Diapositivas 09 de Julio de 2018

Aplicaciones lineales
Yandira Cuvero
yandira.cuvero@epn.edu.ec
Escuela Politécnica Nacional
Semestre 2018 A
Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 1 / 38

Contenido
1 Definición y ejemplos
2 Propiedades de las transformaciones lineales: imagen y núcleo
3 Representación matricial de una transformación lineal
4 Isomorfismos
5 Isometrías

Contenido
4 Isomorfismos
5 Isometrías

Definición (Aplicación Lineal)
Sean (V, K, +, ·) y (W, K, +, ·) espacios vectoriales. La función
f : V −→ W
v 7−→ f (v)
se dice una aplicación lineal (transformación lineal) si se satisfacen las

siguientes condiciones:
f (u + v) = f (u) + f (v)
f (αv) = α f (v)
para todo α ∈ K y para todo u, v ∈ V.
Observaciones:
La aplicación lineal preserva la estructura algebraica (operaciones + y ·).
L(V, W) nota al conjunto de todas las aplicaciones lineales de V en W.
En algunos textos se suele omitir los paréntesis que indican que elemento
se está evaluando, es decir, se escribe f u en lugar de f (u).
Contenido
4 Isomorfismos
5 Isometrías

Teorema
∀ f ∈ L(V, W) se tiene que f (0v ) = 0w .
∀ f ∈ L(V, W) y ∀u ∈ V se tiene que f (−u) = − f (u).
∀ f ∈ L(V, W), ∀v1, v2, . . . , vn ∈ V y ∀α1, α2, . . . , αn ∈ K se tiene que
n
©Õ
f α j v j ® = f (α1 v1 + αn vn + · · · + αn vn ) (2.1)
ª
« j=1 ¬
= α1 f (v1 ) + α2 f (v2 ) + · · · + αn f (vn ) (2.2)
Õn
= α j f (v j ) (2.3)
j=1

Teorema
Sea (V, K, +, ·) un espacio de dimensión finita con base en
B = {v1, v2, . . . , vn }. Sean w1, w2, . . . , wn ∈ W.
Suponga que f , g ∈ L(V, W) tales que f (v j ) = g(v j ) = w j con
j ∈ {1, 2, . . . , n}. Entonces,
∀v ∈ V f (v) = g(v) entonces f = g.

Teorema
Sea (V, K, +, ·) un espacio de dimensión finita con base en
B = {v1, v2, . . . , vn }. Sean W = {w1, w2, . . . , wn }.
Entonces existe una única transformación lineal f ∈ L(V, W) tal que
f (v j ) = w j para j ∈ {1, 2, . . . , n}.

Definición (Núcleo e imagen de una transformación lineal)
Sean (V, K, +, ·) y (W, K, +, ·) espacios vectoriales y sea f ∈ L(V, W).
Entonces definimos:
El núcleo de f , notado nu( f ) como:
nu( f ) = {v ∈ V : f (v) = 0}
La imagen de f , notada como im( f ) como:
im( f ) = {w ∈ W : w = f (v) para algún v ∈ V }

Teorema
Si f ∈ L(V, W) entonces:
nu( f ) es un espacio vectorial.
im( f ) es un espacio vectorial.

Definición (Nulidad y rango de una transformación lineal)
Si f ∈ L(V, W) entonces:
ν( f ) = dim nu( f ) ρ( f ) = dim im( f )

Contenido
4 Isomorfismos
5 Isometrías

Teorema
Sea f ∈ L(Rn, Rm ) existe A f ∈ M m×n tal que
f (x) = (A f )(x) ∀x ∈ Rn
A esta matriz toma el nombre de matriz de transformación correspondiente

a f o representación matricial de f .

Teorema
Sea A f la matriz de transformación correspondiente a la transformación lineal
f , entonces:
1 im( f ) = im(A) = C A f
2 ρ( f ) = ρ(A f )
3 nu( f ) = N A f
4 ν( f ) = ν(A f )

Teorema
Sean (V, K, +, ·) y (W, K, +, ·) espacios vectoriales de dimensión finita n y m
respectivamente y f ∈ L(V, W).
Sea Bv = {v1, v2, . . . , vn } una base de V y sea Bw = {w1, w2, . . . , wn } una base
de W.
Entonces existe una matriz única A f ∈ M m×n tal que
[ f (u)]Bw = A f [u]Bv

Teorema
de W.
Demostración:
Sean f (v1 ) = y1, f (v2 ) = y2, . . . , f (vn ) = yn .

Teorema
de W.
Demostración:
Sean f (v1 ) = y1, f (v2 ) = y2, . . . , f (vn ) = yn . Como yi ∈ W, para todo
i ∈ {1, 2, . . . , n}, existen a1,i, a2,i, . . . , am,i ∈ K únicos, tales que
yi = a1,i w1 + a2,i w2 + . . . + am,i wm .

Demostración:
Esto es:
a a a
© 1,1 © 1,2 © 1,n
a2,1 a2,2 a2,n
ª ª ª
= . ® , [y2 ]B = . ® , . . . , [yn ]B = . ®.
® ® ®
[y1 ]BW
..
W . W .
. .
® ® ®
® ® ®
« am,1 ¬ « am,2 ¬ « am,n ¬

Demostración:
Esto es:
a a a
© 1,1 © 1,2 © 1,n
a2,1 a2,2 a2,n
ª ª ª
= . ® , [y2 ]B = . ® , . . . , [yn ]B = . ®.
® ® ®
[y1 ]BW
..
W . W .
. .
® ® ®
® ® ®
« am,1 ¬ « am,2 ¬ « am,n ¬
Se define ahora:
a a1,2 . . . a1,n
© 1,1
a2,1 a2,2 . . . a2,n
ª
A f = .
®
.. .. ..
..
®
. . .
®
®
« am,1 am,2 . . . am,n ¬


Demostración:
Además, se tiene que:
0
1 0
1 ®
© ª
© . ª
0 .. ®
© ª
= ® , [v2 ]B = 0 ® , . . . , [vn ]B = ® .
® ®
[v1 ]BV .. V . ® V
. . ® 0 ®
® ®
. ®
®
0 ¬ « 1 ¬
« 0 ¬
«

Demostración:
Además, se tiene que:
0
1 0
1 ®
© ª
© . ª
0 .. ®
© ª
= ® , [v2 ]B = 0 ® , . . . , [vn ]B = ® .
® ®
[v1 ]BV .. V . ® V
. . ® 0 ®
® ®
. ®
®
0 ¬ « 1 ¬
« 0 ¬
«
Por tanto, tenemos que, para todo i ∈ {1, 2, . . . , n}
0
© .. ª®
a a1,2 . . . a1,n
. ® a1,i
© 1,1

a2,1 a2,2 . . . a2,n
ª 0 ® © a
® ª
2,i
= . 1 ® = . ® = [yi ]B .
® ®
A f [vi ]BV .. .. ..
®
.. .
®
.
W
. . 0 ® .
® ® ®
® ®
a a
« m,1 m,2 . . . a m,n
.. ® « am.i
®
. ®
¬ ¬

« 0 ¬
Demostración:
Si x ∈ V, existen c1, c2, . . . , cn ∈ K únicos tales que
c1
c2
© ª
= ®.
®
[x]BV ..
.
®
®
« cn ¬

Demostración:
Si x ∈ V, existen c1, c2, . . . , cn ∈ K únicos tales que
c1
c2
© ª
= ®.
®
[x]BV ..
.
®
®
« cn ¬
Y por tanto,
a a1,2 . . . a1,n c1
© 1,1
a2,1 a2,2 . . . a2,n c2
ª© ª
= .
® ®
A f [x]BV .. .. .. ..
..
® ®
. . .
®
® .
®
®
a a
« m,1 m,2 . . . a m,n ¬« cn ¬


Demostración:
a c + a1,2 c2 + . . . + a1,n cn
© 1,1 1
a2,1 c1 + a2,2 c2 + . . . + a2,n cn ®
ª
A f [x]BV = .. ®
.
®
®
« a m,1 c1 + a m,2 c2 + . . . + a m,n cn ¬
a1,1 a1,2 a
© 1,n
a2,1 ® a2,2 ® a2,n
© ª © ª ª
= c1 . ®® + c2 . ®® + . . . + cn .
®
.. ® .. ® ..
®
®
®
« am,1 ¬ « am,2 ¬ « am,n ¬
= c1 [y1 ]BW + c2 [y2 ]BW + . . . + cn [yn ]BW .

Demostración:
a c + a1,2 c2 + . . . + a1,n cn
© 1,1 1
a2,1 c1 + a2,2 c2 + . . . + a2,n cn ®
ª
A f [x]BV = .. ®
.
®
®
« a m,1 c1 + a m,2 c2 + . . . + a m,n cn ¬
a1,1 a1,2 a
© 1,n
a2,1 ® a2,2 ® a2,n
© ª © ª ª
= c1 . ®® + c2 . ®® + . . . + cn .
®
.. ® .. ® ..
®
®
®
« am,1 ¬ « am,2 ¬ « am,n ¬
= c1 [y1 ]BW + c2 [y2 ]BW + . . . + cn [yn ]BW .
Ya que f ∈ L(V, W) para este x ∈ V, tenemos
f (x) = f (c1 v1 + c2 v2 + . . . + cn vn )
= c1 f (v1 ) + c2 f (v2 ) + . . . + cn f (vn ) = c1 y1 + c2 y2 + . . . + cn yn .
Yandira Cuvero (EPN) T. Lineales Semestre 2018 A

19 / 38
Demostración:
Por lo cual,
f ([x]BV ) = [c1 y1 + c2 y2 + . . . + cn yn ]BW

= c1 [y1 ]BW + c2 [y2 ]BW + . . . + cn [yn ]BW = A f [x]BV .

Demostración:
Por lo cual,
f ([x]BV ) = [c1 y1 + c2 y2 + . . . + cn yn ]BW

Es decir [ f (x)]BW = A f [x]BV .

Demostración:
Por lo cual,
f ([x]BV ) = [c1 y1 + c2 y2 + . . . + cn yn ]BW

Es decir [ f (x)]BW = A f [x]BV .

Para probar la unicidad de A f , supongamos que existe otra matriz C f ∈ M m×n
tal que
[ f (x)]BW = C f [x]BV ,
para todo x ∈ V, a partir de lo cual se obtiene que (A f − B f )[x]BV = 0W , y por
tanto, A f = B f , lo que prueba la unicidad de la matriz de representación.

Teorema
Sea V y W espacios vectoriales de dimensión finita con dim(V) = n. Sea
f : V → W una transformación lineal y sea A f una representación matricial
de f respecto a las bases Bv de V y Bw de W. Entonces:
ρ( f ) = ρ(A f )
ν(A) = ν(A f )
ν(A) + ρ( f ) = n

Teorema
Sea f : Rn → Rm una trasformación lineal. Suponga que C es la matriz de
transformación de f respecto a las bases estándar Sn y Sm en Rn y Rm ,
respectivamente. Sea An la matriz de transición de Bn a la base Sn ∈ Rn y sea
Am la matriz de transición de Bm a la base Sm ∈ Rm . Si A f denota la matriz de
transformación de f respecto a las bases Bn , entonces
A f = A−1
m C An

Teorema
Toda matriz elemental E de 2 × 2 es uno de los siguientes:
1 La representación matricial de una expresión a lo largo del eje x o y.
2 La representación matricial de una compresión a lo largo del eje x o y.
3 La representación matricial de una reflexión a lo largo del eje y = x.
4 La representación matricial de un corte a lo largo del eje x o y.
5 La representación matricial de una reflexión del eje x o y.
6 El producto de la representación matricial de una reflexión respecto al eje
x o y y la representación matricial de una expansión o compresión.

Teorema
Sea f : R2 → R2 una transformación lineal tal que su representación matricial
es invertible. Entonces T se puede obtener como una sucesión de expansiones,
compresiones, cortes y reflexiones.

Contenido
4 Isomorfismos
5 Isometrías

Definición (Función inyectiva y sobreyectiva)
Sea f : V → W una función.
f se dice inyectiva si para todo v1, v2 ∈ V tales que f (v1 ) = f (v2 ),
implica que v1 = v2 .
f se dice sobreyectiva si para cada w ∈ W existe un v ∈ V tal que
f (v) = w, es decir, f es sobreyectiva si y sólo si im f = W.
Teorema
Sea f ∈ L(V, W). Entonces f es inyectiva si y sólo si nu f = {0V }.

Definición (Isomorfismo)
Sea f ∈ L(V, W). Entonces f es un isomorfismo si f es inyectiva y
sobreyectiva.
Definición (Espacios vectoriales isomorfos)

Se dice que los espacios vectoriales (V, K, +, ·) y (W, K, +, ·) son isomorfos si
existe un isomorfismo f de V sobre W. En este caso se escribe V W.

Teorema
Sea f : V → W un isomorfismo.
1 Si {v1, v2, . . . , vn } genera a V, entonces { f (v1 ), f (v2 ), . . . , f (vn )} genera a
W.
2 Si {v1, v2, . . . , vn } es linealmente independiente, entonces
{ f (v1 ), f (v2 ), . . . , f (vn )} es linealmente independiente.
3 Si {v1, v2, . . . , vn } es base de V, entonces { f (v1 ), f (v2 ), . . . , f (vn )} es
base de W.
4 Si V es de dimensión finita, entonces W es de dimensión finita y
dim(V) = dim(W).

Teorema
Sea f : V → W un isomorfismo.
1 Si {v1, v2, . . . , vn } genera a V, entonces { f (v1 ), f (v2 ), . . . , f (vn )} genera a
W.
2 Si {v1, v2, . . . , vn } es linealmente independiente, entonces
{ f (v1 ), f (v2 ), . . . , f (vn )} es linealmente independiente.
3 Si {v1, v2, . . . , vn } es base de V, entonces { f (v1 ), f (v2 ), . . . , f (vn )} es
base de W.
4 Si V es de dimensión finita, entonces W es de dimensión finita y
dim(V) = dim(W).

Teorema
Sean (V, K1, +, ·) y (W, K2, +·) dos espacios vectoriales de dimensión finita
donde dim(V) = dim(W) y K1 = K2 , entonces V W.

Contenido
4 Isomorfismos
5 Isometrías

Definición (Isometría)
Sean (V, K, +, ·) y (W, K, +·) dos espacios vectoriales con producto interno y
f ∈ L(V, W) una isometría, entonces
h f (u), f (v)i = hu, vi ∀u, v ∈ V
es decir, la isometría preserva los productos internos.

Teorema
Sea f : Rn → Rn una isometría.
1 Si {u1, u2, . . . , un } es un conjunto ortogonal entonces { f (u1 ), . . . , f (un )}
es un conjunto ortogonal.
2 f es un isomorfismo.

Definición (Espacios isométricamente isomorfos)
Se dice que dos espacios vectoriales V y W con el mismo conjunto de escales
son isométricamente isomorfos si existe f ∈ L(V, W) que sea una isometría y
un isomorfismo.

Teorema
Dos espacios vectoriales reales de dimensión finita n con producto interno son
isométricamente isomorfos.

Diapositivas 09 de Julio de 2018

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Diapositivas 09 de Julio de 2018

Încărcat de

Drepturi de autor:

Formate disponibile

Aplicaciones lineales

Escuela Politécnica Nacional

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 1 / 38

2 Propiedades de las transformaciones lineales: imagen y núcleo

3 Representación matricial de una transformación lineal

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 2 / 38

2 Propiedades de las transformaciones lineales: imagen y núcleo

3 Representación matricial de una transformación lineal

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 3 / 38

se dice una aplicación lineal (transformación lineal) si se satisfacen las

2 Propiedades de las transformaciones lineales: imagen y núcleo

3 Representación matricial de una transformación lineal

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 5 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 6 / 38

∀v ∈ V f (v) = g(v) entonces f = g.

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 7 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 8 / 38

La imagen de f , notada como im( f ) como:

im( f ) = {w ∈ W : w = f (v) para algún v ∈ V }

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 9 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 10 / 38

ν( f ) = dim nu( f ) ρ( f ) = dim im( f )

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 11 / 38

2 Propiedades de las transformaciones lineales: imagen y núcleo

3 Representación matricial de una transformación lineal

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 12 / 38

A esta matriz toma el nombre de matriz de transformación correspondiente

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 13 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 14 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 15 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 15 / 38

yi = a1,i w1 + a2,i w2 + . . . + am,i wm .

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 15 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 16 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 16 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 17 / 38

Por tanto, tenemos que, para todo i ∈ {1, 2, . . . , n}

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 18 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 18 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 19 / 38

Ya que f ∈ L(V, W) para este x ∈ V, tenemos

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A

f ([x]BV ) = [c1 y1 + c2 y2 + . . . + cn yn ]BW

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 20 / 38

f ([x]BV ) = [c1 y1 + c2 y2 + . . . + cn yn ]BW

Es decir [ f (x)]BW = A f [x]BV .

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 20 / 38

f ([x]BV ) = [c1 y1 + c2 y2 + . . . + cn yn ]BW

Es decir [ f (x)]BW = A f [x]BV .

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 20 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 21 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 22 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 26 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 27 / 38

2 Propiedades de las transformaciones lineales: imagen y núcleo

3 Representación matricial de una transformación lineal

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 28 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 29 / 38

Definición (Espacios vectoriales isomorfos)

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 30 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 31 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 32 / 38

Yandira Cuvero (EPN) T. Lineales Semestre 2018 A 33 / 38

2 Propiedades de las transformaciones lineales: imagen y núcleo