Pag.

1
Ing. Cristian Arias Diciembre 2008
TRANSFORMACION LINEAL
Sean V y W espacios vectoriales. Una transformacin lineal T de V en W ( T:VW) es una funcin que
asigna a cada vector veV un vector nico T(v)eW y que satisface :
A.1) v
1
,v
2
eV [T(v
1
+v
2
)=T(v
1
)+T(v
2
)]
A.2)oeR veV[T(ov)= oT(v)]

TEOREMA
Sea T:VW una transformacin lineal , entonces se cumple que :
T(0
V
)=0
W

v
1
,v
2
eV[T(v
1
-v
2
)=T(v
1
)-T(v
2
)]
v
1
,v
2
,, v
n
eV , o
1
,o
2
,, o
n
e9 [T(o
1
v
1
+o
2
v
2
++o
n
v
n
)=o
1
T(v
1
)+o
2
T(v
2
)

++o
n
T(v
n
)]

TEOREMA
Sea V un espacio vectorial de dimensin finita con base B={v
1
, v
2
, , v
n
}. Sean w
1
, w
2
, , w
n
vectores
del espacio vectorial . Entonces existe una transformacin lineal nica T:VW tal que T(v
i
)=w
i
para
i=1,2,,n.

NUCLEO ( KERNEL ) DE UNA TRANSFORMACION LINEAL
Sea T:VW una transformacin lineal, se define como Ncleo de T, a :
Nu(T)={veV / T(v)=0
W
}= Ker(T)

TEOREMA
Sea T:VW una transformacin lineal, entonces se cumple que el Ncleo de T es un subespacio
vectorial de V.

NULIDAD DE UNA TRANSFORMACIN LINEAL
Sea T:VW una transformacin lineal, se define como Nulidad de T, a:
Nulidad de T= v(T) = dim Nu(T)

RECORRIDO ( IMAGEN ) DE UNA TRANSFORMACION LINEAL
Sea T:VW una transformacin lineal, se define como Recorrido de T, a:
Rec(T)={weW/T(v)=w para algn veV}=Im(T)

TEOREMA
Sea T:VW una transformacin lineal, entonces se cumple que el Recorrido de T es un subespacio
vectorial de W.

RANGO DE UNA TRANSFORMACIN LINEAL
Sea T:VW una transformacin lineal, se define como Rango de T, a : (T) = dim Rec(T)

TEOREMA DE LAS DIMENSIONES
Sea T:VW una transformacin lineal y V un espacio vectorial de dimensin finita, entonces se cumple
que: (T) + v(T) = dim V

TRANSFORMACION LINEAL INYECTIVA (UNO A UNO)
Sea T:VW una transformacin lineal, entonces T es inyectiva si y slo si :
v
1
,v
2
eV [T(v
1
)=T(v
2
) v
1
=v
2
]

TEOREMA
Sea T:VW una transformacin lineal . T es inyectiva s y slo si Nu(T)={0
V
} (v(T)=0)

TRANSFORMACION LINEAL SOBREYECTIVA
Sea T:VW una transformacin lineal, entonces T es sobreyectiva, si y slo si :
weW -veV [T(v)=w]

TEOREMA
Sea T:VW una transformacin lineal. T es sobreyectiva s y slo si (T)=dim W

ISOMORFISMO
Sea T:VW una transformacin lineal, entonces T es un Isomorfismo si y slo si T es inyectiva y T es
sobreyectiva.
Pag. 2
Ing. Cristian Arias Diciembre 2008
ESPACIOS VECTORIALES ISOMORFOS
Se dice que los espacios vectoriales V y W son isomorfos si existe un isomorfismo T de V sobre W.

TEOREMA
V y W son espacios vectoriales isomorfos (V~W) si y solo si V y W son espacios vectoriales de
dimensin finita y dimV=dimW.


MATRIZ ASOCIADA A UNA TRANSFORMACION LINEAL
Sean V y W dos espacios vectoriales con bases |
1
={v
1
, v
2
, , v
n
} y |
2
={w
1
, w
2
, ,w
m
} respectivamente
y sea T: VW una transformacin lineal, entonces la matriz A
T
de mxn se define como la matriz
asociada de T , tal que : A
T
= [T(v
1
)]
|2
[T(v
2
)]
|2
[T(v
3
)]
|2
[T(v
n
)]
|2


TEOREMA
Sea V un espacio vectorial de dimensin n , W un espacio vectorial de dimensin m y T:VW una
transformacin lineal. Si |
1
={ v
1
, v
2
, , v
n
}es una base de V y

|
2
={ w
1
, w
2
, , w
m
}es una base de
W . Entonces existe una sola matriz AeM
mxn
tal que :
veV { [T(v)]
|2
=A
T
[v]
|1
}


OPERADOR LINEAL SOBRE UN ESPACIO VECTORIAL
T es un operador lineal sobre V, si y solo si T: VV es una transformacin lineal.

TEOREMA
Sea T:VW una transformacin lineal. Si {v
1
, v
2
, ,v
n
} es linealmente independiente en V y T es
inyectiva, entonces {T(v
1
), T(v
2
) , , T(v
n
)} es linealmente independiente en W.

TEOREMA
Sea T:VW una transformacin lineal. Si {T(v
1
), T(v
2
) , , T(v
n
)} es linealmente independiente en W,
entonces {v
1
, v
2
, ,v
n
} es linealmente independiente en V.

TEOREMA
Sea T:VW una transformacin lineal, A
T
la matriz que representa a T , V y W espacios de dimensin
finita y dimV=n entonces se cumple que :
(T)=(A
T
)
v(T)=v(A
T
)
(T)+v(T)=n

TEOREMA
Sea T:VW una transformacin lineal .Si dimV=dimW=n y T es inyectiva entonces T es sobreyectiva .

TEOREMA
Sea T:VW una transformacin lineal .Si dimV=dimW=n y T es sobreyectiva entonces T es inyectiva .

TEOREMA
Sea T:VW una transformacin lineal .Si dimV>dimW entonces T no es inyectiva

TEOREMA
Sea T:VW una transformacin lineal .Si dimV<dimW entonces T no es sobreyectiva

TEOREMAS
Sea T:VW un isomorfismo :
Si V={ v
1
, v
2
, v
3
, , v
n
}, entonces W={ T(v
1
), T(v
2
) , T(v
3
)

, , T(v
n
)}
Si {v
1
,v
2
,v
3
, ,v
n
}es linealmente independiente en V, entonces {T(v
1
),T(v
2
),T(v
3
), ,T(v
n
)}es
linealmente independiente en W.
Si {v
1
,v
2
,v
3
, ,v
n
}es una base de V, entonces {T(v
1
),T(v
2
),T(v
3
), ,T(v
n
)}es una base de W.
Si V es de dimensin finita, entonces W es de dimensin finita y dimV=dimW.

TEOREMA
Sea T:VW una transformacin lineal . T es invertible si y solo si T es un isomorfismo.

Pag. 3
Ing. Cristian Arias Diciembre 2008
TEOREMA
Sea T:VW una transformacin lineal, B
1
y B
2
bases finitas de V y W respectivamente y [T]
B1B2
la
matriz asociada a T con respecto a las bases B
1
y B
2
. T es invertible si y solo si [T]
B1B2
es invertible.

COMPOSICIN DE TRANSFORMACIONES LINEALES
Sea T
1
:VW y T
2
:WU, dos transformaciones lineales, si W_W entonces se define a T
2
oT
1
:VU
como la composicin de T
2
con T
1
.

TEOREMA

Sea T:VW una transformacin lineal del espacio vectorial V de dimensin n al espacio vectorial W de
dimensin m . Sean |
1
y |
1
dos bases de V, |
2
y |
2
dos bases de W . Si P
|1|1
es la matriz de cambio
de base de |
1
a |
1
(nxn) y Q
|2|2
es la matriz de cambio de base de |
2
a |
2
(mxm) , entonces las
matrices asociadas [T]
|1|2
y [T]
|1|2
estn relacionadas por :

[T]
|1|2
= Q
|2|2
[T]
|1|2
(P
|1|1
)
-1


TEOREMA
Sea T:VV una transformacin lineal , donde V es un espacio vectorial de dimensin finita con las
bases |
1
={ v
1
, v
2
, v
3
, , v
n
} y |
2
={ w
1
, w
2
, , w
n
} . Si A
T
es la representacin matricial de T con
respecto a la base |
1
y si C
T
es la representacin matricial de T con respecto a la base |
2
, entonces se
cumple que:
A
T
=M
-1
C
T
M




ESPACIO VECTORIAL CON PRODUCTO INTERNO REAL
El espacio vectorial V recibe el nombre de espacio vectorial con producto interno real si para todo par de
vectores v
1
y v
2
en V , existe un nmero real nico (v
1
,v
2
) , denominado producto interno de v
1
y v
2
, y
adems se cumple que :
A.1) veV [(v,v)>0]
A.2) veV [(v,v)=0 v=0
V
]
A.3) v
1
,v
2
,v
3
eV [(v
1
,v
2
+v
3
)=(v
1
,v
2
)+(v
1
,v
3
)]
A.4) v
1
, v
2
eV [(v
1
,v
2
)= (v
2
,v
1
)]
A.5) oe9 v
1
,v
2
eV [o(v
1
,v
2
)=(ov
1
,v
2
)=(v
1
, ov
2
)]


PRODUCTO INTERNO STANDAR
Sea V un espacio vectorial y B={u
1
, u
2
, , u
n
} una base cannica de V. Se dice que V,(-/-) es un espacio
vectorial con producto interno estndar, si para todo v
1
y v
2
vectores de V se cumple que:
(v
1
/v
2
)=(a
1
u
1
+a
2
u
2
++a
n
u
n
/ b
1
u
1
+b
2
u
2
++b
n
u
n
)= a
1
b
1
+a
2
b
2
++a
n
b
n


ESPACIO EUCLIDIANO
Sea V,(-/-) un espacio vectorial con producto interno. Si la dimensin de V es finita, entonces se dice que
V,(-/-) es un espacio euclidiano.

VECTORES ORTOGONALES
Sea V un espacio vectorial con producto interno, v
1
y v
2
son ortogonales en V si y solo si (v
1
,v
2
)=0 .

TEOREMA
Sea V un espacio vectorial con producto interno, 0
V
el vector nulo de V y para cualquier vector v de V, se
cumple que el conjunto {v,0
V
} es ortogonal en V.

NORMA DE UN VECTOR
Sea V un espacio vectorial con producto interno y veV, la norma de v denotada por v se define como :
( ) v , v v + =

Pag. 4
Ing. Cristian Arias Diciembre 2008

TEOREMA (DESIGUALDAD DE CAUCHY-SCHWARZ)
Sea V, (-/-) un espacio con producto interno, entonces para cualesquiera vectores u y v en V se cumple la
desigualdad ( )
2 2
2
v u v / u s

NGULO AGUDO ENTRE DOS VECTORES
Sean v
1
y v
2
vectores un espacio V, (-/-) con producto interno, define como el ngulo agudo u entre v
1
y
v
2
a:
|
|
.
|

\
|
= u
2 1
2 1
v v
v v
arcCos

CONJUNTO ORTOGONAL
Sea V un espacio vectorial con producto interno, el conjunto de vectores { v
1
, v
2
, v
3
, , v
n
} es un
conjunto ortogonal en V si y solo si : (v
i
,v
j
)=0 para ij

TEOREMA
Todo conjunto ortogonal finito de vectores no nulos en un espacio vectorial con producto interno es
linealmente independiente en V.

CONJUNTO ORTONORMAL
Sea V un espacio vectorial con producto interno , el conjunto de vectores { v
1
, v
2
, v
3
, , v
n
} es un
conjunto ortonormal en V si y solo si : (v
i
,v
j
)=0 para ij y v
i
=(v,v)=1 para i=1,2,3,,n

TEOREMA
Todo conjunto ortonormal finito de vectores en un espacio vectorial con producto interno es linealmente
independiente en V.

TEOREMA DE GRAM-SCHMIDT (PROCESO DE ORTONORMALIZACIN)
Todo conjunto finito, linealmente independiente en un espacio con producto interno puede transformarse
en un conjunto ortonormal mediante el proceso de Gram-Schmidt.

COMPLEMENTO ORTOGONAL
Sea H un subespacio de un espacio vectorial V con producto interno.Entonces el complemento ortogonal
de H , denotado por H

, se define como :
H

={v eV/(v,h)=0 para todo heH}

TEOREMA
Sea H un subespacio de un espacio vectorial V con producto interno y H

el complemento ortogonal de
H, entonces se cumple que:
i.- H

H={0
V
}
ii.- H

H=V
iii.- Base de V= (Base de H)(Base de H

)
iv.- dimV=dimH+dimH

v.- Base ortonormal de V= (Base ortonormal de H)(Base ortonormal de H

)

PROYECCIN ORTOGONAL
Sea H un subespacio de un espacio vectorial V con producto interno y { h
1
, h
2
, h
3
, , h
k
} una base
ortonormal de H. Si veV , entonces la proyeccin ortogonal de v sobre H , denotada por proy
H
v se define
como :
Proy
H
v = (v, h
1
)h
1
+(v,h
2
)h
2
+(v,h
3
)h
3
++(v,h
k
)h
k


TEOREMA
Sea H un subespacio de un espacio vectorial V de dimensin finita con producto interno ,
|
1
={h
1
,h
2
,h
3
,,h
k
} y |
2
={u
1
,u
2
,u
3
,,u
k
}dos bases ortonormales de H. Entonces se cumple que para todo
veV se cumple que :
(v, h
1
)h
1
+(v,h
2
)h
2
+(v,h
3
)h
3
++(v,h
k
)h
k
=(v, u
1
)u
1
+(v,u
2
)u
2
+(v,u
3
)u
3
++(v,u
k
)u
k


TEOREMA DE LA PROYECCIN
Sea H un subespacio de dimensin finita del espacio vectorial V con producto interno y veV. Entonces
se cumple que : veV [ v=proy
H
v+proy
H
v ]
Pag. 5
Ing. Cristian Arias Diciembre 2008



VALOR Y VECTOR CARACTERSTICO ( PROPIO ) DE UNA MATRIZ NXN
( EIGENVALORES , EIGENVECTORES )

Sea AeM
nxn
con elementos reales. El nmero e recibe el nombre de valor caracterstico de A , si
existe algn v0e
n
tal que : Av=v
El vector v0e es un vector caracterstico de A correspondiente al valor caracterstico .

VALORES Y VECTORES CARACTERSTICOS DE UN OPERADOR LINEAL
Sea T:VV un operador lineal , se dice que es un valor y v un vector caracterstico de T si y slo si se
cumple T(v)= v

TEOREMA
Sea AeM
nxn
.Entonces es un valor caracterstico de A si y slo p()=det(A-I)=0.

TEOREMA
Toda matriz A eM
nxn
tiene n valores caractersticos.

TEOREMA
Sea A eM
nxn
y
1
,
2
,,
n
los valores caractersticos de A, entonces se cumple que detA=
1

2

n
.

TEOREMA
Sea AeM
nxn
,entonces el cero no es un valor caracterstico de si y solo si A es inversible .

POLINOMIO CARACTERSTICO
Sea AeM
nxn
, se define como polinomio caracterstico de A a p()=det(A-I) .

ECUACIN CARACTERSTICA
Sea AeM
nxn
, se define como ecuacin caracterstica de A a: det(A-I)=0

MULTIPLICIDAD ALGEBRAICA
Sea AeM
nxn
y p()=(-
1
)
r1
(-
2
)
r2
(-
i
)
ri
el polinomio caracterstico de A. Se define como
multiplicidad algebraica del valor caracterstico
i
a :
m.a.(
i
)=r
i


ESPACIO CARACTERSTICO
Sea AeM
nxn
y un valor caracterstico de A , se define como espacio caracterstico de A correspondiente
al valor caracterstico a:
E

={veC
n
/Av=v}

MULTIPLICIDAD GEOMTRICA
Sea AeM
nxn
y un valor caracterstico de A. Se define como multiplicidad geomtrica de a la
dimensin del Espacio caracterstico correspondiente : m.g. ( ) = dim E


TEOREMA
Sea AeM
nxn
y un valor caracterstico de A entonces se cumple que 1 s m.g.() s m.a.()

MATRICES SIMILARES ( SEMEJANTES )
Se dice que las matrices A y B de nxn son similares si existe una matriz C de nxn tal que :
B=C
-1
AC

TEOREMA
Si A y B son matrices similares de nxn , entonces A y B tienen la misma ecuacin caracterstica ( y por
tanto tienen los mismos valores caractersticos )

MATRIZ DIAGONALIZABLE
Una matriz A de nxn es diagonalizable si existe una matriz diagonal D, tal que A sea similar a D.


Pag. 6
Ing. Cristian Arias Diciembre 2008
TEOREMA
Una matriz A de nxn es diagonalizable si y solo si tiene n vectores caractersticos linealmente
independiente. Si ese es el caso, la matriz diagonal D que es similar a A est dada por :

|
|
|
|
|
|
|
|
.
|

\
|

=
n
2
1
. . . 0 0 0
. . . .
. . . .
. . . .
0 . . . 0 0
0 . . . 0 0
D

Donde
1
,
2
,,
n
son los valores caractersticos de A. Si C es una matriz cuyas columnas son vectores
caractersticos de A linealmente independientes , entonces : D=C
-1
AC

TEOREMA
Sea AeM
nxn
, entonces A tiene n vectores caractersticos linealmente independientes si y solo si la
multiplicidad geomtrica de cada es igual a su multiplicidad algebraica.

TEOREMA
Sea AeM
nxn
y sean
1
,
2
,
3
,,
m
diferentes valores caractersticos de A con los vectores caractersticos
correspondientes v
1
,v
2
,v
3
,,v
m
, entonces v
1
,v
2
,v
3
,,v
m
son linealmente independientes. ( Los vectores
caractersticos correspondientes a valores caractersticos diferentes son linealmente independientes )

COROLARIO
Si la matriz A de nxn tiene n valores caractersticos distintos, entonces A es diagonalizable.

TEOREMA
Sea T:VV una transformacin lineal , donde V es un espacio vectorial de dimensin finita con las
bases |
1
={ v
1
, v
2
, v
3
, , v
n
} y |
2
={ w
1
, w
2
, , w
n
} . Si A
T
es la representacin matricial de T con
respecto a la base |
1
y si C
T
es la representacin matricial de T con respecto a la base |
2
, entonces A
T
y
C
T
son similares:
A
T
=M
-1
C
T
M




MATRIZ ORTOGONAL
Q de nxn es ortogonal si y slo s Q es invertible y Q
-1
=Q
t


TEOREMA
Si Q es una matriz ortogonal entonces detQ=1 detQ=1

TEOREMA
La matriz Q de nxn es ortogonal si y solo si sus columnas forman una base ortonormal de 9
n


MATRIZ DIAGONALIZABLE ORTOGONALMENTE
La matriz A de nxn es diagonalizable ortogonalmente si y slo s existe una matriz ortogonal Q tal que :
D=Q
t
AQ

MATRIZ SIMTRICA
A de nxn es simtrica si y slo s A=A
t


TEOREMA
Si A es una matriz simtrica real de nxn, entonces los vectores caractersticos de A son reales.

TEOREMA
Sea A una matriz simtrica real de nxn. Si
1
y
2
son valores caractersticos distintos , a los que
corresponden los vectores caractersticos reales v
1
y v
2
, entonces v
1
y v
2
son ortogonales .

TEOREMA
Si A es una matriz simtrica real de nxn, entonces A tiene n vectores caractersticos ortonormales y reales

Pag. 7
Ing. Cristian Arias Diciembre 2008
TEOREMA
Sea A una matriz real de nxn . A es diagonalizable ortogonalmente si y slo si A es simtrica




ECUACIN CUADRTICA
Una ecuacin cuadrtica con dos variables sin trminos lineales es una ecuacin de la forma :
ax
2
+bxy+cy
2
=d donde a+b+c0 (Es decir, por lo menos uno de los nmeros a,b o c es
diferente de cero) .


FORMA CUADRTICA CON DOS VARIABLES
Es una expresin de la forma F(x,y)=ax
2
+bxy+cy
2
donde a+b+c0 .


TEOREMA DE LOS EJES PRINCIPALES EN 9
2
Sea ax
2
+bxy+cy
2
=d una ecuacin cuadrtica en las variables x i y. Entonces existe un solo nmero en
[0,2) tal que la ecuacin ax
2
+bxy+cy
2
=d se puede escribir en la forma : ax
2
+cy
2
=d donde x,y son
los ejes que se obtienen al rotar los ejes x i y un ngulo en sentido antihorario .Por otra parte, los
nmeros a y c son los valores caractersticos de la matriz
|
|
|
|
.
|

\
|
=
c
2
b
2
b
a
A

Los ejes x i y reciben el nombre de ejes principales de la grfica de la ecuacin cuadrtica
ax
2
+bxy+cy
2
=d .


TEOREMA

Si
|
|
|
|
.
|

\
|
=
c
2
b
2
b
a
A
entonces la ecuacin cuadrtica ax
2
+bxy+cy
2
=d con d0 es la ecuacin de :

Una hiprbola si detA<0
Una elipse , circunferencia o seccin cnica degenerada se detA>0
Un par de lneas rectas o seccin cnica degenerada si detA=0
Si d=0, entonces la ecuacin ax
2
+bxy+cy
2
=d es la de dos lneas rectas si detA0, y es la ecuacin de
una sola recta si detA=0.