ESQUEMA

INTRODUCCIN
ALGEBRA DE TRANSFORMACIONES
1)- Transformacin lineal
2)- Propiedades de las transformaciones lineales
3)- Imagen o ncleo de una transformacin lineal
4)- Relacin bsica entre el rango y nulidad de una
transformacin lineal
5)- Valores y vectores propios
6)- Diagonalizacin de matrices
IMPORTANCIA
CONCLUSIN
BIBLIOGRAFA
 INTRODUCCIN

Una transformacin es un conjunto de operaciones que se realizan

sobre un vector para convertirlo en otro vector.

Los espacios vectoriales son conjuntos con una estructura

adicional, al saber, sus elementos se pueden sumar y multiplicar por
escalares del campo dado, conviene utilizar funciones que preserven
dicha estructura. Estas funciones se llamaran transformaciones lineales.
Las transformaciones lineales se pueden representar en trminos de
matrices, y viceversa.

Se denomina transformacin lineal a toda funcin cuyo dominio e

imagen sean espacios vectoriales y se cumplan las condiciones
necesarias. Las transformaciones lineales ocurren con mucha frecuencia
en el lgebra lineal y en otras ramas de las matemticas, tienen una
gran variedad de aplicaciones importantes. Las transformaciones
lineales tienen gran aplicacin en la fsica, la ingeniera y en diversas
ramas de la matemtica.

La teora de la matriz entra en la teora de las transformaciones

lineales porque es posible representar cada transformacin lineal como
matriz. La multiplicacin de matrices puede considerarse como el
ejemplo principal que puede demostrar el concepto de transformacin
lineal. Una matriz A de dimensin n x m define que T (v) = Av y aqu v
es representado como un vector columna.
 ALGEBRA DE TRANSFORMACIONES

1)- Transformacin lineal

Definicin: Se denomina aplicacin lineal, funcin lineal o

transformacin lineal a toda aplicacin cuyo dominio y codominio
sean espacios vectoriales que cumpla la siguiente definicin:

Sean y espacios vectoriales sobre el mismo cuerpo . Una

aplicacin de en es una transformacin lineal si para todo
par de vectores y para todo escalar , se satisface
que:

1.

2. .

Ejemplos

1. La aplicacin que enva en (su conjugado) es una

transformacin lineal si consideramos a como un -espacio
vectorial. Sin embargo, no lo es si lo pensamos como -espacio

vectorial, ya que .

2. Dado un espacio vectorial cualquiera, podemos definir la funcin

identidad , que resulta una

transformacin lineal.
3. Las homotecias: con . Si k >
1 se denominan dilataciones, si k < 1 se denominan
contracciones.

4. Dada una matriz , la funcin

definida como es una transformacin lineal. Gracias a

la matriz asociada (leer ms abajo en el artculo), podemos
concluir que cualquier transformacin lineal definida entre
espacios vectoriales de dimensin finita puede verse como
multiplicar por una matriz.

5. Sea el conjunto de funciones continuas en y defnase

mediante , ocurre que:

para

Por lo tanto, se cumple que y

para todo y en y todo , as que es una

aplicacin lineal de en .
2)- Propiedades de las transformaciones lineales

Sean y espacios vectoriales sobre (donde representa el

cuerpo) se satisface que:

Si es lineal, se define el ncleo (ker) y la imagen (Im) de

de la siguiente manera:

Es decir que el ncleo de una transformacin lineal est formado

por el conjunto de todos los vectores del dominio que tienen por imagen
al vector nulo del codominio.

El ncleo de toda transformacin lineal es un subespacio vectorial

del dominio:

1. dado que (para probar esto, observar que

).

2. Dados

3. Dados
 Se denomina nulidad a la dimensin del ncleo.

La imagen de una transformacin lineal est formada por el

conjunto de todos los vectores del codominio que son imgenes de al
menos algn vector del dominio.

La imagen de toda transformacin lineal es un subespacio del

codominio.

El rango de una transformacin lineal es la dimensin de la

imagen.

3)- Imagen o ncleo de una transformacin lineal

Ncleo

Sea f: V -> W una transformacin lineal de un e.v. V, en un e.v W.

El Ncleo de f, (Nf), es el subconjunto del e.v. V que consta de todos los
elementos u de V tales que: f (u) = 0w.

Esto quiere decir que las imgenes de los vectores de V es el

vector nulo del e.v. W.

En forma matemtica el Ncleo es igual a:

Nf= {u e.vV de salida / f (u) = 0w), Donde 0w es el vector nulo del
e.v. de llegada W.
 El Ncleo puede tener varios vectores de V, incluido el vector nulo
0v, o slo el vector nulo.

Imagen

Sea f: V -> W es una T.L de un e.vV en un e.v W, entonces el

recorrido de f o imagen de V bajo f, denotada por Img f, consta de todos
aquellos vectores en W (e.v de llegada) que son imgenes bajo f de
vectores en V. Es decir, v est en Img f si podemos hallar algn vector u
en V tal que f(u)= w.

En forma matemtica la Img f podemos escribirla de la siguiente

manera:

Imgf = { w e.v de llegada / f (u) = w}, donde u es elemento del e.v

de salida.

La imagen de una T.L puede ser una parte del conjunto de llegada
o todo el conjunto de llegada.

4)- Relacin bsica entre el rango y nulidad de una

transformacin lineal

Los subespacios pueden ser utilizados para describir las

caractersticas de una matriz A de m x n. Existen dos subespacios
importantes que se pueden asociar con la matriz A: el espacio nulo
(kernel o ncleo) y el rango (o imagen).
 El espacio nulo de una matriz se puede definir como

Esto es, es el conjunto de todas las soluciones del sistema .

Estos conceptos tambin se aplican para las transformaciones

lineales. Sea una transformacin lineal T tal que . El espacio

nulo se define como

Se le denomina nulidad, , a la dimensin de N. Se le

representa como .

El otro subespacio mencionado es la imagen de una matriz. Este

se define como

La imagen de una transformacin lineal est dada por

.
 Con la matriz A de se puede formar un espacio rengln RA ,

considerando como vectores a los renglones de la matriz A. El

subespacio generado es de .

Por otra parte, se puede formar un espacio columna CA ,

considerando como vectores a las columnas de la matriz A. Estos

vectores generan un subespacio en .

La dimensin del espacio rengln y del espacio columna de una

matriz A recibe el nombre de rango de A , .

Se le representa como .

5)- Valores y vectores propios

En lgebra lineal, los vectores propios, autovectores o

eigenvectores de un operador lineal son los vectores no nulos que,
cuando son transformados por el operador, dan lugar a un mltiplo
escalar de s mismos, con lo que no cambian su direccin.

Este escalar recibe el nombre valor propio, autovalor, valor

caracterstico o eigenvalor. A menudo, una transformacin queda
completamente determinada por sus vectores propios y valores propios.
Un espacio propio, autoespacio, eigenespacio o subespacio fundamental
asociado al valor propio es el conjunto de vectores propios con un valor
propio comn.
 Los vectores propios de las transformaciones lineales son vectores
que, o no se ven afectados por la transformacin o se ven multiplicados
por un escalar, y por tanto no varan su direccin.

El valor propio de un vector propio es el factor escalar por el que

ha sido multiplicado.

Un espacio propio es un espacio formado por todos los vectores

propios del mismo valor propio, adems del vector nulo, que no es un
vector propio. La multiplicidad geomtrica de un valor propio es la
dimensin del espacio propio asociado.

El espectro de una transformacin en espacios vectoriales finitos

es el conjunto de todos sus valores propios.

Definicin

Sean f: V V , (V, K,+, ), K

es valor propio de f ssi

v0 , vV , tal que

f(v)=v

vV , v0 , es vector propio de f asociado con el valor propio

 Representacin Grfica

Notacin

V representa al conjunto de vectores propios de la

transformacin lineal f asociados a un valor propio comn, incluyendo
al vector nulo

V ={ v / f(v)= v } U { Ov }

Teorema

V es un subespacio vectorial de (V, K,+, )

6)- Diagonalizacin de matrices

Una matriz es diagonalizable si es cuadrada y el nmero de

valores propios es igual al de filas o columnas de la matriz.
"Diagonalizar una matriz" se reduce a encontrar sus vectores y valores
propios. Tomemos la matriz:

Se aplica el teorema de Cayley-Hamilton:

Por ejemplo, vamos a calcular para ver si se cumple:

y veamos que es diagonalizable:

Esta matriz tiene los valores propios:

As es una matriz 2 por 2 con 2 valores propios diferentes,

entonces se dice que es diagonizable.Si queremos diagonalizar
necesitamos calcular los correspondientes vectores propios. Ellos son:
 Uno podra verificar fcilmente esto mediante:

Ahora, es la matriz invertible con los vectores propios de como

columnas:

con inversa

Hallemos ahora la matriz diagonal, usando esta matriz como

sigue:

Realizamos el clculo introduciendo los datos:

Luego resulta que existen matrices y tales que

cumpliendo y los requisitos pedidos al principio, y por

tanto la matriz es diagonalizable.
 Potencias de una matriz diagonalizable

Podemos calcular, por ejemplo, la sptima potencia de la matriz

anterior:

Para todo se cumple:

Por tanto, para el ejemplo anterior:

Funcin de una matriz diagonalizable

No slo pueden calcularse, potencias de una matriz, sino cualquier

funcin que est definida sobre el espectro de la matriz. Por ejemplo
puede calcularse la exponencial de la matriz anterior como:
 Matrices no diagonalizables

No todas las matrices cuadradas son diagonalizables, pero existen

procedimientos similares para hallar matrices invertibles y matrices
diagonales a bloques de tal modo que

ofreciendo tambin soluciones o atajos para resolver los problemas que

requieren de la diagonalizacin de una matriz (ver Forma cannica de
Jordan).

Teoremas sobre matrices diagonalizables

Toda matriz simtrica de coeficientes reales es diagonalizable y

sus valores propios son reales.

Dadas dos matrices diagonalizables A y B, son conmutables

(AB = BA) si y solo si son simultneamente diagonalizables
(comparten la misma base ortonormal).
 IMPORTANCIA

Las transformaciones lineales desempean un papel muy

importante en matemticas, fsica, ingeniera, procesamiento de
imgenes, graficas en computadora y muchas otras reas de la ciencia y
la vida diaria.

Las transformaciones lineales son mapeos de importancia

fundamental en el lgebra lineal y en sus aplicaciones. Son
transformaciones entre espacios vectoriales que conservan la suma
vectorial y la multiplicacin por escalar.
 CONCLUSIN

Las transformaciones lineales, se presentan muchas veces como

conceptos abstractos, sin embargo muchas de ellas estn presentes en
la vida diaria como cuando nos miramos al espejo.

Las Transformaciones lineales aparecen frecuentemente en el

lgebra lineal y otras ramas de la matemtica. Tales funciones cumplen
ciertas propiedades y de ellas se obtienen numerosos resultados, tanto
en las matemticas como en otras reas del saber. Por ejemplo en
geometra se usan para definir homotecias, en finanzas para convertir
un conjunto de activos a otro, en dibujos o grficas, para cambiar el
punto de vista aplicando una rotacin o una proyeccin.

Una transformacin lineal se aplica sobre una base para asegurar

que cada elemento del espacio 1 va a tener una rplica en el espacio 2;
si no se aplica sobre una base van a faltar puntos del espacio 1 que no
se van a poder generar para aplicarles la transformacin.

En conclusin si aplicas una "transformacin lineal" sobre algo que

no sea una base, ests tomando una parte del espacio y la ests
replicando en otro lado, es decir, no ests transformando un espacio en
otro por lo tanto no es una transformacin lineal.
 BIBLIOGRAFA

algebra-lineal.blogspot.com

es.slideshare.net

www.dmae.upct.es

mate.dm.uba.ar

es.wikipedia.org

cm.ens.uabc.mx

www.buenastareas.com