ÁLGEBRA LINEAL

CAPITULO IV: ESPACIO VECTORIAL

Definición: un espacio vectorial real 𝑉 es un conjunto de objetos, llamados vectores, junto
con dos operaciones llamadas suma y multiplicación por un escalar que satisfacen los diez
axiomas enumerados a continuación.
Notación: Si 𝑥 y 𝑦 están en 𝑉 y si α es un número real, entonces la suma se escribe como 𝑥 +
𝑦 y el producto escalar de α y 𝑥 como 𝛼𝑥.

Axiomas de un espacio vectorial:

i. Si 𝑥 ∈ 𝑉 y 𝑦 ∈ 𝑉, entonces 𝑥 + 𝑦 ∈ 𝑉 (cerradura de la suma).

ii. para todo 𝑥, 𝑦 y 𝑧 en 𝑉, (𝑥 + 𝑦) + 𝑧 = 𝑥 + (𝑦 + 𝑧) (Ley asociativa de la suma de
vectores).
iii. existe un vector 0 ∈ 𝑉, tal que para todo 𝑥 ∈ 𝑉, 𝑥 + 0 = 0 + 𝑥 = 𝑥 (el 0 se llama
vector cero o idéntico aditivo).
iv. si 𝑥 ∈ 𝑉, existe un vector −𝑥 en 𝑉 tal que 𝑥 + (−𝑥) = 0 (−𝑥 se llama inverso aditivo
de 𝑥).
v. Si 𝑥 y 𝑦 están en 𝑉, entonces 𝑥 + 𝑦 = 𝑦 + 𝑥 (Ley conmutativa de la suma de
vectores).
vi. Si 𝑥 ∈ 𝑉 y α es un escalar, entonces 𝛼𝑥 ∈ 𝑉 (cerradura bajo la multiplicación por un
escalar).
vii. Si 𝑥 y 𝑦 están en 𝑉 y α es un escalar, entonces α(x + y) = αx + αy (primera Ley
distributiva).
viii. sí 𝑥 ∈ 𝑉 y α y β son escalares, entonces (α + β)𝑥 = 𝛼𝑥 + 𝛽𝑥 (segunda Ley
distributiva).
ix. sí 𝑥 ∈ 𝑉 y α y β son escalares, entonces α(βx) = (α β)x (Ley asociativa de la
multiplicación por escalares).
x. para cada vector 𝑥 ∈ 𝑉, 1𝑥 = 𝑥.

Ejemplos.

1. Espacio vectorial trivial.

𝑉 = {0}; 𝑉 consta solo del elemento 0. Este cumple los 10 axiomas.

2. 𝑉 = {1}; 𝑉 consta solo del elemento 1. No es un espacio vectorial, no cumple la

cerradura bajo la suma 1 + 1 = 2 ∉ 𝑉 (con que no cumpla un axioma, no es un
espacio vectorial).
 ÁLGEBRA LINEAL

Ejercicio.
Dado 𝑉 = 𝑅+ con 𝑥, 𝑦 ∈ 𝑉, los cuales cumplen las condiciones.
𝑖) 𝑥⨁𝑦 = 𝑥 ∙ 𝑦
𝑖𝑖) 𝑐 ∈ 𝑅, 𝑥 ∈ 𝑉, 𝑐 ∙ 𝑥 = 𝑥 𝑐 , demuestre que 𝑉 es un espacio vectorial con el elemento 0 = 1.

Subespacio (≤)
Teorema: un subconjunto no vacío 𝐻 de un espacio vectorial 𝑉 es un subespacio de 𝑉 si se
cumplen las siguientes dos reglas de cerradura.
𝑖) Si , 𝑥 ∈ 𝐻 y , 𝑦 ∈ 𝐻, entonces 𝑥 + 𝑦 ∈ 𝐻 .
𝑖𝑖) Si , 𝑥 ∈ 𝐻 entonces, 𝛼𝑥 ∈ 𝐻, 𝛼 ∈ 𝐾
Ejercicios.
1) Muestre que los siguientes conjuntos de elementos de 𝑅2 forman subespacios.
a) El conjunto de todos los (𝑥, 𝑦) tales que 𝑥 = 𝑦.
Dms.
𝑖) sean (𝑥1 , 𝑦1 ) y (𝑥2 , 𝑦2 ) ∈ 𝑉, 𝑥1 = 𝑦1 , 𝑥2 = 𝑦2
→ (𝑥1 , 𝑦1 ) + (𝑥2 , 𝑦2 ) = (𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 )
Como 𝑥 = 𝑦 → 𝑥1 = 𝑦1 , 𝑥2 = 𝑦2
De modo que
(𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 ) = (𝑥1 + 𝑦2 , 𝑥1 + 𝑦2 ) ∈ 𝑉

a b
Ya que 𝑎 = 𝑏.

𝑖𝑖) sea 𝑘 ∈ 𝐾
→ 𝑘(𝑥1 , 𝑦1 ) = (𝑘𝑥1 , 𝑘𝑦1 ) ∈ 𝑉, 𝑘𝑥1 = 𝑘𝑦1

b) El conjunto de todos los (x,y) tales que 𝑥 − 𝑦 = 0

Dms.
𝑖) sean (𝑥1 , 𝑦1 ) y (𝑥2 , 𝑦2 ) ∈ 𝑉, (𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 ) ∈ 𝑉
→ (𝑥1 + 𝑦1 ) - (𝑥2 + 𝑦2 ) = 0
(𝑥1 − 𝑦1 ) + (𝑥2 − 𝑦2 ) = 0
(𝑥1 , 𝑦1 ) + (𝑥2 , 𝑦2 ) = 0
(𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 ) = 0
 ÁLGEBRA LINEAL
(𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 ) ∈ 𝑉

𝑖𝑖) 𝑘(𝑥1 , 𝑦1 ) = 0
(𝑘𝑥1 , 𝑘𝑦1 ) = 0

2) Sea 𝑣 = 𝑅3 el conjunto de todos los (𝑥, 𝑦, 𝑧) tales que 𝑥 + 𝑦 + 𝑧 = 0

Dms. sean (𝑥1 , 𝑦1 , 𝑧1 ) y (𝑥2 , 𝑦2 , 𝑧2 ) ∈ 𝑉 y 𝑘 ∈ 𝐾
𝑖) (𝑥1 , 𝑦1 , 𝑧1 ) + (𝑥2 , 𝑦2 , 𝑧2 )
(𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 , 𝑧1 + 𝑧2 )
→ 𝑥1 + 𝑥2 + 𝑦1 + 𝑦2 + 𝑧1 + 𝑧2 = 0
(𝑥1 + 𝑦1 + 𝑧1 ) + (𝑥2 + 𝑦2 + 𝑧2 ) = 0
(𝑥1 , 𝑦1 , 𝑧1 ) + (𝑥2 , 𝑦2 , 𝑧2 ) = 0

𝑖𝑖) 𝑘(𝑥1 , 𝑦1 , 𝑧1 ) = 0 → (𝑘𝑥1 , 𝑘𝑦1 , 𝑘𝑧1 ) = 0

𝑘𝑥1 + 𝑘𝑦1 + 𝑘𝑧1 = 0

3) Ejercicio: Sean 𝐴1 , 𝐴2 , … , 𝐴𝑟 vectores de 𝑅𝑛 sea 𝑊 el conjunto de los vectores 𝐵 de

𝑅𝑛 tales que [𝐵 ∙ 𝐴𝑖 = 0 ]∗ ∀𝑖 = 1, … , 𝑟 muestre que 𝑊 ≤ 𝑅𝑛
Dms.
𝑖) 𝑤1 , 𝑤2 ∈ 𝑊 ∈ 𝐵; 𝑤1 𝐴1 = 0 𝑦 𝑤2 𝐴2 = 0 de *
→ (𝑤1 + 𝑤2 )𝐴𝑖 = 0
𝑤1 𝐴𝑖 + 𝑤2 𝐴𝑖 = 0
0+0= +
𝑖𝑖) ∀𝑘 ∈ 𝐾 𝑦 𝑤 ∈ 𝑊 ∈ 𝐵, 𝑤 ∙ 𝐴𝑖 = 0
→ 𝑘(𝑤𝐴𝑖 ) = (𝑘𝑤)𝐴𝑖 = 0

Combinación Lineal.
Definición: sea 𝑣1 , 𝑣2 , … , 𝑣𝑛 vectores en un espacio vectorial 𝑉. Entonces cualquier vector de
la forma 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ +𝛼𝑛 𝑣𝑛 ; 𝛼 ∈ 𝐾, se llama una combinación lineal de 𝑣1 , 𝑣2 , … , 𝑣𝑛 .

Ejemplo: en 𝑅3 .
−7 −1 5 −7 −1 5
( 7 ) es una combinación lineal de ( 2 ) 𝑦 (−3) ya que ( 7 ) = 2 ( 2 ) − (−3)
7 4 1 7 4 1
 ÁLGEBRA LINEAL

Conjunto Generador
Se dice que los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑛 en un espacio vectorial 𝑉 generan a 𝑉, si todo vector
en 𝑉 se puede escribir como combinación lineal de ellos.

Espacio generado por un conjunto de vectores

Sean 𝑣1 , 𝑣2 , … , 𝑣𝑘 , 𝑘 vectores en un espacio vectorial 𝑉, el espacio generado por
{𝑣1 , 𝑣2 , … , 𝑣𝑘 } es el conjunto de combinaciones lineales de 𝑣1 , 𝑣2 , … , 𝑣𝑘 , es decir,
𝑔𝑒𝑛{𝑣1 , 𝑣2 , … , 𝑣𝑘 } = {𝑣; 𝑣 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ +𝛼𝑘 𝑣𝑘 }
Donde 𝛼1 , 𝛼2 , … , 𝛼𝑘 ∈ 𝐾.
Ejemplo:
2 4
3
En 𝑅 ; (−1) , (1) si 𝑣 = (𝑥, 𝑦, 𝑧) ∈ 𝐻
4 6
Entonces el
𝑔𝑒𝑛{𝑣1 , 𝑣2 } = {𝑣; 𝑣 = 𝛼1 (2, −1,4) + 𝛼2 (4,1,6)}
𝑣 = (2𝛼1 , −𝛼1 , 4𝛼1 ) + (4𝛼2 + 𝛼2 + 6𝛼2 )
= (2𝛼1 + 4𝛼2 , −𝛼1 + 𝛼2 , 4𝛼1 + 6𝛼2 )
→ 𝑥 = 2𝛼1 + 4𝛼2 , 𝑦 = −𝛼1 + 𝛼2 , 𝑧 = 4𝛼1 + 6𝛼2

Dependencia e independencia lineal

Sean 𝑣1 , 𝑣2 , … , 𝑣𝑛 𝑛 vectores en un espacio vectorial 𝑉. Entonces se dice que los vectores son
linealmente dependientes (𝐿. 𝑑. ) sí existen 𝑛 escalares 𝛼1 , 𝛼2 , … , 𝛼𝑛 , no todos ceros, tales
que

𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ +𝛼𝑛 𝑣𝑛 = 0
Si los vectores no son (𝐿. 𝑑. ), se dice que son linealmente independientes (𝐿. 𝑖. ).
Teorema: dos vectores en un espacio vectorial son (𝐿. 𝑑. ) si y solo si uno es múltiplo escalar
del otro.
Ejemplo: en 𝑅4 .
2 −6
Los vectores 𝑣1 = ( ) 𝑦 𝑣2 = ( 3 ) son (𝐿. 𝑑. ).
−1
0 0
3 −9
 ÁLGEBRA LINEAL

𝑣2 es multiplo de 𝑣1 , 𝑣2 = −3𝑣1

Teorema: Un conjunto de 𝑛 vectores en 𝑅𝑚 siempre es (𝐿. 𝑑. ) si 𝑛 > 𝑚.

Ejemplo:
−3 10 4
En 𝑅2 los vectores 𝑣1 = ( ) , 𝑣2 = ( ) , 𝑣3 = ( )
2 1 −5
𝑛 = 3 𝑦 𝑚 = 2, 𝑛 > 𝑚
→ 𝑆𝑜𝑛 𝐿. 𝑑.

Para 𝒏 = 𝒎.
1 2 0
3
Ejemplo: en 𝑅 determina si los vectores (−2) , (−2) 𝑦 (1) son 𝐿. 𝑑. o 𝐿. 𝑖.
3 0 7
Solución.
1 2 0
𝛼1 (−2) + 𝛼2 (−2) + 𝛼3 (1) = 0
3 0 7
𝐴12 (2)
1 2 0 0 𝐴13 (−3) 1 2 0 0 𝐴23 (3)
(−2 −2 1|0) → (0 −2 1|0)
3 0 70 0 −6 70
1
1 2 0 0 𝑀3 (10) 1 2 0 0 𝐴32 (−1)
→ (0 2 1 |0) → (0 2 1|0)
0 0 10 0 0 0 10
1 2 0 0 𝑀2 (1/2) 1 2 0 0 𝐴21 (−2)
→ (0 2 0|0) → (0 1 0|0)
0 0 10 0 0 10
1 0 00
→ (0 1 0|0)
0 0 10
𝛼1 = 0, 𝛼2 = 0 𝑦 𝛼3 = 0,
Por tanto, son 𝐿. 𝑖.
 ÁLGEBRA LINEAL

Ejemplo 2
1 3 11
En 𝑅3 ; (−3) , (0) 𝑦 (−6)
0 4 12
Solución:
1 3 11
𝛼1 (−3) + 𝛼2 (0) + 𝛼3 (−6) = 0
0 4 12
1 3 11 0 1 0 20
(−3 0 | ) (
−6 0 → 0 1 3|0)
0 4 12 0 0 0 00
𝑐2 + 3𝑐3 = 0, 𝑐1 + 2𝑐3 = 0
𝑐1 = 1, 𝑐2 = −3, 𝑐3 = −2
Son 𝐿. 𝑑.

Base y Dimensión.
Definición: un conjunto finito de vectores {𝑣1 , 𝑣2 , … , 𝑣𝑛 } es una base para un espacio vectorial
𝑉 si
𝑖) {𝑣1 , 𝑣2 , … , 𝑣𝑛 } es 𝐿. 𝑖.
𝑖𝑖) {𝑣1 , 𝑣2 , … , 𝑣𝑛 } genera a 𝑉.
Ejemplo: encuentre una base para el conjunto de vectores que está en el plano.
𝑥
𝜋 = {(𝑦) : 2𝑥 − 𝑦 + 3𝑧 = 0}
𝑧
Solución
2𝑥 − 𝑦 + 3𝑧 = 0 → 𝑦 = 2𝑥 + 3𝑧
Luego los vectores en π tienen la forma.
𝑥 𝑥 0 1 0
(2𝑥 + 3𝑧) = (2𝑥 ) + (3𝑧) = 𝑥 (2) + 𝑧 (3)
𝑧 0 𝑧 0 1
1 0
Lo cual muestra que (2) 𝑦 (3) generan a π.
0 1
Y como los vectores no son múltiplos del otro, son 𝐿. 𝑖.
Por tanto, forman una base para π.
 ÁLGEBRA LINEAL

Ejercicios: encontrar una base para los siguientes espacios vectoriales.

1) 𝑊 = {(𝑥, 𝑦, 𝑧) ∈ 𝑅3 /2𝑥 − 𝑦 − 𝑧 = 0}
2) 𝑊 = {(𝑥, 𝑦, 𝑧) ∈ 𝑅3 /𝑥 + 𝑦 + 𝑧 = 0}

Definición: si el espacio vectorial 𝑉 tiene una base finita, entonces la dimensión de 𝑉 es el

número de vectores en todas las bases y 𝑉 se llama espacio vectorial de dimensión finita. Si
𝑣 = {0}, entonces se dice que 𝑉 tiene dimensión cero.
Nota: la dimensión de 𝑉 se denota por 𝑑𝑖𝑚𝑉.

Ejemplo: encuentre una base y dimensión para el espacio de solución de 𝑆 del sistema
𝑥 + 2𝑦 − 𝑧 = 0
homogéneo {
2𝑥 − 𝑦 + 3𝑧 = 0
Solución

1 2 −1 0 𝐴12 (−2) 1 2 −1 0 𝑀2 (−1/5)

( | ) →( | )
2 −1 3 0 0 −5 5 0
1 2 −1 0 𝐴21 (−2 1 0 1 0
→( | ) →( | )
0 1 −1 0 0 1 −1 0
Entonces.
𝑥+𝑧 =0 → 𝑥 = −𝑧
𝑦−𝑧=0 → 𝑦=𝑧
−𝑧 −1
Luego todas las soluciones son de la forma ( 𝑧 ) = 𝑧 ( 1 ).
𝑧 1
−1
Entonces ( 1 ). Es una base para 𝑆 y 𝑑𝑖𝑚𝑆 = 1.
1
Teorema: Suponga que 𝑑𝑖𝑚𝑉 = 𝑛. Si 𝑢1 , 𝑢2 , … , 𝑢𝑚 es un conjunto de m vectores linealmente
independientes de 𝑉, entonces 𝑚 ≤ 𝑛.
Teorema: sea 𝐻 un subespacio de un espacio vectorial de dimensión finita 𝑉. entonces 𝐻 tiene
dimensión finita y 𝑑𝑖𝑚𝐻 ≤ 𝑑𝑖𝑚𝑉.
Ejercicio: encuentre una base y dimensión para el espacio de solución 𝑆 del sistema.
2𝑥 − 𝑦 + 3𝑧 = 0
{ 4𝑥 − 2𝑦 + 6𝑧 = 0
−6𝑥 + 3𝑦 − 4𝑧 = 0
 ÁLGEBRA LINEAL

Valores Propios y Vectores Propios

Definición: sea 𝐴 una matriz de 𝑛𝑥𝑛 con componentes reales. El número 𝜆 (real o complejo)
se llama valor propio de 𝐴 si existe un vector diferente de cero 𝑣 en 𝐶 𝑛 tal que.
𝐴𝑣 = 𝜆𝑣
El vector 𝑣 ≠ 0 se llama vector propio de 𝐴 correspondiente al valor propio de 𝜆.
10 −18
Ejemplo 1: sea 𝐴 = ( ), entonces.
6 −11
2 10 −18 2 2
𝐴( ) = ( )( ) = ( )
1 6 −11 1 1
Luego, 𝜆 = 1.
Ejemplo 2: con la misma matriz 𝐴.
3 10 −18 3 −6 3
𝐴( ) = ( ) ( ) = ( ) = −2 ( )
2 6 −11 2 −4 2
Luego, 𝜆 = −2.

Teorema: Sea 𝐴 una matriz de 𝑛𝑥𝑛. Entonces 𝜆 es un valor propio de 𝐴 sí y solo sí.
𝑃 (𝜆) = det(𝐴 − 𝜆𝐼 ) = 0
Nota: la ecuación del teorema anterior se llama ecuación característica y 𝑃(𝜆) polinomio
característico, ambos de 𝐴.

Procedimiento Para Calcular Valores Propios y Vectores Propios.

𝑖) se encuentran 𝑃(𝜆) = det(𝐴 − 𝜆𝐼 ).
𝑖𝑖) se encuentran las raíces 𝜆1 , 𝜆2 , … , 𝜆𝑚 de 𝑃 (𝜆) = 0.
𝑖𝑖𝑖) se resuelve el sistema homogéneo (𝐴 − 𝜆𝐼 )𝑣 = 0, correspondiente a cada valor propio
𝜆𝑖 .

Ejemplo: hallar los valores propios y vectores propios de.

1 −1 4
𝐴 = (3 2 −1)
2 1 −1
 ÁLGEBRA LINEAL

Solución

1 −1 4 1 0 0
𝑖) 𝑃 (𝜆) = det ((3 2 −1) − 𝜆 (0 1 0))
2 1 −1 0 0 1
1−𝜆 −1 4
det ( 3 2−𝜆 1 )
2 1 −1 − 𝜆
= −𝜆3 + 2𝜆2 + 5𝜆 − 6
𝑖𝑖) −𝜆3 + 2𝜆2 + 5𝜆 − 6 = 0
𝜆3 − 2𝜆2 − 5𝜆 + 6 = 0; 𝜆 = 1
1 −2 −5 6 1
1 −1 −6
1 −1 −6 0

Luego, (𝜆 − 1)(𝜆2 − 𝜆 − 6) = 0
(𝜆 − 1)(𝜆 − 3)(𝜆 + 2) = 0

Entonces, 𝜆1 = 1, 𝜆2 = 3, 𝜆3 = −2 (valores propios).

𝑖𝑖𝑖)

 para 𝜆1 = 1
1 −1 4 1 0 0 𝑋1 0
[(3 2 −1) − 1 (0 1 0)] (𝑋2 ) = (0)
2 1 −1 0 0 1 𝑋3 0
0 −1 4 0 𝐴32 (−1) 0 −1 4 0 𝑃12 1 0 1 0 𝐴13 (−2)
(3 1 −1|0) → (1 0 1 |0) → (0 −1 4 |0)
2 1 −2 0 2 1 −2 0 2 1 −2 0
1 0 1 0 𝐴32 (−1) 1 0 10
→ (0 −1 4 |0) → (0 −1 4|0)
0 1 −4 0 0 0 00
Entonces, 𝑋1 + 𝑋3 = 0 → 𝑋1 = −𝑋3
−𝑋2 + 4𝑋3 = 0 → 𝑋2 = 4𝑋3
Luego,
𝑋1 −𝑋3 −1 −1
(𝑋2 ) = ( 4𝑋3 ) = 𝑋3 ( 4 ) → 𝑣1 = ( 4 )
𝑋3 𝑋3 1 1
 ÁLGEBRA LINEAL

 Para 𝜆2 = 3
1 −1 4 1 0 0 𝑋1 0
[(3 2 −1 ) − 3 ( 0 1 0 )] (𝑋 2 ) = ( 0)
2 1 −1 0 0 1 𝑋3 0
𝐴12 (−1) 1
−2 −1 4 0 𝐴13 (1) −2 −1 4 0 𝑀2 (5) −2 −1 4 0 𝐴21 (4)
(3 −1 −1|0) →( 5 0 −5|0) →( 1 0 1|0)
2 1 −4 0 0 0 0 0 0 0 00
2 −1 0 0
→ (1 0 −1|0)
0 0 0 0
Entonces, 2𝑋1 − 𝑋2 = 0 → 𝑋2 = 2𝑋1
𝑋1 − 𝑋3 = 0 → 𝑋3 = 𝑋1
Luego,
𝑋1 𝑋1 1 1
(𝑋2 ) = (2𝑋1 ) = 𝑋1 (2) → 𝑣2 = (2)
𝑋3 𝑋1 1 1
 Para 𝜆3 = −2
1 −1 4 1 0 0 𝑋1 0
[(3 2 −1) − (−2) (0 1 0)] (𝑋2 ) = (0)
2 1 −1 0 0 1 𝑋3 0
𝐴12 (4) 1 𝐴21 (−4)
3 −1 4 0 𝐴13 (1) 3 −1 4 0 𝑀2 (15) 3 −1 4 0 𝐴23 (−5)
(3 |
4 −1 0 ) (
→ 15 0 |
15 0 ) (
→ 1 0 1|0)
2 1 1 0 4 0 5 0 5 0 50
−1 −1 0 0
→( 1 0 1|0)
0 0 00
Entonces, −𝑋1 − 𝑋2 = 0 → 𝑋2 = −𝑋1

𝑋1 + 𝑋3 = 0 → 𝑋3 = −𝑋1
Luego,
𝑋1 𝑋1 1 1
(𝑋2 ) = (−𝑋1 ) = 𝑋1 (−1) → 𝑣3 = (−1)
𝑋3 −𝑋1 −1 −1
 ÁLGEBRA LINEAL

Ejercicios: Hallar los valores propios y vectores propios de.

2 −1
1) 𝐴 = ( )
−4 2

3 −5
2) 𝐴 = ( )
1 −1

2 5 6
3) 𝐴 = 0 −3 2)
(
0 0 5

Transformación Lineal
Definición: sea 𝑉 y 𝑊 espacios vectoriales. Una transformación lineal 𝑇 de 𝑉 en 𝑊 es una
función que asigna a cada vector 𝑣 ∈ 𝑉 un vector único 𝑇𝑣 ∈ 𝑊 y que satisface, para cada
𝑢 𝑦 𝑣 en 𝑉 y cada escalar α.
𝑖) 𝑇(𝑢 + 𝑣) = 𝑇𝑢 + 𝑇𝑣
𝑖𝑖) 𝑇(𝛼𝑣) = 𝛼𝑇𝑣
Nota:

1) Se escribe 𝑇: 𝑉 → 𝑊 para indicar que 𝑇 toma el espacio vectorial real 𝑉 y lo lleva al

espacio vectorial real 𝑊.
2) 𝑇𝑣 y 𝑇(𝑣) denotan lo mismo.
𝑥+𝑦
𝑥
Ejemplo: sea 𝑇: 𝑅2 → 𝑅3 definida por 𝑇 (𝑦) = (𝑥 − 𝑦) determine si es una
3𝑦
transformación lineal.
Solución:
𝑥1 + 𝑥2 + 𝑦1 + 𝑦2
𝑥1 𝑥2 𝑥1 + 𝑥2
𝑖) 𝑇 [(𝑦 ) + (𝑦 )] = 𝑇 [𝑦 + 𝑦 ] = [𝑥1 + 𝑥2 − (𝑦1 + 𝑦2 )]
1 2 1 2
3𝑦1 + 3𝑦2
𝑥1 + 𝑦1 + 𝑥2 + 𝑦2 𝑥1 + 𝑦1 𝑥2 + 𝑦2
𝑥1 𝑥2
= [𝑥1 − 𝑦1 + 𝑥2 − 𝑦2 ] = [𝑥1 − 𝑦1 ] + [𝑥2 − 𝑦2 ] = 𝑇 (𝑦 ) + 𝑇 (𝑦 )
1 2
3𝑦1 + 3𝑦2 3𝑦1 3𝑦2
𝛼𝑥 + 𝛼𝑦 𝑥+𝑦
𝑥 𝛼𝑥 𝑥
𝑖𝑖) 𝑇 [𝛼 (𝑦)] = 𝑇 [(𝛼𝑦)] = (𝛼𝑥 − 𝛼𝑦) = 𝛼 (𝑥 − 𝑦) = 𝛼𝑇 (𝑦 )
3𝛼𝑦 3𝑦
Luego se cumple 𝑖) 𝑦 𝑖𝑖), entonces si es una transformación lineal.
 ÁLGEBRA LINEAL

Ejercicios:
1) Determine si la trasformación de 𝑉 en 𝑊 dada, es lineal.
𝑥 𝑥
3 2 𝑦
𝑇: 𝑅 → 𝑅 ; 𝑇 ( ) = (𝑦)
𝑧

𝑥
3 2 1
2) Dada la aplicación definida 𝑇: 𝑅 → 𝑅 por. 𝑇 (𝑦) = ( ) determinar si 𝑇 es
𝑧 𝑧
transformación lineal.

Propiedades de las Transformaciones Lineales.

Teorema: sea 𝑇: 𝑉 → 𝑊 una transformación lineal. Entonces para todos los vectores
𝑢, 𝑣, 𝑣1 , 𝑣2 , … , 𝑣𝑛 en 𝑉 y todos los escalares 𝛼1 , 𝛼2 , … , 𝛼𝑛 :
𝑖) 𝑇(0) = 0
𝑖𝑖) 𝑇(𝑢 − 𝑣) = 𝑇𝑢 − 𝑇𝑣
𝑖𝑖𝑖) 𝑇(𝛼1 𝑣1 + 𝛼2 𝑣2 + ⋯ + 𝛼𝑛 𝑣𝑛 ) = 𝛼1 𝑇𝑣1 + 𝛼2 𝑇𝑣2 + ⋯ + 𝛼𝑛 𝑇𝑣𝑛
Nota: en la parte 𝑖) el 0 de la izquierda es el vector cero en 𝑉, mientas que el 0 de la derecha
es el vector cero en 𝑊.
Teorema: sea 𝑉 un espacio vectorial de dimensión finita con base 𝐵 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } sean
𝑤1 , 𝑤2 , … , 𝑤𝑛 , 𝑛 vectores en 𝑊, suponga que 𝑇1 𝑦 𝑇2 son dos transformaciones lineales de 𝑉
en 𝑊 tales que 𝑇1 𝑣𝑖 = 𝑇2 𝑣𝑖 = 𝑤𝑖 para 𝑖 = 1,2, … , 𝑛. Entonces para cualquier vector 𝑣 ∈
𝑉, 𝑇1 𝑣 = 𝑇2 𝑣; es decir, 𝑇1 = 𝑇2 .

Ejemplo: Sea 𝑇 una transformación lineal de 𝑅3 𝑒𝑛 𝑅2 y suponga que

1 0 0 3
2 −1 5
𝑇 (0) = ( ) ; 𝑇 (1) = ( ) 𝑦 𝑇 (0) = ( ). Calcular 𝑇 (−4)
3 4 −3
0 0 1 5
Solución: se tiene
3 1 0 0
(−4) = 3 (0) − 4 (1) + 5 (0)
5 0 0 1
Entonces
3 1 0 0
𝑇 (−4) = 3𝑇 (0) − 4𝑇 (1) + 5𝑇 (0)
5 0 0 1
 ÁLGEBRA LINEAL
2 −1 5
= 3( )− 4( )+ 5( )
3 4 −3
35
=( )
−22

Núcleo e Imagen de una Transformación Lineal.

Definición: sean 𝑉 𝑦 𝑊 dos espacios vectoriales y sea 𝑇: 𝑉 → 𝑊 una transformación lineal.
Entonces.
𝑖) el núcleo de 𝑇, denotado como 𝑛𝑢𝑇, está dado por 𝑛𝑢𝑇 = {𝑣 ∈ 𝑉/𝑇𝑣 = 0}.
𝑖𝑖) la imagen de 𝑇, denotado por imagen 𝑇, esta dado por imagen 𝑇 = {𝑤 ∈ 𝑊/𝑤 = 𝑇𝑣}
para algún 𝑣 ∈ 𝑉.