Tema 4: Aplicaciones lineales

Carmen Tasis
2 de noviembre de 2016

Tema 4:Aplicaciones lineales

Pagina 4.ii

ndice
1. Defincin, propiedades y ejemplos

2. Operaciones con aplicaciones lineales

3. Matriz asociada a una aplicacin lineal

3.1. Imagen de un sistema de vectores . . . . . . . . . . . . . . . . . . . . . . . .

3.2. Determinacin de una aplicacin lineal . . . . . . . . . . . . . . . . . . . .

3.3. Matriz asociada a una aplicacin lineal respecto de dos bases dadas . .

4. Ncleo e imagen de una aplicacin lineal

11

4.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

4.2. Determinacin del ncleo y la imagen utilizando una matriz asociada .

13

4.3. Clasificacin de aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . .

14

ctasis-Grupo B

Pagina 4.1

Tema 4:Aplicaciones lineales

Tema 4:Aplicaciones lineales

1.

Defincin, propiedades y ejemplos

Definicin 4. 1 (Aplicacin lineal)

Sean U y V dos espacios vectoriales definidos sobre el mismo cuerpo K, se dice que una aplicacin f : U V es una aplicacin lineal si verifica:
1) ~u1 ,~u2 U se cumple f (~u1 +~u2 ) = f (~u1 ) + f (~u2 ).
2) ~u U y K se cumple f (~u) = f (~u)

Proposicin 4.1 (Definicin equivalente de aplicacin lineal)

Sean U y V dos espacios vectoriales definidos sobre el mismo cuerpo K, una aplicacin f : U V
es una aplicacin lineal si y slo si :

~u1 ,~u2 U

1 , 2 K

f (1~u1 + 2~u2 ) = 1 f (~u1 ) + 2 f (~u2 )

Si U = V la aplicacin lineal se denomina endomorfismo.

Ejemplo 4.1 Dado un espacio vectorial V cualquiera:
La aplicacin identidad: I : V V , tal que I(~v) =~v ~v V es una aplicacin lineal.
Ejemplo 4.2 Dados dos K - espacios vectoriales U y V cualesquiera:
La aplicacin nula: 0 f : U V , tal que 0 f (~u) = ~0V ~u U es una aplicacin lineal.
Ejemplo 4.3 La aplicacin f : R2 R2 tal que
f (x, y) = (x, y)
es una aplicacin lineal.
ctasis-Grupo B

Pagina 4.2

Tema 4:Aplicaciones lineales

Ejemplo 4.4 La aplicacin f : R2 R2 tal que

f (x, y) = (x, y)
es una aplicacin lineal.

Proposicin 4.2 (Propiedades)

Si f : U V es una aplicacin lineal, entonces
a) f (~0U ) = ~0V
b) f (~v) = f (~v)
c) f (a1~u1 + a2~u2 + + an~un ) = a1 f (~u1 ) + a2 f (~u2 ) + + an f (~un ) , para cualesquiera ai K,
~ui V , i = 1, 2, ..., n.
Ejemplo 4.5 Comprobar que f (x, y, z) = (2x, x + y, 0) es un endomorfismo en R3 .
Ejemplo 4.6 Comprobar que f (x, y) = (x + y2 , y) no es un endomorfismo en R2 .
Ejemplo 4.7 Es f (x, y) = (x + y + 1, y, x) una aplicacin lineal de R2 en R3 .?

2.

Operaciones con aplicaciones lineales

Teorema 4.1 (Aplicacin suma y producto por un escalar)

Sean U, V espacios vectoriales definidos sobre el mismo cuerpo conmutativo K y f : U V ,
g : U V aplicaciones lineales. Entonces:
1. f + g : U V definida como ( f + g)(~u) = f (~u) + g(~u) es una aplicacin lineal.
2. f : U V definida como ( f )(~u) = f (~u) es una aplicacin lineal, K

ctasis-Grupo B

Pagina 4.3

Tema 4:Aplicaciones lineales

Teorema 4.2 (Composicin de aplicaciones lineales)

Sean U, V y W espacios vectoriales definidos sobre el mismo cuerpo conmutativo K.
Supongamos que tenemos definidas dos aplicaciones lineales
f : V W

g: U V

Entonces, la composicin de estas aplicaciones, definida como:

h(~u) = f g(~u) = f (g (~u)) ~u U

es una aplicacin lineal.
Obsrvese que
g
f
U V W
>
h = f g
esto es h : U W .

3.

Matriz asociada a una aplicacin lineal

3.1.

Imagen de un sistema de vectores

Definicin 4. 2 (Imagen de un sistema de vectores)

Sea f : U V una aplicacin lineal, y S = {~u1 ,~u2 , . . . ,~un } un sistema de vectores de U, se llama
sistema imagen de S al sistema de vectores de V
f (S) = { f (~u1 ), f (~u2 ), . . . , f (~un )}

Proposicin 4.3 Sea f : U V una aplicacin lineal, y S un sistema de vectores de U

1. Si S es ligado, entonces f (S) es ligado.
2. Si f (S) es libre, entonces S es libre.

Nota 4. 1 Puede ocurrir que un sistema de vectores S sea libre y f (S) sea ligado.
ctasis-Grupo B

Pagina 4.4

Tema 4:Aplicaciones lineales

3.2.

Determinacin de una aplicacin lineal

Teorema 4.3 (Determinacin de una aplicacin lineal)

Sean U y V dos espacios vectoriales de dimensin finita definidos sobre el mismo cuerpo conmutativo K.
Sea BU = {~u1 ,~u2 , . . . ,~un } una base de U y {~v1 ,~v2 , . . . ,~vn } una familia de vectores de V .
Entonces existe una nica aplicacin lineal f : U V tal que f (~ui ) =~vi , i = 1, 2, ..., n.
Adems, dado un vector cualquiera, ~u = a1~u1 + a2~u2 + + an~un de V, se verifica que
f (~u) = a1 f (~u1 ) + a2 f (~u2 ) + + an f (~un ) = a1~v1 + a2~v2 + + an~vn
Este resultado indica que la aplicacin queda completamente determinada si conocemos las
imgenes de los vectores de una base de U.

3.3.

Matriz asociada a una aplicacin lineal respecto de dos bases dadas

En este apartado nos referiremos siempre a espacios vectoriales de dimensin finita.

Definicin 4. 3 (Matriz asociada a una aplicacin lineal respecto de dos bases dadas)
Sean f : U V una aplicacin lineal, BU = {~u1 ,~u2 , ,~un } una base de U y BV = {~v1 ,~v2 , ,~vm }
una base de V . Supongamos que
f (~u1 ) = a11~v1 + a21~v2 + + am1~vm
f (~u2 ) = a12~v1 + a22~v2 + + am2~vm
..
.
f (~un ) = a1n~v1 + a2n~v2 + + amn~vm
Se denomina matriz asociada a la aplicacin lineal f respecto a las bases BU de U y BV de V a la
matriz

a11 a12
a21 a22
A=

am1 am2
ctasis-Grupo B

a1n
a2n

amn

Pagina 4.5

Tema 4:Aplicaciones lineales

Obsrvese que en las columnas de A estn las coordenadas de los vectores de f (BU ), en funcin
de la base BV
f (~u1 )BV

f (~u2 )BV

f (~un )BV

a11
a21
..
.

a12
a22
..
.

..
.

a1n
a2n
..
.

am1

am2

amn

Teorema 4.4 (Expresin matricial de las ecuaciones de una aplicacin lineal)

En las condiciones de la definicin anterior consideremos, ahora, un vector cualquiera ~u U.
Denotemos por (x1 , x2 , ..., xn ) a las coordenadas de ~u en la base BU y por (y1 , y2 , ..., ym ) a las coordenadas de f (~u) en la base BV , con lo que

~u = x1~u1 + x2~u2 + + xn~un y

f (~u) = y1~v1 + y2~v2 + + ym~vm

Entonces, la relacin matricial entre las coordenadas de ambos vectores viene dada por:

y1
y2
..
.

ym
| {z }
Y

a11
a21
..
.

a12 . . .
a22 . . .
..
.

a1n
a2n
..
.

x1
x2
..
.

Y = AX

am1 am2 . . . amn

xn
{z
} | {z }
X

En efecto, si ~u = x1~u1 + x2~u2 + + xn~un entonces:

f (~u) = f (x1~u1 + x2~u2 + + xn~un ) = x1 f (~u1 ) + x2 f (~u2 ) + + xn f~un ) =
= x1 (a11~v1 + a21~v2 + + am1~vm ) + x2 (a12~v1 + a22~v2 + + am2~vm ) +
|
{z
}
|
{z
}
f (~u1 )

f (~u2 )

+ xn (a1n~v1 + a2n~v2 + + amn~vm ) =

{z
}
|
f (~un )

= (x1 a11 + x2 a12 + + xn a1n )~v1 + (x1 a21 + x2 a22 + + xn a2n )~v2 +
+ (x1 am1 + x2 am2 + + xn amn )~vm = y1~v1 + y2~v2 + + ym~vm
ctasis-Grupo B

(1)

Pagina 4.6

Tema 4:Aplicaciones lineales

de donde se deduce

y1 = x1 a11 + x2 a12 + + xn a1n

y2 = x1 a21 + x2 a22 + + xn a2n

..

y = x a +x a ++x a
m
n mn
1 m1
2 m2

y1
y2
..
.

ym
| {z }
Y

a11
a21
..
.

a12 . . .
a22 . . .
..
.

a1n
a2n
..
.

x1
x2
..
.

am1 am2 . . . amn

xn
{z
} | {z }
A

Y = AX
En estas condiciones:

Definicin 4. 4 (Ecuacin matricial de una aplicacin lineal)

La ecuacin Y = AX se denomina ecuacin matricial de f respecto de las bases BU y BV .

Obsrvese que, conocidas las coordenadas X, de un vector cualquiera ~u ( del espacio de salida U ) respecto de la base BU , nos permite calcular las coordenadas de
su imagen f (~u) (del espacio de llegada V) respecto de la base BV .
Esto se resume en el grfico siguiente:

ctasis-Grupo B

Pagina 4.7

Tema 4:Aplicaciones lineales

Ejemplo 4.8 Dada la aplicacin lineal f : R3 R2 , de la que se sabe que

f (1, 0, 0) = (1, 2)
f (0, 1, 0) = (3, 4)
f (0, 0, 1) = (5, 6)
se pide:
1. Calcular la matriz A asociada a f respecto de las bases cannicas de ambos espacios vectoriales.
2. Escribir la ecuacin matricial de la aplicacin que se deduce de lo anterior.
3. Utilizar la ecuacin anterior para calcular f (~v), siendo ~v = (1, 2, 3).
Ejemplo 4.9 Dada la aplicacin lineal f : R2 R3 , definida como:
f (x, y) = (x + y, x y, 0)
se pide:
1. Calcular la matriz A asociada a f respecto de las bases cannicas de ambos espacios vectoriales y escribir la ecuacin matricial de la aplicacin que se deduce de lo anterior.
2. Utilizar la ecuacin anterior para calcular f (~v), siendo ~v = (3, 6).
3. Calcular la matriz B asociada a f respecto de las bases B de R2 y cannica de R3 , siendo
B = {~u1 = (1, 2), ~u2 = (1, 2)}, y escribir la ecuacin matricial de la aplicacin que se
deduce de lo anterior.
4. Utilizar la ecuacin anterior para calcular f (~v), siendo ~v = (3, 6).

Proposicin 4.4 (Matriz asociada y operaciones con aplicaciones lineales)

Consideremos los espacios vectoriales U, V y W con bases BU , BV y BW respectivamente.
Supongamos que tenemos definidas las aplicaciones lineales f : V W , h : V W y g : U V
y denotemos por
A a la matriz asociada a f en las bases BV y BW
C a la matriz asociada a h en las bases BV y BW
ctasis-Grupo B

Pagina 4.8

Tema 4:Aplicaciones lineales

B a la matriz asociada a g en las bases BU y BV

entonces
1. La matriz asociada a f + h en las bases BV y BW es A +C.
2. La matriz asociada a f en las bases BV y BW es A.
3. La matriz asociada a f g en las bases BU y BW es AB.
Ejemplo 4.10 (Matriz asociada a la composicin)
Dadas las aplicaciones lineales g : R2 R3 y f : R3 R definidas como:
g(x, y) = (x + y, x, y),

f (x, y, z) = x + y + z

se pide:
1. Calcular las matrices asociadas a g y f respecto de las bases cannicas de los correspondientes
espacios vectoriales.
2. Calcular la matriz C asociada a f g respecto de las bases cannicas de ambos espacios
vectoriales y escribir la ecuacin matricial de la aplicacin que se deduce de lo anterior.

Proposicin 4.5 (Matriz asociada y cambio de base)

Sea f : U V una aplicacin lineal.
0 bases de U y B y B0 bases de V.
Sean BU y BU
V
V

Sea A la matriz de la aplicacin lineal en las bases BU y BV , P la matriz de cambio de base de la

0 y Q la matriz de cambio de base de la base B a la base B0 .
base BU a la base BU
V
V
0 y B0 es
Entonces, la matriz asociada a f en las bases BU
V

M = Q1 AP

ctasis-Grupo B

Pagina 4.9

Tema 4:Aplicaciones lineales

Veamos la relacin entre M y A:

Dado un vector ~v U cualquiera denotaremos por por X a sus coordenadas respecto de BU , y

0 , por lo que segn la ecuacin matricial del cambio de base:
por X a sus coordenadas respecto de BU

X = PX 0 .
Denotamos por Y a las coordenadas del vector imagen f (~v) V respecto de la base BV y por Y 0
a sus coordenadas respecto de la base BV0 , por lo que segn la ecuacin matricial del cambio de base:
Y = QY 0 .
Como A es la matriz asociada a f respecto de las bases BU y BV se verificar la ecuacin matricial:
Y = AX.
0 y B0 se verificar la ecuacin
Asimismo, como M es la matriz asociada a f respecto de las bases BU
V

matricial: Y 0 = MX 0 .
Con todo ello tenemos:
X
Y
Y
Y0

= PX 0
= QY 0
= AX
= MX 0

(1)
(2)
(3)
(4)

Para calcular M utilizaremos las tres primeras ecuaciones:

De (2), Y = QY 0 = Y 0 = Q1Y .
Por (3), Y = AX, luego sustituyendo Y en la ecuacin de arriba: Y 0 = Q1Y = Q1 AX =
Y 0 = Q1 AX.
Ahora bien, por (1), X = PX 0 , luego, sustituyendo X en la ecuacin de arriba:
Y 0 = Q1 AX = Q1 APX 0 = Y 0 = Q1 APX 0 .
ctasis-Grupo B

Tema 4:Aplicaciones lineales

Pagina 4.10

Comparando esta ltima ecuacin con (4), se deduce M = Q1 AP.

Ejemplo 4.11 Sea f : R3 R2 una aplicacin lineal,

 cuya matriz
 asociada respecto de las bases
2
1
1
B1 = {~w1 ,~w2 ,~w3 } de R3 y B2 = {~v1 ,~v2 } de R2 es:
3 2 3
a) Conservando la base B2 de R2 , tomamos en R3 una nueva base B10 = {~w01 ,~w02 ,~w03 } formada
por:
~w01 = ~w2 + ~w3 ; ~w02 = ~w3 + ~w1 ; ~w03 = ~w1 + ~w2 . Hllese la nueva matriz asociada a f .
b) Conservando en R3 la base B1 , y tomando en R2 la base B20 = {~v01 ,~v02 } formada por:
~v01 = 12 (~v1 +~v2 ); ~v02 = 12 (~v1 ~v2 ), hllese la nueva matriz asociada a f .
c) Hallar la matriz asociada a f al tomar B10 y B20 como bases de R3 y R2 , respectivamente.

Ejercicio 4. 1 Se considera la aplicacin lineal T : R2 [x] R3 dada por T (1 + x) = (1, 0, 0),

T x + x2 = (1, 1, 0) y T (1 x + x2 ) = (0, 0, 0). Halla la matriz de T respecto de la base cannica de R2 [x] y la base B2 = {(1, 0, 0) , (1, 1, 0) , (1, 1, 1)} de R3 .

ctasis-Grupo B

Pagina 4.11

Tema 4:Aplicaciones lineales

4.

Ncleo e imagen de una aplicacin lineal

4.1.

Definiciones

Definicin 4. 5 (Ncleo de una aplicacin lineal)

Sean U y V dos Kespacios vectoriales y f : U V una aplicacin lineal entre ambos. Se define
el ncleo de la aplicacin lineal como el conjunto
n
o
~
ker f = ~u U / f (~u) = 0 U

/
Obsrvese que ~0 ker( f ), luego ker( f ) 6= 0.

Proposicin 4.6
Dada una aplicacin lineal f : U V siempre se verifica que:
ker f es un subespacio vectorial de U.

Ejemplo 4.12 Dada f : R2 R3 tal que f (x, y) = (x, 0, 0), (x, y) R2 , indquese cul es su
ncleo.

Definicin 4. 6 (Imagen de una aplicacin lineal)

Sean U y V dos Kespacios vectoriales y f : U V una aplicacin lineal entre ambos. Se define
el conjunto imagen de la aplicacin lineal como el conjunto
Im f = f (U) = {~v V / ~u U con f (~u) =~v} V

Proposicin 4.7
Dada una aplicacin lineal f : U V siempre se verifica que:
Im f es un subespacio vectorial de V.
ctasis-Grupo B

Pagina 4.12

Tema 4:Aplicaciones lineales

Definicin 4. 7 (Rango de una aplicacin lineal)

Llamaremos rango de una aplicacin lineal a: rg( f ) = dim Im f dimV .

Teorema 4.5 (Un sistema generador de f (U))

Sea f : U V una aplicacin lineal.
Dada una base de U, BU = {~u1 ,~u2 , . . . ,~un }, el sistema f (BU ) = { f (~u1 ), f (~u2 ), . . . , f (~un )} es un
sistema generador de f (U).

Ejemplo 4.13 Dada f : R2 R3 tal que f (x, y) = (x y, x, 0) (x, y) R2 , calclese un sistema

generador de su imagen.

Definicin 4. 8 (Imagen de un subespacio) Sea f : U V una aplicacin lineal, y sea W

un subespacio vectorial de U.
Llamaremos conjunto imagen de W a
f (W ) = { f (~w) V / ~w W }
Obsrvese que f (W ) es un subespacio vectorial de V .

Nota 4. 2 (Un sistema generador de f (W ))





Dada una base de W , BW = ~w1 ,~w2 , . . . ,~w p , el sistema f (Bw ) = f (~w1 ), f (~w2 ), . . . , f (~w p ) es
un sistema generador de f (W ).

ctasis-Grupo B

Pagina 4.13

Tema 4:Aplicaciones lineales

4.2.

Determinacin del ncleo y la imagen utilizando una matriz asociada

Sean U y V dos Kespacios vectoriales de dimensin finita y f : U V una aplicacin lineal

entre ambos. Supongamos que respecto de unas ciertas bases
BU = {~u1 ,~u2 , ,~un } de U y BV = {~v1 ,~v2 , ,~vm } de V
la matriz asociada a la aplicacin lineal es A, con lo que la expresin matricial de la aplicacin es
Y = AX

siendo X = (x1 , x2 , ..., xn )t las coordenadas de un vector cualquiera

v U respecto de la base

BU e Y = (y1 , y2 , ..., yn )t las coordenadas de su imagen f (

v ) respecto de la base BV .
Determinacin del ncleo de una aplicacin lineal

Entonces, un vector
v Ker f ( f (
v ) = 0 ), si y slo
AX = 0

pues f (
v ) tendr unas coordenadas Y = (0, 0, ..., 0)t en la base BV .
Es decir, el ncleo de f es el subespacio vectorial formado por los vectores cuyas coordenadas
respecto de la base considerada son las soluciones del sistema homogneo AX = 0.
Determinacin de la imagen de una aplicacin lineal
En las condiciones anteriores, se sabe que la columna j-sima de la matriz A es el vector de
coordenadas de f (~u j ) respecto de la base BV , esto es:

f (~u1 )BV

f (~u2 )BV

f (~un )BV

a11
a21
..
.

a12
a22
..
.

..
.

a1n
a2n
..
.

am1

am2

amn

y, como el sistema { f (~u1 ), f (~u2 ), . . . , f (~un )} engendra Im f resulta que:

ctasis-Grupo B

Pagina 4.14

Tema 4:Aplicaciones lineales

De las columnas de A podemos extraer las coordenadas en funcin de la base BV de los vectores
de un sistema generador de Im f .
Ntese que
rg( f ) = dim(Im f ) = rg({ f (~u1 ), f (~u2 ), . . . , f (~un )}) = rg(At ) = rg(A)

Ejemplo 4.14 Dada la aplicacin lineal f : R3 R4 , cuya matriz asociada respecto de las
respectivas bases cannicas es

1
1
A=
0
0

1
0
0
0

2
1

0
0

calclese una base del ncleo y una base de la imagen de f.

Ejercicio 4. 2 Se considera la aplicacin lineal de R3 en R2 [x] siguiente:
f (a, b, c) = (a 2b) + (b c a)x (c + b)x2
Calclese una base del ncleo y una base de la imagen.

Teorema 4.6 (Teorema de las dimensiones en aplicaciones lineales)

Sean U y V dos Kespacios vectoriales de dimensin finita y f : U V una aplicacin lineal
entre ambos. Entonces:

dim(U) = dim ker( f ) + rg( f )

4.3.

Clasificacin de aplicaciones lineales

Dada una aplicacin f : A B diremos que es inyectiva cuando dos elementos distintos de A no
tienen nunca la misma imagen en B, es decir
x, y A con f (x) = f (y) = x = y
ctasis-Grupo B

Pagina 4.15

Tema 4:Aplicaciones lineales

o tambin
x, y A con x 6= y = f (x) 6= f (y)
y diremos que es suprayectiva si todo elemento de B es imagen de al menos un elemento de A, es
decir, si
x B y A / f (y) = x
Una aplicacin diremos que es biyectiva si es inyectiva y suprayectiva.

Proposicin 4.8 (Caracterizacin de las aplicaciones lineales inyectivas y suprayectivas )

Sean U y V dos Kespacios vectoriales y f : U V una aplicacin lineal entre ambos. Entonces:
1. f es inyectiva ker f = {~0}.
2. f es suprayectiva Im f = V .

Proposicin 4.9 (Caracterizacin de las aplicaciones lineales biyectivas )

Sean U y V dos Kespacios vectoriales de dimensin finita y f : U V una aplicacin lineal
entre ambos.Entonces:
1. f es biyectiva = dim(U) = dim(V ).
2. Si dim(U)=dim(V) entonces:
f es inyectiva f es suprayectiva f es biyectiva

Corolario 4.1 En las condiciones anteriores, si U y V tienen dimensin finita, n y m respectivamente, y A Mmn (K) es la matriz asociada a f respecto de ciertas bases dadas, entonces:
1. f es inyectiva rg(A) = n.
2. f es suprayectiva rg(A) = m.
3. f es biyectiva A es una matriz cuadrada inversible (rg(A) = n = m).

Definicin 4. 9 (Isomorfismo)
Las aplicaciones lineales biyectivas se denominan isomorfismos.
ctasis-Grupo B

Pagina 4.16

Tema 4:Aplicaciones lineales

Ejemplo 4.15 Se considera la aplicacin lineal f : R4 R3 [x] definida como sigue:

f (1, 1, 1, 1) = 1 + 2x + x3 = f (0, 1, 1, 1),
f (0, 0, 1, 1) = 1 + 3x + 2x2 + 3x3 , f (0, 0, 0, 1) = 1 2x + x3
Se pide:
a) Matriz de la aplicacin f en las bases cannicas.
b) Base, ecuaciones paramtricas e implcitas del ker( f ).
c) Base, ecuaciones paramtricas e implcitas de Im( f ).
d) Indicar si f es inyectiva, suprayectiva o biyectiva.

ctasis-Grupo B

Pagina 4.17

Tema 4:Aplicaciones lineales

Bibliografa

Arves J., lvarez R., Marcelln F.

lgebra Lineal y aplicaciones
Sntesis, 1999
Merino L., Santos E.
lgebra Lineal con mtodos elementales
Thomson, 2006
Serrano Mara Luisa
Transparencias para las clases de lgebra lineal (Primer curso-Grados de Ingenieria - EPI de
Gijn)

ctasis-Grupo B