + f2 ) ◦ g = f1 ◦ g + f2 ◦ g.
Sea de otra parte f un elemento cualquiera de LK (E; F ) y g1 , g2 ∈ LK (F ; G) entonces para
todo x de E se tiene
[f ◦ (g1 + g2 )](x) = f [(g1 + g2 )(x)] = f [g1 (x) + g2 (x)]
= f [g1 (x)] + f [g2 (x)] = [f ◦ g1 ](x) + [f ◦ g2 ](x) (32)
= [f ◦ g1 + f ◦ g2 ](x) (33)
y también tenemos que f ◦ (g1 + g2 ) = f ◦ g1 + f ◦ g2 .
Por abuso de lenguaje diremos que la composición de las aplicaciones lineales es distributiva

7
 a derecha y a izquierda con respecto a la adición de las aplicaciones lineales.
Observación Notamos que la distributividad a derecha es independiente de la linealidad.
Anillo LK (E). Grupo GLK (E)
Si hacemos ahora E = F = G entonces (f, g) → f + g y (f, g) → f ◦ g son dos operaciones
internas definidas sobre LK (E)
Teorema 6: Sea E un espacio vectorial sobre el cuerpo conmutativo K entonces el conjunto
L(E) de los endomorfismos de E provisto de las operaciones internas (f, g) → f + g y
(f, g) → f ◦ g tiene una estructura de anillo unitario.
Este anillo es en general no conmutativo
Desarrollo: Se puede verificar que f + g es un grupo conmutativo, entonces se cumplen [A1 ],
[A2 ], [A3 ] y [A4 ]. También se sabe que (f ◦ g) ◦ h = f ◦ (g ◦ h) luego se cumple [A5 ] y
acabamos de ver que también se verifica [A6 ]. Notamos que éste anillo es unitario ya que
tiene su elemento identidad para la composición que es el operador identidad Y . Finalmente
está demostrado el teorema.
El conjunto de los automorfismos del espacio vectorial E sobre K es un subconjunto de L(E);
si f y g son automorfismos de E, viene a ser lo mismo de f ◦ g (por el corolario del Teorema
1); por otra parte Y es un automorfismo de E; finalmente si f es un automorfismo en E,
viene a ser lo mismo para f −1 (corolario del Teorema 3)
Teorema 7 y definición: El conjunto de los automorfismos de un espacio vectorial E sobre
un cuerpo conmutativo K es, para la composición de las aplicaciones un grupo, llamado
grupo lineal de E y denotado por GLK (E).

3. ÁLGEBRA L(E): ÁLGEBRA DE OPERADORES LINEALES

Ejercicio: Verifique que para λ ∈ K y f, g ∈ L(E)

λ(f ◦ g) = (λf ) ◦ g = f ◦ (λg) (34)

Desarrollo: Para todo x ∈ E

[λ(f ◦ g)](x) = λ(f ◦ g)(x) = λf [g(x)]
[(λf ) ◦ g](x) = (λf )[g(x)] = λf [g(x)]
[f ◦ (λg)](x) = f [(λg)(x)] = f [λg(x)] = λf [g(x)]
Vemos que se cumplen las relaciones de (34)
Finalmente, usando los dos últimos teoremas y éste ejercicio comprobamos que
(LK (E), K, ⊤ = +, ⊤′ = ◦, ⊥ = ·) es un álgebra sobre K.
Se denota a f ◦ f como f 2 es decir f 2 = f ◦ f y ası́ también f 3 = f ◦ f ◦ f .
Para todo polinomio p(t) = a0 + a1 t + a2 t2 + ... + an tn podemos formar el operador

p(f ) = a0 Y + a1 f + a2 f 2 + ... + an f n (35)

Ejemplo 5: Sea el espacio vectorial E = F(R, R) y el operador L : E → E tal que

L = D2 + ω 2 Y donde D es el operador derivada y ω ∈ R.
Lg = (D2 + ω 2 Y )g = D2 g + ω 2 Y g = (D ◦ D)g + ω 2 g = D(D(g)) + ω 2 g = g ′′ + ω 2 g

8
 Si g = senω + sen2ω ⇒ Lg = (ωcosω + 2ωsenω cosω )′ + ω 2 (senω + sen2ω ) y finalmente Lg =
2ω 2 cos2ω + ω 2 sen2ω
Como L(αf + βg) = (αf + βg)′′ + ω 2 (αf + βg) = α(f ′′ + ω 2 f ) + β(g ′′ + ω 2 g) = αLf + βLg
luego L es un operador lineal.
Lψ = 0̂ ⇒ (D2 + ω 2 Y )ψ = 0̂ ⇒ ψ ′′ + ω 2 ψ = 0̂
Ejemplo 6: Sea el espacio E de los segmentos orientados y el operador Û (⃗p) = ⃗u × p⃗ donde
⃗u es un segmento orientado de módulo unidad.
Para dos reales a, b y dos segmentos orientados p⃗ y ⃗q:
Û (a⃗p + b⃗q) = ⃗u × (a⃗p + b⃗q) = a⃗u × p⃗ + b⃗u × ⃗q = aÛ (⃗p) + bÛ (⃗q) y entonces Û es lineal.
Û 2 (⃗p) = [Û ◦ Û ](⃗p) = Û (⃗u × p⃗) = ⃗u × (⃗u × p⃗) = (⃗u · p⃗)⃗u − (⃗u · ⃗u)⃗p = (⃗u · p⃗)⃗u − p⃗
Ahora aplicamos una vez más el operador Û y como Û (⃗u) = ⃗u × ⃗u = ⃗0
Û 3 (⃗p) = Û [(⃗u · p⃗)⃗u − p⃗] = (⃗u · p⃗)Û (⃗u) − Û (⃗p) = −Û (⃗p).
Como esto ocurre para todo p⃗ entonces Û 3 = −Û
Podemos escribir el operador de rotación en términos de éste operador Û como

R̂ = Y + sen θÛ + (1 − cos θ)Û 2 (36)

Ejemplo 7: Sea E el espacio vectorial de las funciones diferenciables con dominio < a, b >
y el operador L : E → E tal que L = D2 − 6D + 13Y . El núcleo de L es

KerL = {f ∈ E : Lf = 0̂} = {f ∈ E : f ′′ − 6f ′ + 13f = 0̂} (37)

Esto es KerL es el subespacio de E formado por todas las soluciones de la ecuación diferencial
ordinaria (EDO) f ′′ − 6f ′ + 13f = 0̂
Se puede probar que f1 (x) = e3x sen(2x), f2 (x) = e3x cos(2x) ∈ KerL y a la vez que B =
{f1 , f2 } es libre.
Por otra parte se sabe que dimKerL = 2 y por lo tanto B es una base del subespacio KerL
y si y ∈ KerL entonces y(x) = αe3x sen(2x) + βe3x cos(2x).
Como en Lf = 0̂ existe f ̸= 0̂ entonces L no es invertible.

4. RANGO DE UNA TRANSFORMACIÓN LINEAL

Imágenes de subconjuntos. Aplicaciones
Sea f una aplicación lineal de E en F y una combinación lineal de p elementos de E:
x1 , x2 , ..., xp , tendremos
p p p
!
X X X
f αi xi = f (αi xi ) = αi f (xi ) (38)
i=1 i=1 i=1

Teorema 8: Sea f una aplicación lineal de E en F , si G es un subconjunto generador de E

entonces f (G) es un subconjunto generador de f (E)
Sea G = {x1 , x2 , ..., xp } un subconjunto generador de E.
Si x ∈ E entonces f (x) = x′ ∈ f (E)

9
x = α1 x1 + α2 x2 + ... + αp xp
x′ = f (x) = α1 f (x1 ) + α2 f (x2 ) + ... + αp f (xp ) y ası́ Imf = span(f (G))
Corolario 1: Sea f una aplicación lineal de E en F entonces la imagen de una familia A
ligada de E es una familia f (A) ligada de F .
Dado que A es ligado entonces existe x ∈ A que es una combinación lineal finita de los
elementos de A − {x}, entonces f (x) será una combinación lineal finita de los elementos de
f (A) − {f (x)} y por tanto f (A) es ligado.
Siguiendo la lógica p ⇒ q ⇐⇒∼ q ⇒∼ p
Corolario 2: Sea f una aplicación lineal de E en F y A una familia de E tal que f (A) sea
libre en F entonces A es libre en E.
Atención: La imagen de una familia libre de E no es en general una familia libre de F ; en
particular la imagen de una base de E no es en general una base de f (E).
Caso dónde E es de dimensión finita. Rango de una aplicación lineal de E de
dimensión finita en F
Sean E y F dos espacios vectoriales sobre K, supongamos que dimK E = n y designemos
por {a1 , a2 , ..., an } una base de E.
Teorema 9: Existe una aplicación lineal única f de un espacio vectorial E de dimensión n
sobre K en un espacio vectorial F sobre K, tal que

(∀i ∈ [1, n]) f (ai ) = bi (39)

siendo b1 , b2 , ..., bn elementos cualesquiera de F .

Demostración: Sea x ∈ E entonces x = α1 a1 + α1 a2 + ... + α1 an y definamos
n
! n
X X
f (x) = α1 b1 + α2 b2 + ... + αn bn f α i ai = α i bi (40)
i=1 i=1

Tomemos otro y ∈ E entonces y = β1 a1 + β2 a2 + ... + βn an y luego f ( ni=1 βi ai ) = ni=1 βi bi .

P P
Sean µ, η ∈ K
n
X n
X
f (µx + ηy) = f (µ α j aj + η β j aj )
j=1 j=1
n
X
= f( (µαj + ηβj )aj )
i=1
n
X
= (µαj + ηβj )bj
i=1
Xn n
X
= µ αj bj + η βj bj
i=1 i=1
= µf (x) + ηf (y) (41)

Luego f es una aplicación lineal.

Como aj = 0a1 + 0a2 + ... + 1aj + ... + 0an = nk=1 δkj ak entonces
P

10
f (aj ) = f ( nk=1 δkj ak ) = nk=1 δkj bk = bj por tanto f (aj ) = bj para j = 1, 2, ..., n
P P
Veamos si f es únicay para eso sea otra aplicación lineal g : g(aj ) = bj
Pn Pn Pn
g(x) = g j=1 αj aj = j=1 αj g(aj ) = j=1 αj bj = f (x), ∀ x ∈ E y finalmente g = f .
Ası́ f existe, y es única, y es determinada por sus valores para los elementos de la base.
Teorema 10 y definición: Sea f una aplicación lineal de un espacio E de dimensión finita
sobre K en un espacio vectorial F sobre K entonces f (E) es de dimensión finita sobre K y
dimK f (E) ≤ dimK E.
La dimensión de Imf = f (E) es el rango de la aplicación lineal f y se denota por rg(f );
además
rg(f ) = dimK E − dimK Kerf (42)
Demostración:
Si dimK E = n, toda base B de E tiene n elementos y es un subconjunto generador de E
entonces f (B) es un subconjunto generador de f (E) que tiene a lo más n elementos. Entonces
f (E) es de dimensión finita y toda base de f (E), subconjunto generador minimal de f (E)
tiene r ≤ n elementos.
De otra parte si, si E1 = Kerf y E = E1 ⊕ E2 , tendremos

dimK E = dimK Kerf + dimK E2 (43)

ahora bien hemos demostrado que E2 es isomorfo a f (E) entonces dimK E2 = dimK f (E) y

r = rg(f ) = dimK E − dimK Kerf (44)

Hay que remarcar que éste resultado es independiente del hecho que F es de dimensión
infinita o finita y en éste último caso del valor de su dimensión . Sin embargo si F es de
dimensión finita p
rg(f ) ≤ inf (n, p) (45)
pues f (E) ⊂ F .
Corolario 1: Sea f una aplicación lineal de E en F donde E y F son espacios vectoriales
de dimensiones finitas sobre K respectivamente iguales a n y p:
1) rg(f ) = n si y solamente si f es inyectiva.
2) rg(f ) = p si y solamente si f es sobreyectiva.
En efecto rg(f ) = n − dimK Kerf = n implica que Kerf = {0E } entonces f es inyectiva y
recı́procamente. Por otra parte dimK f (E) = dimK F implica que f (E) = F
Corolario 2: Sea f una aplicación lineal de E en F donde E y F son espacios vectoriales
de la misma dimensión finita entonces las propiedades siguientes son equivalentes:
1) f es biyectiva ( es decir f es un isomorfismo de E sobre F )
2) f es inyectiva (es decir Kerf = {0E } )
3) f es sobreyectiva (es decir Im f =F)
Corolario 3: Sea f una aplicación lineal de rango r de un espacio E de dimensión finita n
sobre K en un espacio vectorial F sobre K entonces toda base {a1 , a2 , ..., an } de E tal que
{ar+1 , ar+2 , ..., an } sea una base de su núcleo es tal que {f (a1 ), f (a2 ), ..., f (ar )} es una base
de f (E).

11
5. OPERADORES INVERSIBLES
Afirmación: Sea f una aplicación lineal de E en F y sean p vectores en el subconjunto
S = {x1 , x2 , ..., xp } del espacio vectorial E.
1) Sea f inversible
(i) Si S es libre entonces {f (x1 ), f (x2 ), ..., f (xp )} es libre.
(ii) Si S es ligado entonces {f (x1 ), f (x2 ), ..., f (xp )} es ligado.
2) Sea f no inversible entonces {f (x1 ), f (x2 ), ..., f (xp )} es ligado.
Éste último también significa que si {f (x1 ), f (x2 ), ..., f (xp )} es libre entonces f es inversible.
Desarrollo: Consideremos la combinación lineal nula de {f (x1 ), f (x2 ), ..., f (xp )}

α1 f (x1 ) + α2 f (x2 ) + ... + αp f (xp ) = 0F (46)

1) Como f es una aplicación lineal

f (α1 x1 + α2 x2 + ... + αp xp ) = 0F (47)

y como f es invertible
α1 x1 + α2 x2 + ... + αp xp = 0E (48)
Luego (i) si S es libre entonces α1 = α2 = ... = αp = 0K y {f (x1 ), f (x2 ), ..., f (xp )} es libre.
(ii) si S es ligado entonces ∃ αi ̸= 0K y {f (x1 ), f (x2 ), ..., f (xp )} es ligado.
2) Igualmente consideremos la combinación lineal nula

α1 f (x1 ) + α2 f (x2 ) + ... + αp f (xp ) = 0F (49)

y dado que f es lineal

f (α1 x1 + α2 x2 + ... + αp xp ) = 0F (50)
pero como ahora f es no inversible entonces ∃ q ̸= 0E tal que

α1 x1 + α2 x2 + ... + αp xp = q ̸= 0E (51)

donde no todos los αi son nulos y ∃ ai ̸= 0K y ası́ {f (x1 ), f (x2 ), ..., f (xp )} es ligado.
Ejemplo 8: Hallar todos los valores de α y β para que el siguiente operador lineal sea
inversible y calcule su inversa.

T : R2 → R2 T (x, y) = (αx + βy, α2 x + β 2 y) (52)

6. FUNCIONAL LINEAL. ESPACIO DUAL

09/11/2021

12