Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aplicaciones x origen
y imagen
Aplicaciones lineales
Gregoria Blanco
Son las aplicaciones NATURALES entre espacios vectoriales porque
respetan lo caracterı́stico de la estructura de espacio vectorial:
Dep. de Matemática Aplicada a las TIC
ETSISI (U. Politécnica de Madrid) las combinaciones lineales
=
=
0 0 sen( π
3
) = 1 + 1
2 2
Obs.: Si f : V −→ W es lineal entonces f (0V ) = 0W f (λx + μy) = 3(λx + μy) = 3λx + 3μy = λ3x + μ3y = λf (x) + μf (y) ∀x, y ∈ R, ∀λ, μ ∈ R
⎛ ⎞
x1
f : R2 −→ R f (x, y) = 3x + 5y es lineal. ⎜ .. ⎟
f : R −→ Rn m
f (x1 , . . . , xn ) = A ⎝ . ⎠ con A ∈ Mm×n (R)
• f ((x, y) + (x , y )) = f (x + x , y + y ) = 3(x + x ) + 5(y + y ) = (3x + 5y) + (3x + 5y ) = f (x, y) + f (x , y ) xn
• f (λ(x, y)) = f (λx, λy) = 3λx + 5λy = λ(3x + 5y) = λf (x, y) ∀ (x, y), (x , y ) ∈ R2 , ∀ λ ∈ R
es lineal.
Y en general f (x, y) = ax + by es lineal, para toda ctes. a, b ∈ R.
• f (X + X ) = A(X + X ) = AX + AX = f (X) + f (X )
∀ X, X ∈ Rn , ∀ λ ∈ R
Obs.: f : R2 −→ R • f (λX) = A · λX = λA · X = λf (X)
x → x
a b
y y
Obs.:
X → A · X =Y La transformación que consiste en multiplicar vectores por una matriz fija A es
una aplicación lineal.
f : R2 −→ R2 f (x, y) = (3x + 5y, x − y) es lineal. Lo gracioso del asunto es que, entre espacios de dimensión finita, no hay otras.
Es decir, todas las aplicaciones lineales se pueden expresar de esa forma.
x → 3x + 5y 3 5 x
=
y x−y 1 −1 y
D : R[x] −→ R[x] D(p(x)) = p (x) (su derivada) Sean V y W dos espacios vect. sobre K con dimensiones n y m resp.
p(x) → p (x) Sea f : V −→ W una aplicación lineal. Fijadas bases: BV = [e1 , . . . , en ]
es lineal. BW = [e1 , . . . , em ]
b
Además: f (v) = f x1 · e1 + . . . + xn · en =
I : R[x] −→ R I(p(x)) = p(x)dx para el intervalo fijo [a, b]
f lineal
b a
p(x) → p(x)dx = x1 · f (e1 ) + . . . + xn · f (en )
a es lineal. ⎛ ⎞ ⎛ ⎞
(Son las propiedades de “linealidad” de la integral) = x1 ⎝ ⎠ + · · · + xn ⎝ ⎠
b b b
• I(p(x) + q(x)) = (p(x) + q(x))dx = p(x)dx + q(x)dx = I(p(x)) + I(q(x))
a a a ∀ p(x), q(x) ∈ R[x], BW BW
⎞⎛ x ⎞ ⎛ ⎞
b b
• I(λp(x)) = (λp(x))dx = λ p(x)dx = λI(p(x)) ∀λ ∈ R ⎛ y1
a a 1
= ⎝ ... ⎠⎜ .. ⎟
⎝ . ⎠
⎜ .. ⎟
= ⎝ . ⎠
xn BV yn B
Volvamos al mundo de dimensión finita. . . W
Proposición
Dada una aplicación lineal f : V −→ W entre espacios vectoriales Si f : V −→ W es lineal y V tiene dimensión finita, entonces
de dimensiones n y m respectivamente y fijadas las bases BV y BW ,
se llama EXPRESIÓN MATRICIAL DE f RESPECTO DE BV Y BW f queda unı́vocamente determinada por las imágenes de los vectores
de una base de V .
a la relación matricial de un vector genérico de V expresado en coords.
respecto BV : XBV y su imagen por f expresada en coords. respecto de Si además W tiene dimensión finita, fijadas sendas bases BV y BW ,
BW : YBW , que viene dada por: la expresión matricial de f respecto de dichas bases es única.
YBW = Mf XBV
Ejemplo ® D : R3 [x] −→ R3 [x] D(p(x)) = p (x) Ejemplo ® D : R3 [x] −→ R3 [x] D(p(x)) = p (x)
Expresión matricial de D respecto de las bases BV = [1, x, x2 , x3 ] = BW Expresión matricial de D respecto de las bases
1 Hallamos la imagen de los vectores de BV y las expresamos en coords. resp. de BW : BV∗ = [1 + x, x + x2 , x2 + x3 , x3 ] y BW = [1, x, x2 , x3 ]
⎛ ⎞ 1 Hallamos la imagen de los vectores de ∗
BV y las expresamos en coords. resp. de BW :
D(1) = 0 = (0, 0, 0, 0)BW 0 0
1 0
⎜ ⎟
D(x) = 1 = (1, 0, 0, 0)BW ⎜ 0 0 ⎟ ⎛ ⎞
YB W =⎜
⎜
0 2 ⎟XB
⎟ V D(1 + x) = 1 = (1, 0, 0, 0)BW 1 1 0 0
D(x2 ) = 2x = (0, 2, 0, 0)BW ⎝ 0 0 0 3 ⎠ ⎜ ⎟
2
D(x + x ) = 1 + 2x = (1, 2, 0, 0)BW ⎜ 0 0 ⎟
D(x3 ) = 3x2 = (0, 0, 3, 0)BW 0 0 0 0 YBW =⎜
⎜
2 2 ⎟X B ∗
⎟
2 3 2
D(x + x ) = 2x + 3x = (0, 2, 3, 0)BW ⎝ 0 0 3 3 ⎠ V
MD
0 0 0 0
D(x3 ) = 3x2 = (0, 0, 3, 0)BW
2 Colocamos estos vectores en las columnas de la matriz MD (en orden).
∗
MD
Im(f ) = {f (v) / v ∈ V }
Obs.: La descripción natural de Ker(f ) es en ecuaciones implı́citas. = {f (x1 v1 + · · · + xn vn ) / xi ∈ K, ∀i ∈ {1, . . . , n}}
No suelen ser minimales. = {x1 f (v1 ) + · · · + xn f (vn ) / xi ∈ K, ∀i ∈ {1, . . . , n}}
f lineal
Proposición
La aplicación lineal f : V −→ W es inyectiva ⇔ dim(Ker(f )) = 0. = L f (v1 ), . . . , f (vn )
Ejemplo ⎛ ⎞
1 2 4
Para probarlo en caso general, mejor enfocarlo ası́: G Sea f : R3 −→ R3 tal que Y B c = ⎝ 0 1 1 ⎠ XB c
−1 3 1
Im(f ) = {f (v) / v ∈ V } = {w ∈ W / w = f (v) para algún v ∈ V } ¿f sobreyectiva?
Resumiendo Ejemplo ⎛ ⎞
1 2 4
G Sea f : R3 −→ R3 tal que Y B c = ⎝ 0 1 1 ⎠ XB c
Proposición −1 3 1
Si f : V −→ W es lineal y V es de dimensión finita entonces
¿f inyectiva?
Im(f ) = L f (v1 ), . . . , f (vn ) donde [v1 , . . . , vn ] es una base de V . ⎛ ⎞⎛ ⎞ ⎛ ⎞
1 2 4 x 0
(x, y, z) ∈ Ker(f ) ⇔ f (x, y, z) = (0, 0, 0) ⇔ ⎝ ⎠ ⎝ ⎠ ⎝
dim(Im(f )) = rg f (v1 ), . . . , f (vn ) = rg(Mf ). 0 1 1 y = 0 ⎠
Si además W tiene dim. finita −1 3 1 z 0
f sobreyectiva dim(Im(f )) = dim W . ⎫
x + 2y + 4z = 0 ⎬
⇔ y+ z = 0 ≡ Ker(f )
⎭
−x + 3y + z = 0
⎛ ⎞
1 2 4
Obs.: La descripción natural de Im(f ) es mediante un sistema generador
dim(Ker(f )) = 3 − rg ⎝ 0 1 1 ⎠ = 3 − 2 = 1 = 0 ⇒ f NO es inyectiva.
(o en paramétricas). No suele ser base (minimales). −1 3 1
Además:
Relación dimensional entre el núcleo y la imagen ¿Alguna utilidad de esta información sobre f ?
Si f : V −→ W es lineal y V es de dimensión finita entonces
En el último tema le sacaremos más partido.
dim V = dim(Ker(f )) + dim(Im(f ))
Ej.: Un adelanto:
V = R3 f W = R3
Una aplicación lineal INYECTIVA preserva la INDEPENDENCIA.
Ker(f ) f (v3 )
Im(f ) Es decir, transforma un sistema libre en V en un sistema libre en W .
v1 f (v2 )
v3
v2
Una aplicación lineal SOBREYECTIVA preserva la capacidad de GENERACIÓN.
Es decir, transforma un sistema generador de V en un sistema generador de W .
un suplementario de Ker(f ) cualquiera
f inyectiva ⇔f sobreyectiva
Ejemplo ⎛ ⎞ Ejemplo ⎛ ⎞
1 2 4 1 2 4
G Sea f : R3 −→ R3 tal que Y Bc = ⎝ 0 1 1 ⎠ XBc G Sea f : R3 −→ R3 tal queY B c = ⎝ 0 1 1 ⎠ XB c
−1 3 1 −1 3 1
Sea T = L (1, 1, 0), (0, 1, 1) ¿f (T )? Sean S = L (1, 1, 0), (1, 0, 1) y T = L (1, 1, 0), (0, 1, 1)
f (T ) = L f (1, 1, 0), f (0, 1, 1) f (S) = L (3, 1, 2), (5, 1, 0) f (T ) = L (3, 1, 2) y Ker(f ) = L (2, 1, −1) ⊂ T
f (1, 1, 0) = (3, 1, 2)
⇒ f (T ) = L (3, 1, 2), (6, 2, 4) = L (3, 1, 2) Geométricamente:
f (0, 1, 1) = (6, 2, 4) f
V = R3 W = R3
Obs.: T f (T )
f transforma el plano T en una recta. Ker(f )
Esa pérdida de dimensión en la transformación es porque f NO es inyectiva. S f (S)
⎫
x + 2y + 4z = 0 ⎬
y+ z = 0 ≡ Ker(f ) = L (2, 1, −1) ⊂ T
⎭
−x + 3y + z = 0 ⎛ ⎞ ⎛ ⎞
1 0 2 1 0 2
rg ⎝ 1 1 1 ⎠ = rg ⎝ 0 1 −1 ⎠ = 2
0 1 −1 0 1 −1 dim(f (S)) = dim(S) − dim(S ∩ Ker(f )) = 2 − 0 = 2 dim(f (T )) = dim(T ) − dim(T ∩ Ker(f )) = 2 − 1 = 1