Matemáticas I

Grao en Robótica
Curso 2021/22

Tema 4:
Aplicacións lineares

Juan Bosco Ferreiro Darriba

Departamento de Matemática Aplicada

6 de outubro do 2021
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Definición
Definición
Sexan U e W dous K−espazos vectoriais. Diremos que unha aplicación
L : U → W é unha aplicación linear se cumpre as seguintes propiedades:
1 L(u + v) = L(u) + L(v), ∀u, v ∈ U .
2 L(λu) = λL(u), ∀λ ∈ K, u ∈ U .

Nota
Das propiedades anteriores dedúcese que
L(λ1 u1 + λ2 u2 + ··· + λn un ) = λ1 L(u1 ) + λ2 L(u2 ) + ··· + λn L(un )

∀λ1 , λ2 , ... , λn ∈ K, ∀u1 , u2 , ... , un ∈ U

Proposición
L(0) = 0
L(−u) = −L(u)
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Definición

Definición
Sexan U e W dous K−espazos vectoriais. Diremos que unha aplicación
L : U → W é unha aplicación linear se cumpre as seguintes propiedades:
1 L(u + v) = L(u) + L(v), ∀u, v ∈ U .
2 L(λu) = λL(u), ∀λ ∈ K, u ∈ U .

Nota
As aplicacións lineares entre espazos vectoriais tamén se denominan
homomorfismos. No caso de que U = W , o homomorfismo denomínase
endomorfismo.
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Matriz asociada

A ∈ Mm×n (R) define unha aplicación linear L : Rn → Rm dada por

L(x) = Ax

Proposición
Dada unha aplicación linear L : Rn → Rm , existe unha única matriz
A ∈ Mm×n (R) tal que L(x) = Ax.

Definición
A matriz A ∈ Mm×n (R) anterior denomínase matriz asociada a L.

Nota
As columnas de A son as imaxes por L dos vectores da base canónica.
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Núcleo e imaxe

Dada unha aplicación linear L : Rn → Rm

Definición
Denomínase núcleo da aplicación ao conxunto

Ker(L) = {x ∈ Rn | L(x) = 0}

Definición
Denomínase imaxe da aplicación ao conxunto

Im(L) = {y ∈ Rm | ∃x ∈ Rn con L(x) = y}

Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Núcleo e imaxe

Dada unha aplicación linear L : Rn → Rm

Proposición
Ker(L) é un subespazo vectorial de Rn
Im(L) é un subespazo vectorial de Rm

Im(L) =<{L(e1 ), ... , L(en )}>,

sendo {e1 , ... , en } a base canónica de Rn .

Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Cambio de base

Consideremos a base canónica C de Rn e outra base B = {u1 , ... , un }.

Definición
Denomínase matriz cambio de base da base B á base canónica C á matriz
QBC ∈ Mn (R) cuxas columnas son os vectores da base B, é dicir,

QBC = (u1 | ··· |un )

Proposición
Se xB son as coordenadas do vector x ∈ Rn na base B e xC son as
coordenadas do vector x ∈ Rn na base C, entón

QBC xB = xC
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Cambio de base
Consideremos dúas bases B e B 0 de Rn .
Definición
Denomínase matriz cambio de base da base B 0 á base B á matriz
QB0 B ∈ Mn (R) que cumpre a seguinte propiedade

QB0 B xB0 = xB

Proposición
QBC é unha matriz invertible e (QBC )−1 = QCB
QB0 B = QCB QB0 C = (QBC )−1 QB0 C
QB0 B = (QBB0 )−1

Nota
As matrices cambio de base entre bases de Rn poden considerarse matrices
asociadas ao endomorfismo identidade de Rn .
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Bases ortonormais

Definición
Unha base B = {u1 , ... , up } dun subespazo vectorial U ⊂ Rn denomínase
ortonormal se para todo i = 1, ... , p
ui · ui = 1
ui · uj = 0, i 6= j

Definición
Unha matriz A ∈ Mn (R) denomínase ortogonal se AAt = I

Proposición
Unha matriz A ∈ Mn (R) é ortogonal se e só se as súas columnas son unha
base ortonormal de Rn .
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Transformaciones ortogonais

Definición
Unha aplicación linear L : Rn → Rn dise que é unha transformación
ortogonal se cumpre que

L(x) · L(y) = x · y

para todo par de vectores x, y ∈ Rn

Proposición
Sexa L : Rn → Rn unha aplicación linear e A ∈ Mn (Rn ) a súa matriz
asociada. Entón L é unha transformación ortogonal se e só se A é unha
matriz ortogonal.
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Gram-Schmidt

A partir de calquera base B = {v 1 , ... , v n } dun subespazo U de Rn pódese

construir unha base ortonormal B 0 = {u1 , ... , un }:
1
1 u = v1
1
||v 1 ||
2 para cada i ≥ 2

i−1
X
ũi = v i − (v i uj )uj
j=1
1
ui = ũi
||ũi ||
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Proxección ortogonal
Definición
Dados b ∈ Rn e U ⊂ Rn un subespazo con dim(U ) = k < n denomínase
proxección ortogonal de b sobre U ao único vector b0 ∈ Rn tal que (b − b0 )
é ortogonal a U .
A norma do vector b − b0 é a mínima distancia de b ao subespazo U

Nota
A proxección ortogonal pode considerarse unha aplicación linear de Rn en
Rn , cuxa matriz asociada denomínase matriz de proxección ortogonal

Proposición
Sexa U ⊂ Rn un subespazo vectorial de dimensión k < n e sexa
B = {u1 , ... , uk } unha base ortonormal de U . Se A = (u1 | ··· |uk ) a matriz
de proxección ortogonal sobre U é
P = AAt
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Formas cadráticas
Definición
Unha forma cadrática en Rp é unha aplicación ω : Rp → R definida por
  
p a11 ... a1n x1
ω(x) =
X
aij xi xj = xt A x = (x1 ... xp ) 
 .. .. ..   ..  ,
. . .  . 
i,j=1 ap1 ... app xp

A ∈ Mp (R) → matriz simétrica denominada matriz asociada

Nota
Unha forma cadrática pode ter máis dunha matriz asociada, utilizando
diferentes bases.

Definición
O rango dunha forma cadrática é o rango de calquera das súas matrices
asociadas.
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Formas cadráticas

Nota
Toda matriz A ∈ Mp (R) cadrada simétrica de números reais pódese
transformar nunha matriz diagonal aplicando operacións elementais ás súas
filas e aplicando posteriormente as mesmas operacións elementais ás súas
columnas.

Exemplo
     
2 0 4 2 0 4 2 0 0
F
 0 2 4  31 (−2) C (−2)
 0 2 4  31  0 2 4 
−→ −→
4 4 4 0 4 −4 0 4 −4
   
2 0 0 2 0 0
F32 (−2)  C (−2)
0 2 4  32  0 2 0 
−→ −→
0 0 −12 0 0 −12
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Formas cadráticas

Nota
Toda matriz A simétrica asociada a unha forma cadrática ω pode, polo
tanto, transformarse nunha matriz diagonal utilizando o método antes
explicado. Esta matriz diagonal tamén é unha matriz asociada á forma
cadrática ω

Definición
Sexa ω : Rp → R unha forma cadrática e A unha matriz asociada a ω que
sexa diagonal. Denomínase signatura de ω, sig(ω) = (α, β) onde
α → número de elementos estritamente positivos na diagonal de A
β → número de elementos estritamente negativos na diagonal de A

Nota
α + β = rg(ω) ≤ p
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Tipos de formas cadráticas

Definición
Unha forma cadrática ω : Rp → R dise definida positiva se ω(x) > 0
∀x ∈ Rp tal que x 6= 0.
Unha forma cadrática ω : Rp → R dise semidefinida positiva se ω(x) ≥ 0
∀x ∈ Rp e, ademais, existe 0 6= x0 ∈ Rp tal que ω(x0 ) = 0.

Definición
Unha forma cadrática ω : Rp → R dise definida negativa se ω(x) < 0
∀x ∈ Rp tal que x 6= 0.
Unha forma cadrática ω : Rp → R dise semidefinida negativa se ω(x) ≤ 0
∀x ∈ Rp e, ademais, existe 0 6= x0 ∈ Rp tal que ω(x0 ) = 0.

Definición
Unha forma cadrática ω : Rp → R dise indefinida se non é definida nin
semidefinida.
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Clasificación de formas cadráticas

Teorema
Sexa A ∈ Mp (R) unha matriz cadrada simétrica de números reais e
ω : Rp → R a forma cadrática definida por A, entón cúmprese que:
ω é definida positiva se e só se sig(ω) = (p, 0)
ω é definida negativa se e só se sig(ω) = (0, p)
ω é semidefinida positiva se e só se sig(ω) = (r, 0), con r < p
ω é semidefinida negativa se e só se sig(ω) = (0, r), con r < p

Exemplo
A forma cadrática ω : R3 → R definida por
 
2 0 4
A= 0 2 4 
4 4 4
é indefinida
Aplicacións lineares Cambio de base Bases ortonormais Formas cadráticas

Clasificación de formas cadráticas

Sexa A ∈ Mp (R) unha matriz cadrada simétrica de números reais e
ω : Rp → R a forma cadrática definida por A
Teorema (Criterio de Sylvester)
Se, para k = 1, ..., p, ∆k é o determinante de orde k formado polos
elementos das k primeiras filas e as k primeiras columnas da matriz A,
entón cúmprese que:
ω é definida positiva se e só se ∆k > 0 para todo k = 1, ..., p
ω é definida negativa se e só se (−1)k ∆k > 0 para todo k = 1, ..., p
Se ∆k ≥ 0 para todo k = 1, ..., p e existe ki ∈ {1, ..., p} tal que
∆ki = 0, entón ω é semidefinida positiva
Se (−1)k ∆k ≥ 0 para todo k = 1, ..., p e existe ki ∈ {1, ..., p} tal que
∆ki = 0, entón ω é semidefinida negativa
Se ∆p = |A| =6 0 e non se verifica ningunha das condicións dos
apartados anteriores, entón ω é indefinida