Alv14invu2 Rodriguezlugo 130828195923 Phpapp01

HAROLD RODRGUEZ LUGO
Harold Rodrguez 3G2 Algebra
lineal
ALGEBRA LINEAL
UNIDAD 4 -5
Espacios vectoriales, Transformaciones lineales
Maestro: Ing. En sistemas Pedro Pablo

Cetina
13
Contenido
4.1 Definicin de un espacio vectorial......................................................................2
4.2 Definicin de subespacio vectorial y sus propiedades...........................................3
4.3 Combinacin lineal, independencia lineal.............................................................4
4.4 Base y dimensin de un espacio vectorial, cambio de base....................................0
4.5 Espacio vectorial con producto interno y sus propiedades......................................3
4.6 Base ortonormal,proceso de ortonoralizacin de Gram- Schmidt............................3
Segundo paso............................................................................................... 5
Obtener un vector U2 ortogonal a U1:..........................................................5
Cuarto paso.................................................................................................. 6
5.1 Introduccin a las transformaciones lineales........................................................7
5.2 Ncleo e imagen de una transformacin lineal......................................................9
Harold Rodrguez Lugo
13
4.1 Definicin de un espacio vectorial

En lgebra abstracta, un espacio vectorial es una estructura
algebraica creada a partir de un conjunto no vaco,
una operacin interna (llamada suma, definida para los
elementos del conjunto) y una operacin
externa (llamada producto por un escalar, definida entre
dicho conjunto y otro conjunto, con estructura de cuerpo ).
A los elementos de un espacio vectorial se les
llama vectores y a los elementos del cuerpo, escalares.
Satisfacen diez axiomas
donde X,Y,Z vectores:
1) Si X pertenece a V y Y, entonces X+Y pertenece a V

(Cerradura bajo la suma).
2) Para todo X,Y,Z en V, (X+Y)+Z=X+(Y+Z)
(Ley asociativa de la suma de vectores)
3) Existe un vector 0 pertenece a V tal que para todo x que
pertenece a V, X+0=0+X=X.
(Identico Aditivo)
4) Si X pertenece a V, Existe un vector -X en V tal que X+(X)=0
(Inverso Aditivo de X)
5) Si X y Y estan en V, entonces X+Y=Y+X
(Ley de conmutatividad)
6) Si X pertenece V y t es un escalar, entonces t*X tambien
pertenece a V
13
(Cerradura bajo la multiplicacin por un escalar)

7) Si X y Y pertenecen a V y k es un escalar, entonces
k*(X+Y)=k*X+k*Y
(Primera de distributiva)
8) Si X y Y estan en V y t y k son escalares entonces
(t+k)*X=tX+kX
(Segunda ley distributiva)
9) Si X pertenece y k y t son escalares,entonces
k*(t*X)=(k*t)*X
(Ley asociativa de multiplicacion por un escalar)
10) Para cada vector X que pertenece a V, 1X=X.
4.2 Definicin de subespacio vectorial y sus propiedades.

Sea U un espacio vectorial sobre un cuerpo IK. Un subconjunto
no vaco S de U es un subespacio vectorial de U si y si olo
si S es un espacio vectorial sobre IK respecto a las leyes de
composicin heredadas de U
Ejemplo:
Calcular bases de los subespacios de R
4 S, T, S + T y S T, siendo S = {(x1; x2; x3; x4)|x1 x2 =
0}
y T =< (1;1;2;1);(2;3; 1;1) >.
Solucin. Tenemos
S = {(x1; x2; x3; x4)|x1 x2 = 0} = {(x1; x1; x3; x4)|x1; x2; x3 R} =< (1;1;0;0);
(0;0;1;0);(0;0;0;1) >
luego un sistema generador de S es {(1;1;0;0);(0;0;1;0);(0;0;0;1)}.

Ahora,
(0;0;0;0) = (1;1;0;0) + (0;0;1;0) + = =o sea que es
libre, resulta que B S = {(1;1;0;0);(0;0;1;0);(0;0;0;1)} es una base
S.
de
13
Un sistema generador de T es (1;1;2;1);(2;3; 1;1). Pero es tambin

libre, ya que (0;0;0;0) =
y la nica solucin al sistema anterior es , Por tanto, BT =

{(1;1;2;1);(2;3; 1;1)} es una base de T.
4.3 Combinacin lineal, independencia lineal
Dados dos vectores:
y , y dos nmeros: a y b, el vector au+
bv se dice que es una combinacin lineal de
Una combinacin lineal de dos o ms vectores es el vector que

se obtiene al sumar esos vectores multiplicados por
sendos escalares.
V= a1V1 + a2V2 + anVn
Ejemplo:
Sean x= (1,2) , y= (3,-1); halla el vector que sea la
combinacin lineal de Z= 2X + 3Y
Z=2(1,2) + 3(3,-1)= (2,4) + (9,-3)= (11,1)
Independencia lineal:
Varios vectores libres del plano se dice que son linealmente

dependientes si hay una combinacin lineal de ellos que es
igual al vector cero, sin que sean cero todos los
13
coeficientes de la combinacin lineal, de no ser linealmente

dependientes entonces son linealmente independientes.
Varios vectores libres son linealmente independientes si

ninguno de ellos puede ser escrito con una combinacin lineal
de los restantes, los vectores linealmente independientes
tienen distinta direccin y sus componentes no son
proporcionales, es decir:
U1 U2 U3
V 4 V2 V 3
W1 W2 W3
Ejemplo:
Dado S = [(1,1,0), (0,2,3), (1,2,3)
(0,0,0)= a(1,1,0) + b(0,2,3) + y(1,2,3)
(0,0,0)= (a,a,0) + (0,2b,3b) + (y,2y,3y)
(0,0,0)= (a+y,a+2b+2y,3b+3y)
a+y=0
a+2b+2y=0
3b+3y=0
1 0 1
1 2 2
0 3 3
0
0
0
F2-F1
F3-3f2
1 0 1
0 1 1 /2
0 0 3 /2
1 0 1
2/3 F1 0 1 1/2
0 0 1
1 0 1
0 2 1
0 3 3
0
0
0
F2/2
1 0 1
0 1 1/2
3 3 3
0
0
0
0
0
0
Como existe una sola solucin S es independiente
0
0
0
13
4.4 Base y dimensin de un espacio vectorial, cambio de base.
A qu se le llama base?
Se llama base de un espacio (o subespacio) vectorial a un
sistema generador de dicho espacio o subespacio, que sea a la
vez linealmente independiente.
Propiedades de las bases:
1. Una base de S es un sistema generador minimal de S (lo ms
pequeo posible).
2. Adems es un conjunto independiente maximal dentro de S
(lo ms grande posible).
3. Una base de S permite expresar todos los vectores de S
como combinacin lineal de ella, de manera nica para cada
vector.
Ejemplos de bases:
La base cannica (o base natural, o base estndar) de
n:
e1 = (1,0,,0)
e2 = (0,1,,0)
........
en = (0,0, ,1)
Son
linealmente
independientes
porque
forman
un
determinante no nulo. Son sistema generador de n porque
todo
vector
(a1,a2,,an)
n
se
puede
expresar
como
combinacin lineal de ellos:
(a1, a2,an)= a1(1,0,0)+ a2(0,1, ,0)+ . . . + an(0,0, ,1)
13
A qu se le llama dimensin?
Todas las bases de un mismo espacio o subespacio tienen el
mismo nmero de vectores. Se llama dimensin de dicho espacio
o subespacio.
Por tanto, la dimensin es el mximo nmero de vectores
independientes que podemos tener en el espacio o subespacio.
En otras palabras, es el mximo rango que puede tener un
conjunto de vectores de dicho espacio
Es tambin el rango de cualquier sistema generador de dicho
espacio.
Ejemplo de dimensin:
P2 = {polinomios de grado 2 con coeficientes reales} tiene
dimensin 3. Una base de P2 es, por ejemplo, la formada por
los tres polinomios siguientes:
(1+0x+0x2), (0+x+0x2), (0+0x+x2)
(es decir, los polinomios 1, x, x2).
Otra base: 1+2x+3x2, 4+x2, 3x5x2.
Propiedades de la dimensin:
Significado fsico de la dimensin: el espacio tiene
dimensin 3, los planos dimensin 2,
las rectas dimensin 1, el punto dimensin 0. El
subespacio {0} es el nico de dimensin 0.
La dimensin de un subespacio en n
, coincide con el nmero de parmetros libres en
su forma paramtrica. (1 parmetro=recta, 2
parmetros=plano)
Si S y T son subespacios y S est contenido en T,
entonces dim S dim T.
Adems, si se da la igualdad, dim S = dim T, entonces
ambos espacios han de coincidir.
El rango de una familia de vectores, es igual a la
dimensin del subespacio que generan.
Es decir: si v1,v2,vn generan un cierto subespacio S, y
si el rango de dicho conjunto es r,
entonces dim S = r.
(Si un cierto conjunto de vectores tienen rango 2,
entonces generan un plano; etc.)
Cambio de base
13
En un espacio vectorial V, dadas dos bases B y B , se llama

matriz de cambio de base (o de cambio de coordenadas) de B a
B a la matriz que contiene en sus columnas las coordenadas
de los vectores de la base B expresados en funcin de la base
B.
Conocidas las coordenadas de un vector en base B, nos
permitir hallar las coordenadas de dicho vector en base B.
En efecto, sean (a1, a2, an) las coordenadas de un vector en
base B, y sea P la matriz de cambio de base de B a B.
Entonces:
P.
a1
a2
an
b1
b2
bn
o lo que es lo mismo
a1
a2
an
= P
-1
b1
b2
bn
Obtenindose as (b1, b2, . . . bn) las coordenadas del

vector en base B.
Ejemplo:
Consideremos en 2 las dos bases siguientes:
B ={(2,3), (1, 1)}
B ={(1,0), (0,1)}
Construyendo la matriz de cambio de base de B a B:
Para ello debemos expresar los vectores de la base B en
funcin de la base cannica B.
Para ello debemos expresar los vectores de la base B en
funcin de la base cannica B.
(2,3)= 2(1,0)+3(0,1)= (2,3)
(-1,1)= 1(1,0)-1(0,1)= (1,-1)
Introduciendo estas coordenadas en las columnas de una
matriz, tendremos la matriz de cambio de base de B a B:
P=
2 1
3 1
13
4.5 Espacio vectorial con producto interno y sus propiedades.
El espacio
producto
vectores u
llamado el
estn en V
vectorial complejo V se conoce como un espacio con

interior
si
para
cualquier
par
de
y v en V, existe un nico nmero complejo (u, v),
producto interior de u y v, tal que si u, v y w
y si C, entonces
Propiedades:
i.
(v, v) 0
ii. (v, v) = 0 si y slo si v = 0.

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)
La barra en las condiciones (v) y (vii) denota el conjugado
complejo.
Ejemplo:
13
Dado los vectores P y R donde
P=8n+3m-5L y R= -3n-6m+2L
P.R= (8,3,-5).(3,-6,2)= (8)(3)+(3)(-6)+(-5)(2)
= 24-18-10=-4
4.6 Base ortonormal,proceso de ortonoralizacin de Gram- Schmidt .
Los
vectores
de
una
base
pueden
ser
mutuamente
perpendiculares, o pueden no serlo. Cuando son mutuamente
perpendiculares se dice que es una base ortogonal.
Recurdese que dos vectores u y v en
slo si uv = 0.
son ortogonales si y
Si se tiene un conjunto de tres vectores u, v y w en

, y se
quiere verificar que sean un conjunto ortogonal, se necesitan
realizar todas las combinaciones de los productos punto:
(uv,uw,vw)
Ejemplo:
Sean los vectores

u = (1, 2, 1), v = (4, 0, -4)
(1, -1, 1), son un conjunto ortogonal?
Al realizar los productos punto
w =
13
uv= 0,uw= 0,vw= 0

nos damos cuenta de que todos son iguales a cero, por lo que
el conjunto de vectores es ortogonal.
Proceso de ortonormalizacin de Gram-Sscmidt

Es posible transformar cualquier base en
(no ortogonal y,
por lo tanto, no ortonormal) en una base ortonormal usando el
proceso de ortonormalizacinde Gram Schmidt.
Las frmulas para este proceso incluyen normalizaciones

(vectores unitarios), as como proyecciones de un vector
sobre otro para obtener vectores ortogonales.
Frmula:
Normalizar U3:
Primer paso:
Obtener un primer vector unitario U1:
Segundo paso.
13
Obtener un vector
U2 ortogonal a U1:
Tercer paso.
Normalizar U2:
Cuarto paso.
Obtener un vector U3
ortogonal a U1
a U2:
Quinto paso.
Normalizar U3:
Ejemplo
Considere los vectores V1 = (1, 0, 1), V1 = (0, 1, 1) y V1 = (1, 0, 0) base de
. Transformar esta base en una base ortonormal por el proceso de Gram
Schmidt.
13
Primer paso.
Obtener un primer vector unitario U1:
Segundo paso.
Obtener un vector U2 ortogonal a U1:
Tercer paso.
Normalizar U2:
Cuarto paso.
Obtener un vector U3 ortogonal a U1 y a U2:
Quinto paso.
Normalizar U3:
13
Finalmente, el conjunto de vectores U1, U2, y U3 es una base ortonormal

de
13
5.1 Introduccin a las transformaciones lineales
Qu son las transformaciones lineales?

Una transformacin lineal, TL, es una funcin,
correspondencia, asignacin o transformacin asociada a un
sistema lineal de ecuaciones por medio de una matriz, es
decir, Sean V y W vectores reales. Una transformacin
lineal T de V en
W es una funcin que asigna a cada
vector v V un vector nico T v W y que satisface, para
cada u y v en V y cada escalar .
T(u+v)=Tu+Tv
T(v)=Tv
Las transformaciones lineales tienen las siguientes propiedades:

Sea una transformacin lineal T:V
. W Entonces para todos
los vectores u,v,v1,v2,vn en V y todos los escalares 1, 2,,
n.
T(0)=0
T(u-v)=Tu-Tv
T(1 v1 + 2 v2 + 3 v3 ++ n vn )= 1 Tv1 + 2 Tv2
+ +
n Tvn.
Las TL pueden descomponerse, ponerse en serie, una tras otra

y la consecuencia es que la composicin de las TL es otra TL.
La composicin de las TL genera un producto entre matrices de
tal forma que el producto de dos matrices da una matriz que
representa la matriz de la TL compuesta. Existen dos tipos de
transformaciones de especial inters, la transformacin
lineal de espacios vectoriales entre s mismos y la
transformacin lineal de un espacio entre el espacio
unidimensional.
Ejemplo:
Sea el sistema de ecuaciones lineales:
13
3x + 4y= 7
5x + 3y=9
Rescribiendo el sistema de ecuaciones lineales:
3+ 4
5+ 3
x
y
Haciendo=
7
9
3+ 4
5+ 3
, Asignando a la matriz
M una funcin con
propiedades especiales, llamada TL, transformacin Lineal.

Una funcin T de clase TL, de la matriz M es.
x
y
T emplea la dupleta
x
y
x
y
3 x+ 4 y
5 x + 3 y
3+ 4
5+ 3
3 x+ 4 y
5 x + 3 y
, debido a que
y la transforma enla dupleta

las dupletas estn en R2, entonces:
T((x,y))=T(x,y)=(3x+4y,5x+3y)
El conjunto sobre el cual opera TL se le llama dominio y el

conjunto en el cual caen los resultados de la transformacin
se denomina como codominio.
Resolver el Sistema de Ecuaciones Lineales significa exigir
encontrar (x,y) tal que M(x,y)=(7,9)= B . Donde M es la
matriz o TL asociada al sistema de ecuaciones lineales.
5.2 Ncleo e imagen de una transformacin lineal
13
Sea una transformacin lineal T:Rn
Rm
El conjunto de vectores que se apachurran totalmente por T

se llama espacio nulo, ncleo o kernel de T , denominado nu
T, y su dimensin se denomina nulidad. El conjunto formado
por todas las imgenes de T se denomina el espacio imagen,
denominado Im T, y su dimensin se denomina rango. Esto es:
nulidad de T = v(T) = dim nu T
rango de T = p(T) = dim Im T
Sean V y W dos espacios vectoriales y sea T:V
Una transformacin lineal,entonces.

1.- El ncleo de T, denominado nu T, est dado por.
Un T =
vE V: TV=0
2.- La imagen de T, denominada Im T, est dado

Im T=
por.
wE W: w=Tv para alguna vE V
Adicionalmente, si:
T:V
5.3 Matriz de una transformacin lineal
Si A es una matriz de m x n y T:Rm
Rn est definida por:
Tx=Ax
Entonces, T es una transformacin lineal donde Para toda
transformacin lineal de Rn en Rm una matriz A de m x n tal
que:
Para todo x Rn, de esta manera, es posible determinar el
ncleo, la imagen, la nulidad y el rango de una
transformacin lineal de Rn en Rm en Rm determinando el
ncleo y la imagen de la matriz correspondiente.
13
Adems al conocer que Tx=Ax. Es posible evaluar T x para

cualquier x
En Rn en
R mediante multiplicacin de matrices.
Finalmente, cualquier transformacin lineal entre espacios

vectoriales de dimensin finita se puede representar mediante
una matriz.
Teorema 1
T:Rm
Rn Entonces existe una matriz nica de mxn tal que:
T x = A x para toda v Rn.

Teorema 2
Sea AT. Entonces, la matriz de transformacin correspondiente
a la transformacin lineal T.
1.- Im T = Im A = CAT
2.- p(T) = p(AT)
3.- nu T = NA
4.- v(T) = v(AT)
5.2 aplicaciones de las transformaciones lineales reflexin dilatacin

contraccin y rotacin
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.
Reflexin
Algunas orientaciones deseables para los objetos
tridimensionales no pueden ser obtenidas usando solamente
13
giros. Con la reflexin se consigue un efecto "espejo", de

modo que los objetos se ven reflejados en un plano.
Ejemplo:
En este caso, queremos averiguar cmo est definida la
transformacin
T de R2 en R2 que cada vector U=(u1, u2) lo refleja sobre el
eje x, para obtener un vector T(U)=(v1,v2)
En este caso, la situacin es ms sencilla ya que claramente
tenemos dos tringulos rectngulos que son congruentes, de
donde T queda definida como sigue:
Esta transformacin se llama la reflexin sobre el eje x, y

es lineal, ya que:
Rotacin por un ngulo

Sea 0 < 2 un ngulo medido en radianes. Queremos
averiguar cual es la transformacin T de R^2
en R^2 que gira cada vector U=( U1,U2) un ngulo para
obtener un vector T(u)=(v1,v2) tenemos que :
v1= ||T(u)||cos(+) = ||(u)||(cos cos - sen sen
)
v2= ||T(u)||sen(+) = ||(u)||(sen cos - cos sen
)
Distribuyendo y usando el hecho de que U1=||u|| cos y U2=||
u||
13
sen
tenemos que:
v1= U1 cos - U2 sen
v2= U2 cos + U1 sen
Por lo tanto, ya descubrimos cmo debe estar definida la
transformacin T:R^2 R^2
tal que: T (U1 , U2) = (U1 cos - U2sen,U2 cos + U1 sen
)
Esta transformacin se llama la rotacin por un ngulo
y es lineal, ya que:
T [(U1 , U2)+ (v1 , v 2)] = T (u1 + v1 , u2 + v2 )
= ((u1 + v1)cos - (u2 + v2) sen , (u2 + v2) cos +
(u1 + v1) sen )
= (u1 cos - u2 sen , u2 cos + u1 sen ) + (v1cos v2 sen , v2 cos + v1 sen )
= T(u1 , u2) + T (v1 , v2)
Rotacin
En este caso, queremos averiguar como est definida la
transformacin T de en qu cada vector lo refleja sobre el
eje x, para obtener un vector.
Una contraccin es una transformacin que decrece
distancias. Bajo una contraccin, cualquier par de puntos es
enviado a otro par a distancia estrictamente menor que la
original.
Sea V= (2 4) encontrara la contraccin horizontal cuando
K=1/2
Haciendo la grafica el punto disminuye en el eje horizontal.
Ejemplo dilatacin o expansin
Una dilatacin es una transformacin que incrementa
distancias.
Sea V= (2 4) encontrara la expansin vertical cuando K=2
Expansin horizontal (k71) o contraccin (0<k<1)
Expansin vertical (k71) o contraccin (0<k<1)
13
Bibliografa
http://personales.unican.es/camposn/espacios_vectoriales2.pdf
http://itsavbasicas.blogspot.com/2012/05/45-espaciovectorial-con-producto.html
http://sureyma.blogspot.com/2009/10/espacios-vectoriales.html
http://www.ma.uva.es/~antonio/Industriales/Apuntes_0910/MatI/05_Tema-04_09-10.pdf
http://dcb.fi-c.unam.mx/users/aliciapr/apuntes/Algebra
%20Lineal.pdf
http://fcm.ens.uabc.mx/~matematicas/algebralineal/IV
%20EspVect/al_vectores_09basesort_total.htm
https://docs.google.com/viewer?
a=v&q=cache:gTRPTz3Yy0UJ:tamateco.design.officelive.com/Docum
ents/TransformacionesLineales.ppt+Aplicaci
%C3%B3n+de+las+transformaciones+lineales:+reflexi%C3%B3n,
+dilataci%C3%B3n,+contracci%C3%B3n+y+rotaci
%C3%B3n.&hl=es&gl=mx&pid=bl&srcid=ADGEESjxyL8JNq4Z4MSUweeRlCH
uXpLT27o5IhJsw8Bmjn5ApRmDhfeAIyw1c9YL5DmZwZzeFi1cNouAfsKeNjaj
BOPuAxZur-BRCuU8k-_CGlxJmf5OVFkQDibZC9kynkCr9j_dTPa&sig=AHIEtbSAZVdMk5D4BDRYrQg99JNJMI7_5w

Alv14invu2 Rodriguezlugo 130828195923 Phpapp01

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Alv14invu2 Rodriguezlugo 130828195923 Phpapp01

Enviado por

Direitos autorais:

Formatos disponíveis

HAROLD RODRGUEZ LUGO

Harold Rodrguez 3G2 Algebra

Maestro: Ing. En sistemas Pedro Pablo

Harold Rodrguez Lugo

4.1 Definicin de un espacio vectorial

donde X,Y,Z vectores:

1) Si X pertenece a V y Y, entonces X+Y pertenece a V

Harold Rodrguez Lugo

(Cerradura bajo la multiplicacin por un escalar)

4.2 Definicin de subespacio vectorial y sus propiedades.

luego un sistema generador de S es {(1;1;0;0);(0;0;1;0);(0;0;0;1)}.

Harold Rodrguez Lugo

Un sistema generador de T es (1;1;2;1);(2;3; 1;1). Pero es tambin

y la nica solucin al sistema anterior es , Por tanto, BT =

4.3 Combinacin lineal, independencia lineal

Dados dos vectores:

y , y dos nmeros: a y b, el vector au+

bv se dice que es una combinacin lineal de

Una combinacin lineal de dos o ms vectores es el vector que

Varios vectores libres del plano se dice que son linealmente

Harold Rodrguez Lugo

coeficientes de la combinacin lineal, de no ser linealmente

Varios vectores libres son linealmente independientes si

Como existe una sola solucin S es independiente

Harold Rodrguez Lugo

4.4 Base y dimensin de un espacio vectorial, cambio de base.

Harold Rodrguez Lugo

En un espacio vectorial V, dadas dos bases B y B , se llama

Obtenindose as (b1, b2, . . . bn) las coordenadas del

Harold Rodrguez Lugo

4.5 Espacio vectorial con producto interno y sus propiedades.

vectorial complejo V se conoce como un espacio con

ii. (v, v) = 0 si y slo si v = 0.

Harold Rodrguez Lugo

Dado los vectores P y R donde

4.6 Base ortonormal,proceso de ortonoralizacin de Gram- Schmidt .

Si se tiene un conjunto de tres vectores u, v y w en

Sean los vectores

Al realizar los productos punto

Harold Rodrguez Lugo

uv= 0,uw= 0,vw= 0

Proceso de ortonormalizacin de Gram-Sscmidt

Las frmulas para este proceso incluyen normalizaciones

Harold Rodrguez Lugo

Harold Rodrguez Lugo

Harold Rodrguez Lugo

Finalmente, el conjunto de vectores U1, U2, y U3 es una base ortonormal

Harold Rodrguez Lugo

5.1 Introduccin a las transformaciones lineales

Qu son las transformaciones lineales?

Las transformaciones lineales tienen las siguientes propiedades:

Las TL pueden descomponerse, ponerse en serie, una tras otra

M una funcin con

propiedades especiales, llamada TL, transformacin Lineal.

y la transforma enla dupleta

El conjunto sobre el cual opera TL se le llama dominio y el

5.2 Ncleo e imagen de una transformacin lineal

Harold Rodrguez Lugo

Sea una transformacin lineal T:Rn

El conjunto de vectores que se apachurran totalmente por T

Una transformacin lineal,entonces.

2.- La imagen de T, denominada Im T, est dado

wE W: w=Tv para alguna vE V

5.3 Matriz de una transformacin lineal