Documente Academic
Documente Profesional
Documente Cultură
Aplicaciones lineales.
1. f (u + v) = f (u) + f (v) u, v Rn
2. f (u) = f (u) R u, v Rn z
Para estudiar si una aplicacion es o no es lineal utilizamos como condicion necesaria y suficiente
que la imagen de una combinacion lineal de vectores se transforma en la correspondiente combinacion
lineal de estos vectores.
203
204
BLOQUE III: ALGEBRA LINEAL Y TEORIA DE MATRICES
Como consecuencia, la imagen por una aplicacion lineal del vector cero del espacio inicial es
siempre el vector cero del espacio final.
La principal caracterstica de las aplicaciones lineales, y la que las hace especiales, es que pueden
ser descritas por una matriz cuyas filas estan formadas por los coeficientes de las variables de las
componente de f y sus columnas son las imagenes por f de los vectores de la base canonica.
La expresi
on matricial de f respecto a las bases canonicas es
f (e1 ) f (e2 ) f (en )
a11 a12 a1n x1
a21 a22
a2n x2
f (x1 , . . . , xn ) =
.. .. ..
..
.
. . .
am1 am2 amn xn
donde la matriz A recibe el nombre de matriz de la aplicaci
on lineal. z
APLICACIONES LINEALES 205
9.2. N
ucleo e imagen de una aplicaci
on lineal.
Dos subespacios que nos permiten caracterizar a una aplicacion lineal son el n
ucleo y la imagen.
El primero, es un subespacio del espacio inicial y esta formado por los vectores cuya imagen por f
es el vector nulo. El segundo, es un subespacio del espacio final y esta formado por las imagenes de
los vectores del espacio inicial.
El n
ucleo o kernel de f :
N(f) = ker(f) = {u Rn / f(u) = } Rn .
La imagen de f :
Im(f ) = {f (u) Rm /u Rn } Rm .
La imagen de un subespacio vectorial del espacio inicial, formada por las imagenes de todos los
vectores del subespacio, es un subespacio del espacio final que esta contenido en la imagen de f .
Un sistema generador de la imagen esta formado por las columnas de la matriz A y tambien
se puede obtener calculando la imagen por f de cualquier base. z
206
BLOQUE III: ALGEBRA LINEAL Y TEORIA DE MATRICES
Ejemplo 9.8 Calcular la dimension, una base y unas ecuaciones implcitas linealmente indepen-
dientes del n
ucleo e imagen de
f (x1 , x2 , x3 ) = (x1 + x3 , x2 + x3 , x1 + x3 , x2 + x3 )
Solucion
Tenemos una aplicacion lineal f : R3 R4 cuya expresion matricial es
1 0 1
x1
0 1 1
f (x1 , x2 , x3 ) =
x
2
1 0 1
x3
0 1 1
1 0 1
0 1 1
dim[ker(f )] = n rg(A) = 3 2 = 1
rg(A) = rg
= 2 =
1 0 1 dim[Im(f )] = rg(A) = 2
0 1 1
1 0 1 0
x1 + x 3 =0
x1
0 1 1 0 x +x
2 3 =0
AX =
x
2 =
1 0 1 0 x1 + x3
=0
x3
0 1 1 0 x +x
2 3 =0
Obtenemos la ecuaci
on param
etrica del n
ucleo de f resolviendo el sistema (ejercicio):
x =
1
ker(f ) x2 = R.
x =
3
Obtenemos un sistema generador de la imagen de f con las columnas de la matriz A (son las
imagenes de la base canonica):
1 0 1
0 1 1
A=
= {(1, 0, 1, 0), (0, 1, 0, 1), (1, 1, 1, 1)} s. g. de Im(f )
1 0 1
0 1 1
Por tanto, una base de la imagen esta formada por los vectores:
1 0 x1
0 1 x2 = 0 = x3 x1 = 0
1 0 x1
1 0 x3
0 1 x2
rg
= 2 =
1 0 x3
1 0 x1
0 1 x4
= 0 = x4 x2 = 0
0 1 x2
0 1 x4
Observese que como hay dos vectores y estamos en R4 (espacio final) obtenemos dos ecuaciones
implcitas linealmente independientes
no ecuaciones implcitas l.i. = no variables dim[Im(f )] = m rg(A) = 4 2 = 2. z
Una aplicacion f es inyectiva cuando vectores distintos del espacio inicial tienen imagenes dis-
tintas en el espacio final y es sobreyectiva cuando todo vector del espacio final es imagen de alg
un
vector del espacio inicial. Cuando la aplicacion cumple ambas condiciones es biyectiva y todos estos
comportamientos se pueden caracterizar mediante las dimensiones de su n
ucleo y su imagen.
on 9.9 Sea f : Rn Rm una aplicacion lineal con A Mmn (R) su matriz asociada.
Proposici
f es biyectiva rg(A) = n = m.
Observese que si n < m existen aplicaciones lineales inyectivas pero no sobreyectivas y si n > m
existen aplicaciones lineales sobreyectivas pero no inyectivas. Por tanto, una aplicacion biyectiva
siempre es un endomorfismo, al que en este caso se le denomina isomorfismo.
Ejemplo 9.10 Estudiar si la aplicacion lineal del ejemplo 9.8 es inyectiva y/o sobreyectiva
f (x1 , x2 , x3 ) = (x1 + x3 , x2 + x3 , x1 + x3 , x2 + x3 )
APLICACIONES LINEALES 209
Solucion
El rango de la matriz asociada a la aplicacion es dos, por tanto no es inyectiva ni sobreyectiva:
dim[ker(f )] = n rg(A) = 3 2 = 1 6= 0 = f no es inyectiva
rg(A) = 2 =
dim[Im(f )] = rg(A) = 2 6= m (m = 4) = f no es sobreyectiva
El conjunto de las aplicaciones lineales entre Rn y Rm se denota por L(Rn , Rm ) y las operaciones
anteriores hacen que tenga estructura de espacio vectorial (este concepto solo se usara en cursos
superiores).
Otra operacion entre aplicaciones lineales que se puede representar mediante una operacion con
matrices es la composicion de aplicaciones lineales y corresponde al producto de matrices. En la
composicion de aplicaciones, al igual que en el producto de matrices, el resultado depende del orden
en el que realicemos la operacion
ltima operacion que vamos a ver es la inversa de una aplicacion f , que se denota por f 1 .
La u
Esta correspondencia asocia a cada vector v de la imagen un vector u tal que f (u) = v y solo es
una aplicacion cuando es inyectiva. Esto se debe a que aunque para cada v de la imagen existe un
vector u tal que f (u) = v, solo si es inyectiva podemos asegurar que el vector u es u
nico. Como la
inversa esta definida solo y exclusivamente para vectores de la imagen, solo estara definida en todo
el espacio final cuando f sea sobreyectiva. Por tanto solo vamos a considerar isomorfismos, que son
endomorfismos biyectivos y, por tanto, tienen asociada una matriz cuadrada no singular.
f (x1 , x2 , x3 ) = (x1 + x3 , x2 + x3 , x1 + x3 , x2 + x3 )
Solucion
f g esta definida
g f
f g : R2 R3 R4
g f no esta definida
f g
g f : R3 R4 6= R2 R3 z
Solucion
La expresion matricial de f , f (x) = Ax, es
0 2 x1
f (x1 , x2 ) =
1 0 x2
Calcula la expresion analtica y matricial de f con respecto a las bases B = {(1, 1), (1, 0)} y
B 0 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}
Solucion
Obtenemos la expresion de f respecto a las bases canonicas YC3 = A XC2 , que desarrollado es
y 1 1
1 x
1
y2 = 2 1
x2
y3 1 0
Se pide la expresion matricial respecto a las bases B y B 0 (espacio inicial y final respectivamente)
YB0 = A0 XB
Ejemplo 9.20 Sean B = {(1, 1), (0, 1)} y B 0 = {(1, 1), (1, 0)} bases de R2 y f : R2 R2 el endo-
morfismo dado por
f (x1 , x2 )B = (x1 , x1 + 2x2 )B0
Calcular la expresion analtica de f con respecto a la base canonica (en ambos espacios).
Solucion
Obtenemos la expresion matricial de f con respecto a las bases B y B 0 (espacio inicial y final
respectivamente), YB0 = A0 XB , que desarrollado es
y1 1 0 x1
=
y2 1 2 x2
B B0
Y = AX
Solucion
Como g viene dada por la imagen de una base, que llamaremos B:
3 5
= 1 6= 0 = B = {(3, 1), (5, 2)} base.
1 2
lo que tenemos es la expresion de g respecto a las bases B y canonica (espacio inicial y final resp.)
y1 1 0
x0
1
Y = A0 XB que desarrollado es y2 = 1 2
x0
2
y3 0 1 B0
B
Como queremos la expresion matricial respecto a las bases canonicas en ambos espacios:
Y = ? X
9.5. Diagonalizaci
on de endomorfismos.
En un endomorfismo, salvo que se indique lo contrario, la base es la misma en ambos espacios.
Por tanto, su expresion matricial con respecto a una base B de Rn es
YB = P 1 A P XB .
D = P 1 A P.
las dos matrices A y D son semejantes y estan asociadas al mismo endomorfismo, aunque con distintas
expresiones respecto a bases diferentes. Un endomorfismo es diagonalizable si existe una base respecto
a la que su matriz asociada es diagonal. De forma que un endomorfismo f es diagonalizable si y solo
si su matriz asociada es diagonalizable. Es decir, siempre y cuando existe una base de Rn formada
por autovectores de la matriz asociada. En este caso, la matriz de paso es la matriz del cambio de
base entre la base de autovectores y la base canonica.
donde la u
nica ecuacion implcita linealmente independiente es x1 + x3 = 0.
Obtenemos las ecuaciones parametricas resolviendo la ecuacion, para lo que tomamos como par
a-
metros las variables que quedan fuera del menor que determina el rango (x2 = y x3 = ):
x =
1
x1 + x3 = 0 = x1 + = 0 = x1 = = x2 = , R.
x =
3
x1 3x2 + x3 = 0 = /2 3x2 + = 0 = x2 = /2
APLICACIONES LINEALES 217
x = /2
1
= x2 = /2 , R.
x =
3
Una base esta formada por u3 = (1/2, 1/2, 1) (coeficientes de ) pero, por comodidad, lo cambia-
mos por u3 = (1, 1, 2), que, al ser proporcional, tambien es un autovector.
Unimos las bases de H(2) y de H(5) para formar la base de autovectores
Cuando estamos interesados en calcular las potencias de una matriz y esta no es diagonalizable
buscamos una expresion de la matriz que nos permita operar de forma sencilla. Esta expresion va a
ser la forma canonica de Jordan y para obtener la base en la cual se expresa necesitamos ampliar el
concepto de autovector.
218
BLOQUE III: ALGEBRA LINEAL Y TEORIA DE MATRICES
H0 (i ) = {} y H1 (i ) = H(i )
Hk (i ) Hk+1 (i ) k N
La forma canonica de Jordan de una matriz se estructura en cajas, que son submatrices cuadradas
de un orden menor, de forma que obtenemos una matriz diagonal por cajas (no es realmente diagonal).
onica de Jordan de orden n es una matriz J Mnn (R) diagonal por cajas
Una forma can
en la que las cajas, Ji , son cajas de Jordan. Es decir,
J1 ...
J2 . . .
J = .. .. . . ..
.
. . .
. . . Jk z
APLICACIONES LINEALES 219
P 1 AP = J
donde J es una forma de Jordan con tantas cajas como autovectores independientes tiene A
Teorema 9.27 (Estructura por cajas de la forma canonica de Jordan) Sea A una matriz cuadrada.
El n
umero de cajas asociadas a un autovalor es la dimension de su subespacio de autovectores.
La suma de los ordenes de las cajas asociadas al autovalor es la multiplicidad del autovalor.
El n
umero de cajas asociadas al autovalor que hay de cada orden recibe el nombre de partici
on
de multiplicidad del autovalor y se obtiene a traves de la cadena
H0 (i ) H1 (i ) H2 (i ) Hki 1 (i ) Hki (i )
El n
umero de cajas de orden mayor o igual que i asociadas al autovalor i es
El n
umero de cajas de orden i asociadas al autovalor i es
c =d
ki ki
c =d d i = ki 1, . . . , 1.
i i i+1
220
BLOQUE III: ALGEBRA LINEAL Y TEORIA DE MATRICES
Teorema 9.29 (Autovectores generalizados de la forma canonica de Jordan) Sea A una matriz cua-
drada.
A cada caja de orden k asociada a un autovalor i le corresponde un conjunto linealmente inde-
pendientes de k autovectores generalizados pertenecientes a Hk (i ) cumpliendo:
(A i I) u1 = u1 H1 (i ) \ H0 (i )
(A I) u = u
u2 H2 (i ) \ H1 (i )
i 2 1
.. .. ..
. . .
(A I) u = u
k1 uk Hk (i ) \ Hk1 (i )
i k
Solucion
El u
nico autovalor se obtiene resolviendo la ecuacion caracterstica: = 2 m = 3.
Para la u
nica caja de orden 3 obtenemos el correspondiente conjunto de autovectores genera-
lizados.
u3 = (1, 0, 0)
Aunque en este caso solo tenemos una caja, en general se comienza por las cajas de mayor
orden y tambien se exige que el vector sea linealmente independiente con otros vectores
del subespacio obtenidos para cajas previas.
Como solo tenemos una caja el conjunto de autovectores generalizados linealmente indepen-
dientes correspondiente a la caja es una base de R3 y las coordenadas de los vectores son las
columnas de la matriz de paso. El conjunto de vectores {v1 , v2 , v3 } esta formado por un auto-
vector, v1 , por un autovector generalizado de orden dos, v2 , y por un autovector generalizado
de orden tres, v3 .
nica caja es J = P 1 A P
La forma de Jordan correspondiente a la u
2 1 0 2 1 0
P = 2 1 0 J = P 1 A P = 0 2 1
0 0 1 0 0 2 z
Solucion
=1 m=1
1
La ecuacion caracterstica de A es: |AI| = 3 +52 8+4 = 0 con =
=2 m=2
2
Como dim H(2) = 3 rg(A 2I) = 1 hay una caja asociada a = 2 y como tiene
multiplicidad m = 2 la u
nica caja tiene orden 2
La forma de Jordan es
1 0 0
J = 0 2 1
0 0 2
v1 = (2, 1, 2)
Como dim H2 (2) = 3 rg(A 2I)2 = 2 = m(2) hemos terminado con la cadena y
obtenemos una base de H2 (2) (ejercicio).
De la base de H2 (2) tomamos un vector que no pertenezca a H1 (2) , por ejemplo v3 = (1, 2, 0),
y el otro vector de la caja es v2 = (A 2I)v3 = (12, 3, 9). Observese que estos vectores no
se pueden simplificar ya que v2 y v3 estan relacionados, por lo que tenemos
v2 = (12, 3, 9) v3 = (1, 2, 0)
C
alculo de la potencia de una matriz cuadrada no diagonalizable
Si A no es diagonalizable existe P no singular tal que P 1 AP = J, con J su forma canonica de
Jordan. De esta forma, A = P JP 1 y se tiene que
Ak = P J k P 1 ,
Solucion
Como m(3) = 3 entonces la suma de los ordenes de las cajas asociadas a = 3 es tres.
Por tanto la forma de Jordan estara formada por dos cajas, una de orden 2 y otra de orden 1.
3 0 0
J = 0 3 1
0 0 3
Como dim H2 (3) = 3 rg(A 3I)2 = 3 = m(3) hemos terminado con la cadena.
Al ser H2 (3) = R3 tomamos como base de H2 (3) la base canonica de R3 y elegimos un vector
que este en H2 (3) y no este en H(3):
el primer vector es un vector de H(3) que tiene que ser independiente con v2
v1 = (1, 0, 0)
donde el conjunto de vectores {v1 , v2 , v3 } esta formado por dos autovectores, v1 y v2 , y por un
autovector generalizado de orden dos, v3 .
Solucion
El n
umero de ecuaciones implcitas linealmente independientes:
La u
nica ecuaci
on implcita del n
ucleo linealmente independiente es:
ker(f ) : x1 + x3 + x4 = 0.
Tomamos como parametros las variables que quedan fuera del menor que determina el
rango (observese que x2 tiene que ser uno de ellos ya que no aparece en la ecuacion y
puede tomar cualquier valor):
x2 = , x3 = y x4 = con , , R.
Obtenemos una base de la imagen de f utilizando que las columnas de la matriz A forman
un sistema generador
1 0 1 1
A = 1 0 1 1 = {(1, 1, 1), (0, 0, 0), (1, 1, 1), (1, 1, 1)} s. g. de Im(f )
1 0 1 1
El n
umero de vectores linealmente independientes es la dimension de la imagen
1 0 1 1
dim[Im(f )] = rg(A) = rg 1 0 1 1 = 1.
1 0 1 1
APLICACIONES LINEALES 229
no parametros = dim[Im(f )] = 1
(x1 , x2 , x3 ) = (1, 1, 1)
A
nadimos un vector generico a la base y, para que sea combinacion lineal de la base,
imponemos que la dimension se mantenga (para que el rango siga siendo 1 orlamos el
menor que determina el rango con las dos filas que quedan fuera de este):
1 x1
= 0 = x1 x2 = 0
1 x1 1 x2
rg 1 x2 = 1 =
1 x3
1 x1
= 0 = x1 x3 = 0
1
x3
Observese que como hay un vector y estamos en R3 (espacio final) obtenemos dos ecua-
ciones implcitas linealmente independientes
Ejercicio 9.34 Sean B = {(1, 1), (1, 0)} una base de R2 y f : R2 R2 el endomorfismo dado por
f (1, 1) = (1, 1)
B
f (0, 1) = (0, 2)
B
Solucion
f viene dada por la imagen de dos vectores que forman una base que llamaremos B 0 :
1 0 0
6 0 = B = {(1, 1), (0, 1)} base.
=
1 1
En este caso, lo que tenemos es la expresion de f con respecto a las bases B 0 y B (espacio inicial
y final respectivamente)
y1 1 0 x1
YB = A0 XB0 que desarrollado es =
y2 1 2 x2
B B0
Como se pide la expresion matricial respecto a la base canonica (en ambos espacios)
Y = ? X
f (x1 , x2 , x3 ) = (x1 + x3 , x2 + x3 , x1 + x3 , x2 + x3 )
Calcula la expresion matricial de f respecto de la base B = {(2, 1, 2), (5, 3, 1), (3, 2, 0)} y la base
can
onica.
Solucion
Consideramos la expresion de f con respecto a las bases canonicas (de R3 y R4 respectivamente):
y 1 0 1
1 x1
y2 0 1 1
Y = A X que desarrollado es =
x2
y3 1 0 1
x3
y4 0 1 1
Y = ? XB
y 4 6 3
1 x0
1
y2 3 4 2
= x0
z
2
y3 4 6 3
x0
3
y4 3 4 2 B
f (x1 , x2 , x3 , x4 ) = (x1 + x3 + x4 , x1 + x3 + x4 , x1 + x3 + x4 )
Calcular su expresion matricial respecto a la base canonica y B = {(1, 1, 0), (0, 1, 1), (0, 0, 1)}
232
BLOQUE III: ALGEBRA LINEAL Y TEORIA DE MATRICES
Solucion
Tenemos la expresion de f con respecto a las bases canonicas
x1
y 1 0 1 1
1
x2
Y = A X que desarrollado es y2 = 1 0 1 1
x3
y3 1 0 1 1
x4
YB = ? X
f (x, y, z) = (2x, x + y + z, x + y + z)
Solucion
Como la matriz de f es diagonalizable, simplemente procedemos a su diagonalizacion
2 0 0
A= 1 1 1
1 1 1
Uso de par
ametros y valores crticos.
Ejercicio 9.39 Clasifica en funcion del parametro a R la aplicacion lineal cuya matriz con respecto
de las bases canonicas es
1+a 0 1 1
A= .
1 0 1+a 1
1 0 1 1+a
Solucion
Determinamos los valores crticos para el rango igualando a cero el menor de mayor orden que
pueda ser no nulo, que en este caso es el determinante de la matriz obtenida suprimiendo la columna
de ceros:
1+a 1 1
= a3 + 3a2 = 0 a = 0 o a = 3.
1 1+a 1
1 1 1+a
Calculamos el rango para los valores crticos (para el resto de valores el rango es el maximo
posible):
APLICACIONES LINEALES 235
1+a 0 1 1
a 6= 0, 3 rg =3
1 0 1+a 1
1 0 1
1+a
2 0 1 1
a = 3 rg 1 0 2 1 =2
1 0 1 2
1 0 1 1
a=0 rg 1 0 1 1 = 1
1 0 1 1
Determinamos si es inyectiva estudiando la dimension del n
ucleo (no es necesario ya que la
dimension del espacio inicial es mayor que la del espacio final y nunca puede ser inyectiva):
4 3 = 1 si a 6= 0, 3
dim[Ker(f )] = n rg(A) = 4 2 = 2 si a = 3
4 1 = 3 si a = 0
Ejercicio 9.40 Clasifica en funcion del parametro a R la aplicacion lineal cuya matriz con respecto
de las bases canonicas es
1 a 1
a 1 1
A=
.
1 a 1
a 1 1
Solucion
Determinamos los valores crticos para el rango, igualando a cero el menor de mayor orden que
pueda ser no nulo (como al eliminar las filas repetidas hay varios menores de orden dos que pueden
236
BLOQUE III: ALGEBRA LINEAL Y TEORIA DE MATRICES
Calculamos el rango para los valores crticos (para el resto de valores el rango es el maximo
posible):
1 a 1
a 1 1
a 6= 1 rg
=2
1 a 1
a 1 1
1 1 1
1 1 1
a=1 rg
=1
1 1 1
1 1 1
1 1 1
1
1 1
a = 1 rg =2
1 1
1
1 1 1
En resumen se tiene:
2 a 6= 1
rg(A) =
1 a=1
2 si a 6= 1
dim[Im(f )] = rg(A) =
1 si a=1
Ejercicio 9.41 Estudia para que valores del parametro a R es diagonalizable el endomorfismo
Solucion
La matriz del endomorfismo es
1 2 4
A= 0
a 0
1 a 1
Calculamos los autovalores de A:
? Calculamos el polinomio caracterstico (desarrollamos por la segunda fila):
1 2 4
1 4
|A I| = 0
a 0 = (a )
= (a ) (2 2 3)
1
1
a 1
1
ultiples para a = 3 y a = 1.
A tiene autovalores m
Estudiamos si es diagonalizable para los valores crticos del parametro (para el resto es diagona-
lizable):
? Para a 6= 3, 1 A es diagonalizable (todos los autovalores son simples).
1 2 4
3 m=2
? Para a = 3, la matriz es A = 0 con autovalores =
3 0
1 m = 1
1 3 1
238
BLOQUE III: ALGEBRA LINEAL Y TEORIA DE MATRICES