UNIDAD IV: ESPACIOS VECTORIALES

UNIDAD V: TRANSFORMACIONES LINEALES

INTEGRANTES:
ZAMBRANO
MADELEINE

ROSAS

KARLA

SANCHEZ HGOYA MARIA FERNANDA

PERALTA HERBERT EDSON
MOLAR LOZANO OMAR
DOMINGUEZ HERNANDEZ DAVID

UNIDAD IV
INTRODUCCIN.
La idea de vector est tomada de la Fsica, donde sirven para
representar magnitudes vectoriales como fuerzas, velocidades o
aceleraciones. Para ello se emplean vectores de dos componentes
en el plano, de tres componentes en el espacio... Se supone
conocida la representacin grfica y manejo de los vectores de 2 y
de 3 . En Matemticas, tratamos de abstraer las propiedades que
caracterizan a los vectores para extenderlas tambin a otro tipo de
objetos diferentes de los vectores de la Fsica. Esencialmente, el
comportamiento que caracteriza a los vectores es el siguiente:
Podemos sumar dos vectores y obtenemos otro vector
Podemos multiplicar un vector por un nmero (escalar) y
obtenemos otro vector.
Adems estas operaciones cumplen ciertas propiedades, que
observamos en los vectores de 2 y de 3 : En lo sucesivo,
utilizaremos habitualmente la siguiente notacin: u,v,w (u otras
letras latinas) para vectores, mientras que las letras griegas
designarn escalares.
PROPIEDADES DE LA SUMA DE VECTORES.
Asociativa: (u+v)+w = u+(v+w)
Conmutativa: v+u=u+v.
Existe un elemento neutro, el vector 0 , tal que + v = v para
cualquier vector v. K 0 K
Para cada vector v existe un elemento opuesto, v, que sumado
con l da 0 . K
PROPIEDADES
ESCALAR.

DEL

PRODUCTO

DE

UN

VECTOR

POR

UN

Asociativa: ( v) = ( ) v
Distributivas: Respecto de la suma de escalares: ( + ) v = v
+ v Respecto de la suma de vectores: (u + v) = u + v

 Existe un elemento unidad: el escalar 1, tal que 1 v = v para

cualquier vector v
4.1 DEFINICION DE ESSPACIO VECTORIAL

Cualquier conjunto que posea unas operaciones suma y producto

por escalares, cumpliendo todas las propiedades anteriores,
diremos que es un espacio vectorial. Los elementos de tal conjunto
se llamarn vectores (aunque pueda tratarse de objetos diferentes
a los vectores de la Fsica.) Diremos que el espacio veun vector es
una magnitud que consta de mdulo, direccin y sentido . Algunos
sin embargo; ms tericos, explicaran que un vector es una entidad
tal que para ser expresada necesita de n escalares (nmeros);
siendo n cualquier nmero natural.
DEFINICIN DE ESPACIO VECTORIAL Y PROPIEDADES :
Un espacio vectorial es un conjunto no vacio de V objetos, llamados
vectores, en el que estn definidas dos operaciones, llamadas suma
y multiplicacin por escalares(nmeros reales), sujetas a diez
axiomas(o reglas) que se dan a continuacin. Los axiomas deben
valer para todos los vectores u, v, y w en V y todos los escalares c y
d. ctorial es real o complejo, segn sean los escalares.
1.

La suma de u y v, denotada por u + v, est en V

2.

u+v=v+u

3.

(u + v)+ w = u + ( v + w )

4.

Existe un vector 0 en V tal que u + 0 = u

5.

Para cada u en V, existe un vector u en V tal que u + (-u )

6.

El mltiplo escalar de u por c, denotado cu, est en V

7.

c( u + v ) = cu + cv

8.

( c+ d ) u = cu + du

9.

c(du) = (cd)u

= u.

10. 1u=u

Los espacios de n con n 1, son los ejemplos principales de

espacios vectoriales. La intuicin geomtrica desarrollada para 3
nos ayudar a entender y a visualizar muchos conceptos durante el
capitulo.

4.2
DEFINICION
PROPIEDADES:

DE

SUBESPACIO

VECTORIAL

SUS

Dado un espacio vectorial V, podemos considerar una parte S de l

que funcione como un espacio vectorial ms pequeo, incluido en
V. Como V es un espacio vectorial, posee unas operaciones (suma,
producto por un escalar) que en particular se pueden efectuar en S.
Slo necesitaremos que, al efectuarlas, su resultado quede dentro
de S.
DEFINICIN
Sean (V,+,K,*) un espacio vectorial y S un subconjunto de V. S es
subespacio vectorial de V si (S,+,K,*) es espacio vectorial en s
mismo, siendo + y * las mismas operaciones definidas en V.

CRITERIO DE SUBESPACIO

El criterio para la verificacin de que S es subespacio de V, es que

ambas operaciones (+ entre elementos del conjunto S y * con
escalares del cuerpo K) sean cerradas, es decir, den como resultado
elementos que tambin pertenezcan a S.

PROPIEDADES

Un espacio vectorial es un conjunto no vaco que cumple con estas

tres condiciones:

1) El Punto Origen pertenece al conjunto. Ej: (0,0,0).

2) Sea K un nmero real y {v} un vector que pertenece al
conjunto entonces

K.v tambin pertenece al conjunto.

3) Sean {u} y {v} dos vectores que pertenecen al conjunto

entonces u+v tambin pertenece al conjunto.

Si estos tres axiomas se cumplen entonces el conjunto es un

subespacio.
TEOREMA DE SUBESPACIO

Un subconjunto no vacio de H de un espacio vectorial V es un sub

espacio de V si se cumplen las dos reglas de cerradura:
Reglas de cerradura para ver si un subconjunto no vaci es un sub
espacio

i)
ii)

Si x H y y H, entonces x + y H.
Si x H, entonces x H para todo escalar .

Es obvio que si H es un espacio vectorial, entonces las dos reglas de

cerradura se debern cumplir. De lo contrario, para demostrar que
es un espacio vectorial, se deber demostrar que los axiomas i) a x)
de la definicin cumplen bajo las operaciones de suma de vectores y
multiplicacin por un escalar definidas en V. Las dos operaciones de
cerradura [axiomas i) y iv)] se cumplen por hiptesis, como los
vectores en H son tambin vectores en V, las identidades asociativa,
conmutativa,
distributiva
y
multiplicativa
[axiomas ii), v), vii), viii), ix) y x)] se cumplen.
Este teorema demuestra que para probar si H es o no es un sub
espacio de V, es suficiente verificar que:

x + y y X estn en H cuando x y y estn en H y es un escalar.

4.3 COMBINACION LINEAL. INDEPENDENCIAL LINEAL.

DEFINICION:

Una combinacin lineal de dos o ms vectores es el vector que se

obtiene al sumar esos vectores multiplicados por escalares.
Cualquier vector se puede poner como combinacin lineal de otros
que tengan distinta direccin.

Esta combinacin lineal es nica.

Sean v1,v2,,vn vectores en un espacio vectorial V. Entonces

cualquier vector de la forma:
1v1+2v2++nvn
donde 1v1+2v2++nvn son escalares se denomina combinacin
lineal de v1,v2,,vn.

Todo vector V = (a, b, c) en R3 se puede expresar como

i = (1,0,0);
j = (0,1,0);
k =(0,0,1)
V = (a, b, c) = a(i) + b(j) + c(k)
Entonces se dice que V es una combinacin lineal de los 3
vectores i,j,k.

INDEPENDENCIA LINEAL
Sea V es un espacio vectorial.

Se dice que un vector

en V es combinacin lineal de los vectores

en V, si existen escalares

, tambin

tales que

Se dice que un conjunto de n vectores

de un
espacio
vectorial V son linealmente dependientes si existen
escalares
no
todos cero, tales que

(1
)
Observa que la ecuacin (1) se cumple siempre si las
constantes

son todas cero.

Si la nica forma en

que se cumple la ecuacin (1) es sta, esto es, si

slo
si
entonces se dice que los vectores son linealmente
independientes.

4.4 BASE Y DIMENSIN DE UN ESPACIO (SUBESPACIO)

VECTORIAL

DEFINICION:
Se dice que un conjunto de vectores D = {u1, u2, ..., un} forman
una base del espacio vectorial V si los vectores de {D} pueden
generar todo el espacio vectorial V y si dichos vectores son
linealmente independientes. La dimensin del espacio vectorial V es
igual al nmero de vectores que constituyen su base.
De la misma manera, se dice que un conjunto de vectores E = {v1,
v2,..., vn} forman una base del subespacio vectorial S si los
vectores de {E} pueden generar todo el subespacio vectorial S y si
dichos vectores son linealmente independientes. La dimensin del
subespacio vectorial S es igual al nmero de vectores que
constituyen su base, y se denomina cardinal de V (cardV ), al
nmero de vectores de la base.

NOTA
Un conjunto D = {u1, u2, ..., un} es una base de V si todo vector
de V puede escribirse de forma nica como combinacin lineal de
los vectores de D. Se dice que un espacio vectorial V es de
dimensin finita n o n-dimensional si
dim V = n N

PROPIEDADES

1. Sea V un espacio vectorial de dimensin finita. Entonces todas

las bases de V tienen el mismo nmero de elementos. El
espacio vectorial {0} tiene dimensin 0 por definicin. Cuando
un espacio vectorial no es de dimensin finita, se dice que es
de dimensin infinita.

2. Sea V un espacio vectorial de dimensin finita n, cualquier

conjunto de n+1 o ms vectores son linealmente dependientes.

COROLARIO A LA PROPIEDAD:

(i)

Todo conjunto de vectores linealmente independiente de n

elementos es base de V .

(ii)

Todo conjunto de vectores de n elementos que sea sistema

generador es base de V .

(iii)

Sea V un espacio vectorial de dimensin finita n, entonces

cualquier conjunto que resulte de eliminar un vector de una
base de V es linealmente independiente.

(iv)

Supongamos que D genera un espacio vectorial V ,

entonces,
cualquier
nmero
mximo
de
vectores
linealmente independientes en D es una base de V .

TEOREMAS DE LA DIMENSIN

PRIMER TEOREMA DE LA DIMENSIN

Sea S un subespacio vectorial del espacio vectorial V n-dimensional.

Entonces dim S n. Si, en particular, dim S = n necesariamente S =

V . La dimensin de cualquier subespacio S de V es menor o igual

que la dimensin del espacio
dim S dim V

SEGUNDO TEOREMA DE LA DIMENSIN

Sean S y T dos subespacios vectoriales de dimensin finita de una

espacio vectorial V sobre un cuerpo k. En este caso S + T tiene
dimensin finita y se cumple
dim (S + T) = dim S + dim T dim (S T).
Nota
Obsrvese que si S y T son suplementarios entonces S T = 0 y
resulta
dim (S + T) = dim S + dim T.

4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO

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)

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.
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.

DEFINICIN 1
Espacio con producto interno.Un espacio vectorial complejo V se llama espacio con producto
interno si para cada par ordenado
de vectores u y v en V, existe un nmero complejo nico (u,v),
llamado producto interno de u y v, tal que si u, v y w estn en V y C,
entonces.
EJEMPLO
Un producto interno en Rn Rn .- es un espacio con producto interno
con (u, v)= u * v.

DEFINICIN 2
Sea V un espacio con producto interno y suponga que u y v estan en
V. Entonces
i. U y v son ortogonales si (u, v) = 0
La norma de u, denota por u, esta dada por
U=
Nota: A la u se le pone doble barra para evitar confusin con el valor
absoluto.

EJEMPLO
Dos vectores ortogonales en C2 En C2 los vectores (3, -1) y (2, 6i)
son ortogonales porque
((3, -1), (2, 6i)) = 3*2 + (-i)(6i) = 6 + (-i)(-6i) = 6 -6 = 0 adems (3,
-i)) = = .

DEFINICIN 3

Conjunto orto normal .- El conjunto de vectores v1, v2, . . ., vn es un

conjunto orto normal en V si (vi, vj) = 0 para i
Y vi = = 1

DEFINICIN 4
Complemento ortogonal.- Sea H un sub espacio del espacio con
producto interno V. Entonces el complemento ortogonal de H,
denotado por H, est dado por
H=x
V : (x, h) = 0 para todo h
H

4.6
BASE
ORTONORMAL,
PROCESO
ORTONORMALIZACION DE GRAM-SCHMIDT

DE

Un conjunto S de vectores en un espacio V con producto interior se

llama ortogonal si todo par de vectores en S es ortogonal, adems
cada vector en este conjunto es unitario, entonces S se denomina
ortonormal.

P ROCESO DE ORTONORMALIZACIN DE GRAM-SCHMIDT

1.

B={ v 1 ,v 2 ,v n }

Sea

una base de un espacio V con producto

interno
2.

Sea

'

B ={w 1 ,w 2 ,w n }

donde

wi

est dado por:

w 1=v 1

w 2=v 2

v 2 , w1
w
w1, w1 1

w 3=v 3

v 3 , w1
w
w 1, w 1 1

Entonces

3.

B'

Sea

es una base ortogonal de V.

ui=wiw 1

entonces el conjunto

B '' = {u1 ,u2 ,,u n }

es una

base ortonormal de V.

EJEMPLO:
Forma alternativa del proceso de ortonormalizacin de GramSchmidt
Determine una base ortonormal del espacio solucin del siguiente
sistema homogneo de ecuaciones lineales

w+x+ y+z=0

2w+x+2 y+6 z=0

Solucin:
La matriz aumentada se reduce como se sigue.

1 1 070
2 1 260

Entonces cada solucin del sistema es de la forma

[ ][ ] [ ][ ]
x1 2 s +t
2
1
x 2 = 2 s 8 t =s 2 + 8
s
1
0
x3
t
0
1
x4

Una base del espacio solucin es:

B={ v 1 ,v 2 }={(2,2,1,0 ) , ( 1,8,0,1 ) } .

Para hallar una base ortonormal

'

B ={u1 ,u 2 }

se usa la forma

alternativa del proceso de ortonormalizacin de Gram- Schmidt

como sigue.

UNIDAD V
5.1 INTRODUCCIN A LAS TRANSFORMACIONES LINEALES.

DEFINICIN:
Las transformaciones lineales son las funciones y tratan sobre Kespacios 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)

Demuestre que la transformacin T : R2 R2 definida por

es lineal.

Entonces :

Por otro lado, para todo escalar c,

Como se cumplen las dos condiciones:

T es lineal.

Una transformacin lineal preserva combinaciones lineales. Veremos

que, debido a esto, una transformacin lineal queda unvoca-mente
determinada por los valores que toma en los elementos de una base
cualquiera de su dominio.

Teniendo en cuenta que las transformaciones lineales son funciones

entre conjuntos, tiene sentido estudiar la validez de las propiedades
usuales de funciones: inyectividad, suryectividad y biyectividad.
Las transformaciones lineales que verifican
propiedades reciben nombres particulares:

alguna

de

estas

DEFINICIN
Sean V y W dos K-espacios vectoriales, y sea f : V W una
transformacin lineal. Se dice que:

1. f es un monomorfismo si f es inyectiva.
2. f es un epimorfismo si f es suryectiva.
3. f es un isomorfismo si f es biyectiva.

En algunos casos, consideraremos transformaciones lineales de un

K-espacio vectorial en s mismo:
Sea V un K-espacio vectorial.
Una transformacin lineal f : V V se llama un endomorfismo de V .
Si f es un endomorfismo que es adems un isomorfismo, entonces se
dice que es un automorfismo.

5.2 NCLEO E IMAGEN DE UNA TRANSFORMACIN LINEAL.

Transformaciones lineales: ncleo e imagen.

Sea T: V S W una transformacin lineal. Entonces para todos los

vectores u, v, v1,
v2, . . . , vn en V y todos los escalares a1, a2, . . . , an:
i. T(0) = 0
ii. T(u - v) = Tu - Tv
iii. T(a1v1 + a2v2 +. . .+ anvn) = a1Tv1 + a2Tv2 +. . .+ anTvn
Nota. En la parte i) el 0 de la izquierda es el vector cero en V;
mientras que el 0 de la
derecha es el vector cero en W.

Sea V un espacio vectorial de dimensin finita con base B = {v1,

v2, . . . , 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, T1v = T2v; es decir T1 = T2.

Ejemplo

Ncleo e imagen de una transformacin lineal

Sean V y W dos espacios vectoriales y sea T:V W una transformacin
lineal. Entonces

El ncleo de T, denotado por un, est dado por :

La imagen de T, denotado por Im T, esta dado por :

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.
La imagen de T es simplemente el conjunto de imgenes 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.
Si T:V W es una transformacin lineal, entonces
Un T es un sub espacio de V.
Im T es un sub espacio de W.

Demostracin
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.
Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vectores 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.

5.3 LA MATRIZ DE UNA TRANSFORMACIN LINEAL.

Si A es una matriz de m*n y T: Rn-Rm est definida por Tx = Ax,

entonces, T es una transformacin lineal. Ahora se ver que para
toda transformacin lineal de Rn en Rm existe una matriz A de m*n
tal que Tx = Ax para todo x Rn. Este hecho es de gran utilidad. Si
Tx = Ax. Entonces un T = NA 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
RnRm 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 Rn 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 w1, w2,., wn y hagamos que AT denote tambin ala
transformacin de Rn-Rm, que multiplica un vector en Rn por AT. Si

Entonces

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 Rn. En particular,
CTei es la columna i de CT. 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.

TEOREMA 2

sea AT la matriz de transformacin

transformacin lineal T. entonces.
i.

Im T = Im A = CAT

ii.

P(T) = p(AT)

iii.

Un T = NAT

iv.

v(T) = v(AT

correspondiente

laa

v.
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
Sn 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 B1 y B2, entonces.

Geometra de las transformaciones lineales de R2 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

De manera similar, una expansin a lo largo del eje y es una

transformacin lineal que multiplica la coordenada y de todo vector
en R2 por una constante C>1.

Como antes ,

entonces la representacin matricial de T es

que

de manera

a) se comienza con este rectngulo.

b) Expansin en la direccin de x c = 2.
c) Expansin en la direccin de y con c = 4.
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 R2 por
una constante positiva 0<c

a) se comienza con este rectngulo

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

5.4.APLICACIN
DE
LAS
TRANSFORMACIONES
LINEALES: REFLEXION, DILATACION, CONTRACCION Y
ROTACION.

APLICACIN DE LAS TRANSFORMACIONES LINEALES:

Reflexin, dilatacin, contraccin y rotacin.
Graficar un conjunto de puntos en otros es lo que se conoce como
transformacin lineal de un conjunto de punto. Existen ciertas
propiedades bsicas de las transformaciones lineales, las cuales si
son tomadas en cuenta y aplicadas al momento de resolver un
problema, pueden reducir un problema simple.
La notacin general utilizada para una transformacin lineal es
T:Rn.

-TRANSFORMACIONES LINEALES
Las transformaciones lineales forman un hilo que se entreteje en
la tela de este texto. Su utilizacin mejor el sentido geomtrico de
lo escrito. Por ejemplo en el captulo 1, las transformaciones
lineales. Proporcionan una visin dinmica y grafica de la
multiplicacin matriz-vector.

1.-REFLEXION:
Cuando un conjunto de puntos dados es graficado desde el espacio
euclidiano de entrada a otro de manera tal que este es isomtrico al
espacio euclidiano de entrada llamamos ala operacin realizada la
reflexin del conjunto de puntos dados.
Esto puede realizarse tambin con respecto ala matriz, en tal
situacin la matriz de salida es llamada la matriz de reflexin. La
reflexin es realizada siempre con respecto a uno de los ejes sea X o
el eje Y. Esto es como producir la imagen espejo de la matriz actual.

2.-DILATACION:
Al igual que la reflexin, tambin es posible expandir los puntos
dados en una direccin partcula. La expansin se realiza
habitualmente para un cierto grado. Es como realizar una operacin
de multiplicacin de los elementos del conjunto de puntos dados
con un trmino escalar hacia la direccin donde tiene que ser
expandido. Sea para un punto (2,3) si el grado de expansin es 2 es
la direccin de Y, entonces el nuevo punto ser (2,6).

3.-CONTRACCION:
La contraccin es el procedimiento inverso de la expansin. Aqu el
punto es contrado en un determinado grado hacia una direccin
dada. Sea el punto de entrada (4,8) y este debe ser contrado para
el grado dos en la direccin de X entonces el nuevo punto resulta
ser (2,8).

4.-ROTACION:
El termino rotacin tiene dos significados, ya la rotacin de un
objeto puede ser realizada con respecto a un eje dado o al eje
mismo. La rotacin puede realizarse en la direccin de las
manecillas del reloj, o inverso a alas manecillas del reloj.
Como ejemplo, dirijmonos a producir la matriz estndar para la
representacin de la transformacin lineal reflejando un conjunto de
puntos en el plano X-Y a travs de la recta Y=(-2x/3).
El primer paso para esto es determinar los vectores base.

INTRODUCCION A LAS TRANSFORMACIONES LINEALES:

Ocurren con mucha frecuencia en el algebra lineal y otras ramas de
las matemticas.

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 frmula (T(x,y)=(x;-y).
Geomtricamente T toma un vector en R2 y lo refleja respecto al eje
x, esto se ilustra.
Una vez se ha dado la definicin bsica, se ver 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
cuales cada uno requiere tres tipos de materiales.

distintos, de los

Se identifica los cuatro productos como P1,P2,P3 Y P4 y a los

materiales por R1,R2 y R3. La tabla se muestra el nmero de unidad
de cada materia prima que se requiere para fabricar 1 unidad de
cada producto.

LA MATRIZ DE UNA TRANSFORMACION LINEAL

Si A es una matriz de m*n y T:Rn-Rm est definida por Tx=Ax,

entonces. T es una transformacin lineal. Ahora se ver que para
toda transformacin lineal de Rn en Rm existe una matriz A de m*n
tal que Tx=Ax para todo X Rn.
Este hecho es de gran utilidad. Si Tx= Ax. Entonces un T= v(A) y
P(T)= dim im T=p(A).
As se puede determinar el ncleo , la imagen , la unidad y el rango
de una transformacin lineal de Rn-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 Rn 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 representa
mediante una matriz