INSTITUTO TECNOLGICO SUPERIOR

DE LAS CHOAPAS

Facultad de Ingeniera Civil

Investigacin:

Desarrollo de unidades 4 y 5 de algebra lineal

Alumno:

Erick Alvarado Cupil

Docente:

Ing. -

Zaragoza, Ver., Diciembre de 2017

 ESPACIOS VECTORIALES

4.1 Definicin de espacio vectorial.

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.

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 ) = 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
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.

4.2 Definicin de subespacio vectorial y sus propiedades.

Un subespacio vectorial V es un subconjunto H de V que tiene tres

propiedades:

a) El vector cero de V est en H2

b) H es cerrado bajo la suma de vectores. Esto es, para cada u y v en H, la suma
u + v est en H
c) H es cerrado bajo la multiplicacin por escalares. Esto es, para cada u en H y
cada escalar c, el vector cu est en H
Ejemplo.

El conjunto que consta nicamente de un vector cero en un espacio vectorial V

es un subespacio de V llamado subespacio cero se escribe {0}

4.3 Combinacin lineal. Independencia lineal.

Propiedades

1. , (anticonmutatividad)

2. (el producto vectorial es

perpendicular a cualquiera de los factores).

3. Si entonces (el producto cruz de

dos vectores paralelos a cero)

4.

5.

Otras propiedades

Continuando con los vectores del apartado anterior y con la norma vectorial habitual:

El valor absoluto de esta operacin corresponde al

volumen del paraleleppedo formados por los vectores . A esta

 operacin se la conoce como producto mixto, pues combina producto escalar
y producto vectorial.

siendo el ngulo menor entre los vectores

; esta expresin relaciona al producto vectorial con el rea del

paralelogramo que definen ambos vectores.

El vector es el vector normal al plano que contiene a los

vectores

Combinacin lineal

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 , tambin en V, si

existen escalares tales que

Se dice que un conjunto de n vectores de un espacio

vectorial V son linealmente independientes 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.

Ejemplo 1.

Considere los vectores , y . Al observar

las componentes de ambos vectores vemos que o que

Lo que podemos expresar diciendo que el vector cero se puede escribir como una

combinacin lineal de los vectores y . Mas formalmente decimos que el

vector cero es una combinacin lineal no trivial de los vectores y . En el

sentido de que los coeficientes de y son diferentes de cero. Por lo tanto

estos vectores son dependientes.

Ejemplo 2.

Considere ahora los vectores y . La combinacin lineal

Implica que

y la nica solucin a este sistema es . Entonces y son

vectores independientes o linealmente independientes.

4.4 Base y dimensin de un espacio vectorial, cambio de base.

Se ha visto en R2 conviene escribir vectores como una combinacin lineal de los

vectores . En R3 se escribieron los vectores en trminos

de . Ahora se generalizara esta idea.

BASE

Un conjunto finito de vectores es una base para un espacio

vectorial V si

Todo conjunto de n vectores linealmente independiente en Rn es una base en

Rn.

En Rn se define
Puesto que los vectores e, son las columnas d una matriz identidad (que tiene

determinante 1), es un conjunto linealmente independiente y, por lo

tanto, constituye una base en Rn. Esta base especial se denomina base canonica en
Rn. Ahora se encontraran bases para otros espacios.

EJEMPLO: base cannica para M22

Se vio que generan

a
entonces es evidentemente que . As, estas cuatro matrices
son linealmente independientes y forman una base para M22, lo que se denomina base
cononica para M22.

TEOREMA: si es una base para V y si vV, entonces existe un

conjunto nico de escalares tales que

Existe cuando menos un conjunto de dichos escalares

porque genera a V. suponga entonces que v se puede escribir e

dos maneras como una combinacin lineal de los vectores de la base.

Es decir, suponga que

Sea dos bases para V. debe

demostrarse que m=n. esto se prueba mostrando que si m>n, entonces S es un
conjunto literalmente independiente, lo que contradice la hiptesis de que S es una
bse. Esto demostrara que mn. la misma prueba demostrara que m y esto prueba el
teorema. As, basta demostrar que si m>n, entonces S es independiente. Como S
constituye una base, todo u se puede expresar como una combinacin lineal de las v.

se tiene (1)
TEOREMA: suponga que dimV=n. si
 Entonces, restando se obtiene la ecuacin

pero como los v son linealmente

independientes, esta ecuacin se cumple si y solo si

As, y el teorema queda demostrado.

TEOREMA: si son bases en un espacio

vectorial V, entonces m=n; es decir, cualesquiera dos bases en un espacio vectorial V
tienen el mismo numero de vectores.

Para demostrar que S es dependiente, deben encontrarse escalares

no todos cero, tales que (2)

Sustituyendo (1) en (2) se obtiene (3)

La ecuacin (3) se puede reescribir como

Pero como son linealmente independientes, se debe tener (5)

El sistema (5) es un sistema homogneo de n ecuaciones con las m incgnitas

y como m>n, el teorema dice que el sistema tiene un numero infinito

de soluciones. De esta forma, existen escalares no todos cero, tales

que (2) se satisface y, por lo tanto, S es un conjunto linealmente dependiente. Esta
contradiccin prueba que mn si se cambian los papeles de S1 y S2, se demuestra
que nm y la prueba queda completa.
Por este teorema se puede definir uno de los conceptos centrales en el algebra lineal.

DIMENSIN
Si el espacio vectorial V tiene una base con un numero finito de elementos, entonces
la dimensin de V es el nmero de vectores en todas las bases y V se denomina
espacio vectorial de dimensin finita. De otra manera, V se denomina espacio vectorial
de dimensin infinita. Si V={0}, entonces se dice que V tiene dimensin cero.
Notacin. La dimensin V se denota por dimV.

EJEMPLO: la dimensin de Mmn

En Mmn sea A la matriz de mxn con un uno en la posicin ij y cero en otra parte. Es
sencillo demostrar que las matrices a para i=1,2,,m y j=1,2,,n forman una base
para Mmn. As, dimMmn=mn.

TEOREMA: suponga que dimV=n. si es un conjunto de m vectores

linealmente independientes en V, entonces mn.
 Sea entonces, igual que la prueba del teorema, se pueden

encontrar constantes no todas cero, tales que la ecuacin (2) se

satisface. Esto contradice la independencia lineal de los vectores u. as, mn.

TEOREMA: sea H un subespacio de un espacio vectorial de dimensin finita V.

entonces H tiene dimensin finita y (6)

Sea dimV=n. cualquier conjunto de vectores linealmente independientes en H

es tambin linealmente independiente en V. por el teorema anterior, cualquier conjunto
linealmente independiente en H puede contener a lis mas n vectores. Si H={0},
entonces dimH=0. Si dimH{0}, sea v0 un vector en H y H=gen{v}. si H=H, dimH=1 y
la prueba queda completa. De lo contrario, elija a vH tal que vH y sea H=gen{v1,v2},
y as sucesivamente. Continuamos hasta encontrar vectores linealmente

independientes tales que H=gen{ }. El proceso tiene

que terminar porque se pueden encontrar a lo mas n vectores linealmente
independientes en H. entonces H-kn.

EJEMPLO: una base para el espacio de solucin de un sistema homogneo

Encuentre una base (y la dimensin) para el espacio de solucin S del sistema

homogneo

SOLUCIN: aqu . Como A es una matriz de 2x3, S es un

subespacio de R3. Reduciendo por renglones, se encuentra, sucesivamente,
Entonces y=z y x=-z de manera que todas las soluciones son de la forma .As,

es una base para S y dimS=1. Obsrvese que S es el conjunto de vectores que

se encuentran en la recta x=-t, y=t, z=t.
TEOREMA: cualquier conjunto de n vectores linealmente independientes en eun
espacio vectorial V de dimensin n constituyen una base apara V.

Sean , n vectores. Si generan el espacio V, entonces

constituyen una base. De lo contrario, existe un vector uV tal que

ugen . Esto significa que los n+1 vectores , u

donde linealmente independientes. Para ver esto observe que si

(8)

Entonces porque de lo contrario podramos escribir u como una

combinacin lineal de dividiendo la ecuacin (8) entre y

poniendo todos los trminos, excepto u, en el lado derecho. Pero si

entonces (8) es
 Lo que significa que ya que los v son linealmente

independientes. Ahora sea W=gen{ ,u}. como todos los vectores entre

las llaves estn en V, W es un subespacio de V. como ,u son

linealmente independientes, forman una base para W, y dimW=n+1. Pero por el
teorema, dimWn. esta contradiccin muestra que no existe el vector uV tal que ugen{

}. As, genera a V y, por lo tanto, constituye una base

para V.

CAMBIO DE BASE
En R2 se expresaron vectores en trminos de la base cannica

. En Rn se defini la base canonica . En Pn se

defini la base estandra como . Estas bases se usan

ampliamente por la sencillez que ofrecen a la hora de trabajar con ellas. Pero en
ocasiones ocurre que es mas conveniente alguna otra base. Existe un numero infinito
de bases para elegir, ya que en un espacio vectorial de dimensin n, cualesquiera n
vectores, linealmente independientes, forman una base. En esta seccin se vera como
cambiar de una base a otra mediante el calculo de cierta matriz. Iniciaremos por un

ejemplo sencillo. Sean u . entonces, es la base

canonica en R2. Sean Como v1 y v2 son linealmente

independientes (porque v1 no es un mltiplo de v2), es una segunda

base en R2. Sea un vector en R2. Esta notacin significa que

Es decir, x esta expresando en trminos de los vectores de la base B. para hacer

hincapi en este hecho, se escribe Como B es otra base en R2,

existen escalares c1 y c2 tales que (1) Una vez que se encuentran

estos escalares. Se puede escribir para indicar que x esta ahora

expresado en trminos de los vectores en B. para encontrar los nmeros c1 y c2, se
escribe la base anterior en trminos de la nueva base. Es sencillo verificar que

(2)

y es decir,

Entonces,
As, de (1),

Por ejemplo, si

entonces
4.5 Espacio vectorial con producto interno y sus propiedades.

Un espacio vectorial complejo V se denomina espacio con producto interno si

para cada par ordenado de vectores u y v en V, existe un numero complejo nico (u,v),
denominado producto interno de u y v, tal que si u, v y w estn en V y C, entonces

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).

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.

EJEMPLO: dos vectores ortogonales en C2

En C2 los vectores (3,-i) y (2,6i) son ortogonales porque

Conjunto ortonormal

El conjunto de vectores es un conjunto ortonormal en V si

y
Si solo el primero se cumple, se dice que el conjunto es ortonormal.

TEOREMA: cualquier conjunto finito de vectores ortonormales diferentes de cero en

un espacio con producto interno es linealmente independiente.

TEOREMA: cualquier conjunto finito linealmente independiente en un espacio con

producto interno se puede convertir en un conjunto ortonormal mediante el proceso de
Gram-Schmidt. En particular, cualquier espacio con producto interno tiene una base
ortonormal.

Proyeccin ortogonal
Sea H un subespacio del espacio con producto interno V con base ortonormal

Si vV, entonces la proyeccin ortonormal de v sobre H denotada por proyHv esta

dada por (6)

 Las demostraciones de los siguientes teoremas son idnticas a sus contrapartes
en Rn.
TEOREMA: sea H un subespacio de dimensin finita con producto interno V. suponga

que H tiene dos bases ortonormales

Sea vV. entonces

Complemento ortogonal
Sea H un subespacio del espacio con producto interno V. entonces el
complemento ortogonal de H, denotado por H, esta dado por (7)

TEOREMA: si H es un subespacio del espacio con producto interno V, entonces

TEOREMA DE PROYECCIN: sea H un subespacio de dimensin finita del espacio

con producto interno V y suponga que vV. entonces existe un par nico de vectores
h y p tales que hH, pH, y (8) v=h+p donde h=proyHv.

Si V tiene dimensin finita, entonces p=proyHv.

TEOREMA: sea A una matriz de nxn; entonces A tiene vectores propios linealmente
independientes si y solo si multiplicidad geomtrica de cada valor propio es igual a su
multiplicidades algebraica. En particular, A tiene n vectores propios linealmente
independientes si todos los valores propios son distintos (ya que entonces la
multiplicidad algebraica de cada valor propio es 1).
4.6 Base ortonormal, proceso de ortonormalizacin de Gram-Schmidt.

Conjunto ortonormal en Rn
Se dice que un conjunto de vectores S={u1, u2, , uk} en Rn es un conjunto

ortonormal si (1) (2)

Si solo satisface la ecuacin (1), se dice que el conjunto es ortogonal.
Si u, v y w en Rn y es un numero real, entonces (3) (4) (5) (6)(7)

Ahora se presenta otra definicin til

Si vRn, entonces la longitud o norma de v, denotada por |v|, esta dada por (8)

Nota. Si entonces v*v= Esto significa

que (9)

De esta forma se puede obtener la raz cuadrada en (8), y se tiene (10)(11)

TEOREMA: si S= es un conjunto ortogonal de vectores diferentes

de cero, entonces S es linealmente independiente.
Suponga que
Entonces, para cualquier i=1,2,,k

Como v0 por hiptesis |v|2>0 y se dice que c=0. Esto es cierto para
i=1,2,,k, lo que completa la prueba.

Proceso de ortonormalizacion de Gram-Schmidt

Sea H un subespacio de dimensin m de Rn. Entonces H tiene una base

ortonormal. Sea S= una base de H. se probara el teorema

construyendo una base ortonormal a partir de vectores en S. antes de dar los pasios
para esta construccion, se observa el hecho sencillo de que un conjunto de vectores
linealmente independiente no contiene al vector cero.
Paso 1. Eleccion del primer vector unitario

Sea (12)

Entonces

De manera que |u|=1.

Paso 2. Eleccion de un segundo vector ortogonal a u

Como anteriormente se ha visto que, en R2, el vector es la

ortogonal a v. en este caso es la proyeccion de u sobre v. esto se ilustra en

la siguiente figura.

Resulta que el vector w dado es ortogonal a v cuando w y v estn en Rn para cualquier

n2. Obsrvese que como u es un vector unitario, para

cualquier vector v.

Sea (13)

entonces de manera que v

es ortogonal a u. mas aun, por el teorema, u y vson linealmente independientes. v0

porque de otra manera lo que contradice la

independencia de v1 y v2.
Paso 3. Eleccin de un segundo vector unitario

Sea (14) entonces es evidente que {u1,u2} es un conjunto

ortonormal.
Suponga que se han construido los vectores u1, u2,,uk(k<m) y que forman un
conjunto ortonormal. Se mostrara como construir uk+1.

Paso 4. Continuacin del proceso

Sea (15) entonces

para i=1,2,,k

Pero Por lo

tanto,

As, es un conjunto linealmente independiente, ortogonal y

vk+10.

Paso 5

Sea

Entonces es claro que es un conjunto ortonormal y se

puede continuar de esta manera hasta que k+1=m con lo que se completa la prueba.
Nota. Como cada u es una combinacin lineal de vectores v,

gen es un subespacio de gen y como cada

espacio tiene dimensin k, los espacio son iguales.
 TRANSFORMACIONES LINEALES

5.1 Definicin de transformacin lineal.

El presente capitulo aborda una clase especial de funciones

denominadas transformaciones lineales que ocurren con mucha frecuencia en el
lgebra 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
en la figura. Una vez que 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 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 nmero 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 nmero de
unidades de cada materia prima que se requieren para fabricar 1 unidad de cada
producto.
 Surge una pregunta natural: si se produce cierto nmero de los cuatro
productos, Cuntas unidades de cada material se necesitan? Seanp1, 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
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 ( 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)=aTv
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: V V 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
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 R2 y lo refleja respecto al eje y (vea la figura
5.2)

Ejemplo 7 Transformaciones de Rn Rm dada por la multiplicacin por una matriz

de m*n.
Sea A una matriz de m*n y definida T:R R por Tx = Ax. Como A(x + y) = Ax
+ Ay y A( 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.

5.2 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

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,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, 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.

El teorema 2 indica que si T:v W 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

i. El ncleo de T, denotado por un, est dado por

ii. La imagen de T, denotado por Im 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:V W es una transformacin lineal, entonces

i.Un T es un subespacio de V.
ii.Im T es un subespacio de W.
Demostracin
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.

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:R3 R3 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:R R 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

5.3 Representacin matricial 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 R n 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 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 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 correspondiente a laa transformacin lineal
T. entonces.
i. Im T = Im A = CAT
ii. P(T) = p(AT)
iii. Un T = NAT
iv. 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

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 Smen 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 de manera que

 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<1,
mientras que para la expansin c<1.

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: reflexin, dilatacin,
contraccin y rotacin.

Reflexin sobre el eje x

En este caso, queremos averiguar cmo 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:

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 grfica el punto disminuye en el eje horizontal.

Rotacin por un ngulo

Sea un ngulo medido en radianes. Queremos averiguar cual

es la transformacin T de R2 en R2 que gira cada vector un angulo

, para obtener un vector
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:

Por lo tanto, ya descubrimos cmo debe estar definida la

transformacin tal

que

Esta transformacin se llama la rotacin por un ngulo y es lineal, ya que: