Tabla de contenido

4.1 Espacio vectorial.................................................................................................... 1

4.2 Definicin de subespacio vectorial y sus propiedades...........................................................1
4.3 Combinacin lineal. Independencia Lineal....................................................2
Independencia Lineal................................................................................................ 2
4.4 Base y dimensin de un espacio vectorial. Cambio de base.........................3
4.5 Espacio vectorial con producto interno.........................................................4
4.6 Base orto normal........................................................................................... 5
5.1 Introduccin a las transformaciones lineales................................................6
5.2 Ncleo e imagen de una transformacin lineal.............................................8
5.3 Representacin Matricial de una Transformacin Lineal..............................10
5.4 Aplicacin de las transformaciones lineales................................................14
Bibliografa........................................................................................................ 15

4.1 Espacio vectorial

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.
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.
Axiomas de un espacio vectorial.
1-

Si X pertenece a V y Y pertenece a V, entonces X+Y pertenece a V.

2-

Para todo X, Y y Z en V, (x+y)+z = x(y+z).

3-

Existe un vector |0 pertenece V tal que para todo X pertenece a V, X+0=0+X=X.

4-

Si x pertenece a V, existe un vector x en V tal que x+(-x)=0.

5-

Si X y Y estn en V, entonces x+y=y+x.

6-

Si x pertenece a V y aes un escalar, entonces ax pertenece a V.

7-

Si X y Y estn en V y aes un escalar, entonces(x+y)= ax + ay

8-

Si X pertenece a V y ay b son escalares, entonces(a+b) x = ax+ by.

9-

Si X pertenece a V y ay b son escalares, entoncesa(bx) = (ab)x.

10- Para cada vector X pertenece a V, 1x = x.

4.2 Definicin de subespacio vectorial y sus propiedades

Sea H un subconjunto no vaco de un espacio vectorial V y suponga que H es en s un espacio
vectorial bajo las operaciones de suma y multiplicacin por un escalar definidas en V. Entonces se
dice que H es un sub espacio de V.
Existen mltiples ejemplos de sub espacio, sin embargo, en primer lugar, se demostrar un resultado
que hace relativamente sencillo determinar si un subconjunto de V es en realidad sub espacio de V
Teorema de sub espacio
Un subconjunto no vaco 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)
Si x H y y H, entonces x + y H.
ii)
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.
PROPIEDADES DE SUB ESPACIO VECTORIAL
1). El vector cero de V esta en H.2.
2). H es cerrado bajo la suma de vectores. Esto es, para cada u y ven
H, la suma u+ v est en H.
3). 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.

4.3 Combinacin lineal. Independencia 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
Los vectores son linealmente independientes si tienen distinta direccin y sus componentes no son
proporcionales.
Un conjunto de vectores {v1,v2,,vk} es un espacio vectorial V es linealmente dependiente si existen
escalares c1,c2,,ck, al menos uno de los cuales no es cero, tales que:
c1v1+c2v2++ckvk=0
Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.
Criterios de Independencia Lineal
Sean u1, u2, ,uk k vectores en Rn y A la matriz que tiene como columnas a estos vectores, los
vectores son linealmente independientes si el sistema Ax = 0 tiene nicamente solucin trivial.
Un conjunto de vectores linealmente independientes en n contiene a lo ms n vectores.
2

Tres vectores en 3 son linealmente dependientes si y slo si son coplanares, esto es, que estn en
un mismo plano.
Teoremas
1. Cualquier conjunto que contenga al vector 0 es linealmente dependiente.
2. Cualquier conjunto que contenga un nico vector diferente de cero, v 0, es linealmente
independiente.
3. Cualquier conjunto formado por dos vectores diferentes de cero, S = {v 1, v2}, donde v1
0, v2 0, es linealmente dependiente si, y slo si, uno de los vectores es mltiplo escalar del
otro.
4. Cualquier conjunto que contenga un subconjunto linealmente dependiente es linealmente
dependiente.
5. Cualquier subconjunto de un conjunto linealmente independiente es linealmente
independiente.

4.4 Base y dimensin de un espacio vectorial. Cambio

de base
Un conjunto de vectores S={v1, v2,, vn} en un espacio vectorial V se denomina base de V si se
cumplen las siguientes condiciones.
* S genera a V.
* S es linealmente independiente
Una base posee 2 caractersticas que se acaban de ver, debe tener suficientes valores para generar
a V, pero no tantos de modo que uno de ellos pueda escribirse como una combinacin lineal de los
dems vectores en S. Si un espacio vectorial consta de un nmero finito de vectores, entonces V es
de dimensin finita. En caso contrario, V es de dimensin infinita.
Base
En trminos generales, una base para un espacio vectorial es un conjunto de vectores del espacio,
a partir de los cuales se puede obtener cualquier otro vector de dicho espacio, haciendo uso de las
operaciones en l definidas.
La base es natural, estndar o cannica si los vectores v1, v2,, vn forman base para Rn.
Si S={v1, v2,, vn} es una base para un espacio vectorial V entonces todo vector v en V se puede
expresar como:
1.
2.

V = c1v1+ c2v2++ cnvn

V = k1v1+ k2v2++ knvn

Restar 2-1

0 = (c1- k1) v1+(c2- k2) v2++(cn- kn) vn

Ejemplo:
demostrar si S = {v1, v2,, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)
Proponer vector arbitrario, combinacin lineal
b = c1v1+ c2v2+ c3v3
(b1, b2, b3) = c1(1,2,1)+ c2(2,9,0)+ c3(3,3,4)
(b1, b2, b3) = c1+2c2+3c3;2c1+9c2+3c3; c1+4c3
c1 + 2c2 + 3c3 = b1
2c1 + 9c2 + 3c3 = b2
c1
+ 4c3 = b3

det A = [(1*9*4)+(2*3*1)+0]-[(1*9*3)+0+(4*2*2)]
= [36+6]-[27+16]
= -1
Si genera a R3

Unicidad representacin de la base

Si S = {v1, v2,, vn} es una base de un espacio vectorial V, entonces todo vector en V puede
escribirse de una y solo una forma como combinacin lineal de vectores en S.
Para demostrar la unicidad (que en un vector dado puede representarse slo de una manera), se
supone que u tiene otra representacin u= b1v1 + b2v2++bnvn. Al restar la segunda representacin
de la primera se obtiene:
u-u = (c1-b1)v1 + (c2-b2)v2+ + (cn-bn)vn = 0.
Sin embargo como S es linealmente independiente, entonces la nica solucin de esta ecuacin es
la trivial,
c1-b1=0
c2-b2=0,
,
cn-bn=0.

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.
4

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.

4.6 Base orto normal

Defi nicin de conjunto ortogonales y conjuntos orto normales
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 orto normal.
Proceso de orto normalizacin de Gram-Schmidt
1.
2.

Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno
Sea B= {w1, w2, . . ., wn} donde wi est dado por:

w1= v1

Entonces B es una base ortogonal de V.

3. Sea ui= wi w1 entonces el conjunto B={ u1, u2, . . ., un} es una base ortonormal de V.
Ejemplo: Forma alternativa del proceso de ortonormalizacin de Gram-Schmidt
Determine una base ortonormal del espacio solucin del siguiente sistema homogneo de
ecuaciones lineales
w+ x +
z= 0
2w+x + 2y+ 6z=0
Solucin: La matriz aumentada se reduce como se sigue entonces cada solucin del sistema es de
la forma
Una base del espacio solucin es:
B= {v1, v2,} = {(-2,2,1,0), (1,-8,0,1)}.
Para hallar una base ortonormal B= {u1, u2}, se usa la forma alternativa del proceso de
ortonormalizacin de Gram- Schmidt como sigue.

5.1 Introduccin a las transformaciones lineales.

Definicin: 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 cmo 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 alguna de estas propiedades reciben nombres
particulares:
Definicin 3.6 Sean V y W dos K-espacios vectoriales, y sea f : V W una transformacin lineal. Se
dice que:
1. f es un homomorfismo 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.
Teorema 1
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.

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, T1v = T2v; es decir T1 = T2

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.
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 yw estn en Im T.

5.3 Representacin Matricial de una Transformacin

Lineal

10

11

12

13

5.4 Aplicacin de las transformaciones lineales.

Rm.Graficar un conjunto de puntos en otro es lo que se conoce como transformacin lineal de un
conjunto de puntos. Existen ciertas propiedades bsicas de las transformaciones lineales, las cuales
si son tomadas en cuenta y aplicadas al momento de resolver un problema, pueden reducirlo 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
mejora el sentido geomtrico de lo escrito. Por ejemplo, en el captulo 1, las transformaciones
lineales proporcionan una visin dinmica y grfica de la multiplicacin matriz-vector.
1. Reflexin: 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 a la
operacin realizada la reflexin del conjunto de puntos dado. Esto puede realizarse tambin con
respecto a la 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 el eje x o el eje y. Esto es como producir la
imagen espejo de la matriz actual.
2. Expansin: Al igual que en la reflexin, tambin es posible expandir los puntos dados en una
direccin particular. 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 2 es la direccin de y, entonces el nuevo punto obtenido es (2, 6).
3. Contraccin: 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. Rotacin: El trmino rotacin tiene dos significados, ya la rotacin de un objeto puede ser
realizada con respecto al eje dado o al eje mismo. La rotacin se realiza para un cierto grado el cual
es expresado en forma de un ngulo. Asimismo, la rotacin puede realizarse en la direccin de las
manecillas del reloj, o inverso a las 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).

14

Bibliografa
Grossman S, S.I., lgebra Lineal Sexta Edicin, 2007.
https://sites.google.com/site/sistemasalgebralineal/unidad-4

15