APLICACIONES LINEALES. INTRODUCCION: APLICACIONES ENTRE CONJUNTOS. Una aplicacién entre dos conjuntos Ay B es una regla que permite asignar a cada ‘elemento de A, uno de B. La aplicacién f de! conjunto A en el conjunto 6 se indica mediante f| A—»B 0 bien Atos. El conjunto A se llama conjuntoinicial,y el 8 conjunto final. Sila aplicacion f asigna al elemento acA el elemento beB, diremos que bes la imagen dea, lo que se denota por f(a) La regla ha de estar inequivocamente definida, de modo que para todos y cada uno de los elementos de A, esté claro qué elemento de B es su imagen. Clasificacién de las aplicaciones: ' Se dice que una aplicacién es inyectiva si no hay dos elementos que tengan imagenes ‘guales. Una apicacién inyectiva ‘crea una copia" de A dentro de. ‘+ Se dice que una apicacion es suprayectiva (0 sobreyectiva) si todos los elementos del Conjunto final B han sido utlizados. + Se dice que una aplicaciin es bivectiva si es a la ver inyectiva y suprayectiva. Una aplicacién biyectiva establece una “igualdad" entre los conjuntos Ay B, pues a cada elemento de A le corresponde uno de 8, y a cada elemento de B, exactamente uno de A Sif es biyectva existe su inversa, denotada f": A» , que “deshace” lo hecho por f. Ejomplos: 1. La aplicacion del conjunto de la poblacién espafola mayor de edad en el conjunto de los nimeros naturales, que asigna a cada ciudadano su nimero de DNI Es inyectiva, pues no hay dos personas con el mismo DNI. No es suprayectiva, pues no todos los numeros ee utiizan. 2. La aplicacién del conjunto de los niimeros reales en el conjunto de los reales positives, nw {que asigna a cada numero su cuadrado: [No es inyectva, pues hay nimeres con el mismo euadrado (p.e. 2 y ~2). Es suprayectva, ues todos los reales positvos son el cuadrado de algin numero. + En este capitulo definiremos aplicaciones entre espacios vectoriales. ‘Neila Campos ‘ALGEBRA LINEAL ‘Aplicaciones Lineales.APLICACIONES LINEALES. PROPIEDADES Definicién: Aplicacién lineal Dados dos espacios vectotiales V y W, y dada una aplicacion f: V-—»W, dremos que f es lineal si conserva las combinaciones lineales, es deci: dada una combinacién lineal ente vectores de V, sus imagenes en W verican la misma combinacién: si UEaveBw (en) entonces u's av'+p w' (en W) onde u', v', w' son respectivament las imagenes de u, v, w- Esto se puede expresar también as: (1) flavep w)=a fly) +p ftw) parav,wev (La imagen de una combinacién neal, es la combinacion lineal de las imagenes". ) ‘También es equivalente a afrmar que se conserva la suma y el producto por escalares: Ga) fvew) =f) +f) paravweV @) flav)= Por tanto, a la hora de probar si un o(2). flv) paraveV, a escalar. iplcacion es lineal, podemos utlizar indstintamente (1) ‘© Las aplicaciones lineal también se pueden lamar homomorfismos. ‘+ Pueden también defnirse aplicaciones en subespacios vectoriales, pues éstos funcionan como espacios vectoriales. Por ejemplo, ={(4, 2a) :u © } 28 un subespacio de 9% en él podemos defini la aplicacin lineal s +t. ow (@.2a) 4 Ga,da,Sa) Elemplos. 4. Consderemos a siguiente apliacn de 5 ens y vearos ses ines ex 6 One Vamos a cmprobar que se cum a aac (2) anterior. a: eames quo i+w) =) +f para cualesaierav we Sean dos vecores genricos de 3, v=(a..c), w= (2 be), entonees fv+w)=f( (abe) + (@',b',c)) = lata’, be cto) = ( ara), so oe f(v) + fo) = a,b.) + a.b:c) = 2a, c) + (2a",c) = ( 2a42a’, cre’) ‘Neila Camapor ‘ALGEBRA LINEAL ‘Aplicaciones Lineales 2(2b): Veamos que fav) =< fv) para cualesquiera v ai? , a eecalar. ‘Sea un vector genérico v=(a.b.c) de st y un escalar a, entonces: a fv) =a abe) =a 2a,¢)= Qua, ae) son iqules, fas (a(abo)=faa, ab, ae) = Qaa, a0) Como (2a) y (2b) se cumplen para vectores genéricos, concluimos que la aplicacién f es linea 2. Veamos ahora la siuienteaplicacion de st*en st we By ow Gy) HO yxy!) ‘5 encontramos un caso concreto en que no se cumpla (28) 0 (2b), la aplcacion ya no seré lineal En efecto, (1,0) +-9(4.04.1) |b multipicar un vector por 2, su imagen no ha 2.0)+4(20.2.1) [° quedado mutipicada por 2. Por tanto g no es linea Por su importancia o significado geomético, destacamos algunas aplicaciones tineaes: 1. Aplicacién dontidad: de un espacio vectorial en si mismo. Asigna a cada vector el mismo vector. v Hy 2. Aplicacién nula: entre dos espacios vectariales V y W, asigna a todo vector de V el vector cero de W. vw veo 3. Giros: pueden hacerse en el plano o el espacio (3% 6 3). Por ejemplo fa siguiente ‘aplicacion en 8° hace girar a todos los vectores del plano 45° en sentido antinorario: ww oy 4, Reflexiones o simetrias: en el espacio 5° podemos “refer los vectores como en un ‘espejo, respecto a un piano dado. En el plano 31° podemos hacerlo respecto a una recta, Por ejemplo, la siguiente aplcacién es una simelvia en si’, respecto del plano XZ. rv oe 2) eye) ‘Neila Capos ‘ALGEBRA LINEAL “Aplicaciones Lincales6. Homotecias: Muliplican los vectores por un cierto escalar (el mismo para todos los vectores). Sil escalar es mayor que 1, se trata de una dilstacion, mienivas que sies menor {que 1 se ata de una contraccion, La siguiente homotecia puede representar la diatacién del 1% de una lamina de metal bao el efecto del calor: ss (ey) (LOI, Loy) 6. Proyecciones: Son aplicaciones que llevan todos los vectores del espacio ° a un cierto plano, sobre el que proyectamos. La siguiente aplicacién transforma cualquier pieza tridimensional en su vista on alzado (proyeccion sobre el plano XZ). * oe (ya) (02) Propiedad: si: v—>Wes una aplicacién lineal, la imagen del vector cero de V siempre 8 el vector cero de W. Demostacion: Denotemas por tr y Gr el vector coro de V y de W respectivamente Entonces, partiendo de cualquier vector ve, tenemos: Hr) = vw) Av) 1) Oe Qbservacién. Esta propiedad puede utlizarse para probar que una apicacion no es lineal, pues sino cumple esta propiedad no podrd sero. (Sila cumple, podra ser lineal o no.) ‘Tooroma: Transformacién de subespacios 2) Una aplicacié lineal f: V—>W transforma subespacios de V en subespacios de W. Dado § un subespacio de V, su imagen se denota por f(S). Es el subespacio de W formado or as imagenes de todos os vectores de S. El subespacio (8) tiene dimension menor o igual que la dimension de S ‘Ademés se tiene que si la aplcacién f es inyectiva, entonces se conservan las dimensiones, es dect, (S) tiene la misma dimension que S. * Observar el significado geométrico de este teorema: ya que los subespacios de st"son tectas, pianos... e| apartado a) afima que ésios no pueden transformarse, por una aplicacin lineal, en lineas curvas 0 supericies curvas, El apartado b) significa que una recta no puede, por ejemplo, transformarse en un plano (la dimension no puede aumentar) Un plano podrd transformarse en otro plano; en una recta; 0 en un punto {0}, Neila Campos ALGEBRA LINEAL ‘Aplicaciones Lineales: 4‘Teorema: imagen de un sistema generador ‘Sea f. V—+W lineal, y sea S un subespacio de V. Entonces, la imagen de un sistema ‘Generador de § es un sistema generador de (S), Es decir sivy,..v, goneran S, entonces f(v),.. ) generan (8). Ejemplo, Usaremos el teorema anterior para calcular cuales la imagen de un subespacio, ee ‘Sea la apicacion neat: - (xyi2) > ety!e, SetdyH6e) Calculemos la imagen del subespacio S= {(a*,a, a-f) : o,f € ). Para ello hallamos: primero un sistema generador de S, que es (1,41), (.0,-1), La imagen de este sistema ‘generador es: 4,1) = (442) {(10-1)= (4-3) Por tanto (S) gerd el subespacio de f° generado por (4,12) y (-4,-2). NNotar que estos no forman base de 1(S). pues no son independientes. Una base de f(S) podria ser (4,12), 0 bien (1,3), por ejemplo, ‘Teorema: imagen de conjuntos dependientes e independientes. ‘Sea f: V—+W lineal. La imagen de un conjunto linealmente dependiente es otro conjunto lineaimente dependiente No esta asegurado que la imagen de un conjunto indepensiente siga siendo independiente. (esto sélo esta asegurado sla apicacion es inyectiva). Observacién. Si tenemos en cuenta que una base es un sistema generadorlineaimente independiente, veremos que de los dos teoremas anteriores se desprende que una bace de S no tiene por qué transformarse en una base de f(S). Solo si es inyectva esta asegurado que sea asi NUCLEO E IMAGEN. CObservemos que determinados vectores de V pueden tener como imagen ol Ge. Esto ocurre ‘al menos con Oy, pero también puede ocurrir con mis vectores de V. we Ly en) (0.0), pero lo mismo le ocurte a (1,1), y también a todos los vectores de la forma (2,2). Por ejemplo, en la aplicacién el vector (0.0) tiene como imagen Neila Campos ‘AUGEBRA LINEAL ‘AplcationesLineales 5Definicién: Nicleo. Se lama nucleo de f al conjunto de los vectores de V cuya imagen es Gy. Se denata por Kerf) (del inl keralensclec) Es decir, Ker) = {veV : fl) =Gr) El cleo podra ser solamente {0}, 0 podré ser un subespacio mayor. Definicién: Subespacio imagen. Dada f; V-—»W lineal, se llama subespacio imagen de f (0 simplemente imagen de 9 al Conjunto de las imagenes de todos los vectores de V. Se denata por im(f). ‘Se puede denotar también por f(V), pues es la imagen de todo el espacio incial V ‘Segin el teorema de transformacion de subespacios, Imi) es un subespacio de W, cuya imension es menor o igual que dim). La dimensisn de Imif) también ha de ser < dim(W), pues esta contenido en W. ‘Ademas, sivs,..vp_son un sistema generador de V, entonces sus imagenes f(v).... fa) ‘son un sistema generador de Imi). + Por tanto, el nico es un subespacio de V,y la imagen lo es de W. Las dimensiones de ‘amas estan relacionadas por la siguiente foraula donde n es la dimension del espacio ical V. Ejemplos. ee 1) Calculer el nileo y la imagen de la aplicacién lineal 7 (eyi2) (ety 22, Ixtdys6r) Imagen: Partimos de un sistema generador del espacio incial 5, por ejemplo a base eanéniea (10,0), (0.1.0), (00,1). Sus imagenes son: 1,0.0)= (1,9) 0,1.0)= (1.9) 10.0.1) = 26) Por tanto Imi) est generada por (1.9), (13), (26). Eliminando los vectores que son ‘combinacin lineal de los demas, obtenomos que una base de lf es { (1.3) ‘ASI pues, la dimensién de Im) es 4 ‘Nala Campos "ALGEBRA LINEAL —Diccions Tees 6‘Nacleo: Hay que encontrar los vectores cuya imagen 6s (0,0), 65 decir, os (ky.2) tales que (ey#22, 9x¢3y+62) = (0,0) por tanto Ker() = { (2a, 2B, -a-f) : aBeR } 2) Calcular el nicl y la imagen de a aplicacién lineal (a) ‘Nicleo: Hay que encontrar los vectores cuya imagen es (0,0), es decir, los (xy) tales que (223y, ey) = (0.0) portanto 27970) exo sea compat eterno porno Ua soln 28x20, y=0 Por ello el tnico vector en Ker() 08 (0,0) Imagen: De la formula dim( Im(f) ) + dim( Kerth) ) = 2, como dim( Ker(f)) es cero, ‘oblenemos que dim Im(f)) =2. Y como limit) esté contenida en el espacio final °, si su dimensién es 2 ha de ser todo el cespacto. Por tanto, Imi) = 9° CLASIFICACION DE APLICACIONES. Una aplicacion lineal f: V-—>W puede ser inyectva, suprayectva, ninguna de las dos cosas 0 ambas (y en ese caso es biyectva). Veremos cémo esto se relaciona con el calculo 6e! nucleo @ imagen. ‘Suprayectivida If es un subespacio de W, que puede ocupar todo Wo no, Si existen elementos de W ‘que estén fuera de Im(), éstos no seran imagen de ningtin elemento de V. Por tanto, f: V-—>W serd suprayectiva si im(?) ocupa todo W: Im(f) = W. Para comprobar esto basta comparar las dimensiones: en efecto, como Imi) siempre esté ‘contenido en W, cuando sus dimensiones coincidan tendremos que lif) = W. ‘Ast pues, [Tes suprayectva cuando dim (Im())= dim(w). ‘Neila Campos ‘ALGEBRA LINEAL “Aplicaciones Lincales 7Invectivida §n principio habria que comprobar i existen dos vctores de V euyas indgenes sean ‘gunls. Per esto one feta por el siguiente restaco: Teorema, es ayectva sy sos su cle os solamente (i). Domostracion Sihay un vector ademds de 6 en el niceo, ambos tien a misma imagen tr. con fo aque fya no sera nyectica ¥ por ota parte, sine injective entonces hay dos vectors u,v con genes iuales, ‘(u) = f(v), y entonces tendremos: HUM) =0 > flu-v)=0 asielvector u—v esté en el ndcleo, luego éste ya no es (0+) Gracias a esto, para comprobar a inyectivdad basta calcular el ndcteo ‘También es suficiente conocer la dimension, puesto que Ker( su dimensién sea 0 G+} equivalente a que Asi pues, [Tes inyectva cuando dim (Keri) = 0. Ejemplos » fy op 1) Consideramos la apicacion del ejemplo 1) anterior a (xyz) H (wig, Ietyte) Come ya hemos calculado el nlceo y la imagen, tenemos: cen Inv) dim (Kort) = +2 = noes suprayectva 40 = noes inyectiva. we Ly Gy) xd ey) 2) Ejemplo 2) anterior: dim( Im) )=2 > es suprayectiva. dim (Ker) )= 0 => 8 inyectiva. Por tanto es biyectiva, 3) Una aplicacién f° —> 8° nunca podra ser inyectva: pues como im est contenida en st, su dimensién es $2 y asi dim Im} ) + dim( Ker(f))=3 = es imposible que dim( Ker( ) sea 0 $2 ‘ALGEBRA LINEAL ‘Aplicaciones Lineales 84) Una aplicacion f st?” —s * nunca podra ser suprayectiva dim Im(f)) + dim Ker())=2 => es imposible que cmt Im } sea 4 2O '5) Las aplicaciones destacadas que hemos sefialado al principio del tema: - La identdad es biyectiva. - La aplicacion nula no es inyectiva ni suprayectiva, Los aires, simetvias y homotecias son biyectivas. - Las proyecciones son suprayectivas pero no inyectivas, Observaci ‘Cuando la apicacién es inyectva, la formula dim Im) ) + dim( Ker(*)) = indica que If tene la misma dimensién, 9, ue el espacio incl ‘Asi pues, dada V-—>W inyectiva, Im(f es una "copia" de V dentro de W. a (9) Oty) Por ejemplo, daa la siguiente aplicacén inyectiva, cel subespacio Imi esta generado por ls imagenes de la base candnica: 14,0) (1,10) (0.1}-(1,-1.0) ‘Como (1,1,0)y(1:~1,0) son linealmente independiente, in) tone dimensién 2. Asi, Im es un plano en 5 y por tanto una “copia” del conjunto inci” dentro de 3 MATRIZ ASOCIADA A UNA APLICACION LINEAL. Veremos que hay una relacion entre las matrices y las aplicaciones lineales, tanto es asi que cada matriz representa una aplicacion, y cada aplicacion se puede identfcar con una maiz. Para introducir esto, partimos del concepto de rango de una aplicacién, Definicién: Rango de una aplicacién lineal. ‘Se lama rango de una aplcacién lineal ala dimensién de eu subespacio imagen. Se denota por rath Neila Campos ‘ALGEBRA LINEAL “Aplicaciones Lineales 9Ejemplo. Calculemos el rango de la siguiente aplicacién: wo tw Goya) Gxt3ytz, yz) Para ello hemos de halla Im( y su dimension. Partiendo de un sistema generador de 3°, (1.0.0), (0,0) (0.0,1)hallamos sus imagenes, Estos tres vectores de %f'generan Im(f), pero sélo dos de ellos son linealmente independientes, por lo que la dimension de Imi) 6s 2. Asi pues, ra(f) = 2. Observacién, el bees lene theres kd —— \Veremos que esta matriz cumple un papel importante respecto a la aplicacién Dada una aplicacion lineal f:V——->W, se lama matriz asociada a { (en bases candnicas) a la matriz que contiene en sus columnas las imagenes de la base cancnica de V. Propiedades. 4) La matiz de" —> 5 es de tamaiio m xn. 2) SiA es la matriz asociada a f, ol rango de la aplicacién f (es decir, la dimensién del ‘subespacio imagen) es el rango de A (que puede calcularse escalonando la mattiz, ot) 3) La mattiz A asociada af puede utlizarse para calcular la imagen de cualquier vector, En efecto, si multipicaros la matriz A por el vector ve st" (en columna), obtenemos el vector ‘{v) e 9 (también en colurmna), Aven jemplo. oe Dada a apicacion : (a) (ely ey.) ‘su matrz asociada sera de tamanio 3x2. Colocamos en las colurmnas las imagenes de la base canénica de 3 Nei ‘ALGEBRA LINEAL “Aplicaciones Lineal 10{1.0} (1.1.0) £0, 0) wor asi obtenemos la matriz A=|1-1 0 9, Utiicernos la matriz para calcular la imagen del vector v=(2,3). (hey (8 Tai 1] portanto (v= (6,-1.0) lo ‘0 ( (lo que puede comprobarse aplicande fal vector v y obteniendo el mismo resultado). Observacién. Dada una aplicacién lineal podemos calcular eu matric asociada: pero también al revés: ‘dada cualquier matiz A de tamafio mn, podemos interpreta como la mati de una aplicacion f. 9” —+ 1, puesto que con la matriz ya sabemos calcular las imagenes y or tanto esta determinada a aplicacign f ‘Asi pues, hay una idenificacién entre aplicaciones lineales y matrices. Ect Sea fi ®” —» st", con mati asociada A= Denotemos por (x, 9) un vector del conjunte iniial 8, y por (ys. Yn) &U imagen en Si. Enlonces tenemos, segin o anterior, P20} —— Jo que también se puede escribir en forma no matricial, resutando Yor an Ke tape Esta es la ecuaciin de f, que es la expresion que permite calcular la imagen (ys... Yo) @ partir del vector (x, 9) Neil Campos ‘ALGEBRA LINEAL ‘Aplicaciones Lineales 11Ejomplo. 31) 1 Exeter an ennonfatpar a mate(? 3 o ‘Si denotamos por (x, x2 %4) ls vectores del conjunto incial 9” y por (ys, ys) sus imagenes la ecuacién de sera Gr EFC) wm Boe lo gen mediante la matriz asociada. ‘Supongamos que tenemos una apicaci neal V-—»W su maiz asociada A + Nicloo Los vector del nicieo son los v tales que fv)= 6, es deci, Aved. ~— ‘() re ‘Sies compatible determinado entonces solamente tiene la solucién nua, porlo que el nucleo estard formado solamente por el vector 6, Ker() = (6) ‘+ Imagen: Las columnas de A son las imégenes de la base candnica, por tanto son Imagenes de un sistema generador del espacio inicial V. Asi pues dichas columnas son un sistema generador de Im), or tanto: Im{f) es el espacio generado por las columnas de A. Dichas columnas no tenen por qué formar una base de Imi} para obtener ésta hab que suprimir fas columnas que dependan linealmente de las demas (por ejemplo, escalonando la ‘mattiz y quedandonos con las columns pivotales) Ejemplo, (ror 0 2. 2 |;cafeular bases de su nicleo e imagen. rt ‘Sea fla apicacion dada por la matiz A Notemos que, ya que A es de tamafio 3x3, la apicacion sera 9 —> 9. Neila Campos “ALGEBRA LINEAL “Aplicaciones Lincales!21 0 -N/x) (0) Nacleo: Resolves el sistema |0 2 2 || y|+/0), obteniondo la solucion .,~2,7), que 21 ale) bo 8 a forma paramétrica de Ker). Por tanto una base de Keri es (1-11). Imagen: Es el subespacio de 3° generado por las tres colurmnas de la matriz A. Como A tiene rango 2, una de las columnas depende linealmente de tas demas. Escalonando la mati ce ve que los pivotes quedan en fas columnas 1 y 25, por tanto nos quedamas con f) (0) las colurmnas |0| y | 2| como base de mip, ww Finalmente podemos ver, como comprobacion, que dim( Ker() ) + dim( im) = 1 +23. MATRIZ DE UNA APLICACION EN DISTINTAS BASES. La. matiz de una apficacién que hemos considerado hasta ahora, es la matiiz lamada ‘estandar o en bases canénicas, Cuando no se afirme lo contrario se tratara de la matriz cestandar, ‘Ahora bien, si fjamos en los espacios incialy final otras bases, entonces podemos trabajar ‘con coordenadas en dichas bases, Podemos entonces encontrar una expresién de fadecuada a estas coordenadas. (Weta. A partir de aqui, conviene repasar ef punto “COORDENADAS Y CAMBIOS DE BASE" del tema Espacios Vectorales). Defini bases cualesquier Sea f° —> 9" una aplicacién lines ‘erta base B, y en el espacio final otra base B Entonces se define la matriz de f en bases By B' como la matriz M que contiene en sus ‘columnas las imagenes de los vectores de la base B, expresadas en coordenadas respecto eB ¥ consideremos en el espacio inicial una Eiemp! Sea 2 tw plicacion B Gy) by, x9,0) ¥y consideremos las bases siguientes: = En el espacio inicial st la base B = { (1,1), (1.-1)} = En el espacio final ta base B= { (1.1.0), (1,0.1), (0.1.1)} CCaleulemos la matriz de fen bases B y 8’ Para ello hallamos las imagenes de la base B: ‘Neila Campos ‘ALGEBRA. “Aplicaciones Lineales 13(1,1) = 200) f-1)= 0.2.0) Estas imagenes, (2.0.0) y (0.2.0), en ol espacio final st han de expresarse en coordenadas respecto de a base B'. Esto puede hacerse planteando sistemas o bien utlzando la maiz {de cambio de base (ver Tema Espscios Vectrials), Por ejemplo mediante sistemas: 2.0.0) = (1.0.0) + B (14,0) + y (144) = ot, 1, 11, 8 decir, (1,4.-1) son las 1 crenata (200) onbate yp =| || etaprinr column dea matic 02.0) = @ (1,00) +6 (14.0) + y (144) = (1) ‘oordenadas de (2,0,0)en base B' y por tanto | 4] ‘5 la segunda columna de la matriz M. u 1) son las 1, Pt, y1, e8 decir, (1 11 4) Lamatriz de f: 9” —> 9 en bases cualesquiera es de tamafio m xn, al igual que la mati estindar. 2) El r dimensién del subespacio imagen) también puede Calcularse mediante el rango de M, siendo M la matriz en bases cualesquiera, 4) La matriz Men bases B y 8’ puede utlizarse para calcular imagenes de vectores, cuando trabajamos con coordenadas en base B en el espacio inicial y con ‘coordenadas en base B" en el espacio final En efecto, si multipicamos la matriz M por el vector ve st" (en columna y expresado como coordenadas en base 8), obtenemos el vector fv) « "(también en columna y expresado ‘como coordenadas en base B). Es decir, ) x) by) imagen fv) expresada en base BY ‘Neila Campos “ALGEBRA LINEAL ‘Aplicaciones Linealess M4Ejemplo. ete! Gy) bey e.0) imagen del vector v=(6,2). Vamos a hacerlo de dos maneras: en bases candnicas, yen las bases B y B' defnidas anteriormente: Consideremos la aplicacién det ejemplo anterior, y hallemos ta ~En el espacio inicial la base B= { (1,1), (1—1) En el espacio final Ia base B= { (1.10), (1.0.1), 0,1.1)}, En.bases candnicas: La imagen de (xy) es simplemente (x+y, xy, 0) por lo que f 2a En-asss 8B Lav idgees pueden crs radar lo mae M ey hones hate (: : Pareto enreaos ven ate 8 as (1,1)* B(1-1) = a=4, pt, luego (4.1) son las coordenadas de v en base 8. Multipticando la matiz M por estas coordenadas en columna, obtenemos (‘Jo-(3 ‘Asi pues, la imagen dev es (63-3) en coordenadas en base B' \Veamos que esto coincide con la imagen fh 1) obtenida antes: ‘Que las coordenadas de f(v) en base 8’ sean (5,3,-3) significa, por defiicién de ‘cootdenadas, que: {v= 5 (1.1.0) +3 (1,0,1) -3.0,1.1)= (8.2.0), efectivamente, Relacién entre la matriz esténdar y iz en otras bases. Sea f: VW una aplicacin lineal con matriz asociada A en bases candnicas. Gonstderemos otras bases, B base de Vy B’ base de W. CGonsderemas las siguientes matrices de cambio de base en cada espacio En: Pes a matriz de cambio dela base 8 a la canénica, y Pde la candnica a 6. EnW. Ces la matre de cambio de la base Ba la candnica, y "de la candnica a B Enfonces se ene a igualdod Neila Campos ‘ALGEBRA LINEAL ‘Aplicaciones Lineales 'Sv—t—w . A Esto puede representarse canons Ay » canines mediante el siguente esquema: py | te o | te aoe —M 5 neseo También es posible cambiar de base solo en el espacio inca, o s6lo enol espacio fiat f 41) Aqui Mes la matrz en la base candnica v—_t ow y 8! (es decir, sus columnas contienen las a Imagenes de ia base canénica, expresadas».canénka A» cansnce ono coordenadas en 8) o I fe Entonces tenemos wi (Podemos consierar que Pes la mati esisad) t V————*W 2) Ahora M es la matriz en By la base cansoca —& canonica (es decir, sus colurmnas. bcantsica ——“——- centres contienen las imagenes dela base B, “fe fxprevadas, como Coordenadas. en bass a canons) i) Entonces tenemos: (Podemos considorar que @ es la matiz Kenta) jomplo: fete Dada la aplicacion * a Gd Gotge ay. 0) y su matriz en bases (AMA Be Los cambios de base son: (° se hala colocando en columnas los vectores de B expresados en base candnica). Elcambio inverso, de la base canénica a B sera F Neila Campos ‘ALGEBRA LINFAL “Aplicaciones Lincales 16Enelespacio final 91: el cambio de 8’ a la base cancnica es (Q se halla colocando en columnas los vectores de B! expresados en base canénica. El cambio inverso, de la base canénica a 8 sera Q”* ‘Se cumplira entonces que M= "AP ‘Asi pues, también podrlamos haber hallado M de la siguiente manera: weft ED ) a MATRICES EQUIVALENTES. La equivalencia es una relacién entre matrices que se puede definic de cuatro formas aiferentes: 1) Dos matrices A y B son equivalentes (se denota A ~ B) si son matrices de la misma 2) Dos matrices A y B son equivalentes si se puede pasar de una a otra mediante ‘operaciones elementales por filas y posiblemente también por columnas (permutar lineas; mutipicar una linea por un escalerno nulo; sumar @ una linea un miiplo de otra) AQ. 3) Ay B son equivalentes si existen P, Q matrices cuadradas inversibies tales que 4) Dos matrices son equivalentes ai tienen la misma dimensién min y el mismo rango, equivalentes. Esto signifca, por 2), que A se puede transformar en B mediante operaciones elementales por las y posiblemente también por columnas. ‘También significa, por 1), que tanto A como B son matrices de una ciertaaplicacién lineal en distintas bases. Esta aplcacién debera ser f: i —> 9° (puesto que asi su matriz sera 3x4) y deberd ser rg(f=3 (es decir, dim(im(f)=9 ), puesto que ast la matriz def tendré rango 3. ‘Neila Campos ‘ALGEBRA LINEAL ‘Aplicaciones Lineales'7COMPOSICION DE APLICACIONES. Si tenemos dos aplicaciones lineales {: V-—»W yg: W—sU, pademos definir a aplicacién compuesta h=g °F, consistente en aplicar a cada vector Ty después 9 hiv—w—u v= ty a(10)) La matrz dela aplicacion compuesta se obtione multpicando las matices de fy de g SIA.es la matiz de fy M es la matiz de g, entonces MA es la matriz de h. (En bases canénicas). Si se trata de otras bases se verifca una relacion similar. Supongamos que: = Bes base de V, B'lo es de W, y B"loes de U. ~ Aes la matrz de fen bases By B° ~Mes la matriz de g en bases B'y 8” - Entonces el producto MA es la matiz de hen bases By B" Eiemplo ow ty we ew ky Ga) Grmtyxy) 7 Gx) Ge xny 16 f iH ‘Sean las aplicaciones La matiz de fen base canénica es A= La matiz de g en base candnica es Por tanto la apicacién compuesta h=g_°f lane como matrz en base canénica hi s(t 10 00) 1-100 pond BAS que es de dimensién 3x2 puesto que h comienza en 2t* y acaba en 2 ‘Neila Campos ‘ALGEBRA LINEAL ‘Aplicaciones Lineates 18SOLUCIONES A LA AUTOEVALUACION - Aplica A) Soluciones a las Cuestiones ‘S0LC-1) a) Sipuede, sila maviz, que es 4x2, tiene rango 2. ) No puede, pues fa mattz, ue es 2x3, no puede tener rango 3 ¢) No puede, pues la matriz, que es 4x2, no puede tener rango 4 4) Sipuede, sila matriz, que es 4x6, tiene rango 4 ‘) Si puede, sila matrz, ue es 4x2, tiene rango 2(inyectiva)y no tiene rango 4 (de hecho no puede tenero) f) No puede, pues sies inyectiva (matrz 6x6, rango 6) también sera suprayectiva, SoLC-2) Falso: f(v).... (vd) serdn un sistema generador de Im(f), pero no de W (a no ser ‘que Imif) sea igual a W, pero no tiene por qué sero, Solo sif es suprayectiva), S01.C-3)_a) Basta poner una matrz 4x8 de rango 3, por ejemplo ) Basta poner una matriz 3x4 de rango 3 , por ejemplo [ ©) Ha de ser entre dos espacios de la misma dimension, o de un espacio en si mismo, por ejemplo 3" —> 3, Basta entonces poner una matrz euadrada nxn de rango n, por ejemplo la identidad de tamafon. Sol.C-4) Elrango de A es el rango de f, por tanto es la dimension de Imi} ‘Sol.€-5) a) La dimensién de Im(f) ha de ser menor o igual que la dimensién del espacio incial sm (ya que la dimensién no puede aumentar). También ha de ser menor o igual que la imensién del espacio finals , ya que Imif) esta contenido en 9. Asi pues, la dimension de Im(f)ha de ser <3 y <4 , portanto puede ser 0 (si fuese a aplicacton nula), 1,2 6 3. b) Por similar razonamiento, puede ser0, 1,6 2 dimension de Im{f ha de ser <5 y <2 , por tanto S01.C-6) a) Ker() esti contenido en st, por tanto su dimensién puede ser 0, 1,263. ') Lo mismo. El espacio final no influye Nella Campos ALGEBRA LINFAL Aplicaciones linsales~ Auioevalacin.B) Soluciones a los Ejercicios. Sol. E-4) a) Nos lineal, basta ver que (0,0) = ») Sies lineal fab)=(a) 1,0) no es cero Ked)=(4e (ase, bed) = (btd, ate) coincide con la suma (b.2) + 4.) fab)=a) ‘ia, Ab) = 2D, 2a) que coincide con 2 (0.8) Sol. E-2) a) f(S) esté generado porlas imagenes de (1,0,1.0) y (23.0;-1), (1.0.1.0) = (13.0) £2301) = 7, 4.0) Los vectores (1,30) y (74,0) son linealmente independientes y por tanto base de 1(S) ) {7 esta generado por ls imagenes de (00.3.2), (46,3,-1), (1,002). forman tiene rango 2, por ello slo 2 son independiente (p.e. los 2 primeros), con lo que una base de (1) serd ((2,7,0), (15, 16, 0) } Sol. E-3) a) Imi) esta generads por las imagenes de la base candnica 1.00, {0.1.0 10.05, 10. 0) {que son las columnas de la matriz de f. La matriz esta ya escalonada y tiene rango 2, con columnas pivotales las dos primeras. Por tanto una base de Im seré {(1,0,0), (21,0) } 1) Resohiendo el sistema f ae i Hf) se obtiene (64*99, Sat, 4,9) ye ahi un sistema generador de Ker(), que es (6,3, 1 0), (<3, 1,0, 1). Como estos dos vectores ‘son linealmente Independientes, son base de Kerf) Neila Campos ALGEBRA LINEAL Aplicaciones lineales - Autoevaluacin.37 or Sol E-7) a) Lama estindarde es tanto fama de es 7) 9) Lamatizestindardes es (3 7). portnola mati ges 8 (23) Latmn gor fd user) (2 2) = (28-2) srt acc ee arg [B25 er (Wa © 2x, +5x,, ol. E-8) a) Lamatriz estandardef es A=|° ° 1) yiadeges a=(1 ° 2 ° | soi e8) 32 1) yasege of, 8) leg nave deh goto ee eye lapaligay so. £0) Pade sso ee ome {Soma tama an en tnnecarctaneeto(? 2 2) amtzcn canto delabse B ala base canénica en gar ‘ ; Por tanto la matrz que se pide es ha Geayssd-e23) 12 ott ls 20) 2 forma: La matrz que se pide, tendré en sus columnas las imagenes de la base B (Gxpresadas en base canénica), Basta por tanto calcuar dichas imagenes, Poniéndolas por columnas se obtiene la matrz G 3} 320, (2.0 3) li 2 oJ Sol. E-10) La matriz de fen bases candnicas es A- La matt. de cambio dela base canércaa Bien 3 es =( 2 2)'(-4 1), Portanto la maiz que se pide esSol Sol. 0 40) { ‘que ene rango 2 n° de de flas = es suprayectiva; 2= n° de columnas > no es inyectva. 1 de rango 2 (escalonando la mati). asda dotes + nace upreyctva; 22 1'de commas + noes yest 5d etme eee eee ee ee ee oe ©) La matiz dela aplicacion es (3 1 0) 4) La matriz dela aplicacion es A= |p 9 | que tiene rango 3 =n* de de fas y de columns, 0 0 3) luego es inyectva y suprayectva, por tanto blyectiva. 4) Los datos nox proporcionan columns de atid aphacin:Ae(* <2) Asi, la imagen de un vector (x1, x2, x3) es [4 “1 2) 7 af M-% +e ssn anand (6 12a) (te 84K, % #2 yiecoein napa as (270-3 12 “V4 ya oJ solucién (0,3,1) Es el nico vector cuya imagen es (41,3,0) 14 +6) a) Elsistema|9 que es compatible determinado, tiene como on 1 1 ° ° ft 10} my eretema (SS solucién { (4, 142, 2): XEWT}. Estos son todos los vectores cuya imagen es (1,1) 1) ques compas inseinat,ten cao ‘Neila Campos ALGEBRA LINEAL Aplicaciones lincales~ Autoevalocion,eed 5) Elcambio de base canéica ala base Bien 9 es P'e{ (208 Elcambio de Bala base candnicaen wt es Q=19 + 9 u 2 : 10 Portanto la matriz pedidaes QMP"=/0 —1 ; o3 4 ° a Sol. £12) a) No, ya que no tienen a misma dimension. ) Si, ya que tienen la misma dimensién, 3x2, y el mismo rango, 2. ‘Nell Campos ALGEBRATINEAL Aplicaciones lncales- Autoevaluacion.AUTOEVALUACION - Aplicaciones Lineales. cada (+) es un punto, Hay en total 40 puntos, de los cuales 15 son de cuestones y 25 de elecicio. A) Cuostionos (15 puntos) 6-1) Razonar las respuestas (©) a) gUn@ aplicacion lineal f:9% —> 9%" puede ser inyectiva? (+) b) 2Una aplicacién lineal 1:90" ——» $1? puede eer inyectva? (+) ©) aUna aplicacion lineal f:38° —» 5° puede ser suprayectva? (*) 4) Una aplicacion lineal f:9%° —» at puede ser suprayectiva? (*) ©) cUna aplicacién lineal f:9%° ——> si puede ser inyectiva sin ser suprayectiva? (+) £) cUna aplicacién neal f:9%* ——» 9i* puede ser inyectva sin ser suprayectva? 6-2) Verdadero 0 falso (+) Dada f: V—4W , sivy,..., y son.un sistema generador de V, entonces {Iv vq) Son un sistema generador de W. ¢:3) Construye una matiz que pueda corresponder a (+) a) una aplicacién lineal 39° —» si inyectva (+) b) una aplicacion lineal fst" > 9° suprayectiva (+) ) una aplicacin lineal entre los espacias que quieras, biyectva (+)-4) Dada una aplicacion lineal f, con matrz asociada A, qué relacion hay entre Im) yet rango de A? 5) Para cada una de estas aplicaciones lineal, :cudles son las posiblidades para la ‘dimension de I(t)? ) ato 5 af () by fw > wt ¢-6) Para cada una de estas aplicaciones lineales, ,cudles son las posibildades para la dimension de Ker(f)? (e) a) f:3° —> ©) yy fe Sw Neila Campos ‘ALGEBRA LINEAL Aplicaciones lineales- Autoevaluacion.B) Ejercicios (25 puntos) Ext Probar s las siguientes aplicaciones son o no lneales: a) fe Gy) OH yt oy) (©) by fo oF oy) Ox) E2)dada . dar una base de la imagen de los Goy.z) He Get2yst, ye3zt, 0) siguientes subespacios: (6) a) S=<(10,10), 230-1) (6) b) T=<(003.2), (483-0, (1,.002)> -2) Dada la apicaciin del ejerccio E-2), haar: (+) a) una base del nicteo, (+) b) una base dela imagen, E-4) Clasicar(inyectiva, suprayectiva,biyectiva) las siguientes aplicaciones: a et ee oz G2, ys) be ow 2) eee yy) () far se yz) > xy, 2829.2) foe > oe yz) ety, Sytz, 82) («) E55) Darla ecuacién de la aplicacion f:1" ——> 5” sabiendo que: {1.0.07 ) 5 10.0,1)= (2.8) 6) (*) a) Dadala aplicacion 1 > hallar todos los vectores Gye eyez 2X) cuya imagen sea w=(4,1,3,0) fe ot (+) b) Dada ia aptcacion hallar todos los vactores cuya , x2) Gey ye Imagen sea u=(1,1). ‘Neila Campos ‘ALGEBRA LINEAL Aplicaciones lneales~ Autevaluscin,(+) E-7) Dada la aplicacin (:51° > 9 talque la imagen de (1,0) es (5.2) ya imagen de (0,1) e (7.3), hallar la ecuacién de la aplicaciin inversa f~ (+) £-8) Dadas as siguientes aplicaciones: te > ot am ot Gy) > Gey) 7 yz ne be2e, ¥2H) hallar la apicacion compuesta h = gf tm ot (0) 6-8) Daa a apteacion ee " yz) be (2x#32, x42y), ya base B= (1,10), (0,1,1), (0,0,1)} en 31, halla la mattiz de f tomando como bases Bena yla canénica en 3 E-10) Dada la aplicacién del ejercicio E-9), y la base B'= {(-2.0),(2.1)} en, hallar a ‘matriz de ftomande come bases a candniea en 5° yla base Ben Si” E-11) Dadas las bases B=((1,4) (1.3) }de 3 y (20,1), (01.0), (8,0,0)) de 5. (ee) a) halla la matriz.en bases B y 8’ de una aplicacién f:317 > 9°, sisumatriz en 22 bases canénicas es As|3. 3 10 (e+) bp hallar a matiz en bases canénicas de otra aplicacién g:"” —> ,sisu 10) matriz en bases ByS'es M=|0 3 0 2) +12) Ver si son equivalentes o no las siguientes matrices: a » of 603 “ALGEBRA LINEAL Aplicaciones lineales- Avtocvalucion10 0 2| 1 0| 13) ‘Sol, E40) ) Formamos a matrz con la base de S en columnas: A Asi la masz de proyeccén sobre el subespaco S es 1390-8 -tag0 2s ee [ete izes 1380 41818302 26 2S 2G TANG by Para proyoctar sobre 8, podomos usar la matiz de proyeccién que hemos calulado samo -1s-1390 ats y/o) (2/3 pose] 8 281828 | 0] _ | 2 -1900 v5 1390-215 | 0] ~ | aya ans as eons wins Js) (aya, portanto, poy 5 (3 9) (Wate también se poatia hacer mediante a formula e a proyeccion, pero primero habria ‘que hala una base ortogonal de S, pues la del enunciado nolo es) ‘Sol, E-11) ) Primero hay que expresar v como suma de dos components: vests cons emia deccion de (2.1), y v2 ortogonal a (2,1) & A) ay. 10 ew) eye (3.4) ~(4.2) = (4,2) M1 proy an) 21) (4.2) esta esta componente vs La componente otogonal es va=v— (42) Portanto v= vive = (42)+ (1,2) A—ve = (42)—(-1,2)= (6,0) yelsimetica os ‘NellsCampos ALGEBRA LINEAL Espacto Eusdeo- Autoevalusidn,Sol £-42) Primero hay que halla el médulo dof, que es JF (usando ol producto scalar dado) luego Ifl= JTF ol Jeo Je oc = Jet oe ‘| snorparanomalzar to ausmosereumeao: fg + /Ste 58 Por tanto la funcién normalzada es; g(e)= JB x? -13) La mejor aproximacion es a proyeccion Por tanto hay que proyectar f sobre g oor, [attest facuro a o0 TES roy 9 (f= fovosindx fone La mejor aproximacion es po tanto la funcon Ix) {1 1) see sango2 wa) 4) a) Escalonando, e ve que la matiz do costcontes dal sistoma A B14) mientras que la mat cra 3) tiene range 3. Por tanto el sistema es incompatibia, ha 137) ‘de resolverse por misimos cuadrados. Come las columnas de A son lineaments independlentes,podemos calcula la slucién ‘deociamente como: 1 6 a) (2 ay'n'|3|= 24 7) | (ae mencaan [i ‘Nella Campos” ———~ALGEBRA LINEAL Espacio Buclidea~ Autoovaluaién,