INTRODUCCIÓN

Para el estudio de sistemas de ecuaciones lineales emplearemos dos herramientas

matemáticas que facilitar los cálculos: las matrices y los determinantes.

Las matrices y los determinantes nos permiten expresar de una manera clara, concisa y
elegante la condición de compatibilidad de los sistemas de ecuaciones lineales (s.e.l.) -
Teorema de Rouché-Fröbenius -.

Cuando estudiamos un s.e.l. debemos preguntarnos:

¿Tiene soluciones el sistema?, es decir, ¿es compatible?

Si tiene soluciones ¿cuántas y cuales son?

Visto esto, estudiar un sistema es:

DISCUTIR = Averiguar si un s.e.l. tiene solución, y si tiene, ver si es única o no.

RESOLVER

= Hallar la solución si es única, o las soluciones si son infinitas.

ESTUDIAR = DISCUTIR + RESOLVER

5.1 DEFINICIÓN TRANSFORMACIÓN LINEAL Y SUS PROPIEDADES

Se denomina transformación lineal, función lineal o aplicación lineal a toda aplicación cuyo
dominio y codominio sean espacios vectoriales y se cumplan las siguientes condiciones:

Transformación lineal: Sean V y W espacios vectoriales reales. Una transformación lineal

T de V en W es una función que asigna a cada vector v Ԗ V un vector único Tv Ԗ W y que
satisface, para cada u y v en V y cada escalar ‫ן‬,

1.T (u+v)= Tu+Tv

2.T(‫ן‬v)= ‫ן‬Tv, donde ‫ ן‬es un escalar.

Tres notas sobre notación.

 1.Se escribe T: V ĺ W para indicar que T toma el espacio vectorial real V y lo lleva
al espacio vectorial real W; esto es, T es una función con V como su dominio y un
subconjunto de W como su imagen.
2.Se escriben indistintamente Tv y T (v). denotan lo mismo; las dos fases se leen ³T
de v´. eso es análogo a la notación funcional f(x), que se lee ³f de x´.
3.Muchas de las definiciones y teoremas se cumplen también para los espacios
vectoriales complejos (espacios vectoriales en donde los escalares son números
complejos).

OV Terminología: las transformaciones lineales con frecuencia se llaman operadores

lineales.
OV Nota: No toda transformación que se ve lineal es en realidad lineal. Por ejemplo,
defina T: RĺR por Tx= 2x + 3. Entonces la grafica de {(x, Tx): xԖ R} es una
línea recta en el plano xy; pero T no es lineal porque T(x+ y) = 2(x +y) + 3 = 2x +
2y + 3y Tx + ty = (2x+3) + (2y+3) = 2x + 2y + 6. Las únicas transformaciones
lineales de R en R son funciones de la forma f (x) = mx para algún número real m.
así, entre todas las funciones cuyas graficas son rectas, las únicas que son lineales
son aquellas que pasan por el origen. En algebra y calculo una función lineal con
dominio R esta definida como una función que tiene la forma f (x) = mx + b. asi,
se puede decir que una función lineal es una transformación de R en R si y solo si
b (la ordenada al origen) es cero.

â5.2 EJEMPLOS DE TRANSFORMACIONES LINEALES¶ Una transformación 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.

Se denomina transformación lineal a toda función cuyo dominio e imagen sean espacios
vectoriales y se cumplan las condiciones necesarias. Las transformaciones lineales ocurren
con mucha frecuencia en el álgebra lineal
y en otras ramas de las matemáticas, tienen una gran variedad de aplicaciones importantes.
Las transformaciones lineales tienen gran aplicación en la física, la ingeniería y en diversas
ramas de la matemática.

EJEMPLOS

Rotación por un ángulo Ԧ

Sea 0 ” Ԧ < 2ʌ un ángulo medido en radianes. Queremos averiguar cual es la

transformación T de R^2

en R^2 que gira cada vector U=( U1,U2) un ángulo ș para obtener un vector
T(u)=(v1,v2)

En una gráfica, vemos la situación como sigue:

OV Si usamos las funciones trigonométricas, tenemos que:

v1= ||T(u)||˹cos(Į+Ԧ) = ||(u)||˹(cos Į ˹ cos Ԧ - sen Į ˹ sen Ԧ )

v2= ||T(u)||˹sen(Į+Ԧ) = ||(u)||˹(sen Į ˹ cos Ԧ - cos Į ˹ sen Ԧ )

Distribuyendo y usando el hecho de que U1=||u|| cos Į y U2=||u|| sen Į

tenemos que:

v1= U1 cos Ԧ - U2 sen Ԧ

v2= U2 cos Ԧ + U1 sen Ԧ

Por lo tanto, ya descubrimos cómo debe estar definida la transformación T:R^2 ĺ R^2

tal que: T (U1 , U2) = (U1 cos Ԧ - U2senԦ,U2 cos Ԧ + U1 sen Ԧ )

Esta transformación se llama la rotación por un ángulo Ԧ

y es lineal, ya que:
T [(U1 , U2)+ Ȝ(v1 , v 2)] = T (u1 + Ȝ v1 , u2 + Ȝ v2 )

= ((u1 + Ȝ v1)cos Ԧ - (u2 + Ȝ v2) sen Ԧ, (u2 + Ȝ v2) cos Ԧ + (u1 + Ȝ v1) sen Ԧ)

= (u1 cos Ԧ - u2 sen Ԧ, u2 cos Ԧ + u1 sen Ԧ) + Ȝ (v1cos Ԧ - v2 sen Ԧ , v2 cos Ԧ + v1 sen Ԧ)

= T(u1 , u2) + Ȝ T (v1 , v2)

Reflexión sobre el eje x

En este caso, queremos averiguar como está definida la transformación T de R^2 en R^2
que cada vector u = (u1 , u2) lo refleja sobre el eje x, para obtener un vector T (u) = ( v1 ,
v2)

En una gráfica, vemos la situación como sigue:

Ĺĺ

En este caso, la situación es más sencilla ya que claramente tenemos dos triángulos
rectángulos que son congruentes, de donde T queda definida como sigue:

T(u1 , u2)=(u1 , - u2)

Esta transformación se llama la reflexión sobre el eje x, y es lineal, ya que:

T[(u1 , u2)+ Ȝ (v1 , v2)] = T(u1 + Ȝ v1 , u2 + Ȝ v2)

=(u1 + Ȝ v1 , - u2 - Ȝ v2)

=(u1 , - u2) + Ȝ (v1 , - v2)

T=(u1 , u2) + Ȝ T (v1 , v2)

Proyección ortogonal sobre el eje x

En este caso, queremos averiguar como está definida la transformación T de R^2 en R^2
que a cada vector u=(u1 , u2) lo proyecta perpendicularmente sobre el eje x, para obtener un
vector T(u)=(v1, v2)
En una gráfica, vemos la situación como sigue:

Ĺĺ

También este caso es sencillo, pues es obvio que T queda definida como sigue:

T(u1, u2) = (u1 , 0)

Esta transformación se llama la proyección sobre el eje x, y es lineal, ya que:

T[(U1 , u2) + Ȝ (v1 , v2)] = T (u1+ Ȝ v1 , u2 + Ȝ v2)

=(u1 + Ȝ v1 , O) = (u1 , O) + Ȝ (v1 , O)

= T (u1 , u2) + Ȝ T(v1, v2)

Este último ejemplo tiene más fondo desde el punto de vista de Álgebra Lineal.
Consideremos el siguiente subespacio de R^2

W1 = {(x,0)/x ȯ R }

Vemos que éste no es sino el eje x (sobre quien se efectuó la proyección). Ahora bien, W1
tiene un complemento directo, a saber,

W2 = {(0,y)/y ȯ R }

De tal forma que cada vector (x , y) ȯ R^2 se escribe en forma única como suma de un
vector de W1 más un vector de W2 como sigue:

(x,y) = (x,0)+(0,y)

Notamos que la proyección sobre el eje x, manda a (x,y) sobre (x,0) , el cual es
precisamente el término correspondiente a W1 en la descomposición anterior.

Todo esto nos induce a definir proyecciones sobre subespacios en general como sigue:

Definición. Sea V un espacio vectorial y sea W1 c V un subespacio tal que existe W2 el

complemento directo de W1 en V, es decir tal que V = W1 + W2 , de tal forma que cada
vector v ȯ V se escribe en forma única como:
v=x+y

Con: x ȯ W1 y y ȯ W2

Definimos entonces la proyección sobre W 1 , como aquella transformación T:VĺV tal

que T(v) = x.

Lo primero que observamos es que esta transformación es lineal, ya que si v1=x1+y1 ,

v2=x2+y2 con xi ȯ W1 y yi ȯ W2 , entonces v1+ Ȝv2=x1+y1+Ȝ(x2+y2)=(x1+Ȝx2)+(y1+Ȝy2)
con x1+Ȝx2 ȯ W1 y y1+Ȝy2 ȯ W2

Por lo tanto, de acuerdo a la definición de T, tenemos que:

T(v1+ Ȝ v2)=x1+Ȝ x2=T(v1+Ȝ T(v2)

En segundo lugar, vemos que esta definición, incluye como caso especial a la de la
proyección sobre el eje x. Sin embargo, vemos que no es suficiente con especificar sobre
que subespacio queremos proyectar, sino también es necesario aclarar cual es el
complemento directo que se estará usando, ya que un mismo subespacio puede tener
distintos complementos directos. El mismo eje x, tiene el siguiente complemento directo:

W2= {(X , X) / X ȯ R }

En efecto, es claro que W2 es un subespacio de R^2 y W1 --- W2= (0 , 0)

Además, cada (X , Y) ȯ R^2 se escribe como:

(x,y) = (x-y,0) + (y,y) ȯ W1 --- w2

Todo esto demuestra que R^2 = W1+W2

Usando esta descomposición y la definición de proyección, tendremos que en este caso, la

transformación queda dada como sigue:

T(x,y)=(x-y,0)

BIBLIOGRAFIA

ALGEBRA LINEAL STANLEY I. GROSSMAN 6TA Y 1RA EDICION

GARETH WILLIAMS ALGEBRA LINEAL CON APLICACIONES 4TA EDICION MC.
GRAW-HILL

GEORGE NAKOS. DAVID JOYNER. ALGEBRA LINEAL CON APLICACIONES ED-

THOMSON
V

Sea una transformacion lineal es posible encontrar una matriz asociada a una
transformacion lineal Desarrollo:

Si V y W son espacios de dimensi¨®n finita, y se eligen bases en estos espacios, entonces

toda transformaci¨®n lineal de V a W puede ser representada como una matriz. Por otro
lado, toda matriz real m por n determina una transformaci¨®n lineal de esta forma f(x) =
Ax

Sea una base de V. Entonces todo vector v en V est¨¢ determinado de manera ¨ nica por los
coefientes en : Si f : V ¡ú W es una transformacion lineal,

Lo cual implica que esto completamente determinada por los valores

Ahora es una base de W. Podemos representar

cada f(vj) como

Entonces la funci¨®n f est¨¢ enteramente determinada por los valores ai,j.. Si se trata de
transformaciones de generalmente se usa la base can¨®nica.

Si cambiamos las bases, entonces la matriz ser¨¢ distinta, pero representar¨¢ la misma
transformaci¨®n

esta transformacion solo sirve en plano que sean de x,y,z para pasar a x,y
V

V
V

V

 



 







È V
VV
V V V
VV V
V V  V V
  V V V   V V  
V V V 
V  V  V  V V
VVV VVV   VV
V 
V V
VV
V

VV  V  V
V
VVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVV V V V V V VVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVVV
V p


 p


 p



 
  
 
V V V

V !++V ,++V 800
 V VV





V V-+V ,+V 60

V V V V V V
V
V
V
 ë1

 L
ë   ë2 L
ë L
V  V  3
V  V V 
V 
 V 
V ÈV  V !V
 V V "
V V 
V 
V   V  V   V V V
  VV 
V  V VV  VVV 
VV
 O1

 LL
O
#V $ V %V $ V V 
V #&'V (V )V V 
V V V 
V  2 V 
V ÈV
!

 VV V

VVV 
VV VV VV V
1000

 L
ë   700 L
 200 L
VV   VV* 
V VV  V
V
1000

 300 500 800
 L  810 ,000

( ë )  vë   LL   700 L   LL
 40 50 60  L  87 , 000
 200 V
V
 m
V 
V  V V  V .È++++V 
V V V V V V ./+++V 
V V
 VVV   V
V
V 0m V V 
V V V V  
V 
V

1V V 2V


VV 
V#3V$ V%V$ VV
V#&V'V(V&V4'VV
V
  V 
 V
V
V

V
V
V
V

V
V
V
V

V
V

R 55666   5   R 7 

V

R 55
  5 R5#
89!:7; 9)
: .< =::
V

R 55
   5 5)5
 
5
8 +>?5;
@2 R VVV

R 55666     
5 
55 ++È++-5
:R 5 5  R V

R
 
  

  

V

VVVVVVVVR

   !"#$%
  %
% 
V