Está en la página 1de 16

APLICACIONES LINEALES

Definición de Aplicación Lineal.

Sean E y F dos espacios vectoriales (sobre el mismo cuerpo


K). Una aplicación lineal (homomorfismo) es una aplicación:

f : E F

tal que cumple las propiedades:

En el caso de que E  F, la aplicación lineal f se llama endomorfismo.

 (OBSERVACIÓN: Las dos condiciones de arriba pueden expresarse


en una condición necesaria y suficiente.):

Ejemplo:

: Determinar si la siguiente aplicación es lineal:

f : R2  R2 / f(x, y) = ( 2x + y, y)

Solución:

Para que f sea aplicación lineal debe cumplir la condición indicada, esto es:

para dos escalares cualesquiera , . Tomemos dos vectores de


R2: , entonces:
Al ser iguales significa que f si es aplicación lineal.

Imagen de un sistema por una aplicación lineal.

Sea un sistema de vectores de E. Consideremos el conjunto


imagen de S: , siendo f un homomorfismo de E
en F.

PROPIEDADES:

a) La imagen del vector nulo de E es el vector nulo de F.

Sea en el espacio vectorial E, considerando la c.n.y s. de


linealidad:

b) La imagen de un sistema S ligado de E es un sistema ligado de F,


conservándose en la transformación toda relación de dependencia entre los
vectores.

Si es un sistema ligado, entonces:

al aplicar f en los dos miembros de la igualdad. Ahora, si hay algún 0 a la


izquierda, también a la derecha lo será.

c) Si la imagen f(S) de un cierto sistema es libre en F, el sistema S es


libre en E.

Pues si S fuera ligado, obligatoriamente f(S) sería ligado.


d) La imagen de un sistema S libre de E puede ser un
sistema ligado de F ( no tiene por qué ser libre) .

e) La imagen de un subespacio de E es un subespacio de F.

DEMOSTRACIÓN : Sea E’ subespacio de E. Veamos que f (E’) es subespacio


de F. Sea: ;
Entonces:

Como caso particular la imagen de todo E, f(E), es un subespacio de F,


llamado subespacio imagen de la aplicación lineal.

Si esta imagen f(E) tiene dimensión finita, se llama rango de la aplicación f,


rg(f), a la dimensión del subespacio f(E).

Núcleo de una aplicación lineal.

Sea f una aplicación lineal de E en F. Se llama núcleo (“Kern” en alemán) de f ,


denotado Ker f, al conjunto de vectores de E cuya imagen es el vector nulo de F:

PROPIEDADES:

a) Ker f es un espacio vectorial para cualquier aplicación lineal f.

DEMOSTRACIÓN:

Además si

entonces

b) Para que una aplicación lineal f sea inyectiva es necesario y suficiente


que .

DEMOSTRACIÓN:

* Si f es inyectiva  no puede haber dos valores con la misma imagen, y


puesto que , (por ser f lineal) entonces no puede haber otro vector
en Ker f , o sea: .

* Si  Supongamos que , entonces:


es decir, , por lo que f es aplicación lineal.

TEOREMA:

Sea E un espacio vectorial , de dimensión n, cualquier aplicación


lineal f definida sobre E, verifica la condición:

Dim (Ker f) + Dim (f(E)) = Dim(E)

Ejemplo:

Hallar Ker f , Im f para la aplicación lineal:

f(x1, x2, x3, x4) = (0, x2, x3)

Hallar también una base para cada uno de los dos subespacios.

Solución:

* Comencemos por Ker f:

Entonces, podemos encontrar los vectores de Ker f de la siguiente manera:

f(x1, x2, x3, x4) = (0, x2, x3) ---> (0, x2, x3) = (0, 0, 0)

lo cual significa que x2, x3 deben ser ambos 0.

Una base de Ker f: B = { (1, 0, 0, 0) , (0, 0, 0, 1) }.

* Vayamos ahora a Im f:

Una base de Im f: B = { (0, 1, 0) , (0, 0, 1) }.

Es interesante observar que:

Dim Ker f + Dim Im f = 4 = Dim R4 .


Isomorfismos de espacios vectoriales.

Se dice que dos espacios vectoriales E y F son isomorfos cuando entre


ellos hay definida una aplicación lineal biyectiva (inyectiva y suprayectiva),
la cual se llama isomorfismo.

Observación:

f : E  F es inyectiva si verifica:

f : E  F es suprayectiva si verifica: f(E) = F.

TEOREMA 1:

La condición necesaria y suficiente para que dos espacios vectoriales sean


isomorfos es que tengan la misma dimensión.

TEOREMA 2:

La condición necesaria y suficiente para que una aplicación lineal f sea


isomorfismo de E en F, es que transforme una base de E en una base de F.

TEOREMA 3:

Una aplicación lineal f: E  F es un isomorfismo si y sólo si se


verifican:

Matriz asociada a una aplicación lineal.

Sean E y F dos espacios vectoriales (sobre el mismo cuerpo K), sean sus
dimensiones, Dim E = m, Dim F = n.

Sea una base de E, , y una base de F, , Y sea una aplicación


lineal f : E  F. Sea

Los elementos son vectores de F, por tanto se pueden expresar:


Lo cual en forma expandida es

Por tanto:

(comparándola con la expresión de arriba).

Y como los coeficientes yj son únicos, tenemos:

Que nos da la relación entre un elemento y su imagen . Se trata de la


relación:.

es decir,

*******

Como consecuencia: a toda aplicación lineal f: E  F , se la puede


asociar una matriz A, que se obtiene de las relaciones:
Es decir:

Esta matriz suele expresarse por Mf,B,B’ , (matriz asociada a f en las bases B,
B’).

El rango de la aplicación lineal f coincide con el rango de su matriz asociada.

Matricialmente operaremos así:

El rango de la aplicación lineal f coincide con el rango de su matriz asociada.

Matriz asociada a una composición de aplicaciones lineal.

Sean dos aplicaciones lineales f y g, tales que:

f : E  F, g: F  G

Sea A la matriz asociada a f, y B la matriz asociada a g.

Entonces la aplicación compuesta g  f : E  G es una aplicación lineal


cuya matriz asociada es B.A.

DEMOSTRACIÓN:

Consideremos:

siendo .

Sean A = M(f), B = M(g) de tal modo que

Y = A.X, Z = B.Y
Por tanto , Z = B . (A . X) = (B. A) . X  B . A = M(g  f)

Ejemplo:

Sean las aplicaciones lineales:

f: R3  R3 g: R3  R2
(x, y, z)  (2x-y, y+z, x-z) (x, y, z)  (x-y,
y+z)

a) Hallar las matrices asociadas de f y g en las bases canónicas.


b) ¿ Alguna de ellas es Isomorfismo ?
c) Hallar g o f

Solución:

a) La base canónica de R3 es: B = { (1, 0, 0), (0,1,0), (0, 0, 1) } . Aplicamos f a


los tres vectores de esta base:

f(1, 0, 0) = (2, 0, 1)
f(0, 1, 0) = (-1, 1, 0)
f(0, 0, 1) = (0, 1, -1)

estos vectores representan las columnas de la matriz M(f):

De manera análoga para la matriz asociada a g:

g(1, 0, 0) = (1, 0)
g(0, 1, 0) = (-1, 1)
g(0, 0, 1) = (0, 1)

y por tanto:

b) f sí es Isomorfismo , pues la imagen de la base B es una base. Es decir:


B' = { (2, 0, 1), (-1, 1, 0), (0, 1, -1)} es una base, puesto que sus tres vectores
son linealmente independientes, o en otras palabras, el determinante de A es
distinto de 0 (rang(A)=3) :

A= -2

g no es Isomorfismo, porque R3 y R2 tienen distinta dimensión.

c) Hallemos la matriz asociada a g o f:

M(g o f) = M(g) . M(f) = B . A =

Por lo tanto:

g o f : R3  R2
(x, y, z)  (2x-2y-z, x+y)

Expresión matricial del cambio de base.

Sea E un espacio vectorial de dimensión n, y


sean dos bases distintas de E.

Sea un vector de E, sean (x1, x2, . . ., xn) sus coordenadas en la base B, y (y1, y2, . .
., yn) sus coordenadas en la base B', entonces expresemos las relaciones entre ellas:

lo cual matricialmente se puede expresar:

es decir, X=P.Y
A la matriz P se la llama matriz de paso. Esta matriz es inversible (pues se
puede comprobar que su matriz asociada es un Isomorfismo, el que hace
asociar a cada elemento de la base B uno de B’).

f: E  E
B  B'

Por tanto, también podemos expresar:

Y = P-1 . X

Cambio de base para un endomorfismo.

Sea A la matriz asociada a un endomorfismo f de E en una base .


Consideremos otra base , supongamos que en ella la matriz asociada a f
es B. ¿ Cuál es la relación entre las matrices A y B ?.

Sea expresados en la base B,

Y=A.X

Sea P la matriz de paso de la base B a la base B’. Se tiene:

X = P . X’ , Y = P . Y’ ( X’ y Y’ en la base B’)

De aquí podemos expresar:

Y’ = P-1 . Y

lo cual implica:

y por lo tanto, tenemos la relación:

Y ‘ = (P-1.A.P) . X’

Lo cual significa que: B = P-1. A . P


Transformación vectorial en espacios vectoriales.

Dado un espacio vectorial E, y dado un vector X  E (el vector expresado


en su forma matricial), decimos que se ha realizado una transformación de X
cuando mediante alguna operación pasamos de X a Y.

Dos transformaciones típicas ya han sido vistas:

* Una isomorfismo transforma el vector X:

A.X = Y
Siendo A la matriz asociada al isomorfismo.

* Un cambio de base en el espacio E, también transforma el vector X:

P-1.X = X'

En la cuestión 8.8 ya se ha tratado este problema cuando realizamos


simultáneamente un endomorfismo y un cambio de base. Pero ahora lo vamos
a tratar de forma más general, con ayuda de un esquema.

Composición de aplicaciones (esquema):

Sean E, F, G tres espacios vectoriales, de dimensiones m, n y p,


respectivamente, consideremos dos aplicaciones lineales f y g tal como se ve
en el esquema:

f : E -----> F, g: F -----> G

Como ya se ha dicho en la cuestión 17.6, si A y B son las matrices asociadas


respectivamente a las aplicaciones f y g, podemos considerar la función
compuesta g o f :

g o f : E -------------------------> G

cuya matriz asociada vendrá dada por B.A, como ya se ha dicho.


Consideraremos el siguiente esquema:

Según este esquema, un vector X de E queda transformado en vector Z de G


según:
(B.A) X = Z

Esto se puede extender a tres o más aplicaciones, por ejemplo:

Y según esto, el vector X de E pasa a vector W de H según:

(C.B.A).X = W

Cambio de base (esquema):

Sea un vector X de un espacio vectorial E expresado en una base B1, y


consideremos otra base B2, entonces el vector X expresado en B2 según 17.7
es:

P-1.X = X'

aquí expresamos X' como las coordenadas de X en la base B2 . Veámoslo


mejor por medio de otro esquema:

En el esquema vemos:

{1} Un vector X' (base B2 ) se transforma en vector X (base B1 ) según:

P.X' = P

{2} Un vector X (base B1 ) se transforma en vector X' (base B2 ) según:

P-1.X = X'

* Cambio de base para endomorfismos y homorfismos en


general (esquemas)
1) En primer lugar consideremos el mismo caso que acabamos de ver en
17.8:

Sea f un endomorfismo de E en E (estando referido a la base B1), por ahora


esto lo representaremos así:

f: EB ----------> EB .
1 1

La matriz asociada a f , en esta base B1 (tanto para el espacio origen como


para el espacio imagen), será una matriz cuadrada: A

Si ahora hacemos un cambio de base, y pasamos a la base B2 :

P: EB --------> EB .
2 1

Siendo P la matriz cambio de base de B2 a B1:

Ahora la matriz asociada a f en esta nueva base B2 viene dado por:

B = P-1. A . P

Esquemáticamente esto lo vamos a expresar así:

Nosotros colocamos

P: EB ----------> EB . (vease la izquierda del esquema)


2 1

a la izquierda de la aplicación f puesto que se trata de transformaciones de


vectores X' en la base B2 , es decir:

P.X' = X

De manera análoga colocamos

P-1: EB ----------> EB . (véase la derecha del esquema)


2 1

a la izquierda de la aplicación f puesto que se trata de transformaciones de


vectores X' en la base B2, es decir:

P-1.X = X'
2) Caso general:

Sea f una aplicación lineal de E en F (estando E referido a la base B1 y F


referido a la base C1), lo representaremos así:

f: EB ----------> FC .
1 1

La matriz asociada a f , en estas bases B1, C1 , será una matriz que en general
no será cuadrada: A

Ahora hacemos dos cambios de base, pasamos a la base B2 para E

P: EB --------> EB .
2 1

Siendo P la matriz cambio de base de B2 a B1,y pasamos a la base C2 para F:

Q: FC --------> FC .
2 1

Siendo P la matriz cambio de base de C2 a C1.

Ahora la matriz asociada a f en esta nueva base B2 viene dado por:

B = Q-1. A . P

Esquemáticamente esto lo vamos a expresar así:

Un ejemplo:

Ejercicio 17) Obtener la matriz asociada a una aplicación lineal f: R2 ----


> R3 definida por:

f(1, 2) = (1, 1, 2)
f(2, 3) = (2, 10, 1)

al expresarla en las bases { (1, 1), (1, 3) } y {(1, 0, 1), (1, 1, 0), (0,0,2)}

Solución:

Siendo la base canónica de R2 : C , podemos


expresar:
f(1, 2) = (1, 1, 2) ---> f (1 e1 + 2 e2) = (1, 1, 2)

f(2, 3) = (2, 10, 1) ---> f (2 e1 + 3 e2) = (2, 10, 1)

Teniendo en cuenta la linealidad de f podemos expresar:

f (e1) + 2 f (e2) = (1, 1, 2)

2 f (e1) + 3 f(e2) = (2, 10, 1)

Aquí tenemos un 'sistema' que es fácil solucionar (multiplicando la segunda


por 2 y restando a la primera, etc): la solución es:

f (e1) = (1, 17, -4)


f (e2) = (0, -8, 3)

Por tanto, la matriz asociada a f (en la base canónica C) en R2 :

Ahora consideremos la matriz de cambio de base en R2 :

C ----> la nueva base de R2 ,

B1 ={ b1 = (1, 1), b2 = (1, 3) }

b1 = 1 e1 + 1 e2
b2 = 1 e1 + 3 e2

Por tanto, la matriz asociada a este cambio de base es:

Por contra, la matriz asociada al cambio de base en R3 :

C {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} ----> otra base de R3,

B2 ={ v1 = (1, 0,1), v2 = (1,1,0) , v3 = (0,0,2),}


v1 = 1 e1 + 0 e2 + 1 e3 =
v2 = 1 e1 + 1 e2 + 0 e3 =
v1 = 0 e1 + 0 e2 + 2 e3 =

Por tanto, la matriz asociada al cambio de base en R3 :

Podemos representar el asunto mediante el esquema:

Entonces podemos expresar la matriz asociada a f en las nuevas bases:

B = P-1 . A . Q

es decir:

O sea la matriz expresada en estas bases:

También podría gustarte