INSTITUTO TECNOLÓGICO SUPERIOR DE MISANTLA

Asignatura:

Álgebra lineal

Carrera:

Ing. Gestión Empresarial

Docente:

Joaquín Sangabriel Lomelí

Quetzaly Guerrero García

209 B
 Introducción
Álgebra lineal es una rama de las matemáticas que estudia conceptos tales como
vectores, matrices, espacio dual sistema de ecuaciones lineales y en su enfoque de
manera formal espacios vectoriales y sus transformaciones lineales.
Es un área activa que tiene conexiones con muchas áreas dentro y fuera de las
matemáticas, como el análisis funcional, las ecuaciones diferenciales, la
investigación de operaciones, las gráficas por computadora, etc.

TRANSFORMACIONES LINEALES
En primer lugar, una transformación lineal es una función. Por ser función, tiene su
dominio y su codominio, con la particularidad de que éstos son espacios vectoriales.
Definición. Las transformaciones lineales son las funciones y tratan sobre
𝐾 −espacios vectoriales que son compatibles con la estructura (es decir, con la
operación y la acción) de estos espacios.

Propiedades de una transformación lineal

 Propiedad 1.
La imagen del vector nulo del dominio 0𝑦 es el vector nulo del codominio 0𝑤 :

𝑇(0𝑦 ) = 0𝑤

Demostración:
𝑇(0𝑣 ) = 𝑇(0. 𝑢) = 0. 𝑇(𝑢)
Donde hemos expresado a 0𝑣 como el producto del escalar 0 por cualquier
vector del espacio vectorial 𝑉, hemos usado la segunda condición que debe
cumplir una transformación lineal, y finalmente hemos vuelto a usar la propiedad
de espacios vectoriales sobre el producto del escalar 0 por cualquier vector.

Clasificación de las transformaciones lineales.

Recordemos que una función 𝐹: 𝐴 → 𝐵 es inyectiva si verifica la siguiente
propiedad:
𝐹(𝑥1 ) = 𝐹(𝑥2 ) ⇒ 𝑥1 = 𝑥2
En el caso particular de las T. L., puede demostrarse que:
Sea 𝐹: 𝑉 ⟶ 𝑊 una transformación lineal,

𝐹 es inyectiva
(monomorfismo)⇔
𝑁𝑤 (𝐹) = {0𝑣 }

 Epimorfismo: Transformaciones lineales sobreyectivas.

𝐹: 𝑉 ⟶ 𝑊 es sobreyectiva
(epimorfismo)
⇔ 𝐼𝑚 (𝐹) = 𝑊

 Isomorfismos: Transformaciones lineales biyectivas.

𝐹: 𝑉 ⟶ 𝑊 es biyectiva
(isomorfismo)
⇔ 𝑁𝑢 (𝐹) = {0𝑦 } ⋀

Propiedad 2.

La imagen del vector −𝑢 es igual al opuesto de la imagen de 𝑢:

𝑇 (−𝑢) = −𝑇(𝑢)

Demostración:

𝑇(−𝑢) = 𝑇(−1. 𝑢) = −1. 𝑇(𝑢)

La justificación de los pasos dado en la demostración es similar a la anterior.

Propiedad 3.

Consideremos r vectores del espacio vectorial 𝑉:

𝑢1 , 𝑢2 , … 𝑢𝑟 ∈ 𝑉

Tomemos una combinación lineal en el dominio

 𝛼1 𝑢1 + 𝛼2 𝑢2 + 𝛼3 𝑢3 + ⋯ + 𝛼

Donde 𝛼1 ∈ 𝑅.

Si aplicamos la transformación lineal 𝐹 de 𝑉 a 𝑊, teniendo en cuenta las

propiedades enunciadas en la definición, resulta:

𝐹(𝛼1 𝑢1 + 𝛼2 𝑢2 + 𝛼3 𝑢3 ) + ⋯ )

Es decir que una transformación lineal “transporta” combinaciones lineales

de 𝑉 a 𝑊 considerando los escalares de la combinación lineal.

Núcleo de una transformación lineal.

Sean 𝐹: 𝑉 → 𝑊 una transformación lineal.

Llamamos núcleo de 𝐹 al conjunto de vectores del dominio cuya imagen por
𝐹 es el 0𝑤

𝑁𝑢 (𝐹) = {𝑢 ∈ 𝑉|𝐹(𝑢) = 0𝑤 }

El núcleo de una transformación lineal es un subespacio de 𝑉.

 Llamamos imagen de 𝐹 al conjunto de vectores de 𝑊 que son imagen de

algún vector de 𝑉.

Una transformación que NO es lineal.

Suponga que 𝑇: 𝐶[0,1] → 𝑅 está definida por 𝑇𝑓 = 𝑓(0) + 1. Entonces 𝑇 no

es lineal. Para ver esto se calcula

𝑇(𝑓 + 𝑔) = (𝑓 + 𝑔) + 1 = 𝑓(0) + 𝑔(0) + 1

𝑇𝑓 + 𝑇𝑔 = [𝑓(0) + 1] + [𝑔(0) + 1] = 𝑓(0) + 𝑔(0) + 2

Esto proporciona otro ejemplo de una transformación que puede parecer

lineal pero que, de hecho, no lo es.

Nulidad y rango de una transformación lineal.

Si 𝑇 es una transformación lineal de 𝑉 en 𝑊, entonces se define:

Nulidad de 𝑇 = 𝑣(𝑇) dim 𝑛𝑢 𝑇

Rango de 𝑇 = 𝜌(𝑇) = dim 𝐼𝑚 𝑇

Geometría de las transformaciones lineales 𝑅 2 en 𝑅 2

Sea 𝑇: 𝑅 2 → 𝑅 2 una transformación lineal con representación matricial 𝐴𝑇 .

Ahora demostrará que si 𝐴𝑇 es invertible, entonces 𝑇 se puede escribir como
una sucesión de una o más transformaciones especiales, denominadas
expansiones, compresiones, reflexiones y cortes.

Expansiones a lo largo de los ejes 𝑥 o 𝑦.

Una expansión a lo largo del eje 𝑥 es una transformación lineal que multiplica
a la coordenada 𝑥 de un vector en 𝑅 2 por una constante 𝑐 > 1. Esto es

𝑥 𝑐𝑥
𝑇( ) = ( )
𝑦 𝑦
𝑐 0
Entonces 𝑇(10) = (0𝑐 ) y 𝑇(01) = (01), de manera que si 𝐴𝑇 = ( ), se tiene
0 1
𝑥 𝑥 𝑐 0 𝑥 𝑐𝑥
𝑇( ) = 𝐴( ) = ( )( ) = ( )
𝑦 𝑦 0 1 𝑦 𝑦

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

lineal que multiplica la coordenada 𝑦 de todo vector en 𝑅 2 por una constante
𝑐 > 1.

Compresión a lo largo de los ejes 𝑥 o 𝑦.

Una compresión a lo largo de los ejes 𝑥 o 𝑦 es una transformación lineal que

multiplica a la coordenada 𝑥 o 𝑦 de un vector en 𝑅 2 por una constante
positiva 𝑐 < 1. La representación matricial de una compresión es la misma
que para una expansión, excepto para la compresión 0 < 𝑐 < 1, mientras
que para la expansión 𝑐 < 1.

Cortes

Un corte a lo largo del eje 𝑥 es una transformación que toma al vector (𝑦𝑥 ) y
lo convierte en un nuevo vector (𝑥+𝑐𝑦
𝑦
), donde 𝑐 es una constante que puede
ser positiva o negativa.

Un corte a lo largo del eje 𝑦 es una transformación que toma al vector (𝑦𝑥 ) y
𝑥
lo convierte en un nuevo vector (𝑦+𝑐𝑥 ), donde 𝑐 es una constante que puede
ser positiva o negativa.
  Toda matriz elemental 𝐸 de 2 × 2 es uno de los siguientes:

1) La representación matricial de una expansión a lo largo del eje

𝑥o𝑦
2) La representación matricial de una compresión a lo largo del
eje 𝑥 o 𝑦
3) La representación matricial de una reflexión respecto a la recta
𝑦=𝑥
4) La representación matricial de un corte a lo largo del eje 𝑥 o 𝑦
5) La representación matricial de una reflexión respecto del eje 𝑥
o𝑦
6) El producto de la representación matricial de una reflexión
respecto al eje 𝑥 o 𝑦 y la representación matricial de una
expansión o compresión.

 Sea 𝑇: 𝑅 2 → 𝑅 2 una transformación lineal tal que su representación

matricial es invertible. Entonces 𝑇 se puede obtener como una
sucesión de expansiones, compresiones, cortes y reflexiones.

 En conclusión

 Transformación lineal

Sea 𝑉 y 𝑊 dos espacios vectoriales. Una transformación lineal 𝑇 de 𝑉

en 𝑊 es una función que asigna a cada vector 𝑣 ∈ 𝑉 un vector único
𝑇𝑣 ∈ 𝑊 y que satisface, para cada 𝑢 y 𝑣 en 𝑉 y cada escalar 𝛼,

𝑇(𝑢 + 𝑣) = 𝑇𝑢 + 𝑇𝑣
y
𝑇(𝛼𝑣) = 𝛼𝑇𝑣

 Propiedades básicas de las transformaciones lineales

Sea 𝑇: 𝑉 → 𝑊 una transformación lineal. Entonces para cada vector 𝑢,

𝑣1 , 𝑣2 , …, 𝑣𝑛 en 𝑉 y todo escalar 𝛼1 , 𝛼2 , … , 𝛼𝑛

i). 𝑇(0) = 0
ii). 𝑇(𝑢 − 𝑣) = 𝑇𝑢 − 𝑇𝑣
iii). 𝑇(𝛼1 𝑣1 , 𝛼2 𝑣2 , … , 𝛼𝑛 𝑣𝑛 ) = 𝛼1 𝑇𝑣1 , 𝛼2 𝑇𝑣2 , … . 𝛼𝑛 𝑇𝑣𝑛

 Núcleo e imagen de una transformación lineales

Sean 𝑉 y 𝑊 dos espacios vectoriales y sea 𝑇: 𝑉 → 𝑊 una

transformación lineal. Entonces el núcleo de 𝑇, denotado por 𝑛𝑢 𝑇,
está dado por:
 𝑛𝑢 𝑇 = {𝑣 ∈ 𝑉: 𝑇𝑣 = 0}

La imagen de 𝑇, denotada por 𝐼𝑚 𝑇, está dada por

𝐼𝑚 𝑇 = {𝑤 ∈ 𝑊: 𝑇𝑣 para algún 𝑣 ∈ 𝑉}
𝑛𝑢 𝑇 es un subespacio de 𝑉 e 𝐼𝑚 𝑇 es un subespacio de W.

 Nulidad y rango de una transformación lineal

Si 𝑇 es una transformación lineal de 𝑉 en 𝑊, entonces:

nulidad de 𝑇 = 𝑣(𝑇) = dim 𝑛𝑢 𝑇

rango de 𝑇 = 𝜌(𝑇) = dim 𝐼𝑚 𝑇

 Matriz de transformación

Sea 𝑇: símbolo 𝑅 𝑛 → 𝑅 𝑛 una transformación lineal. Entonces existe

una matriz única de 𝑚 × 𝑛, 𝐴𝑇 , tal que

𝑇𝑥 = 𝐴𝑇 𝑥 para toda 𝑥 ∈ 𝑅 𝑛

La matriz 𝐴𝑇 se llama matriz de transformación de 𝑇.

Sea 𝐴𝑇 la matriz de transformación correspondiente a una

transformación lineal 𝑇. Entonces:
i). 𝐼𝑚 𝑇 = 𝑅𝐴𝑇 = 𝐶𝐴𝑇
ii). 𝜌(𝑇) = 𝜌(𝐴𝑇 )

 Teorema de resumen

Sea 𝐴 una matriz de 𝑚 × 𝑛. Entonces las siguientes 11 afirmaciones

son equivalentes:

i). Es invertible.
ii). La única solución al sistema homogéneo 𝐴𝑥 = 0 es la solución
trivial (𝑥 = 0).
iii). El sistema 𝐴𝑥 = 𝑏 tiene una solución única para cada n-vector
𝑏.
iv). 𝐴 es equivalente por renglones a la matriz identidad, 𝐼𝑛 , de 𝑛 ×
𝑛.
v). 𝐴 se puede expresar como el producto de matrices
elementales.
vi). La forma escalonada por renglones de 𝐴 tiene 𝑛 pivotes.
vii). Las columnas (y renglones) de 𝐴 son lineamientos
independientes.
 viii). Det 𝐴 ≠ 0.
ix). 𝑣(𝐴) = 0.
x). 𝜌(𝐴) = 𝑛.

Problema
1 0
2
Sea 𝑇 una transformación lineal de 𝑅 3 en 𝑅 2 y suponga que 𝑇 (0) = ( ) , 𝑇 (1) =
3
0 0
0 3
−1 5
( ) y 𝑇 (0) = ( ). Calcula 𝑇 (−4)
4 −3
1 5
3 1 0 0
(−4) = 3 (0) − 4 (1) + 5 (0)
5 0 0 1
3 1 0 0
𝑇 (−4) = 3𝑇 (0) − 4𝑇 (1) + 5𝑇 (0) =
5 0 0 1
2 −1 5 6 4 25 35
3( ) −4( ) + 5( ) = ( ) + ( )+( )=( )
3 4 −3 9 −16 −15 −22

Fuente: - Matemáticas 4 Álgebra lineal. Stanley L. Grossman. Mc Graw Hill