UNIVERSIDAD DE CONCEPCION

Facultad de Ciencias Fı́sicas y Matematicas.

Departamento de Ingenierı́a Matemática.

Algebra II. 525148

Aplicaciones Lineales
Noviembre de 2010.

Profesores:
Antonio Contreras Quilodrán.
Rommel Bustinza Pariona.
Manuel Campos Pareja.

Dpto. de Ingenierı́a Matemática 1. ACQ/RBP/MCP.

 Aplicaciones Lineales

Definición : Aplicación Lineal.

Sean V y W espacios vectoriales sobre IK . T : V −→ W es una Aplicación

Lineal si satisface las condiciones:

1. T (u + v) = T (u) + T (v), ∀u, v ∈ V .

2. T (λ · u) = λ · T (u), ∀λ ∈ IK, ∀u ∈ V .

Ejemplo . La aplicación :

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.

Dpto. de Ingenierı́a Matemática 2. ACQ/RBP/MCP.

 Aplicaciones Lineales

Observaciones:

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

mayúsculas T, L, A, etc.
Si V = W , entonces la aplicación se llama Operador Lineal.
2. Las condiciones (1) y (2), de la definición, son equivalentes con:

T (α · u + β · v) = α · T (u) + β · T (v), ∀α, β ∈ IK, ∀u, v ∈ V.

Dpto. de Ingenierı́a Matemática 3. ACQ/RBP/MCP.

 Aplicaciones Lineales

Propiedades.

Si T y L son aplicaciones lineales de V en W entonces se tiene que:

1. T (θV ) = θW .
2. T (−u) = −T (u), ∀u ∈ V .
3. λT + L es una aplicación lineal ∀λ ∈ IK .

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

vectoriales V y W , entonces las propiedades anteriores aseguran que L(V, W)
es un subespacio vectorial del espacio de todas las funciones de V en W .

Dpto. de Ingenierı́a Matemática 4. ACQ/RBP/MCP.

 Aplicaciones Lineales

Definición : Núcleo e Imagen de una aplicación lineal.

Sean V y W espacios vectoriales sobre IK , T : V −→ W una aplicación lineal.

Se definen el Núcleo y la imagen de T como los conjuntos:

1. Ker(T ) := {u ∈ V : T (u) = θ}.

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

Naturalmente el núcleo (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 subconjunto de W
correspondiente al recorrido de la aplicación lineal, también se escribe

Im(T ) = {T (u) : u ∈ V }.

Dpto. de Ingenierı́a Matemática 5. ACQ/RBP/MCP.

 Aplicaciones Lineales

Sean V y W espacios vectoriales sobre IK , T : V −→ W una aplicación

lineal. Se tiene:

1. El Núcleo de T , Ker(T ), es un subespacio de V .

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

Definición. Nulidad y Rango.

: V −→ W se llama nulidad de T a la dimensión

Dada una aplicación lineal T
del Ker(T ) y se llama rango de T a la dimensión de Im(T ). Se denotan por:

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

respectivamente.

Dpto. de Ingenierı́a Matemática 6. ACQ/RBP/MCP.

 Aplicaciones Lineales

Teorema.

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

lineal T : V −→ W está definida por el valor de T en los vectores de la base. Es
decir, por {T (v1 ), T (v2 ), ..., T (vn )}.

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 única aplicación lineal
T : V −→ W tal que T (vi ) = wi , i = 1, 2, ..., n.

Corolario.

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

entonces T = L.

Dpto. de Ingenierı́a Matemática 7. ACQ/RBP/MCP.

 Aplicaciones Lineales

Teorema.

: V −→ W es una aplicación lineal, entonces T es inyectiva si y sólo si

Si T
Ker(T ) = {θ}.

Observación.

Si T : V −→ W es una aplicación lineal inyectiva y {u1 , u2 , ..., um } ⊆ V es

linealmente independiente, entonces {T (u1 ), T (u2 ), ..., T (um )} ⊆ W es
linealmente independiente.

Teorema de las dimensiones.

Sean V y W dos espacios vectoriales sobre el mismo cuerpo IK , V de dimensión

: V −→ W es una aplicación lineal, entonces
finita. Si T
N (T ) + R(T ) = dim(V ).

Dpto. de Ingenierı́a Matemática 8. ACQ/RBP/MCP.

 Aplicaciones Lineales

Transformaciones matriciales.

Una relación importante es la que se tiene entre las matrices y las aplicaciones
lineales.

En primer lugar, dada una matriz A ∈ Mm×n (IK) se define una aplicación lineal
T mediante la multiplicación por la matriz A. Esto es

T : Rn −→ Rm , x 7→ T (x) = A · x.

Definición. Dada una matriz A= (aij ) ∈ Mm×n (IK) llamaremos espacio de

filas de A al subespacio generado por los vectores filas de A. Es decir, por los
vectores:

(a11 , a12 , ..., a1n ), (a21 , a22 , ..., a2n ), ..., (am1 , am2 , ..., amn ).

Dpto. de Ingenierı́a Matemática 9. ACQ/RBP/MCP.

 Aplicaciones Lineales

Llamaremos espacio de columnas de A al subespacio generado por los vectores

columnas de A. Es decir por
     
a11 a12 a1n
     
 a21   a22   a2n 
, .  , ...,  . .
     
 .
 ..   ..   .. 
     
am1 am2 amn

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

para el espacio filas de A.

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 .

Dpto. de Ingenierı́a Matemática 10 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Teorema.

Si T : Rn −→ Rm es la aplicación lineal obtenida de la multiplicación por una

matriz A, entonces Im(T ) = {Ax : x ∈ Rn } es el espacio de columnas de A.

Teorema.

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

dimensión.

Observación. Del teorema anterior se tiene que si T es la multiplicación por una

matriz A, entonces dim(Im(T )) es el número de filas no nulas de una forma
escalonada de A.

Dpto. de Ingenierı́a Matemática 11 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Definición: matriz asociada a una aplicación lineal.

Sean V y W dos espacios vectoriales sobre IK , BV = {v1 , v2 , ..., vn } y

BW = {w1 , w2 , ..., wm } bases de V y W respectivamente y T : V −→ W
una aplicación lineal, entonces

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 Ingenierı́a Matemática 12 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Notación: La matriz asociada a T se denota por:

[T ]BW
BV o por [T ]BV BW ,

es decir,

 
a11 a12 ... a1n
 
 a21 a22 ... a2n 
[T ]BW
:=  .
 
BV
 .. .. .. 
 . ... .


am1 am2 ... amn

Para la aplicación lineal identica I : V −→ V y B la base canónica del espacio

V de dimensión n la matriz asociada es

[I]BB = In .

Dpto. de Ingenierı́a Matemática 13 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Observaciones.

Sean V , W espacios vectoriales sobre IK y T : V −→ W una aplicación

lineal. Se tiene:

• Si BV , BW son las bases canónicas de V = Rn y W = Rm , entonces T

B
es la multiplicación por A = [T ]BW
V
. Es decir,

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
V
como sigue

[T ]B
BV · [u]BV = [T (u)]BW .
W

Dpto. de Ingenierı́a Matemática 14 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Teorema.

Sean V y W espacios vectoriales de dimensión finita sobre K , BV y BW bases

de V y W respectivamente. Si T, L : V −→ W son aplicaciones lineales,
entonces

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

• [λT ]BV BW = λ[T ]BV BW .

Teorema. Sean V un espacio vectorial de dimensión finita sobre IK , BV base de

V y T : V −→ V un operador lineal. Si T es biyectiva, entonces
[T ]B
BV = [T ]BV es una matriz inversible y
V

[T ]−1
BV = [T
−1
]BV .

Dpto. de Ingenierı́a Matemática 15 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Ejemplo. La aplicación lineal

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

definida de R2 en R2 es biyectiva, pues Ker(T ) = {θ} e Im(T ) = R2 .

 
2 1
Luego, su matriz asociada en la base canónica A = [T ]B
BV =   es
1 1
invertible.

Dpto. de Ingenierı́a Matemática 16 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Por el teorema anterior, se tiene que su inversa A−1 es la matriz asociada a la

aplicación linesal T −1 . Es decir
 
1 −1
[T −1
]B = [T ]−1
BV =A −1
= .
−1 2

Con esta matriz se puede definir la aplicación inversa T −1 : R2 −→ R2 , desde

la relación
       
−1 x 1 −1 x x−y
[T ]B ·  = · = .
y −1 2 y −x + 2y

De tal manera que:

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

Dpto. de Ingenierı́a Matemática 17 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Definición: Isomorfismo.

Sean V y W espacios vectoriales sobre IK , una aplicación lineal

T : V −→ W es un isomorfismo de V en W si T es biyectiva. Se dice que V y
W son isomorfos.
Ejemplo. Los espacios M2 (R) y R4 son isomorfos. El isomorfismo es la
aplicación biyectiva
   
4 a b a b
T : M2 (R) −→ R ,  →T  = (a, b, c, d).
c d c d

Teorema.

Sean V y W espacios vectoriales de dimensión finita sobre IK . Si dim(V ) =n

y dim(W ) = m, entonces L(V, W ) es isomorfo con Mm×n (IK).

Dpto. de Ingenierı́a Matemática 18 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Definición: Matriz de transición.

Sean B = {v1 , v2 , ..., vn } y B ′ = {v1′ , v2′ , ..., vn′ } dos bases del espacio
vectorial V , se llama matriz de transición o de paso de B a B ′ a la matriz P , tal
que la j-ésima columna de P es el vector de coordenadas de vj en la base B ′ . Es
decir,
   
a11 a12 ... a1n a1j
   
 a21 a22 ... a2n   a2j 
P :=  .  , con  .  = [vj ]B ′ , j = 1, 2, ..., n.
   
 .. .. ..  ..
 . ... .

 


an1 an2 ... ann anj

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

B′.

B′
Observación. Es fácil ver que P = [I]B .

Dpto. de Ingenierı́a Matemática 19 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Teorema. Si P es la matriz de transición de una base B a una base B ′ del

espacio vectorial de dimensión finita V , entonces para x ∈ V las coordenadas de
x en ambas bases se relacionan por:

[x]B ′ = P · [x]B .

Teorema. Si P es la matriz de transición de una base B a una base B ′ del

espacio vectorial de dimensión finita V , entonces P es inversible y su inversa
P −1 es la matriz de transición de B ′ a B .

Teorema. Si P es la matriz de transición de una base ortonormal B a una base

ortonormal B ′ en un espacio vectorial de dimensión finita V , entonces

P −1 = P t .

Dpto. de Ingenierı́a Matemática 20 . ACQ/RBP/MCP.

 Aplicaciones Lineales

Ejemplo. Si consideramos las bases B = {( √12 , √12 ), ( √12 , − √12 } y

B = {(1, 0), (0, 1)}, entonces la matriz de paso de de B a B ′ es simple de
encontrar, corresponde a:
 
√1 √1
P = 2 2 .
√1 − √12
2

Como las bases son ortonormales se tiene que la matriz de paso de la base B ′ a
la base B es
 t  
√1 √1 √1 √1
Q = P −1 = P t =  2 2  = 2 2 .
√1 − √12 √1 − √12
2 2

Observación. Si tenemos una base que no es ortogonal, por ejemplo

B = {(1, 1), (2, 1)}, entonces podemos usar el proceso de ortogonalización de
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 Ingenierı́a Matemática 21 . ACQ/RBP/MCP.

 Aplicaciones Lineales

La matriz asociada a una aplicación lineal depende de las bases consideradas

para los espacios vectoriales, la matriz cambia cuando se cambian las bases. La
relación es dada en el siguiente teorema.

Teorema. Si T : V −→ V es una operador lineal en un espacio vectorial V de

dimensión finita y P es la matriz de transición de la base B ′ a la base B , entonces

[T ]B ′ = P −1 [T ]B P.

Ejemplo. Si consideramos las bases de R2 , B = {(1, 1), (2, 1)} y

B ′ = {(1, 0), (0, 1)}, entonces la matriz asociada a la aplicación lineal
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 2 1 −1

y satisfacen la identidad del teorema.

Dpto. de Ingenierı́a Matemática 22 . ACQ/RBP/MCP.

 Aplicaciones Lineales

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

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.

De acuerdo a esta definición, el teorema anterior afirma que si dos matrices

representan al operador lineal T : V −→ V , con respecto a bases diferentes,
entonces las matrices son semejantes.

Dpto. de Ingenierı́a Matemática 23 . ACQ/RBP/MCP.