Tema 3

Aplicaciones lineales
3.1.

Introducci
on

Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar
en este tema un tipo especial de funciones (a las que llamaremos aplicaciones lineales)
entre los espacios vectoriales. En el caso de que nuestro espacio vectorial sea K1 = K,
una aplicacion lineal no es otra cosa que una funcion de la forma f : K K dada por
f (x) = a x (es decir, multiplicar por un escalar a K y su representacion grafica es muy
simple, una recta que pasa por el origen. Cuando el espacio es R2 o R3 , las aplicaciones
lineales transforman de forma lineal ciertas figuras, por este motivo a las aplicaciones
lineales tambien se les conoce como transformaciones lineales. Veamos en el siguiente
ejemplo.

Ejemplo 3.1.1. Veamos como se transforma linealmente una figura en el plano. Consideremos la casa la casa dibujada en la portada del libro Introduction to Linear Algebra,
de Gilbert Strang.
La casa viene definida en R2 por las coordenadas (6, 7), (6, 2), (7, 1), (7, 1),
(0, 8), (6, 7), (6, 2), (0, 2), (0, 7), (3, 7) y (3, 2),

15

16

TEMA 3. APLICACIONES LINEALES

Supongamos que queremos hacerla mas ancha y mas baja. Una forma de hacerlo es, por
ejemplo, multiplicando el eje X por 2 y el eje Y por 12 .
La manera mas sencilla de realizar esta transformacion,es multiplicando
las coorde
2 0
nadas y los puntos de las lneas que las unen por la matriz
.
0 12
As, obtenemos nuevas coordenadas y lneas. Graficamente tenemos la siguiente casa:

3.2. APLICACIONES LINEALES Y MATRICES

17

Fijaros que seguimos reconociendo la casa pero transformada; los valores en el eje X se
han duplicado y los del eje Y se han reducido a la mitad. Ademas, las lneas que unen las
coordenadas se han transformado tambien en lneas. Estos son algunos de los motivos por
los cuales la transformacion es lineal.
Hay transformaciones lineales mucho mas extra
nas. La casa la podemos girar, estirar,
deformar, etc. Por ejemplo,

Esta transformaci
on, 
en los ejercicios lo veremos con detalle, resulta de multiplicar

0 0,5
.
por la matriz
1,1 0,3
Por u
ltimo, observad que hay transformaciones del plano que no son lineales. Por
ejemplo, una transformacion que transforma una lnea entre dos puntos en una catenaria,
no es lineal.

3.2.

Aplicaciones lineales y matrices

Una vez que hemos visto en el ejemplo anterior el significado geometrico de una aplicacion lineal, pasamos ahora a dar el concepto general. Aparentemente dicho concepto
no guarda relacion alguna con lo que acabamos de decir, pero poco despues veremos que
ambos conceptos (el que damos a continuacion, y el de transformacion geometrica de
una figura) son en realidad el mismo. Damos esta definicion porque nos va a facilitar el
comprobar si, al darnos la expresion de una aplicacion, esta es lineal o no.
Definici
on 3.2.1. Una aplicacion f : Kn Km se dice lineal si verifica

18

TEMA 3. APLICACIONES LINEALES

a) f (v + w) = f (v) + f (w), v, w Kn .
b) f (r v) = r f (v), v Kn , r K

Ejemplo 3.2.1. La aplicacion f : R3 R2 dada por la formula f (x, y, z) = (x + y, y + z)

es lineal, ya que si a, b R son dos escalares cualesquiera y (x, y, z), (x , y , z ) R3 son
dos vectores arbitrarios, tenemos por un lado que
f (a(x, y, z) + b(x , y , z )) = f ((ax, ay, az) + (bx , by , bz )) =
f (ax + bx , ay + by , az + bz ) = (ax + bx + ay + by , ay + by + az + bz )
y por otro que
af (x, y, z) + bf (x , y , z ) = a(x + y, y + z) + b(x + y , y + z ) =
(a(x + y), a(y + z)) + (b(x + y ), b(y + z )) = (ax + ay, ay + az) + (bx + by , by + bz )
= (ax + ay + bx + by , ay + az + by + bz ),
es decir,
f (a(x, y, z) + b(x , y , z )) = af (x, y, z) + bf (x , y , z ).
Sin embargo la aplicacion f : R3 R2 dada por la formula f (x, y, z) = (x+y, y+z +1)
NO es lineal ya que
f (a(x, y, z) + b(x , y , z )) = (ax + bx + ay + by , ay + by + az + bz + 1)
y
af (x, y, z) + bf (x , y , z ) = (ax + ay, ay + az + 1) + (bx + by , by + bz + 1)
= (ax + ay + bx + by , ay + az + by + bz + 2),
y obviamente
ay + by + az + bz + 1 6= ay + az + by + bz + 2,
por lo que
f (a(x, y, z) + b(x , y , z )) 6= af (x, y, z) + bf (x , y , z ).
Proposici
on 3.2.1. Sea f : Kn Km lineal y supongamos que tanto en Kn como en Km
se considera la base canonica. Entonces existe una matriz MCKn CKm (f ) = M (f ) de forma
que si v tiene coordenadas v = (t1 , . . . , tn ), entonces las coordenadas de f (v) son M (f )v t .
Ademas, las columnas de dicha matriz son las coordenadas de f (1, 0, . . . , 0), . . . , f (0, 0, . . . , 1).

19

3.2. APLICACIONES LINEALES Y MATRICES

Demostracion. Sean:

a11

a21
, . . . , f (0, 0, . . . , 1) =
f (1, 0, . . . , 0) =

...
am1

a1n
a2n

...
amn

Dado un vector v = (x1 , . . . , xn ) = x1 (1, 0, . . . , 0) + . . . + xn (0, 0, . . . , 1), como f es lineal

se tiene que:
f (v) = f (x1 , . . . , xn ) = f (x1 (1, 0, . . . , 0) + . . . + xn (0, 0, . . . , 1))
= x1 f (1, 0, . . . , 0) + . . . + xn f (0, 0, . . . , 1)

a1n
a11

a21
+ . . . + xn a2n
= x1
...
...
am1
amn

a11 a12 . . . a1n

x1
a21 a22 . . . a2n x2

=
... ... ... ... ... ,
am1 am2 . . . amn
xn
tal que la matriz M (f ) viene dada por

a11 a12
a21 a22
M (f ) =
... ...
am1 am2

. . . a1n
. . . a2n

... ...
. . . amn

Resumen: Hasta este punto, nos pueden dar una aplicacion lineal f : Kn Km de
tres formas:
mediante una formula. Ejemplo: f (x, y, z, t) = (3x 2y z, z t, t, 0) representa a
una aplicacion lineal f : R4 R4 .
Mediante una
matriz A M
mn (K). Es decir, A = MCKn ,CKm (f ). Ejemplo A =
2
3

MCR3 ,CR2 (f ) = 2 1 representa una aplicacion lineal f : R3 R2 .

3 1/4
Dando las imagenes de los vectores de la base canonica de Kn . Ejemplo:


f (1, 0) = (1, 3, 4)
f (0, 1) = (3, 0, 0)

20

TEMA 3. APLICACIONES LINEALES

define una aplicacion lineal f : R2 R3 .

Es muy importante saber pasar de una forma a otra dependiendo del ejercicio que
estemos haciendo.

3.3.

Operaciones con aplicaciones lineales

Definici
on 3.3.1. 1) Sean f, g : Kn Km lineales. Se llama f + g : Kn Km a la
aplicacion definida por (f + g)(v) = f (v) + g(v).
2) Sea f : Kn Km lineal, r K. Llamaremos r f : Kn Km a la aplicacion
definida por (rf )(v) = rf (v).
3) Sean f : Kn Km , g : Kr Kr lineales. Llamaremos composicion de f y g,
g f : Kn Kr , a la aplicacion definida por g f (v) = g(f (v)).
La siguiente proposicion indica que todas estas aplicaciones vienen definidas por matrices y por lo tanto son lineales.
Proposici
on 3.3.1. 1) Sean f, g : Kn Km lineales, entonces M (f +g) = M (f )+M (g).
2) Sea f : Kn Km lineal, r K. Entonces M (r f ) = r M (f ).
3) Sean f : Kn Km , f : Km Kr lineales. Entonces M (g f ) = M (g) M (f ).
Demostraci
on. 1) y 2) son inmediatas.
3) Si v V , entonces f (v) = M (f )v, por lo que g(f (v)) = M (g)f (v) = M (g)M (f )v.
Por tanto, M (g f ) = M (g) M (f ).

3.4.

Matrices asociadas a otras bases

En la primera seccion tan solo hemos considerado la base canonica. La siguiente

proposicion nos da la matriz que define la funcion si consideramos bases arbitrarias, tanto
en el espacio de partida como en el de llegada.
Proposici
on 3.4.1. Sea f : Kn Km lineal, y sean B = {v1 , . . . , vn } y B bases de
Kn y Km . Entonces existe una matriz MBB (f ) de forma que si v tiene coordenadas
v = (t1 , . . . , tn )B respecto a la base B, entonces las coordenadas de f (v)B respecto a B son
M (f ) vBt . Ademas, las columnas de dicha matriz son las coordenadas de f (v1 ), . . . , f (vn )
respecto la base B .
Demostracion. Sean
f (v1 )B

a11
a1n
a21
a2n

=
. . . , . . . , f (vn )B = . . .
am1
amn

3.4. MATRICES ASOCIADAS A OTRAS BASES

21

Dado un vector v = (x1 , . . . , xn )B = x1 v1 + . . . + xn vn , como f es lineal, se tiene que

x1
x2

= f ((x1 , . . . , xn )B )
f (v)B =
...
xm B
= f (x1 v1 + . . . + xn vn ) = x1 f (v1 )B + . . . + xn f (vn )B

a11
a1n
a21

+ . . . + xn a2n
= x1
...
...
am1
amn

a11 a12 . . . a1n

x1
a21 a22 . . . a2n x2

=
... ... ... ... ...
am1 am2 . . . amn
xn B
Observad que al igual que pasaba con coordenadas canonicas, tendremos:
1. Si f, g : Kn Km lineales, entonces MBB (f + g) = MBB (f ) + MBB (g).
2. Sea f : Kn Km lineal, r K. Entonces MBB (r f ) = r MBB (f ).
3. Sean f : Kn Km , g : Km Kr lineales y cogemos bases B, B y B de Kn , Km
y Kr . Entonces MBB (g f ) = MB B (g) MBB (f ).
A la hora de calcular MBB (f ), si seguimos el metodo dado por la demostracion de la
proposicion 3.4.1, tendramos que calcular las coordenadas de cada f (vi ) respecto la base
B , lo cual implica la resolucion de n sistemas de ecuaciones lineales.
Ejemplo 3.4.1. Calculemos la matriz de la aplicacion lineal f : R4 R3 dada por
f (x, y, z, t) = (x + y + z, y + z, x + 2z + t)
respecto a las bases
B = {(1, 2, 3, 2), (1, 1, 1, 1), (1, 0, 0, 3), (1, 2, 0, 3)}
y
B = {(1, 1, 2), (1, 3, 6), (0, 1, 0)}

de R4 y R3 respectivamente.
Para calcular la matriz asociada a la aplicacion lineal respecto a las bases referidas
debemos calcular la imagen de cada vector de B mediante la aplicacion f , y expresar
dichas imagenes respecto a la base B .

22

TEMA 3. APLICACIONES LINEALES

f (1, 2, 3, 2) = (1 + 2 + 3, 2 + 3, 1 + 2 3 + 2) = (6, 5, 9). Ahora expresamos (6, 5, 9)

respecto a la base B:
(6, 5, 9) = a(1, 1, 2) + b(1, 3, 6) + c(0, 1, 0) = (a + b, a + 3b + c, 2a + 6b)
de donde obtenemos el SEL

a + b
= 6
a + 3b + c = 5 ,

2a + 6b
= 9

cuya solucion es a = 27/4, b = 3/4 y c = 1/2. Por tanto la primera columna de MB,B (f )
es

27/4
3/4 .
1/2
Hacemos lo mismo con los tres vectores restantes de B.
f (1, 1, 1, 1) = (3, 2, 4) = (a + b, a + 3b + c, 2a + 6b). Obtenemos el sistema

a + b
= 3
a + 3b + c = 2 ,

2a + 6b
= 4

cuya solucion es a = 7/2, b = 1/2 y c = 0.

f (1, 0, 0, 3) = (1, 0, 4) = (a + b, a + 3b + c, 2a + 6b). Obtenemos el sistema

a + b
= 1
a + 3b + c = 0 ,

2a + 6b
= 4

cuya solucion es a = 1/2, b = 1/2 y c = 2.

f (1, 2, 0, 3) = (3, 2, 4) = (a + b, a + 3b + c, 2a + 6b). Obtenemos el sistema

a + b
= 3
a + 3b + c = 2 ,

2a + 6b
= 4
cuya solucion es a = 7/2, b = 1/2 y c = 0.
As pues, la matriz MB,B (f ) es

27/4
7/2 1/2
7/2
MB,B (f ) = 3/4 1/2 1/2 1/2 ,
1/2
0 2
0

3.5. APLICACIONES LINEALES Y SUBESPACIOS

23

y, por tanto, dado un vector v = (x1 , x2 , x3 , x4 )B , la ecuacion matricial de la aplicacion

lineal es

x1
x1
27/4
7/2 1/2
7/2
x2

3/4 1/2 1/2 1/2

x2
=
f (v)B =
x3 .

1/2
0 2
0
x3 B
x4 B
En la seccion 3.7 encontraremos un metodo mas sencillo para calcular MBB (f ).
Las mismas definiciones y resultados se aplican a aplicaciones lineales sobre otros
espacios vectoriales.

3.5.

Aplicaciones lineales y subespacios

Como ya hemos visto, las aplicaciones lineales transforman vectores de un espacio

en vectores de otro espacio. Pero, que sucede cuando en una aplicacion lineal nos restringimos solo a vectores de un subespacio?. Parece logico pensar que los vectores de un
subespacio se transformen mediante la aplicacion lineal en vectores de otro subespacio.
En ese caso, como podemos calcular dicho subespacio?. Estas cuestiones son las que
abordaremos en esta Seccion.
Definici
on 3.5.1. Sea f una aplicacion lineal f : V W y W1 , W2 subespacios de V y
W respectivamente. Llamaremos
f (W1 ) = {f (v)/v W1 }
f 1 (W2 ) = {v V / f (v) W2 }
As definimos la imagen de f y el n
ucleo de f como:
Imagen de f : Im(f ) = f (Kn ) = {f (v)/ v V },
N
ucleo de f , ker(f ) = f 1 (0) = {v V / f (v) = 0}.
Proposici
on 3.5.1. f (W1 ), Im(f ) son subespacios de W y f 1 (W2 ), ker(f ) son subespacios de V .
Definici
on 3.5.2. Llamaremos rango de f a ran(f ) = dimK (Im(f )).

3.5.1.

C
omo calcular bases de Im(f ) y de ker(f )

Sea A la matriz asociada a la aplicacion f respecto las bases canonicas. La imagen de

f no es mas que el subespacio generado por las imagenes de la base canonica, es decir,
Im(f ) =< f (e1 ), . . . , f (en ) >

24

TEMA 3. APLICACIONES LINEALES

As, para calcular una base de este subespacio, se considera la matriz que tiene como filas
f (ei ), es decir, At , se calcula su forma reducida por filas y las filas no nulas nos dan una
base de Im(f ):
1. Calculo At
2. Calculo la forma escalonada por filas de At
Analogamente, ker(f ) es el conjunto de soluciones de la ecuacion Ax = 0. Por ello, la
dimension del ker(f ) sera el n
umero de variables libres, es decir, el n
umero de incognitas
menos en rango de A. Dando valores a las variables libres, hallaremos una base del ker(f ).
Esta metodologa no vara si se considera A = MBB (f ), con B y B bases arbitrarias.
Proposici
on 3.5.2. Sea f : V W una aplicacion lineal. Entonces
dimK V = dimK ker(f ) + dimK Im(f )
Demostraci
on. Supongamos que A = MBB (f ). Debido a que:
dimK ker(f ) = no de variables libres = no columnas de A - rango de A,
dimK Im(f ) = rango de A;
entonces dimK V = no columnas de A = (no columnas de A - rango de A) + rango de A
= dimK ker(f ) + dimK Im(f ).

3.6.

Tipos de aplicaciones lineales

Existen ciertos tipos especiales de aplicaciones lineales que son importantes. Por ejemplo, en la pagina 6 de los apuntes del Tema 4, vemos que la proyeccion isometrica no es
mas que una forma de representar el espacio tridimensional R3 (el espacio) en R2 (un
plano, la hoja de papel). Obviamente al hacer esta transformacion del espacio en el plano
hay puntos que se confunden, es decir, que son puntos distintos en el espacio, pero que
al proyectarlos son el mismo. Esto es un ejemplo de aplicacion sobreyectiva, es decir, que
un
es una transformacion de R3 en R2 en la que todos los puntos de R2 provienen de alg
punto de R3 (que no es u
nico).
Otra situacion de este tipo nos aparece cuando vemos un plano dentro del espacio
tridimensional. Tenemos en ese caso una transformacion lineal de R2 en R3 en la que
vemos un punto del plano (con 2 coordenadas) dentro de un plano de R3 . Esto sucede,
por ejemplo, cuando a los puntos (x, y) de R2 , le hacemos corresponder los puntos (x, y, 0)
de R3 . Lo que estamos haciendo es ver R2 dentro del espacio tridimensional como el plano
z = 0. Evidentemente esta no es una aplicacion sobreyectiva (hay puntos del espacio que
no se corresponden con ninguno del plano z = 0) pero lo que s sucede es que dado un
punto de R2 le hacemos corresponder un y solo un punto del plano z = 0. Esto es un
ejemplo de una aplicacion inyectiva.

3.6. TIPOS DE APLICACIONES LINEALES

25

Finalmente, el u
ltimo tipo de aplicaciones lineales que consideraremos son las biyectivas, es decir, inyectivas y sobreyectivas a la vez, las cuales se corresponden geometricamente con giros y simetras (es decir transformaciones que no modifican la dimension de
la figura que estamos transformando).
Daremos a continuacion las definiciones formales de los diferentes tipos de aplicaciones,
y que nos ayudaran a clasificar si una aplicacion es de un tipo dado o no (o de ning
un
tipo).
Definici
on 3.6.1. Una aplicacion lineal f : V W se dice:
a) Inyectiva si no existen dos vectores v 6= w en V de forma que f (v) = f (w).
b) Suprayectiva si para cada w W hay al menos un v V con f (v) = w.
c) Biyectiva si es inyectiva y suprayectiva.
Para saber si f es inyectiva, suprayectiva o biyectiva, vamos a utilizar el siguiente
resultado.
Proposici
on 3.6.1. Sea f : V W una aplicacion lineal y B, B bases de V y W
respectivamente. Entonces
a) f es inyectiva f (B) es linealmente independiente ker(f ) = {0}.
b) f es suprayectiva f (B) es un sistema generador de W Im(f ) = W .
c) f es biyectiva f (B) es base de W ker(f ) = {0}, Im(f ) = W .
Demostraci
on. Sea A = MBB (f )
1) f es inyectiva cada sistema AX = B, cuando tenga solucion, esta es u
nica
AX = B no tiene variables libres rango de A es igual al n
umero de columnas
las columnas de A son linealmente independiente f (B) es un conjunto de vectores
linealmente independientes AX = 0 tiene un u
nica solucion.
2) f es suprayectiva Im(f ) = W (por definicion de Im(f ))
Por otra parte, Im(f ) este generado por f (B), luego esto u
ltimo se dara si y solamente
si f (B) es un sistema generador de W .
3) Es una consecuencia directa de 1) y 2).
Definici
on 3.6.2. Sea f : V W una aplicacion lineal. Si f es biyectiva, llamaremos
nico v V de forma que
f 1 : W V a la aplicacion que lleva cada w W al u
f (v) = w.
Proposici
on 3.6.2. Sea f : V W una aplicacion lineal biyectiva y B, B bases de V y
W respectivamente. Entonces
a) f 1 es lineal.
b) MB B (f 1 ) = (MBB (f ))1 .
Demostraci
on. Solamente vamos a demostrar b).
Por la definicion de f 1 , tendremos que
f (f 1 (v)) = v, v V.

26

TEMA 3. APLICACIONES LINEALES

Por lo tanto f f 1 = Id. Es decir, MBB (f ) MB B (f 1 ) = MBB (Id) = Id.

De la misma forma se comprueba que MB B (f 1 ) MBB (f ) = Id. As obtenemos que
MB B (f 1 ) = (MBB (f ))1 .
Ejemplo 3.6.1. Volvamos a las transformaciones del ejemplo 3.1.1. Las matrices que las
definen son de rango 2 y por lo tanto, definen aplicaciones biyectivas.
Geometricamente quiere decir que las transformaciones no eliminan ninguna dimension y la imagen es de dimension 2, es decir, todo R2 . De hecho, la casa se transforma
en una figura de dimension 2, en otra casa de diferentes medidas.
Sin embargo,
las coordenadas de la casa y los puntos de las lneas que

 si multiplicamos
0,5 1
, obtenemos
las unen por
1 2

Todas las coordenadas han ido a parar a una recta. Dicha recta es la imagen de la aplicacion, de dimension 1, lo que indica que no es sobreyectiva.
Ademas, la casa se ha transformado en una figura de dimension 1, lo que indica que
la transformacion elimina una dimension, es decir, no es inyectiva.

3.7.

Cambios de base

Supongamos que tenemos dos bases distintas de V , B y B . Entonces podemos definir

la funcion identidad de la siguiente manera:
Id :

V
coordenadas de v en B 7 coordenadas de v en B

27

3.7. CAMBIOS DE BASE

La matriz asociada a esta funcion es la matriz de cambio de base de B a B

Definici
on 3.7.1. Llamaremos matriz de cambio de base de B a B y la denotaremos por
PBB a MBB (Id).
Para calcularla, basta escribir por columnas las coordenadas de los vectores de B
respecto a B .
Como la funcion Id es biyectiva, PBB es siempre invertible, siendo su inversa la matriz
PB B .
Recprocamente, cualquier matriz invertible puede verse como la matriz de un cambio
de base.
Un caso en el que dicho calculo es muy simple es cuando B = C, la base canonica
de Kn , en este caso PBC no es mas que escribir las coordenadas de B por columnas.
1
.
Analogamente PCB = PCB
Entonces, la composicion de funciones nos da que:
PBB = PCB PBC .
Observad que la misma expresion aparece en la pagina 4 del documento Introduccion
del Tema 3. Os recomendamos leer (o volver a leer) dicho documento al final del tema y
as, conocereis las aplicaciones a la informatica grafica de todos estos conceptos.
Proposici
on 3.7.1. Sea f : Kn Km una aplicacion lineal. Sean B1 , B1 dos bases de
Kn y B2 , B2 dos bases de Km entonces:
MB1 B2 (f ) = PB2 B2 MB1 B2 (f ) PB1 B1
Demostracion. Es una consecuencia inmediata de las definiciones de MB1 B2 (f ), MB1 B2 (f ),
PB2 B2 y PB1 B1 .
Esta proposicion nos da un metodo sencillo para calcular MBB (f ) a partir de M (f ):
MBB (f ) = PCB M (f ) PBC
Ejemplo 3.7.1. Calculemos la matriz de la aplicacion lineal del Ejemplo 3.4.1 siguiendo
el metodo de esta Seccion. A partir de la formula de la aplicacion lineal
f (x, y, z, t) = (x + y + z, y + z, x + 2z + t)
calculamos rapidamente M (f ) (es decir, la matriz asociada a f respecto de las bases
canonicas de R4 y R3 respectivamente, sin mas que susituir en la expresion de f los
vectores de la base canonica de R4 , obtenemos as,

1 1 1 0
M (f ) = 0 1 1 0
1 0 2 1

28

TEMA 3. APLICACIONES LINEALES

ahora calculamos PBCR4 y PB CR3 para ello solo tenemos que poner los vectores de
B = {(1, 2, 3, 2), (1, 1, 1, 1), (1, 0, 0, 3), (1, 2, 0, 3)}
y
B = {(1, 1, 2), (1, 3, 6), (0, 1, 0)}
por columnas. Por tanto:

PBCR4

1
2
=
3
2

1
1
1
1

1
0
0
3

1
2

0
3

P B C R3

1 1 0
= 1 3 1
2 6 0

Entonces MBB (f ) = PCR3 B M (f ) PBCR4 , donde

PCR3 B = PB1 C

R3

1
1 1 0
= 1 3 1 .
2 6 0