1. Aplicaciones lineales. Nucleo e imagen Las aplicaciones lineales (u homomorfismos de espacios vectoriales) desempefian en el estudio de los espacios vectoriales el mismo papel que las aplicaciones en el estudio de los conjuntos. Siendo los espacios vectoriales conjuntos dotados de una estructura adicional (las operaciones suma y producto por escalares) nos interesarén las aplicaciones que trasladen esta estructura de uno a otro espacio vectorial. En esta primera secci6n trataremos aspectos generales de las aplicaciones lineales entre espacios vectoriales de dimensi6n no necesariamente finita, aunque la mayor parte de los ejemplos se refieren a espacios de dimensién finita. 1.1. Definicion y ejemplos Dados K-espacios vectoriales V y V’, de una aplicacién f : V > V’ se dice que es una aplica- ci6n lineal si verifica: L. f(u+ v) = f(u) + fv), vu, ve V. 2. f(au) = af(u), Va eK, Yue V. Esto es: f es lineal si conmuta con las operaciones de espacio vectorial, asi por ejemplo la condi- cidn (1) impone que se obtenga el mismo resultado sumando primero los vectores y aplicando f aesta suma, que aplicando f a cada uno de ellos y sumando después. ‘Veamos algunos ejemplos: Ejemplo 1. Para cada espacio vectorial V podemos considerar la aplicacién identidad: EVovV definida por I(u) = u. Evidentemente se trata de una aplicacién lineal. Mas en general, para cada subespacio U de V podemos considerar la aplicacién lineal inclu- siéni: U — V, dada por i(u) = u. Ejemplo 2. Para cada dos espacios vectoriales V y V’ podemos considerar la aplicacién lineal cero (0 trivial): Ov—ovV que lleva todo vector de V en el vector de V’. Ejemplo 3. La aplicacion f : R? — R° dada por f(x, y) = (y,x) es lineal. En efecto considere- mos dos vectores cualesquiera de R?: (x,y), v = (x',y’). Entonces: SUF VY =AGY+OLY) =fetx yt y= Oty 24x) mientras que Fw) + FY) =fREY+LEY) =O. 42) = ty x42) De igual forma, para cada a € R se tiene: S (au) = f(a(x, y)) = flax, ay) = (ay, ax) af (u) = af (x,y) = a{y,x) = (ay, ax) 147 © ITES-Paraninto148 lil, Aplicaciones lineales. Ejemplo 4. La aplicacién g : R* -+ R? dada por g(x, y) = (y, x*) noes lineal. De hecho, para el escalar a = 2 yel vector u = (1,0) se tiene g(au) = g(2(1,0)) = g(2,0) = (0,4) mientras que ag(u) = 2g(1, 0) = 2(0,1) = (0,2). Ejemplo 5. Consideremos la aplicacion D: P(R) — P(R) que lleva cada polinomio en su derivada, esto es: D(p(x)) = p'(x). D es una aplicacion li- neal, puesto que la derivada de una suma de funciones es igual a la suma de sus derivadas, y la derivada de una constante por una funcién es igual a la constante por la derivada de la funcién. Ejemplo 6. La aplicacién ® : Mmxn(K) —>+ Mnxm(K) que leva cada matriz A en su tras- puesta A' es también lineal, puesto que segtin vimos (A + B)' = A’ + BY y(kA)! = kat Las dos propiedades definitorias del concepto de aplicaci6n lineal pueden condensarse en una sola condicién: = x Tene) | Una aplicacién f : V+ V' entre dos K-espacios vectoriales es lineal si, y solamente si, | flax-+ by) = af(x) + bf(y), Va,b eK, Vx, y € V- DEMOSTRACION. Supongamos que f es lineal, entonces: f(au + bv) = f(au) + (bv) aplicando el axioma (1) y f(au) + f(bv) = af(u) + bf(v) por el axioma (2), luego se verifica la condicién del enunciado. Reciprocamente, supongamos ahora que f verifica la condicién del enunciado y veamos que f ha de verificar (1) y (2). Para (1), apliquemos la condicién con a = b = 1: f(w-+v) = f(lu+1v) = 1f(u) + Uf(v) = fw) + fv). Para (2) aplicamos la condicién con b = 0, v = u: f(au) = F(au+ Ou) = af(u) + Of(u) = af(w).O Algunas propiedades que se deducen facilmente de la definicién y el resultado anterior son: Propledades de las aplicaciones lineales. Seaf : V + V' una aplicacién lineal, entonces se verifica: 1. f(0) =0. 2 f(-u) = ~f(u). 3. F(qyuy +++ + @ntin) = aif (uy) +>: + Qnf(Un); para cualesquiera ay,....an € K, UiysUn Ve Se - DEmosTRaci6n, 1. f(0) + (0) = f(0+ 0) = FO) > F(0) = 2.f(—u) = f((-Du) = (-1)f(w) = -f(w). © ITES-Paraninfo1 Aplicaciones lineales. Nucleo e imagen 149 3, Para el caso n = 2 es la condici6n del Lema anterior, mientras que para n > 2 se obtiene por medio de una induccién rutinaria. 0 La primera de estas propiedades establece una condicién necesaria (aunque no suficiente) para que una aplicacién sea lineal, lo que permite comprobar de forma rapida que algunas aplica- ciones no son lineales. Veamos algtin ejemplo: Ejemplo 7. La aplicaci6n f : R? — R* dada por f(x,y) = (x + 1,y) noes lineal, puesto que £(0,0) = (1,0) 4 (0,0). La aplicacion g : RB? -» R? dada por g(x, y) = (y,x*) verifica g(0,0) = (0,0) a pesar de que no es lineal como vimos en el ejemplo 4. 1.2. Nucleo e imagen de una aplicacién lineal Para una aplicacién lineal f : V -> V’ se definen su néicleo e imagen respectivamente por: Ker(f) = {x € V | f(x) = 0} Im(f) = f(x) |x € V} LEMA Dada una aplicacién lineal f : V + V', se verifica: 1. Ker(f) es un subespacio de V. 2. Im(f) es un subespacio de V". DEMOSTRACION. 1.Sean a,b € K, u,v € Ker(f) arbitrarios, entonces: f(au + bv) = af(u) + bf(v) = a0+b0 = luego au + bu € Ker(f). 2. Sean ahora a,b € K, uw’, v’ € Im(f) arbitrarios, entonces por la definicién de Im/(f), existen u,v € V de forma que f(u) = w’ y f(v) = v’, pero entonces f(au + bv) = af(u) + bf(v) = au’ + bv' luego también au’ + bv’ € Im(f).0 LEMA Dada una aplicacién lineal f : V — V', si {u1,..-, Un} es un sistema de generadores de V, entonces {f(u;).-..,f(tn)} es un sistema de generadores de Im(f). DemosrraciOn. Dado u’ € Im(f) arbitrario, existe u € V de forma que f(u) = wu’ y, puesto que {1,..., un} es un sistema de generadores de V, el vector u € V se podrd escribir como combinacién lineal: = Quy to + ann para clertos @,...,an €K, y entonces: ul = f(u) = f(a, +--+ Gntin) = aif (uy) +++ + anf (un) © ITES-Paraninto150 |i. Aplicaciones lineales Luego w’ se escribe como combinacién lineal de {f(1,),...,f(un)}- Puesto que w’ era un vector arbitrario de Im(f) obtenemos que {f(1:),..., f(un)} es un sistema de generadores de Im(f) como queriamos demostrar. 0 Este resultado nos proporciona un primer método para calcular la imagen de una aplicacion lineal. E! miicleo de una aplicacién lineal es facil de calcular a partir de la definicién. Notemos en todo caso que serd en la siguiente seccién cuando, con ayuda de matrices, estudiemos el método de calculo mas util en la practica para el caso de dimensién finita. Veamos un ejemplo: Ejemplo 8. Calculemos el niicleo y la imagen de la aplicacion lineal f : R° — R? definida por F(X,Y,2) = (x+Z,y,x-+ 2y +2) (x,y,z) € Kerf) «© f(x,y,z) = (0,0,0) 9 (x +2, yx + 2y + 2) = (0,0,0) { Este sistema de ecuaciones es equivalente al sistema escalonado reducido: x+z =0 y =0 que nos proporciona unas ecuaciones cartesianas de Ker(f). Pasando a ecuaciones paramétri- cas se obtiene: y por tanto el subespacio Ker(f) tiene base {(~1,0,1)}. Calculemos ahora la imagen de f. Usando el resultado anterior un sistema de generadores vendra dado por {F(1,0,0), f(0,1,0), f(0,0, 1)} 0 lo quees igual {(1,0,1), (0,1,2), (1,0, D} A partir de este sistema de generadores se obtiene la base de Im(f): {(1,0,1), (0,1,2)} Silo que nos interesa son unas ecuaciones paramétricas 0 cartesianas de f, podemos obtenerlas a partir de esta base de la forma usual. 1.3. Aplicaciones lineales inyectivas y sobreyectivas. Isomorfismos Recordemos que una aplicacién f : A —+ B es inyectiva si a elementos distintos de A hace corresponder imagenes distintas en B, esto es: fesinyectiva < Vx,y¢A, six # yentonces f(x) # fly); © equivalentemente: fesinyectiva <> ¥x,y€ A, sif(x) = f(y) entonces x = y. © ITES-Paraninto1. Aplicaciones lineales. Nucleo e imagen 151 La aplicaci6n f es sobreyectiva si todo elemento del segundo conjunto es imagen de alguno del primero, esto es: fessobreyectiva Vb B, existe a ¢ Ade forma que f(a) = b. La aplicacién f es biyectiva si es simultaneamente inyectiva y sobreyectiva. Para el caso que nos interesa, el de las aplicaciones lineales, el micleo y la imagen nos propor- cionan un cémodo método para determinar si una aplicacién lineal es inyectiva, sobreyectiva 0 biyectiva (o ninguna de estas cosas): PROPOSICION Dada una aplicacién lineal f : V — V', se verifica: 11. f es inyectiva <=> Kerf) = 0. "2. f es sobreyectiva <=> Im(f) = V’. DEMOSTRACION. 1. Supongamos que f es inyectiva, entonces dado u € Ker(f) arbitrario se tiene f(u) = 0 = f(0) y por la inyectividad u = 0, por tanto Ker(f) se reduce en este caso al subespacio trivial. Reciprocamente, supongamos ahora que Ker(f) = Oy sean u, v € V de forma que f(u) Entonces f(u—v) = f(u)—f(v) = 0, luego u—v € Ker(f)y puesto que por hipotesis Ker(f) hadeser u— v =0, esto es u= v. 2. Es evidente. 0 f(v). 0, Otra caracterizacién de las aplicaciones lineales inyectivas y sobreyectivas viene dada por su comportamiento frente a conjuntos linealmente independientes de vectores y sistemas de ge- neradores: LEMA _ Dada una aplicaci6n lineal f : V — V', se verifica: 1. f esinyectiva <== Pata cada conjunto linealmente independiente, {u,....ur}, el conjunto {f(ui),.--,f(ur)} es linealmente independiente, : 2, f essobreyectiva <=> Para cada sistema de generadores de V, {1,,..., us}, el con- Junto {f(u1),:.. f(us)} es un sistema de generadores de V' DEMOSTRACION. 1. Supongamos que f es inyectiva y que el conjunto {1,,...., ur} es linealmente independiente, y veamos que también el conjunto {f(1),-.-, f(ur)} es linealmente independiente. Conside- Temos una combinacién lineal igualada a cero: ayf(uy) +--+ + arf(ur) = 0 Entonces f(a, u, +--+ arttr) = 0, luego ay uy +--+ arur € Ker(f) = Oy por tanto au; +- Grr = 0, ¥ como los vectores 14,,..., Ur Son linealmente Independientes se tiene a = +++ = a, =0. Para la otra implicaci6n, veamos que Ker(f) = 0. Sea pues x € Ker(f), arbitrario, entonces el @ ITES-Paraninto152 IN Aplicaciones tineales conjunto {f(x)} = {0} es linealmente dependiente, luego, por la hipétesis del enunciado, tam- bién el conjunto {x} ha de ser linealmente dependiente y esto fuerza a que sea x = 0. 2. Si {uy, ..., us} es un sistema de generadores de V, entonces el conjunto (f(t)... (us)} es un sistema de generadores de Im(f), y en consecuencia {f(u1),..., f(us)} es sistema de gene- radores de V’ si, y s6lo si, Im(f) = V’ 0 equivalentemente si, y s6lo si, f es sobreyectiva. Recordemos que las aplicaciones lineales son llamadas también homomorfismos de espacios vectoriales. Las aplicaciones lineales inyectivas reciben también el nombre de monomorfis- mos, las sobreyectivas epimorfismos y las biyectivas isomorfismos. De dos espacios vectoriales Vy V’ se dice que son isomorfos, y se denota por V © V’, si existe un isomorfismo entre ellos. 1.4. Operaciones con aplicaciones lineales Dados K-espacios vectoriales V y V’, denotaremos por Homx(V, V’) al conjunto de todas las aplicaciones lineales de V en V’. En este conjunto podemos definir operaciones suma y pro- ducto por escalares en la siguiente forma: dadas fg € Homx(V,V’) y dado k € K se definen nuevas aplicaciones por: frerV—Vs (f+ aw) = flu) +a(u) Kf VV" (kf)(u) = kf(u) Comprobemos que efectivamente f + g y kf son aplicaciones lineales: Dados a,b € K, u,v € V se tiene: (f+ g)(au+ bv) = f(aut bv) +g(au+ bv) = = af(u) + bf(v) + ag(u) + bg(v) = = a(f(u) + g(u)) + BEF(v) + B(v)) = = af + g)(u) + BY + g)(v) (kf)(au+ bv) = kf(au+ bv) = K(af(u) + bf(v)) = akf (u) + bkf(v) = = alkf)(u) + b(Kf)(v) De hecho se tiene la siguiente Proposicién cuya demostracién es rutinaria: PROPOSICION Dados K-espacios vectoriales V y V’, el conjuinto Homy(V, V') de todas las aplicaciones lineales de V en V’' tiene estructura de K-espacio vectorial, con las operaciones definidas anteriormente. = Para la composicién de aplicaciones lineales se tiene: PROPOSICION Dadas aplicaciones linealesf : V — V’ yg: V' —+ V", sucomposicién gof : V — es también lineal, : © ITES-ParaninfoIIL1_ Aplicaciones lineales. Nuicleo e imagen 153 DEMosTRACION. En efecto, dados a, b € K, u, v € se tiene: (gof)(au+ bv) = g(flau+ bv)) g(af(u) + bf(v) ag(f(u)) + bg(f(v)) = = algo f)(u) + b(gof)(v). a De una aplicacién lineal f V — V de un espacio vectorial en si mismo se dice que es un endomorfismo. En el conjunto Endy(V) = Homx(V, V) de todos los endomorfismos de V la composicién es una operacién interna que ademis verifica las siguientes propiedades: Asociativa: (ho g) of = ho(gof). Elemento neutro: fo! =1of =f. Distributivas respecto dela suma: f 0 (g +h) =fog+foh. (feg)oh=foh+goh. Compatibilidad: a(g of) = (ag) of = g0 (af). Esto es, Endg(V) con la suma, el producto por escalares y la composicién, tiene estructura de K-dlgebra. V’ es un isomorfismo, entonces por ser f una aplicacién biyectiva, existe una n inversa f—! : V’ —> V de forma que f~! o f = ly yf of} = Iy:. Veamos que esta inversa es también lineal: PROPOSICION Para cada isomorfismo de espacios vectoriales f : V —+ V', su aplicaci6n inversa f~' : V! — V es también lineal (y por tanto isomorfismo). DEMOSTRACION. Sean a,b € Ky u,v € V’ arbitrarios y veamos que f~!(au + bv) = af~!(u) + bf (v). Para ello denotemos f—"(u) = u’ y f~"(v) = v’, entonces f(w’) = uy f(v") = vconlo cual f(au’ + bv’) = af(u’) + bf(v’) = au + bvy por tanto f—'(au + bv) = au’ + bv’, esto es, fo'(au + bv) = af *(u) + bf '(v).2 Para un espacio vectorial V, un automorfismo de V es una aplicacién lineal biyectiva de V en si mismo, es decir, es endomorfismo e isomorfismo simultaneamente. En el conjunto Aut(V) de todos los automorfismos de V la composicién es una operacién interna (la composicion de aplicaciones biyectivas es biyectiva) y en vista de lo anterior (Aut(V), 0) es un grupo, que recibe el nombre de grupo lineal de V. © ITES-Paraninfo2. Aplicaciones lineales y matrices En esta secci6n nos centraremos en el estudio de aplicaciones lineales entre espacios vectoriales de dimensién finita. Las matrices constituyen una importante herramienta para este objetivo. 2.1. Matriz asociada a una aplicacién lineal Sea f : V — V’ una aplicaci6n lineal y fijemos una base B = {e1, €2,...,en} de V. Entonces f estd totalmente determinada por las imagenes de los vectores de B: F(€1), FE), ++ fn) En efecto, para cada vector x € V de coordenadas x = (x1,...,xn)g se tiene x = xje)+-+-+xnen yentonces: F(x) = f(mer +--+ + xnen) = maf (er) +++ + xnf (en) Ejemplo 9. Seaf : R? — R° de forma que f(1,0) = (1,2,3) yf (0.1) = (2, 1,0). Entonces, por ejemplo: £(2,3) = f(2(1, 0) + 3(0, 1) = 2f(1,0) + 3f(0,1) = 2(1, 2,3) + 3(2, 1,0) = (8,7,6) Mas en general, para cada vector (x, y) € R® se tiene: S(4.Y) = F(XCL, 0) + (0,1) = xf (1,0) + yf (0,1) = x(1,2,3) + ¥(2,1,0) = = (x, 2x, 3x) + (2y,y,0) = (x + 2y,2x + y, 3x) Sea ahora una base BY = {u,..., Um} de V’ y consideremos las coordenadas respecto de B’ de los vectores f(é1),-.-.f(€n): (au1s--++@m)Br (ai2,--++@m2)Br filer) f(a) wu Glen) = (Gin. dnndr Dado un vector x de V de coordenadas x = (x1,...,Xn)a, entonces, segtin hemos visto f(x) = xifle1) +--+ + Xnf (en), luego las coordenadas de /(x) respecto de B serén: F(X) = (Qnty +o + @indny Gary + + Manny oo Ami Xt ++ + AmnXn) Be Ahora bien, si denotamos a las coordenadas de f(x) por f(x) = (yi,---;¥m)zr, entonces se ob- tiene: n AX to + inka ne Gai ++ + Gankn Ym mp X1 +++ + AmnXn o matricialmente: n a, ae ain\ (a Ye ap Gn | | x Yn, Am Amz... Amn) \Xn 155 © ITES-Paraninto156 Ill, Aplicaciones lineales. Esta expresi6n recibe el nombre de ecuaci6n matricial de la aplicacién lineal f respecto de las bases By B’, La matriz que aparece: a a2 ain My an Git Gp Amn recibe el nombre de matriz asociada a f respecto de las bases By B’, lo que denotaremos por A= Mp. (f). Sefalemos que su numero de columnas es igual a la dimensién del primer espa- cio y su numero de filas igual a la dimensién del segundo espacio. Denotando como en otras ocasiones x yn % ve X= Y=|. Xn Ym, nos queda la ecuacién matricial de f en la forma reducida: Y = AX En resumen: Ecuacidn matricial de una aplicacion lineal Sean V y V' K-espacios vectoriales de dimensiones n y m respectivamente y sean By Bl bases de V y V' respectivamente. Dada una aplicacién lineal f : V — V’, la ecuacion matricial de f respecto de las bases B y B' es la expresi6n: Y¥=AX que, dadas las coordenadas de un vector x respecto de B, permite calcular las coordena- das de su imagen y = f(x) respecto de B’. Aes la matriz asociada af respecto de By B', esto es: la matriz de orden m x n cuyas columnas son las coordenadas respecto de BY de las imdgenes por f de los vectores de B, Uncaso particular especialmente interesante es cuando V = V’. Recordemos que un endomor- fismo es una aplicaci6n lineal f : V + V de un espacio vectorial en s{ mismo, Para la matriz asociada a un endomorfismo es usual (y natural) considerar la misma base, digamos B, en el espacio de partida y en el de llegada, y denotarla Mtp(f) en lugar de Wz. a(f). Ejemplo 10. Sea D : P3(R) —+ Ps(iR) la aplicacién lineal derivada, que lleva cada polino- mio de grado menor o igual que 3 en su derivada. Consideremos la base esténdar de P3(R): B= {1,x,x7, x} y calculemos la matriz asociada a D respecto de la base B. Para ello, hemos de calcular las imagenes por D de los vectores de B, calcular sus coordenadas respecto de By © ITES-ParaninfoUL2_ Aplicaciones lineales y matrices 187 ponerlos por columnas en una matriz: D1) = 0=(0,0,0,0)5 D(x) = 1=(1,0,0,0)g Die) = 2x=(0,2,0,0)z Dixe) = 3x* = (0,0,3,0)g Luego la matriz asociada a D es: A=Mp(D) = Sood coor econo ewos Toda matriz es la matriz asociadaa una aplicaci6n lineal. Mas concretamente, dados K-espacios vectoriales Vy V’ de dimensiones ny m respectivamente y bases By B’ bases de V y V’ respec- tivamente, para cada matriz A € Mmxn(K), existe una tinica aplicacién lineal f : V — V’ de forma que My, y/(f) = A. Basta definir f como la aplicacién que leva cada vector x de V en el vector y de V’ cuyas coordenadas respecto de B’ se obtienen por Y = AX, donde X es la matriz columna formada por las coordenadas de x respecto de B. 2.2. Matriz asociada y nucleo e imagen ‘Veamos cémo la matriz asociada a una aplicaci6n lineal facilita también el cdlculo de su niicleo ¢ imagen. Para ello, sea f : V — V’ una aplicacién lineal con dim(V) = ny dim(V') = m, ysea Ala matriz asociada a f respecto de ciertas bases B y B’ de V y V’ respectivamente y denotemos r=rg(A). Entonces, las columnas de A son las coordenadas respecto de B’ de un sistema de generadores de Im(f), y en particular dim(Im(f)) = r. Por otra parte un vector x € V de coordenadas x = (1), ...,Xn)p esta en el nticleo de f si, y s6lo si, f(x) = 00 equivalentemente si, y s6lo si, AX = 0 y por tanto se obtienen unas cartesianas de Ker(f) a partir del sistema homogéneo cuya matriz de coeficientes es A: Xp +o +ainin = 0 Qa1X1 H+ + OonXn 0 Ami Xi bo + AmnXn 0 De estas m ecuaciones, el ntimero de ecuaciones independientes es exactamente r = rg(A) y en consecuencia dim(Ker(f)) = n ~ r. As{ pues hemos obtenido: Formula de las dimensiones para aplicaciones lineales: Seaf : V — V! una aplicacidn lineal, entonces se verifica: dim(Ker(f)) + dimUm(f)) = dim(v). Dada una aplicacién lineal f : V — V’ se llama rango de f, (rg(f)) ala dimensién de su imagen, ynulidad de f, (n(f)) a la dimensién de su niicleo. Expresada en estos términos, la formula de © ITES-Paraninfo158 lil. Aplicaciones lineales las dimensiones afirma que la suma del rango y la nulidad de una aplicacién lineal es igual ala dimensién del primer espacio. ‘Tenemos ya un método para calcular, a partir de la matriz asociada a f, un sistema de generado- res de Imif) y unas ecuaciones cartesianas de Ker(f). Si seguimos avanzando podemos obtener un nuevo método que nos proporciona directamente bases de Ker(f) e Im(f): Sefialemos para empezar que, puesto que las columnas de A forman un sistema de generadores de Im(f), podemos obtener una base de Jm(f) considerando las columnas no nulas de la forma de Hermite por columnas C de A. Si al calcular la forma de Hermite por columnas de A realiza- mos las operaciones elementales sobre iG ). obtendremos (8) donde P es una matriz regular de orden n de forma que C = AP. Como ya hemos dicho, tas columnas no nulas de C forman una base (en coordenadas) de Im(f), pues bien, las columnas de P que estén bajo las columnas de ceros de C (si las hay) forman una base de Ker(). En efecto, denotemos por C; a la columna i-ésima de C y por P; a la de P, entonces como AP = C, se tiene que para cada i se verifica AP; = C; luego las columnas de P que estn ba- jo una columna de ceros de C verifican AP; = Oy por tanto estas columnas son las coordenadas de vectores de Ker(f). Ademés se trata de n — r vectores que son independientes por formar parte sus coordenadas de una matriz regular, y dim(Ker(f)) = n— r segin la formula de las dimensiones. Por tanto, forman una base de Ker(f).. Veamos un ejemplo: Ejemplo 11. Consideremos la aplicacion lineal f : B® — 1° del ejemplo 8, f (x,y,z) = (x + 2,y,x + 2y +z). La matriz asociada af respecto de la base canénica es 10 1 A=(0 10 121 eorl-or erolpeoe Hool-or Seah ¥ — W uns eplicackén lineal Vic ayainie) ee sects tears : es invective a= AylA) = a. 2-7 es sobirepective' ees ry{Aya: me 5 enter om 4 spelen regular, DEMOSTRACION. 1. f es inyectiva si, y s6lo si, Ker(f) = 0, usando la formula de las dimensiones, esto es equiva lente a que sea dim(Im(f)) = dim(V), 0 lo que es igual, rg(A) = n. 2. f es sobreyectiva si, y s6lo si, Im(f) = V’, o equivalentemente si, y sélo si, dim(Im(f)) = © ITES-ParaninfoII.2. Aplicaciones lineales y matrices. 159 dim(V'), es decir rg(A) = m. 3. f es un isomorfismo si, y s6lo si, f es inyectiva y sobreyectiva, lo que es equivalente segtin los apartados anteriores a que sea n = rg(A) = m, es decir, a que sea n = m (es decir, A cuadrada) y rg(A) = n (A regular). DEMOSTRACION. Comencemos viendo la implicacién a derecha. Llamemos n = dim(V), m = dim(V') y sean By B’ bases de V y V’ respectivamente. Sea f : V + V’ un isomorfismo y sea Ala matriz de orden m x nasociada a f respecto de By B’. Por el Corolario anterior A es una matriz cuadrada regular y en particular n = m, esto es: dim(V) = dim(V'). Reciprocamente, supongamos que dim(V) = dim(V’) = ny sean B = {@),...,en}y B= {uy,..., Un} bases de V y V’ respectivamente. Consideremos la aplicaci6n lineal f : V — V’ cuya matriz respecto de By B’ es la matriz identidad de orden n, esto es: f(x e) + +++ + Xn€n) = 4 +--+ + Xnun. Entonces f es un isomorfismo por el Corolario anterior. 0 Ejemplo 12. Cada R-espacio vectorial V de dimensién n es isomorfo aR". De hecho, fijada una base B de V, la aplicaci6n fz : V — R” que aplica cada vector de V en sus coordenadas respecto de B es un isomorfismo de espacios vectoriales, cuya matriz asociada respecto de B y la base canénica deR”, es la matriz identidad. 2.3. Matriz asociada y cambio de base Veremos ahora cémo estén relacionadas las matrices asociadas a la misma aplicacién lineal res- pecto de distintas bases. Sea f : V + V' una aplicaci6n lineal con n = dim(V), m = dim(V'). Si Ay Cson las matrices asociadas a f respecto de distintas bases, entonces: 1g(A) = dim(Im(f}) = re(C) Luego A y C tienen igual rango y por tanto son matrices equivalentes. Concretemos mis esta situacién: Sean By B bases de V con cambio de base de B a B dado por X = PX y sean B’ y B’ bases de V’ con cambio de B’ a B’ dado por ¥ = QY. Consideremos la matriz asociada a f respecto de By B’: A = Mtg,5°(f) y la ecuacién matricial Y=AX De igual forma, sea C la matriz asociada respecto de B y B': C = Mg 5’(f) y consideremos la ecuacién matricial de f respecto de estas bases: Y=CX © ITES-Paraninfo160 UL. Aplicaciones lineales Grdficamente: y———-v’ p—_.y P| Q Bo _.# Entonces: Y=Q'¥=Q Ax =QaPx Yen consecuencia: C=Q'aP Para el caso de un endomorfismo, al considerarse la misma base en el espacio de partida y en el de llegada la situacién es: y——_-v B-——-B P P =— Ylarelaci6n entre Ay Ces: C= PAP De dos matrices cuadradas A y C para las que existe un matriz regular P de forma que C = P~' AP se dice que son semejantes. PROPOSICION 1. Dos matrices son equivalentes si, y sdlo si, son matrices asociadas a la misma aplica- ciGn lineal respecto de distintas bases, 2. Dos matrices son semejantes si, y s6lo si, son matrices asociadas al mismo endomor- fismo respecto de distintas bases. DEMOsTRACION. Probaremos la primera afirmacién, siendo la segunda enteramente similar. La implicacién a izquierda ya la hemos visto. Para el reciproco, supongamos que las matrices Ay Con equivalentes, entonces C = QAP para ciertas matrices regulares P y Q. Consideremos a aplicacién lineal f : K" —+ K" cuya matriz asociada respecto de las bases can6nicas B de Kk" y B' de K” es A. Tomemos las bases B de K" y B’ de K" determinadas por ser P la matriz de cambio de base de Ba B, y Qa matriz de cambio de base de B’ a B’. Entonces, segtin hemos visto, la matriz asociada a f respecto de By B’ es C. 2.4. Matriz aso Veremos en este epigrafe cémo la asignacién a una aplicacién lineal de su matriz asociada pre- senta un buen comportamiento con respecto a las operaciones con aplicaciones lineales. ida y operaciones con aplicaciones lineales © ITES-Paraninfo{11.2 Aplicaciones lineales y matrices 161 Dadas aplicaciones lineales f,g : V —> V’ con matrices asociadas A y C respecto de ciertas bases By B', y ecuaciones matriciales Y=AX, Y=cx denotando por ¥ alas coordenadas respecto de B’ de f(x) e ¥ alas de g(x). Entonces (f + g)(x) = f(x) + g(2), luego las coordenadas respecto de B de (f + g)(x) son Y+¥ yen consecuencia la ecuacién matricial de f + ges (¥ + ¥) = AX + CX =(A+C)X Asi pues, la matriz asociada af + gesA+C. De igual forma, puesto que (kf)(x) = kf(x), se obtiene que la matriz asociada a kf es kA. ‘Veamos ahora qué pasa con la composicién; consideremos h : V’ —- V”" con matriz asociada Dy ecuacién matricial Z = DY, y veamos cual es la ecuacién matricial de ho f. Si X representa las coordenadas de x, entonces Y = AX hace lo propio con las de f(x) y Z = DY con las de h(f(x)) = (ho f)(x), yse tiene Z = DY = DAX, luego la ecuaci6n matricial de ho f es: Z=(DA)X y por tanto la matriz asociada a ho f es DA. En resumen se tiene: PROPOSICION Dadas V, V' y V" K-espacios vectoriales de dimensién finita, B, B’ y B’ bases de V, V' y V” respectivamente yf,g: V —+ V' yh: V' —+ V" aplicaciones lineales se verifica: 1.Mp.o(f + 8) = Mao (f) + Me.w(g)- 2.00tg (kf) = KMp,p (f), para todo k € K. 3.Mp,5 (ho f) = May pr (W) Mao (f)- Las propiedades 1 y 2 anteriores nos proporcionan: | TEOREMA Dados k-espacios vectoriales V y V’ de dimensiones n y m respectivamente y dadas ba- ses B de V y B’ de V’ la aplicacion: My + Homy VV") — Minn) que lleva cada aplicaci6n lineal en su matriz asociada respecto de B y B’, es un isomorfis- mo de K-espacios vectoriales. En particular dint(Homy(V, V')) = mn, DEMOSTRACION. Por lo anterior, %p.5r es una aplicacién lineal. Es inyectiva puesto que una aplicacién lineal esta univocamente determinada por su matriz.asociada. Es sobreyectiva pues- to que, para cada matriz de orden m x n, existe una aplicacién lineal cuya matriz asociada es A, la de ecuaci6n matricial Y = AX. © ITES-Paraninto