Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tercer semestre
Clave
05142517/06142517
Índice
Presentación de la unidad
La estructura está dada, por ejemplo, por una o más operaciones o relaciones
definidas entre los elementos del conjunto. Un grupo abeliano es un ejemplo de
conjunto con estructura. En este caso tenemos un conjunto con la operación de
suma que satisface las propiedades que ya vimos en la Unidad anterior.
Tuvo que pasar más de medio siglo después de haber llegado al concepto de
conjunto con estructura para que los matemáticos se dieran cuenta que el
concepto de función que preserva la estructura es aún más importante que el de
Competencias específicas
En esta unidad pretendemos que empieces a desarrollar una visión categórica del
estudio de espacios vectoriales y transformaciones lineales con ejemplos, y
demostraciones de resultados que son útiles para el estudio de sistemas de
ecuaciones lineales.
Teorema 1
Una función 𝑇: 𝑉 → 𝑊, entre dos espacios vectoriales 𝑉 y 𝑊 es una transformación
lineal si y solo si 𝑇(𝑎𝒙 + 𝑏𝒚) = 𝑎𝑇(𝒙) + 𝑏𝑇(𝒚), para todo número real 𝑎, 𝑏 y todo
vector 𝒙, 𝒚.
Teorema 2
La composición 𝑆 ∘ 𝑇 de dos transformaciones lineales 𝑇 y 𝑆 es una transformación
lineal.
Demostración.
Queremos demostrar que (𝑆 ∘ 𝑇)(𝑎𝒙 + 𝑏𝒚) = 𝑎(𝑆 ∘ 𝑇)(𝒙) + 𝑏(𝑆 ∘ 𝑇)(𝒚), para todo
número real 𝑎, 𝑏 y todo vector 𝒙, 𝒚. Esto resulta directamente de que 𝑇 y 𝑆 tienen
esta propiedad y de la definición de composición de funciones:
(𝑆 ∘ 𝑇)(𝑎𝒙 + 𝑏𝒚) = 𝑆(𝑇(𝑎𝒙 + 𝑏𝒚))
= 𝑆(𝑎𝑇(𝒙) + 𝑏𝑇(𝒚))
= 𝑎𝑆(𝑇(𝒙)) + 𝑏𝑆(𝑇(𝒚))
= 𝑎(𝑆 ∘ 𝑇)(𝒙) + 𝑏(𝑆 ∘ 𝑇)(𝒚).
Teorema 3
La función idéntica, 𝐼: 𝑉 → 𝑉 de un espacio vectorial 𝑉, definida por 𝐼(𝒙) = 𝒙 para
toda 𝒙 en 𝑉, es una transformación lineal y actúa bajo la composición como neutro
derecho e izquierdo, esto es, si 𝑇: 𝑈 → 𝑉 y 𝑆: 𝑉 → 𝑊 son dos transformaciones
lineales, entonces tenemos que 𝐼 ∘ 𝑇=T y 𝑆 ∘ 𝐼 = 𝑆, donde 𝐼 ∘ 𝑇: 𝑈 → 𝑉 y 𝑆 ∘ 𝐼: 𝑉 → 𝑊.
Demostración.
Vamos a ver más adelante que esta suposición es siempre válida, aunque solo lo
demostraremos en el caso de espacios vectoriales de dimensión finita.
Supongamos además que tenemos 𝑚 vectores 𝒄𝟏 , 𝒄𝟐 , … , 𝒄𝒎 en 𝑊.
Teorema 4
Bajo estas condiciones podemos definir una función 𝑇: 𝑉 → 𝑊 como sigue:
Para todo
𝒙 = 𝑥1 𝒂𝟏 + 𝑥2 𝒂𝟐 + ⋯ + 𝑥𝑚 𝒂𝒎 ,
escribimos
Demostración.
Observa que tenemos que las 𝒂𝒊 están dadas por las siguientes combinaciones
lineales:
Teorema 5
Supongamos que tenemos un conjunto de vectores 𝒂𝟏 , 𝒂𝟐 , … , 𝒂𝒎 en el espacio
vectorial 𝑉 tal que todo vector 𝒙 en 𝑉 se puede escribir en forma única como:
𝒙 = 𝑥1 𝒂𝟏 + 𝑥2 𝒂𝟐 + ⋯ + 𝑥𝑚 𝒂𝒎
Teorema 6
Hay una correspondencia uno a uno entre el conjunto de las transformaciones
lineales de ℝ𝑚 a ℝ𝑛 , denota 𝐿(ℝ𝑚 , ℝ𝑛 ); y el de las matrices de tamaño 𝑚 × 𝑛 , el cual
denotamos en la Unidad anterior como ℳ(𝑚, 𝑛).
Demostración.
(𝑥1 , 𝑥2 , … , 𝑥𝑚 ) = 𝒙 = (𝑦1 , 𝑦2 , … , 𝑦𝑚 ),
así que por definición de igualdad en ℝ𝑚 , 𝑥𝑖 = 𝑦𝑖 , para toda 𝑖 = 1,2, … , 𝑚. Esto es,
toda 𝒙 en ℝ𝑚 se expresa en forma única como combinación lineal de las 𝒂𝒊 .
Esta situación, que fue fácil de demostrar en ℝ𝑚 , es válida en todo espacio vectorial
de dimensión finita lo que veremos más adelante.
Dada una transformación lineal 𝑇: ℝ𝑚 → ℝ𝑛 , por el teorema anterior puesto que las
𝒂𝒊 satisfacen las condiciones del teorema, la imagen de las 𝒂𝒊 determina en forma
única a 𝑇. Denotemos a las imágenes de las 𝒂𝒊 como 𝒄𝒊 = 𝑇(𝒂𝒊 ).
Entonces,
𝑇(𝒂𝟏 ) = 𝒄𝟏 = (𝑎11 , 𝑎12 , … , 𝑎1𝑛 )
Podemos formar la matriz de 𝑚 × 𝑛 cuyo renglón 𝑖 está dado por las coordenadas
de 𝑇(𝒂𝒊 ), para toda 𝑖 = 1,2, … , 𝑚.
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 ⋯ 𝑎2𝑛
𝐴 = (𝑎𝑖𝑗 ) = ( ⋮ ⋮ ⋱ ⋮ ).
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛
𝑖 = 1,2, … , 𝑚.
Si (𝑎𝑖𝑗 ) = 𝑓(𝑇) = 𝑓(𝑆) = (𝑏𝑖𝑗 ), por definición de igualdad de matrices, tenemos que
𝑎𝑖𝑗 = 𝑏𝑖𝑗 para toda 𝑖 = 1,2, … , 𝑚 y toda 𝑗 = 1,2, … , 𝑛 y por lo tanto 𝑇 = 𝑆. Dada una
forma única por 𝑇(𝒂𝒊 ) igual al renglón 𝑖 de 𝐴, para toda 𝑖 = 1,2, … , 𝑚. Por definición
de 𝑓 tenemos que 𝑓(𝑇) = 𝐴.
Corolario 1
Demostración.
Para ℝ𝑚 , los vectores unitarios 𝒂𝟏 = (1,0, … ,0), 𝒂𝟐 = (0,1, … ,0), … , 𝒂𝒎 = (0,0, … ,1)
forman una base. Estos significa que 𝒙 = (𝑥1 , 𝑥2 , … , 𝑥𝑚 ) = 𝑥1 𝒂𝟏 + 𝑥2 𝒂𝟐 + ⋯ + 𝑥𝑚 𝒂𝒎 , es
decir, toda 𝒙 en 𝑉 se puede expresar como combinación lineal de las 𝒂𝒊 en forma
única.
Teorema 7
Hay un isomorfismo de espacios vectoriales entre las matrices de tamaño 𝑛 × 𝑛 y
las transformaciones lineales de ℝ𝑛 a ℝ𝑛 .
Demostración.
Ya vimos que hay una correspondencia uno a uno entre las transformaciones
lineales de ℝ𝑚 a ℝ𝑛 , 𝐿(ℝ𝑚 , ℝ𝑛 ), y las matrices de tamaño 𝑚 × 𝑛, ℳ(𝑚, 𝑛). En el caso
que estamos considerando 𝑛 = 𝑚. Sea 𝑓: 𝐿(ℝ𝑛 , ℝ𝑛 ) → ℳ(𝑛, 𝑛) la correspondencia
uno a uno del teorema anterior, es decir, una biyección de conjuntos. Ya vimos que
ℳ(𝑛, 𝑛) es un espacio vectorial. Para que 𝑓 sea un isomorfismo de espacios
vectoriales necesitamos ver que 𝐿(ℝ𝑛 , ℝ𝑛 ) es un espacio vectorial y que 𝑓 es una
transformación lineal entre estos espacios vectoriales. De hecho, veremos un poco
más adelante que 𝐿(ℝ𝑛 , ℝ𝑛 ) es un subespacio vectorial del espacio vectorial de
todas las funciones 𝐹(ℝ𝑛 , ℝ𝑛 ). Aceptando que L(Rn, Rn) es un espacio vectorial solo
nos queda demostrar que f es una transformación lineal.
Esto es, que 𝑓(𝑇 + 𝑈) = 𝑓(𝑇) + 𝑓(𝑈) y que 𝑓(𝑟 ∙ 𝑇) = 𝑟 ∙ 𝑓(𝑇). La primera condición
dice que la matriz asociada a la suma de dos transformaciones lineales se obtiene
sumando las matrices asociadas a cada una de las transformaciones lineales. La
segunda condición dice que la matriz asociada al producto escalar de un número
real 𝑟 con una transformación lineal se obtiene como el producto escalar de 𝑟 con la
matriz asociadas a la transformación lineal.
¿Se puede encontrar una operación entre matrices de tal forma que la matriz
asociada a la composición de dos transformaciones lineales, bajo el isomorfismo
del teorema, corresponda a la operación entre matrices que buscamos entre la
matriz de la primera y la segunda transformación?
?
que queremos es que 𝑇𝐴?𝐵 = 𝑇𝐵 ∘ 𝑇𝐴 , donde 𝐴, 𝐵 son dos matrices, 𝐴? 𝐵 es la matriz
que resulta de la operación ? entre 𝐴 y 𝐵.
Teorema 8
La condición 𝑇𝐴?𝐵 = 𝑇𝐵 ∘ 𝑇𝐴 determina en forma única a la operación ? entre matrices
de 𝑛 × 𝑛.
Demostración.
NOTA:
Se define un álgebra como un espacio vectorial con una operación de multiplicación
entre sus vectores que satisface las siguientes propiedades:
La multiplicación es asociativa, distributiva por la derecha y por la izquierda
respecto a la suma, la multiplicación de un escalar con un producto de matrices
también es asociativa, y la matriz idéntica es una identidad para la multiplicación de
matrices. Sin embargo, la multiplicación no es conmutativa.
Teorema
Las transformaciones lineales con la composición de transformaciones lineales
como producto y las matrices de 𝑚 × 𝑛 con la multiplicación de matrices como
producto son álgebras isomorfas. El isomorfismo que existe entre ellas como
espacios vectoriales preserva el producto puesto que por construcción definimos el
producto de tal forma que 𝑇𝐴𝐵 = 𝑇𝐵 ∘ 𝑇𝐴 .
Fuentes de consulta
Lay, D. C.; Álgebra lineal y sus aplicaciones (tercera edición); México (2007),
Pearson Educación. Corcobado, J. L. y Marijuán, J. Matemáticas I., en:
http://www.sectormatematica.cl/libros.htm>.
Williams, G. (2004). Álgebra lineal con aplicaciones. México: Mc Graw Hill,