FUNCIONES LINEALES

 Una función F definida de V (K) en U (K) , dos espacios vectoriales sobre el mismo
cuerpo K, cuyo esquema es: f: V  U
u  f (u)
que a cada vector u de V le hace corresponder un único vector f (u) de W , es lineal si
verifica:
- Para todo par de vectores de V : f ( u + v ) = f ( u ) + f ( v )
- Para todo escalar t y para todo vector u de V: f ( t . u ) = t . f ( u ) homogeneidad

La primera condición se la conoce como aditividad, indica que la función respeta las
operaciones internas definidas en los espacios vectoriales involucrados, la segunda se
denomina homogeneidad y está indicando que la función también respeta las
operaciones externas.
 FUNCIONES LINEALES
• Propiedades de una función lineal:
• Si f es una función lineal de V (K) en U (K) entonces:
1) f ( 0 ) = 0 ’ ( 0  V , 0’  U )
demostración:
f ( 0 ) = f ( 0.u ) = 0 . f ( u ) = 0 ’

2) f (-u) = - f (u) ( para cualquier u de V)

demostración:
f ( - u ) = f ( -1 . u ) = -1 . f ( u ) = - f ( u )

3) f (u – v) = f (u) – f (v) ( cualesquiera sean u y v de V )

demostración:
f(u–v) = f(u)+f(-v) = f(u)+(-f(v))=f(u)–f(v)
 FUNCIONES LINEALES

Ahora para todo par de escalares a, b ꞓ K y para todo par de vectores v, w ꞓ V,

obtenemos imponiendo ambas condiciones de linealidad:

F (av+bw) = a f(v) + b f(w) se utiliza para definirlas

Con mayor generalidad, para escalares ai ꞓ K y vectores vi ꞓ V, llegamos

, F ( a1 v1 + a2 v2 +… + an vn ) = a1 f(v1)+ a2 f(v2)+… + an f(vn)

Expresión utilizada para demostrar los teoremas.

FUNCIONES LINEALES
FUNCIONES LINEALES
 FUNCIONES LINEALES

 Núcleo e Imagen de una función lineal:

Sea f una función lineal de V (K) en U (K), asociados a esta función existen dos
subconjuntos, uno del conjunto de partida y otro del conjunto de llegada, que reciben
el nombre de Núcleo (o Ker) de la función e Imagen de la función, los definimos:
Ker f = N ( f ) = { u / u  V  f(u) = 0 ’ , 0 ’  U } son todos los vectores de V que tienen
como imagen al vector nulo de W
Im (f) = { v / v  U  (  u  V ) : f(u) = v } son todos los vectores de U que son
imagen de algún vector u de V

Los subconjuntos N (f) e Im (f) son subespacios de V y de U respectivamente.

 FUNCIONES LINEALES
 Los subespacios Núcleo e Imagen de f:
Sea f : v  W una función lineal
El conjunto Núcleo de f es un subespacio del dominio:
Demostración: N (f) = { u / u  V  f(u) = 0 }
- N (f)   ya que al menos u = 0 está en el conjunto.
- N (f)  V por definición del conjunto Núcleo.
- u  N (f) , f (u) = 0 y v  N (f) , f (v) = 0 entonces u + v  N (f) , ya que:
f (u + v ) = f (u) + f (v) = 0 + 0 = 0 (por ser f lineal)
- t  K y u  N (f) , f (u) = 0 entonces t . u  N (f) , ya que:
f (t . u ) = t . f (u) = t . 0 = 0 (por ser f lineal)
 FUNCIONES LINEALES

El conjunto Imagen de f es un subespacio del codominio:

Demostración: Im (f) = { v / v  U  (  u  V ) : f(u) = v }
- Im (f)   ya que al menos el vector 0 está en el conjunto ( f ( 0 ) = 0 )
- Im (f)  W por definición del conjunto imagen.
- v  Im (f), v = f (u) , u  V y v’  Im (f), v’ = f (u’) , u’  V , v + v’  Im (f) ya que:
v + v’ = f (u) + f(u’) = f (u + u’), entonces existe u + u’ en V del cual v + v’ es imagen
- t  K y v  Im (f), v = f (u) , u  V y resulta que t . v  Im (f) ya que:
t . v = t . f (u) = f ( t.u ), entonces existe en V un vector t.u del cual v es su imagen
FUNCIONES LINEALES
FUNCIONES LINEALES
 FUNCIONES LINEALES
Teorema de la imagen de un sistema de generadores:

Supongamos que v1, v2, vn generan un espacio vectorial V y que F : V → U es lineal.

Entonces F(v1), F(v2), … F(vn) generan Im F.
 FUNCIONES LINEALES

Teorema:
 FUNCIONES LINEALES

Ejemplo:
FUNCIONES LINEALES
FUNCIONES LINEALES
FUNCIONES LINEALES
 FUNCIONES LINEALES
Clasificación de las funciones lineales:
Se tiene una función lineal f de V (K) en W (K):
- Si f es inyectiva recibe el nombre de monomorfismo
- Si f es suryectiva recibe el nombre de epimorfismo
- Si f es biyectiva recibe el nombre de isomorfismo
- Si en f V = W recibe el nombre de endomorfismo
- Si f es un endomorfismo y es biyectiva recibe el nombre de automorfismo

APLICACIONES LINEALES SINGULARES Y NO SINGULARES. ISOMORFISMO

 FUNCIONES LINEALES
Teorema:

Demostración:
Supongamos que v1, v2, … vn son vectores linealmente independientes en V. Afirmamos que V
F(v1), F(v2), … F(vn) son también linealmente independientes. Supongamos que

a1 f(v1)+ a2 f(v2)+… + an f(vn) = 0, donde ai pertenece a K.

dado que F es lineal F (a1 v1 + a2 v2 +… + an vn ) = 0 por lo tanto,

a1 v1 + a2 v2 +… + an vn ꞓ Ker F.
Pero F es no singular, esto es el Ker F = {0}, luego a1 v1 + a2 v2 +… + an vn = 0. Siendo linealmente
independientes los vi, todos los ai son cero. De acuerdo con esto los f(vi) son linealmente independientes.

Isomorfismos:
 FUNCIONES LINEALES

Proposición: Una aplicación lineal f: V → U es inyectiva si y solo si es no singular

En este caso es aplicable el siguiente teorema:

Supongamos que V tiene dimensión finita y que f: V → U es lineal. Entonces f es un isomorfismo si y solo si
es no singular. Demostración:
 FUNCIONES LINEALES
Operaciones con Aplicaciones Lineales
FUNCIONES LINEALES
 FUNCIONES LINEALES
Teorema:
 FUNCIONES LINEALES
Composición de Aplicaciones Lineales:
 FUNCIONES LINEALES
Algebra de operadores lineales A(V)

(FG)H = F(GH) se dice que el álgebra A es asociativa

 FUNCIONES LINEALES
Enunciamos el siguiente teorema:
 FUNCIONES LINEALES

Ejemplo
 FUNCIONES LINEALES

Ejemplo
 FUNCIONES LINEALES
OPERADORES INVERTIBLES

Ejemplo:
 FUNCIONES LINEALES
Teorema:

1 del dominio

Y
es la facil
probar cualquiera
+
con

de las 4 es suficiente

Ya probamos que i) e ii) son equivalentes. Siendo así para demostrar el teorema, solo
necesitamos probar que lo son i) e iii). Se desprende entonces que iv) es euivalente de las otras.
Según vimos:
 FUNCIONES LINEALES
Ejemplo:
 FUNCIONES LINEALES

Teorema:
Consideremos un sistema de ecuaciones lineales con igual número de incógnitas y de ecuaciones


 FUNCIONES LINEALES
transformación

 Matriz asociada a una función lineal:

Se tiene una función lineal f : V  W ambos espacios vectoriales sobre el mismo cuerpo K
u  f (u)
B = { u1, u2, ... , un} es una base de V, B’ = { u’1, u’2, ... , u’m} es una base de W, si se conoce:
 a11   a12 
   
a
 21  a
 22 
f ( u1) = a11 u’1 + a21 u’2 + ... + am1 u’m =  , f ( u2) = a12 u’1 + a22 u’2 + ... + am2 u’m = 
...  ... 
   
a  a 
 m1   m2 
 a1n 
 
a
 2n 
... , f ( un) = a1n u’1 + a2n u’2 + ... + amn u’m = 
... 
 
a 
 mn 
Entonces la imagen de un vector u de V es un vector w de W : f ( u ) = w
 FUNCIONES LINEALES
 a11   a12   a1n   1 
       
 a 21   a 22   a 2n   2 
f (u) = 1 f (u1) + 2 f (u2) + ... + n f (un) = 1  + 2  + ... + n  =  ...  =
...  ...  ... 
       
a  a  a   m 
 m1   m2   mn   
 a11 a12 ... a1n    1   1 
     
 a 21 a 22 ... a 2n    2    2 
=  . = =w
... ... ... ...   ...   ... 
     
a a ... a   m   m 
 m1 m2 mn     

 a11 a12 ... a1n 

 
 a 21 a 22 ... a 2n 
La matriz: A =  que contiene a las imágenes de los vectores básicos de B
... ... ... ... 
 
a a m2 ... a mn 
 m1
expresados en B’ se llama matriz asociada a la función lineal f en dichas bases.
 FUNCIONES LINEALES
Ejemplo 1:
Si se trabaja con las bases canónicas en dominio y codominio.
x
  x  y
f : IR3  IR2 tal que f  y  =  
 z  y  z
 
Se halla la imagen de los vectores de la base canónica de IR3:
 1 0 0
   1    1   0 1 1 0 
f  0     f  1     f  0     luego A =   es la matriz asociada a
0 0  0   1  1    1  0 1  1
     
esta función en las bases canónicas.
 2
 
A partir de ella es posible hallar la imagen de algún vector del dominio: u =  1  por ejemplo,
  1
 
 2
 1 1 0    3
entonces hacemos A . u = f (u):   .  1  =  
 0 1  1    2 
  1
 FUNCIONES LINEALES
Ejemplo 2:
Cuando en dominio y codominio se conocen bases distintas de las canónicas.

En IR2 se tiene la base B = ( (-1,1), (1,2)) y en IR3 se tiene B’ = ( (1,1,1), (1,1,0), (-1,0,0) )
x  y
x  
f : IR2  IR3 dada por f  
y =  x  y 
   y 
 
Hallamos la imagen de los vectores de B y los expresamos en la base B’:
 0   1  1   1  1 
  1          
f  
 1    2  = 1 1
  + 2  1  + 3  0  =   3 
   1   1 0  0    2
         

 3   1  1   1  2 
 1          
f  
 2    1 =  1  1 + 2  1  + 3  0  =   3 
   2   1 0  0    4
         
 1 2 
 
Por lo tanto la matriz A =   3  3  es la matriz asociada a f en las bases B y B’
  2  4
 
 FUNCIONES LINEALES
 2 
Si queremos hallar a partir de ella la imagen de un vector cualquiera de IR2, u =   por
  3
 1 2    4
   2   
ejemplo, basta con hacer: A . u = f (u) :   3  3  .   =  3  esta es la imagen de u en las
  2  4   3  8 
   
bases B y B’ dada en IR2 y IR3 respectivamente.

De no disponer de esta matriz A asociada a la función en las bases B y B’, habría que determinar
a la función f en la base B, luego calcular con ella la imagen del vector u, y a esa imagen obtenida
expresarla en la base B’ del codominio.

La matriz asociada a una función lineal tiene m filas y n columnas, el número de filas lo determina
la dimensión del codominio y el número de columnas la dimensión del dominio.