Teoría Aplicaciones Lineales PDF

Tema 9
Aplicaciones lineales.
9.1. Concepto de aplicacion lineal.

En este tema vamos a estudiar aplicaciones (funciones) que transforman vectores en vectores. El
espacio de partida, Rn , o espacio inicial, y el espacio de llegada, Rm , o espacio final, no tienen
por que ser el mismo. Hablaremos de endomorfismo cuando los espacios inicial y final coincidan.
En toda aplicacion, a cada vector del espacio inicial, x Rn , le corresponde un unico vector del
espacio final, f (x) Rm , el cual recibe el nombre de imagen de x por f .
Una aplicacion es lineal cuando se comporta bien con respecto a las operaciones basicas de los
espacios vectoriales:
Definicion 9.1 Sea f : Rn Rm una aplicacion.

f es una aplicacion lineal o morfismo si:
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.
Teorema 9.2 (Condicion necesaria y suficiente) Sea f : Rn Rm una aplicacion.

f es una aplicacion lineal si y solo si
f (u + v) = f (u) + f (v) u, v Rn , R. z
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.
Proposicion 9.3 (Condicion necesaria) Sea f : Rn Rm una aplicacion.

Si f es una aplicacion lineal entonces
f (n ) = m ,
donde n es el vector cero de Rn y m el vector cero de Rm . z
La expresion explcita de una aplicacion, lineal o no, recibe el nombre de expresion analtica
y en ella al vector x Rn lo denotamos por x = (x1 , . . . , xn ) y a su imagen f (x) Rm por
f (x) = (f1 (x), . . . , fm (x))
Definicion 9.4 Sea f : Rn Rm una aplicacion lineal.

La expresion analtica de f es la expresion explcita de f
f (x1 , . . . , xn ) = (f1 (x1 , . . . , xn ), . . . , fm (x1 , . . . , xn ))
La aplicacion que a cada x le asocia la coordenada i-esima de f (x) recibe el nombre de funcion
componente i-esima de f y siempre es una combinacion lineal de las variables. z
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.
Proposicion 9.5 Sea f : Rn Rm una aplicacion lineal dada por

f1 (x1 , . . . , xn ) = a11 x1 + a12 x2 + . . . + a1n xn

f (x , . . . , x ) = a x + a x + . . . + a x
2 1 n 21 1 22 2 2n n
..

.

f (x , . . . , x ) = a x + a x + . . . + a x
m 1 n m1 1 m2 2 mn n
La expresion 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 aplicacion lineal. z
APLICACIONES LINEALES 205
9.2. Nucleo e imagen de una aplicacion lineal.

Dos subespacios que nos permiten caracterizar a una aplicacion lineal son el nucleo 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.
Proposicion 9.6 Sea f : Rn Rm una aplicacion lineal. Son subespacios vectoriales:
El nucleo 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 .
Ademas, se verifica la relacion

dim(ker(f )) + dim(Im(f )) = dim(Rn ). z
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 .
Proposicion 9.7 Sea f : Rn Rm una aplicacion lineal y E Rn un subespacio.

La imagen de E es el subespacio del espacio final
f (E) = {f (u) Rm /u E}.
Ademas, si {u1 , . . . , uk } es sistema generador de E entonces {f (u1 ), . . . , f (uk )} es sistema gene-
rador de f (E). z
Esta proposicion nos permite calcular la imagen de un subespacio, y, en particular, la imagen de

f , que corresponde a la imagen completa del espacio inicial (Im(f ) = f (Rn )).
Calculo del nucleo e imagen de una aplicacion lineal
Se considera la expresion matricial f (x) = A x.
Las ecuaciones implcitas del nucleo corresponden al sistema A x = y tambien se pueden

obtener igualando la expresion analtica de f al vector nulo (f (x) = ).
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
Ejemplo 9.8 Calcular la dimension, una base y unas ecuaciones implcitas linealmente indepen-
dientes del nucleo 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
Determinamos el rango de la matriz para calcular las dimensiones del nucleo y la imagen:

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
Determinamos el nucleo de f (espacio inicial), ker(f ) R3 :
Obtenemos unas ecuaciones implcitas igualando la expresion matricial de f al vector cero:

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
El rango de la matriz nos da el numero de ecuaciones implcitas linealmente independientes

(por tanto, la dimension dim[ker(f )] = n rg(A) = 3 2 = 1):
no ecuaciones implcitas l.i. = rg(A) = 2
Las ecuaciones implcitas linealmente independientes del nucleo se obtienen eliminando

las ecuaciones dependientes:
x +x =0
1 3
ker(f ) :
x +x =0
2 3
Obtenemos la ecuacion parametrica del nucleo de f resolviendo el sistema (ejercicio):

x =
1

ker(f ) x2 = R.

x =
3
Una base del nucleo esta formada por el vector u1 = (1, 1, 1) (coeficientes de ):
Base de ker(f ) = {(1, 1, 1)}
Determinamos la imagen de f (espacio final), Im(f ) R4 :
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
El rango de la matriz nos da el numero de vectores linealmente independientes (dimension de

la imagen)

1 0 1

0 1 1
dim[Im(f )] = rg(A) = rg
= 2.

1 0 1

0 1 1
Por tanto, una base de la imagen esta formada por los vectores:
Base de Im(f ) = {(1, 0, 1, 0), (0, 1, 0, 1)}
Obtenemos unas ecuaciones implcitas linealmente independientes de la imagen al anadir un

vector generico a la base e imponer que sea combinacion lineal de los vectores de la base. Para
ello, como la dimension se se mantiene, el rango sigue siendo 2 y son cero los menores que se
obtiene al orlar el menor que determina el rango con las dos filas que quedan fuera de este.

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
As, las ecuaciones implcitas de la imagen son:

x x =0
1 3
Im(f )
x x =0
2 4
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 algun
vector del espacio inicial. Cuando la aplicacion cumple ambas condiciones es biyectiva y todos estos
comportamientos se pueden caracterizar mediante las dimensiones de su nucleo y su imagen.
Proposicion 9.9 Sea f : Rn Rm una aplicacion lineal con A Mmn (R) su matriz asociada.
f es inyectiva ker(f ) = {} dim ker(f ) = 0 rg(A) = n.
f es sobreyectiva Im(f ) = Rm dim Im(f ) = m rg(A) = m.
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 )
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
Observese que al ser n = 3 y m = 4 nunca podra haber sido sobreyectiva. z
9.3. Operaciones con aplicaciones lineales.

Las operaciones con aplicaciones lineales son iguales que las operaciones con cualquier funcion.
Solo que en este caso se pueden expresar como operaciones entre matrices y, por tanto, mantienen
las propiedades de estas.
Definicion 9.11 Sean f, g : Rn Rm dos aplicaciones y R
(Suma de aplicaciones) La aplicacion suma de f y g es:

f + g : u Rn (f + g)(u) = f (u) + g(u) Rm .
(Producto de un escalar por una aplicacion) La aplicacion producto de por f es

f : u Rn ( f )(u) = f (u) Rm . z
Proposicion 9.12 Sean f, g : Rn Rm aplicaciones lineales, A y B sus matrices asociadas y R
f + g es una aplicacion lineal y A + B es su matriz asociada.
f es una aplicacion lineal y A es su matriz asociada. z
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
Definicion 9.13 (Composicion de aplicaciones) Sean f : Rn Rm y g : Rp Rq aplicaciones.

Si m = p, la aplicacion f compuesta con g (o g de f ) es:
g f : u Rn (g f )(u) = g(f (u)) Rq . z
Proposicion 9.14 Sean f : Rn Rm y g : Rp Rq aplicaciones lineales, con m = p, y A y B

sus matrices asociadas
g f es una aplicacion lineal y B A es su matriz asociada. z
La ultima operacion que vamos a ver es la inversa de una aplicacion f , que se denota por f 1 .
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 unico. 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.
Proposicion 9.15 (Inversa de un isomorfismo) Sea f : Rn Rn un isomorfismo con matriz

asociada A (det(A) 6= 0).
La inversa de f , f 1 , tiene como matriz asociada A1 y es la aplicacion lineal
f 1 : v Im(f ) f 1 (v) = u Rn / f (u) = v z
Ejemplo 9.16 Sean f : R3 R4 y g : R2 R3 las aplicaciones lineales
f (x1 , x2 , x3 ) = (x1 + x3 , x2 + x3 , x1 + x3 , x2 + x3 )
g(x1 , x2 ) = (2x1 5x2 , x2 , x1 + 3x2 )
Calcular si es posible, la expresion analtica y matricial de f g y g f
Solucion
f g esta definida
g f
f g : R2 R3 R4
Su expresion matricial es f g(x) = f (g(x)) = Ag(x) = ABx

1 0 1 1 2
2 5

1

0 1 1 x 1 4 x
1

f g(x1 , x2 ) = =
0
1
1 2 x2

1 0 1 x2
1 3
0 1 1 1 4
Obtenemos la expresion analtica de f g al seguir desarrollando

1 2 x 2x2
1
1 x1 + 4x2

4 x1
f g(x1 , x2 ) = =
1 2 x2 x1 2x2

1 4 x1 + 4x2
Lo que de forma abreviada es
f g(x1 , x2 ) = (x1 2x2 , x1 + x4 , x1 2x2 , x1 + x4 )
g f no esta definida
f g
g f : R3 R4 6= R2 R3 z
Ejemplo 9.17 Sea f : R2 R2 el endomorfismo dado por: f (x1 , x2 ) = (2x2 , x1 )

Calcula, si es posible, la expresion analtica y matricial de f 1 .
Solucion
La expresion matricial de f , f (x) = Ax, es

0 2 x1
f (x1 , x2 ) =
1 0 x2
Para calcular su inversa en primer lugar comprobamos que f es un isomorfismo

0 2
= 2 6= 0.

1 0
La expresion matricial de f 1 , f 1 (x) = A1 x, es:

0 1 x x
f 1 (x1 , x2 ) = 1 = 2
1
1/2 0 x2 x
2 1
Lo que de forma abreviada es

x
1
f (x1 , x2 ) = x2 , z
2
9.4. Cambio de base en aplicaciones lineales.

Hasta ahora hemos trabajado con las componentes de los vectores en la base canonica, pero
tambien nos interesa obtener sus expresiones en otras bases. Para ello, vamos a cambiar un poco la
notacion y denotamos para una aplicacion lineal f : Rn Rm y dos bases Bn Rn y Bm Rm
YCm = A XCn es la expresion matricial de f respecto a las bases canonicas.
YBm = A0 XBn es la expresion matricial de f respecto a las bases Bn y Bm .
XCn = P XBn es la ecuacion del cambio de base en Rn
YCm = Q YBm es la ecuacion del cambio de base en Rm
Teorema 9.18 Sean f : Rn Rm aplicacion lineal y Bn Rn y Bm Rm bases.

La expresion matricial de f respecto a las bases Bn de Rn y Bm de Rm es
YBm = Q1 A P XBn . z
Ejemplo 9.19 Sea f : R2 R3 dada por
f (x1 , x2 ) = (x1 + x2 , 2x1 x2 , x1 )
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
Necesitamos hacer un cambio de base en el espacio inicial y otro en el final

0
x1 1 1 x
X = P XB que desarrollado es = 1
x2 1 0 x02
B

0
y 1 1 1 y
1 1
Y = Q YB0 que desarrollado es y2 = 0 1 1 y2
0

0
y3 0 0 1 y3 0 B
Sustituimos los cambios de base en la expresion matricial de f :

Y = AX

X = P XB = Q YB0 = A P XB = YB0 = Q1 A P XB

Y = Q YB0
que desarrollada es
y10 1 1
x0
0 1
= 0 1

y2
x0
0 2
y3 1 1 B
B0
Obtenemos la expresion
analtica
de f al seguir
operando:
1 1 x01 x02
x0
1
f (x01 , x02 )B = 0 1 = 0 = (x01 x02 , x02 , x01 + x02 ) z

x2
x0
2 0 0
1 1 B x1 + x2 0 B
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
Se pide la expresion matricial respecto a la base canonica (en ambos espacios):
Y = AX
Necesitamos hacer un cambio de base en el espacio inicial y otro en el final:

0
x1 1 0 x
X = P XB que desarrollado es = 1
x2 1 1 x02
B
y1 1 1 y0
Y = Q YB0 que desarrollado es = 1
y2 1 0 y20 0 B
Sustituimos los cambios de base en la expresion matricial de f :

0
YB = A X B
0

X = P XB = XB = P X 1 = Q1 Y = A0 P 1 X = Y = Q A0 P 1 X

= YB0 = Q1 Y

Y = Q YB0
Obtenemos la expresion analtica

de
fal seguir
operando:

0 2 x1 2x2
f (x1 , x2 ) = = = (2x2 , x1 ) z
1 0 x2 x1
Ejemplo 9.21 Obtener la expresion matricial respecto a las bases canonicas de g dada por:

g(3, 1) = (1, 1, 0)
g(5, 2) = (0, 2, 1)
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
necesitamos hacer un cambio de base en el espacio inicial:

x1 3 5 x01
X = Q XB que desarrollado es =
0
x2 1 2 x2
B
Si sustituimos el cambio de base en la expresion matricial de g obtendremos la expresion buscada

0
Y = B XB
= Y = A0 Q1 X que desarrollada es
X = Q X = X = Q1 X
B B

y1 2 5
x
1
y2 = 0

1
x2
y3 1 3 z
9.5. Diagonalizacion 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 .
Cuando existe una matriz no singular P tal que
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.
Ejemplo 9.22 Determinar una expresion diagonal del endomorfismo
f (x, y, z) = (3x + z, x + 2y + z, 2x + 4z).
Solucion La matriz asociada a f respecto de las bases canonicas es la matriz

3 0 1

A= 1 2 1

2 0 4
Calculamos los autovalores de A:

El polinomio caracterstico es (desarrollamos por la segunda columna):

3 0 1

3 1
|A I| = 1

2 1 = (2 )
= (2 ) (2 7 + 10)
4

2
4

2 0

2 m=2
cuyas races son los autovalores de A: =
5 m=1
Estudiamos si es diagonalizable comparando la dimension del subespacio de autovectores asociado

al autovalor multiple = 2 con su multiplicidad:

1 0 1

dim H(2) = n rg(A i I) = 3 rg 1 0 1 = 3 1 = 2 = m(2).

2 0 2
Como la dimension coincide con la multiplicidad, A s es diagonalizable.
Obtenemos una base de los subespacios de autovectores:
? Calculamos una base de H(2), subespacio de autovectores asociado a = 2 (m = 2):
Obtenemos unas ecuaciones implcitas de H(2):

1 0 1 x 0 x1 + x3 = 0

1

(A 2I) X = 1 0 1 x2 = 0

x1 + x3 = 0

2 0 2 x3 0 2x + 2x = 0
1 3
donde la unica ecuacion implcita linealmente independiente es x1 + x3 = 0.

Obtenemos las ecuaciones parametricas resolviendo la ecuacion, para lo que tomamos como para-
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
Una base de H(2) esta formada por u1 = (0, 1, 0) y u2 = (1, 0, 1) (coeficientes de y ).

? Calculamos una base de H(5), subespacio de autovectores asociado a = 5 (m = 1):
Obtenemos unas ecuaciones implcitas de H(5):

2 0 1 x 0 2x1 + x3 = 0

1

(A 5I) X = 1 3 = 0 x1 3x2 + x3 = 0

1 x2

0 1 2x1 x3 = 0

2 x3 0
en las que tenemos dos ecuaciones implcitas linealmente independientes:

2x1 + x3 = 0
rg(A 5I) = 2 = H(5) :
x 3x + x = 0
1 2 3
Obtenemos las ecuaciones parametricas de H(5) al tomar como parametro x3 = :

2x1 + x3 = 0 = 2x1 + = 0 = x1 = /2
x1 3x2 + x3 = 0 = /2 3x2 + = 0 = x2 = /2

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
Base de autovectores B = {(0, 1, 0), (1, 0, 1), (1, 1, 2)}
La expresion diagonal de f en la base de autovectores es:

2 0 0 x1

f (x1 , x2 , x3 )B = 0 2 0

x2

0 0 5 x3
B
donde la expresion analtica de f en la base de autovectores es

f (x1 , x2 , x3 )B = (2x1 , 2x2 , 5x3 )B z
9.6. Formas canonicas de Jordan.

El calculo de las potencias de una matriz corresponde a la composicion reiterada de un endomor-
fismo. Realizar esta composicion mediante sus expresion en la base de autovectores, si es que existe,
nos permite desarrollar un procedimiento para el calculo de la potencia de una matriz cuadrada
diagonalizable. Si A es diagonalizable existe P no singular tal que P 1 AP = D, con D diagonal. De
esta forma, A = P DP 1 y se tiene que Am = P Dm P 1 donde

m
0 ... 0 0 ... 0
1 1
D = 0 2 . . . 0 = Dm = 0 2 m . . .

0

0 0 . . . n 0 0 . . . n m z
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.
Definicion 9.23 Sean A Mnn (R) una matriz cuadrada y i un autovalor de multiplicidad mi .
Hk (i ) = {u Rn /(A i I)k u = 0} con k N
es un subespacio vectorial de Rn cuyos elementos reciben el nombre de autovectores generalizados

de orden k.
Estos subespacios forman una cadena creciente en la que H0 (i ) es el vector cero y H1 (i ) el

subespacio de autovectores asociado a i . Siempre existe un orden a partir del cual la cadena no crece
mas, de forma que la dimension del mayor subespacio de la cadena coincide con la multiplicidad del
autovalor.
Proposicion 9.24 Sean A Mnn (R) una matriz cuadrada y i un autovalor de multiplicidad mi .
H0 (i ) = {} y H1 (i ) = H(i )
Hk (i ) Hk+1 (i ) k N
Existe ki N tal que k ki dim(Hk (i )) = mi . z
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).
Definicion 9.25 Sea A Mnn (R) una matriz cuadrada y un autovalor.

Una caja de Jordan de orden k asociada a es una matriz de orden k formada por el autovalor
en la diagonal principal, unos en la diagonal inmediatamente superior y ceros en el resto.

1 0
1
J= J= J = 0 1

0
0 0
Una forma canonica de Jordan de orden n es una matriz J Mnn (R) diagonal por cajas
en la que las cajas, Ji , son cajas de Jordan. Es decir,

J1 ...

J2 . . .

J = .. .. . . ..

.

. . .

. . . Jk z
Cuando la matriz es diagonalizable su forma de Jordan es la correspondiente matriz diagonal en

la que todas las cajas son de orden 1. De modo que las formas de Jordan son generalizaciones de las
matrices diagonales, con la ventaja de que toda matriz tiene una forma canonica semejante.
Teorema 9.26 Sea A Mnn (R) una matriz cuadrada.

Existe una matriz no singular P Mnn (R) tal que
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 numero 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 numero de cajas asociadas al autovalor que hay de cada orden recibe el nombre de particion
de multiplicidad del autovalor y se obtiene a traves de la cadena
H0 (i ) H1 (i ) H2 (i ) Hki 1 (i ) Hki (i )
donde ki N es el primer k tal que dim(Hk (i )) = mi .
Teorema 9.28 (Particion de multiplicidad de un autovalor en la forma canonica de Jordan) Sea A

una matriz cuadrada.
El numero de cajas de orden mayor o igual que i asociadas al autovalor i es
di = dim(Hi ()) dim(Hi1 ()) i = 1, . . . , ki .
El numero 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
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
Ejemplo 9.30 Obtener, junto con la matriz de paso, la forma canonica de

1 1 1

A= 1 3 1

0 0 2
Solucion
La ecuacion caracterstica de A es: |A I| = 3 + 62 12 + 8 = 0
El unico autovalor se obtiene resolviendo la ecuacion caracterstica: = 2 m = 3.
La estructura de las cajas asociadas al autovalor es:
Como dim(H(2)) = 3 rg(A 2I) = 1 entonces hay una caja asociada a = 2.
Como m = 3 entonces la suma de los ordenes de las cajas asociadas a = 2 es tres.
Por tanto la forma de Jordan estara formada por una unica caja de orden tres (en casos
mas complicados es necesario recurrir a la particion de multiplicidad para determinar tanto el
numero como el tipo de cajas).
Para la unica caja de orden 3 obtenemos el correspondiente conjunto de autovectores genera-

lizados.
En primer lugar construimos la cadena de subespacios

El subespacio de autovectores asociado a = 2, H(2), es:

1 1 1 x 0
1
(A 2I) X = 1 x2 = 0

1 1

0 0 0 x3 0
Como dim(H1 (2)) = 1 6= m(2) continuamos con la cadena

El subespacio de autovectores de orden dos asociado a = 2, H2 (2), es:

0 0 2 x 0
1
(A 2I)2 X = 0 0 2 x2 = 0

0 0 0 x3 0
Como dim(H2 (2)) = 2 6= m(2) continuamos con la cadena

El subespacio de autovectores de orden tres asociado a = 2, H3 (2), es:

0 0 0 x 0
1
(A 2I)3 X = 0 0 0 x2 = 0

0 0 0 x3 0
Como dim(H3 (2)) = 3 hemos terminado con la cadena.
Se obtiene una base de H3 (2) y se elige un vector u3 que no este en H2 (2)

si tomamos como base de H3 (2) la base canonica, el unico vector que no esta en H2 (2) es
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.
Se obtienen el resto de vectores correspondientes a la caja:

1 1 1 0 1

u2 = (A 2 I) u3 = 1 1 1 0 = 1

0 0 0 1 0

1 1 1 1 2

u1 = (A 2 I) u2 = 1 1 1 1 = 2 .

0 0 0 0 0
El conjunto de autovectores generalizados independientes correspondiente a la caja es
B = {(2, 2, 0), (1, 1, 0), (0, 0, 1)}
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 .
La forma de Jordan correspondiente a la unica caja es J = P 1 A P

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

10 10 14

A= 3 5 5

7 8 10
Solucion

=1 m=1
1
La ecuacion caracterstica de A es: |AI| = 3 +52 8+4 = 0 con =
=2 m=2
2
La estructura de las cajas asociadas a los autovalores es
Como 1 = 1 tiene multiplicidad m = 1 tiene asociada una caja de dimension 1.
Como dim H(2) = 3 rg(A 2I) = 1 hay una caja asociada a = 2 y como tiene
multiplicidad m = 2 la unica caja tiene orden 2
La forma de Jordan es
1 0 0

J = 0 2 1

0 0 2
Obtenemos el correspondiente conjunto de autovectores generalizados.

Para el autovalor 1 = 1, el subespacio de autovectores asociado, H(2), es:

9 10 14 x1 0

(A 2I) X = 3 4 5 x2 = 0

7 8 11 x3 0
en el que, resolviendo el sistema correspondiente, podemos tomar como autovector
v1 = (2, 1, 2)
Para el autovalor 2 = 2, necesitamos construir la cadena de subespacios
el subespacio de autovectores asociado a = 2, H(2), es:

8 10 14 x 0
1
(A 2I) X = 3 3 5 x2 = 0

7 8 12 x3 0

4 2 6 x1 0

2
(A 2I) X = 2 1 3 x2 = 0

4 2 6 x3 0
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)
El conjunto de autovectores generalizados correspondiente a la forma de Jordan es
B = {(2, 1, 2), (12, 3, 9), (1, 2, 0)}
donde el conjunto de vectores {v1 , v2 , v3 } esta formado por un autovector asociado a 1 = 1,

v1 , por un autovector asociado a 2 = 2, v2 , y por un autovector generalizado de orden dos
tambien asociado a 2 = 2, v3 .
La forma de Jordan correspondiente es J = P 1 A P

2 12 1 1 0 0

1
P = 1 3 2 J = P AP = 0 2 1

2 9 0 0 0 2 z
Calculo de la potencia de una matriz cuadrada diagonalizable
Si A es diagonalizable existe P no singular tal que P 1 AP = D, con D diagonal. De esta forma,
A = P DP 1 y se tiene que Am = P Dm P 1 donde

1 0 . . . 0 m 0 ... 0
1
D = 0 2 . . . 0 = Dm = 0 2 m . . . 0

0 0 . . . n 0 0 . . . n m z
Calculo 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 ,
donde para calcular J k se descompone J como J = D + J0 , con D la diagonal principal de J y

J0 = J D igual que J pero con ceros en diagonal principal.
A continuacion, se aplica el binomio de Newton teniendo en cuenta que existe una potencia de
J0 a partir de la cual las potencias sucesivas son cero (este tipo de matrices reciben el nombre de
matrices nilpotentes):

m m m m m m1 1 m
J = (D + J0 ) = D + D J0 + Dm2 J02 +
0 1 2
Si la forma canonica esta descompuesta en cajas

J (J D1 )m
1 1
(J2 D2 )m

J2 m

J = = (J D) =

... ...

Jr (Jr Dr )m z

3 1 0

A= 0 3 0

0 2 3
Solucion
La ecuacion caracterstica de A es: |A I| = (3 )3 = 0 cuyo unico autovalores es = 3

con m(3) = 3.
La estructura de las cajas asociadas al autovalor es:
Como dim(H(3)) = 3 rg(A 2I) = 2 entonces hay dos cajas asociadas a = 3.
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
Obtenemos los autovectores generalizados asociados a = 3.
En primer lugar, necesitamos construir la cadena de subespacios
El subespacio de autovectores asociado a = 3, H(3), es:

0 1 0 x 0
1
(A 3I) X = 0 0 0 x2 = 0

0 2 0 x3 0
como dim H(3) = 3 rg(A 3I) = 2 6= m(3) continuamos con la cadena.

0 0 0 x 0
1
(A 3I)2 X = 0 0 0 x2 = 0

0 0 0 x3 0
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 tercer vector es este vector de H2 (3)

v3 = (0, 1, 0)
el segundo vector es el vector de H(3)

v2 = (A 3 I) v3 = (1, 0, 2)
el primer vector es un vector de H(3) que tiene que ser independiente con v2
v1 = (1, 0, 0)
El conjunto de autovectores y autovectores generalizados correspondiente a la caja es
B = {(1, 0, 0), (1, 0, 2), (0, 1, 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 .
La forma de Jordan correspondiente es J = P 1 A P

1 1 0 3 0 0

1
P = 0 J = P A P =

0 1 0 3 1

0 2 0 0 0 3 z
Ejercicios del tema.

Ejemplo 9.33 Calcular la dimension, una base y unas ecuaciones implcitas (l.i.) del nucleo e ima-
gen de la aplicacion lineal f : R4 R3 con matriz respecto de las bases canonicas

1 0 1 1

A= 1 0 1 1 .

1 0 1 1
Solucion
El rango de la matriz permite calcular las dimensiones del nucleo y la imagen

dim[ker(f )] = n rg(A) = 4 1 = 3
rg(A) = 1 =
dim[Im(f )] = rg(A) = 1
lo que nos permite afirmar que no es ni inyectiva ni sobreyectiva.
Determinacion de los elementos de ker(f ) R4 (espacio inicial):
Obtenemos unas ecuaciones implcitas del nucleo de f :

x1
1 0 1 1
0
x + x3 + x4 = 0
1

x2

AX = 1 0 1 1 = 0

x1 + x3 + x4 = 0
x3

1 0 1 1 0 x +x +x =0
1 3 4
x4
El numero de ecuaciones implcitas linealmente independientes:
no ecuaciones implcitas l.i. = rg(A) = 1.
La unica ecuacion implcita del nucleo linealmente independiente es:
ker(f ) : x1 + x3 + x4 = 0.
Obtenemos las ecuaciones parametricas del nucleo de f resolviendo el sistema

Como hay una ecuacion implcita linealmente independiente una de las cuatro variables
del sistema depende de las otras tres y tendremos tres parametros (tambien se obtiene la
dimension del nucleo):
no parametros = dim[ker(f )] = no variables no ecuaciones implcitas l.i. = 4 1 = 3.

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.
Sustituimos los parametros en la ecuacion implcita y resolvemos el sistema despejando la

variable x1
x1 + x3 + x4 = 0 = x1 + + = 0 = x1 =
Al ordenar todas las variables se obtiene la ecuacion parametrica del nucleo:

x1 =

x =
2
ker(f ) , , R.

x 3 =

x =
4
Obtenemos una base del nucleo de f a partir de las ecuaciones parametricas
Una base del nucleo esta formada por los vectores u1 = (0, 1, 0, 0) (coeficientes de ),
u2 = (1, 0, 1, 0) (coeficientes de ) y u3 = (1, 0, 0, 1) (coeficientes de ):
Base de ker(f ) = {(0, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)}
Determinacion de los elementos de Im(f ) R3 (espacio final):
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 numero 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
Por tanto, una base de la imagen esta formada por un unico vector y es:
Base de Im(f ) = {(1, 1, 1)}
Obtenemos las ecuaciones parametricas de la imagen de f (no se pide):
Las ecuaciones parametricas de la imagen dependen de un unico parametro
no parametros = dim[Im(f )] = 1
Un vector generico es combinacion lineal de los vectores de la base (ecuacion vectorial):
(x1 , x2 , x3 ) = (1, 1, 1)
Por tanto, las ecuaciones parametricas de la imagen son:

x =
1

Im(f ) x2 = R.

x =
3
Determinamos unas ecuaciones implcitas linealmente independientes de la imagen:
Anadimos 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
no ecuaciones implcitas l.i. = no variables dim[Im(f )] = m rg(A) = 3 1 = 2.
As, las ecuaciones implcitas de laimagen son:

x x =0
1 2
Im(f ) z
x x =0
1 3
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
Calcula la expresion analtica y matricial de f con respecto a la base canonica.
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
necesitamos hacer un cambio de base en el espacio inicial y otro en el final

x1 1 0 x01
X = P XB0 que desarrollado es =
0
x2 1 1 x2
B

y1 1 1 y0
Y = Q YB que desarrollado es = 1
y2 1 0 y20
B
Al sustituir los cambios de base en la expresion matricial de f :

0
YB = A XB 0

X = P XB0 = XB0 = P X 1 = Q1 Y = A0 P 1 X = Y = Q A0 P 1 X

= YB = Q1 Y

Y = Q YB
que desarrollada es
y1 0 2 x1
=
y2 1 0 x2
lo que nos permite
obtener
la expresion
analtica
de f al
seguir desarrollando
y 0 2 x 2x
1 = 1 = 2 = f (x1 , x2 ) = (2x2 , x1 ) z
y2 1 0 x2 x1
Ejemplo 9.35 Sea f : R3 R4 la aplicacion lineal
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
canonica.
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
Como se pide la expresion de f con respecto a la base B y la base canonica
Y = ? XB
necesitamos hacer un cambio de base en el espacio inicial (R3 ):

0
x 2 5 3 x
1 1
0
X = P XB que desarrollado es x2 = 1 3 2 x2

0
x3 2 1 0 x3
B
Obtenemos la expresion buscada si sustituimos el cambio de base en la expresion matricial de f

Y = AX
= Y = A P XB que desarrollado es
X=PX B

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
Ejemplo 9.36 Sea f : R4 R3 la aplicacion lineal
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)}
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
Como se pide la expresion de f con respecto a la base canonica y B en R4 y R3 respectivamente
YB = ? X
necesitamos hacer un cambio de base en el espacio final (R3 ):

y1 1 0 0 y10

0
Y = P YB que desarrollado es y2 = 1

1 0 y
2

y3 0 1 1 y30
B
Obtenemos la expresion buscada al sustituir el cambio de base en la expresion matricial de f

Y = AX
= P YB = A X = YB = P 1 A X que desarrollado es
Y =PY B

x1
y0 1 0 1 1
1
x2
0
y2 = 2 0 2 2

x3

0
y3 3 0 3 3
B x4 z
f (x, y, z) = (3x + z, x + 2y + z, 2x + 4z).
Solucion La matriz asociada a f respecto de las bases canonicas es la matriz

3 0 1

A= 1 2 1

2 0 4
Sus autovalores son

2 m=2
=
5 m=1
La base de autovectores es (los dos primeros corresponden a = 2 y el tercero a = 5)
Base de autovectores B = {(0, 1, 0), (1, 0, 1), (1, 1, 2)}
La matriz del cambio de base y la matriz de f en la base de autovectores son

0 1 1 2 0 0

P = 1 D = P 1 A P = 0 2 0

0 1

0 1 2 0 0 5
La expresion diagonal de f en la base de autovectores es:

2 0 0 x
1
f (x1 , x2 , x3 )B = 0 2 0 x2

0 0 5 x3
B
donde la expresion analtica de f en la base de autovectores es

f (x1 , x2 , x3 )B = (2x1 , 2x2 , 5x3 )B z
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
Calculamos los autovalores de A (ejercicio)

2 m=2
=
0 m=1
Comprobamos que en este caso s es diagonalizable (ejercicio)
Obtenemos una base de autovectores (ejercicio)
B = {(1, 1, 0), (1, 0, 1), (0, 1, 1)}

La matriz de f en la base de autovectores es diagonal y esta formada por los autovalores en la

diagonal principal
2 0 0

D = P 1 A P = 0 2 0

0 0 0
donde las columnas de la matriz de paso son los autovectores

1 1 0

P = 1 0 1

0 1 1
La expresion matricial de f en la base de autovectores es

2 0 0 x
1
f (x1 , x2 , x3 )B = 0 2 0 x2

0 0 0 x3
B
la expresion analtica en la base de autovectores es f (x1 , x2 , x3 )B = (2x1 , 2x2 , 0)B z
Uso de parametros 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):

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 nucleo (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

Como no hay ningun caso en el que dim[ker(f )] = 0 se tiene que f no es inyectiva nunca.
Determinamos si es sobreyectiva estudiando la dimension de la imagen:

3 si a 6= 0, 3

dim[Im(f )] = rg(A) = 2 si a = 3

1 si a=0
Como a 6= 0, 3 es el unico caso en el que dim[Im(f )] = dim(Rm ) = 3 se tiene que f es
sobreyectiva si y solo si a 6= 0, 3. z
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
ser no nulos, elegimos cualquiera de ellos):

1 a
= 1 a2 = 0 a = 1.

a 1
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
Determinamos la dimension del nucleo:

32=1 si a 6= 1
dim[Ker(f )] = n rg(A) =
31=2 si a=1
f nunca es inyectiva ya que no hay ningun caso en el que dim[ker(f )] = 0.

Determinamos la dimension de la imagen:

2 si a 6= 1
dim[Im(f )] = rg(A) =
1 si a=1
f nunca es sobreyectiva ya que no hay ningun caso en el que dim[Im(f )] = 4 = m (como la

dimension del espacio final es mayor que la del espacio inicial no puede ser sobreyectiva). z
Ejercicio 9.41 Estudia para que valores del parametro a R es diagonalizable el endomorfismo
f (x, y, z) = (x + 2y + 4z, ay, x ay + z)
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
? Calculamos las races del polinomio caracterstico:

La raz = a aparece directamente en el factor (a ).
Las otras dos races se obtienen de la ecuacion de segundo grado 2 2 3 = 0 y son

2+4
2 4 + 12 2 = 3
= =
2 24 = 1
2

a

Por tanto, los autovalores de A son: = 3

1

Determinamos los valores crticos para la diagonalizacion, que son aquellos que hacen que haya
autovalores multiples (si solo tiene autovalores simples siempre es diagonalizable):
A tiene autovalores multiples para a = 3 y a = 1.
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
Comparamos la dimension del subespacio de autovectores asociado al autovalor multiple con su

multiplicidad (observese que en este caso es = 3):

2 2 4

dim[H(3)] = n rg(A i I) = 3 rg 0 0 0 = 3 2 = 1 6= 2 = m(3).

1 3 1
Como la dimension no coincide con

la multiplicidad,
A no es diagonalizable para a = 3.
1 2 4
1 m = 2
? Para a = 1, la matriz es A = 0 1 0 con autovalores =

3 m=1
1 1 1
Comparamos la dimension del subespacio de autovectores asociado al autovalor multiple con su
multiplicidad (observese que en este caso es = 1):

2 2 4

dim H(1) = n rg(A i I) = 3 rg 0 0 0 = 3 1 = 2 = m(1).

1 1 2
Como la dimension coincide con la multiplicidad, A s es diagonalizable para a = 1.

En resumen se tiene que f es diagonalizable si y solo si a 6= 3 z

Teoría Aplicaciones Lineales PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Teoría Aplicaciones Lineales PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Tema 9

9.1. Concepto de aplicacion lineal.

Definicion 9.1 Sea f : Rn Rm una aplicacion.

Teorema 9.2 (Condicion necesaria y suficiente) Sea f : Rn Rm una aplicacion.

Proposicion 9.3 (Condicion necesaria) Sea f : Rn Rm una aplicacion.

Definicion 9.4 Sea f : Rn Rm una aplicacion lineal.

Proposicion 9.5 Sea f : Rn Rm una aplicacion lineal dada por

La expresion matricial de f respecto a las bases canonicas es

9.2. Nucleo e imagen de una aplicacion lineal.

Proposicion 9.6 Sea f : Rn Rm una aplicacion lineal. Son subespacios vectoriales:

Ademas, se verifica la relacion

Proposicion 9.7 Sea f : Rn Rm una aplicacion lineal y E Rn un subespacio.

Esta proposicion nos permite calcular la imagen de un subespacio, y, en particular, la imagen de

Se considera la expresion matricial f (x) = A x.

Las ecuaciones implcitas del nucleo corresponden al sistema A x = y tambien se pueden

Determinamos el nucleo de f (espacio inicial), ker(f ) R3 :

Obtenemos unas ecuaciones implcitas igualando la expresion matricial de f al vector cero:

El rango de la matriz nos da el numero de ecuaciones implcitas linealmente independientes

no ecuaciones implcitas l.i. = rg(A) = 2

Las ecuaciones implcitas linealmente independientes del nucleo se obtienen eliminando

Obtenemos la ecuacion parametrica del nucleo de f resolviendo el sistema (ejercicio):

Base de ker(f ) = {(1, 1, 1)}

Determinamos la imagen de f (espacio final), Im(f ) R4 :

El rango de la matriz nos da el numero de vectores linealmente independientes (dimension de

Base de Im(f ) = {(1, 0, 1, 0), (0, 1, 0, 1)}

Obtenemos unas ecuaciones implcitas linealmente independientes de la imagen al anadir un

As, las ecuaciones implcitas de la imagen son:

f es inyectiva ker(f ) = {} dim ker(f ) = 0 rg(A) = n.

f es sobreyectiva Im(f ) = Rm dim Im(f ) = m rg(A) = m.

Observese que al ser n = 3 y m = 4 nunca podra haber sido sobreyectiva. z

9.3. Operaciones con aplicaciones lineales.

Definicion 9.11 Sean f, g : Rn Rm dos aplicaciones y R

(Suma de aplicaciones) La aplicacion suma de f y g es:

(Producto de un escalar por una aplicacion) La aplicacion producto de por f es

Proposicion 9.12 Sean f, g : Rn Rm aplicaciones lineales, A y B sus matrices asociadas y R

f + g es una aplicacion lineal y A + B es su matriz asociada.

f es una aplicacion lineal y A es su matriz asociada. z

Definicion 9.13 (Composicion de aplicaciones) Sean f : Rn Rm y g : Rp Rq aplicaciones.

Proposicion 9.14 Sean f : Rn Rm y g : Rp Rq aplicaciones lineales, con m = p, y A y B

Proposicion 9.15 (Inversa de un isomorfismo) Sea f : Rn Rn un isomorfismo con matriz

Ejemplo 9.16 Sean f : R3 R4 y g : R2 R3 las aplicaciones lineales

g(x1 , x2 ) = (2x1 5x2 , x2 , x1 + 3x2 )

Calcular si es posible, la expresion analtica y matricial de f g y g f

Su expresion matricial es f g(x) = f (g(x)) = Ag(x) = ABx

Obtenemos la expresion analtica de f g al seguir desarrollando

f g(x1 , x2 ) = (x1 2x2 , x1 + x4 , x1 2x2 , x1 + x4 )

Ejemplo 9.17 Sea f : R2 R2 el endomorfismo dado por: f (x1 , x2 ) = (2x2 , x1 )

Para calcular su inversa en primer lugar comprobamos que f es un isomorfismo

La expresion matricial de f 1 , f 1 (x) = A1 x, es:

Lo que de forma abreviada es

9.4. Cambio de base en aplicaciones lineales.

YCm = A XCn es la expresion matricial de f respecto a las bases canonicas.

YBm = A0 XBn es la expresion matricial de f respecto a las bases Bn y Bm .

XCn = P XBn es la ecuacion del cambio de base en Rn

YCm = Q YBm es la ecuacion del cambio de base en Rm

Teorema 9.18 Sean f : Rn Rm aplicacion lineal y Bn Rn y Bm Rm bases.

Ejemplo 9.19 Sea f : R2 R3 dada por

f (x1 , x2 ) = (x1 + x2 , 2x1 x2 , x1 )

Necesitamos hacer un cambio de base en el espacio inicial y otro en el final

Sustituimos los cambios de base en la expresion matricial de f :

Se pide la expresion matricial respecto a la base canonica (en ambos espacios):

Necesitamos hacer un cambio de base en el espacio inicial y otro en el final:

Sustituimos los cambios de base en la expresion matricial de f :