Tema 3

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.

3.1.1 Aplicaciones Lineales

Definicion: Sean E y F dos espacios vectoriales reales y sea f aplicacion f : E F ,
se dice que f es una aplicacion lineal o un homomorfismo si se verifica:
f (~e1 + ~e2 ) = f (~e1 ) + f (~e2 ) , ~e1 , ~e2 E , , R
Alternativamente, la condicion anterior equivale a la verificacion de las dos condiciones
siguientes:
f (~e1 + ~e2 ) = f (~e1 ) + f (~e2 ) , f (~e) = f (~e)

Suele denominarse Hom(E, F ) al conjunto de todas las aplicaciones lineales (homomor-

fismos) entre los espacios vectoriales E y F .
Tipos de aplicaciones lineales.
Una aplicacion f : E F es un monomorfismo si es lineal y ademas es inyectiva.
Una aplicacion f : E F es un epimorfismo si es lineal y ademas es epiyectiva.
Una aplicacion f : E F es un isomorfismo si es lineal y ademas es biyectiva.
Si f es una aplicacion lineal de E en Em, es decir si el espacio inicial coincide con el
final, entonces se dice que f es un endomorfismo de E.
Si f es un endomorfismo de E y ademas es biyectiva, se dice que f es un automorfismo
de E.

31
32 APLICACIONES LINEALES

Propiedades de las aplicaciones lineales

Sea f : E F una aplicacion lineal, entonces se verifican las siguientes propiedades:
1. La imagen del vector nulo de E es el vector nulo de F .
2. La imagen de una combinacion lineal de vectores de E es la combinacion lineal de
las imagenes de dichos vectores con identicos coeficientes, es decir,

f (1~e1 + 2~e2 + . . . + n~en ) = 1 f (~e1 ) + 2 f (~e2 ) + . . . + n f (~en )

para cualesquiera ~ei E y i R.

3. Si S = {~e1 , . . . , ~ep } es un sistema ligado de vectores de E, entonces el sistema de
vectores S 0 = {f (~e1 ), . . . , f (~ep )} es un sistema ligado de vectores de F .
4. La imagen de un subespacio vectorial V de E es un subespacio vectorial f (V ) de F .
Evidentemente denotamos por f (V ) al conjunto formado por todos los vectores de F
que son imagen de algun vector de V .
5. La antiimagen f 1 (U ) de un subespacio vectorial U del espacio final F (se existe, lo
cual solo esta asegurado en el caso de aplicaciones lineales epiyectiva) es un subespacio
vectorial del espacio inicial E.
6. La composicion de dos aplicaciones lineales es una aplicacion lineal. Es decir: sean
f : E F y g : F G dos aplicaciones lineales, entonces la aplicacion g f : E G,
(g f )(~e) = g(f (~e)) es tambien una aplicacion lineal (obviamente de E en G).

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

Se demuestra de forma directa que f es tambien una aplicacion lineal.

APLICACIONES LINEALES 33

3.2 Subespacios Nucleo e Imagen

Definicion: Sea f : E F una aplicacion lineal entre los espacios vectoriales E y F .
Se llama nucleo de la aplicacion lineal y se denota por Kerf (del aleman kernel=nucleo)
al subconjunto del espacio vectorial E formado por los vectores de E tales que f (~e) = ~0.

Ker f = {~e E / f (~e) = ~0}

Proposicion: Sea f : E F una aplicacion lineal entre los espacios vectoriales E y F .

Entonces el nucleo de f , Ker f , es un subespacio vectorial del espacio E.

Definicion: Sea f : E F una aplicacion lineal entre los espacios vectoriales E y F .

Se llama imagen de la aplicacion lineal f y se denota por Im f al subconjunto de F
formado por los vectores que son imagen por f de alguno de E.

Im f = {~u F / ~e E , f (~e) = ~u}

Proposicion: Sea f : E F una aplicacion lineal, entonces la imagen de f , Im f , es

un subespacio vectorial del F .

Dada una aplicacion lineal f de E en F , es habitual llamar nulidad de f a la dimension

del subespacio Ker f y rango de f a la dimension de Im f . Aplicando la definicion, una
aplicacion f : E F sera epiyectiva si Im f = F , tenemos as que f es epiyectiva si y
solo si rango(f ) =dim Im f = dim F .

Proposicion: Sea f : E F una aplicacion lineal. Si S = {~e1 , . . . , ~en } es un sistema de

generadores del espacio E, entonces los vectores: f (~e1 ), . . . , f (~en ) constituyen un sistema
de generadores del subespacio Im f de F , es decir: Im f = hf (~e1 ), . . . , f (~en )i.

Proposicion: Sea f : E F una aplicacion lineal. Entonces f es inyectiva si y solo si

Ker f = {~0}.
Dem: Comenzaremos demostrando que: f inyectiva Kerf = {~0}.
Realizaremos la demostracion por la tecnica de reduccion al absurdo, plantearemos as el hecho
de que f sea inyectiva pero Ker f 6= {~0}.
Por ser f inyectiva se verifica que si dos vectores ~e1 y ~e2 del espacio E son diferentes, es decir
~e1 6= ~e2 , entonces necesariamente f (~e1 ) 6= f (~e2 ).
Consideremos un vector cualquiera de E, ~e E, y dado que estamos considerando Ker f 6= {~0},
tomemos un vector ~v Kerf tal que ~v 6= ~0. Entonces el vector ~e 0 = ~e + ~v es diferente de ~e, y sin
embargo verifica:
f (~e 0 ) = f (~e + ~v ) = f (~e) + f (~v ) = f (~e) + ~0 = f (~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.

Teorema: Sea f : E F una aplicacion lineal. Entonces se verifica:

dim Ker f + dim Im f = dim E

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:

Im f = hf (~e1 ), . . . , f (~ep ), f (~u1 ), . . . , f (~uq )i = hf (~u1 ), . . . , f (~uq )i

puesto que los vectores ~ei Kerf .

Demostraremos a continuacion que los vectores {f (~u1 ), . . . , f (~uq )} forman un sistema libre.
Tomemos una combinacion lineal igualada al vector nulo: 1 f (~u1 ) + . . . + q f (~uq ) = ~0, pero
por ser f lineal tendremos que: f (1 ~u1 + . . . + q ~uq ) = ~0 1 ~u1 + . . . + q ~uq Ker f .
Hemos demostrado as que la combinacion lineal: 1 ~u1 + . . . + q ~uq pertenece simultaneamente a
Ker f y a (Kerf )S , entonces necesariamente es igual al vector nulo de E, y dado que los vectores
~uj son linealmente independientes, entonces 1 = 2 = . . . = q . Tenemos entonces que dim Im
f = q, y en consecuencia dim Im f = n dim Ker f . Q.E.D.

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.

3.3 Ecuaciones y matriz de una aplicacion lineal

Sea f : E F una aplicacion lineal entre los espacios vectoriales E y F y sean B =
BE = {~e1 , ~e2 , . . . , ~en } y B 0 = BF = {~v1 , ~v2 , . . . , ~vm } bases de E y F respectivamente.
APLICACIONES LINEALES 35

Todo vector ~e E podra escribirse entonces en coordenadas con respecto a B:

n
X
~e = x1~e1 + x2~e2 + . . . + xn~en E ~e = xi~ei = (x1 , . . . , xn )B
i=1

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

Si conocemos las imagenes de los vectores de la base B:

f (~e1 ) = a11~v1 + a12~v2 + ... + a1m~vm


f (~e2 ) = a21~v1 + a22~v2 + ... + a2m~vm Xm
f (~ei ) = aij ~vj , i = 1, ..., n
.....


j=1
f (~en ) = an1~v1 + an2~v2 + ... + anm~vm

entonces, aplicando las propiedades basicas de las aplicaciones lineales, tendremos:

f (~e) = f (x1~e1 + x2~e2 + ... + xn~en ) = x1 f (~e1 ) + x2 f (~e2 ) + ... + xn f (~en ) =

= x1 (a11~v1 + a12~v2 + ... + a1m~vm ) + x2 (a21~v1 + a22~v2 + ... + a2m~vm ) + ... +
+xn (an1~v1 + an2~v2 + ... + anm~vm )
= (a11 x1 + a21 x2 + ... + an1 xn )~v1 + (a12 x1 + a22 x2 + ... + an2 xn )~v2 + ... +
+(a1m x1 + a2m x2 + ... + anm xn )~vm

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

En forma compacta es posible resumir el razonamiento anterior a la expresion:

n ! n n m m
n !
X X X X X X
f (u) = f xi~ei = xi f (~ei ) = xi aij ~vj = aij xi ~vj
i=1 i=1 i=1 j=1 j=1 i=1

de donde:
n
X
yj = aij xi Y = M (f ; B, B 0 )X
i=1

Propiedades de las matrices asociadas a aplicaciones lineales.

1. Dadas las aplicaciones lineales f, g : E F con matrices asociadas M (f ) =

M (f ; B, B 0 ) y M (g) = M (g; B, B 0 ) con respecto de las bases B y B 0 de E y F , se
verifica entonces que la matriz asociada a la aplicacion lineal suma (con respecto
a las mismas bases) no es mas que la suma de ambas matrices: M (f + g) =
M (f ) + M (g).

2. Dada la aplicacion lineal f : E F con matriz asociada M (f ) respecto de las bases

B y B 0 , se verifica que la matriz asociada a la aplicacion lineal f es: M (f ) =
M (f ).

3. Dadas las aplicaciones lineales f : E F con matriz asociada M (f ) = M (f ; B, B 0 )

respecto de las bases B y B 0 , y g : F G con matriz asociada M (g) = M (g; B 0 , B 00 )
respecto de las bases B, B 0 y B 00 de los espacios vectoriales E, F y G respectiva-
mente, se verifica que la matriz asociada a la composicion de f y g es el producto
de las matrices correspondientes, es decir: M (g f ) = M (g) M (f ).

3.4 Cambio de base en un espacio vectorial

Sean B = {~e1 , . . . , ~en } y B 0 = {e~0 1 , . . . , e~0 n } dos bases del espacio vectorial E. Dado un
vector ~e E, podremos entonces escribir ~e en coordenadas tanto en la base B como en
la base B 0 :
X n
~e = xi ~ei = x1 ~e1 + x2 ~e2 + . . . + xn ~en (x1 , . . . , xn )B
i=1
n
X
~e = x0j e~0 j = x01 e~0 1 + x02 e~0 2 + . . . + x0n e~0 n (x01 , . . . , x0n )B 0
j=1

Y supongamos conocidas las coordenadas de los vectores de la base B 0 con respecto a

B:
e~0 1 = a11~e1 + a12~e2 + ... + a1n~en


e~0 2 = a21~e1 + a22~e2 + ... + a2n~en
.....



~0
e n = an1~e1 + an2~e2 + ... + ann~en
APLICACIONES LINEALES 37

Si tomamos ahora la expresion: ~e = x1 ~e1 + . . . + xn ~en , y sustituimos en ella las ex-

presiones anteriores, tendremos una expresion que depende unicamente de los vectores
~ei , con i = 1, . . . , n. Usando un razonamiento completamente similar al realizado en la
seccion anterior, se concluya facilmente que deben verificarse las siguientes ecuaciones:

x1 = a11 x01 + a21 x02 + ... + an1 x0n x1 a11 a21 ... an1 x01
0 0
x2 = a12 x1 + a22 x2 + ... + an2 xn 0 x02
x2 a12 a22 ... an2
=
..... .. .. .. ... .. ..
0 0
xn = a1n x1 + a2n x2 + ... + ann xn 0 xn a1n a2n ... ann x0n

que reciben el nombre de ecuaciones del cambio de base de B a B 0 en el espacio vectorial

E. La matriz A:
a11 a21 ... an1
a
12 a22 ... an2
A=
.. .. ... ..
a1n a2n ... ann
que permite escribir las ecuaciones como una sola ecuacion matricial se llama matriz de
cambio de base de B a B 0 . Si denominamos X y X 0 a las correspondientes matrices
columna tendremos finalmente:
A X0 = X

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).

Matrices asociadas a una aplicacion lineal y cambios de base:

Sea f : E F una aplicacion lineal y consideremos las bases BE y BF de los espacios

E y F respectivamente. Definimos as la matriz M :

M = M (f ; BE , BF ) , M X =Y
38 APLICACIONES LINEALES

siendo X la matriz columna de coordenadas de un vector cualquiera de E en la base BE

e Y la matriz columna de coordenadas de la imagen de X en la base BF .
De manera similar tomaremos dos bases nuevas, BE0 y B 0 , en E y F respectivamente.
F
Tendremos as una nueva matriz, M 0 , de la forma:

M 0 = M (f ; BE
0
, BF0 ) , M 0 X0 = Y 0

Queremos conocer cual es la relacion que existe entre las matrices M y M 0 .

Sea AE es la matriz de cambio de base de BE a BE 0 en E, y sea A la correspondiente
F
0
al cambio de base en F , de BF a BF en F .

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.