INSTITUTO TECNOLOGICO DE TAPACHULA

MATERIA: ALGEBRA LINEAL

CARRERA: ING.ELECTROMECÁNICA

GRUPO: “M”

CATEDRÁTICO: PATRON

ALUMNOS:
-GABRIEL CIRILO MARROQUIN CORDERO 18510359
- JOSE CARRERA GONZALEZ

FECHA DE ENTREGA: 20/05/2019

TAPACHULA, CHIAPAS
 En esta sección se inicia el
estudio de las funciones con
valor vectorial de una variable
vectorial. Es decir, funciones
que tienen la forma w = F(v),
en donde la variable
independiente v y la
dependiente w son vectores
Si F: V W es una función del espacio vectorial V hacia
el espacio, entonces F es una transformación lineal si
vectorial W

(i) F (u + v) = F(u) + F(v) para todos los vectores u y

ven V.
(ii) F(ku) = kF(u) para todos los vectores u en V y todos
los escalares k.
F(v) = (x, x + y, x - y)
Como ilustración, sea F: 𝑹𝟐𝑹𝟑 la función definida por F(v) = (x, x + y, x - y) . Si u = (x1, y1) Y v = (x2, y2),
entonces u + v = (x1 + x2, y1 + y2), de modo que

F (u + v) = (x1 + x2, [x1 + x2] + [y1 + y2], [x1 + x2] - [y1 + y2])

= (x1, x1 + y1, x1- y1) + (x2, x2 + y2, x2 - y2)

= F(u) + F(v)

También, si k es un escalar, ku = (kx1, ky1), de manera que

F(ku) = (kx1, kx1 + ky1, kx1 – ky1)

= k (x1, x1 + y1, x1 – y1)

= kF(u)
 Por tanto, F es una transformación lineal.

Si F: V  W es una transformación lineal, entonces para V1 y

V2 cualesquiera en V y cualesquiera escalares k1 Y k2, se tiene

F (k1v1 + k2v2 + …. + knvn) = k1F(v1) + k2F(v2)

En esta sección se desarrollan algunas propiedades
básicas de las transformaciones lineales. En particular, se
demuestra que una vez que se conocen las imágenes de
los vectores base bajo una transformación lineal, es
posible encontrar las imágenes de los vectores restantes
en el espacio.
Teorema 1.

Si T: V  W es una transformación lineal, entonces:

(a) T(O) = O

(b) T(- v) = - T(v) para todos los ven V

(c) T(v - w) = T(v) - T(w) Para todos los v y w en V

Demostración. Sea v cualquier vector en V. Debido a que Ov=
O, se tiene:

T(O) = T(Ov) = OT(v) = O

Lo cual prueba (a).

También, T(-v) = T ( (-l)v) = (-1) T(v) = -T(v), lo cual

prueba (b).

Por último, v - w = v + (-1 )w; por tanto,

T(v - w) = T(v + (-1)w)

= T(v) + (-1) T(w)

= T(v) - T(w)
Teorema 2.

Si T: V  W es una transformación lineal entonces:

a) El núcleo de T es un sub espacio de V.

b) El recorrido de T es un subespacio de W.
Demostración.

a) Para demostrar que ker(T) es un subespacio, se debe

demostrar que es cerrado bajo la adición y la multiplicación
escalar. Sean VI y V2 vectores en ker (T) y supóngase que
k es cualquier escalar. Entonces,

T(v1 + v2) = T(v1) + T(v2 )

=0+0

=0
Teorema 3.

Si T:V W es una transformación lineal desde un

espacio vectorial V con dimensión hacia un espacio
vectorial W,
(Rango de T) + (Nulidad de T)= n

En el caso especial en el que V= 𝑅𝑛 , W= 𝑅𝑚 y

T: 𝑅𝑛 𝑅𝑚 es la multiplicación por una matriz A de m
X n, él teorema de la dimensión conduce al siguiente
resultado:
Nulidad de T= n – (Rango de T)
= (Numero de columnas de A) – (Rango de T)
Teorema 4

Si A es una matriz de m X n, entonces la dimensión del

espacio de soluciones de Ax = 0 es

n-rango (A)

se demuestra un sistema homogéneo

2x1 + 2x2 - x3 + x3 = 0
-x1 - x2 + 2x3 - 3x4 + x5= 0
x1 + x2 - 2x3 - x5= 0
x3 + x4 + x5 = 0
tiene un espacio de soluciones bidimensional, al resolver
el sistema y encontrar una base. Debido a que la matriz de
los coeficientes.

2 2 -1 0 1 Tiene cinco columnas, por el teorema 4 se deduce que

A= -1 -1 2 -3 1 el rango de A debe satisfacer 2 = 5 –rango (A)
1 1 -2 0 -1 de modo que rango (A) = 3. puede verificar este
0 0 1 1 1 resultado, reduciendo A hasta una forma escalonada en
los renglones y demostrando que la matriz resultante tiene
tres renglones diferentes de cero.
representación matricial de una transformación lineal

se demuestra que si V y W son espacios vectoriales con

dimensión finita (no necesariamente 𝑅𝑛  𝑅𝑚 ), entonces,
cualquier transformación lineal T: VW se puede
considerar como una transformación matricial.
V tiene dimensión n y que W tiene dimensión m. si se
eligen las bases B y B’ para que V y W,
respectivamente, entonces, para cada x en V, la matriz de
coordenadas [x]B será un vector en 𝑅𝑛 , y la matriz de
coordenadas [T(x)]B’ será algún vector en 𝑅𝑚 . Por
tanto, en el proceso de aplicar x en T(X), la
transformación lineal T ”genera “una aplicación de 𝑅𝑛 ,
hacia 𝑅𝑚 , enviando [x]B hacia [T(x)]B’

, se puede realizar aplicando una matriz estándar A

A[x]B= [T(x)]B’
2
)

Si de alguna manera, es posible encontrar la matriz A, entonces,

como se muestra en la figura 5.11, se puede calcular T(x) en
tres pasos, por medio del procedimiento indirecto siguiente:
1) Calcular la matriz de coordenadas, [ x ]B

2) Multiplicar [ x ]B desde la izquierda, Por A, para producir

[T(x)]B’

3) Reconstruir T(x,), a partir de su matriz de coordenadas

[T(x)]B’
aplicación de las transformaciones lineales: reflexión,
dilatación, contracción y rotación.

Falta este tema y lo hacemos en la

escuela falta la presentación y
ponerle imagenes