Documente Academic
Documente Profesional
Documente Cultură
Aplicaciones Lineales
3.1 Introduccion
Se presentan en este tema las aplicaciones entre espacios vectoriales, particularmente las
aplicaciones lineales, que de una manera informal pueden definirse como las que preservan
la estructura de dichos espacios vectoriales. Al igual que se ha hecho en el Tema 1, nos
restringiremos al caso de espacios vectoriales reales, si bien todo lo expuesto sera valido
(salvo que se especifique lo contrario) para cualquier tipo de espacios vectoriales.
31
32 APLICACIONES LINEALES
Operaciones en Hom(E, F )
En el conjunto de todas las aplicaciones lineales entre dos espacios vectoriales reales E y
F , que hemos denominado Hom(E, F ) se pueden definir dos leyes de composicion (una
interna y otra externa) de manera que dicho conjunto posee, a su vez, la estructura de
espacio vectorial real:
Suma de dos aplicaciones lineales. Sean f y g dos aplicaciones lineales de los
espacios vectoriales E y F . Se define la aplicacion suma, y se denota por f + g, de la
forma siguiente:
(f + g)(~e) = f (~e) + g(~e) , ~e E
Es trivial demostrar que la suma de aplicaciones linelaes es una aplicacion lineal.
Producto de un escalar por una aplicacion lineal. Sea f : E F una aplicacion
lineal y sea R. Se define la aplicacion f de la forma:
( f )(~e) = f (~e) , ~e E
por lo que f no podra ser inyectiva. Hemos demostrado por tanto que si f es inyectiva entonces
necesariamente Ker f = {~0}.
Recprocamente, demostremos que si Kerf = {~0} entonces f es inyectiva.
34 APLICACIONES LINEALES
Una vez mas supongamos lo contrario, es decir: Kerf = {~0} y f no inyectiva. Entonces existiran
al menos dos vectores ~e y ~e 0 , tales que ~e 6= ~e 0 que cumplan: f (~e) = f (~e 0 ). Pero entonces el vector
~e ~e 0 es diferente del vector nulo, y verifica: f (~e ~e 0 ) = f (~e)f (~e 0 ) = ~0 por lo que pertenecera al
nucleo, aun siendo diferente de ~0. Tenemos en definitiva que f debe ser necesariamente inyectiva.
Q.E.D.
Nota: se da por sobre-entendido que los espacios vectoriales (en particular E) son de
tipo finito.
Demostracion: Consideremos una base del subespacio nucleo Ker f : BKer f = {~e1 , . . . , ~ep }, y
as dim Ker f = p. Aplicando el teorema de la base incompleta siempre es posible encontrar
q = n p vectores de E: {~u1 , . . . , ~uq } que formen base de un suplementario de Ker f . De
esta forma B = {~e1 , . . . , ~ep , ~u1 , . . . , ~uq } es una base del espacio vectorial E (evidentemente dim
E = n = p + q). El subespacio Im f estara entonces generado por las imagenes de los vectores
de la base anterior:
Consecuencias del teorema anterior. A partir del resultado anterior podemos llegar
a las siguientes conclusiones:
Si dim E < dim F , entonces ninguna aplicacion lineal f : E F podra ser epiyectiva,
ya que dim Im f siempre sera menor que dim F .
Si dim E > dim F , entonces ninguna aplicacion lineal f : E F podra ser inyectiva,
ya que dim Ker f 6= 0 para poder verificarse el Teorema anterior.
Solo podran establecerse isomorfismos (aplicaciones lineales biyectivas) entre espacios
vectoriales de igual dimension.
mientras que su imagen, f (~e), pertenece a F , de manera que puede escribirse como:
m
X
f (~e) = y1~v1 + y2~v2 + . . . + ym~vm F = yj ~vj = (y1 , . . . , ym )B 0
j=1
Dado que las coordenadas de un vector en una base son unicas concluimos con el siguiente
resultado que establece las ecuaciones de la aplicacion lineal f en las bases B y B 0 de los
espacios E y F (en forma de sistema de ecuaciones y en forma de ecuacion matricial):
y1 = a11 x1 + a21 x2 + ... + an1 xn y1 a11 a21 ... an1 x1
y2 = a12 x1 + a22 x2 + ... + an2 xn y a
2 12 a22 ... an2 x2
=
..... .. .. .. ... .. ..
ym = a1m x1 + a2m x2 + ... + anm xn ym a1m a2m ... anm xn
La matriz M :
a11 a21 ... an1
a12 a22 ... an2
M = M (f ; BE , BF ) =
.. .. ... ..
a1m a2m ... anm
recibe el nombre de matriz asociada a la aplicacion lineal f en las bases B = BE
y B 0 = BF , y donde cabe resaltar que la colocacion de los elementos de la matriz no
es la habitual, puesto que se corresponde con el hecho de que la columna j-esima esta
determinada por las coordenadas en la base B 0 de la imagen del vector ~ej , es decir f (~ej ).
36 APLICACIONES LINEALES
de donde:
n
X
yj = aij xi Y = M (f ; B, B 0 )X
i=1
Tal y como ha sido construida, es evidente que la matriz de cambio de base tiene como
columnas a los vectores de la base B 0 expresados en coordenadas con respecto a la base
B. Dado que las columnas son linealmente independientes, se trata de una matriz de
rango N y, en consecuencia, se trata de una matriz invertible. Tendremos entonces que:
A1 X = X 0
es decir, la matriz del cambio de base inverso no es mas que la inversa de la matriz de
cambio de base.
Alternativamente, la matriz de cambio de base puede ser definida de una forma mas
tecnica como la matriz asociada al endomorfismo identidad o aplicacion identidad (que
hace corresponder a un vector de E el mismo vector como imagen) cuando se utiliza
una base en el espacion inicial y otra en el final (aunque ambos espacios sean el mismo),
desde ese punto de vista tendramos: A = M (id; B 0 , B).
M = M (f ; BE , BF ) , M X =Y
38 APLICACIONES LINEALES
M 0 = M (f ; BE
0
, BF0 ) , M 0 X0 = Y 0
X = AE X 0 , Y = AF Y 0
Entonces:
M X = Y M AE X 0 = AF Y 0 A1 0
F M AE X = Y
0
y en consecuencia:
M 0 = A1
F M AE
Tenemos por tanto que la matriz asociada a f en las bases nuevas no es mas que
la inversa de la matriz de cambio de base del espacio final por la matriz original por la
matriz de cambio de base en el espacio inicial.