Grao en Enxeñaría Aeroespacial

Álxebra Lineal
Curso 2023-24

APLICACIÓNS LINEAIS

Sexa K un corpo.

1. Aplicacións lineais e matrices

Definición 1.1. Sexan V e W dous K-espazos vectoriais. Unha aplicación f : V → W é
lineal si:
1. f (u + v) = f (u) + f (v), ∀u, v ∈ V
2. f (cu) = cf (u) ∀u ∈ V, ∀c ∈ K
Equivalentemente:
f (cu + dv) = cf (u) + df (v), ∀u, v ∈ V, ∀c, d ∈ K
Exemplo 1.2. Son aplicacións lineais:
Kn −→ Km
1. Dada A ∈ Mm×n (K),
v Av
n − 1
2. A aplicación identidade K → Kn
v v
n → Rm 0
3. A aplicación nula R −
v 0
Propiedades 1.3. Sexa f : V → W unha aplicación lineal. Entón:
1. f (0) = 0
2. f (−v) = −f (v), para todo v en V
Exemplo 1.4. Estuda se as seguintes aplicacións son lineais:
f
→ R2 , f (x) = (x, 0)
1. R −
f
→ R2 , f (x) = (x2 , 0)
2. R −
f
→ R2 , f (x) = (x, cos x)
3. R −
f
4. R2 −
→ R3 , f (x, y) = (x + y, x − y, x + 3)
f
5. R3 −
→ R3 , f (x, y, z) = (x + y, x − y, 2x + z)
f
6. R2 −
→ C, f (x, y) = x + iy
D
→ P(R), D(p(x)) = p0 (x).
7. P(R) −
φ
→ Mn×m , φ(A) = At
8. Mm×n −
Exercicio 1.5. Estuda cales das seguintes aplicacións son lineais:
f
1. R2 −
→ R2 , f (x, y) = (y, x + y)
f
2. R2 −
→ R2 , f (x, y) = (y, xy)
f
3. R2 −
→ R3 , f (x, y) = (y, x + y, x)
f
4. R3 −
→ R2 , f (x, y, z) = (x + y, 2(x − y))
f
5. R3 −
→ R, f (x, y, z) = xyz
1
2 APLICACIÓNS LINEAIS

Propiedade 1.6. Se f : U → V e g : V → W son dúas aplicacións lineais, a aplicación

g ◦ f : U → W (lese f composta con g) é unha aplicación lineal.
g ◦ f (u) = g(f (u)), ∀u ∈ U
Exercicio 1.7. Demostra a propiedade anterior.

2. Representación matricial dunha aplicación lineal

Definición 2.1. Dada f : Kn → Km e A = (f (e1 )|f (e2 )| · · · |f (en )) ∈ Mm×n (K) verifícase
que:  
x1
 x2 
f (v) = A v = A  ..  ∀v = (x1 , x2 , . . . , xn ) ∈ Kn
 
 . 
xn
A matriz A chámase matriz asociada a f respecto da base canónica ou matriz asociada a f .
Exemplo 2.2. Acha as matrices asociadas ás aplicacións lineais dos Exemplos 1.2 e 1.4.
Exercicio 2.3. Acha as matrices asociadas ás aplicacións lineais do Exercicio 1.5.
Exemplo 2.4. Da aplicación lineal f : R3 → R2 sabemos que f (1, 0, 0) = (−3, 5),
f (0, 1, 0) = (1, 1), f (0, 0, 1) = (1, 2). Determina f .
Propiedade 2.5. Sexan U, V e W K-espazos vectoriais con dim U = l, dim V = n e
dim W = m. Se f : U → V e g : V → W son dúas aplicacións lineais e A e B son as
matrices asociadas a f e g, respectivamente, entón B · A é a matriz asociada a g ◦ f .
Observa que como A ∈ Mn×l (K), B ∈ Mm×n (K), entón B · A ∈ Mm×l (K).
Exemplo 2.6. Dadas as aplicacións lineais f : R2 → R3 , f (x, y) = (x + y, x − y, x + 2y) e
g : R3 → R2 , g(x, y, z) = (x + y + z, x − y − z) calcula:
1. A matriz asociada a f .
2. A matriz asociada a g.
3. g ◦ f e a súa matriz asociada.
4. Escribe e comproba a relación que hai entre as matrices anteriores.
Exercicio 2.7. Dadas as aplicacións lineais f, g : R3 → R3 , f (x, y, z) = (y, −x, x + y + z)
e g(x, y, z) = (x + 2y, y − z, z) calcula:
1. A matriz asociada a f .
2. A matriz asociada a g.
3. g + f e a súa matriz asociada.
4. 3f e a súa matriz asociada.
5. g ◦ f e a súa matriz asociada.
6. Escribe e comproba a relación que hai entre as matrices anteriores.
f
Exercicio 2.8. Sexa f : R2 − → R3 a aplicación lineal dada por f (1, 0) = (2, 3, 0), f (0, 1) =
3 4
(−1, 1, 1) e g : R → R dada por g(1, 0, 0) = (2, −1, 0, 0), g(0, 1, 0) = (2, 0, 1, 0), g(0, 0, 1) =
(0, 0, 1, −1), acha a expresión matricial de f, g e g ◦ f respecto de as bases canónicas.
 APLICACIÓNS LINEAIS 3

Definición 2.9. Dados V e W dous K-espazos vectoriais con dim V = n, dim W = m,

f : V → W unha aplicación lineal, β1 = {v1 , v2 , . . . , vn } e β2 bases de V e W , respectiva-
mente.
A matriz asociada a f respecto das bases β1 e β2 é a matriz de tamaño m × n


(f )β1 β2 = f (v1 )β2 | f (v2 )β2 | · · · | f (vn )β2
 
x1
 x2 
Se as coordenadas do vector v ∈ V respecto da base β1 son vβ1 =  ..  e as coor-
 
 . 
xn β1
 
y1
 y2 
denadas do vector f (v) respecto da base β2 son f (v)β2 =  entón esta matriz
 
.. 
 . 
ym β2
verifica que:    
y1 x1
 y2   x2 
= (f )β1 β2 
   
 ..  .. 
 .   . 
ym β2
xn β1
Casos particulares:
1. Se V = Rn , W = Rm , β1 = C e β2 = C, entón (f )CC é a matriz asociada a f respecto
de as bases canónicas (que denotábamos por A)
2. Se V = W e f = 1V entón (1)β1 β2 é a matriz de cambio de base de β1 a β2 .
3. Se V = W e β = β1 = β2 a matriz (f )ββ chámase a matriz asociada a f respecto da
base β.
Exemplo 2.10. Dada a aplicación lineal f : R2 → R3 , f (x, y) = (x + y, x − y, x + 2y) e as
bases β1 = {(1, 1), (1, −1)} e β2 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)}, acha:
1. A matriz asociada a f , (f )CC .
2. As coordenadas de v = (2, 1) respecto da base β1 .
3. (f )β1 β2
4. As coordenadas de f (v) respecto da base β2 .
5. (f )β1 C
6. As coordenadas de f ((3, −1)β1 ) e de f ((1, −1)β1 ) respecto da base C.
Exemplo 2.11. Da aplicación lineal f : R3 → R2 temos os seguintes datos: f (1, 2, 3) =
(−3, 5), f (0, −1, 2) = (1, 1), f (1, 0, 3) = (1, 2). Determina f .
Exercicio 2.12. Dada a aplicación lineal f : R3 → R3 , f (x, y, z) = (x + y + z, x − y − z, 2x)
e as bases β1 = {(1, 1, 1), (−1, 2, 1), (0, 1, 1)} e β2 = {(3, 2, 1), (−1, 1, 2), (2, 3, 4)} de R3 ,
acha:
1. A matriz asociada a f , (f )CC .
2. (f )β1 β2
3. As coordenadas de v = (3, 1, −1) respecto da base β1 .
4. (f )Cβ2
5. As coordenadas de f (v) respecto da base β2 de dúas formas diferentes.
4 APLICACIÓNS LINEAIS

2.13 (Relación entre as matrices asociadas a unha aplicación lineal). Considere-

mos f : V → W unha aplicación lineal, β1 e β10 bases de V e β2 e β20 bases de W .
• Como f = f ◦ 1V , entón

f
Vβ1 / Wβ
= 2

1V f
Vβ10

(f )β1 β2 = (f )β10 β2 · (1)β1 β10

• Como f = 1W ◦ f , entón
f
V β1 / Wβ
< 2

f 1W
!
Wβ20

(f )β1 β2 = (1)β20 β2 · (f )β1 β20

• Como f = 1W ◦ f ◦ 1V , entón

f
V β1 / Wβ
O 2
1V 1W

Vβ10 /W 0
f β2

(f )β1 β2 = (1)β20 β2 · (f )β10 β20 · (1)β1 β10

En particular, se V = W , β1 = β2 e β10 = β20 , entón
f
Vβ1 / Vβ
O1
1V 1V

Vβ10 /V 0
f β1

(f )β1 β1 = (1)β10 β1 · (f )β10 β10 · (1)β1 β10

É dicir, se chamamos P = (1)β1 β10 entón
(f )β1 β1 = P −1 · (f )β10 β10 · P
Exemplo 2.14. No Exemplo 2.10 escribe e comproba a relación entre:
1. (f )CC e (f )β1 C
2. (f )CC e (f )β1 β2
3. (f )β1 C e (f )β1 β2
Exercicio 2.15. No Exercicio 2.12 escribe e comproba a relación entre:
1. (f )CC e (f )Cβ2
2. (f )CC e (f )β1 β2
3. (f )Cβ2 e (f )β1 β2
 APLICACIÓNS LINEAIS 5

Exercicio 2.16. Sexa D : P2 (R) → P2 (R) a aplicación lineal que asocia a cada polinomio
a súa derivada.
1. Calcula a matriz asociada a D na base β = {1, x, x2 }.
2. Calcula a matriz asociada a D na base β 0 = {x − 3, x2 − 3, 7 − x − x2 }.
3. Calcula D((1, −1, 2)β 0 )β 0 e D((1, −1, 2)β 0 )β
Definición 2.17. Dúas matrices cadradas A e B de tamaño n son semellantes se existe
un matriz P invertible tal que:
B = P −1 · A · P
Por exemplo, dada f : V → V unha aplicación lineal e β1 e β10 bases de V as matrices
(f )β1 β1 e (f )β10 β10 son semellantes.
Propiedades 2.18. Sexan A e B dúas matrices semellantes. Entón
1. det(A) = det(B)
2. A é invertible ⇔ B é invertible
3. rg(A) = rg(B)
Exercicio 2.19. No Exemplo 2.12 dá dúas matrices asociadas a f que sexan semellantes.
Exercicio 2.20.
1. Determina unha aplicación lineal f : R2 → R2 tal que f (2, 5) = (1, 3) e f (1, 3) =
(1, −1).
2. Calcula f (1, 0), f (0, 1)  
1 2
3. Acha unha base β tal que (f )βC =
3 4
4. Acha a expresión de f 2 = f ◦ f

3. Núcleo e Imaxe dunha aplicación lineal.

Definición 3.1. Sexa f : V → W unha aplicación lineal. O núcleo de f é
Ker(f ) := {v ∈ V | f (v) = 0}
Verifícase que Ker(f ) é un subespazo vectorial de V .
Se f : Kn → Km é unha aplicación lineal e A a matriz asociada a f verifícase que:
   
x1 0
 x2  0
1. Ker(f ) é o conxunto de solucións do sistema A ·  ..  =  .. 
   
 .  .
xn 0
2. dim(Ker(f )) = n − rg(A)
Exemplo 3.2. Acha o núcleo das seguintes aplicacións lineais:
f
1. R2 −
→ R3 , f (x, y) = (x + y, x − y, x + 2y)
f
2. R3 −
→ R2 , f (x, y, z) = (x + y + z, x − y − z)
f
3. R3 −
→ R3 , f (x, y, z) = (x + y + z, x − y − z, 2x)
6 APLICACIÓNS LINEAIS

Definición 3.3. Sexa f : V → W unha aplicación lineal. A imaxe de f é:

Im(f ) := {f (v) | v ∈ V } = {w ∈ W | w = f (v)}
Verifícase que:
1. Se v1 , v2 , . . . , vk é un conxunto xerador de V , entón
Im(f ) = hf (v1 ), f (v2 ), . . . , f (vk )i
e, polo tanto, Im(f ) é un subespazo de W
2. Se A é unha matriz asociada a f , entón dim(Im(f )) = rg(A)
Exemplo 3.4. Acha a imaxe das aplicacións lineais do Exemplo 3.2.
Proposición 3.5. Sexa f : V → W unha aplicación lineal. Entón:
dim(Im(f )) + dim(Ker(f )) = dim(V )
Exercicio 3.6. Existe unha aplicación lineal f : R3 → R4 de forma que o seu núcleo é o
subespazo xerado por (1, 0, 1) e (1, 1, 1) e a imaxe está xerada por (1, 0, 0, 0) e (1, 2, 0, 0)?
f
Exemplo 3.7. Dada a aplicación lineal f : R3 − → R3 , f (x, y, z) = (x + y + z, y + z, z),
pídese:
1. Acha Im(f ), unha base e a súa dimensión.
2. Acha Ker(f ), unha base e a súa dimensión.
f
Exercicio 3.8. Dada a aplicación lineal f : R3 −→ R3 , f (x, y, z) = (2x + y + 4z, x + y +
2z, x + y + 3z), pídese:
1. Acha Im(f ), unha base e a súa dimensión.
2. Acha Ker(f ), unha base e a súa dimensión.
Exemplo 3.9. En R3 considéranse os subespazos U = h(1, 1, 1)i e W = {(x, y, z) ∈ R3 |
x + y + z = 0}. Determina unha aplicación lineal f : R3 → R3 de forma que U = Ker(f ) e
W = Im(f ).
Exercicio 3.10. Determina un aplicación lineal f : R3 → R4 de forma que o seu núcleo e
imaxe estean dados por
( (
x−z =0 x−y =0
Ker(f ) ≡ Im(f ) ≡
y =0 y−z =0

4. Tipos de aplicacións lineais

Teorema 4.1. Dada unha aplicación lineal f : V → W e A é unha matriz asociada a f ,
as seguintes condicións son equivalentes:
1. para todo par de vectores distintos u, v de V verifícase que f (u) 6= f (v)
2. se existen vectores u e v de V tales que f (u) = f (v), entón u = v.
3. Ker(f ) = {0}
4. dim Ker(f ) = 0
5. dim(V ) = rg(A)
Se f satisfai as propiedades anteriores, dise que é unha aplicación lineal inxectiva.
Exemplo 4.2. Estuda se as aplicacións lineais do Exemplo 3.2 son inxectivas.
 APLICACIÓNS LINEAIS 7

Propiedades 4.3. Sexa f : V → W unha aplicación lineal inxectiva. Entón

1. Se {v1 , v2 , . . . , vk } é un conxunto de vectores de V linealmente independente, entón
{f (v1 ), f (v2 ), . . . , f (vk )} é un conxunto de vectores de W linealmente independente.
2. Se {v1 , v2 , . . . , vk } é unha base de V , entón {f (v1 ), f (v2 ), . . . , f (vk )} é unha base
de Im(f ).
3. dim(V ) = dim(Im(f ))
4. dim(V ) ≤ dim(W )
5. Se dim(V ) = dim(W ) e {v1 , v2 , . . . , vk } é unha base de V , entón {f (v1 ), f (v2 ), . . . ,
f (vk )} é unha base de W .
f
Exemplo 4.4. Dada a aplicación lineal f : R4 −
→ R3 , f (x, y, z, t) = (x + y + z, y + t + z, 3y),
estuda se é inxectiva.
Exemplo 4.5. Dada a aplicación lineal f do Exemplo 3.7, estuda se é inxectiva.
Exercicio 4.6. Dada a aplicación lineal f do Exercicio 3.8, estuda se é inxectiva.
Teorema 4.7. Dada unha aplicación lineal f : V → W as seguintes condicións son equi-
valentes:
1. ∀w ∈ W , ∃v ∈ V tal que f (v) = w
2. Im(f ) = W
3. dim(Im(f )) = dim(W )
4. dim(W ) = rg(A)
Se f satisfai as propiedades anteriores, dise que é unha aplicación lineal sobrexectiva.
Exemplo 4.8. Estuda se as aplicacións lineais do Exemplo 3.2 son sobrexectivas.
Exemplo 4.9. Estuda se a aplicación lineal do Exemplo 4.4 é sobrexectiva.
Proposición 4.10. Se f : V → W é unha aplicación lineal e dim V = dim W , entón
f é inxectiva ⇔ f é sobrexectiva
Exemplo 4.11. Dada a aplicación lineal f do Exemplo 3.7, estuda se é sobrexectiva.
Exercicio 4.12. Dada a aplicación lineal f do Exemplo 3.8, estuda se é sobrexectiva.
Teorema 4.13. Dada unha aplicación lineal f : V → W as seguintes condicións son equi-
valentes:
1. dim(Im(f )) = dim(W ) e dim Ker(f ) = 0
2. Im(f ) = W e Ker(f ) = {0}
3. A matriz asociada a f é invertible.
4. Existe unha aplicación lineal g : W → V tal que

g ◦ f = 1V , f ◦ g = 1W
A aplicación g chámase aplicación inversa de f e denótase f −1 . Se A é a matriz
asociada a f , entón f −1 é a aplicación lineal asociada á matriz A−1 .
Se f satisfai as propiedades anteriores, dise que é un isomorfismo.
Exemplo 4.14. Estuda se as aplicacións lineais do Exemplo 3.2 son isomorfismos.
Corolario 4.15. Se f : V → W é un isomorfismo, entón
dim(V ) = dim(W )
Exemplo 4.16. Estuda se a aplicación lineal do Exemplo 4.4 é un isomorfismo.
8 APLICACIÓNS LINEAIS

Exemplo 4.17. Dada a aplicación lineal f do Exemplo 3.7, estuda se é un isomorfismo.

En caso afirmativo, acha f −1 e a matriz asociada respecto de f −1 .
Exercicio 4.18. Dada a aplicación lineal f do Exemplo 3.8, estuda se é un isomorfismo.
En caso afirmativo, acha f −1 e a matriz asociada respecto de f −1 .
Exercicio 4.19. Para cada α ∈ R defínese fα : R3 → R3 e a súa matriz respecto da base
canónica é  
1 α 0
A = α 1 α 
0 α 1
1. Acha Ker(fα ) segundo os valores de α.
2. Para que valores de α, f é inxectiva, sobrexectiva ou bixectiva?
3. Estuda se U = {(x, y, z) ∈ R3 | f0 (x, y, z) = (x, y, z)} é un subespazo de R3 . En
caso afirmativo, calcula unha base de U .
4. Dada a base β = {v1 = e1 − e2 , v2 = e2 − e3 , v3 = e3 }, calcula a matriz asociada a
fα respecto da base β.