| INSTITUTO TECNOLOGICO DE ORIZABA

GRUPO: 2f3O

COMPERENCIA 5: Transformaciones
Lineales
INTEGRANTES:
ALVARES SALGADO JUAN PABLO
RIVERA CABRERA LUIS ALBERTO
SÁNCHEZ BENITEZ ALDO JOEL.
REYES FLORES GLADIS ANAHI
TRUJILLO DURAN JOSE LUIS
HERNÁNDEZ HERNÁNDEZ IVAN ALAIN

“Glosario de Términos”

CATEDRÁTICO:
ING. MIGUEL ANGEL
HERRERA
HERNANDEZ
Defincion
Transformación
Transformación lineal es una función. Por ser
función, tiene su dominio y su codominio, con
la particularidad de que éstos son espacios
vectoriales. Tenemos dos espacios
vectoriales VV y WW, y una función que va
de VV a WW. O sea una regla de asignación
que transforma vectores de VV en vectores
de WW. Pero no toda función que transforme
vectores de VV en vectores de WW es una
transformación lineal
Funcion
una función lineal es una función polinómica
de primer grado, es decir, una función cuya
representación en el plano cartesiano es una
línea recta. Esta función se puede escribir
como:
donde m y b son constantes reales y x es una
variable real.
La constante determina la pendiente o
inclinación (/) de la recta, y la
constante b determina el punto de corte de la
recta con el eje vertical y
Dominio
El dominio de una función f ( x ) es el conjunto
de todos los valores para los cuales la función
está definida, y el rango de la función es el
conjunto de todos los valores que f toma.
Los dominios pueden también estar
explícitamente especificados, si hay valores
para los cuales la función pudiera estar
definida, pero que no deseamos considerarlos
por alguna razón
Propiedades
Sean A,B,C∈Rmxnyα,β∈RA,B,C∈Rmxnyα,β∈
R. Vimos
que: A+B∈RmxnA+B∈Rmxn y αA∈RmxnαA
Definition
Linear transformation is a function. Because
it is a function, it has its domain and its
domain, with the particularity that these are
vector spaces. We have two vector spaces
VV and WW, and a function that goes from
VV to WW. In other words, an allocation
rule that transforms VV vectors into WW
vectors. But not every function that
transforms VV vectors into WW vectors is a
linear transformation
Function
a linear function is a polynomial function of
the first degree, that is, a function whose
representation on the Cartesian plane is a
straight line. This function can be written as:
where m and b are
real constants and x is a real variable.
The constant m determines the slope or
inclination (/) of the line, and the constant b
determines the point of intersection of the
line with the vertical axis and
Domain
The domain of a function f (x) is the set of
all the values for which the function is
defined, and the range of the function is the
set of all the values that f takes.
Domains can also be explicitly specified, if
there are values for which the function could
be defined, but that we do not want to
consider for any reason.
Properties
Let A, B, C∈Rmxnyα, β∈RA, B,
C∈Rmxnyα, β∈R. We saw that: A +
B∈RmxnA + B∈Rmxn and
∈Rmxn. Estas operaciones verifican las
siguientes propiedades:
A+B=B+AA+B=B+A
(A+B)+C=A+(B+C)(A+B)+C=A+(B+C)
A+O=O+A=AA+O=O+A=A
A+(–A)=(–A)+A=OA+(–A)=(–A)+A=O
α(A+B)=αA+αBα(A+B)=αA+αB
(α+β)A=αA+βA(α+β)A=αA+βA
α(βA)=(αβ)Aα(βA)=(αβ)A
1A=A
Linealdad
una función lineal {\displaystyle f(x)\;}
es aquella que satisface las siguientes
dos propiedades (ver más abajo Álgebra
lineal para un uso ligeramente Diferente Al
Término
Propiedad aditiva: Si existen , real numbers a. This causes homogeneity to
entonces
Se dice que f es un grupo isomorfo con
respecto a la adición.
Propiedad homogénea: , para
todo número real a. Esto hace que la
homogeneidad siga a la propiedad aditiva en
todos los casos donde a es racional. En el caso
de que la función lineal sea continua, la
homogeneidad no es un axioma adicional para
establecer si la propiedad aditiva está
establecida. En esta definición x no es
necesariamente un número real, pero es en
general miembro de algún espacio vectorial.
Conjunto
conjuntos denominados espacios vectoriales,
los cuales constan de un conjunto de vectores y
un conjunto de escalares que tiene estructura
de campo, con una operación de suma de
αA∈RmxnαA∈Rmxn. These operations
verify the following properties:
A+B=B+AA+B=B+A
(A+B)+C=A+(B+C)(A+B)+C=A+(B+C)
A+O=O+A=AA+O=O+A=A
A+(–A)=(–A)+A=OA+(–A)=(–A)+A=O
α(A+B)=αA+αBα(A+B)=αA+αB
(α+β)A=αA+βA(α+β)A=αA+βA
α(βA)=(αβ)Aα(βA)=(αβ)A
1A=A
Linearity
A linear function is one that satisfies the
following two properties (see below Linear
Algebra for a Slightly Different Use to Term
• Additive property: If they exist, then F is
said to be an isomorphic group with respect
to addition. • Homogeneous property:, for all
follow the additive property in all cases
where a is rational. In the case that the linear
function is continuous, homogeneity is not
an additional axiom to establish if the
additive property is established. In this
definition x is not necessarily a real number,
but is generally a member of some vector
space
Set
sets called vector spaces, which consist of a
set of vectors and a set of scalars that have a
field structure, with a vector addition
operation and a product operation between
vectores y otra de producto entre escalares y
vectores que satisfacen ciertas propiedades
Vector Propio
Vectores y valores propios juegan un rol
medular en la simplifación operatoria (solo un
producto por fila) dentro de las
transformaciones lineales, al permitir hallar a
la matriz diagonal semejante a la matriz
cuadrada asociada a T.
Imagen
. Sean V, W espacios vectoriales sobre un
campo F y sea T ∈ L(V, W). La imagen de T
se define como el conjunto de todos los valores as the set
de la aplicaci´on T: im(T) := w ∈ W : ∃v ∈ V of all the values of the T application:
tal que w = T(v)
Diagonalizacion
Sea A∈Rn×nA∈Rn×n, se dice que AA es
diagonalizable ⇔⇔ A es semejante a una
matriz
diagonal ⇔⇔ ∃P∈Rn×n∃P∈Rn×n inversible
tal que P–1AP=DP–1AP=D diagonal.
Es un caso especial de semejanza. Una matriz
es diagonalizable cuando es semejante a una
matriz diagonal.
Rotacion
Matriz de rotación. representa la rotación de θ
grados del plano en sentido antihorario. En tres
dimensiones, las matrices
de rotación representan las rotaciones de
manera concisa y se usan frecuentemente en
geometría, física e informática. Las matrices
de rotación son cuadradas y con valores reales.
Valor asociado
Sea A una matriz cuadrada, un número real λ
se dice que es un valor propio o un eigenvalor
o un valor característico de A si existe un
vector, diferente del vector cero, xo tal que:
scalars and vectors that satisfy certain
properties
Own Vector
Vectors and eigenvalues play a central role
in the operational simplification (only one
product per row) within the linear
transformations, by allowing finding the
diagonal matrix similar to the square matrix
associated with T.
Image
Let V, W be vector spaces on a field F and
let T ∈ L (V, W). The image of T is defined
im (T): =
I don't know
w ∈ W: ∃v ∈ V such that w = T (v)
Diagonalization
Let A∈Rn × nA∈Rn × n, AA be said to be
diagonalizable ⇔⇔ A is similar to a
diagonal matrix ⇔⇔ ∃P∈Rn × n∃P∈Rn × n
invertible such that P – 1AP = DP – 1AP = D
diagonal. It is a special case of similarity. A
matrix is diagonalizable when it is similar to
a diagonal matrix.
Rotation
Rotation matrix. represents the θ degree
rotation of the plane counterclockwise. In
three dimensions, rotation matrices represent
rotations concisely and are frequently used in
geometry, physics, and computing. Rotation
matrices are square and with real values.
Associated value
Let A be a square matrix, a real number λ is
said to be an eigenvalue or an eigenvalue or
a characteristic value of A if there is a
vector, different from the zero vector, xo
Axo = λ xo Es decir, es un vector que al
transformarlo mediante la multiplicación por A
el vector resultante mantiene la direcci´on,
posiblemente solo su longitud y/o sentido se
modifique. El vector xo se llama vector propio
o eigenvector o vector característico asociado
al valor propio λ
Vector nulo
En álgebra lineal, un vector nulo o vector
cero se refiere a un vector que posee módulo (o
extensión) nulo.
En un espacio euclídeo, el vector nulo es el
vector con todas sus componentes nulas; es
decir, si el espacio es un "espacio euclídeo n-
dimensional" (tiene sus n componentes nulas y
se puede representar como (0, 0,..., 0) en
cualquier base generadora del mencionado
espacio. Su representación gráfica es un punto,
una entidad sin dimensiones. El vector
nulo tiene módulo cero y cualquier dirección
(o ninguna) porque, por definición,
es ortogonal a cualquier otro vector de su
espacio. Esto también puede llevar a que el
vector nulo no sea considerado un vector.
Ecuacion Caracteristicas
La ecuación |A−λI|=0|A−λI|=0 se
denomina ecuación característica de la
matriz AA.
matriz asociada a esta forma cuadrática es:
b. La ecuación característica viene dado por:
such that: Axo = λ xo That is, it is a vector
that when transforming it by multiplication
by A, the resulting vector maintains the
direction, possibly only its length and / or
direction is modified. The vector xo is called
the eigenvector or eigenvector or
characteristic vector associated with the
eigenvalue λ
Null vector
In linear algebra, a null vector or zero vector
refers to a vector that has a null modulus (or
extension).
In a Euclidean space, the null vector is the
vector with all its null components; that is, if
the space is an "n-dimensional Euclidean
space" (it has its n null components and can
be represented as (0, 0, ..., 0) in any
generating base of the mentioned space. Its
graphic representation is a point, a
dimensionless entity.The null vector has
modulo zero and any direction (or none)
because, by definition, it is orthogonal to any
other vector in its space.This can also lead to
the null vector not being considered a vector.
Equation Characteristics
The equation | A − λI | = 0 | A − λI | = 0 is
called the characteristic matrix equation AA.
matrix associated with this quadratic form
is:
b. The characteristic equation is given by:
Polinomio
Dícese del polinomio de grado N resultante de
la ecuación |A-xIN| donde A es la matriz
cuadrada asociada a la aplicación lineal T del
mismo orden.
Las raíces reales de dicho polinomio mismo
serán valores propios de T.
De ahí que los polinomios característico sean
medulares para la obtención de los valores,
subespacios y vectores propios de una
aplicación lineal. También con ellos se verifica
la existencia de dichos valores lineales y de la
diagonalizabilidad de la matriz.
Raices
la formula Z . W = |z| . |W| (cos (θ + µ) + i sen
(θ + µ)) puede ser utilizada para hallar la
potencia enésima de un numero complejo.
Supongamos que Z = |Z| ( cos θ + isen θ ), y n
es un entero positivo, entonces se obtiene:
Esta relación, que se conoce con el nombre
de Formula de Moivre, y proporciona un
algoritmo bastante eficiente para hallar la
potencia enésima de cualquier numero
complejo en forma polar.
Base
En matemáticas , un conjunto B de elementos
(vectores) en un espacio vectorial V se llama
una base , si cada elemento de V se puede
escribir de una manera única como un
(finito) lineal combinación de elementos
de B . Los coeficientes de esta combinación
lineal se
denominan componentes o coordenadas en B d
el vector. Los elementos de una base se
denominan vectores de base .
Polynomial
It is said of the polynomial of degree N
resulting from the equation | A-xIN | where
A is the square matrix associated with the
linear application T of the same order.
The real roots of said polynomial itself will
be eigenvalues of T.
Hence, the characteristic polynomials are
essential for obtaining the values, subspaces
and eigenvectors of a linear application.
They also verify the existence of said linear
values and the diagonalizability of the
matrix.
Estate
formula Z. W = | z | . | W | (cos (θ + µ) + i
sin (θ + µ)) can be used to find the nth power
of a complex number.
Suppose Z = | Z | (cos θ + isen θ), and n is a
positive integer, then we obtain:
This relationship, known as Formula de
Moivre, provides a fairly efficient algorithm
for finding the nth power of any complex
number in polar form.
Base
n mathematics, a set B of elements (vectors)
in a vector space V is called a basis, if every
element of V may be written in a unique way
as a (finite) linear combination of elements
of B. The coefficients of this linear
combination are referred to
as components or coordinates on B of the
vector. The elements of a basis are
called basis vectors.
Operador
sea V,W dos espacios lineales, entonces un
operador lineal (transformación lineal) es una
función T :V →W donde cada elemento de V
le corresponde un único elemento de W y
además cumple con las condiciones siguientes:
• 1. Aditivita: ∀x, y ∈V se cumple que T (x +
y) = T (x) + T (y). • 2. Homogeneidad. Sean α
∈ℜ, x ∈V , entonces se cumple que: T (α x) =
α T (x). • El primer miembro es C.L de
elemento de V . • El segundo miembro es C.L
de elemento de W .
Elementos
un elemento es un principio químico o
físico que forma parte de la composición de
un cuerpo. Para la filosofía antigua, existían
cuatro elementos que suponían los principios
fundamentales inmediatos para la constitución
de los cuerpos: el aire, el agua, la tierra y
el fuego.
Dimension
La dimensión de un espacio vectorial (también
llamada dimensión de Hamel de un espacio
vectorial, para distinguirla de la dimensión de
Hilbert en el caso de los espacios de Hilbert) es
el número de vectores que forman una base [de
Hamel] del espacio vectorial.
Operator
Let V, W be two linear spaces, so a linear
operator (linear transformation) is a function
T: V → W where each element of V
corresponds to a single element of W and
also meets the following conditions: • 1.
Additivizes: ∀ x, y ∈V is true that T (x + y)
= T (x) + T (y). • 2. Homogeneity. Let α ∈ℜ,
x ∈V, then it is true that: T (α x) = α T (x). •
The first member is C.L of element of V. •
The second member is C.L of W element.
Elements
An element is a chemical or physical
principle that is part of the composition of a
body. For ancient philosophy, there were
four elements that were the immediate
fundamental principles for the constitution of
bodies: air, water, earth and fire.
Dimension
The dimension of a vector space (also called
the Hamel dimension of a vector space, to
distinguish it from the Hilbert dimension in
the case of Hilbert spaces) is the number of
vectors that form a [Hamel] basis of the
vector space
Bibliografía
.ecured.cu. (2019 de 09 de 5). Recuperado el 18 de 04 de 2020, de .ecured.cu:
https://www.ecured.cu/Polinomio_caracter%C3%ADstico

.ub.edu. (s.f.). Recuperado el 18 de 05 de 2020, de .ub.edu:

http://www.ub.edu/glossarimateco/content/ecuaci%C3%B3n-caracter%C3%ADstica

/algebralinealichan.blogspot.com. (13 de 12 de 2012). Recuperado el 18 de 04 de 2020, de

/algebralinealichan.blogspot.com: http://algebralinealichan.blogspot.com/2012/12/3-5-
teorema-de-de-moivre-potencias-y.html

/es.wikipedia.org. (18 de 09 de 2019). Recuperado el 18 de 05 de 2020, de /es.wikipedia.org:

https://es.wikipedia.org/wiki/Dimensi%C3%B3n_de_un_espacio_vectorial

en.wikipedia.org. (7 de 05 de 2020). Recuperado el 08 de 05 de 2020, de en.wikipedia.org:

https://en.wikipedia.org/wiki/Basis_(linear_algebra)

es.wikipedia.org. (14 de 11 de 2019). Recuperado el 18 de 05 de 2020, de es.wikipedia.org:

https://es.wikipedia.org/wiki/Vector_nulo

es.wikipedia.org. (24 de 04 de 2020). Recuperado el 18 de 05 de 2020, de es.wikipedia.org:

https://es.wikipedia.org/wiki/Funci%C3%B3n_lineal

es.wikipedia.org. (04 de 03 de 2020). Recuperado el 08 de 05 de 2020, de es.wikipedia.org:

https://es.wikipedia.org/wiki/Lineal

es.wikipedia.org/. (27 de 04 de 2020). Recuperado el 18 de 05 de 2020, de es.wikipedia.org/:

https://es.wikipedia.org/wiki/%C3%81lgebra_lineal

GÓMEZ, I. P. (24 de 08 de 2017). aga.frba.utn.edu.a. Recuperado el 08 de 05 de 2020, de

aga.frba.utn.edu.a: https://aga.frba.utn.edu.ar/matrices/

GÓMEZ, I. P. (1 de 10 de 2017). aga.frba.utn.edu.ar. Recuperado el 08 de 05 de 2020, de

aga.frba.utn.edu.ar: https://aga.frba.utn.edu.ar/nucleo-e-imagen-clasificacion-de-las-
transformaciones-lineales/

GÓMEZ, I. P. (17 de 05 de 2017). aga.frba.utn.edu.ar. Recuperado el 08 de 05 de 2020, de

aga.frba.utn.edu.ar: https://aga.frba.utn.edu.ar/diagonalizacion-de-una-matriz/

Matriz de rotación. (08 de 04 de 2020). Recuperado el 18 de 05 de 2020, de Matriz de rotación:

https://es.wikipedia.org/wiki/Matriz_de_rotaci%C3%B3n

Pararin. (5 de 09 de 2019). ecured.cu. Recuperado el 18 de 05 de 2020, de ecured.cu:

https://www.ecured.cu/Vector_propio

PUSTILNIK, I., & GÓMEZ, F. (30 de 03 de 2020). aga.frba.utn.edu.a. Recuperado el 18 de 05 de 2020, de

aga.frba.utn.edu.a: https://aga.frba.utn.edu.ar/definicion-y-propiedades-de-las-
transformaciones-lineales/
slideshare.net. (11 de 04 de 2016). Recuperado el 18 de 04 de 2020, de slideshare.net:
https://www.slideshare.net/alexanderenriquez528/operadores-lineales

varsitytutors.com. (s.f.). varsitytutors.com. Recuperado el 18 de 05 de 2020, de varsitytutors.com:

https://www.varsitytutors.com/hotmath/hotmath_help/spanish/topics/domain-and-range