Instituto tecnolgico de Tuxtla gutierrez

Instituto tecnolgico Nacional

(Instituto tecnolgico de Tuxtla Gutirrez)

Algebra lineal
unidad 4 y 5
Espacio vectoriales y transformaciones lineales
Alumno:
Lpez Prez Jess Alberto
(17271187)
Prez Velasco Roberto Antonio
(14270811)

Ing. Mecnica
Segundo semestre grupo C

Catedrtico:
Ing. Juarez Ontiveros alonso

Fecha de entrega:
28 de mayo de 2015

Tuxtla Gutirrez, Chiapas.

Introduccin

Instituto tecnolgico de Tuxtla gutierrez

Un espacio vectorial real V es un conjunto de objetos, denominados vectores,
junto con dos operaciones binarias llamadas suma y multiplicacin por un
escalar y que satisfacen los diez axiomas enumerados a continuacin.
Notacin. Si x y y estn en V y si a es un nmero real, entonces la suma se
escribe como x + y y el producto escalar de a y x como ax.
Antes de presentar la lista de las propiedades que satisfacen los vectores en un
espacio vectorial deben mencionarse dos asuntos de importancia. En primer lugar,
mientras que puede ser til pensar en R 2 o R3 al manejar un espacio vectorial, con
frecuencia ocurre que el espacio vectorial parece ser muy diferente a estos
cmodos espacios (en breve tocaremos este tema). En segunda instancia, la
definicin 1 ofrece una definicin de un espacio vectorial real. La palabra real
significa que los escalares que se usan son nmeros reales. Sera igualmente
sencillo definir un espacio vectorial complejo utilizando nmeros complejos en
lugar de reales. Este libro est dedicado principalmente a espacios vectoriales
reales, pero las generalizaciones a otros conjuntos de escalares presentan muy
poca dificultad.
Las transformaciones lineales son las funciones y tratan sobre K-espacios
vectoriales que son compatibles con la estructura (es decir, con la operacin y la
accin) de estos espacios.Aqu se presentan las funciones entre espacios
vectoriales que preservan las cualidades de los espacios vectoriales. Es decir, de
funciones que preservan la suma y la multiplicacin por escalares.
Nosotros usaremos el concepto de la funcin para darle un tratamiento a los
sistemas de ecuaciones lineales. La restriccin que haremos sera sobre el tipo de
funciones: solo estaremos interesados en funciones que preserven las
operaciones en el espacio vectorial. Este tipo de funciones sern llamadas
funciones lineales. Primeramente las definiremos, veremos algunas propiedades
generales y despus veremos como se aplican estos resultados a sistemas de
ecuaciones.
Sean V y W dos espacios vectoriales posiblemente iguales.
Una transformacin lineal o mapeo lineal de V a W es una funcin
T : V W tal que para todos los vectores u y v de V y cualquier escalar c:
a) T (u + v) = T (u) + T (v)
b) T (c u) = c T (u

Contenido
Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Introduccin........................................................................................................ II
Unidad IV............................................................................................................. III
Espacio vectorial............................................................................................. IV
Propiedades y subespacio de un espacio vectorial..........................................V
COMBINACIN LINEAL...................................................................................VIII
INDEPENDENCIA LINEAL............................................................................... IX
Bases y dimensin de un espacio vectorial, cambio de base.........................XI
Espacio vectorial con producto interno y sus propiedades...........................XIII
Base ortonormal, Proceso de ortonormalizacin de Gram Schmidt...............XV
Unidad V........................................................................................................... XVII
TRANSFORMACIONES LINEALES..............................................................XVII
Introduccin a las transformaciones lineales..............................................XVIII
Ncleo e imagen de una transformacin lineal...........................................XXIII
La matriz de una transformacin lineal.....................................................XXVII

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Unidad IV
Espacios vectoriales

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Espacio vectorial.
Del latn spatium, el espacio puede ser la extensin que
contiene la materia existente, la capacidad de un lugar o la
parte que ocupa un objeto sensible. Vectorial, por su parte, es
lo perteneciente o relativo a los vectores. Este trmino, de
origen latino, refiere al agente que transporta algo de un lugar a
otro o a aquello que permite representar una magnitud fsica y que se define por
un mdulo y una direccin u orientacin.
La nocin de espacio vectorial se utiliza para nombrar a la estructura matemtica
que se crea a partir de un conjunto no vaco y que cumple con diversos requisitos
y propiedades iniciales. Esta estructura surge mediante una operacin de suma
(interna al conjunto) y una operacin de producto entre dicho conjunto y un
cuerpo. Es importante tener en cuenta que todo espacio vectorial dispone de una
base y que todas las bases de un espacio vectorial, a su vez, presentan la misma
cardinalidad.
Comenzamos definiendo un campo y un espacio vectorial sobre un campo (es
comn observar que un campo es en particular un grupo abeliano ). Los ejemplos
tpicos de campos son el campo de los nmeros reales R, el campo de los
nmeros complejos C y para cada nmero primo p en Z, el campo de los enteros
mdulo p, Zp. Los ejemplos tpicos de espacios vectoriales son Rn sobre el
campo R, Cn sobre el campo C (en general, Fn sobre cualquier campo F), al igual
que los siguientes ejemplos con las correspondientes operaciones usuales de
suma y multiplicacin por escalares:

Polinomios con coeficientes en un campo F

P(F) = {a0 + a1t + a2t2 + ... + antn | ai F y n N}

Funciones de un conjunto X en un campo F

F(S, F) = {f : X F | f es una funcin}

Funciones continuas de un espacio topolgico X en un campo F con una

topologa en l definida

C(X, F) = {f : X F | f es una funcin continua}

Matrices de n x m con entradas en un espacio vectorial V sobre un campo F

Mn x m(V) = {(

a1,1
:

... a1,m
:

) | ai,j V, con 1 i n y 1 j m}

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

an,1

... an,m

Propiedades y subespacio de un
espacio vectorial
Las siguientes son propiedades elementales de un espacio vectorial V sobre un
campo F cuyas pruebas se dejan como ejercicios:
1. (Ley de la cancelacin) Si x, y, z V y x + z = y + z, entonces x = y
2. El vector 0 es nico con la propiedad de que para toda x V, x + 0 = x
3. Para toda x V, 0x = 0
4. Para todo a F y x V, (-a)x = -(ax)
5. Para toda a F, a0 = 0
Se define un subespacio de un espacio vectorial V sobre un campo F y es un
ejercicio demostrar que un subconjunto W V es un subespacio si y slo si para
todos a, b F y x, y V, ax + by V. Dos ejemplos de subespacios son los
subconjuntos de Mn x n(V) formados por matrices (1) simtricas, (2) diagonales y (3)
con traza igual a cero. Es claro que la interseccin de dos (y por lo tanto de
cualesquiera) subespacios de V resulta en un subespacio de V. Sin embargo, esto
no sucede con la unin (como ejemplo tmense cualesquiera dos rectas distintas
en R2 que pasen por el origen).
Dado un subconjuntos S de un espacio vectorial V sobre un campo F, denotamos
por <S> al subespacio generado por S, y se demuestra fcilmente que <S> es
precisamente el conjunto de todas las combinaciones lineales de elementos de S,
es decir,
<S> = {a1x1 + ... + anxn | n N, ai F y xi V}.
Definimos la suma de un nmero finito de subconjuntos S1, ..., Sn de un espacio
vectorial V sobre un campo F y se verifica directamente que si W1, ..., Wn V,
entonces
W1 + ... + Wn = <W1 ... Wn>

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Se define el que un espacio vectorial V sea la suma directa de dos de sus
subespacios W1, W2 V, y es fcil ver que ste es el caso si y slo si para
cada z en V, existen nicos x W1 y y W2 tales que z = x + y).
Definimos el que un subconjunto S V sea un subconjunto generador. Definimos
tambin (in)dependencia lineal y finalmente se define una base como aquellos
subconjuntos generadores de V que son linealmente independiente. Las bases se
distinguen como subconjuntos generadores en el sentido de que la combinacin
lineal correspondiente a cada vector es nica.
Para definir la dimensin de un espacio vectorial V sobre un campo F, primero
observamos que si S V y x V - S, entonces el conjunto S {x} es
linealmente dependiente si y slo si x est en L(S). Este hecho se usa para
demostrar el siguiente resultado.
TEOREMA I.1 Si V est generado por un subconjunto finito S, entonces podemos
extraer de S una base para V, y por lo tanto V posee una base finita.
TEOREMA I.2 Si es una base de V con exactamente n elementos y S es un
subconjunto
de V linealmente
independiente
con m elementos,
donde m n, entonces siempre podemos encontrar un subconjunto S0
con
exctamente n - m elementos de forma tal que L(S S0) = V.
Como consecuencia del teorema I.2 tenemos el siguiente resultado.
COROLARIO I.3 Si V posee una base con exactamente n elementos, entonces
todo subconjunto de V linealmente independiente con n elementos es tambin una
base deV.
COROLARIO I.4 Si V posee una base con exactamente n elementos, entonces
todo subconjunto de V con ms de n elementos es linealmente dependiente. Por
lo tanto, cualquier subconjunto linealmente independiente de V contiene como
mximo n elementos.
Con estos resultados podemos finalmente argumentar que en un espacio vectorial
con un conjunto generador finito, la dimennsin est bien definida, como as lo
indica el siguiente corolario.
COROLARIO I.5 Si V posee una base con n elementos, entonces cualquier otra
base de V deber tener tambin n elementos.
En caso de que un espacio vectorial no posea una base finita, la dimensin se
define como infinito.

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

TEOREMA I.6 Si V es un espacio vectorial sobre un campo F tal que dim(V)
= n, entonces
para
cualquier
subespacio W V se
tiene
que dim(W) n, con dim(W) = n si y slo si W = V.
El siguiente corolario refuerza el teorema I.2.
COROLARIO I.7 Si es una base de un espacio vectorial V de dimensin
finita dim(V) = n y S V es un subconjunto linealmente independiente (y por lo
tanto |S| = k n), entonces podemos encontrar un subconjunto S0
con
exctamente n - k elementos y tal que S S0 es una base de V.
Terminamos esta seccin con un resultado que en particular proporciona un
criterio de suma directa.
TEOREMA I.8 Si W1 , W2 V, con dim(V) = n, entonces
dim(W1 + W2) = dim(W1) + dim(W2) - dim(W1 W2),
y por lo tanto V = W1 W2 si y slo si dim(V) = dim(W1) + dim(W2).

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

COMBINACIN LINEAL
Sean v1, v2, , vn, vectores en un espacio vectorial V. entonces cualquier vector
de la forma: a1v1+a2v2++anvn, donde a1,a2,,an son escalares se denomina
una combinacin lineal de v1, v2,,vn.
Una combinacin lineal en M23

Conjunto generador.
Se dice que los vectores v1, v2, , vn de un espacio vectorial V generan a V si
todo vector en V se puede escribir como una combinacin lineal de los mismo. Es
decir, para todo vV, existen escalares a1, a2, , an tales que v=a1v1+a2v2+
+anvn
Cuatro vectores que generan a M22

Espacio generado por un conjunto de vectores.

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Sean v, v2, , vk, k vectores de un espacio vectorial V. el espacio generado por
{v1, v2, , vk} es el conjunto de combinaciones lineales v1, v2, , vk. Es decir

donde a1, a2, , ak, son

escalares arbitrarios.

Teorema: si v1, v2, , vk son vectores en un espacio vectorial V, entonces gen{v1,

v2, , vk} es un subespacio de V.
Ejemplo: el espacio generado por dos vectores en R3
Sea v1=(2,-1,4) y v2=(4,1,6). Entonces H=gen{v1, v2}={v:v=a1(2,-1,4)+a2(4,1,6)}.
Cul es la apariencia de H? si v=(x, y,z)H, entonces tiene x=2a1+4a 2, y=-a1+a2
y z=4a 1+6 2. Si se piensa que (x, y, z) esta fijo, entonces estas ecuaciones se
pueden ver como un sistema de tres ecuaciones con tres incognitas a1, a2. Este
sistema se resuelve en la forma usual:

INDEPENDENCIA LINEAL
En el estudio del algebra lineal, una de las ideas centrales es la de dependencia o
independencia lineal de los vectores. En esta seccin se define el significado de
independencia lineal y se muestra su relacin con la teora de sistemas
homogneos de ecuaciones y determinantes.

Existe una relacin espacial entre los vectores , se puede apreciar que v2=2v1; o
si se escribe esta ecuacin de otra manera. 2v1-v2=0.
Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

En otras palabras, el vector cero se puede escribir como una combinacin no
trivial de v1 y v2 (es decir, donde los coeficientes en la combinacin lineal no son
ambos cero). Qu tienen de especial los vectores ? La respuesta a esta pregunta
es ms difcil a simple vista. Sin embargo, es sencillo verificar que v3=3v1+2v2;
rescribiendo esto se obtiene.

Se ha escrito el vector cero como una combinacin lineal de v1, v2, y v3. Parece
que los dos vectores de la ecuacin y los tres vectores de la otra ecuacin tienen
una relacin ms cercana que un par arbitrario de 2-vectores a una terna arbitraria
de 3-vectores. En cada caso, se dice que los vectores son linealmente
dependientes. En trminos generales, se tiene la importante definicin a
continuacin presentada.
Definicin: sean v1, v2, , vn vectores en un espacio vectorial V. entonces se dice
que lois vectores son linealmente dependientes si existen n escalares c1, c2, ,
cn no todos ceros tales que .Si los vectores no son linealmente dependientes, se
dice que son linealmente independientes.

Para decirlo de otra forma, v1, v2, .., vn son linealmente independientes si la
ecuacin c1v1+c2v2++cnvn=0 se cumple nicamente para c1=c2==cn=0. Son
linealmente dependientes si el vector cero en V se puede expresar como una
combinacin lienal de v1, v2,,vn con coeficientes no todos iguales a cero.
Nota. Se dice que los vectores v1, v2, , vn son linealmente independientes (o
dependientes), o que el conjunto de vectores {v1, v2, , vn} es linealmente
independiente (o pendiente). Esto es, se usan las dos frases indistintivamente.
Teorema:dependencia e independencia lineal
Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno
de ellos es un mltiplo escalar del otro.
Demostracin: primero suponga que v2=cv1 para elgun escalar c0. Entonces
cv1-v2=0 y v1 y v2 son linealmente dependientes. Por otro parte, suponga que v1
y v2 son linealmente dependientes. Entonces existen constantes c1 y c2 al menos

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

uno distinto a cero, tales que c1v1+c2v2=0. Si c10, entonces dividiendo entre c1
se obtiene v1+(c2/c1)v2=0, o sea,
Es decir, v1 es un mltiplo escalar de v2. Si c1=0, entonces c20 y, por lo tanto,
v2=0=0v1.

Bases y dimensin de
un espacio vectorial,
cambio de base.
La base de un espacio vectorial es un subconjunto de un espacio vectorial que se
extiende sobre un espacio vectorial determinado y es linealmente independiente
en el mismo. Esto es, si tenemos un espacio vectorial V y tenemos S como un
subconjunto de este espacio vectorial, el cual consiste de n vectores de la forma
v1, v2, v3 vn entonces podemos definir que este subconjunto es la
base del espacio vectorial dado, si cumple las dos condiciones siguientes:
1. Este subconjunto se extiende a travs del espacio vectorial dado. 2. S es
subconjunto de V conteniendo los vectores de V, los cuales son linealmente
independientes.
Con la ayuda de una ecuacin lineal podemos representar tal conjunto como,

Aqu v es un vector que yace en el espacio vectorial dado y los vectores n

representados como v-1, v2, v3 vn forman parte de la base del
espacio vectorial dado.
Existen numerosos ejemplos de la base de un espacio vectorial. Imagina tres
dimensiones las cuales constan de dos vectores. Imagina que estos vectores no
son planos. El plano definido con la ayuda de estos dos vectores slo formar una
base para los espacios tridimensionales actuales. Esto es porque si definimos una
combinacin lineal con la ayuda de estos dos vectores, entonces este se
encontrara definitivamente dentro el plano mismo e inversamente tambin es
posible expresar un vector dentro del plano como una combinacin lineal de
ambos. Ahora extendamos esta definicin para formar la base de la definicin de
la dimensin del espacio vectorial. Imaginemos que tenemos un espacio vectorial
V y sea S la base de este espacio vectorial. Ahora coloquemos un nmero limitado
de vectores en la base de espacio vectorial S, entonces definiramos este espacio
vectorial dado como un espacio vectorial de dimensin finita y la dimensin real se
Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

obtendra mediante calcular el nmero total de vectores en la base de ese espacio
vectorial.
En caso de que tengamos un nmero infinito de vectores en la base del espacio
vectorial dado, entonces llamaremos al espacio vectorial un espacio vectorial de
dimensin infinita, y la dimensin de tal espacio vectorial es y la dimensin de un
espacio vectorial nulo es el valor 0.
Puede haber ms de una base para un espacio vectorial dado. Esto significara
que es posible definir los vectores dentro de un espacio vectorial dado como la
sumatoria de los vectores de ambas bases. Sea V un espacio vectorial y S la base
de este espacio vectorial. Ahora definamos todos los vectores v V en trminos de
los elementos finitos de esta base. Definamos ahora otra base para este espacio
vectorial. Ahora bien, si intentamos redefinir los elementos del espacio vectorial
como una sumatoria de los elementos del segundo vector, llamamos a este
proceso cambio de base.
Este proceso puede ser considerado como una funcin identidad sobre los
elementos del espacio vectorial

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Espacio vectorial con producto

interno y sus propiedades.
Producto Interno:
Un producto interno sobre un espacio vectorial V es una operacin que asigna a
cada par de vectores u y v en V un nmero real <u, v>. Un producto interior sobre
V es una funcin que asocia un nmero real u, v con cada par de vectores u y v
cumple los siguientes axiomas:
Propiedades:

i. (v, v) 0
ii. (v, v) = 0 si y slo si v = 0.
iii, (u, v +w) = (u, v)+ (u, w)
iv. (u + v, w) = (u, w)+(v, w)
v. (u, v) = (v, u)
vi. (u, v) = (u, v)
vii. (u, v) = (u, v)
La barra es las condiciones v) y vii) denota el conjugado complejo.
Nota. Si (u,v) es real, entonces (u,v)=(u,v) y se puede eliminar la barra en v).
Espacios con producto interior:
El producto interior euclidiano es solo uno ms de los productos internos que se
tiene que definir en Rn Para distinguir entre el producto interno normal y otros
posibles productos internos se usa la siguiente notacin.
Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

u v = producto punto (producto interior euclidiano para Rn)
u, v = producto interno general para espacio vectorial V.
Propiedades de los productos interiores:
1. 0, v = v, 0 = 0
2. u + v, w = u, w + v, w
3. u, cv = cu, v.
Un espacio vectorial con producto interno se denomina espacio con producto
interno.
EJEMPLO: producto interno de dos vectores en C3
En C3 sean x=(1+i, -3, 4-3i) y y=(2-i, -i, 2+i). entonces

Sea V un espacio con producto interno y suponga que u y v estn en V. entonces

Nota 1. Aqu se usa la doble barra en lugar de una sola para evitar confusin con
el valor absoluto. Por ejemplo sen t denota la norma de sen t como un vector
en C[0, 2] mientras que |sen t| denota el valor absoluto de la funcin sen t.
Nota 2. La ecuacin anterior tiene sentido ya que (u, u)0.

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Base ortonormal, Proceso de

ortonormalizacin de Gram
Schmidt
La base es el subconjunto de algn espacio vectorial, tal que este es linealmente
independiente y se extiende sobre todos los elementos de ese espacio vectorial.
La base ortonormal es un tipo especial de base, la cual es un subconjunto de un
tipo especial de espacio vectorial el cual es el producto escalar del espacio
vectorial. Antes de ahondar en el tema, primero aclararemos nuestro concepto
sobre un conjunto ortonormal.
Sea un V producto escalar de un espacio vectorial, si cada vector par discreto
dentro de ese espacio vectorial es ortogonal, entonces podemos definir el espacio
vectorial como un conjunto ortogonal. Adems, ampliando esta definicin, en un
conjunto ortogonal si tenemos cada vector con una norma igual a uno, entonces
este es definido como conjunto ortonormal. Sea V producto escalar de un espacio
vectorial, y tenemos a S como base de ese espacio vectorial dado, entonces, si S
es un conjunto ortogonal, entonces lo llamamos una base ortogonal y si S es un
conjunto ortonormal entonces lo denominamos una base ortonormal.
Formalmente hablando, una base S del producto escalar de un espacio vectorial V
que contiene vectores de la forma v1, v2, v3 vn se define como una
base ortonormal si satisface la condicin <vi . vj> = 0 donde i no debe ser
igual a j. Aqu . es el producto escalar del espacio vectorial dado.
Sin embargo no es indispensable que una base ya determinada est en forma
ortogonal. Podemos, si es necesario, transformar la base a la forma ortonormal. El
procedimiento para hacerlo se llama proceso de ortonormalizacin de Gram
Schmidt. La entrada del procedimiento es generalmente una base finita y la salida
es una base ortonormal definida en algn perodo arbitrario. El teorema establece
Para un conjunto k de elementos, el cual es lineal e independiente, es posible
construir un conjunto ortonormal, y el conjunto resultante es la agrupacin lineal
del conjunto de entrada y se extiende sobre el mismo espacio vectorial.
Es esencial que la base est ordenada para que sea una base ortonormal. Sea V
un producto escalar de un espacio vectorial, y si tenemos a S como la base del
espacio vectorial dado que contiene los elementos de la forma v1, v2, v3
vn . Ahora, que tenemos otra base S, que contiene los elementos de la
forma w1, w2, w3 wn. Aqu v1 = w1, entonces,

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Tambin podemos afirmar lo definido de una manera inversa diciendo que si S es

un subconjunto ortonormal de V que consiste en vectores no cero, entonces
podemos decir que S es linealmente independiente.
Si tenemos S como base ortonormal para cualquier producto escalar de un
espacio vectorial, entonces por cada elemento en el espacio vectorial dado
tenemos,

Aqu x es un vector en el espacio vectorial dado y los coeficientes [x, vi] son
llamados coeficientes de Fourier. Un punto digno de mencin es que todos los
productos de los espacios vectoriales que tienen tamao finito, tienen
esencialmente una base ortonormal

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Unidad V
TRANSFORMACIONES LINEALES

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Introduccin a las
transformaciones lineales.
El presente capitulo aborda una clase especial de funciones denominadas
transformaciones lineales que ocurren con mucha frecuencia en el algebra lineal y
otras ramas de las matematicas. Estas tienen una gran variedad de aplicaciones
importantes. Antes de definirlas, se estudiaran dos ejemplos sencillos para ver lo
que es posible realizar.
Ejemplo 1: reflexin respecto al eje x
En R2 se define una funcin T mediante la formula T(x;y)=(x;-y). Geomtricamente,
T toma un vector en R2 y lo refleja respecto al eje x. esto se ilustra en la figura.
Una vez que se ha dado la definicin bsica, se vera que T es una transformacin
lineal de R2 en R2.
Ejemplo 2: transformacin de un vector de produccin en un vector de
materia prima.
Un fabricante elabora cuatro tipos de productos distintos, de los cuales cada uno
requiere tres tipos de materiales. Se identifican los cuatro productos como P1, P2,
P3, y P4 y a los materiales por R1, R2 y R3. La tabla siguiente muestra el numero de
unidades de cada materia prima que se requieren para fabricar 1 unidad de cada
producto.
Ejemplo 2: transformacin de un vector de produccin en un vector de
materia prima.
Un fabricante elabora cuatro tipos de productos distintos, de los cuales cada uno
requiere tres tipos de materiales. Se identifican los cuatro productos como P1, P2,
P3, y P4 y a los materiales por R1, R2 y R3. La tabla siguiente muestra el numero de
unidades de cada materia prima que se requieren para fabricar 1 unidad de cada
producto.
Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Surge una pregunta natural: si se produce cierto nmero de los cuatro productos,
Cuntas unidades de cada material se necesitan? Sean p1, p2, p3 y p4 el nmero
de artculos fabricados en los cuatro productos y sean r1, r2, y r3 el nmero de
unidades necesarios de los tres materiales. Entonces se define

Por ejemplo, suponga que P=(10,30,20,50). Cuntas unidades de R1 se

necesitan para producir estos nmeros de unidades de los cuatro productos? De
la tabla se tiene que
r=p1*2+p2*1+p3*3+p4*4=10*2+30*1+20*3+50*4=310 unidades
de manera similar r2=10*4+30*2+20*2+50*1=190 unidades
y r3=10*3+30*3+20*1+50*2=240 unidades
en general se ve que

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

o Ap= r.
Esto se puede ver de otra manera. Si a p se le conoce como le vector de
produccin y a r como el vector de materia prima, se define la funcin T por = T(p)
= Ap. Esto es, T es la funcin que transforma el vector de produccin en el vector
de materia prima y se hace mediante la multiplicacin de matrices ordinaria.
Como se ver , esta funcin es tambin una transformacin lineal.
Antes de definir una transformacin lineal, hablaremos un poco sobre las
funciones. En la seccin 1.7 se escribi un sistema de ecuaciones como
Ax=b
Donde A es una matriz de m*n, x R y b R. Se pidi encontrar x cuando A y b
se conocan . No obstante, esta ecuacin se puede ver de otra forma: suponga
que A se conoce. Entonces la ecuacin Ax=b dice : proporcione una x en R y yo
le dar una b en R; es decir , A representa una funcin con dominio R e
imagen en R.
La funcin que se acaba de definir tiene las propiedades de que A (x) = Ax= si
es un escalar y A(x + y) = Ax + Ay. Esta propiedad caracteriza las
transformaciones lineales.
Definicin 1 transformacin lineal
Sean V y W espacios vectoriales reales. Una transformacin lineal T de V en W es
una funcin que asigna a cada vector v V un vector nico Tv W y que
satisface, para cada u y v en V y cada escalar .

T(u + v) = Tu + Tv
Y
T(av)=aTvv) = Tv

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

TRES OBSERVACIONES SOBRE NOTACIN
1. Se escribe T: v W para indicar que T toma el espacio vectorial real V y lo lleva
al espacio vectorial real W; esto es, T es una funcin con V como su dominio y un
subconjunto de W como su imagen.
2. Se escriben indistintamente Tv y T(v). Denotan lo mismo; las dos se leen T de
v. Esto es anlogo a la notacin funcional (x), que se lee de x.
3. Gran parte de las definiciones y teoremas en este captulo tambin se cumplen
para los espacios vectoriales complejos (espacios vectoriales en donde los
escalares son nmeros complejos).

Ejemplo 5 La transformacin identidad

Sea V un espacio vectorial y definida I: VV por Iv = v para todo v en V. Aqu es
obvio que es I es una transformacin lineal, la cual se denomina transformacin
identidad u operador identidad.
Ejemplo 6

Transformacin de reflexin

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Sea T:R2 R2 definida por T(x;y)=(x;-y). Es fcil verificar que T es lineal. En
trminos geomtricos, T toma un vector en R 2 y lo refleja respecto al eje y

Ejemplo 7 Transformaciones de RnRm dada por la multiplicacin por una

matriz de m*n.
Sea A una matriz de m*n y definida T:RR por Tx = Ax. Como A(x + y) = Ax +
Ay y A(x)=Ax si x y y estn en R, se observa que T es una transformacin
lineal. Entonces: toda matriz A de m*n se puede utilizar para definir una
transformacin lineal de R en R.

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Ncleo e imagen de una

transformacin lineal.
En esta seccin se desarrollan algunas propiedades bsicas de las
transformaciones lineales.
Teorema 1. Sea T: V W una transformacin lineal. Entonces para todos los
vectores u, v, v1, v2,.vn en V y todos los escalares

1,2,n:Nota en la parte i el 0 de la izquierda es el vector cero en v;

mientras que el cero de la derecha es el vector cero en W.
i. T(0) = T(0 + 0)= T(0) + T(0). As 0= T(0) T(0) = T(0) + t(0) T(0) = T(0)
ii.T(u-v) = T[u + (-1)v] = Tu + T[(-1)v] = Tu + (-1)Tv = Tu Tv.
iii.Esta parte se prueba por induccin (vea el apndice 1). Para n = 2 se tiene
T(1v1 + 2v2) = T (1v1) + T(2v2) = 1Tv1 + 2Tv2. As, la ecuacin (1) se cumple
para n = 2. Se supone que se cumple para n = k y se prueba para n=k + 1: T( 1v1
+ 2v2+ .+ kvk+k+1vk-1 ) = T(1v1 + 2v2+.+kvk) + T(k+1vk+1), y usando la
ecuacin en la parte iii para n= k, esto es igual a ( 1Tv1 + 2Tv2+.kTvk) +
k+1Tvk+1, que es lo que se quera demostrar. Esto completa la prueba.
Observacin. Los incisos i) y ii) del teorema 1 son casos especiales del inciso
iii). Un dato importante sobre las transformaciones lineales es que estn
completamente determinadas por el efecto sobre los vectores de la base.
Teorema 2
Sea v un espacio vectorial de dimensin finita con base B= {v1,v 2,
.vn}. Sean w1,w2,.wn vectores en W. Suponga que T1 y T2 son dos
transformaciones lineales de V en W tales que T1vi = T2vi = wi para i = 1, 2,,n.
Entonces para cualquier vector v v, T 1v = T2v; es decir T1 = T2.
Como B es una base para V, existe un conjunto nico de escalares 1, 2,., n.
Tales que v = 1v1 + 2v2 + + n vn.
Entonces, del inciso iii) del teorema 1, T1v = T1(1 v1 + 2v2 + + nvn) = 1T2v1 +
2T2v2 + + nTnvn= 1w1 + 2w2 ++ nTnvn
De manera similar T2v = T2(1v1 + 2v2 + + nvn) = 1T2v1 + 2T2v2 ++ nTnvn
= 1w1 + 2w2 ++ nvn
Por lo tanto, T1v =T2v.
Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

El teorema 2 indica que si T:vW y V tiene dimensin finita, entonces slo es

necesario conocer el efecto que tiene T sobre los vectores de la base en V. Esto
es, si se conoce la imagen de cada vector bsico, se puede determinar la imagen
de cualquier vector en V. Esto determina T por completo. Para ver esto, sean v 1,
v2,.vn una base en V y sea v otro vector en V. Entonces, igual que en l aprueba
del teorema 2, Tv = 1Tv1 + 2Tv2 ++ nTvn
As, se puede calcular Tv para cualquier vector v V si se conocen Tv1,Tv2,.Tvn
Ejemplo 1 Si se conoce el efecto de una transformacin lineal sobre los vectores
de la base, se conoce el efecto sobre cualquier otro vector.
Sea T una transformacin lineal de R3 en R2 y suponga que

Solucin. Se tiene

Entonces

Surge otra pregunta; si w1,w2,.,wn son n vectores en W, existe una transformacin lineal
T tal que Tv1 = w1 para i = 1,2,,n? La respuesta es s. Como lo muestra el siguiente
teorema.
Definicin 1 Ncleo e imagen de una transformacin lineal
Sean V y W dos espacios vectoriales y sea T:V W una transformacin lineal. Entonces

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

i

ii. La

El

imagen

ncleo

de

T,

denotado

de

T,

denotado

por

por

Im

un,

est

dado

por

T,

esta

dado

por

Observacion 1. Observe que un T es no vacio porque, de acuerdo al teorema 1,

T(0) = 0 de manera que 0 un T para cualquier transformacin lineal T. Se tiene
inters en encontrar otros vectores en V que se transformen en 0. De nuevo,
observe que cuando escribimos T(0) = 0, el 0 de la izquierda est en V y el de la
derecha en W.
Observacin 2. La imagen de T es simplemente el conjunto de imajenes de los
vectores en V bajo la transformacin T. De hecho, si w = Tv, se dice que w es la
imagen de v bajo T.
Antes de dar ejemplos de ncleos e imgenes , se demostrar un teorema de gran
utilidad.
Teorema 4 Si T:VW es una transformacin lineal, entonces
i.Un T es un subespacio de V.
ii.Im T es un subespacio de W.
Demostracion
i.Sean u y v en un T; Entonces T(u + v) = Tu + Tv =0 + 0 =0 y T( ) = = 0 = 0 de
forma que u + v y u estn en un T.
ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vestores u y v en V. Esto
significa que T(u + v)= Tu + Tv = w + x y T(u) = Tu =w. Por lo tanto, w + x y
w estn en Im T.
Ejemplo 3. Ncleo e imagen de la transformacin cero
Sea Tv = 0 para todo v V(T es la transformacin cero). Entonces un T = v e Im T
= {0}.
Ejemplo 4 Ncleo e imagen de la transformacin identidad
Sea Tv = v para v V(T es la transformacin identidad). Entonces un T= {0} e Im T
= V.

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Las transformaciones cero e identidad proporcionan dos extremos. En la primera
todo se
encuentra en el ncleo. En la segunda slo el vector cero se
encuentra en el ncleo. Los casos intermedios son ms interesantes.
Ejemplo 5 Ncleo e imagen de un operador de proyeccin

Sea T:R3R3 definida por

T es el operador de proyeccin de R3 en el plano xy.

Entonces x = y = 0. As, nu T = {(x,y,z):x = y = 0, zR}, es decir, el eje z, e Im T =

{(x,y,z): z = 0}, es decir el plano xy. Observe que dim un T = 1 y dim Im T = 2.
Definicin 2
Nulidad y rango de una transformacin lineal
Si T es una transformacin lineal de v en w, entonces se define.

Observacin. En la seccin 4.7 se definieron el rango, la imagen, el espacio nulo y

la nulidad de una matriz. Segn el ejemplo 5.1.7, Toda matriz A de m*n da lugar a
una transformacin lineal T:RR definida por Tx = Ax. Es evidente que un T = NA,
Im T = Im A = CA, v(T) = v(A) y p(T) = p(A). Entonces se ve que las definiciones de
ncleo, imagen, nulidad y rango de una transformacin lineal son extensiones del
espacio nulo, la imagen, la nulidad y el rango de una matriz.
Ejemplo 6. Ncleo y nulidad de un operador de proyeccin
Sea H un subespacio de R y sea Tv = proyH v. Es obvio que la Im T = H. Se tiene
que toda v V si v=h + proyH v + proyHv. Si Tv = 0, entonces h=0, lo que
significa498

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

La matriz de una transformacin

lineal.
Si A es una matriz de m*n y T: R n-Rm est definida por Tx = Ax, entonces, T es una
transformacin lineal. Ahora se ver que para toda transformacin lineal de R n en
Rm existe una matriz A de m*n tal que Tx = Ax para todo x R n. Este hecho es de
gran utilidad. Si Tx = Ax. Entonces un T = N A e Im T = RA. ms aun, v(T) = dim un T
= v(A) y p(T) = dim Im T = p(A). As se puede determinar el ncleo, la imagen, la
nulidad y el rango de una transformacin lineal de R n-Rm determinando el espacio
nulo y la imagen de la matriz correspondiente. Adicionalmente, una vez que se
sabe que Tx = Ax. Se puede evaluar Tx para cualquier x en R n mediante una
simple multiplicacin de matrices.
Pero esto no es todo. Como se ver, cualquier transformacin lineal entre
espacios vectoriales de dimensin finita se puede representar mediante una
matriz.
Teorema 1
Sea T:Rn -Rm una transformacin lineal. Existe entonces una matriz nica de m*n,
AT tal que

Demostracin
Sea w1 = Te1,w2 = Te2,.,wn = Ten. Sea AT la matriz cuyas columnas son w 1, w2,.,
wn y hagamos que AT denote tambin ala transformacin de Rn-Rm, que multiplica
un vector en Rn por AT. si

Entonces

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

De esta forma, ATei = wi para i = 1,2,.n., T y la transformacin AT son las mismas

porque coinciden en los vectores bsicos.
Ahora se puede demostrar que AT es nica. Suponga que Tx = ATx y que Tx = BTx
para todo x Rn. Entonces ATx = BTx, o estableciendo CT= AT BT, se tiene que
CTx = 0 para todo x R n. En particular, CTei es la columna i de C T. As, cada una
de las n columnas de CT es el m-vector cero, la matriz cero de m*n. Esto muestra
que AT = BT y el teorema queda demostrado.
Definicin 1

Matriz de transformacin

La matriz AT en el teorema 1 se denomina matriz de transformacin

correspondiente a T o representacin matricial de T.
NOTA. La matriz de transformacin AT est definida usando las bases estndar
tanto en Rn como en R3. Si se utilizan otras bases, se obtendr una matriz de
transformacin diferente.

i.
ii.
iii.
iv.

TEOREMA 2 sea AT la matriz de transformacin correspondiente a laa

transformacin lineal T. entonces.
Im T = Im A = CAT
P(T) = p(AT)
Un T = NAT
v(T) = v(AT
Ejemplo 1 Representacin matricial de una transformacin de proyeccin
Encuentre la matriz de transformacin AT correspondiente ala proyeccin de un
vector en R3 sobre el plano xy.
Solucin
Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Teorema 4
Sean V y W espacios vectoriales de dimensin finita con dim V = n. sea T:V-W una
transformacin lineal y sea AT una representacin matricial de T respecto a las
bases B1 en V y B2 en W. entonces
i.
p(T) =p(AT)
ii. V(A) = v(AT)
iii. V(a) + p(T) = n
Teorema 5 Sea T:Rn-Rm una transformacin lineal. Suponga que C es la matriz de
transformacin de T respecto a las bases estndar S n y Sm en Rn y Rm,
respectivamente. Sea A1 la matriz de transicin de B2 a base Sm en Rm. Si AT
denota la matriz de transformacin de T respecto a las bases B 1 y B2, entonces.

Geometra de las transformaciones lineales de R 2 en R2.

Sea T:R2-R2 una transformacin lineal con representacin matricial AT Ahora de
demostrar que si AT es invertible, entonces T se puede escribir como una
sucesin de una o ms transformaciones especiales, denominadas expansiones,
compresiones, reflexiones y cortes.
Expansiones a lo largo de los ejes x o y
Una expansin a lo largo del eje x es una transformacin lineal que multiplica a la
coordenada x de un vector en R2 por una constante C >1. Esto es

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

De manera similar, una expansin a lo largo del eje y es una transformacin lineal
que multiplica la coordenada y de todo vector en R 2 por una constante C>1. Como

antes ,

entonces la representacin matricial de T es

a)
b)
c)

de manera que

se comienza con este rectngulo.

Expansin en la direccin de x c = 2.
Expansin en la direccin de y con c = 4.
Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Compresin a lo largo de los ejes x o y.
Una compresin a lo largo de los ejes x o y es una transformacin lineal que
multiplica ala coordenada x o y de un vector en R 2 por una constante positiva
0<c<1, mientras que para la expansin c<1.

a)
b)
c)

se comienza con este rectngulo.

Compresin a lo largo del eje x con c =1/3.
Compresin a lo largo del eje x con c=1/2.

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Aplicacin de las
transformaciones lineales:
reflexin, dilatacin, contraccin
y rotacin.
Reflexin sobre el eje x
En este caso, queremos averiguar como est definida la
transformacin T de R2 en R2 que cada
vector

lo refleja sobre el eje x, para obtener

un vector
En una grfica, vemos la situacin como sigue:

En este caso, la situacin es ms sencilla ya que claramente tenemos

dos tringulos rectngulos que son congruentes, de donde T queda
definida como sigue:

Esta transformacin se llama la reflexin sobre el eje x, y es lineal, ya

que:

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Ejemplo dilatacin o expansin

Una dilatacin es una transformacin que incrementa distancias.
Sea V= (2 4) encontrara la expansin vertical cuando K=2
Expansin horizontal (k71) o contraccin (0<k<1)
Expansin vertical (k71) o contraccin (0<k<1)

Ejemplo contraccin
Una contraccin es una transformacin que decrece distancias. Bajo una
contraccin, cualquier par de puntos es enviado a otro par a distancia
estrictamente menor que la original.
Sea V= (2 4) encontrara la contraccin horizontal cuando K=1/2
Haciendo la grafica el punto disminuye en el eje horizontal.

Rotacin por un ngulo

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Sea
un ngulo medido en radianes. Queremos
averiguar cual es la transformacin T de R2 en R2 que gira cada
vector
vector

un

angulo

para

obtener

un

En una grfica, vemos la situacin como sigue:

Si

usamos

las

funciones

trigonomtricas,

tenemos

que:

Distribuyendo y usando el hecho de que

y

tenemos que:

Pgina XXXVI

Instituto tecnolgico de Tuxtla gutierrez

Por

lo

tanto,

transformacin
que

ya

descubrimos

cmo

debe

estar

definida

la

tal

Esta transformacin se llama la rotacin por un ngulo

que:

y es lineal, ya

Pgina XXXVI