Capitulo 6 Aplicaciones lineales 6.1. Definicién. Sean Uy V dos K-espacios vectoriales. Una aplicacién f : U + V’se dice que es una aplicacién lineal, si satisface: 1. f(r + ua) = Fur) + f (ua), com uy, ua € U. 2. flk-u) =k: f(w), con ueU yke K. Estas dos condiciones, nos vienen a decir que: una aplicacién, sera lineal, si la aplicacién “conmuta” con la suma y el producto (que recordemos que son las operaciones que definen un espacio vectorial). Recordemos que la propiedad de una operacién de ser conmutativa, nos viene a decir, que no importa el orden en que se opera. El producto es conmutativo porque no in- fluye en el resultado el orden en que multipliquemos dos niimeros cualquiera 2 y: #y = ys, Si trasladamos esto al concepto de aplicacién lineal, lo que obtenemos es que una aplicacién es lineal cuando obtenemos el mismo resul- tado sin importar el orden entre ““aluarz .°perar”; es decir, resulta lo mismo si primero sumamos dos vectores y luego los evaluamos por medio de la apli- cacién lineal, que si primero evaluamos cada vector y sumamos sus imagenes. Estas dos condiciones $6 pueden resumir 6h tna sola. Sean U y V dos K-espacios vectoriales. Una aplicacién f : U > V se ce que es una aplicacién lineal, si satisface: F (hy ta + ha ta) = ky > f(ta) + ko faa), com tute € U y kik CK78 Aplicaciones lineales Esta *condicién resumen” indica que las aplicaciones lineales conservan Ja linealidad, que es la condicién esencial de un espacio vectorial. Podrfamos decir por lo tanto, que una aplicacién lineal conserva la estructura de subespacio vectorial. Propiedades importantes: Sean U y V dos K-ospacios vectoriales. Sif : U —+ V es una aplicacién lineal, entonces: © f(0) +0. + f(-w) = =Sw) F(R LAE Ra ta thn tn) = a fa) Ra f(a) boc a Fa) On ty, U2, tn €U ¥ by kay La propiedad 1 es de gran ayuda para cuando estamos comprobando si una aplicacién es o no es lineal, Es importante resaltar que es una condicién necesaria (no Suficiente), por lo que una aplicacidn que no cumpla Ja condicién no puede ser aplicacién lineal, pero una aplicacién que si la cumpla, no necesariamente sera lineal. Por lo tanto, la ventaja principal ser que nos va a permitir descartar de forma répida las aplicaciones que no camplan con esta condicién. Hjemplo: aplicaciones lineales por definicién, Estudie euales de las siguientes son aplicaciones lineales, f R55 RS, definida por /(v) = kv, con k un numero real fijo. BR? > RY, definida por (x,y,z) = (1,2) RS + RS, definida por f(«, yz) = (x? + y?,0,0) RS — RS, definida por f(x,y,2z) =(c¢+y+2,2+4,2). RS + R?, definida por f(x,y, z) = (e—y,2 +2)6.1 Definici 79 6.1.1. Expresién analitica. La expresién analitica de una aplicacién lineal f : U > V, entre los K-ospacios vectoriales U y V, es aquella que nos describe los vectores del espacio de Hegada como la imagen de un vector en el espacio de salida, es decir, es d cla forma f(u) =v, siendoue U yveV Nota: Las aplicaciones descritas en el ejemplo anterior, estan expresadas en forma analitica. 6.1.2. Expresién matricial. ‘Si tenemos una aplicacién lineal f : UV > V, entre los K-espacios vecto- riales Uy V, con bases Sir = {0 ). ta} ¥ Sy = (01, 02) Yn }y-entonces sucede que (uj) es combinacién lineal de elementos de la base By, es decir, que para todo 14 € By existen ai; € K de forma que S (uj) = ayer + 03;02 + mj Pn! =) aaj, Jo que implica que para cualquier vector u € V,, que a su vez se podré escribir de la forma v= 21m Haat + tan = ia se tiene que fu) = MY 2) = les Fu)] = les ase) = =D (say) = Laem de donde se deduce que euando tusy ~ (11, -72,--Fn)s entonces Yaa, DY sian) Simplificando notacién y Hamando f(u), (U1, Ya, ---sUn), tenemos que M11 + A2ty bo + in Tn,80 Aplicaciones lineales que no es mas que un sistema de ecuaciones lineales con n incognitas y m ecuaciones, que podemos expresar en forma matricial de la forma vs an a an, 1 Wa an 22 ay 7 Yn nt Onn Gn Ala matriz, aq 22 a4 Moyiu = ant Oi Gann Ja lamamos matriz, de la aplicacién lineal respecto de las bases Sv ¥ By. A la expresién f(u)ay = Moy gutta, 1a Uamamos expresi6n matricial de la aplicacién lineal Ejemplo: expresion matricial y analitica de una aplicacién lineal. 1. Sea f : R* > RS una aplicacién lineal definida por: F111) = (0,0,1), F450, 1,0) = (1,1, -1) F(1,1,1,0) = (0,0,-1), f(-1,-2,0,0) = (1,11) determinar la matriz asociada a f y explicitar las bases de referencia. Sea f :R¥ -» R? una aplicacién lineal definida por f(xy, 2)= (@ V4 Ax + 2y — 22), determinar la matriz asociada a f y explicitar las bases de referencia Sea f | R > RY una aplicacién lineal cuya matriz asociada es 1000 A CG 403) determinar la expresién analitica de f6.2 Imagen y antiimagen. 81 6.2. Imagen y antiimagen. Sea f :U — V una aplicacién lineal y u € U. Al vector v = f(u) € V lo llamamos imagen del vector u. Ademés, el vector u € U, es la antiimagen del vector v € V, y se denota por u = f-*(v) Sea f:U > y F un subespaci subespacio ‘una aplicacién lineal y Eun subespacio vectorial de U vectorial de V. Llamamos imagen del subespacio E al J(E) = {F(u)lu € BY Llamamos antiimagen del subespacio F, al subespacio FO(R) = {we ULf(w) € Fh Propiedades importantes: + Sea f : U > V una aplicacién lineal y £ un subespacio vectorial de U entonees f(E) es subespacio vectorial de V. + Sea f: U > V una aplicacién lineal y F un subespacio vectorial de V, entonces f1(F) es subespacio vecotiral de U + Sea f : U — V una aplicacién lineal, si {1,142, te} es un sistema generador de U, entonces { (ur), f(ua), ., J(ux)} es un sistema gene- rador de V. = Sea f : U + Vana aplicacién lineal y E un subespacio vectorial de U y F un subespacio vectorial de V. Si B =< tn, ua, .., tue > entonces Fas Fur), flua)sos flue) > Esta propiedad nos permitiré encontrar la imagen de cualquier subes- pacio vectorial del espacio de salida, como el subespacio generado por las imagenes de un sistema generador de dicho subespacio.82 Aplicaciones lineales Bjemplo: imagen / antiimagen de vectores y subespacios. Sean f:R¥ > R¥yg:R* — R? las aplicaciones lineales definidas por J(a,y.2) = (et ytzn4y2); 9(2,¥,2) =(2—y,2 +2), y sean los subespacios veetoriales V =< (1,-1,0),(1,1,1) > y W = {(3A,2A, A)|A © R}. Caleule: 1. f(V) y 9(V). 2. f-(0,0,0) y 97? (2)2,1) 3 fF (Ww). 6.3. Nucleo e Imagen. Se define el nticleo de una aplicacién lineal f | U > V, y se denota por Nuc(f) 0 Ker(f), como el subespacio vectorial formado por todos los veetores del espacio de salida cuya imagen es el vector trivial del espacio de legada, Ker(f) = {w€ Ulf(u) = 0} Se define la imagen de una aplicacién lineal f : U + V, y se denota por Im(f), como el subespacio vectorial formado por todos los vectores del espacio de legada para los que existe una antiimagen, Im(f) = {v €V| existew € Utalquef(u) = Nota: + Kerf es un subespacio vectorial del espacio vectorial U. = Imf es un subespacio vectorial del espacio vectorial V. 6.3.1. Ecuaciones del niicleo y la imagen. El niicleo de una aplicacién lineal f : U + V es, por defini conjunto de vecotres u € U tales que f(u) = 0, por lo tanto, sus ec pueden encontrarse resolviendo el sistema homogéneo.6.4 Algunas definiciones basicas. 83 La imagen de una aplicacién lineal f : U > V es, por definicién, el conjunto de vecotres v € V para los que existe u € U para el que f(u) = v por lo qne se trata de encontrar condiciones sobre v para que el sistema propuesto sea compatible. 6.3.2. Dimensién y base del niicleo y la imagen. El micleo y la imagen de una aplicacién lineal f : U > V son subespacios vectoriales de U y V respectivamente, y por lo tanto, el céleulo de las dimensi6n o la base de cualquiera de ellos se hace de manera anéloga a cémo se hace para cualquies subespacio vectorial, una vez que tenemos el nticleo y la imagen descritos a partir de aciones. Bjemplo: nucleo ¢ imagen de una aplicacion Imneal. Sea f : R!— R® una aplicacién lineal definida por: £41,151) = (0,0, 1), f4,0,1,0)= (0,1, -1) #(1,1,1,0) = (0,0,-1), f(-1,=2,0,0) = (1,11), determinar unas ecuaciones del micleo y la imagen, una base y su dimensién. 6.4. Algunas definiciones basicas. 6.4.1. Inyectivo, sobreyectivo, biyectivo. Una aplicacidn lineal f : U + V es inyectiva si y sélo si Kerf = 0. Una aplicacién lineal f : U + V es sobreyectiva (0 sup sélo si Imf = V. rectiva) siy Una aplic sobreyectiva. cién lineal f : U + V-es biyectiva si y sdlo sives inyectiva y Dada una aplicacién lineal f : U + V, se lama rango de f, rang(f), a la dimensién de Imf, es decir, rang(f) = dim(Imf) Propiedades importantes:84 Aplicaciones lineales + Dada una aplicacién lineal f : U > V, si U es de dimensién finita, entonces Kerf ¢ Imf son también de dimensién finita y se cumple que dimU = dim(Kerf) + dim(Imf) = Dada una aplicacién lineal f : U + V con dim(U) = dim(V), ambas dimensiones finitas, entonces f es inyectiva si y sélo si f es sobreyectiva si y sélo si f es biyectiva. 6.4.2. Isomorfismo, endomorfismo, automorfismo. Una aplicacién lineal f : U > V es un isomormismo de espacios vectoriales si es una aplicacién biyectiva. Una aplicacién lineal f : U + U es un endomorfismo de un espacio vectorial U Un automorfismo es un endomorfismo biyectivo, Dos espacios vectoriales se dicen que son isomorfos, y sé denota por UV, si existe tn isomorfismo entre ellos Sean Uy V dos L-espacios vectoriales de dimensién finita, entonces U = V si y sdlo si dim(U) = dim(V). 6.4.3. Operaciones. 6.5. Cambio de base. Anélogo a lo expuesto en el tema 4 sobre la matriz de cambio de base en espacios vectoriales6.6 El espacio de las aplicaciones lineales, 85 Ejemplo: otras bases. Sea f: R! + R° una aplicacién lineal definida por $(1,1,1,1) = (00,1), £(1,0,1,0) = (1,1, -1) £(2,1,1,0) = (0,0,-1), f(-1,-2,0,0) = (1,1, 1), determinar, 1. la matriz de f respecto a las bases canénicas 2. la matriz de f respecto de la base canénica de R* y la base 8 = {(1,1, 1), (1,0,1), (1, 1,0)} de R® 6.6. El espacio de las aplicaciones lineales. Dados dos K-espacios vectoriales U y V, denotamos por £(U,V) al'con- junto formado por todas las aplicaciones lineales de U a V, esto es, LU, V) ={f U9 Vf lineal} Adémés, definimos las operaciones, * Suma: dadas f,g € £(U,V), se define la suma f +9: U —+V como la aplicacin (f + 9)(u) = f(u) + 9(u) + Producto: dada f € £(U,V) y k € K, se define el producto kf: UV. como la aplicacién (kf)(u) = kf(u) Gon estas dos operaciones, £(U, V) tiene estructura de K-espacio vectorial, que denominamos como espacio vectorial de Jas aplicaciones lineales de Uy Vv Si tenemos dos K-espacios vecotitales Uy V de dimensiones ny m res- pectivamente, entonces £(U,V) es isomorfo a Mry(K), lo que implica que dim(L(U,V)) = dim(U)dim(V) 6.6.1. Espacio dual. Se lama espacio dual de un K-espacio vectorial V, y se denotard por V*, al espacio vectorial V* = £(V, K). A os elementos de V* se les llama formas lineales sobre V. V* es isomorfo a V86 Aplicaciones lineales 6.7. Teorema de Isomorfia. Recordemos (Tema 4): Sean V un K-espacio vectorial y U un subespacio vectorial de V. Se dice que vy, v2 € V estan relacionados médulo U si v.—v € U. Entonces V/U es un K-espacio vectorial con las operaciones + y +, fu + fe] = [wt 0] Ku) = [ku] y lo lamamos espacio vectorial cociente de V por U. La aplicacién lineal + : V + V/U, con a(v) = |v) (las clases de equivalencia de v), se ama proyeccién canénica y tiene las propiedades de ser suprayectiva y Kerf =U. ‘Teorema de Isomorfia. Si f | U > Ves lineal, entonces Imf © U/Ker(f) Descomposicién canénica de una aplicacién lineal. Sif: U4 V es lineal, entonces se puede descomponer de la forma f=jogom donde #: U + U/Ker fies sobreyectiva, g : U/Kerf -+ Imf es isomorfismo, yj Imf + V es inyeotiva. 6.8. Ejercicios resueltos. Ejercicio 01: Sea f: RS + R la aplicacidn lineal dada por f(x,y, 2) = (Qe — y— 2, 242y — 82zyy—- 2,2 —y) 1. Caleule una base y unas ecuaciones de la imagen y del micleo de f 2, Calcule una base de f(U/) donde U es el subespacio de R® generado por In eouacion x + y ~32=0. 3. Caleule unas ecuaciones de f-1(HW) donde W es el subespacio de Rt W={(2,y,2,0)|n+y+2—-t=0,0+2y—2=0}6.8 Ejercicios resueltos. 87 Ejercicio 02: Sea f : R' — R® la aplicacién lineal dada por S(e.y.2) = (e@+y,2,-2) 1, Caleule uma base y unas ecuaciones de la imagen y del micleo de 2, Calcule la descomposicién canénica de f Ejercicio 03: Sea f :R? > Runa aplicacién lineal. Se sabe que (1,1,3) € Kerf y que F(Q,0, 1) = (1,2,3,4); FL, 1, 6) = (1, 0,1, 0); (2, 1,1 + 8) = (6, 8,26, 26) para cierto b € R, Determine el balor de b y calcule la matriz de f en las bases candnicas y una base de Imf Ejercicio 04: Sea_f : R? —» R$ una aplicacién lineal. Se sabe que (3,1) € Kerf. (18:2) €Imfy y que la segunda coordenada de f(=1,2) es 10. Determine la matriz de f en las bases candnicas38 Aplicaciones lineales Ejercicio 05: Sea f : R‘—» RS una aplicacién lineal, Calcule la matriz en las bases canéni- cas de f, sabiendo que se verifica que £(1,0,0,0) = (1,0,0), F(0,1,0,0) = (0,1,0), y que ademés Kerf = {(x,y,2,1)|n-2yt2+t =0,24y—224t = 0,2r—y—242t = 0} Ejercicio 06: Decida si existe una aplicacién lineal f :R° + R* con Kerf =< (0,1,2,3,4), (4,3,2,1,0),(1,1,1,1,1) >, Imf =< (1,0, -1)0), (1,1, 1,2), (11,1, 1); ()2,3,4) > Ejercicio 07: Discuta si la aplicacién lineal f : RB’ + R$ con fr, y,2) = (Qe +y +4z,0 + y+ 22,0+y +32) es biyectiva, y ent caso afirmativo, encuentre su inversa6.8 Ejercicios resueltos. 389 Ejercicio 08: Sea f : Rt + R? la aplicacién cuya matriz asociada en las bases candnicas es, 1000) -l11 2): 8, = {(1,1, 1,0), (1,1, 0,0), (1,0,0,0), (1, 1,1,1)}, = {(1,1), (0,2)}, bases de R! y R? respectivamente y sean 1. Calcule Mg,s,(f) 2. Calcular tma base de Kerf y Imf en las bases candnicas. 3. Calcular una base de Kerf y Imf en las bases 1 y 2 Ejercicio 09: Se define la aplicacién lineal f : R? + R,[2], donde Ry[x] es el espacio vectorial de los polinomios de grado menor o igual que 1 con coefi reales, mediante cientes £(1,0) =1~2, f(0,1) =1 Ja el nticleo y la imagen de f90 Aplicaciones lineales Ejercicio 10: Sea f : V > V un endomorfismo y B = {(1,1, Le, (2,1, Oe, (0,1, Ye} una base de V, siendo C la base canénica de V. La matriz asociada a f viene dada por, donde a,b @Ry f(1, 1. Demuestre que a=1 yb 2. Caleule Mec(f). 3. Calcule Mas(f) 4, Determine las ecuaciones cartesianas, la dimensién y una base de Ker f tomando como sistema de referencia la base C. 5. (Puede la dimension de Kerf ser distinta si considermaos la base C 0 la base 6?, 6. Determine las ecuaciones cartesianas, la dimensién y una base de Imf. tomando como sistema de referencia la base /36.8 Ejercicios resueltos. 91 Ejercicio 11: Sea f:R° > la aplicacién lineal definida por f(x,y,2) = (ety tz,e+aytz,04+y+az) 1. Hallar el valor de a para el que f no es inyectiva, y para dicho valor doterminar una base de Kerf y otra de Imf. es Ia base canénica de R* 2, Paraa = 0, hallar la matriz Mec(f) donde C 3. Para a = 0, hallar la matriz Mpg(f) donde B = {(1,0,0), (1,1,0), (1, 1)1)} es una base de 2° Ejercicio 12: Sean las bases U = {ur, 12, us}, de RS, y W' = (wi, wa, ws, ws}, de RA, y sea Iw aplicacién lineal f : R3 + R4, definida por f (uy) = Quy — we — 3ws, F(ug) = wy wy ws + ws, Fug) = we + wa, Caleular la matriz asociada a f y las ecuaciones, una base y la dimensién del niicleo y la imagen de f92 Aplicaciones lineales Ejercicio 13: Sea f : R° + RS la aplicacién lineal dada por