AXIOMAS DE ESPACIOS VECTORALES

Definición: Sea
un subconjunto de los números complejos . Diremos que

es un  si satisface las siguientes condiciones:
) si
,  son elementos de
, entonces
+  y
 son también elementos de
.
) si

, entonces –
es un elemento de
. Si además
≠ 0, entonces

también es un elemento de
.
) los elementos 0  1 son elementos de
.

1) El conjunto de los números reales  es un campo.

Ejemplos.

i) sean
,    entonces por la propiedad de cerradura de los números reales,
En efecto.

+  
 son números reales.
ii) para cada
  existe un –
  llamado inverso aditivo tal que –
+
= 0.
Además para cada
 ,
≠ 0 , existe un
  , llamado inverso multiplicativo
tal que

 = 1.
iii) Existen 0,1  , llamados neutro aditivo y neutro multiplicativo tal que
+ 0 =

y 1.
=
.

Ejercicio. Verificar que  el conjunto de los números racionales es un campo.

Definición: Sea  un conjunto cualesquiera no vacio de objetos sobre el que

(números). Definidas Por adición una regla que asocia a cada par de objetos  y
están definidas dos operaciones: la adición y la multiplicación por escalares

 en  un objeto  +  denominado suma de  y ; por multiplicación escalar

se entiende una regla que asocia a cada escalar  y cada objeto  en  un objeto
, denominado múltiplo escalar de  por . si los objetos , , , en  y los
escalares  y  satisfacen los siguientes axiomas, entonces  se denomina

1) Si  y  son elementos de  entonces  +  están en .

espacio vectorial, y sus objetos se denominan vectores.

2) Si  y  son elementos de  entonces  +  =  + .

3) Si , ,  son elementos de  entonces  + ( + ) = ( + ) + .
4) Existe un elemento # en . denominado vector cero de , tal que
# +  =  + # =  para todo  en .
5) Para todo  en  existe un elemento –  en , denominado negativo de ,
tal que  + (−) = − +  = #.
6) si  es cualquier escalar y  cualquier elemento en , entonces  están
en .
7) si  es cualquier escalar y ,  cualquiera elementos en , entonces
 ( + ) =  + .
8) Si ,  son números, entonces,
( + )  =  + .
9) Si ,  son números, entonces,  () = () ().
10) Para todos los elementos  de  se tiene que
1 = .
OBSERVACION: Dependiendo de la aplicación. Los escalares pueden ser
números reales o complejos.

Ejemplo 1: El conjunto  =  ' con las operaciones estándar de adición y

multiplicación escalar, es un espacio vectorial.

Ejemplo 2. El conjunto (),' de todas las matrices  × +, con las operaciones

sobre
.
definidas de suma matricial y producto por un escalar. Es un espacio vectorial

Ejemplo 3. Sea ,(- ) el conjunto de todos los polinomios

(
) = . + 
+ ⋯ + '
'

Con coeficientes 0 en algún cuerpo
. Con respecto a las operaciones usuales de

suma de polinomios y producto de un polinomio por una constante. Es un espacio
vectorial.

SUBESPACIOS

Definición: un subconjunto 1 de un espacio vectorial  se denomina subespacio

de  si 1 es un espacio vectorial bajo la adición y la multiplicación escalar
definido sobre .

En términos generales, para demostrar que un conjunto 1 con la adición y la

multiplicación escalar forma un espacio vectorial es necesario verificar los 10
axiomas de espacio vectorial.

Teorema 1. Si 1 es un subconjunto de un espacio vectorial , entonces 1 es un

subespacio de  si y solo si se cumplen las siguientes condiciones.

a) 0  1.
b) Si  y  son vectores en 1, entonces  +  están en 1.
c) Si  es cualquier escalar y  es cualquier vector en 1, entonces  están
en 1.
Figura 1

Ejemplo 1. Sea 1 el plano

 en  2 , es decir 1 = {(, 4, 0): , 4  }. Nótese que
(0,0,0) 1. Para todo par de vectores 7 = (, 4, 0) 8 = (, 9, 0):+ 1 y todo
escalar    se tiene que

7 + 8 = ( + , 4 + 9, 0) y 7 = (, 4, 0)

Pertenecen a 1, luego 1 es un subespacio.

Ejemplo 2 ;: 1 : +<7+= 9: > 7+=> (

, ):+  ? =:> @7:
≥ 0  ≥ 0.
Estos son los puntos del primer cuadrante .El conjunto 1 no es un subespacio de
 ? ya que no es cerrado bajo la multiplicación escalar. Por ejemplo,  = (1, 1)
esta en 1, pero su negativo (−1)  = − = (−1, −1) no esta en 1 (figura 1).

Todo espacio vectorial  diferente de cero tiene por lo menos dos subespacios:
 es un espacio, y el conjunto {0} que consta solo del vector cero en  es en
subespacio denominado subespacio cero.

Ejemplo 3. La suma de dos matrices simétricas es una matriz simétrica, y un

simétricas +
+ es un subespacio del espacio vectorial B',' de las matrices +
+.
múltiplo escalar de una matriz simétrica es simétrica. Así, el conjunto de matrices

Ejemplo 4. Sea + un entero positivo y sea 1 que consta de todas las funciones
que pueden expresarse en la forma

(
) = . + 
+ ⋯ + '
'

Donde . , … , ' son números reales. Así, 1 consta de la función cero junto con
todos los polinomios reales de grado menor o igual que +, el conjunto 1 es un
subespacio del espacio vectorial de todas las funciones con valores reales. En
efecto

Sean D  E los polinomios

 D(
) = . + 
+ ⋯ + '
'

E(
) = 4. + 4
+ ⋯ 4'
'

Entonces

(D + E)(
) = D(
) + E(
) = (. + 4. ) + ( + 4 )
+ ⋯ + (' + 4' )
'

(D)(
) = D(
) = (. ) + ( )
+ ⋯ + (' )
'

Por lo tanto 1 es un subespacio.

COMBINACIONES LINEALES DE VECTORES

Definición. Un vector O se denomina combinación lineal de los vectores

G , P, … , Q si se puede expresar en la forma O =  8 + ? 8? + ⋯ + R 8R
Donde  , ? , … , R son escalares.

Ejemplo 5. Todo vector  = (, 4, ) :+  2 se puede expresar como una

combinación lineal de los vectores canónicos.

F = (G, #, #), H = (#, G, #), I = (#, #, G)

Ya que

8 = (, 4,  ) = (1, 0, 0) + 4(0, 1, 0 ) +  (0, 0, 1) = F + 4H + I ∆

Ejemplo 6. Considerar los vectores  = (1, 2, −1) y  = (6, 4, 2) :+  2 . Demostrar

que  = (9, 2, 7) es una combinación lineal de   .

Solución. Para que  sea una combinación lineal de    , deben existir

escalares   ? tales que  =   + ? ; es decir,

(9,2,7) = ( + 6? , 2 + 4? , − + 2? )

O bien,
 (9,2,7) = ( + 6? , 2 + 4? , − + 2? )

Igualando las componentes correspondientes se obtiene

 + 6? = 9

2 + 4? = 2

− + 2? = 7

La solución del sistema es  = −3, ? = 2, de modo que

 = −3 + 2

Ejemplo 7. Expresar el polinomio sobre  8 = = ? + 4= − 3 como una combinación

lineal de los polinomios  = = ? − 2= + 5, ? = 2= ? − 3=, 2 = = + 3.

Sea 8 una combinación lineal de  , ? , 2 . Esto es

= ? + 4= − 3 = (= ? − 2= + 5) + 4(2= ? − 3=) +  (= + 3)

= = ? − 2= + 5 + 24= ? − 34= + = + 3

= ( + 24)= ? + (−2 − 34 +  )= + 5 + 3

Igualamos coeficientes, y obtenemos el siguiente sistema

 + 24 = 1  + 24 = 1  + 24 = 1

−2 − 34 +  = 4 4 +  = 6 4 +  = 6
5 + 3 = −3 −104 + 3  = −8 13 = 52
o

De donde aplicando sustitución hacia atrás se obtiene

 = −3, 4 = 2,  = 4. Así pues 8 = −3 + 2? + 42 .

ESPACIO GENERADO LINEAL.

Si 8 , 8? , … , 8R son vectores en un espacio vectorial , entonces en general
algunos vectores en  pueden ser combinaciones lineales de  , ? , … , R y otros
no.

Teorema .2. Si  , P , … , R ,son vectores en espacio vectorial , entonces

a) el conjunto 1 de todas las combinaciones lineales de  , ? , … , R es un
subespacio de .
b) 1 es el menor subespacio de  que contiene a  , ? , … , R , en el sentido
 de que cualquier otro subespacio de V que contenga a  , ? , … , R debe
contener a 1.

Por consiguiente, en el subespacio 1 están todos y cada uno de los vectores

 , ? , … , R . Sea 1’ cualquier otro subespacio que contiene a  , ? , … , R . Como
1’ es cerrado bajo la adición y la multiplicación escalar, debe contener todas las
combinaciones lineales de  , ? , … , R . Así, 1’ contiene a cada vector de 1.

Definición. Si ; = {  , ? , … , R } es un conjunto de vectores en un espacio vectorial

, entonces el espacio 1 de  que consta de todas las combinaciones lineales de
los vectores en S se denomina espacio generado por  , ? , … , R , y se dice que los
vectores  , ? , … , R generan a 1. para indicar que 1 es el espacio generado por
los vectores del conjunto ; = {  , ? , … , R } se escribe
1 = +(;) 4:+, 1 = +{  , ? , … , R }

El conjunto 1 = +{  , ? , … , R } se denomina envolvente lineal de  , ? , … , R

Ejemplo 6. Si   ? son vectores no colineales en  2 con puntos iníciales en

el origen, entonces + {  , ? }, que consta de las combinaciones lineales  +
? , es el plano determinado por   ? .(fig. 2).

Ejemplo 7. Determine si 8 = (1,1,2), 8? = (1,0,1)  82 = (2,1,3) generan el

espacio vectorial  2 .

Solución. Es necesario determinar si un vector arbitrario 4 = (4 , 4? , 42 ):+  2 se

puede expresar como una combinación lineal
 4 =   + ? ? + 2 2

De los vectores  , ?  2 . Expresando estas ecuaciones en términos de las

componentes se obtiene

(4 , 4? , 42 ) =  (1,1,2) + ? (1,0,1) + 2 (2,1,3)

O bien

(4 , 4? , 42 ) = ( + ? + 22 ,  + 2 , 2 + ? + 32 )

 + ? + 22 = 4

 + 2 = 4?

2 + ? +32 = 42

Ahora el problema solo se reduce a determinar si el sistema anterior es

consistente, lo cual implicaría resolver el sistema por cualquiera de los métodos

coeficientes para saber que 9:=(U) = 0 y por lo tanto U no es invertible, de modo

conocidos, sin embargo basta con calcular el determinante de la matriz de

que los vectores 8 , 8? , 82 no generan a  2 .

lineales de 7 = (2,1,4), 8 = (1, −1,3), O = (3,2,5).

Ejercicio 1. Expresar cada uno de los siguientes vectores como combinaciones

a) (−9, −7, −15) b) (6,11,6) c) (0,0,0) d) (7,8,9)

combinación lineal de  = 2 +
+ 4
? , ? = 1 −
+ 3
? 2 = 3 + 2
+ 5
?
Ejercicio 2. Expresar cada uno de los siguientes polinomios como una

a) −9 − 7
− 15
? b) 6 + 11
+ 6
? c) 0 d) 7 + 8
+ 9
?

INDEPENDENCIA LINEAL.

DEFINICION DE INDEPENDENCIA LINEAL

Definicion. Sea  un espacio vectorial sobre un cuerpo
. Se dice que los

vectores  , ? , … , R   son linealmente dependientes sobre
o simplemente
dependientes, si existen escalares  , ? , … , R 
, no todos 0, tales que
  + ? ? + ⋯ + R R = 0
En caso contrario se dice que los vectores son linealmente independientes sobre
.
o simplemente independientes.
Ejemplo 1. Si  = (2, −1,0,3), ? = (1,2,5, −1)  2 = (7, −1,5,8), entonces el
conjunto de vectores ; = {  , ? , 2 } es linealmente dependiente, ya que

38 + 8? − 82 = 0.

En efecto, supongamos que

8 + 8? + V82 = 0, donde
, , V son escalares a
determinarse, esto es,

(0,0,0,0) =
(2, −1,0,3) + (1,2,5, −1) + V(7, −1,5,8)

= (2
+  + 7V, −
+ 2 − V, 5 + 5V, 3
−  + 8V)

De donde igualando componentes,

2
+  + 7V = 0

−
+ 2 − V = 0

5 + 5V = 0

3
−  + 8V = 0

Reordenando el sistema, se tiene

− 2 + V = 0

2
+  + 7V = 0

5 + 5V = 0

3
−  + 8V = 0

O bien

− 2 + V = 0

5 + 5V = 0

5 + 5V = 0

5 + 5V = 0

El sistema se puede reducir a

− 2 + V = 0

5 + 5V = 0
De donde despejando

 = −V

− 2 + V = 0

= −3V

Si V = 1,  = −1,
= −3,

−38 − 8? + 82 = 0.

Por lo que los vectores son ld

Ejemplo 2. Los polinomios

 = 1 −
, ? = 5 + 3
− 2
? ,  2 = 1 + 3
−
?

Forman un conjunto linealmente dependiente , ya que 3 −? + 22 = 0.

En efecto, supongamos que  + 4? + 2 = 0, donde , 4,  son escalares a

determinarse, esto es,

(1 −
) + 4(5 + 3
− 2
? ) + (1 + 3
−
? ) = 0

O bien

 − 
+ 54 + 34
− 24
? +  + 3
− 
? = 0

De donde asociando términos se tiene

(−24 − )
? + (− + 34 + 3)
+ ( + 54 + ) = 0

Ahora igualando coeficientes obtenemos el siguiente sistema

−24 −  = 0

− + 34 + 3 = 0

 + 54 +  = 0

1 5 1
W−1 3 3 X
0 −2 −1
 1 5 1 1 5 1 1 5 1 1 5 1
W−1 3 3 X W 0 8 4 X W 0 1 Z X W 0
Y
1 YZ X
0 −2 −1 0 −2 −1 0 −2 −1 0 0 0
De donde

 + 54 +  = 0

4 + ? = 0


4 = −   = . Si  = 2, 4 = −1,  = 3 .
 2
? ?
Así

Teorema 5.3. un conjunto ; con dos o mas vectores es:

a) Linealmente dependiente si y solo si por lo menos uno de los vectores en ;
puede expresarse como una combinación lineal de los demás vectores en ;.
b) Linealmente independiente si y solo si ningún vector en ; se pueden expresar
como una combinación lineal de los demás vectores en ;.

BASES DE UN ESPACIO VECTORIAL

Definición. Un conjunto ; = { , ? , … , ' } de vectores es una base de , si se

cumplen las dos condiciones siguientes:

a) { , ? , … , ' } es linealmente independiente.

b) { , ? , … , ' } generan a .

Teorema. Si ; = {  , ? , … , ' } es una base de un espacio vectorial , entonces todo

vector  en  se pueden expresar en forma única como
8 =  8 + ? 8? + ⋯ , +' 8' .
Si ; = {  , ? , … , ' } es una base para un espacio vectorial  y cualquier vector
8   se puede expresarse de forma única como una combinación lineal de los
vectores de la base en ;, digamos

8 =  8 + ? 8? + ⋯ + ' 8' .

entonces los escalares  , ? , … , ' se denominan coordenadas de  respecto a la

base ;. el vector  , ? , … , ' en  ' que se obtiene a partir de estas coordenadas
se llama vector de coordenadas de  con respecto a [; se denota por

(8)\ = ( , ? , … , ' )

Algoritmo para hallar una base

Supongamos que se nos dan los vectores 7 , 7? , … , 7R en
' . Sea

1 = +(7 , 7? , … , 7R )

El subespacio de
' generado por estos vectores.

Paso 1. Construir una matriz U cuyas filas sean los vectores dados.

Paso 2. Reducir por filas U a la forma escalonada.

Paso 3. Extraer las filas no nulas de la matriz escalonada.

Ejemplo 1. Sean

F = (G, #, #), H = (#, G, #) ] I = (#, #, G)

Entonces ; = {F, H, I} es un conjunto linealmente independiente en  2 . Este

conjunto genera a  2 , ya que cualquier vector  = (, 4, ) en  2 se puede escribir
como

 = (, 4, ) = (1,0,0) + 4(0, 1, 0) + (0, 0, 1) = F + 4H + I.

Así, ; es una base de  2 ; se denomina base estándar de  2 .

BASE ESTANDAR PARA ^_ .

Ejemplo 2. En el ejemplo 3 se demostró que si

`G = (G, #, #, … , #), `P (#, G, #, … , #), … , `_ (#, #, #, … , G)

Entonces

; = {: , :? , … , :' }
Es un conjunto linealmente independiente de  ' . Este conjunto también genera a
 ' , ya que cualquier vector 8 = (8 + 8? , … , 8' ) en  ' se puede escribir como

 = 8 : + 8? :? + ⋯ + 8' :'

Así, ; es una base de  ' ;se denomina base estándar de ^_ .

Ejemplo3. Determinar si (1,1,1), (1,2,3), (2, −1,1) forman una base del espacio
vectorial  2 .

Los vectores forman una base si y solo si son linealmente independientes.

Construimos una matriz con los vectores y la reducimos a la forma escalonada.

1 1 1 1 1 1 1 1 1
U = W1 2 3X ~ W0 1 2 X ~ W0 1 2X
2 −1 1 0 −3 −1 0 0 5
Puesto que la matriz no tiene filas nulas, los vectores son () y por lo tanto forman
una base de  2 .

Ejemplo 4. Considérese el espacio vectorial D? (=) de los polinomios de grado ≤ 2.

los polinomios

D = 1 , D? = = − 1, D2 = (= − 1)? = = ? − 2= + 1

Forman una base ; de ,? (=). Sea 8 = 2= ? − 5= + 6, obtener el vector coordenado

de 8 relativo a la base ;.

Sea 8 =
D + D? + VD2 , tenemos

2= ? − 5= + 6 =
(1) + (= − 1) + V(= ? − 2= + 1)

=
+ = −  + V= ? − 2V= + V

= V= ? + ( − 2V)= + (
−  + V)

Igualando coeficientes , se tiene

−  + V = 6

 − 2V = −5

V = 2
De donde haciendo la sustitución hacia atrás, obtenemos
= 3,  = −1, V = 2.

Así

8 = 3D − D? + 2D2 y por tanto c8 d = c3, −1,2d.

Coordenadas

Sean  un espacio vectorial + − 9:+>+ sobre un cuerpo
y

; = {7 , 7? , … , 7' }

Una base de . Cualquier vector 8   puede expresarse en forma única como una
combinación lineal de los vectores de la base en ;, digamos

8 =  7 + ? 7? + … + ' 7' , denotado y definido por


c8 d\ = e ? f = ( , ? , … , ' )g
⋯
'

Aquí c8 d\ es una matriz + × 1.

Supongamos que ; = {7 , 7? , … , 7' } es una base de un espacio vectorial  y que

; h = {8 , 8? , … , 8' } es otra. Por ser ; base, cada vector de ; h , puede escribirse en
forma única como una combinación lineal de los elementos de ;. Es decir

8 =  7 + ? 7? + ⋯ + ' 7'

8? = ? 7 + ?? 7? + ⋯ + ?' 7'

. . . . . . . . . . .

8' = ' 7 + '? 7? + ⋯ + '' 7'

Denotemos por i la traspuesta de la matriz de coeficientes del sistema anterior:

 ? ⋯ '
? ?? ⋯ '?
i=j⋯ ⋯ ⋯ ⋯k
' ?' ''

Es decir i = (0l ), donde 0l = 0l . La matriz i recibe el nombre de

=mV 9: 4 9: 4>: (o matriz de transición ) desde la antigua base ; hasta
 +7:8 4>: ; h .
Su inversa i es la matriz de cambio de base desde la base ; h volviendo a la
base ;. Puesto que los vectores 8 , 8? , … , 8'  ; h son (li), la matriz i es invertible.

Ejemplo. Considérense las siguientes bases de  ? .

; = {7 = (1, −2), 7? = (3, −4)} y ;? = {8 = (1,3), 8? = (3,8)}

a) Encontrar las coordenadas de un vector arbitrario 8 = (, 4) relativas a la base

; = {7 = (1, −2), 7? = (3, −4)}.

b) Encontrar la matriz de cambio de base i desde ; hasta ;? .

c) Encontrar las coordenadas de un vector arbitrario 8 = (, 4) relativas a la base

;? = {8 = (1,3), 8? = (3,8)}

d) Determinar la matriz de cambio de base de  desde ;? hasta ; .

e) Comprobar que  = i  .

Solución.

a) Sea 8 =
7 + 7? , de donde
 1 3
n o =
n o+n o
4 −2 −4
o bien

+ 3 = 

−2
− 4 = 4
o

+ 3 = 

2 = 2 + 4

Despejando a
:  , tenemos
= −2 − ? 4,  =  + ? 4, de donde
2 

g
(, 4) = n−2 − 4o 7 + ( + 4)7? , o bien c(, 4)d\Y = p−2 − 4,  + 4q
2  2 
? ? ? ?

b) Escribimos cada uno de los vectores 8 , 8? de la base ;? como una

combinación lineal de los vectores 7 y 7? de ; .

8 = (1,3) = n−2 − ?o 7 + n1 + ?o 7? = n− ? o 7 + n?o 7?

r 2 2 s

8? = (3,8) = (−6 − 12)7 + (3 + 4)7? = (−18)7 + (7)7?

Entonces i es la matriz cuyas columnas son las coordenadas de 8 , 8? respecto

a la base ; , Es decir
 13
− −18
i=j 2 k
5
7
2
c) Sea 7 =
8 + 8? , de donde
 1 3
n o =
n o+n o
4 3 8
o bien

+ 3 = 

3
+ 8 = 4

+ 3 = 

− = 4 − 3

Despejando a
:  , tenemos
= −8 + 34,  = 3 − 4, de donde

(, 4) = (−8 + 34)8 + (3 − 4)8? , o bien c(, 4)d\Y = c−8 + 34, 3 − 4dg

d) Escribimos cada uno de los vectores 7, 7? de la base ; como una

combinación lineal de los vectores 8 y 8? de ;? .

7 = (1, −2) = (−8 − 6)8 + (3 + 2)8? = −148 + 58?

7? = (3, −4) = (−24 − 12)8 + (9 + 4)8? = (−36)8 + (13)8?

Entonces  es la matriz cuyas columnas son las coordenadas de 7 , 7? respecto

a la base ;? , Es decir

−14 −36
=n o
5 13

TRANSFORMACIONES LINEALES.
TRANSFORMACIONES LINEALES GENERALES.

DEFINICIONES Y TERMINOLOGIA.
Recuérdese que una transformación lineal de  '   ) se definió como una función

- = (
 ,
? , … ,
' ) = (O , O? , … , O) )

En la cual las ecuaciones que relacionan a O , O? , … , O) y

 ,
? , … ,
' son
lineales. Luego demostró que la transformación -:  ' →  ) es lineal si y solo si las
siguientes relaciones se cumplen para todos los vectores    en  ' y cualquier
escalar c:

-( + ) = - () + -()

-() = -()

Definición. Si -:  → 1 es una función de un espacio vectorial  a un espacio

vectorial 1, entonces - se llama transformación lineal de  a 1 si para todos
los vectores  y  de  y todos los escalares  se cumple que
a) -( + ) = -() + -()
b) -() = -()
En el caso especial donde  = 1, la transformación lineal -:  →  se denomina
operador lineal sobre .

Ejemplo 1. Sea -: B'' →  la transformación que mapea una matriz +

+ en su
determinante; es decir

-(U) = det (U)

Esta transformación no satisface ninguna de las propiedades necesarias para ser

una transformación lineal. así

det(U + U? ) ≠ det(U ) + det (U? )

En general. Además, det(U) =  ' det(U), de modo que

det(U) ≠ 9:=(U)

En general, por tanto, - no es una transformación lineal.

+ 3
Ejemplo 2. La transformación -:  ? →  ? , definida por - pq = x y, es lineal.

+ 2


?
En efecto, sean  = p q,  = p q.
 ?


?
+
(
 +
? ) + 3( + ? )
-( + ) = - np q + p qo = - n + ? o = x y
 ?  ? (
 +
? ) + 2( + ?)
Entonces

 + 3
+ 3?

?
=x y+x ? y = - p q + - p q = - () + -().

 + 2
? + 2?  ?


 
+ 3
Ahora , para todo escalar , -() = - p q = x  y
 
 + 2

 + 3

= x y = - p q = -()

 + 2 

Por lo tanto - es lineal.

Ejemplo 3. Sea U una matriz  × +. Demuestre que la transformación -: B'×z →

B)×z . definida como

-({) = |{

Es lineal

Sol.

Sean { ]  dos matrices + ×  cualquiera y  un escalar cualquiera

-({ + ) = |({ + ) = |{ + | = -(|) + -()

-({) = (|{) = |{ = }-({)

por lo tanto - es lineal.

Proposición. Sean  y 1 dos espacios vectoriales sobre
la transformación

-:  → 1, es lineal si y solo si, -(~8 + O ) = ~-(8 ) + -(O ). (1 +

_v2_+ _T(v2)

PROPIEDADES DE LAS TRANSFORMACIONES LINEALES.

Teorema. -:  → 1 es transformación lineal, si y solo si, para vectores cuales
quiera 8  8? en  y escalares cuales quiera   ? se tiene que
 -( 8 + ? 8? ) = -( 8 ) + -(? 8? ) =  -(8 ) + ? -(8? ).

Demostración. (suficiencia →). Supongamos que - es lineal

Y de manera más general, si 8 , 8? , … , 8' son vectores en    , ? , … , ' son

escalares, entonces

- ( 8 + ? 8? + ⋯ + ' 8' ) =  -(8 ) + ? -(8? ) + ⋯ + ' -(8' )

La formula (1) algunas veces se describe diciendo que las transformaciones

lineales conservan las combinaciones lineales.

En el siguiente teorema se enumeran tres propiedades básicas comunes a todas

las transformaciones lineales.

Teorema 8.1.1. Si -:  → 1 es una transformación lineal , entonces

a) -(0) = 0
b) -(−8 ) = −-(8) para todo 8 en .
c) -(7 − O ) = -(8 ) − - (O ) para todo 8 y O en .

COMPOSICIONES DE TRANSFORMACIONES LINEALES

Definición. Si -: € →   -? :  → 1 son transformaciones lineales. La

composición de P }‚_ G denotado por -? ∘ - (que se lee como "- segida
de -? "). Es la función definida por la formula
(-? ∘ - )(7 ) = -? (- (7))
Donde  es un vector en €.

OBSERVACION. Nótese que esta definición requiere que el dominio de -? (el

cual es ) contenga al recorrido de - ; este hecho es esencial para que la
exprecion -? (- (7)) tenga sentido (fig.1). el lector debe comparar (2) con la
formula (8) de la sección 4.2.
Teorema 8.1.2. Si - : € →   -? :  → 1 son transformaciones lineales, entonces
(-? ∘ - ): € → 1 =4:+ :> 7+ =m+>…m+ +:.