Aplicaciones lineales

1. Definición de aplicación lineal.

Sea V y W dos espacios vectoriales y f :V → W una aplicación lineal. Se dice que f es una
aplicación lineal si verifica la siguiente condición:

f ( αv+ β v ' )=αf ( v ) + βf ( v ' ) , ∀ α , β ∈ K , ∀ v , v' ∈V .

Las aplicaciones lineales también suelen recibir el nombre de homomorfismos entre los
espacios vectoriales.

Un monomorfismo entre los espacios vectoriales V y W es una aplicación lineal f :V → W

inyectiva.

Un epimorfismo entre los espacios vectoriales V y W es una aplicación lineal f :V → W

sobreyectiva.

Un isomorfismo entre los espacios vectoriales V y W es una aplicación lineal f :V → W

biyectiva.

Si V =W y f :V → V es una aplicación lineal, se dice que f es un endomorfismo del espacio

vectorial V y si además es biyectiva, se dice que es un automorfismo de V .

Ejercicio:

Sea f : R 3 → R3 la aplicación lineal dada por:

f ( x , y , z )=(−2 y , x− y + z , x + z )

a) Hallar la matriz de f respecto de la base B= { ( 0 ,2 , 1 ) , ( 1 , 0 , 1 ) , (−1 , 0 , 0 ) } .

b) Usar dicha matriz para calcular f (−2 , 2 , 2 ).

Solución:

Tenemos
3 3
f :R →R

()( )( )( )
x −2 y 0 −2 0 x
f y = x− y + z = 1 −1 1 y
z x+z 1 0 1 z

Por tanto, la matriz de f en base canónica Bc es:

 ( )
0 −2 0
M fBc = 1 −1 1
1 0 1

Calculamos la matriz de f respecto de la base B= { ( 0 ,2 , 1 ) , ( 1 , 0 , 1 ) , (−1 , 0 , 0 ) }. Para ello

vamos a tener en cuenta que las columnas de la matriz de una función son transformados de
los elementos de la base.

Columna 1

() () ( ) ()
1 0 −4 α
f
0 ⟶ 2 −1 ⟶ β
⟶
0 B 1 Bc 1 Bc γ B

donde

( ) () () ( )
−4 0 1 −1
−1 =α 2 +β 0 +γ 0
1 Bc 1 Bc 2 Bc 0 Bc

{
−4=β−γ
−1=2α
1=α + β

−1 3 11
α= ; β= ; γ=
2 2 2
Finalmente:

() () ( ) ( )
1 0 −4 −1 /2
f
0 ⟶ 2 −1 ⟶ 3 /2
⟶
0 B 1 Bc 1 Bc 11/2 B

Por lo tanto, tenemos:

( )
−1/2 ? ?
M fBB = 3/2 ? ?
11/2 ? ?
Columna 2

() () () ()
0 1 0 α
f
1 ⟶ 0 2 ⟶ β
⟶
0 B 1 Bc 2 Bc γ B

donde

() () () ( )
0 0 1 −1
2 =α 2 +β 0 +γ 0
2 Bc 1 Bc 2 Bc 0 Bc

{
0=β −γ
2=2 α
2=α + β

α =1 ; β=1 ; γ =1
finalmente

() () ( ) ()
1 0 −4 1
f
0 ⟶ 2 −1 ⟶ 1
⟶
0 B 1 Bc 1 Bc 1 B

Por lo tanto, tenemos:

( )
−1/2 1 ?
M fBB = 3/2 1 ?
11/2 1 ?
Columna 3

() ( ) ( ) ()
0 −1 0 α
f
0 ⟶ 0 −1 ⟶ β
⟶
1 B 0 Bc −1 Bc γ B

donde

( ) () () ( )
0 0 1 −1
−1 =α 2 +β 0 +γ 0
−1 Bc 1 Bc 2 Bc 0 Bc

{
0=β−γ
−1=2 α
−1=α + β

−1 −1 −1
α= ; β= ; γ=
2 2 2
Finalmente:

() () ( ) ( )
1 0 −4 −1 /2
f
0 ⟶ 2 −1 ⟶ −1 /2
⟶
0 B 1 Bc 1 Bc −1 /2 B

Por lo tanto, tenemos:

( )
−1/2 1 −1/2
M fBB = 3/2 1 −1/2
11/2 1 −1/2

Por último, para verificar que nuestros cálculos son correctos, vamos a comprobar que
Traza ( M fBcBc )=Traza ( M fBB ) y que det ( M fBcBc ) =det ( M fBB )

Traza:

Traza ( M fBcBc )=Traza ( M fBB )

( )( )
0 −2 0 −1/2 1 −1 /2
1 −1 1 = 3/2 1 −1 /2
1 0 1 11/2 1 −1 /2

0=0
Determinante:

det ( M fBcBc ) =det ( M fBB )

( ) ( )
0 −2 0 −1/2 1 −1/2
det 1 −1 1 =det 3 /2 1 −1/2
1 0 1 11/2 1 −1/2

0=0

A continuación, calculamos f (−2 , 2 , 2 ) utilizando la matriz M fBB :

( )( )( )
−2 −1/2 1 −1/2 −2
f 2 = 3/2 1 −1/2 2
2 11/2 1 −1/2 2

( )( )
−2 2
f 2 = −2
2 −10
 2. Núcleo e imagen de una aplicación lineal

Dada una aplicación lineal f :V → W , su núcleo es Ker ( f )= { x ∈ V ∨f ( x )=0 }, y su imagen es

ℑ ( f )= { f ( x )∨x ∈ V }.

Ker(f) Im(f)

Nota: Nuc(f) = Ker(f)

La fórmula de las dimensiones para aplicaciones lineales relaciona las dimensiones de ambos
subespacios:

dim ( Ker ( f ) ) + dim ( ℑ ( f ) )=dim ( V )

Ejercicio:

Halle una base del subespacio núcleo y una base del subespacio imagen de la aplicación lineal
f : R → R definida por f ( x , y , z )=( x , y−z ,0 )
3 3
Solución:

Tenemos
3 3
f :R →R

()( )
x x
f y = y−z
z 0

A continuación, calculamos el Ker ( f ) :

( )( ) ( )
1 0 0 x 0
A= 0 1 −1 y = 0
0 0 0 z 0

{
x=0
y−z=0
0=0

Por lo tanto:

x=0 ; y =z
Finalmente:

{( )}
0
Ker ( f )= 1
1

A continuación, calculamos ℑ ( f ) :

() ()
0 0
f 1=0
1 0

() ()
1 1
f 0=0
0 0

() ()
0 0
f 1=1
0 0
Tenemos

( )
0 1 0
B= 0 0 1
0 0 0

A continuación, calculamos Rg ( B ) orlando:

( ) ( )
0 1 0
1 0
B= 0 0 1 ; det =1
0 1
0 0 0

( ) ( )
0 1 0 0 1 0
B= 0 0 1 ; det 0 0 1 =0
0 0 0 0 0 0

Por lo tanto:

Rg ( B )=2
Finalmente:

{( ) ( )}
1 0
ℑ ( f )= 0 , 1
0 0

Por último, para comprobar el resultado utilizamos la fórmula de las dimensiones:

dim ( Ker ( f ) ) + dim ( ℑ ( f ) )=dim ( V )

1+2=3
3=3
 3. Composiciones de aplicaciones lineales

Cuados realizamos una aplicación lineal y sobre el resultado aplicamos otra/s lo llamaremos
composición lineal. Se explica a través del siguiente esquema:

Sea V , W ,U espacios vectoriales y f :W →

f U , g :V g W aplicaciones lineales, entonces:
→

V gW f U
→ →

Por lo tanto

W f ∘gU
→

Nota: para que se pueda dar la composición, los espacios vectoriales de unión deben ser de la
misma dimensión, es decir, si tenemos f : R 2 → R 3 y g : R3 → R , es posible la composición g ∘ f
, pero no f ∘ g:
2 3
g∘f :R f R g R
→ →

Ejercicio:

Sean f : R → R3 y g : R2 → R las aplicaciones lineales definidas por f ( x )= ( 0 ,5 x , x ) y

g ( x , y )=2 x + y . Halle la representación matricial de la aplicación compuesta f ∘ g .
Solución:

Tenemos
3 2
f :R→ R g:R → R

() ( xy)=2 x + y
0 g
f ( x )= 5 x
x

2 3
f ∘ g: R g R f R
→ →

( )
0
f ∘ g:()
x
g 2 x + y f 5 (2 x + y )
y → →
2 x+ y

( )
0
f ∘ g:()
x
g 2 x + y f 10 x +5 y
y → →
2x+ y

Por lo tanto:

( )
0
f ∘ g: ()
x
y
= 5 (2 x + y )
2x+ y

A continuación, calculamos la matriz asociada (en base canónica) a la composición:

( )() ()
0 0
()1
0
2
0
= 10 ; = 5
1
1

Por lo tanto

( )
0 0
M f ∘ g= 10 5
2 1