Definición
Dados dos espacios vectoriales sobre el mismo cuerpo K . Una aplicación lineal
f : K n −→ K m es una regla, que dado un vector v ∈ V nos asigna un vector
f (v ) ∈ W (denominado imagen de v por f ) cumpliendo las siguientes condiciones:
En efecto,
En efecto,
(α · f )(v ) = α · f (v ) ∀v ∈ K n
(f + g )(v ) = f (v ) + g (v ) ∀v ∈ K n
son aplicaciones lineales.
(g ◦ f )(v ) = g (f (v )) ∀v ∈ K n
es una aplicación lineal.
Ejemplo
Hallar la composición de las aplicaciones lineales: f : R3 −→ R2 y g : R3 −→ R3
definidas por:
f (x, y , z) = (x − y , y + z)
g (x, y , z) = (x + z, x − y + z, y − z)
v = α1 v1 + α2 v2 + . . . + αn vn con αi ∈ K , ∀i
y por tanto
f (v ) = α1 f (v1 ) + α2 f (v2 ) + . . . + αn f (vn ).
En resumen: conociendo los vectores {f (v1 ), f (v2 ), . . . , f (vn )} podemos, según lo
anterior, calcular la imagen de cualquier vector de K n .
Definición
Sea f : K n −→ K m una aplicación lineal. Llamaremos matriz asociada de f a la
matriz que tiene por columnas las coordenadas de los vectores f (ei ) (siendo
Cn = {e1 , e2 , . . . , en } la base canónica de K n ) respecto de la base canónica Cm de
K m.
Dicha matriz se denotará como MCn ,Cm (f ).
Ejemplo
Determinar la matriz asociada de la aplicación lineal f : R3 −→ R3 definida por
f (x, y , z) = (x + y , y + z, z − x) y calcular matricialmente la imagen del vector
(3, 7, −4) por f .
Ejemplo
Dadas las aplicaciones lineales f : R3 −→ R3 , g : R2 −→ R3 , h : R3 −→ R2
definidas por,
MC2 ,C3 (4f − 3(g ◦ h)) = 4MC2 ,C3 (f ) − 3[MC2 ,C3 (g ) · MC2 ,C3 (h)] =
2 1 1 2 1
−1 1 0
=4· 1 0 −1 −3· 0 1 · =
1 1 0
−1 2 0 1 −1
11 −5 4
= 1 −3 −4 .
2 8 0
Dada una aplicación lineal hemos definido una matriz sobre dicha aplicación: la
matriz asociada. El proceso recı́proco tambien es posible. De hecho:
Definición
Dada la matriz de tamaño m × n sobre el cuerpo K,
a11 a12 . . . a1n
a21 a22 . . . a2n
M= .
..
... ... ... .
am1 am2 . . . amn
Definición
Dada f : K n −→ K m una aplicación lineal y un vector v ∈ K n . Al vector f (v ) se
le conoce como imagen de v por f .
Definición
Dada f : K n −→ K m una aplicación lineal y un vector w ∈ K m , llamaremos
antiimagen de w por f al conjunto
f −1 (w ) = {u ∈ K n | f (u) = w }
Definición
Sea f : K n −→ K m una aplicación lineal y U un subespacio de K n . Se define la
imagen de U por f al conjunto
Proposición
Si K n =< v1 , . . . , vn >, entonces Im(f ) =< f (v1 ), f (v2 ), . . . , f (vn ) >
Por tanto
Im(f ) =< (1, 1, −1), (−2, 1, 0), (0, 0, 1), (1, 1, −3) >
Haciendo operaciones elementales entre dichos vectores se obtiene que
{(1, 1, −1, ), (−2, 1, 0), (0, 0, 1)} es una base de Im(f ).
Definición
Sea f : K n −→ K m una aplicación lineal y W un subespacio de K m . Se define la
antiimagen de W por f al conjunto
f −1 (W ) = {v ∈ K n | f (v ) ∈ W }.
x −y +z −t = 0
U = {(x, y , z, t) | }
2x + z + t = 0
f (x, y , z, t) = (x + 2y − z, 2x + z + t, x + 2y − 2t),
La aplicación lineal h : Z33 −→ Z23 que nos da W = Ker(h) es la que tiene como
matriz asociada la matriz de coeficientes que nos da las ecuaciones de W , es decir
1 1 1
1 −1 −1
Definición
Una aplicación lineal f : K n −→ K m se dice inyectiva si Ker(f ) = {0}.
Una aplicación lineal f : K n −→ K m se dice suprayectiva si Im(f ) = K m , (es
decir dimK Im(f ) = m).
Una aplicación lineal f : K n −→ K m se dice biyectiva si es inyectiva y
suprayectiva.
Estudiemos la aplicación f .
1 1 −1
La matriz asociada de f es 1 0 1 . Como su rango es 3, tenemos que
1 2 0
dimZ7 (Im(f )) = 3. Por tanto Im(f ) = Z37 y f es suprayectiva.
Resolviendo el sistema:
1 1 −1 x 0
1 0 1 · y = 0 .
1 2 0 z 0
Por tanto
3 3 2 x
f −1 (x, y , z) = 2 2 3 · y = (3x +3y +2z, 2x +2y +3z, 4x +5y +5z).
4 5 5 z
Su matriz asociada es
0 0 1
1 1 1
4 2 1
9 3 1
El rango de dicha matriz es 3, es decir dimR (Im(f )) = 3 y Im(f ) 6= R4 . Ası́ pues f
no es suprayectiva.
MA,B (α · f ) = α · MA,B (f )
MA,B (f + g ) = MA,B (f ) + MA,B (g )
MA,D (h ◦ g ) = MB,D (h) · MA,B (g )
Más adelante veremos la relación que existe entre la matrices asociadas MCn ,Cm (f )
y MA,B (f ) de una misma aplicación lineal f .
AMD – Grado en Ingenierı́a Informática (UM) Aplicaciones Lineales 38 / 47
Relación entre las matrices asociadas de una aplicación
lineal
Dado el espacio vectorial K n , consideremos la aplicación identidad id : K n −→ K n .
Dicha aplicación sabemos que está definida como: id (v ) = v , ∀v ∈ K n .
Sea B = {v1 , v2 , . . . , vn } una base de K n . Para la aplicación id podemos
determinar las matrices
MB,Cn (id ) y MCn ,B (id )
Calculemos la matriz MB,Cn (id ).
Por definición, las columnas de la matriz MB,Cn (id ) son las coordenadas de los
vectores id (vi ) en base canónica. Pero id (vi ) = vi , luego las columnas de la matriz
MB,Cn (id ) son las coordenadas de los vectores vi .
Por simplificar la notación, denotaremos a la matriz MB,Cn (id ) como B, es decir
MB,Cn (id ) = B.
(B es la matriz cuyas columnas son las coordenadas de los vectores de la base B).
Sea la aplicación lineal id : (Z35 )A −→ (Z35 )B . Entonces las coordenadas del vector
vB en la base B será id (vA ).
La matriz de dicha aplicación sabemos que es B −1 · A (siendo B la matriz cuyas
columnas son las coordenadas de los vectores de la base B y A la matriz cuyas
columnas son las coordenadas de los vectores de la base A). Ası́ pues
−1
0 −1 1 1 1 0 1 0
vB = 0 1 1 · 0 1 1 · 2 = 1 .
1 0 1 1 0 1 3 4
f (x, y ) = (x + 2y , 2x + y , x + 2y , 0),
de donde
MC2 ,B (f ) = MC4 ,B (id ) · MC2 ,C4 (f ) =
−1
1 0 1 0 1 2
0 1 1 1 2 1
= B −1 · MC2 ,C4 (f ) =
1 0 0 0 · 1
=
2
1 1 1 0 0 0
de donde
MA,C4 (f ) = MC2 ,C4 (f ) · MA,C2 (id ) =
= MC2 ,C4 (f ) · A =
1 2 0 2
2 1 1 0 0 1
= · =
1 2 1 1 0 2
0 0 0 0