Aplicaciones Lineales

AlgEcDif

Definicin Una aplicacin lineal es una aplicacin entre dos espacios vectoriales que
es adems lineal.
i.

Recordamos que una aplicacin (en ingls map) es una regla que permite
asociar a cada elemento del primer espacio un elemento del segundo.
E L F

En nuestro tema E y F son espacios vectoriales y E F es una funcin o

aplicacin lineal L.
Nota: En teora de conjuntos se suele reservar el nombre de funcin para
aplicaciones numricas.
ii.

La aplicacin L es lineal si cumple las siguientes propiedades:

( L1 )
( L2 )

r r
r
r
L(u v) L(u ) L(v)
r
r
L ( u ) L(u )

r r
u, v E
r
u E ,

Que se pueden escribir juntas como la ley de combinaciones lineales:

( LC )

r
r
r
r
L( u v) L(u ) L(v)

r r
u , v E , ,

Ejemplo 1. Aplicaciones entre espacios de una dimensin

R L R

R: conjunto de los nmeros reales

uR
L (u ) L(u 1) u L (1) au
L (u ) au

El ejemplo de aplicacin lineal en se resume en la funcin lineal (rectas).

La cantidad a L(1) es libre. La aplicacin lineal se resume anotando la constante
(que es una matriz 1x1 ), L (a )

Ejemplo 2. Aplicacin en dos dimensiones. E=F=

En R2

2
2

r r
( e1 ,e2 )

ur ur
( f 1, f 2 )

Los espacios estn referidos a sus bases (no son la misma en principio).
Sea u E un vector arbitrario, se tiene que u x1e1 x 2 e2
Luego por linealidad:
r
r
r
r
r
(1)
L(u ) L( x1 e 2 ) L( x2 e 2 ) x1L (e1 ) x2 L(e 2 )

ur

ur

uv

ur

L (e1 ) puede elegirse libremente en F

(2) L(e1 ) a11 f 1 a21 f 2

L(e2 ) puede elegirse libremente en F

(3) L(e 2 ) a12 f 1 a22 f 2

Sustituyendo (2) y (3) en (1), y agrupando, me queda:

r
u ( x1 , x2 )

r
L ( u ) ( y 1 , y2 )
y1 x1 a11 x 2 a12

Donde (4):

y 2 x1 a 21 x 2 a 22

Resumen
Las aplicaciones lineales de 2 a

a11
a 21

pueden codificarse en forma de matriz.

a12

a 22

La cual permite expresar las coordenadas de L(u) en funcin de las coordenadas de u.

y1 a11 a12

y 2 a 21 a 22

x1

x2

En lenguaje abreviado escribo la frmula matricial de clculo de coordenadas.

Y AX
Nota: las columnas de A tienen su propio sentido: son las coordenadas de las
imgenes de cada uno de los vectores de base, L(ei)

Matriz de una aplicacin lineal

En vista de esta leccin podemos definir una aplicacin lineal como una operacin que
toma un vector en coordenadas y lo premultiplica por una matriz para hallar las
coordenadas de la imagen. Esta matriz operativa se llama la matriz de la aplicacin
lineal.
Se tiene una aplicacin lineal L de E en F, espacios a los que nos referimos por sus
bases.

L : r E
r

ur ur
f 1, f 2

e1 ,e2

Las imgenes de e1 y e2 vienen dadas por las expresiones:

r
ur
ur
L(e1 ) a11 f 1 a21 f 2
r
ur
ur lo que equivale a L(e1 ) L(e2 ) f1
L(e 2 ) a12 f 1 a22 f 2

a11
a21

f2

a12

a22

Tenemos un vector u cualquiera expresado en la base del espacio E.

r
r
r
u x1 e1 x2 e 2
r
ur
ur
L(u ) y1 f 1 y2 f 2

Sustituyendo tenemos:

r
r
r x
L(u ) L(e1 ) L(e 2 ) 1
x1
r
ur ur y y
L(u ) f 1 f 2 1 1
y2 y2

ur

ur a11
f2
1
a21
a a12
11

a21 a22

a 12 x1

a 22 x2
x1
x
2

Caso general
n
Se tiene un vector u cualquiera en un espacio En .

El sistema { e1 ,..., e n } constituye una base del espacio y x1 ,..., xn son las coordenadas
del vector u respecto de esa base.

r
r
r e1 , ..., e n
u
x1 , ..., xn

Si L es una aplicacin lineal E

n

r
L(u )

ur
ur
f 1 , ..., f m
y1 ,..., ym

Fm , donde Fm

, tenemos:

Existen aplicaciones lineales entre espacios de dimensiones distintas, por lo que m no

coincide necesariamente con n, y existe una matriz A de la aplicacin lineal L.
En resumen,

L( B1 ) ( B2 ) A

Donde B1 y B2 son las bases de E y F respectivamente.

Las columnas de la matriz de aplicacin lineal A son las coordenadas de las imgenes
de los vectores de la base del espacio E.

 Le1 , Le2 , ..., Len

f1 , ..., f m | | ...

A M mxn
El nmero de columnas de la matriz A coincide con la dimensin del primer espacio, y
el nmero de filas con la dimensin del segundo.
Las aplicaciones lineales entre espacios de dimensin distinta utilizan matrices no
cuadradas.

Ncleo
Definicin. El ncleo de una aplicacin lineal es el conjunto de vectores del primer
espacio (espacio de partida) cuya imagen es nula. El ncleo se denota como K(L), del
ingls kernel.

r
r
K ( L ) v E : L (v ) 0

Propiedades de K(L):
(1) 0 K ( L) . El vector nulo siempre est contenido en el ncleo.
(2) K(L) es un subespacio de E:
r ur
r
ur
v, w K ( L) L(v) 0, L( w) 0
r ur
r
ur
r ur
L(v w) L(v) L( w) 0 0 0 (v w) K ( L)
r
r
L( v ) L(v) 0 0
r
r
Ecuacin. Si las coordenadas de v son X y las coordenadas de L( v ) son Y,
tenemos la ecuacin matricial: AX Y , donde Y, como hemos dicho, vale cero; la
ecuacin del ncleo en coordenadas nos queda:

AX 0
En la ecuacin AX 0 , el rango de la matriz A nos dice cuantas ecuaciones son
independientes.Si r(A) es el rango de la matriz A y n la dimensin de E se tiene

dim K ( L) n r ( A)

Clculo de una base del ncleo

Partimos de la ecuacin matricial AX 0

rr

A
Todos los sistemas homogneos tienen al menos la solucin trivial.
En la matriz A, tenemos un menor principal de orden r r (r es el rango), cuyo
determinante es distinto de cero. Las filas restantes sern combinaciones lineales de
las anteriores (zona sombreada).
Las incgnitas que sobran despus de encontrar el menor r r , son coordenadas
libres y las pasamos al otro miembro de la ecuacin. Pasan a ser parmetros y les
podemos dar un valor cualquier para resolver el sistema.

A1

rr

x1

A2

r (n r )

x2

= 0

nr

Nos queda la ecuacin matricial:

A1 X 1 ( A2 )( X 2 )

Como xr 1 ... xn son parmetros, les puedo dar valores:

xr 1 1, xr 2 0, ..., xn 0 y calculo x1 ,..., xr , coordenadas del vector wr 1

xr 1 0, xr 2 1, ..., xn 0 y calculo x1 ,..., xr , coordenadas del vector wr 2
...

xr 1 0, xr 2 0, ..., xn 1 y calculo x1 ,..., xr , coordenadas del vector wn

Salen tantos vectores w como columnas libres hay en la matriz A.

Si hay variables libres, hay ncleo. Son estas variables libres las que generan el
ncleo. Estos vectores constituyen una base del ncleo.
Recordamos
* K ( L) n r es un subespacio de E.
* dim K ( L) n r ( A)

donde A es la matriz de la aplicacin L

El conjunto de vectores wr 1 , wr 2 ,..., wn es una base del espacio K(L).

Completando una base de E

Para tener una base completa de E, necesito completar el sistema con vectores
w1 ,..., wr . Por conveniencia, utilizo los vectores de la base cannica de L.

w1 e1 , w2 e2 , ..., wr er
Pero he comprobar la ind. lineal del conjunto obtenido

wr 1 , wr 2 ,..., wn es base del subespacio K(L) de dimensin n-r

e1 ,..., er es la base de un subespacio de E de dimensin r

Son dos bases totalmente independientes. La suma de estos dos espacios genera el
espacio E. Se dice entonces que es una suma directa.
Definicin:

E1 E2 E es una suma directa si y slo si E1 I E2 0

Notacin: E1 E2 E
La condicin suficiente y necesaria es dim E1 dim E2 dim E
Demostracin:
Tenemos la regla dim E1 dim E2 dim E dim( E1 I E2 ) , luego dim( E1 I E 2 ) 0
Ojo: todos los espacios tienen en comn el subespacio nulo, notacin {0}.
Al subespacio de E generado por e1 ,..., er lo denominamos E2 y escribimos:

E K ( L ) E2

Estudio de la Imagen o Rango de la aplicacipn lineal

Se llama L( E ) al conjunto de vectores del espacio final F que son imagen de algun
vector de E.
Se demuestra que es un subespacio de F y se le llama espacio imagen.
Es fcil ver que lo generan las imgenes de los vectores de base de $E$
Vamos a demostrar tambin que su dimensin es r. Equivale a L( E2 ) . Para ello
demostramos que los r vectores de la base del espacio complementario E2 dan como
imagen vectores independientes.
Proposicin
Sea e1 ,..., er una base de E2
(i)
(ii)

Entonces Le1 ,..., Ler es un conjunto linealmente independiente

El sistema Le1 ,..., Ler genera el subespacio imagen L(E)

Demostracin
(i)
Sea 1 Le1 K r Ler 0 ,
por linealidad: L(1e1 K r er ) 0
Como la imagen es nula: 1e1 K r er K ( L)
Recordamos que 1e1 K r er E2
Luego si el vector se encuentra en los dos espacios complementarios, que
como ya hemos dicho antes tienen como nico elemento comn el espacio
nulo.

1e1 K r er 0 1 ,K r 0

Al ser e1 ,..., er un sistema linealmente independiente.

(ii)

L(E) est generado por Le1 ,..., Ler y es un subespacio de F.

Comprobacin:

r r
r
r
v1 , v 2 L( E ) V 1 v1 2 v 2 L ( E )
r
r r
r
v1 L (u1 ), v 2 L(u 2 )
por linealidad :

r
r
r
r
r
v 1 u1 2 u 2 L(1 u1 2 u 2 ) L (u )
r
r
r
u 1 u1 2 u 2

L(E) es un subespacio vectorial de F.

Compruebo los generadores:

r
v L( E )
r
r r
v L(u ), u E
r
r
r
ur
ur
u 1 e1 K r e r r 1 wr 1 K n wn
r
r
r
ur
ur
v L(1 e1 K r e r r 1 wr 1 K n wn )
r
r
ur
ur
1 Le1 K r Le r r 1Lwr 1 K n Lwn
r
r
1 Le1 K r Le r
Como wr 1 , wr 2 ,..., wn pertenecen al ncleo, su imagen es cero.

El sistema de vectores 1 Le1 K r Le r genera el subespacio imagen.

(iii)

Se llama Coimagen a todo subespacio generado por los vectores que

faltan para completar una base de F. Hay infinitos espacios coimagen,
pero cualquier conjunto de vectores independientes que completen la base

Le K Le
1

bastar para generar todo el espacio.

Teorema de los cuatro espacios

E E1 E2
F F1 F2
E1 = K(L) es el ncleo y E2 el concleo
F1 = L(E) es el espacio imagen y F2 la coimagen.

K(L)

F2

L(E)

L
E2

Ejercicio.
La matriz A determina una aplicacin lineal de 4 en 3 . Encontrar una base y la
dimensin de la imagen y el ncleo de la aplicacin.

1 2 0 1

A 2 1 2 1
1 3 2 2

1 2
0
2 1
En la ecuacin AX 0 tenemos dos variables independientes, a las que doy valores
r ( A) 2, porque det

arbitrarios y obtengo dos vectores. Esos dos vectores generan el ncleo; son base del
subespacio K(L).

4 / 3
1/ 5

ur
2 / 5 ur 3 / 5

w3
; w4
1
0

0
1

Estos vectores estn en el ncleo porque se verifica que Aw1 0, Aw2 0 .

Podemos completar la base de 4 con los vectores de la base cannica e1 y e 2 .

Ya que las imgenes de e1 y e 2 son vectores independientes, Le1 y Le 2 generan

el espacio imagen L(E).

1
r
r
L(e1 ) Ae1 2
1

2
r
r
L(e 2 ) Ae 2 1 .
3

Para completar la base de 3 basta con aadir un vector de 3 que no sea

linealmente dependiente de los otros dos. Por ejemplo:

 1
ur
f 1 0 . Este vector genera el espacio coimagen.
0

Cambios de Base
Tenemos una aplicacin lineal de E en F , donde A es la matriz de la aplicacin lineal
L.
B1 y B2 son bases de E y F respectivamente, y B1' y B2' son bases de los mismos
espacios buscadas de tal manera que A ' es la matriz ms simple posible.

E L
B1 A

F
B2

B1'

B2'

A'

Tenemos la ecuacin matricial Y AX

Si X C1 X ' y Y C2Y ' , donde C1 y C2 son matrices (columna) de las nuevas
bases de E y F. al sustituir en la ecuacin matricial nos queda:

C2Y ' AC1 X '

Y ' C21 AC1 X '

Tenemos X e Y expresados en nuevas bases, luego tenemos una nueva matriz de la
aplicacin lineal.

A ' C21 AC1

El caso deseado

EF

C1 C2 C

La matriz A ser la ms simple posible.

A'