UNIVERSIDAD DE CONCEPCION

Facultad de Ciencias Fsicas y Matematicas.

Departamento de Ingeniera Matematica.

Algebra II. 525148

Aplicaciones Lineales

Dpto. de Ingeniera Matematica

1.

Algebra II. 525148.

Aplicaciones Lineales
: Aplicacion
Lineal. Sean V y W espacios vectoriales sobre IK . Una
Definicion
T
aplicacion

Lineal si satisface las condiciones:

: V W es una Aplicacion

1.

T (u + v) = T (u) + T (v), u, v V .

2.

T ( u) = T (u), IK, u V .

Ejemplo 1. Para las siguientes aplicaciones :

T : R2 R3 , (x, y) 7 T (x, y) = (2x + 3y, 3y, 4x 2y) es lineal.

L : R2 R3 , (x, y) 7 L(x, y) = (2x + 3y, 3, 4x 2y) no es lineal.
L no satisface ninguna de las condiciones enumeradas.
Se tiene que: la aplicacion
lineal. En cambio la aplicacion
T es lineal pues
Luego no es una aplicacion

satisface las dos condiciones de la definicion.

Dpto. de Ingeniera Matematica

2.

Algebra II. 525148.

Observaciones:
1. Las aplicaciones (o transformaciones) lineales se denotan por letras
mayusculas

T, L, A, etc.
2. Si V

lineal T : V V
= W , entonces una aplicacion

se llama

Operador Lineal.
son equivalentes con:
3. Las condiciones (1) y (2), de la definicion,

T ( u + v) = T (u) + T (v), , IK, u, v V,

lo que permite otra forma de probar que T es lineal.

Dpto. de Ingeniera Matematica

3.

Algebra II. 525148.

Ejemplo 2). Las siguientes aplicaciones son lineales, para los espacios vectoriales
indicados:
1) Cualquiera sean los espacios vectoriales V y W ,

T1 : V W, T1 (v) = W .
T2 : V V, T2 (v) = v.
2) Para V

= R3 y W = R2 ,
T : V W, T (x, y, z) = (x + y, z).

3) Para u

Rn y V = Mn (R),
T : Mn (R) Rn , T (A) = Au.

Ver caso particular, con n

Dpto. de Ingeniera Matematica

= 2.

4.

Algebra II. 525148.

Propiedades.
a) Si T y L son aplicaciones lineales de V en W entonces se tiene que:
1.

T (V ) = W .

2.

T (u) = T (u), u V .

3.

lineal IK .
T + L es una aplicacion

b) Si denotamos por L(V, W ) al conjunto de aplicaciones lineales entre los

espacios vectoriales V y W , entonces la propiedad (3), anterior, asegura que

L(V, W ) es un subespacio vectorial del espacio F(V, W ), de todas las

funciones de V en W .

Dpto. de Ingeniera Matematica

5.

Algebra II. 525148.


Definicion.
Sean V y W espacios vectoriales sobre IK , T

: V W una

lineal. Se definen el Nucleo

aplicacion

y la imagen de T como los conjuntos:

1.

Ker(T ) := {u V : T (u) = }.

2.

Im(T ) := {w W : T (u) = w, u V }.

T definida en
Ejemplo 3.. Encuentre el nucleo

y la imagen de la aplicacion
ejemplo (2.2).
Naturalmente el nucleo
Observacion.

(o kernel) de T es el subconjunto de V de
los vectores cuya imagen es el vector nulo. En cambio la Imagen de T es el
lineal, tambien
se
subconjunto de W correspondiente al recorrido de la aplicacion
escribe

Im(T ) = {T (u) : u V }.

Dpto. de Ingeniera Matematica

6.

Algebra II. 525148.

Teorema. Sean V y W espacios vectoriales sobre IK ,

T : V W una

lineal. Se tiene:
aplicacion
1. El Nucleo

de T , Ker(T ), es un subespacio de V .
2. La imagen de T , Im(T ), es un subespacio de W .

: V W se llama nulidad de T a la
del Ker(T ) y se llama rango de T a la dimension
de Im(T ). Se
dimension
Dada una aplicacion
lineal T
Definicion.
denotan por:

N (T ) = dim(Ker(T )),

R(T ) = dim(Im(T ))

respectivamente.
Ejemplo 4. Encuentre nucleo,

imagen, rango y nulidad para la aplicaciones

lineales definidas en ejemplo 2).

Dpto. de Ingeniera Matematica

7.

Algebra II. 525148.

Teorema. Si {v1 , v2 , ..., vn } es una base del espacio vectorial V , entonces la

: V W esta definida por el valor de T en los vectores de

la base. Es decir, por {T (v1 ), T (v2 ), ..., T (vn )}.

lineal T
aplicacion

Teorema. Si {v1 , v2 , ..., vn } es una base del espacio vectorial V y

{w1 , w2 , ..., wn } son vectores del espacio vectorial W , entonces existe una
lineal T : V W tal que T (vi ) = wi , i = 1, 2, ..., n.
unica

aplicacion
Corolario. Si T y L son aplicaciones lineales de V en W que coinciden en una
base de V , entonces T

Dpto. de Ingeniera Matematica

= L.

8.

Algebra II. 525148.

 lineal, entonces T es inyectiva si y

: V W es una aplicacion
si Ker(T ) = {}.
solo

Teorema. Si T

Observacion.
lineal inyectiva y {u1 , u2 , ..., um } V es
: V W es una aplicacion
linealmente independiente, entonces {T (u1 ), T (u2 ), ..., T (um )} W es

Si T

linealmente independiente.
Teorema de las dimensiones.. Sean V y W dos espacios vectoriales sobre el
finita. Si T
mismo cuerpo IK , V de dimension

: V W es una aplicacion

lineal, entonces

N (T ) + R(T ) = dim(V ).

Dpto. de Ingeniera Matematica

9.

Algebra II. 525148.

 importante es la que se tiene entre las

Transformaciones matriciales. Una relacion
matrices y las aplicaciones lineales.
lineal
Mmn (IK) se define una aplicacion
por la matriz A. Esto es
T mediante la multiplicacion
En primer lugar, dada una matriz A

T : Rn Rm , x 7 T (x) = A x.
lineal T , multiplicacion
por la matriz A, para la
Ejemplo 5). Defina la aplicacion
matriz

A= 2 0 6

0 1 3

Dpto. de Ingeniera Matematica

10 .

Algebra II. 525148.

= (aij ) Mmn (IK), llamaremos espacio de

filas de A al subespacio generado por los vectores filas de A. Es decir, por los
Dada una matriz A
Definicion.

vectores:

(a11 , a12 , ..., a1n ), (a21 , a22 , ..., a2n ), ..., (am1 , am2 , ..., amn ).
y llamaremos espacio de columnas de A al subespacio generado por los
vectores columnas de A. Es decir por

a11

a21

.
..

am1

Dpto. de Ingeniera Matematica

a12

a22

, .
..

am2

a1n

a2n

, ..., .
..

amn

11 .

Algebra II. 525148.

Lema. Los vectores no nulos, en la forma escalonada de A, constituyen una base

para el espacio filas de A.
verificar esto para la matriz A del ejemplo anterior.
Es facil
Ahora, el espacio de las columnas de A es el mismo que el espacio filas de At ,
que, de acuerdo con el lema anterior, es generado por los vectores no nulos de la
matriz escalonada de At .
Ejemplo 6. Analizar estos resultados con la matriz del ejemplo 5.

Dpto. de Ingeniera Matematica

12 .

Algebra II. 525148.

 lineal obtenida de la multiplicacion

: Rn Rm es la aplicacion
por una matriz A, entonces Im(T ) = {Ax : x Rn } es el espacio de
columnas de A.
Teorema. Si T

Teorema. El espacio de filas y el espacio de columnas de una matriz A tienen la

misma dimension.

Del teorema anterior se tiene que si T es la multiplicacion

por una
Observacion.
matriz A, entonces dim(Im(T )) es el numero

de filas no nulas de una forma

escalonada de A.

Dpto. de Ingeniera Matematica

13 .

Algebra II. 525148.

 matriz asociada a una aplicacion

lineal.
Definicion:

= {v1 , v2 , ..., vn } y
= {w1 , w2 , ..., wm } bases de V y W respectivamente y T : V W

Sean V y W dos espacios vectoriales sobre IK , BV

BW

lineal, entonces
una aplicacion

T (v1 ) = a11 w1 + a21 w2 + + am1 wm

T (v2 ) = a12 w1 + a22 w2 + + am2 wm
..
.

..
.

T (vn ) = a1n w1 + a2n w2 + + amn wm

LLamaremos matriz asociada a T con respecto a las bases BV y BW a la matriz

cuyas columnas son las coordenadas de T (v1 ), T (v2 ), ..., T (vn ) en la base

BW .

Dpto. de Ingeniera Matematica

14 .

Algebra II. 525148.


Notacion:
La matriz asociada a T se denota por:
W
[T ]B
BV

o por

[T ]BV BW ,

es decir,

W
[T ]B
BV

a11

a21

:= .
..

am1

lineal identica I
Para la aplicacion

a12
a22
..
.

am2

...

a1n

...

a2n

...

..
.

... amn

: V V y B la base canonica
del espacio

n la matriz asociada es
V de dimension

[I]BB = In .

Dpto. de Ingeniera Matematica

15 .

Algebra II. 525148.

Observaciones.
Sean V , W espacios vectoriales sobre IK y

T : V W una aplicacion

lineal. Se tiene:

Si BV , BW son las bases canonicas

de V = Rn y W = Rm , entonces T
B
por A = [T ]BW . Es decir,
es la multiplicacion
V

T : Rn Rm , T u = A u.
Si BV , BW son bases de V y W respectivamente, entonces T se puede
B
definir a partir de [T ]BW
como sigue
V
W
[T ]B
BV [u]BV = [T (u)]BW .

Dpto. de Ingeniera Matematica

16 .

Algebra II. 525148.

Teorema.
finita sobre K , BV y BW bases
Sean V y W espacios vectoriales de dimension
de V y W respectivamente. Si T, L

: V W son aplicaciones lineales,

entonces

[T + L]BV BW = [T ]BV BW + [L]BV BW .

[T ]BV BW = [T ]BV BW .
finita sobre IK , BV base de
Teorema. Sean V un espacio vectorial de dimension

V y T : V V un operador lineal. Si T es biyectiva, entonces

V
[T ]B
BV = [T ]BV es una matriz inversible y
1
[T ]1
]BV .
BV = [T

Dpto. de Ingeniera Matematica

17 .

Algebra II. 525148.

 lineal
Ejemplo 6. La aplicacion

T : R2 R2 , 7 T (x, y) = (2x + y, x + y),

definida de R2 en R2 es biyectiva, pues Ker(T )

= {} e Im(T ) = R2 .

2 1
B
es

Luego, su matriz asociada en la base canonica

A = [T ]BV =
1 1
invertible.

Dpto. de Ingeniera Matematica

18 .

Algebra II. 525148.

Aplicaciones Lineales
Por el teorema anterior, se tiene que su inversa A1 es la matriz asociada a la
linesal T 1 . Es decir
aplicacion

[T

]B =

[T ]1
BV

=A

inversa T 1
Con esta matriz se puede definir la aplicacion

: R2 R2 , desde

la relacion

[T

]B

x
y

x
y

xy
x + 2y

De tal manera que:

T 1 : R2 R2 , T 1 (x, y) = (x y, x + 2y).

Dpto. de Ingeniera Matematica

19 .

Algebra II. 525148.

 Sean V y W espacios vectoriales sobre IK , una aplicacion

lineal
Definicion.

T : V W es un isomorfismo de V en W si T es biyectiva. Se dice que V y

W son isomorfos.
Ejemplo 7. Los espacios M2 (R) y R4 son isomorfos. El isomorfismo es la
biyectiva
aplicacion

T : M2 (R) R ,

= (a, b, c, d).

Teorema.
finita sobre IK . Si dim(V )
Sean V y W espacios vectoriales de dimension
y dim(W )

=n

= m, entonces L(V, W ) es isomorfo con Mmn (IK).

Dpto. de Ingeniera Matematica

20 .

Algebra II. 525148.

 Matriz de transicion.

Definicion:

= {v1 , v2 , ..., vn } y B = {v1 , v2 , ..., vn } dos bases del espacio

o de paso de B a B a la matriz P , tal
vectorial V , se llama matriz de transicion

que la j-esima
columna de P es el vector de coordenadas de vj en la base B . Es
Sean B

decir,

a11

a21

P := .
..

an1

a12
a22
..
.

an2

...

a1n

...

a2n

...

..
.

... ann

a1j

a2j

, con .

..

anj

= [vj ]B , j = 1, 2, ..., n.

se dice que P es la matriz de paso de la base antigua B a la base nueva

Tambien

B.
Es facil
ver que P
Observacion.

Dpto. de Ingeniera Matematica

= [I]B
B .

21 .

Algebra II. 525148.

 de una base B a una base B del

Teorema. Si P es la matriz de transicion
finita V , entonces para x
espacio vectorial de dimension

V las coordenadas de

x en ambas bases se relacionan por:

[x]B = P [x]B .

de una base B a una base B del

Teorema. Si P es la matriz de transicion
finita V , entonces P es inversible y su inversa
espacio vectorial de dimension
de B a B .
P 1 es la matriz de transicion
de una base ortonormal B a una base
Teorema. Si P es la matriz de transicion
finita V , entonces
ortonormal B en un espacio vectorial de dimension

P 1 = P t .

Dpto. de Ingeniera Matematica

22 .

Algebra II. 525148.

= {( 12 , 12 ), ( 12 , 12 } y
B = {(1, 0), (0, 1)}, entonces la matriz de paso de de B a B es simple de

Ejemplo 8. Si consideramos las bases B

encontrar, corresponde a:

P =

1
2
1
2

1
2
12

Como las bases son ortonormales se tiene que la matriz de paso de la base B a
la base B es

Q = P 1 = P t =

1
2
1
2

1
2
12

1
2
1
2

1
2
12

Si tenemos una base que no es ortogonal, por ejemplo

Observacion.
de
B = {(1, 1), (2, 1)}, entonces podemos usar el proceso de ortogonalizacion
Gramm- Schmidt para obtener la base ortonormal B = {( 1 , 1 ), ( 1 , 1 }
2
2
2
2
y buscar la matriz de paso P (y tambien Q) usando bases ortonormales.

Dpto. de Ingeniera Matematica

23 .

Algebra II. 525148.

Aplicaciones Lineales
lineal depende de las bases consideradas
La matriz asociada a una aplicacion
para los espacios vectoriales, la matriz cambia cuando se cambian las bases. La
es dada en el siguiente teorema.
relacion

: V V es una operador lineal en un espacio vectorial V de

finita y P es la matriz de transicion
de la base B a la base B , entonces
dimension

Teorema. Si T

[T ]B = P 1 [T ]B P.
Ejemplo. Si consideramos las bases de R2 , B

= {(1, 1), (2, 1)} y

lineal
B = {(1, 0), (0, 1)}, entonces la matriz asociada a la aplicacion
T (x, y) = (2x + y, x + y), en las bases dadas y la matriz P de paso de B a
B son:

1 1
2 1
1 2

[T ]B =
, [T ]B =
,P =
1 2
1 1
1 1
y satisfacen la identidad del teorema.

Dpto. de Ingeniera Matematica

24 .

Algebra II. 525148.

 Si A y B son dos matrices cuadradas, entonces se dice que B es

Definicion.
semejante a A si existe una matriz inversible P tal que B

= P 1 AP .

Naturalmente, en este caso A es semejante con B ; por lo que, se dice que A y B

son semejantes.

el teorema anterior afirma que si dos

Ejemplo 9. De acuerdo a esta definicion,
matrices representan al operador lineal T

: V V , con respecto a bases

diferentes, entonces las matrices son semejantes.

ACQ/acq.

Dpto. de Ingeniera Matematica

25 .

Algebra II. 525148.