ÁLGEBRA LINEAL

TRABAJO FINAL

CONTENIDO:
UNIDAD 4. ESPACIOS VECTORIALES
UNIDAD 5 TRANSFORMACIONES LINEALES
 ÁLGEBRA LINEAL UNIDAD IV Y V

UNIDAD 4. ESPACIOS VECTORIALES

4.1 DEFINICION DE ESPACIO VECTORIAL

Un espacio vectorial es un espacio de numerosos vectores diseminados en todas las

direcciones en las dos operaciones básicas que es la adición y multiplicación escalar, que
puede realizarse con el cumplimiento de las siguientes propiedades:

Considere un espacio vectorial V formado por los vectores x, y, z, a continuación,

tenemos las siguientes propiedades como verdaderas:

PROPIEDADES DE LA SUMA

1. Propiedad de operación interna: Si el vector x es parte del espacio vectorial y el vector

y es parte del espacio vectorial, y el vector resultante de la suma de estos dos vectores,
el cual es el vector x + y es también una parte del espacio vectorial mismo.

x + y ∈ Rn

2. Propiedad conmutativa: Si el vector x es parte del espacio vectorial, el vector y es parte

del espacio vectorial, y tenemos un vector resultante de la suma de estos dos vectores,
entonces el vector x + y es igual al vector y + x.

u+v=v+u

3. Propiedad asociativa: Si el vector x es parte del espacio vectorial, el vector y es parte

del espacio vectorial y el vector z es parte del espacio vectorial, y tenemos un vector
resultante de la adición de estos tres vectores entonces el vector x + (y + z) es igual al
vector (x + y) + z.

(u + v) + w = u + (v + w)

4. Identidad aditiva: todo espacio vectorial contiene un vector nulo que es un vector cero,
lo que se denomina como la identidad aditiva, de tal manera que su suma con cualquiera
de los vectores en el espacio vectorial, no cambia el vector real, que es 0 + x = x.

u +0= u

5. Inverso aditivo: Para todos los vectores de un espacio vectorial determinado, existe un
vector inversa disponible en el mismo espacio de tal manera que la suma de los dos
 ÁLGEBRA LINEAL UNIDAD IV Y V

vectores nos da un vector cero, en consecuencia si tenemos un vector x en el espacio

vectorial entonces debemos también tener un vector -x del mismo vector en el espacio.

u + (-u) = 0

PROPIEDADES ESCALARES DE LA MULTIPLICACIÓN:

Una multiplicación escalar es aquella en la que se multiplica un vector con cualquier

cantidad escalar, que consiste en multiplicar la cantidad que contiene una dirección con
una cantidad sin dirección.

1. Propiedad de operación interna: Si tenemos un vector x en un espacio vectorial dado

y un número real, entonces decimos que el vector resultante de la multiplicación escalar
de estas dos cantidades, debe existir también dentro del mismo espacio vectorial.

λx ∈ Rn

2. Propiedad distributiva: Si se tiene los vectores x y y en un espacio vectorial V y un

número real, entonces la operación de a•(x + y) es equivalente a; ax + ay.

3. Propiedad distributiva: Si hay un vector x en un espacio vectorial V y un número real a

y b, la operación (a + b) x es equivalente a; ax + bx.

4. Propiedad asociativa: Si hay un vector x en un espacio vectorial V dado y un número

real a y b, entonces la operación a•(bx) es equivalente a; (ab) x.

5. Propiedad unitaria: La multiplicación de cada vector en un espacio vectorial dado con

una cantidad de unidas escalar dará como resultado al vector actual.

1•x=x

EJEMPLOS DE ESPACIOS VECTORIALES.

 El conjunto de las matrices cuadradas de orden 3, R3x3, junto a las operaciones de

suma de matrices y producto de un escalar por una matriz.
 Los polinomios en una variable x, P[x], junto a las operaciones de suma de
polinomios y producto de un polinomio por un escalar.
 El conjunto de las sucesiones de numero reales, R∞, junto a la suma de
sucesiones (termino a término) y producto de una sucesión por un escalar (que se
realiza, igualmente, termino a término).
 Sea V= {p} un conjunto con un único elemento y con p + p = p y λp = p.
 ÁLGEBRA LINEAL UNIDAD IV Y V

 El espacio de las funciones, f(x), reales de una variable real, x, definidas en el

intervalo [0,1], junto a la suma de funciones, que se define como (f + g) (x)=
f(x)+g(x), y al producto de una función por un escalar, definido como (fα) (x) = αf(x).
 El plano cartesiano de puntos de la forma con , es un espacio
vectorial real respecto de las siguientes operaciones:

4.2 SUBESPACIOS VECTORIALES Y SUS PROPIEDADES.

Al ser un conjunto, un espacio vectorial tiene una infinidad de subconjuntos; dichos

subconjuntos pueden ser por si mismos espacios vectoriales. Esta condición se cumplirá
si y solo si:

1. U + V 𝜖 V
2. U + 0 𝜖 V
3. αU 𝜖 V

Estas son las propiedades del subespacio vectorial. El resto de los axiomas del espacio
vectorial son heredados a partir de los tres mencionados.

Un espacio vectorial consta de un subconjunto adecuado de vectores de algún espacio

vectorial mayor.

Sean V un espacio vectorial y W un subconjunto no vacío de V. Si W es un espacio

vectorial con respecto a las operaciones en V, entonces W es un subespacio de V.
Así todo subespacio es un espacio vectorial. De manera recíproca, todo espacio vectorial
es un subespacio (de sí mismo o posiblemente de espacios mayores). El termino
subespacio es usado cuando se considera por lo menos dos espacios, con uno dentro
de otro, y la frase subespacio de V identifica a V como el espacio más grande.
 ÁLGEBRA LINEAL UNIDAD IV Y V

4.3 COMBINACION LINEAL. INDEPENDENCIA LINEAL

COMBINACION LINEAL

Una combinación lineal de dos o más vectores es el vector que se obtiene al sumar
esos vectores multiplicados por escalares.

Cualquier vector se puede poner como combinación lineal de otros que tengan distinta
dirección.

Esta combinación lineal es única.

Un vector se dice que es combinación lineal de un conjunto de

vectores si se puede expresar como suma de los
vectores de multiplicados cada uno de ellos por un
coeficiente escalar , es decir:

o bien

Así, y v son combinación lineal de vectores de si podemos expresar como una

suma de productos por escalar de una cantidad finita de elementos de .

INDEPENDENCIA LINEAL
Dado un conjunto finito de vectores , se dice que estos vectores
son linealmente dependientes si existen números , no todos iguales a
cero, tales que:

Nótese que el símbolo a la derecha del signo igual no es cero, sino que simboliza
al vector nulo . El conjunto de vectores nulos forma la matriz nula. Si tales números no
existen, entonces los vectores son linealmente independientes. La definición anterior
también puede extenderse a un conjunto infinito de vectores, concretamente un conjunto
 ÁLGEBRA LINEAL UNIDAD IV Y V

cualquiera de vectores es linealmente dependiente si contiene un conjunto finito que sea

linealmente dependiente.
Utilizando conceptos de espacios vectoriales podemos redefinir la independencia lineal
así:
Un conjunto de vectores de un espacio vectorial es linealmente independiente
si .
Entre las propiedades de los vectores linealmente dependientes e independientes
encontramos:

1. Un conjunto de vectores es linealmente dependiente si y solamente si alguno de

los vectores es combinación lineal de los demás.
2. Si un conjunto de vectores es linealmente independiente cualquier subconjunto
suyo también lo es. Obviamente, si tenemos un conjunto de vectores tales que
ninguno de ellos es combinación de los demás, escogiendo solamente unos
cuantos, no podrán ser combinación de los otros.
3. Si un conjunto de vectores es linealmente dependiente, también lo es todo
conjunto que lo contenga.
4. Un conjunto de vectores son linealmente dependientes si y sólo si son paralelos.
5. Un conjunto de vectores son linealmente dependientes si los componentes entre
ellos son proporcionales, bien sea directa o inversamente proporcional. Ya que un
conjunto de vectores es linealmente dependiente si y solo si tiene algún vector
que es combinación lineal de los demás, si metemos este conjunto de vectores en
otro más grande, seguimos teniendo el vector que es combinación lineal de otros,
por tanto, el conjunto más grande será linealmente dependiente.
 ÁLGEBRA LINEAL UNIDAD IV Y V

4.4 BASES Y DIMENSION DE UN ESPACIO VECTORIAL, CAMBIO DE BASE.

CONCEPTO DE BASE
Los vectores v1, v2,…,vk en un espacio vectorial V forman una base para V si:
(a) v1,v2,…,vk generan a V
(b) v1,v2,…,vk son linealmente independientes.
Si los vectores v1,v2,…,vk forman una base para un espacio vectorial V, ellos son distintos
y no nulos; por eso los escribiremos como un conjunto { v1,v2,…,vk }.
Los vectores e1= (1,0) y e2= (0,1) forman una base para R2, nombrada base natural.
Los vectores e1,e2 y e3 forman una base para R3 , base estándar.
En general, los vectores e1, e2,…,en forman una base para Rn, base canónica.

Sistema generador de un espacio vectorial V es un conjunto de vectores {v1,v2,…,vn}

tales que todo vector de V sea combinación lineal de ellos:

∀ v ϵ , v = k1• v1 + k2• v2 +… + kn• vn

OBSERVACIÓN.
Ningún conjunto de que tenga más de dos vectores es linealmente independiente,
por tanto no hay bases para con más de dos vectores. Si tenemos un conjunto con
más de dos vectores nos resulta un sistema de ecuaciones homogéneo con más
incógnitas que ecuaciones el cual tiene infinitas soluciones.
En general en ningún conjunto con más de n vectores es L.I. lo que implica que no
pueden haber bases para con más de n vectores.

CONCEPTO DE DIMENSIÓN
Cualquier base de un espacio vectorial dado posee el mismo número de elementos, esto
es, de vectores necesarios para poder construir todo el espacio. Este número de vectores
de que está formada cualquier base de un espacio vectorial dado V recibe el nombre de
dimensión del espacio vectorial, y se acostumbra representar mediante dim (V).
Por tanto, la dimensión es el máximo número de vectores independientes que podemos
tener en el espacio o subespacio. En otras palabras, es el máximo rango que puede tener
un conjunto de vectores de dicho espacio.
 ÁLGEBRA LINEAL UNIDAD IV Y V

Es también el rango de cualquier sistema generador de dicho espacio.

El espacio tiene dimensión 3, los planos dimensión 2, las rectas dimensión 1, el punto
dimensión 0.

CAMBIO DE BASE

Supongamos ahora que en un espacio vectorial de dimensión n tenemos dos bases

diferentes B= {e1, e2,…, en } y B´= {e1´, e2´,…, en´} y queremos establecer la relación
entre las coordenadas de un mismo vector en las do bases. Llamemos (x1, x2,…, xn) a las
coordenadas de x ϵ V respecto a la base B y (x1´, x2´,…, xn´) a las coordenadas de x
respecto de B´. La relación que exista entre estas coordenadas dependerá de a que
exista entre ambas bases, por tanto debemos tener ciertos datos que las relacionen. Por
ejemplo, supongamos conocidas las coordenadas de los vectores de B´ en la base B:

e1´= a11 e1+ a21 e2 +…+ an1 en

e2´= a12 e1+ a22 e2 +…+ an2 en
…

en´= a1n e1+ a2n e2 +…+ ann en

Ahora tenemos dos expresiones para el vector x:

x1 e1 + x2 e2 +…+xn en = x = x1´e1´ + x2´ e2´ +…+xn´en´

y sustituyendo

x1 e1 + x2 e2 +…+xn en = x1´ (a11 e1+ a21 e2 +…+ an1 en ) +

+ x2´ (a12 e1+ a22 e2 +…+ an2 en) +
…

+xn´(a1n e1+ a2n e2 +…+ ann en)

 ÁLGEBRA LINEAL UNIDAD IV Y V

Reordenando

x1 e1 + x2 e2 +…+xn en = (a11 x1´ + a12 x2´ +…+ an1 xn´ ) e1+

+ (a21 x1´ + a22 x2´ +…+ a2n xn´) e2+
…

+(a1n x1´ + an2 x2´ +…+ ann xn´) en

Como son dos expresiones de x en la misma base, los escalares en ambas
combinaciones lineales deben ser iguales, con lo que quedan las ecuaciones del cambio
de base de B´ a B:

𝑥1 = 𝑎11 𝑥´1 + 𝑎12 𝑥´2 + … + 𝑎1𝑛 𝑥´𝑛

𝑥2 = 𝑎21 𝑥´1 + 𝑎22 𝑥´2 + … + 𝑎2𝑛 𝑥´𝑛
{
….
𝑥𝑛 = 𝑎𝑛1 𝑥´1 + 𝑎𝑛2 𝑥´2 + … + 𝑎𝑛𝑛 𝑥´𝑛

O bien en forma matricial: X= PX´

Donde X y X´ son las matrices columna

formadas por las coordenadas del
vector x en las bases B y B´
respectivamente, y P es la matriz que
tiene por columnas las coordenadas de
los vectores de B´ en función de B.

La matriz P se llama la matriz de cambio de base de B´ a B y es una matriz regular, puesto

que sus columnas son las coordenadas de n vectores linelamente independientes y pr
tanto el rango es n. Esto significa que P tiene inversa y entonces en la formula del cambio
de base obtenida podemos despejar X´:
X´= P-1 X que nos da las coodenadas de un vector en la base B´ a partir de sus
coordenadas en la base B. En resumen tenemos:
 ÁLGEBRA LINEAL UNIDAD IV Y V

CAMBIO DE BASE

Sea V un espacio vectorial y sean B y B´ bases de V. La ecuacon matricial del cambio

de base de B´ a B es la expresion: X=PX´

Que permite calcula las coordenadas de un vector respecto de B conociendo las

coordenadas respecto de B´ . P es la matriz del cambio de B´aB, esto es: la matriz regular
cuyas columnas son las coordenadas de los vectores de B´respecto B. El cambio de base
en el sentido contrario, de B a B´, viene dado por:

X´= P-1 X

Donde:

 X matriz columna de las coordenadas del vector en la base B

 X´ matriz columna de las coordenadas del vector en la base B´
 P matriz cuadradade orden n, que lamaremos de cambio de base, y que tiene por
columnas las coordenandas de los vectores de la base B´respecto de la base B.

Hemos razonado antes que una matriz de cambio d ebase es siempre regular, pero
tambien podems probar el reciproco:

Toda matriz regular es una matriz de cambio de base.

Ejemplo: Se consideran en el espacio vectorial R3 (R) las siguientes bases:

𝐵1 = {𝑢1 , 𝑢2 , 𝑢3 } y 𝐵2 = {𝑣1 , 𝑣2 , 𝑣3 }
Tales que:

𝑢1 = {𝑣1 , 2𝑣2 , 𝑣3 }

𝑢2 = {2𝑣1 , 4𝑣2 , 𝑣3 }

𝑢3 = {𝑣1 , 𝑣2 , 𝑣3 }
Sea el vector w de R3 (R) cuyas coordenadas respecto de la base B1 son (-2,1,4). Halle
las coordenadas de w respecto de la base B2.
 ÁLGEBRA LINEAL UNIDAD IV Y V

Por otro lado, dado el vector x de R3 (R), cuyas coordenadas en B2 son (3,2,1), obtenga
las coordenadas de x en la base B1.

SOLUCION:

La matriz de cambio de base de B1 a B2 viene dada a través de los coeficientes de la

relación que expresa los vectores de la base B1 en función de los de la base B2. Dicha
matriz es:

1 2 1
𝑃 = [𝐵1 : 𝐵2 ] = [2 4 1]
1 1 1
Si las matrices columna de las coordenadas del vector w respecto de las bases B1 y B2
se representan, respectivamente, por W 1 y W2, se tiene que:

PW 1 = W 2

Y por lo tanto:

1 2 1 −2 4
𝑃𝑊1 = [2 4 1] [ 1 ] = [4] = 𝑊2
1 1 1 4 3
Con lo que las coordenadas del vector w respecto de la base B2 son (4, 4,3).

Por otro lado sean X1 y X2, las respectivas matrices columna de las coordenadas
del vector x respecto de las bases B1 y B2, cuya relación dada por:

PX1 = X2

Y como P es regular, la matriz de cambio de base de B2 a B1 es 𝑃 −1 = [𝐵2 : 𝐵1 ] con lo

que: 𝑋1 = 𝑃 −1 𝑋2

Y aplicando esta última relación a los datos del ejercicio se obtienen las coordenadas
buscadas,

−3 1 2 3 −5
−1
𝑃 𝑋2 = [ 1 0 −1] [2] = [ 2 ] = 𝑋1
2 −1 0 4 4
Es decir, las coordenadas del vector x respecto de la base B1 son (-5, 2, 4).
 ÁLGEBRA LINEAL UNIDAD IV Y V

4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS PROPIEDADES.

Un espacio vectorial V lo llamamos espacio vectorial con producto interno, si para toda
pareja v, u ϵ V existe un número real único, que denotaremos por (v,u) y llamamos
producto interno entre v y u. Además debe cumplir para todo v, u, w ϵ v y α ϵ R.

Propiedades:
1. (v, v) ≥ 0 y (v, v)=0 si y solo si v=0
2. (v, u) = (u, v)
3. (v, u +w) = (v, u)+ (v, w)
4. (α v, u) = α (v, u)

Un espacio vectorial que tiene definido un producto interno, se llama “Espacio con
producto interno”

La relación que guarda el producto interno con la norma es: ||v||= √(𝑣, 𝑣) , relación de
mucha importancia, porque el producto interno induce una norma en un determinado
espacio vectorial.
 ÁLGEBRA LINEAL UNIDAD IV Y V

4.6 BASE ORTONORMAL, PROCESO DE ORTONORMALIZACION DE GRAM-

SCHMIDT

Decimos que B={u⃗ ,v⃗ } es una base ortogonal si los vectores que la forman son
perpendiculares entre si. Es decir, u⃗ y v⃗ forman un ángulo de 90∘.

Ejemplo

u⃗ = (3,0), v⃗ =(0,−2) forman una base ortogonal ya que el producto escalar entre ellos es
cero y ésta es una condición suficiente para ser perpendiculares:

u⃗ ⋅v⃗ =3⋅0+0⋅(−2)=0

Decimos que B= {u⃗ ,v⃗ } es una base ortonormal si los vectores que la forman son
perpendiculares entre si y tienen módulo 1. Es decir, u⃗ y v⃗ forman un ángulo de 90∘ y
|u⃗ |=1, |v⃗ |=1.

Ejemplo

u⃗ =(1,0), v⃗ =(0,−1) forman una base ortonormal ya que los vectores son perpendiculares
(su producto escalar es cero) y ambos vectores tienen módulo 1.

Perpendicularidad: u⃗ ⋅v⃗ =1⋅0+0⋅(−1)=0.

⃗⃗|= √12 + 02 = √1 = 1 , |v
Vectores unitarios: |u ⃗⃗| = √02 + (−1)2 = √1 = 1

PROCESO DE ORTONORMALIZACION DE GRAM-SCHMIDT

Sea B= { u1, u2,…, un } una base arbitraria de un espacio vectorial V. El proceso de

ortonormalizacion consta de los siguientes pasos:
𝒖
Paso 1. 𝒗𝟏 = ||𝒖𝟏|| el cual ya es un vector unitario.
𝟏

Paso2. Definimos un vector ortogonal al interior de la siguiente manera 𝑣2 = 𝑢2 − (𝑢2 , 𝑣1 )𝑣1

𝒗
Paso 3. Normalizamos al vector anterior 𝒗𝟐 = ||𝒗𝟐||
𝟐

Paso 4. Construimos ahora un vector ortogonal a los dos anteriores de la siguiente forma

𝑣3 = 𝑢3 − (𝑢3 , 𝑣2 )𝑣2 − (𝑢3 , 𝑣1 )𝑣1

 ÁLGEBRA LINEAL UNIDAD IV Y V

𝒗
Paso 5. Normalizamos el vector anterior 𝒗𝟑 = ||𝒗𝟑||
𝟑

Paso 6. Construimos ahora un vector ortogonal a los tres anteriores de la siguiente forma

𝑣4 = 𝑢4 − (𝑢4 , 𝑣3 )𝑣3 − (𝑢4 , 𝑣2 )𝑣2 − (𝑢4 , 𝑣1 )𝑣1

𝒗
Paso 7. Normalizamos el vector anterior 𝒗𝟒 = ||𝒗𝟒||
𝟒

El proceso continúa de una manera similar hasta llegar al último vector. Este algoritmo para
ortonormalizar una base se le conoce como el proceso de Gram-Schmidt.
 ÁLGEBRA LINEAL UNIDAD IV Y V

UNIDAD 5 TRANSFORMACIONES LINEALES

5.1 INTRODUCCIÓN A LAS TRANSFORMACIONES LINEALES.

Uno de los conceptos más importantes en todas las ramas de las matemáticas es el
concepto de función, en este capítulo analizaremos un tipo especial de función tal que
manda elementos de un espacio vectorial a otro, pero que preserve las operaciones de
linealidad, es decir; la suma y producto por un escalar, a este tipo especial de función se
le llama trasformación Lineal (por lo tanto una trasformación lineal es función pero no
todas las funciones de un espacio vectorial a otro son trasformaciones lineales).

Definición. Sea T una función de un espacio vectorial V a un espacio vectorial W.

Entonces T es una transformación lineal si cumple con las siguientes propiedades:

1. Para todo u,v en V, T (u+v)= T(u)+T(v)

2. Para todo uen V y α cualquier escalar, T (α u)= αT (u)

Dada una función de un espacio V hacia otro

espacio W, para que esta sea una
trasformación lineal deberá satisfacer las dos
propiedades mencionadas anteriormente.

Las transformaciones lineales se llaman, con frecuencia, operadores lineales. También,

las funciones que satisfacen (1) y (2) se denominan funciones lineales.

Método para determinar cuándo alguna trasformaciones no son lineales

Sean V y W dos espacios vectoriales, relacionados con la trasformación T: V→W; para

probar que T no es lineal:

1. Se propone un ejemplo de v1 , v 2 ϵ o algún α ϵ R que no cumpla con alguna de las

dos condiciones de linealidad.
2. Si en la definición de T aparecen componentes de los elementos de V
multiplicándose, por ejemplo T (x,y)=yx.
3. Si en la definición de T aparecen componentes de los elementos de V elevados a
potencias diferentes de 1, por ejemplo T (x,y)= x2+2y.
4. Si en la definición de T aparecen componentes de los elementos de V que se
suman con constantes diferentes de cero, por ejemplo T (x,y)= x+2y+4
 ÁLGEBRA LINEAL UNIDAD IV Y V

5. Si en la definición de T aparecen componentes de los elementos de V con

operadores diferentes a la suma y producto por un escalar, po ejemplo T (x,y)=
𝑥+2𝑦
.
3𝑥−𝑦
6. Si el 0𝑉 , no se transforma en el 0𝑊 ; por ejemplo, si T:R2 → R2 y se define
T(x,y)=(2x,y+1), se tiene T(0,0)=(0,1)≠(0,0).
 ÁLGEBRA LINEAL UNIDAD IV Y V

5.2 NÚCLEO E IMAGEN DE UNA TRANSFORMACIÓN LINEAL.

Toda transformación lineal T: V→W trasforma subespacios vectoriales de V en

subespacios vect0riales de W. Más aún, si U es un subespacio de W, entonces la imagen
inversa T-1(U) es un subespacio de V.
El nucleo de una trasformación lineal T: V→W es el subespacio de V definido por:

Kernel e imagen de una trasformación lineal. Sean V y W espacios vectoriales y sea

T:V→W una trasformación lineal. Entonces:
1. El kernel (o núcleo) de T, denotado como ker T, esta dado por:
Ker T = {v ϵ V; Tv=0}
Y la imagen de T es el subespaci de w definido por:
2. La imagen de T, denotad como imag T, esta dada por
imag T= {w ϵ W: w=Tv para alguna v ϵ V }
Observación 1: Note que ker T es no vacío, T(0)=0 de manera que 0 ϵ ker T para toda
trasformación lineal T. Nótese que cuando escribimos T(0)=0, el 0 de la izquierda esta
en V, y el 0 de la derecha en W.
Observación 2: El concepto imag T es simplemente el conjunto de imágenes de vectores
en V bajo la trasformación T. De hecho, si w=tv, diremos que w es también la imagen de
v bajo T.

TEOREMA Si T:→W es una trasformación lineal, entonces:

1) ker T esun subespacio de V.
2) imag T es un subespacio de W.
 ÁLGEBRA LINEAL UNIDAD IV Y V

5.3 LA MATRIZ DE UNA TRANSFORMACIÓN LINEAL

Asi como se puede representar operadores lineales como matrices, cualquier

trasformación lineal entre espacios vectoriales de dimensión finita se puede representar
mediante una matriz.

Si A es una matriz de mxn y T: Rn → Rm esta definida por Tx=Ax entonces, es una

trasformación lineal. Ahora veremos que para toda trasformación lineal de R n en Rm,
existe una matriz A de m xn tal que Tx = Ax para toda x ϵ Rn. Este hecho es
extremadamente útil. Si Tx= Ax, poemos evaluar Tx para cualquier x en Rn con una simple
multiplicación matricial.
Pero esto no es todo. Como veremos, cualquier transformación lineal entre dos
espacios vectoriales de dimensión finita puede ser representada por una matriz.

Sea T: Rn → Rm una trasformación lineal. Entonces existe una única matriz A T de m xn

tal que:

Tx = ATx para toda x ϵ Rn

0
𝑎11 𝑎12 … 𝑎1𝑖 … 𝑎1𝑛 0 𝑎1𝑖
𝑎21 𝑎22 … 𝑎2𝑖 … 𝑎2𝑛 ⋮ 𝑎2𝑖
𝐴𝑇 𝑥 = ( ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ) 1 = ( ⋮ ) = 𝑤𝑖
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑖 … 𝑎𝑚𝑛 0 𝑎𝑚𝑖
⋮
(0)
La matriz de trasformación, representada por AT , es la representación matricial de T, la
operación que convierte o trasforma el vector original al vector resultante. La matriz de
trasformación está definida usando las bases estándar en Rn y Rm, por lo que se
utilizan bases distintas, la matriz de transformación es diferente.

EJEMPLO REPRESENTACION MATRICIAL DE UNA TRANSFORMCION R3 EN R4.

𝑥−𝑦
𝑥 𝑦+𝑧
Si se tiene una trasformación T: R3→R4 dada por 𝑇 [𝑦]=[ 2𝑥 − 𝑦 − 𝑧 ]
𝑧
−𝑥 + 𝑦 + 2𝑧

La T representa la trasformación, que será representada por A T , mientras que la matriz

a su lado representa el vector original. El resultado es la transformación realizada. Para
poder representarla de forma matricial lo que se debe obtener es la matriz de
 ÁLGEBRA LINEAL UNIDAD IV Y V

transformación. Ya una vez que se obtiene, se pueden determinar otros datos como el
núcleo y la imagen de transformación.

Para este caso, utilizando el resultado de la transformación, se puede determinar

fácilmente la matriz de transformación, separando el vector original y determinando las
operaciones que se realizaron:

1 −1 0 1 −1 0
1 0 0
0 1 1 0 1 1
𝑇 [0]=[ ] , 𝑇 [1] = [ ] , 𝑇 [0] = [ ] De manera que 𝐴𝑇 = [ ]
2 −1 −1 2 −1 −1
0 0 1
−1 1 2 −1 1 2

Y su representación quedaría como la matriz de transformación multiplicando al vector

original para dar como resultado la transformación:

1 −1 0 𝑥−𝑦
𝑥 𝑦+𝑧
0 1 1
[ ] • [𝑦] = [ 2𝑥 − 𝑦 − 𝑧 ]
2 −1 −1 𝑧
−1 1 2 −𝑥 + 𝑦 + 2𝑧

5.3.- APLICACION DE LAS TRANSFORMACIONES LINEALES

DILATACION O ESCALONAMIENTO

El escalonamiento implica el cambio de tamaño de un polígono, donde cada punto p=

(x1,x2) es trasformado por la multimplicacion de dos factores de escalonamiento: s 1 y s2
a lo largo de los ejes X1 y X2 respectivamente, de esta foram, las coordendas del nuevo
punto p´=( x1´,x2´) se obtenen como:
x1´=x1´,s1
x2´=x2´,s2

Sea s= (s1, s2) el vector de factores de escalamiento, y S(s) la matriz de escalamiento,

en coordenadas homogéneas el escalmiento de un punto p en 2D se puede expresar
como el producto matricial p´=p•S(s), es decir:
 ÁLGEBRA LINEAL UNIDAD IV Y V

𝑠1 0 0
[ x1´,x2´,1] = [x1, x2,1] •[ 0 𝑠2 0]
0 0 1

Si la dilatación es en 3D, el escalamiento implica el cambio de tamaño de un poliedro,

donde cada punto p=( x1,x2, x3) es trasformado por la multiplicación de tres factores de
escalamiento: s1, s2 y s3 a lo largo de los ejes X1, X2 y X3 respectivamente quedando la
matriz de la siguiente manera:

𝑠1 0 0 0
0 𝑠2 0 0
[ x1´,x2´, x3´,1] = [x1, x2, x3, 1] •[ ]
0 0 𝑠3 0
0 0 0 1
 ÁLGEBRA LINEAL UNIDAD IV Y V

ROTACION

La rotación permite girar un objeto sobre un eje de rotación, dado un valor de angulo de
rotación θ y su dirección.

La rotación de un objeto en 2D se lleva a cabo alrededor de un punto, que es el eje

puntual (cero-dimensional) de rotación. Las rotaciones principales 2D son aquellas que
se llevan a cabo alrededor del origen, las rotaciones sobre cualquier otro punto arbitrario
se llaman rotaciones generales 2D.
Para generar una rotación, se especifica el ángulo de rotación θ y el punto de
rotación (pivote) sobre el cual el objeto será rotado. Los ángulos de rotación positivos
definen una rotación en sentido contrario a las manecillas de l reloj sobre el punto pivote
(del eje X1 al eje X2), entonces los ángulos de rotación negativos producen una rotación
en el sentido de las manecillas del reloj (del eje X2 al eje X1).
Si el punto pivote se encuentra sobre el origen, se tienen que: r es la distancia del punto
p= (x1,x2) al origen, φ define la posición angular del punto p desde la horizontal, y θ el
ángulo de rotación de p para producir el nuevo punto p´=( x1´,x2´).

Utilizando coordenadas polares, el punto p = (x1,x2) se puede escribir como

p = (r,φ) y el punto p´=( x1´,x2´). como p'= (r,φ +θ . Pasando después estos puntos de
coordenadas polares a rectangulares se tiene que:
x1= r cos (φ) x2= r sin(φ)
x1' = r cos(φ +θ ) x2'= r sin(φ +θ)

Aplicando algunas propiedades trigonométricas:

x1' = r cos (θ + φ) = r cos φ cos θ – rsin φ sin θ
x2'= r sin (θ + φ) = r cos φ sin θ + rsin φ cos θ
 ÁLGEBRA LINEAL UNIDAD IV Y V

Substituyendo los valores de x1= r cos(φ) y x2 = r sin(φ) se obtienen las ecuaciones para
rotar un punto p= (x1,x2) alrededor del origen dado un ángulo θ:

Sea R(θ) la matriz de rotación sobre el origen, en coordenadas homogéneas la rotación

de un punto p alrededor del origen en 2D se puede expresar como el producto matricial
p = p ⋅ R , es decir:

Rotaciones 3D
A diferencia de la rotación en el espacio 2D, donde para hacer rotar un objeto se necesita
un punto (cero-dimensional), en 3D para hacer rotar un objeto se necesitan dos puntos
no coincidentes que determinan un segmento de recta, cuya línea de soporte define un
eje lineal (uni-dimensional) de rotación.

Las rotaciones principales 3D, son aquellas cuando el eje de rotación se encuentra sobre
 ÁLGEBRA LINEAL UNIDAD IV Y V

alguno de los tres ejes principales: X1, X2 o X3, las rotaciones sobre cualquier otro eje
arbitrario son llamadas rotaciones generales 3D. Se recuerda que inicialmente, se
analizan las rotaciones principales.
Por convención, los ángulos de rotación positivos producen rotaciones en contra de las
manecillas del reloj sobre el eje de rotación, esto es si se observa el giro desde la parte
positiva del eje hacia el origen. Otra forma de determinar la dirección de un giro positivo
es mediante la regla de la mano derecha (Figura 5.7), que dice que: “Si se coloca el dedo
pulgar de la mano derecha sobre el eje de rotación apuntando hacia la parte positiva de
dicho eje, el giro natural del resto de los dedos indica la dirección positiva del giro”.

3. CONTRACCIÓN:
La contracción es el procedimiento inverso de la expansión. Aquí el punto es contraído
en un determinado grado hacia una dirección dada.

EJEMPLOS
ÁLGEBRA LINEAL UNIDAD IV Y V
ÁLGEBRA LINEAL UNIDAD IV Y V
 ÁLGEBRA LINEAL UNIDAD IV Y V

REFERENCIAS DE INTERNET Y LIBROS CONSULTADOS:

http://samhain.softgot.com/algebralineal/lecturas/semana_1.pdf
http://www.ugr.es/~jurbano/aed/AED-Tema_4-Espacios_vectoriales.pdf
http://ma1.eii.us.es/Material/Alg_Lin_itig_Ap.pdf
http://cb.mty.itesm.mx/ma1010/materiales/ma1010-16a.pdf
www.tesoem.edu.com

 David Poole Una introducción moderna Álgebra lineal

 Romano Aportela, Pedro, Lozano Mora, Claudia () Algebra Lineal
 Bernard Kolman, David R. Hill (2006) Álgebra lineal
 Ángeles Cámara Sánchez Curso básico de matemáticas y estadística: Del
Bachillerato al Grado
 David C. Lay, Jesús Murrieta Murrieta - 2007 Algebra lineal y sus aplicaciones
 Sandra Ibeth Ochoa García, Eduardo Gutiérrez González - 2014 Álgebra Lineal y
sus Aplicaciones