52

Tema 4. APLICACIONES LINEALES

4.1 De¯nici¶on de aplicaci¶on lineal, ejemplos y propiedades

4.2 N¶ucleo e imagen de una aplicaci¶on lineal
4.3 Operaciones elementales con aplicaciones lineales
4.4 Matrices asociadas a una aplicaci¶on lineal
4.5 Cambio de base
 ¶ticas
Matema Aplicaciones lineales 53

4 APLICACIONES LINEALES

4.1 ¶ DE APLICACION
DEFINICION ¶ LINEAL, EJEMPLOS Y
PROPIEDADES

NOTA: Se considerar¶an u¶nicamente espacios vectoriales ¯nitamente

generados.

4.1.1 ¶
DEFINICION

Sean U; V espacios vectoriales sobre un cuerpo IK y f : U ¡! V

una aplicaci¶on.
f es una aplicaci¶on lineal si y s¶olo si:

² 8 u; v 2 U f (u + v) = f (u) + f (v).
² 8 u 2 U 8 ¸ 2 IK f (¸u) = ¸f (u).

4.1.2 ¶
PROPOSICION

Si U; V son espacios vectoriales sobre un cuerpo IK y f : U ¡! V

una aplicaci¶on, entonces:

f lineal () 8u; v 2 U 8¸; ¹ 2 IK f (¸u+¹v) = ¸f (u)+¹f (v):

4.1.3 ¶
PROPOSICION

Si U; V son espacios vectoriales sobre un cuerpo IK y f : U ¡! V

una aplicaci¶on, entonces la imagen por f de cualquier combinaci¶on
 ¶ticas
Matema Aplicaciones lineales 54

lineal de vectores es la combinaci¶on lineal de las im¶agenes:

n
X n
X
8n 2 IN 8u1; : : : ; un 2 U 8¸1 ; : : : ; ¸n 2 IK f ( ¸i ui) = ¸i f (ui):
i=1 i=1

4.1.4 ¶
DEFINICION

Sean U; V espacios vectoriales sobre un cuerpo IK y f : U ¡! V

una aplicaci¶on lineal.

1. f es un monomor¯smo si y s¶olo si f es inyectiva.

2. f es un epimor¯smo si y s¶olo si f es suprayectiva.
3. f es un isomor¯smo si y s¶olo si f es biyectiva.
4. f es un endomor¯smo si y s¶olo si U = V.
5. f es un automor¯smo si y s¶olo si f es un endomor¯smo biyec-
tivo.

4.1.5 EJEMPLOS

1. La aplicaci¶on identidad
idU : U ¡! U
u 7¡! u
es un automor¯smo.
2. La aplicaci¶on nula
f : U ¡! U
u 7¡! 0U
es un endomor¯smo.
 ¶ticas
Matema Aplicaciones lineales 55

3. La aplicaci¶on proyecci¶on i-¶esima

pi : IRn ¡! IR
(x1; : : : ; xn ) 7¡! xi
es un epimor¯smo.
4. Si U es un espacio vectorial sobre un cuerpo IK con dim U = n
y B es una base de U, entonces la aplicaci¶on que a cada vector
de x 2 U le asocia el vector de IKn cuyas componentes son las
coordenadas de x en la base B = fu1; : : : ; un g
f : U ¡! IKn
x 7¡! xB
es un isomor¯smo.

NOTA: xB = (x1; : : : ; xn ) () x = x1u1 + ¢ ¢ ¢ xnun.

5. Sea IK un cuerpo. La aplicaci¶on que a cada vector de IKn
le asocia la matriz columna formada por las componentes de
dicho vector
f: IKn ¡! M
0 n£11
(IK)
B x1 C
B
(x1; : : : ; xn) 7¡! B . C
B .. C
C
B C
@ A
xn
es un isomor¯smo.

NOTA: Este hecho da pie a que los vectores de IKn se repre-

senten como matrices columna.
 ¶ticas
Matema Aplicaciones lineales 56

4.1.6 PROPIEDADES

Sean U; V espacios vectoriales sobre un cuerpo IK y f : U ¡! V

una aplicaci¶on lineal. Se veri¯ca:

1. f (0U ) = 0V .
2. 8 u 2 U f (¡u) = ¡f (u).
3. 8 u; v 2 U f (u ¡ v) = f (u) ¡ f (v).
4. Si u1 ; : : : ; un 2 U son linealmente dependientes, entonces
f (u1 ); : : : ; f (un) son linealmente dependientes.
5. Si u1 ; : : : ; un 2 U, f es inyectiva y u1; : : : ; un son linealmente
independientes, entonces f (u1 ); : : : ; f (un) son linealmente in-
dependientes.

4.2 ¶
NUCLEO ¶ LINEAL
E IMAGEN DE UNA APLICACION

4.2.1 ¶
DEFINICION

Sean U; V espacios vectoriales sobre un cuerpo IK y f : U ¡! V

una aplicaci¶on lineal.

² Se denomina imagen de f al conjunto

Im f = f (U) = fv 2 V j 9u 2 U v = f (u)g:

² Se denomina n¶ucleo de f al conjunto

Ker f = f ¡1 (f0V g) = fu 2 U j f (u) = 0V g:

 ¶ticas
Matema Aplicaciones lineales 57

4.2.2 PROPIEDADES

Sean U; V espacios vectoriales sobre un cuerpo IK y f : U ¡! V

una aplicaci¶on lineal.

1. Si S es un subespacio vectorial de U, entonces f (S) es un

subespacio vectorial de V.
2. Si S es un subespacio vectorial de V, entonces f ¡1 (S) es un
subespacio vectorial de U.
3. Los conjuntos Ker f y Im f son subespacios vectoriales de U
y V, respectivamente.
4. La imagen de un sistema generador de U es un sistema gene-
rador de Im f .
5. Si f es un isomor¯smo y B = fu1; : : : ; un g es una base de U,
entonces ff (u1); : : : ; f (un )g es una base de V.
6. f es inyectiva si y s¶olo si Ker f = f0U g.

4.2.3 TEOREMA

Sean U; V espacios vectoriales sobre un cuerpo IK y una base

B = fu1 ; : : : ; ung de U. Dados v1 ; : : : ; vn 2 V, existe una apli-
caci¶on lineal f : U ¡! V, y s¶olo una, que cumple
8 i 2 f1; : : : ; ng f (ui ) = vi :
Esta aplicaci¶on viene de¯nida por f (x) = x1 v1 + ¢ ¢ ¢ + xnvn , donde
x = x1u1 + ¢ ¢ ¢ + xn un.
Adem¶as,
 ¶ticas
Matema Aplicaciones lineales 58

1. f inyectiva () v1 ; : : : ; vn linealmente independientes.

2. f suprayectiva () fv1; : : : ; vng sistema generador de V.
3. f isomor¯smo () fv1 ; : : : ; vng base de V.

4.2.4 ¶
DEFINICION

Sean U; V espacios vectoriales sobre un cuerpo IK y f : U ¡! V

una aplicaci¶on lineal. Se denomina rango de f , y se denota por
rg f , a la dimensi¶on del subespacio imagen, es decir,

rg f = dim Im f:

4.2.5 TEOREMA

Si U; V son espacios vectoriales sobre un cuerpo IK y f : U ¡! V

una aplicaci¶on lineal, entonces

dim U = dim Ker f + dim Im f:

4.2.6 COROLARIO

Sean U; V espacios vectoriales sobre un cuerpo IK, con dim U = n

y dim V = m, y f : U ¡! V una aplicaci¶on lineal. Se veri¯ca:

1. f inyectiva () rg f = n.
2. f suprayectiva () rg f = m.
3. f isomor¯smo () rg f = n = m.
 ¶ticas
Matema Aplicaciones lineales 59

4.3 OPERACIONES ELEMENTALES CON APLICACIONES

LINEALES

4.3.1 ¶
DEFINICION

Sean U; V espacios vectoriales sobre un cuerpo IK. Se de¯ne:

² Conjunto de aplicaciones lineales de U en V

L(U; V) = ff : U ¡! V j f aplicaci¶on linealg:

² Conjunto de endomor¯smos de U
End(U) = ff : U ¡! U j f aplicaci¶on linealg:

En el conjunto L(U; V) se de¯nen dos operaciones:

² Suma: f + g : U ¡! V
+
L(U; V) £ L(U; V) ¡! L(U; V)
(f; g) 7¡! f + g
de forma que
8 u 2 U (f + g)(u) = f (u) + g(u):

² Producto por un elemento del cuerpo: ¸ ¢ f : U ¡! V

²
IK £ L(U; V) ¡! L(U; V)
(¸; f ) 7¡! ¸ ¢ f
de forma que
8u 2 U (¸ ¢ f )(u) = ¸f (u):
 ¶ticas
Matema Aplicaciones lineales 60

4.3.2 ¶
PROPOSICION

(L(U; V); +; ¢) es un espacio vectorial sobre IK.

4.3.3 ¶
PROPOSICION

Sean U; V; W espacios vectoriales sobre un cuerpo IK. Si

f 2 L(U; V) y g 2 L(V; W), entonces g ± f 2 L(U; W).

4.3.4 ¶
PROPOSICION

Sean U; V espacios vectoriales sobre un cuerpo IK y f 2 L(U; V).

Si f es biyectiva, entonces f ¡1 2 L(V; U).

4.4 ¶ LINEAL
MATRICES ASOCIADAS A UNA APLICACION

Sean U ; V espacios vectoriales sobre un cuerpo IK,

B = fu1; : : : ; ung, B0 = fv1; : : : ; vmg bases de U y V, respec-
tivamente, y f 2 L(U; V).
Por ser B0 base de V y f (u1); : : : ; f (un) 2 V, existen aij 2 IK con
i 2 f1; : : : ; mg, j 2 f1; : : : ; ng tales que

f (u1 ) = a11v1 + ¢ ¢ ¢ + am1vm

.............................
f (un ) = a1nv1 + ¢ ¢ ¢ + amnvm :
 ¶ticas
Matema Aplicaciones lineales 61

Por tanto, sus componentes o coordenadas en la base B0 son:

f (u1 )B0 = (a11 ; : : : ; am1 )
.........................
f (un )B0 = (a1n; : : : ; amn):

Sea x 2 U con coordenadas en la base B, xB = (x1; : : : ; xn ); como

f (x) 2 V y B0 es base de V, existen y1; : : : ; ym 2 IK de forma que
f (x)B0 = (y1; : : : ; ym ). Entonces

f (x) = f (x1u1 + ¢ ¢ ¢ + xn un)

= x1 f (u1 ) + ¢ ¢ ¢ + xnf (un)
= x1 (a11 v1 + ¢ ¢ ¢ + am1 vm ) + ¢ ¢ ¢
+ xn(a1nv1 + ¢ ¢ ¢ + amnvm )
= (x1a11 + ¢ ¢ ¢ + xn a1n)v1 + ¢ ¢ ¢
+ (x1am1 + ¢ ¢ ¢ + xnamn )vm :

Luego
y1 = x1a11 + x2 a12 + ¢ ¢ ¢ + xna1n
¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢¢
ym = x1am1 + x2am2 + ¢ ¢ ¢ + xnamn:

En forma matricial:
0 1 0 10 1
B
B
y1 C
C
B
B
a11 ¢ ¢ ¢ a1n CB
CB
x1 C
B
B
... C
C = B
B ............. CB
CB
... C
C
C:
B C B CB C
@ A @ A@ A
ym am1 ¢ ¢ ¢ amn xn
 ¶ticas
Matema Aplicaciones lineales 62

Denotaremos por M(f; B; B 0) a la matriz de Mm£n(IK) obtenida

en la expresi¶on anterior. Esta matriz recibe el nombre de matriz aso-
ciada a f en las bases B y B 0.

µ ¶
0
NOTA: M(f; B; B ) = f (u1)B0 j ¢ ¢ ¢ jf (un)B0 :

f (x)B0 = M(f; B; B0 )xB :

4.4.1 TEOREMA

Sean U; V espacios vectoriales sobre un cuerpo IK, dim U = n,

dim V = m y B; B 0 bases de U y V, respectivamente. La aplicaci¶on
©
L(U; V) ¡! Mm£n(IK)
f 7¡! M(f; B; B 0)

es un isomor¯smo.

4.4.2 TEOREMA

Sean U; V, W espacios vectoriales sobre un cuerpo IK y B; B 0,

B00 bases de U; V y W, respectivamente, con dim U = n. Si
f 2 L(U; V) y g 2 L(V; W), entonces:

1. M(g ± f; B; B00) = M(g; B 0; B00 )M(f; B; B 0).

2. M(idU ; B; B) = In.
3. f isomor¯smo ) M(f ¡1 ; B0 ; B) = M(f; B; B0 )¡1 .
 ¶ticas
Matema Aplicaciones lineales 63

4.4.3 ¶
PROPOSICION

Sean U, V espacios vectoriales sobre un cuerpo IK y B, B0 bases

de U y V, respectivamente. Si f 2 L(U; V), entonces
rg f = rg(M(f; B; B0 )):

4.5 CAMBIO DE BASE

Sean U un espacio vectorial sobre un cuerpo IK, B = fu1; : : : ; un g,

B0 = fu01; : : : ; u0ng bases de U y x 2 U con coordenadas en dichas
bases: xB = (x1 ; : : : ; xn) y xB0 = (x01 ; : : : ; x0n).
Podemos obtener la relaci¶on existente entre las coordenadas de x
en estas dos bases a partir de las matrices asociadas a la aplicaci¶on
idU en dichas bases:
xB 0 = idU (x)B0 = M(idU ; B; B0 )xB
xB = idU (x)B = M(idU ; B0 ; B)xB0

NOTA: M(idU ; B 0; B) = M(idU ; B; B0 )¡1.

4.5.1 CAMBIO DE BASE EN MATRICES DE APLICACIONES LINEALES

Sean U, V espacios vectoriales sobre un cuerpo IK, B, C bases de

U y B0 ; C 0 bases de V. Si f 2 L(U; V), entonces:
f
B U ¡! V B0
# idU idV "
f
C U ¡! V C0
M(f; B; B0 ) = M(idV ; C 0 ; B 0)M(f; C; C 0)M(idU ; B; C):
 ¶ticas
Matema Aplicaciones lineales 64

NOTA: Si U = V, B = B 0 y C = C 0 , entonces:

f
B U ¡! U B
# idU idU "
f
C U ¡! U C

M(f; B; B) = M(idU ; B; C)¡1M(f; C; C)M(idU ; B; C):

4.5.2 ¶
DEFINICION

Sean IK un cuerpo y M; N 2 Mn£n (IK). Se dice que M es

semejante a N si y s¶olo si existe P 2 Mn£n(IK) inversible tal
que M = P ¡1 N P .

NOTA: La relaci¶on de semejanza de matrices es de equivalencia

(re°exiva, sim¶etrica y transitiva).

4.5.3 ¶
PROPOSICION

Sean IK un cuerpo y M; N 2 Mn£n(IK). Si M y N son semejantes

entre s¶³, entonces:

1. det M = det N.

2. tr M = tr N .

3. rg M = rg N .
 ¶ticas
Matema Aplicaciones lineales 65

4.5.4 ¶
PROPOSICION

Si U es un espacio vectorial, B, B 0 bases de U y f 2 End(U),

entonces M(f; B; B) y M(f; B 0 ; B0 ) son semejantes entre s¶³.

4.5.5 COROLARIO

Si U es un espacio vectorial, B, B 0 bases de U y f 2 End(U),

entonces:

1. det M(f; B; B) = det M(f; B 0 ; B0 ).

2. tr M(f; B; B) = tr M(f; B0 ; B 0).
3. rg M(f; B; B) = rg M(f; B0 ; B0 ) = rg f .