1

er
Curso de Ingeniero de Telecomunicacin. lgebra. Curso 2008-09.
Departamento de Matemtica Aplicada II. Universidad de Sevilla.
Tema 5. Cambios de Base. Aplicaciones Lineales.
Teora y Ejercicios Resueltos.
1. Cambios de base en R
n
.
Sea E = v
1
; : : : ; v
n
una base de R
n
. Sabemos que cada vector x R
n
puede escribirse de manera nica
como combinacin lineal de los elementos de dicha base:
x =
1
v
1
+ +
n
v
n
:
El vector cuyas entradas son
1
; : : : ;
n
se llama vector de coordenadas de x en la base E y se representa por
(x)
B
. Para escribir la igualdad anterior en forma matricial, llamamos P := [v
1
; : : : ; v
n
] y (x)
B
:= [
1
; : : : ;
n
]
T
y tenemos la igualdad
x = P(x)
B
:
Las coordenadas funcionan como los cdigos, cambian cuando cambia la base a la que estn referidos. Por
ejemplo, si estamos en R
2
y tenemos la base E = v
1
= [1; 1]
T
; v
2
= [1; 1]
T
y nombramos el dato (x)
B
=
[1; 2]
T
, no nos estamos reriendo al vector [1; 2]
T
sino al vector x = v
1
+2v
2
= [1; 3]
T
. Lgicamente, para
reconstruir el vector x a partir de sus coordenadas hemos necesitado conocer la base v
1
; v
2
, por eso se habla
siempre de coordenadas respecto de una base y a las bases se las conoce tambin como sistemas de referencia.
Las igualdades que relacionan coordenadas en distintas bases se llaman ecuaciones de cambio de base.
Hay que sealar que si x = [x
1
; : : : ; x
n
]
T
entonces x se puede escribir de manera natural como combinacin
lineal de la base cannica:
x =
_

_
x
1
.
.
.
x
n
_

_ = x
1
_

_
1
.
.
.
0
_

_ + +x
n
_

_
0
.
.
.
1
_

_ = x
1
e
1
+ +x
n
e
n
:
Observamos que las coordenadas del vector x en la base cannica coincide con sus entradas o componentes.
Si (x)
C
denota las coordenadas de x en la base cannica entonces, es obvio que, x = (x)
c
. Por esta razn
la igualdad x = P(x)
B
es una relacin de cambio de base: entre la base E y la base cannica. Por lo tanto,
escribimos (x)
C
= P(x)
B
.
Una matriz A puede considerarse simplemente como cajas de nmeros ordenados en las y columnas o como
dispositivos (entrada/salida) que funcionan asignando al vector x el producto Ax:
(in) x A y = Ax (out)
Esta manera de ver a las matrices es fundamental en la teora pues permite estudiar y clasicar las matrices
viendo el efecto geomtrico-algebraico que producen en las guras que forman los vectores de entrada cuando
pasan a travs del dispositivo (o sistema) y se transforman en los vectores de salida. Si vemos la relacin de
cambio de base x = P(x)
B
de esta manera:
(in) (x)
B
P x = (x)
C
= P(x)
B
(out)
Observamos que P transforma coordenadas en la base E en coordenadas en la base cannica. Por esta razn
la matriz P se llama matriz de cambio de base de la base E a la base cannica. Para denotar esta
direccin de cambio se usa la notacin
P = P
B!C
:
1
Las matrices de cambio de base en R
n
son invertibles (son cuadradas y tienen columnas linealmente inde-
pendientes). Por lo tanto, si (x)
C
= P(x)
B
entonces (x)
B
= P
1
(x)
C
Ejemplo: Consideremos en R
2
la base E = v
1
= [1; 1]
T
; v
2
= [1; 1]
T
: Calcule la matriz P
C!B
. Sea V el
subespacio de ecuacin implcita x
1
+ 2x
2
= 0 (x
1
; x
2
son las entradas del vector o coordenadas en la base
cannica). Calcule la ecuacin implcita que han de vericar las coordenadas en la base E de los vectores de V .
Solucin: Sea la matriz
P = [v
1
; v
2
] =
_
1 1
1 1
_
:
Entonces el cambio de base entre E y la base cannica viene dado por (x)
C
= x = P(x)
B
. Queremos calcular
P
C!B
, es decir, una matriz que al multiplicar a (x)
C
nos d como resultado (x)
B
. Por lo tanto
(x)
C
= P(x)
B
=P
1
(x)
C
= (x)
B
=P
C!B
= P
1
=
_
1 1
1 1
_
1
=
1
2
_
1 1
1 1
_
:
Para la segunda parte del ejercicio escribimos la ecuacin implcita de V en forma matricial:
x
1
+ 2x
2
= 0 =Ax = 0; donde A = [1; 2] y x =
_
x
1
x
2
_
.
Como la relacin de cambio de base es x = P(x)
B
, sustituyendo en la ecuacin Ax = 0 se tiene que
AP(x)
B
= 0.
Si denotamos las coordenadas en E como (x)
B
:= [, ] entonces
AP(x)
B
= 0 =[1; 2]
_
1 1
1 1
_ _

_
= 0 =
_
2 1

_

_
= 0 =2 = 0.
Por lo tanto, la condicin que tienen que vericar las coordenadas de un vector para estar en V es 2 = 0.
A partir de la frmula de cambio de base entre una base cualquiera y la base cannica se puede deducir una
frmula de cambio de base entre dos bases cualesquiera (pero conocidas).
Cambio de base entre dos bases cualesquiera conocidas.
Si E
1
= u
1
; : : : ; u
n
y E
2
= v
1
; : : : ; v
n
son dos bases de R
n
y consideramos las matrices
P = [u
1
; : : : ; u
n
] y Q = [v
1
; : : : ; v
n
]
entonces x = P(x)
B1
y x = Q(x)
B2
y se verica que P(x)
B1
= Q(x)
B2
:
La anterior igualdad puede utilizarse para relacionar las coordenadas de x en E
1
con las coordenadas de x
en E
2
. De ella se deducen tambin las matrices de cambio de base (sin ms que despejar el vector que interese
en cada momento):
Q
1
P(x)
B1
= (x)
B2
=P
B1!B2
= Q
1
P y P
1
Q(x)
B2
= (x)
B1
=P
B2!B1
= P
1
Q.
Cambio de base entre dos bases cualesquiera, no necesariamente conocidas.
Veamos la frmula de cambio de base entre dos bases cualesquiera, no necesariamente conocidas, de las que
se conocen las coordenadas de los vectores de una base en funcin de la otra base.
2
Si E
1
= u
1
; : : : ; u
n
y E
2
= v
1
; : : : ; v
n
son dos bases de R
n
de manera que los valores concretos de dichos
vectores son desconocidos. Supongamos que conocemos las coordenadas de los vectores de E
2
en la base E
1
, es
decir, nos dan el dato
P := [(v
1
)
B1
; : : : ; (v
n
)
B1
]:
Entonces la relacin de cambio de base es
(x)
B1
= P (x)
B2
;
es decir,
P = [(v
1
)
B1
; : : : ; (v
n
)
B1
] = P
B2!B1
:
En la seccin siguiente demostraremos esta ltima relacin de cambio de base.
2. Aplicaciones Lineales de R
n
en R
m
.
Denicin: Una aplicacin f : R
n
R
m
se dice que es lineal si
f (v
1
+v
2
) = f (v
1
) +f(v
2
) , para todo , R y para todo v
1
, v
2
R
n
.
2.1. Aplicaciones Lineales y Matrices.
Las matrices siempre denen aplicaciones lineales (es obvio a partir de las propiedades del producto de
matrices):
f : R
n
R
m
x Ax:
Recprocamente, toda aplicacin lineal es la actuacin de una (nica) matriz. En efecto, si descomponemos un
vector como combinacin lineal de los vectores de la base cannica
x =
_

_
x
1
.
.
.
x
n
_

_ = x
1
_

_
1
.
.
.
0
_

_ + +x
n
_

_
0
.
.
.
1
_

_ = x
1
e
1
+ +x
n
e
n
entonces, por la linealidad de f se tiene que
f (x) = f (x
1
e
1
+ +x
n
e
n
) = x
1
f (e
1
) + +x
n
f(e
n
) = [f (e
1
); : : : ; f(e
n
)]
. .
=A
_

_
x
1
.
.
.
x
n
_

_ = Ax:
Vemos que la matriz asociada a la aplicacin tiene por columnas las imgenes de los elementos de la base
cannica.
Propiedad: Una aplicacin lineal queda determinada si se conocen las imgenes de los elementos de cualquier
base (del espacio de partida).
Prueba:
Para demostrarlo, sea E = u
1
; : : : ; u
n
una base de R
n
y supongamos conocidas sus imgenes:
B := [f (u
1
) ; : : : ; f (u
n
)]
. .
es un dato
= [Au
1
; : : : ; Au
n
]:
Sea P = [u
1
; : : : ; u
n
], sabemos que esta matriz es invertible, entonces
A = A[u
1
; : : : ; u
n
][u
1
; : : : ; u
n
]
1
= [Au
1
; : : : ; Au
n
][u
1
; : : : ; u
n
]
1
= BP
1
:
3
En muchos ejercicios es ms sencillo despejar directamente los vectores f (e
1
); : : : ; f(e
n
) (veas los ejercicios
resueltos ms adelante ).
Ejercicio: La aplicacin que a cada vector de R
n
le hace corresponder las coordenadas de dicho vector en una
base prejada es una aplicacin lineal:
f : R
n
R
m
x (x)
B
:
Solucin: Supongamos que la base es E = u
1
; : : : ; u
n
y formamos la matriz P := [u
1
; : : : ; u
n
]. Hemos visto
que x = P (x)
B
. Por lo tanto, la aplicacin que a cada vector de R
n
le hace corresponder las coordenadas de
dicho vector en la base E es una aplicacin lineal ya que viene dada por una matriz, sta es concretamente P
1
.
En la siguiente propiedad, usaremos el ejercicio anterior para demostrar la relacin de cambio de base que
qued pendiente en la seccin anterior.
Propiedad: Supongamos que E
1
= u
1
; : : : ; u
n
y E
2
= v
1
; : : : ; v
n
son dos bases de R
n
de manera que
los valores concretos de dichos vectores son desconocidos. Supongamos que conocemos las coordenadas de los
vectores de E
2
en la base E
1
, o sea nos dan el dato
P := [(v
1
)
B1
; : : : ; (v
n
)
B1
]:
Supongamos que (x)
B2
= [
1
; : : : ;
n
]
T
. Eso signica que
x =
1
v
1
+ +
n
v
n
:
Si aplicamos la linealidad de la aplicacin coordenadas en E
1
"tenemos que las coordenadas de una combinacin
lineal ser la combinacin lineal de las coordenadas, es decir
(x)
B1
=
1
(v
1
)
B1
+ +
n
(v
n
)
B1
:
Aplicando que el producto de una matriz por una columna de nmeros es una combinacin lineal de las
columnas de la matriz y los coecientes de dicha combinacin lineal son las componentes del vector", se tiene
que
(x)
B1
= [(v
1
)
B1
; : : : ; (v
n
)
B1
]
_

1
.
.
.

n
_

_ = P (x)
B2
:
2.2. Propiedades de las aplicaciones lineales.
Propiedad 1: Una aplicacin lineal siempre transforma 0 en 0. Es obvio pues f(0) = A 0 = 0.
Propiedad 2: Las aplicaciones lineales transforman subespacios vectoriales en subespacios vectoriales.
Prueba:
Sea V un subespacio vectorial de R
n
, generado por una base E = v
1
; : : : ; v
k
. Si V = 0 no tiene base, en
este caso es obvio que f(V ) = 0.
Si V ,= 0 y tomamos v V entonces existirn escalares tales que v =
1
v
1
+ +
k
v
k
. Por la linealidad de
f se tiene que
f(v) = f(
1
v
1
+ +
k
v
k
) =
1
f(v
1
) + +
k
f(v
k
):
Es decir, la imagen del subespacio V est generada por los vectores
f(v
1
); : : : ; f(v
k
):
4
Nota: Cabe sealar que dichos vectores no tienen porqu ser una base de f (V ) : Por ejemplo, si
A =
_
1 1 1
1 1 1
_
entonces el subespacio generado por los vectores [1; 1; 1]
T
; [1; 1; 0]
T
es un plano y se transforma en el sube-
spacio generado por [3; 3]
T
; [0; 0]
T
; que es una recta.
Deniciones:
Los subespacios ms importantes asociados a una aplicacin lineal son el ncleo y la imagen.
El ncleo est formado por todos los vectores que van al cero:
N(f) = x : f(x) = 0:
Por lo tanto, el ncleo de f es lo mismo que el ncleo de la matriz de f.
La imagen son todos los vectores que son imagen de alguien:
Im(f) = f(x) : x R
n
:
Por lo tanto, la imagen es lo mismo que el espacio columna (o rango) de la matriz de f. Tambin es cierto
que Im(f) = f(R
n
).
Una aplicacin que transforma vectores distintos en vectores distintos se dice que es inyectiva. Esto
equivale a decir que f es inyectiva si cumple la condicin
f (x) = f (y) =x = y.
Propiedad 3: Una aplicacin lineal es inyectiva si y slo si tiene ncleo cero.
Prueba:
Supongamos que la aplicacin lineal es inyectiva. Si f(x) = 0 entonces (como es lineal) se tiene que f(0) = 0;
por lo tanto f(x) = f(0) =x = 0. Luego N(f) es 0.
Recprocamente, si tiene ncleo cero y f (x) = f (y) entonces, como f es aplicacin lineal,
0 = f (x) f (y) = f (x y) =x y N(f) =x y = 0 =x = y:
Luego f es inyectiva:
Propiedad 4: Antes hemos observado que una aplicacin lineal f no tiene porqu transformar una base en
otra base. Pues bien, si N(f) = 0 entonces transforma un sistema linealmente independiente (base de V )
en otro linealmente independiente (base de f(V )): Por consiguiente, una aplicacin lineal con ncleo cero
transforma un subespacio en otro con la misma dimensin. Este hecho es consecuencia de la siguiente
propiedad.
Propiedad 5: Si V es un espacio vectorial y f es una aplicacin lineal entonces se verica que
dim(f(V )) = dim(V ) dim(V N(f)).
Prueba:
Para demostrar dicha igualdad nos damos cuenta de que V N(f) es un subespacio de V . Usando ampliaciones
de base podemos construir una base de V a partir de una base de V N(f):
_

_
v
1
; : : : ; v
k

. .
base de V \N(f)
; v
k+1
; : : : ; v
m

. .
ampliacin
_

_
:
5
Es obvio que dicha base se transforma en 0; f(v
k+1
); : : : ; f(v
m
), que son generadores de f(V ). Adems, es
fcil ver que f(v
k+1
); : : : ; f(v
m
) son linealmente independientes, ya que

k+1
f(v
k+1
) + +
m
f(v
m
) = 0 =
(f es lineal)
f(
k+1
v
k+1
+ +
m
v
m
) = 0
y, por tanto,
k+1
v
k+1
+ +
m
v
m
N(f) (y a V ). Observemos que dicho vector no puede estar en la
ampliacin a menos que sea cero. Si
k+1
v
k+1
+ +
m
v
m
= 0 entonces todos los escalares son cero pues
v
k+1
; : : : ; v
m
son linealmente independientes. Si contamos los vectores obtenemos la frmula.
2.3. Propiedades del rango de una matriz.
1. El rango de un producto no puede superar el rango de ninguno de los factores, es decir,
r(AB) _ r(A) y r(AB) _ r(B):
Esto es cierto porque un vector de R(AB) es siempre de la forma ABx: De ese modo, es de la forma Av
con v = Bx y, por lo tanto, est en R(A). Es decir, R(AB) R(A) y, por tanto, su dimensin ser menor
o igual.
La otra desigualdad se puede deducir de la anterior (para ello lase rango(producto)_rango(primera))
usando la traspuesta:
r(AB) = r((AB)
T
) = r(B
T
A
T
) _ r(B
T
) = r(B).
2. Si A tiene columnas independientes (en particular, si A es invertible) entonces r(AB) = r(B).
Esto es fcil de ver a partir de la propiedad anterior, pues si una matriz tiene columnas independientes
entonces tiene ncleo 0 y, por tanto, transforma un subespacio (R(B)) en otro que tiene la misma
dimensin (R(AB)).
3. Si B tiene las independientes (en particular, si B es invertible) entonces r(AB) = r(A).
Para demostrar esto basta aplicar la propiedad anterior y las propiedades de la traspuesta (si B tiene las
independientes entonces B
T
tiene columnas independientes).
2.4. Cambios de base en aplicaciones lineales.
Antes hemos visto que un vector queda caracterizado por sus coordenadas en una base. Se plantea en esta
seccin calcular la matriz de una aplicacin lineal cuando los datos de entrada y salida vienen determinados, no
por sus valores, sino por sus coordenadas en ciertas bases.
Consideremos una aplicacin lineal
f : R
n
R
m
x y = Ax:
y sean E
1
= u
1
; : : : ; u
n
y E
2
= v
1
; : : : ; v
m
dos bases de R
n
y R
m
, respectivamente. Consideramos las
matrices
P = [u
1
; : : : ; u
n
] y Q = [v
1
; : : : ; v
m
]
entonces
y = Ax
x = P(x)
B1
y = Q(y)
B2
_
_
_
=Q(y)
B2
= AP(x)
B1
=(y)
B2
= Q
1
AP(x)
B1
:
La matriz Q
1
AP se llama matriz de la aplicacin lineal f en las bases E
1
y E
2
. Con esta nomenclatura
la matriz A resulta ser la matriz de f en las bases cannicas (pues en ese caso P y Q son la identidad de orden
n y m respectivamente).
6
Por otro lado, la matriz de la aplicacin lineal f en las bases E
1
y E
2
tambin puede determinarse de otra
manera. Para ello partimos de que un vector x R
n
se puede escribir como combinacin lineal de la base E
1
mediante sus coordenadas:
(x)
B1
=
_

1
.
.
.

n
_

_ =x =
1
u
1
+ +
n
u
n
Aplicando la linealidad de f obtenemos que f (x) =
1
f(u
1
) + +
n
f(u
n
).Si aplicamos la linealidad de las
coordenadas obtenemos que
(f (x))
B2
=
1
(f(u
1
))
B2
+ +
n
(f(u
n
))
B2
:
escribiendo dicha combinacin lineal en forma matricial se tiene
(f (x))
B2
=
_
(f(u
1
))
B2
; ; (f(u
n
))
B2

1
.
.
.

n
_

_ =
_
(f(u
1
))
B2
; ; (f(u
n
))
B2

(x)
B1
:
Eso quiere decir que la matriz Q
1
AP que hemos calculado anteriormente coincide con
_
(f(u
1
))
B2
; ; (f(u
n
))
B2

:
Los ejercicios que hay en la relacin de problemas sobre cambios de base en aplicaciones lineales se resuelven
aplicando directamente las frmulas obtenidas.
2.5. Ejercicios Resueltos.
Ejercicio 10. De una matriz A se sabe que es 4 4 y que para v = [1; 1; 1; 1]
T
, los valores de A
n
v, para
n = 1; 2; 3; 4 son
Av = [1; 1; 1; 1]
T
; A
2
v = [1; 0; 1; 0]
T
; A
3
v = [0; 1; 0; 1]
T
; A
4
v = [1; 1; 2; 1]
T
:
1. Comprueba que los vectores v; Av; A
2
v; A
3
v son linealmente independientes.
2. Calcula A.
3. Sea f(x) = Ax, calcula la matriz de f en la base E = v; Av; A
2
v; A
3
v
Solucin: Sabemos que una aplicacin lineal queda determinada conociendo las imgenes de los elementos de
una base (cuatro vectores independientes en R
4
son una base). Por lo tanto, del apartado 1 se deduce que A
queda determinada con los datos que da el problema:
_

_
f(v) = Av;
f(Av) = A
2
v = A(Av);
f(A
2
v) = A
3
v = A(A
2
v);
f(A
3
v) = A
4
v = A(A
3
v):
1. Los vectores son independientes porque al aplicar el mtodo de Gauss obtenemos cuatro pivotes:
_

_
1 1 1 0
1 1 0 1
1 1 1 0
1 1 0 1
_

_

Gauss
_

_
1 1 1 0
0 2 0 1
0 0 1 0
0 0 0 2
_

_
:
7
2. Si colocamos las imgenes en una matriz B y la base en una matriz P, sabemos que la matriz A es BP
1
.
Otra forma de calcular A es despejar de los datos que nos dan, los vectores f (e
1
), f (e
2
),... No siempre es
fcil, pero en este caso s lo es. Para ello renombramos los vectores de la manera habitual:
v = u
1
Av = u
2
A
2
v = u
3
A
3
v = u
4
_

_
v
1
= f(u
1
) = f (e
1
+e
2
+e
3
+e
4
) = f(e
1
) + f(e
2
) + f(e
3
) + f(e
4
)
v
2
= f(u
2
) = f (e
1
e
2
+e
3
e
4
) = f(e
1
) f(e
2
) + f(e
3
) f(e
4
)
v
3
= f(u
3
) = f (e
1
e
3
) = f(e
1
) f(e
3
)
v
4
= f(u
4
) = f (e
2
e
4
) = f(e
2
) f(e
4
):
Sumando la primera y la segunda ecuacin nos queda:
2f(e
1
) + 2f(e
3
) = v
1
+v
2
:
Si sumamos esto a la tercera ecuacin (multiplicada por dos) nos queda
2f(e
1
) = v
1
+v
2
+ 2v
3
=f(e
1
) =
1
4
_

_
2
1
0
3
_

_
:
Restando la primera la segunda ecuacin nos queda:
2f(e
2
) +f(e
4
) = v
1
v
2
:
Si sumamos esto a la cuarta ecuacin (multiplicada por dos) nos queda
2f(e
2
) = v
1
v
2
+ 2v
4
=f(e
2
) =
1
4
_

_
2
3
6
3
_

_
:
Los dos vectores que faltan se despejan de las dos ltimas ecuaciones:
f(e
3
) = f(e
1
) v
3
=
1
4
_

_
2
1
0
3
_

_
0
1
0
1
_

_
=
1
4
_

_
2
3
0
1
_

_
:
f(e
4
) = f(e
2
) v
4
=
1
4
_

_
2
3
6
3
_

_
1
1
2
1
_

_
=
1
4
_

_
2
1
2
1
_

_
:
Para comprobar el resultado vemos que, efectivamente, Au
i
= v
i
, i = 1; 2; 3; 4:
1
4
_

_
2 2 2 2
1 3 3 1
0 6 0 2
3 3 1 1
_

_
_

_
1 1 1 0
1 1 0 1
1 1 1 0
1 1 0 1
_

_
=
_

_
1 1 0 1
1 0 1 1
1 1 0 2
1 0 1 1
_

_
:
3. Sea f(x) = Ax, calcula la matriz de f en la base E = v; Av; A
2
v; A
3
v.
La matriz de f en E es
B = [(f(v))
B
; (f(Av))
B
; (f(A
2
v))
B
; (f(A
3
v))
B
] = [(Av)
B
; (A
2
v)
B
; (A
3
v)
B
; (A
4
v)
B
]
8
Calculemos las coordenadas de cada uno de estos vectores respecto de la base E :
f(v) = Av = 0v + 1Av + 0A
2
v + 0A
3
v
f(Av) = A
2
v = 0v + 0Av + 1A
2
v + 0A
3
v
f(A
2
v) = A
3
v = 0v + 0Av + 0A
2
v + 1A
3
v
f(A
3
v) = A
4
v =
1
v +
2
Av +
3
A
2
v +
4
A
3
v
Vamos a obtener las coordenadas de f(A
3
v) = A
4
v respecto de la base E :
A
4
v =
_

_
1
1
2
1
_

_
=
1
_

_
1
1
1
1
_

_
+
2
_

_
1
1
1
1
_

_
+
3
_

_
1
0
1
0
_

_
+
4
_

_
0
1
0
1
_

_
;
que equivale a resolver el sistema de ecuaciones
_

_
1
1
2
1
_

_
=
_

_
1 1 1 0
1 1 0 1
1 1 1 0
1 1 0 1
_

_
_

4
_

_
;
cuya solucin es
_

4
_

_
=
_

_
1=4
5=4
1=2
0
_

_
Por tanto, la matriz de f en E es
B =
_

_
0 0 0 1=4
1 0 0 5=4
0 1 0 1=2
0 0 1 0
_

_
:
Ejercicio 12+1. Sea G el subespacio de R
4
G =
_
x
1
+x
2
= 0;
x
2
x
3
+x
4
= 0:
1. Halla A, la matriz de una aplicacin lineal f : R
4
R
4
tal que
si u G
?
entonces f(u) = u;
[0; 1; 1; 0]
T
N (f) ;
_
G
?
+ Gen
_
[0; 1; 1; 0]
T
__
?
N (f) :
2. Halla la imagen por f del subespacio G
?
+N (f).
3. Calcula A
n
v para v un vector genrico de R
4
:
Solucin:
9
1. Una aplicacin lineal f : R
4
R
4
queda determinada sabiendo la imagen de cuatro vectores de R
4
linealmente independientes. Examinemos los datos para ver si tenemos eso. En primer lugar, observamos
que G tiene dimensin 2 y que su ortogonal, que est generado por los coecientes de las ecuaciones de
G, tambin tiene dimensin 2: Luego ya conocemos la imagen de dos vectores independientes:
f(
_

_
1
1
0
0
_

_
) =
_

_
1
1
0
0
_

_
, f(
_

_
0
1
1
1
_

_
) =
_

_
0
1
1
1
_

_
:
En segundo lugar, cabe esperar que los otros dos datos den dos vectores independientes cuyas imgenes
son conocidas, ya que valen cero por estar en el ncleo.
Calculamos primero las ecuaciones de
_
G
?
+ Gen
_
[0; 1; 1; 0]
T
__
?
. La suma se genera juntando gener-
adores:
G
?
+ Gen
_

_
_

_
0
1
1
0
_

_
_

_
= Gen
_

_
_

_
1
1
0
0
_

_
;
_

_
0
1
1
1
_

_
;
_

_
0
1
1
0
_

_
_

_
:
Calculamos las ecuaciones implcitas de G
?
+ Gen
_
[0; 1; 1; 0]
T
_
_

_
1 0 0
1 1 1
0 1 1
0 1 0
x
1
x
2
x
3
x
4
_

_

Gauss
_

_
1 0 0
1 1 0
0 0 1
0 0 0
x
1
x
4
x
2
x
1
x
4
x
1
x
2
+x
3
+ 2x
4
_

_
:
Luego
_
G
?
+ Gen
_
[0; 1; 1; 0]
T
__
?
est generado por el vector [1; 1; 1; 2]
T
.
La matriz de la aplicacin lineal se calcula mediante la expresin
A = BP
1
=
_

_
1 0 0 0
1 1 0 0
0 1 0 0
0 1 0 0
_

_
_

_
1 0 0 1
1 1 1 1
0 1 1 1
0 1 0 2
_

_
1
o bien despejando las imgenes de los vectores de la base cannica con los datos que tenemos. Hacemos
esto ltimo. El sistema que tenemos que resolver es
_

_
f(e
1
) + f(e
2
) = v
1
;
f(e
2
) f(e
3
) + f(e
4
) = v
2
;
f(e
2
) + f(e
3
) = 0;
f(e
1
) f(e
2
) + f(e
3
) + 2f(e
4
) = 0;
donde v
1
= [1; 1; 0; 0]
T
y v
2
= [0; 1; 1; 1]
T
.
Para resolver el sistema podemos trabajar algebraicamente con las ecuaciones, como se hizo en el ejercicio
anterior, o bien se puede aplicar el mtodo de eliminacin gaussiana considerando como incgnitas a los
vectores f(e
1
), f(e
2
), f(e
3
), f(e
4
), y los trminos independientes son tambin vectores. Esto es vlido
porque las propiedades algebraicas de las operaciones del espacio vectorial coinciden con las propiedades
de las operaciones entre nmeros:
_

_
1 1 0 0
0 1 1 1
0 1 1 0
1 1 1 2
v
1
v
2
0
0
_

_

Gauss
_

_
1 1 0 0
0 1 1 1
0 0 1 4
0 0 0 7
v
1
v
2
v
1
+ 2v
2
2v
1
+ 3v
2
_

_
:
10
Si despejamos en las ecuaciones obtenidas vamos obteniendo los vectores:
f(e
4
) =
1
7
(2v
1
+ 3v
2
) =
1
7
_

_
2
1
3
3
_

_
; f(e
3
) = v
1
2v
2
+ 4f(e
4
) =
1
7
_

_
1
3
2
2
_

_
;
f(e
2
) = v
2
+f(e
3
) f(e
4
) =
1
7
_

_
1
3
2
2
_

_
; f(e
1
) = v
1
f(e
2
) =
1
7
_

_
6
4
2
2
_

_
:
Por lo tanto, la matriz de f es
A =
_

_
6
4
2
2
1
3
2
2
1
3
2
2
2
1
3
3
_

_
:
2. En las notas tericas hemos comentado cmo se calcula la imagen de un subespacio: los transformados de
un sistema de generadores de V generan el subespacio transformado f(V ).
En este caso sabemos cuales son los generadores de G
?
+ N (f): los generadores de G
?
junto con los
generadores de N (f). Tambin sabemos cules son las imgenes de cada uno de ellos: los de N(f) van al
cero y los de G
?
van a s mismos. Por lo tanto, deducimos que
f
_
G
?
+N (f)
_
= G
?
:
3. En este ejemplo particular, el problema de calcular A
n
v la respuesta es sencilla si nos damos cuenta de
que juntando las bases respectivas de los subespacios G
?
y N (f) formamos una base de R
4
(gracias a eso
la aplicacin lineal ha quedado determinada). Supongamos que v
1
; v
2
es la base de G
?
y que v
3
; v
4

es la base de N (f). Luego un vector v R

4
siempre se podr escribir de la forma
v =
1
v
1
+
2
v
2
+
3
v
3
+
4
v
4
:
Como sabemos los transformados de todos los vectores de G
?
y de N (f):
Av = f(v) =
1
f(v
1
) +
2
f(v
2
) +
3
f(v
3
) +
4
f(v
4
) =
1
v
1
+
2
v
2
:
Si a este vector le volvemos a aplicar f el resultado es A
2
v y por el mismo razonamiento es
1
v
1
+
2
v
2
.
En general, se ve que
A
n
v = Av; para todo v R
4
:
Ejercicio 14. Sea la aplicacin lineal f : R
3
R
4
tal que
f((1; 0; 0)
T
) = (8; 2; 2; 4)
T
; f((3; 2; 0)
T
) = (12; 12; 0; 0)
T
; f((2; 2; 1)
T
) = (0; 12; 0; 12)
T
:
1. Halla la matriz de f. Cul es el transformado de (2; 3; 1)
T
?
2. Determina N(f).
3. Determina Im(f).
4. Existe algn x = [x
1
; x
2
; x
3
]
T
R
3
tal que f(x) = [y
1
; y
1
; y
1
; y
1
]
T
con y
1
,= 0? En caso armativo,
determnelos.
11
5. Calcule una matriz R de la forma
R =
_
_
r
1
r
2
0 0
0 r
2
r
3
0
0 0 r
3
r
4
_
_
tal que Ry = x, para todo x, y que veriquen la ecuacin y = f (x). (Observe que A y R vericarn
RA = I, pero no se puede calcular R invirtiendo A porque A no es cuadrada).
Solucin:
1. Como en todos los ejercicios anteriores se puede calcular la matriz de f obteniendo las imgenes de los
vectores de la base cannica. Tambin podemos calcular la matriz BP
1
:
A = BP
1
=
_

_
8 12 0
2 12 12
2 0 0
4 0 12
_

_
_
_
1 3 2
0 2 2
0 0 1
_
_
1
=
_

_
8 12 0
2 12 12
2 0 0
4 0 12
_

_
1
2
_
_
2 3 2
0 1 2
0 0 2
_
_
1
=
_

_
8 6 4
2 3 2
2 3 2
4 6 8
_

_
:
2. Puede resolverse el sistema Ax = 0 o bien esperar a resolver el apartado siguiente. El motivo es que la
nulidad ms el rango es el nmero de columnas. Por lo tanto, si el rango es tres, que es lo que sucede en
este problema, deducimos que el ncleo es cero sin hacer operaciones.
3. El rango (o imagen) est generado por las columnas de A (tambin por las de B pinselo). El problema
de calcular las ecuaciones implcitas de un subespacio a partir de un sistema de generadores debe ser ya
conocido de temas anteriores. Si se lleva a cabo se obtiene la ecuacin implcita:
y
1
3y
2
+y
3
y
4
= 0.
4. La respuesta es mucho ms sencilla si la pregunta se reformula de la siguiente manera:
el vector
_

_
y
1
y
1
y
1
y
1
_

_
Im(f) ?
Como hemos calculado la ecuacin de Im(f) en el apartado anterior, slo tenemos que sustituir:
y
1
3y
1
+y
1
(y
1
) = 0:
Vemos que la respuesta es: s, para todo y
1
R.
5. Tal y como dice el enunciado, la matriz R hay que calcularla imponiendo que Ry = x, para todo y = f(x).
Si tomamos como valores de f (x) los datos del problema:
_
_
r
1
r
2
0 0
0 r
2
r
3
0
0 0 r
3
r
4
_
_
_

_
8 12 0
2 12 12
2 0 0
4 0 12
_

_
=
_
_
1 3 2
0 2 2
0 0 1
_
_
12
se obtienen ms ecuaciones (nueve) que incgnitas (cuatro). Seleccionamos cuatro ecuaciones que deter-
minen las cuatro incgnitas:
_

_
8r
1
+ 2r
2
= 1
2r
2
2r
3
= 0
2r
3
4r
4
= 0
12r
2
= 2
=r
1
=
1
12
, r
2
=
1
6
, r
3
=
1
6
, r
2
=
1
12
.
Y ya slo nos queda comprobar que las cinco ecuaciones que no hemos tenido en cuenta se verican para los
valores que hemos calculado. Lo que hemos comprobado es que RB = P. Por lo tanto, R(BP
1
) = I. Como
A = BP
1
, tenemos que RA = I: Como f(x) = x, para todo x, tenemos que Rf(x) = RAx = Ix = x;
para todo x.
Ejercicio 19. Consideremos los siguientes subespacios de R
4
:
V =
_
x
1
x
3
= 0
x
1
+x
2
+x
3
= 0
W = Gen
_

_
1
1
1
0
_

_
;
_

_
0
1
0
1
_

_
:
1. Determina V +W y V W.
2. Sea f : R
4
R
4
la aplicacin lineal que verica
N(f) = V
f (e
1
) = (1; 0; 1; 1)
T
f (e
2
) = (1; 2; 1; 1)
T
Calcula f (e
3
) y f (e
4
) y la matriz de f.
3. Demuestra que Im(f) = W (hay un error en la relacin de problemas).
4. Quin es f (V +W)? Quin es f (V W)? Razone su respuesta.
5. Puede encontrar dos subespacios E y F para los cuales f (E F) no sea igual a f (E) f(F)?
Solucin:
1. La suma V +W se calcula juntando generadores y la interseccin V W se calcula juntando ecuaciones.
Calculemos una base de V :
_
1 0 1 0
1 1 1 0
_

Gauss
_
1 0 1 0
0 1 2 0
_
base de V = v
1
= [1; 2; 1; 0]
T
; [0; 0; 0; 1]
T
:
Calculemos ecuaciones implcitas de W:
_

_
1 0
1 1
1 0
0 1
x
1
x
2
x
3
x
4
_

_

Gauss
_

_
1 0
0 1
0 0
0 0
x
1
x
2
+x
1
x
3
x
1
x
4
x
1
x
2
_

_
ecuaciones de W =
_
x
3
x
1
= 0;
x
4
x
1
x
2
= 0:
Juntamos la base de V con la de W y reducimos para quedarnos con los vectores linealmente independi-
entes:
_

_
1
1
1
0
0
1
0
1
0
0
0
1
1
2
1
0
_

_

Gauss
_

_
1 0 1 1
0 1 0 1
0 0 1 1
0 0 0 0
_

_
:
13
Luego una base de V +W es
_

_
_

_
1
1
1
0
_

_
;
_

_
0
1
0
1
_

_
;
_

_
0
0
0
1
_

_
_

_
:
Unas ecuaciones de V +W se calculan:
_

_
1
1
1
0
0
1
0
1
0
0
0
1
x
1
x
2
x
3
x
4
_

_

Gauss
_

_
1 0 0
0 1 0
0 0 1
0 0 0
x
1
x
2
+x
1
x
4
x
1
x
2
x
3
x
1
_

_
ecuaciones de V +W = x
3
x
1
= 0:
Con la frmula de las dimensiones ya sabemos que V W tiene dimensin 1. Juntamos las ecuaciones de
V y W y lo calculamos:
_

_
1 0 1 0
1 1 1 0
1 0 1 0
1 1 0 1
_

_

Gauss
_

_
1 0 1 0
0 1 2 0
0 0 1 1
0 0 0 0
_

_
base de V W = [1; 2; 1; 1]
T
:
2. Con los datos que nos da el problema conocemos f (e
1
) ; f (e
2
) y como e
4
nos ha salido en el apartado
anterior en V y nos dicen que V = N(f), pues tambin conocemos f (e
4
). Del otro generador de V
podemos deducir f (e
3
):
f
_
_
_
_
_

_
1
2
1
0
_

_
_
_
_
_
= 0 =f (e
1
) 2f (e
2
) +f (e
3
) = 0 =f (e
3
) = f (e
1
) + 2f (e
2
) =
_

_
1
4
1
3
_

_
:
Luego la matriz es
A =
_

_
1 1 1 0
0 2 4 0
1 1 1 0
1 1 3 0
_

_
:
3. La imagen est generada por las columnas de A. Como el ncleo (es V ) tiene dimensin 2 sabemos que
la imagen tiene dimensin 2 (luego ya s que la imagen estar generada por las dos primeras columnas de
A). Calculamos sus ecuaciones:
_

_
1
0
1
1
1
2
1
1
1
4
1
3
x
1
x
2
x
3
x
4
_

_

Gauss
_

_
1 1 1
0 2 4
0 0 0
0 0 0
x
1
x
2
x
3
x
1
x
4
x
1
x
2
_

_
ecuaciones de Im(f) =
_
x
3
x
1
= 0;
x
4
x
1
x
2
= 0:
Podemos observar que los generadores de W verican las ecuaciones de Im(f), por lo tanto W Im(f)
y como tienen ambos la misma dimensin tienen que ser iguales.
4. Se calculan las imgenes de los tres generadores de V +W y eso genera f (V +W). La solucin es
f (V +W) = Gen[1; 2; 1; 1]
T

El problema lo que pregunta es si sabemos cosas acerca de f (V +W) sin hacer clculos: Sabemos que
un espacio se transforma en otro que tiene la misma dimensin menos la del corte con el ncleo. En este
caso, el ncleo es V y como V + W tiene dimensin tres, sabemos que f (V +W) tiene dimensin uno.
Otra cosa que sabemos (para cualquier f lineal) es que
f (V +W) = f(V ) +f(W):
14
Eso es inmediato de demostrar porque V + W = v + w : v V , w W: En este caso, tenemos que
V = N(f) luego f (V +W) = f(W).
Por otro lado, la imagen de la interseccin tambin se puede calcular directamente transformando el nico
generador de V W. La solucin es el vector nulo y por lo tanto f (V W) = 0. Eso ya se saba sin
cuentas porque V W V = N(f).
5. En general, f (E F) no es igual a f(E) f(F).
Siempre se tiene una contencin: si v E F entonces v E y v F, por lo tanto f(v) f(E) f(F).
Es decir, f (E F) f(E) f(F).
Un ejemplo de que la otra contencin no es cierta en general puede ser el siguiente. Tomamos v un
vector del ncleo y w otro vector que no est en el ncleo y consideramos el plano generado por esos
dos vectores. La interseccin de ese plano con el ncleo tiene que tener dimensin uno (por descarte de
las dems posibilidades que son cero y dos). Eso signica que podemos tomar w
1
y w
2
, dos vectores
independientes en dicho plano y que no estn en el ncleo (imagine un plano con una recta dentro, lo
que estamos diciendo es que podemos tomar dos vectores que formen un ngulo y ninguno de ellos en la
recta). Denimos E = Genw
1
y F = Genw
2
. Es obvio que E F es la interseccin de dos rectas que
slo se cortan en el cero. Por otro lado E +F es el plano y su imagen tiene que tener dimensin uno (es
una recta), porque se cumple la frmula:
dim(f(V )) = dim(V ) dim(V N(f)) = 2 1:
Luego f (E) y f(F) son dos rectas (porque w
1
y w
2
no pertenecen al ncleo) que estn obligadas a estar
dentro de la misma recta (o sea, que son la misma). Piense que E y F estn dentro de E + F y por lo
tanto
f(E) y f(F) f(E +F) que es una recta.
Por lo tanto, f(E) f(F) es una recta. Este ejemplo vale para cualquier f que tenga ncleo (como la de
nuestro ejercicio). Si quiere una visualizacin de la idea anterior piense en una proyeccin ortogonal sobre
el suelo OXY . El ncleo es el eje OZ: Tome dos vectores independientes fuera de OZ, pero que formen
un plano con OZ. Esos dos vectores se proyectan en el suelo en dos vectores que pertenecen a la misma
recta. Se plantea a los alumnos pensar si la igualdad es cierta cuando N(f) = 0:
15