Transformaciones Lineales y Espacios Vectoriales

TITULO: ESPACIOS VECTORIALES, TRANSFORMACIONES LINEALES
AUTOR: JOSUE BENEDICTO SANCHEZ CASTELLON; ALEJANDRO CASUPA BRUNO
FICHA DE IDENTIFICACIÓN DE TRABAJO DE INVESTIGACIÓN
TITULO: ESPACIOS VECTORIALES Y TRANSFORMACIONES LINEALES

AUTOR: Josué Benedicto Sánchez Castellón; Alejandro Casupa Bruno
FECHA: 20 / 06 / 2016
CODIGO DE ESTUDIANTE: 201307895; 201309966
Carrera: Ingeniería en Gas y Petróleo

Asignatura: Algebra Lineal
Grupo: C
Docente: Jonny Fidel Calizaya Ajhuacho
Periodo: I/2016
Subsede: Santa Cruz de la Sierra
1
ASIGNATURA: ALGEBRA LINEAL
CARRERA: INGENIERIA EN GAS Y PETROLEO
RESUMEN:
En este resumen explicaremos todo sobre los espacios vectoriales y transformaciones lineales
Los espacios vectoriales son estructuras algebraicas el objeto básico del estudio de la rama de la
matemática llamada algebra lineal explicaremos que las operaciones que podemos realizar entre
ellos son: la suma de vectores, dimensión, combinación lineal y matrices n x m multiplicación
por un escalar el producto punto, el producto vectorial y el triple producto escalar con algunas
restricciones naturales como el cierre de estas operaciones y otros temas que están ampliamente
relacionados igual que otros temas que veremos en el transcurso de este trabajo. La
asociatividad de estas y la combinación de estas operaciones, siguiendo, llegamos a la
descripción de una estructura matemática llamada espacio vectorial
Las transformaciones lineales tienen gran aplicación en la física, la ingeniería y en diversas

ramas de la matemática. Estudiaremos las propiedades de las transformaciones lineales, sus
diferentes tipos, así como la imagen, el núcleo, y como se desarrolla en las ecuaciones lineales
la representación matricial de las transformaciones lineales transformaciones y sistemas de
ecuaciones lineales conociendo fórmulas para ser aplicadas en diferentes clases de ejercicios
Abstract: (ejemplo traducido en google traslate)

This summary will explain all about the vector spaces and linear transformations
Vector spaces are algebraic structures the basic object of study of the branch of mathematics
called linear algebra explain the operations that can be performed among them are: the sum
of vectors, dimension, linear combination and matrices nxm scalar multiplication product point
the vector product and triple scalar product with some natural restrictions such as the closure
of these operations and other subjects that are broadly related like other issues discussed in
the course of this work. The associativity of these and the combination of these operations
following, we come to the description of a mathematical structure called a vector space
Linear transformations are widely used in physics, engineering and various branches of
mathematics. Study the properties of linear transformations, its different types and image,
core, and as developed in the linear equations the matrix representation of the
transformations linear transformations and systems of linear equations knowing formulas to
be applied in different classes exercises
2
INDICE
Contenido
RESUMEN:.................................................................................................................................1
1. Objetivos de la investigación................................................................................................4
2. INTRODUCCION...............................................................................................................5
3. ESPACIO VECTORIAL......................................................................................................6
3.1. Definición espacio vectorial y sus propiedades:..................................6
4. SUBESPACIOS VECTORIALES:......................................................................................7
4.1. Definición Subespacio vectorial:...........................................................7
4.2. Descripción de los subespacios de ℜ”....................................................8
5. OPERACIONES CON SUBESPACIOS:.............................................................................9
5.1. Intersección de subespacios:..................................................................9
5.2. Teorema:................................................................................................9
5.3. Cálculo de la intersección:.....................................................................9
6. DEPENDENCIA E INDEPENDENCIA LINEAL:............................................................10
7. TRANSFORMACIONES LINEALES:..............................................................................11
7.1. Definición de transformaciones lineales y sus propiedades:................11
7.2. Clasificación de las transformaciones lineales:....................................12
7.3. Matriz asociada a transformación lineal:..............................................13
8. CONCLUCIONES.............................................................................................................14
9. RECOMENDACIONES....................................................................................................14
10. BIBLIOGRAFIA............................................................................................................14
3
1. Objetivos de la investigación
Objetivo general:
Elaborar una guía una base sobre el tema para conocer cómo se realizan los cálculos de espacios
vectoriales y transformaciones lineales
Objetivos específicos:
- Establecer teóricamente los diferentes tipos de ecuaciones que se necesiten para realizar
los cálculos y transformaciones lineales
- Determinar los pasos necesarios para obtener los cálculos correctos de los ejercicios que
realicen
4
2. Introducción
En la estructura de espacio vectorial se fundamenta una parte muy importante de la

matemática: el Álgebra Lineal
Hoy en día se puede decir que no hay parte de la matemática que no contemple esta
estructura, cuyo modelo más sencillo es el de los vectores libres que se estudia en física y
geometría. Ahora bien, si en esta estructura se tiene en cuenta su aspecto formal, se puede
aplicar a diversas situaciones no necesariamente geométricas. En física, llamamos vector a una
magnitud orientada, significado muy preciso que sirve para diferenciar de otras magnitudes
que se llaman escalares. En matemáticas, un vector es un elemento de un espacio vectorial; de
esta forma reciben el nombre de vector tanto los polinomios como las sucesiones acotadas, o
las funciones continuas definidas en un intervalo, etc. Todos estos entes matemáticos
responden a una estructura común: el espacio vectorial
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 y en el presente capitulo las estudiaremos. Más adelante
mostraremos que las transformaciones lineales se pueden representar en términos de
matrices, y viceversa. 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. Estudiaremos las propiedades de las transformaciones lineales, sus
diferentes tipos, así como la imagen, el núcleo, y como se desarrolla en las ecuaciones lineales
5
3. Espacio vectorial real
La idea de vector está tomada de la Física, donde sirven para representar magnitudes
Vectoriales como fuerzas, velocidades o aceleraciones. Para ello se emplean vectores de
dos componentes en el plano, de tres componentes en el espacio...
Se supone conocida la representación gráfica y manejo de los vectores de ℜ 2 y de ℜ 3
En Matemáticas, tratamos de abstraer las propiedades que caracterizan a los vectores para
Extenderlas también a otro tipo de objetos diferentes de los vectores de la Física.
Esencialmente, el comportamiento que caracteriza a los vectores es el siguiente:
 Podemos sumar dos vectores y obtenemos otro vector;

 Podemos multiplicar un vector por un número (escalar) y obtenemos otro vector
Además estas operaciones cumplen ciertas propiedades, que observamos en los vectores
de ℜ 2 y de ℜ 3:
3.1. Definición espacio vectorial y sus propiedades:

Cualquier conjunto que posea unas operaciones suma y producto por escalares, cumpliendo
todas las propiedades anteriores, diremos que es un espacio vectorial. Los elementos de tal
conjunto se llamarán vectores (aunque pueda tratarse de objetos diferentes a los vectores
de la Física.)
Diremos que el espacio vectorial es real o complejo, según sean los escalares.
Otras propiedades de los espacios vectoriales pueden deducirse de las anteriores propiedades
básicas. Por ejemplo:
 Si α v = 0 (escalar, v vector) entonces o bien es =0 o bien es v =.

 Propiedad asociativa (+): (u + v) + w = u + (v + w), ∀ u, v, w ∈ V.
 Propiedad conmutativa: u + v = v + u, ∀ u, v, ∈ V.
 Existencia de elemento neutro: ∃ 0 ∈ V | 0 + v = v, ∀ v ∈ V.
 Existencia de elemento opuesto: ∀ v ∈ V ∃ -v ∈ V | v + (-v) = 0.
6
 Propiedad distributiva I: a · (u + v) = a · u + a · v, ∀ a ∈ R, ∀ u, v ∈ V.
 Propiedad distributiva II: (a + b) · v = a · v + b · v, ∀ a, b ∈ R, ∀ v ∈ V.
 Propiedad asociativa (·): a · (b · v) = (ab) · v, ∀ a, b ∈ R, ∀ v ∈ V.
 Elemento unidad: 1 · v = v, ∀ v ∈ V.
Ejemplo:
Consideremos el conjunto P2 de los polinomios de grado ≤ 2 con coeficientes reales:

P2 = {ax2+ bx + c: a, b, c ∈ ℜ}
Es un espacio vectorial real:
Pues podemos sumar dos elementos de P2 y obtenemos otro elemento de P2; también podemos
multiplicar un elemento de P2 por un escalar real y obtenemos otro elemento de P2. Veámoslo:
Suma: (ax2+ bx + c) + ( a’x2+ b’x + c’) = (a+a’) x2 • + (b+b’) x + (c+c’) que pertenece a P2.
Producto por un escalar real: λ∈ℜ, λ (ax + bx + c) = λax2 • + λbx + λc que pertenece a P2.
Se puede comprobar que se cumplen las propiedades requeridas. El vector 0 es el polinomio
Cero: 0x2 + 0x + 0
No es un espacio vectorial complejo, pues al multiplicar por un escalar complejo el resultado
podrá ser un polinomio complejo que no pertenece a P2.
4. SUBESPACIOS VECTORIALES:
Dado un espacio vectorial V, podemos considerar una parte S de él que funcione como un
espacio vectorial “más pequeño”, incluido en V.
Como V es un espacio vectorial, posee unas operaciones (suma, producto por un escalar)
que en particular se pueden efectuar en S. Sólo necesitaremos que, al efectuarlas, su Resultado
quede dentro de S.
4.1. Definición Subespacio vectorial:
Dado un espacio vectorial V, se dice que un subconjunto S de V es un subespacio vectorial

si contiene al vector 0, y si al efectuar las operaciones de suma y producto por escalar entre
Vectores de S, el resultado permanece en S.
7
(Se puede decir que S es “cerrado” para las operaciones suma y producto por escalar.)
Es decir:
 0 ∈ S.
 Si v, w ∈ S entonces v + w ∈ S.
 Si v ∈ S y λ es un escalar, entonces λv ∈ S.
Ya no hace falta comprobar que se cumplen las propiedades asociativa, conmutativa, etc.
puesto que sabemos que se cumplen en V, y por tanto también en S (se dice que S “hereda”
las propiedades de las operaciones en V).
Por supuesto si para V utilizamos escalares reales, también para S; si para V utilizamos
Complejos, también para S.
Ejemplo:
La recta x=y es un subespacio de. Está formado por los vectores de la forma (a,a). 2 ℜ
Contiene al vector (0,0).
Además, es cerrado para la suma y producto por escalar:
 Suma: (a, a) + (b, b) = (a+b, a+b) que también es un elemento de la recta.

 Producto por un escalar: λ∈ℜ, λ(a, a) = (λa, λa) que también es un elemento de la
recta.
4.2. Descripción de los subespacios de ℜ”

Los subespacios de ℜ n pueden describirse de dos formas: implícita y paramétrica.
 Forma implícita: Mediante ecuaciones. Los vectores que verifiquen las ecuaciones son
los que pertenecen al subespacio.
 Forma paramétrica: Mediante una expresión con parámetros, los cuales al tomar
distintos valores producen todos los vectores del subespacio. Neila Campos ÁLGEBRA
LINEAL Espacios Vectoriales 6 Para pasar de una a otra forma:
 De la forma implícita a la paramétrica: Basta considerar las ecuaciones implícitas
como un sistema, y resolverlo. La solución general del sistema (que podrá depender de
parámetros) es la expresión paramétrica.
8
 De la forma paramétrica a la implícita: Podemos decir, aunque no es un método

riguroso, que se trata de “describir” mediante ecuaciones cómo es el vector genérico del
subespacio.
Ejemplo:
En ℜ 2, la recta bisectriz del primer cuadrante puede describirse en implícitas como
{y=x}, y en paramétricas como {(λ, λ): λ∈ℜ}
5. OPERACIONES CON SUBESPACIOS:
A partir de dos subespacios podemos construir otro efectuando las operaciones de suma o
intersección de subespacios.
5.1. Intersección de subespacios:
La intersección, indicada por el símbolo ∩, puede aplicarse a conjuntos cuales quiera, no sólo a
espacios vectoriales. Consiste en encontrar los elementos comunes a dos conjuntos.
Por ejemplo, la intersección de dos planos en R^3 podrá ser una recta.
Notar que dados dos subespacios cualesquiera, siempre hay vectores comunes a ambos (al
menos el 0, que está en todos los subespacios)
5.2. Teorema:
La intersección de subespacios es un subespacio. En efecto, es posible sumar vectores dentro de

S∩T, pues por ser S y T subespacios, la suma debe permanecer dentro de S y dentro de T, y por
tanto dentro de S∩T. Lo mismo para el producto por escalares.
5.3. Cálculo de la intersección:
La forma más sencilla (aunque no la única) de calcular S∩T es utilizar la expresión implícita de
S y de T.
Como buscamos los vectores que verifiquen a la vez ambas condiciones, podremos describir
9
S∩T considerando conjuntamente las ecuaciones implícitas de S y las de T (formando un
sistema con todas ellas).
Este sistema, si es “sencillo”, puede considerarse ya como la forma implícita de S∩T.
En todo caso, resolviendo este sistema obtenemos la forma paramétrica de S∩T.
EJEMPLO:
Sean en los subespacios S=plano XY, T=plano XZ. 3 ℜ

Sus ecuaciones implícitas son: S ≡ {z=0}, T ≡ {y=0}
Uniendo ambas tenemos
z=0
y=0 que es la expresión implícita de S∩T.
Se trata por tanto del eje X, { (λ,0,0) } en paramétricas.
6. DEPENDENCIA E INDEPENDENCIA LINEAL:
Dado un conjunto de vectores v1,..., vk de un espacio vectorial V, llamaremos

Combinación lineal de ellos a cualquier vector de la forma
a1v1+... +akvk
Donde los coeficientes ai, i = 1,..., k, son escalares.
El concepto de combinación lineal nos permite dar la definición de dependencia e

independencia lineal que será fundamental a lo largo de toda la asignatura.
Se dice que un conjunto finito de vectores {v1,..., vk} es linealmente dependiente si el elemento
neutro se puede escribir como combinación lineal de ellos con no todos los coeficientes nulos.
Es decir, si existen escalares a1,..., ak no todos nulos tales que
a1v1 +... + akvk = 0.
Por el contrario, si {v1,..., vk} no es linealmente dependiente, se dice que es un conjunto
linealmente independiente. Es decir,
Si a1v1 +... + akvk = 0 ⇒ a1 =... = ak = 0.
Como una consecuencia inmediata de esta definición, observemos que cualquier conjunto de
vectores que contenga al elemento neutro es linealmente dependiente.
10
Estudiar la independencia o dependencia lineal de un conjunto finito de vectores es equivalente
a estudiar si un determinando sistema homogéneo es compatible determinado o indeterminado,
respectivamente.
Una caracterización equivalente de la dependencia lineal es la que sigue.
Un conjunto de vectores {v1,..., vk} es linealmente dependiente si y sólo si podemos expresar
uno de los vectores del conjunto como combinación lineal del resto.
7. Transformaciones lineales:
7.1. Definición de transformaciones lineales y sus propiedades:
Las transformaciones lineales son las funciones y tratan sobre K-espacios vectoriales que son
compatibles con la estructura (es decir, con la operación y la acción) de estos espacios.
Sean V y W espacios vectoriales sobre (donde K representa el cuerpo) se satisface que:

Si T : V → W es lineal, se define el nucleo (ker) y la imagen (im) de T de la siguiente manera:
Ker(T) = [ v € V : T(v) = 0w ]
Im(T) = [ w € : Ǝv € V : T(v) = w ]
Es decir que el núcleo de una transformación lineal está formado por el conjunto de todos los
vectores del dominio que tienen por imagen al vector nulo del condominio.
El núcleo de toda transformación lineal es un subespacio vectorial del dominio
 0v € ker(T) dado que T(0v) = 0w (para probar esto, observar que T(0v) = T(0v + 0v) =
T(0v) + T(0v)
 Dados u, v € ker(T) : T(u + v) = T(u) + T(v) = 0w + 0w = 0w => u + v € ker(T)
 Dados u € ker(T) Λ k € ℜ : T(ku) = kT(u) Λ T(ku) = k0w = 0w => ku € ker(T)
Se denomina nulidad a la dimensión del núcleo. Null(T) = dim (ker(T))

La imagen de una transformación lineal está formada por el conjunto de todos los vectores dl
condominio que son imágenes de al menos algún vector del dominio
11
 La imagen de toda transformación lineal es un subespacio del condominio.

 El rango de una transformación lineal es la dimensión de la imagen
ran(T) = dim(Im(T))
5.2. Cómo formar nuevas transformaciones lineales a partir de otras dadas:
Si f1: V → W y f2: V → W son lineales, entonces también lo es su suma f1 + f2 (definida como

(f1 + f2)(x) = f1(x) + f2(x)).
Si f: V → W es lineal y a es un elemento del cuerpo K, entonces la función af, definida como

(af)(x) = a (f(x)), también es lineal.
Gracias a estas dos propiedades, y a que la función que envía todo al elemento nulo es una
aplicación lineal, es que el conjunto de transformaciones lineales f: V → W forma un
subespacio de las funciones de V en W. A este subespacio se lo nota L (V, W) o Hom (V, W).
La dimensión de L (V, W) es igual al producto de las dimensiones de V y W.
Si f: V → W y g: W → Z son lineales entonces su composición g∘f: V → Z también lo es.
Dado un espacio vectorial V, el espacio vectorial L(V,V), que se nota usualmente como End(V),
forma un álgebra asociativa sobre el cuerpo base, donde la multiplicación es la composición y la
unidad es la transformación identidad.
Si f: V → W es una transformación lineal biyectiva, entonces su inversa también es

transformación lineal
5.3. Clasificación de las transformaciones lineales:
 Funcional lineal: A las transformaciones lineales T : V → K (donde K es el cuerpo base de

V) las llamamos funcionales lineales.
 Monomorfismo: Si T : V → W es inyectiva, si el único elemento del núcleo es el vector
nulo ker(T) = 0v
 Epimorfismo: Si T : V → W es sobreyectiva (suryectiva).
 Isomorfismo: Si T : V → W es biyectiva (inyectiva y sobreyectiva)
12
 Endomorfismo: Se le llama a una transformación lineal en el que dominio y condominio

coinciden.
 Automorfismo: Se le llama a un endomorfismo biyectivo.
5.5. Matriz asociada a transformación lineal:
Si V y W tienen dimensión finita y uno tiene elegidas bases en cada uno de los espacios,
entonces todo mapa lineal de V en W puede representarse por una matriz. Recíprocamente, toda
matriz representa una transformación lineal.
Sean T : V→ W una transformación lineal, B={ v1, ..., vn} una base de V, C={w1, ..., wm} base
de W. Para calcular la matriz asociada a T en las bases B y C debemos calcular T ( vi) para cada
i=1,..., n y escribirlo como combinación lineal de la base C:
T (v1) = a11 w1 + ... + am1 wm,..., T (vn) = a1n w1 + ...+ amn wm.
Como un vector de W se escribe de forma única como combinación lineal de elementos de C, la

matriz es única.
Gracias al teorema mencionado en la sección Teoremas básicos de las transformaciones lineales

en espacios con dimensión finita, sabemos que dada cualquier elección de u1,..., un existe y es
única la transformación lineal que envía vi en ui. Por lo tanto, dada A cualquier matriz m × n,
existe y es única la transformación lineal T: V→W tal que C [T] B=A.
Además, las matrices asociadas cumplen que C [aT+bS] B = a C [T] B + b C [S] B para
cualquier a,b∈ℝ, T,S∈ L(V,W). Por esto es que la aplicación que hace corresponder cada
transformación lineal con su matriz asociada es un isomorfismo entre L (V, W) y M n×mC (K).
13
8. Conclusiones
Se han visto más detallado y con más exactitud los teoremas y propiedades que hilan todos los
temas propuestos por este trabajo y se ha se ha llegado a la conclusión de todos los temas están
relacionados en cierta forma ya que en varios de estos se necesita recurrir a las propiedades que
se han visto en temas anteriores. Con esto podríamos decir que nos ha enseñado a tener un
amplio criterio de la utilidad de temas ya vistos en nuestra carrera, ya que no podemos omitir las
enseñanzas pasadas ya que estas nos forman las bases para comprender y analizar y poder poner
en práctica los temas futuros. Este trabajo se ha hecho con el fin de comprender de que no hay
que dejar tirado lo ya hemos aprendido antes ya que eso nos va a ayudar a solucionar problemas
en nuestro futuro, citando el dicho popular si no aprendemos de nuestros errores del pasado los
mismo nos estarán esperando en un futuro.
9. Recomendaciones
Mediante este trabajo de investigación usted conocerá las propiedades las formulas y todos los
tipos de cálculos que se pueden realizar con el tema de espacio vectorial y las transformaciones
lineales también la relación que existen entre ambos temas. Es recomendable seguir paso a paso
cada una de las explicaciones dadas en esta investigación para obtener un resultado exacto
10. Bibliografía
- http://repositorio.pedagogica.edu.co/xmlui/bitstream/handle/123456789/675/TE-
09775%20TRANSFORMACIONES%20LINEALES%20AFINES%20Y
%20FRACTALES%20ARCHIVO%202.pdf?sequence=1
- http://html.rincondelvago.com/transformaciones-lineales.html
- http://virtual.usalesiana.edu.bo/web/practica/archiv/practica-2.pdf
- https://es.wikipedia.org/wiki/Espacio_vectorial
14

Transformaciones Lineales y Espacios Vectoriales

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Transformaciones Lineales y Espacios Vectoriales

Cargado por

Copyright:

Formatos disponibles

TITULO: ESPACIOS VECTORIALES, TRANSFORMACIONES LINEALES

AUTOR: JOSUE BENEDICTO SANCHEZ CASTELLON; ALEJANDRO CASUPA BRUNO

FICHA DE IDENTIFICACIÓN DE TRABAJO DE INVESTIGACIÓN

TITULO: ESPACIOS VECTORIALES Y TRANSFORMACIONES LINEALES

CODIGO DE ESTUDIANTE: 201307895; 201309966

Carrera: Ingeniería en Gas y Petróleo

Subsede: Santa Cruz de la Sierra

Las transformaciones lineales tienen gran aplicación en la física, la ingeniería y en diversas

Abstract: (ejemplo traducido en google traslate)

En la estructura de espacio vectorial se fundamenta una parte muy importante de la

Una transformación es un conjunto de operaciones que se realizan sobre un vector para

imagen sean espacios vectoriales y se cumplan las condiciones necesarias. Las

3. Espacio vectorial real

 Podemos sumar dos vectores y obtenemos otro vector;

3.1. Definición espacio vectorial y sus propiedades:

 Si α v = 0 (escalar, v vector) entonces o bien es =0 o bien es v =.

Consideremos el conjunto P2 de los polinomios de grado ≤ 2 con coeficientes reales:

4.1. Definición Subespacio vectorial:

Dado un espacio vectorial V, se dice que un subconjunto S de V es un subespacio vectorial

 Suma: (a, a) + (b, b) = (a+b, a+b) que también es un elemento de la recta.

4.2. Descripción de los subespacios de ℜ”

 De la forma paramétrica a la implícita: Podemos decir, aunque no es un método

5. OPERACIONES CON SUBESPACIOS:

5.1. Intersección de subespacios:

La intersección de subespacios es un subespacio. En efecto, es posible sumar vectores dentro de

5.3. Cálculo de la intersección:

Sean en los subespacios S=plano XY, T=plano XZ. 3 ℜ

6. DEPENDENCIA E INDEPENDENCIA LINEAL:

Dado un conjunto de vectores v1,..., vk de un espacio vectorial V, llamaremos

El concepto de combinación lineal nos permite dar la definición de dependencia e

Sean V y W espacios vectoriales sobre (donde K representa el cuerpo) se satisface que:

 Dados u, v € ker(T) : T(u + v) = T(u) + T(v) = 0w + 0w = 0w => u + v € ker(T)

 Dados u € ker(T) Λ k € ℜ : T(ku) = kT(u) Λ T(ku) = k0w = 0w => ku € ker(T)

Se denomina nulidad a la dimensión del núcleo. Null(T) = dim (ker(T))

 La imagen de toda transformación lineal es un subespacio del condominio.

5.2. Cómo formar nuevas transformaciones lineales a partir de otras dadas:

Si f1: V → W y f2: V → W son lineales, entonces también lo es su suma f1 + f2 (definida como

Si f: V → W es lineal y a es un elemento del cuerpo K, entonces la función af, definida como

Si f: V → W y g: W → Z son lineales entonces su composición g∘f: V → Z también lo es.

Si f: V → W es una transformación lineal biyectiva, entonces su inversa también es

5.3. Clasificación de las transformaciones lineales:

 Funcional lineal: A las transformaciones lineales T : V → K (donde K es el cuerpo base de

 Endomorfismo: Se le llama a una transformación lineal en el que dominio y condominio

5.5. Matriz asociada a transformación lineal:

Como un vector de W se escribe de forma única como combinación lineal de elementos de C, la

Gracias al teorema mencionado en la sección Teoremas básicos de las transformaciones lineales

También podría gustarte