1

INSTITUTO TECNOLOGICO DE MORELIA

PROFESOR:
ING. RUBEN VEGA CANO

ALUMNA:
DANIELA ROMERO ESCOBEDO

TRABAJO:
ESPACIOS VECTORIALES & TRANSFORMACIONES
LINEALES

CARRERA:
INGENIERIA EN GESTION EMPRESARIAL















MORELIA, MICHOACAN, A 05 DE JUNIO DEL 2014
2
INDICE
INDICE 2
INTRODUCCIN. 3
PROPIEDADES DE LA SUMA DE VECTORES. 3
PROPIEDADES DEL PRODUCTO DE UN VECTOR POR UN ESCALAR. 3
DEFINICIN: ESPACIO VECTORIAL. 3
SUBESPACIOS VECTORIALES 7
DESCRIPCIN DE LOS SUBESPACIOS DE R
N
. 9
RELACIN ENTRE LA FORMA IMPLCITA Y PARAMTRICA. 10
INCLUSIN DE SUBESPACIOS. 10
OPERACIONES CON SUBESPACIOS 11
1. INTERSECCIN DE SUBESPACIOS. 11
2. SUMA DE SUBESPACIOS. 11
PROPIEDADES DE LA DEPENDENCIA / INDEPENDENCIA LINEAL. 13
TRANSFORMACIONES LINEALES 14
DEFINICIN DE TRANSFORMACIN 14
DOMINIO, CODOMINIO, NCLEO Y RECORRIDO DE UNA TRANSFORMACIN. 15
DEFINICIN DE TRANSFORMACIN LINEAL 16
FUENTES DE INFORMACION: 18


3
INTRODUCCIN.
La idea de vector est tomada de la Fsica, 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 representacin grfica y manejo de los vectores de R
2
y de R
3
.
En Matemticas, tratamos de abstraer las propiedades que caracterizan a los vectores para
extenderlas tambin a otro tipo de objetos diferentes de los vectores de la Fsica. 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 nmero (escalar) y obtenemos otro vector.
Adems estas operaciones cumplen ciertas propiedades, que observamos en los vectores de R
2
y
de R
3
: En lo sucesivo, utilizaremos habitualmente la siguiente notacin: u,v,w (u otras letras
latinas) para vectores, mientras que las letras griegas designarn escalares.
PROPIEDADES DE LA SUMA DE VECTORES.
Asociativa: (u+v)+w = u+(v+w)
Conmutativa: v+u=u+v.
Existe un elemento neutro, el vector 0 , tal que 0 + v = v para cualquier vector v.
Para cada vector v existe un elemento opuesto, v, que sumado con l da 0

.
PROPIEDADES DEL PRODUCTO DE UN VECTOR POR UN ESCALAR.
Asociativa: (v)=()v
Distributivas:
1. Respecto de la suma de escalares: (+)v=v+v
2. Respecto de la suma de vectores: (u+v)=u+v
Existe un elemento unidad: el escalar 1, tal que 1 v = v para cualquier vector v.
DEFINICIN: ESPACIO VECTORIAL.
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
llamarn vectores (aunque pueda tratarse de objetos diferentes a los vectores de la Fsica.)
4
Diremos que el espacio vectorial es real o complejo, segn sean los escalares.
Otras propiedades de los espacios vectoriales pueden deducirse de las anteriores propiedades
bsicas.Por ejemplo:
Si v= 0

( escalar, v vector)entonces o bienes =0 o bien es v= 0Ejemplos de espacios vectoriales.

1) El espacio R
n
, formado por los vectores de n componentes (x
1
, . . .,x
n
) es un espacio vectorial
real, en el que se pueden sumar vectores y multiplicar por un escalar (real) de la forma habitual.
Se puede comprobar que se cumplen las propiedades requeridas para ambas operaciones.
El vector cero es (0,. . .,0).
No es un espacio vectorial complejo, pues no podemos multiplicar por escalares complejos (si lo
hacemos, el resultado no se mantendr dentro de R
n
).
2) Consideremos el conjunto P
2
de los polinomios de grado 2 con coeficientes reales:
P
2
={ax
2
+bx+c:a,b,c R }
Es un espacio vectorial real, pues podemos sumar dos elementos de P
2
y obtenemos otro elemento
de P
2
; tambin podemos multiplicar un elemento de P
2
por un escalar real y obtenemos otro
elemento de P
2.
Vemoslo:
Suma:
(ax
2
+bx+c)+(ax
2
+bx+c)=(a+a)x
2
+(b+b)x+(c+c) que pertenece a P
2.
Producto por un escalar real:
R , (ax + bx + c) = ax
2
+ bx + c que pertenece a P
2.

Se puede comprobar que se cumplen las propiedades requeridas.
El vector 0

es el polinomio cero: 0x
2
+0x+0
No es un espacio vectorial complejo, pues al multiplicar por un escalar complejo el resultado podr
ser un polinomio complejo que no pertenece a P
2
.
3) Consideremos el conjunto G de los polinomios de grado = 3 (exactamente 3) con coeficientes
reales.
No es un espacio vectorial (real ni complejo), pues al sumar dos elementos de G, no est
garantizado que el resultado est en G. En efecto, consideremos los polinomios
5
p = x
3
+x
2
+x+1 , q = x
3
+x
2
+x+1
Pertenecen a G, pues su grado es 3. Pero su suma es p+q = 2x
2
+2x+2 que no pertenece a G (su
grado no es 3).
4) Consideremos el conjunto M
2x2
(tambin denotado por M
2
) de las matrices 2x2 con trminos
reales:


Es un espacio vectorial real, pues podemos sumar dos matrices de M
2x2
obteniendo otra
matriz de M
2x2
, y multiplicar una matriz de M
2x2
por un escalar real obteniendo otra matriz
de M
2x2.
Se puede comprobar que se cumplen las propiedades. El vector 0

es, en este caso, la
matriz con todos sus trminos nulos.
No es un espacio vectorial complejo. 5) Consideremos el conjunto MC de las matrices 2x3 con
trminos complejos.
Es un espacio vectorial real, pues podemos sumar dos matrices de MC obteniendo otra matriz de
MC, y multiplicar un elemento de MC por un escalar real obteniendo otra matriz de MC
.

Tambin es un espacio vectorial complejo, pues podemos multiplicar una matriz de MC por un
escalar complejo obteniendo otra matriz de MC
.

(Comprubese con elementos genricos).
6) Consideremos el conjunto ME de las matrices 3x2 con trminos enteros. Podemos sumar dos
matrices de ME y obtenemos otro elemento de ME:

Sin embargo ME no es un espacio vectorial real, pues al multiplicar un elemento de ME por un
escalar real no est garantizado que el resultado permanezca dentro de ME. Si el escalar es p.ej. el
nmero real 1.25, el resultado ya no es una matriz con trminos enteros.
6
Por similar razn tampoco es un espacio vectorial complejo.
7) El conjunto C de los nmeros complejos se puede considerar como un espacio vectorial
real. En efecto, se pueden sumar dos nmeros complejos obtenindose otro nmero complejo; y se
puede multiplicar un complejo por un escalar real, obtenindose otro complejo. Es decir,
Suma: (a+bi ) + (c+di ) = (a+c) + (b+d)i, que es otro nmero complejo. Producto por un escalar
real: R , (a+bi ) = a + bi que es otro nmero complejo.
La suma y el producto por un escalar cumplen todas las propiedades requeridas. En este caso el
vector 0

es el nmero complejo cero, 0+0i.
Ntese que aqu los complejos funcionan como vectores (elementos del espacio vectorial C ) y los
reales como escalares.
Observar adems que, en este contexto, el conjunto de los nmeros complejos se comporta igual
que el espacio vectorial R
2
, identificando el nmero complejo a+bi con el vector (a,b).
Este es el motivo por el cual se suele representar el plano complejo como si fuera R
2
, con la parte
real en el eje de abscisas y la parte imaginaria en el eje de ordenadas.
8) El conjunto de las funciones continuas definidas en R : Se pueden sumar dos funciones, y se
puede multiplicar una funcin por un escalar real.
Por ejemplo, las funciones f(x)=x
2
y g(x)=log(x) pueden sumarse y resulta otra funcin
h(x)=x
2
+log(x). La funcin g(x)=log(x) puede multiplicarse por el escalar y resulta la funcin k(x)=
log(x).
Si sumamos dos funciones continuas, el resultado es otra funcin continua. Si multiplicamos una
funcin continua por un escalar, el resultado es otra funcin continua.
Las operaciones cumplen las propiedades requeridas. El vector 0 es la funcin constante 0. Por tanto
se trata de un espacio vectorial real.
Hay muchos otros espacios vectoriales. Gracias a esto, las propiedades que encontremos para
espacios vectoriales en general, las podemos aplicar a matrices, polinomios, funciones...
Observacin.
En algunos espacios vectoriales reales, distintos de R
n
, puede hacerse un paralelismo o
identificacin con R
n
, para un n adecuado.
Por ejemplo, ya hemos visto cmo el espacio vectorial real C de los nmeros complejos puede
identificarse con R
2
, correspondiendo el nmero complejo a+bi al vector (a,b)

7
Veamos cmo el espacio P
2
= { polinomios de grado 2 } puede identificarse con R
3
: cada
polinomio ax
2
+bx+c correspondera al vector (a,b,c) de R
3
.
Lo mismo ocurre con el espacio de matrices M
2x2
= { matrices 2x2 }, que se identifica con R
4
,
correspondiendo a

la matriz el vector (a,b,c,d).

En todos los casos las operaciones de suma y producto por escalar se pueden trasladar
paralelamente del espacio considerado a R
n
. Esto hace posible efectuar las operaciones en R
n
en
lugar de otros espacios.
SUBESPACIOS VECTORIALES
Dado un espacio vectorial V, podemos considerar una parte S de l que funcione como un espacio
vectorial ms pequeo, 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. Slo necesitaremos que, al efectuarlas, su resultado quede
dentro de S.
Definicin: Subespacio.
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.
(Se puede decir que S es cerrado para las operaciones suma y producto por escalar.) Es decir:
0S. Siv,wSentoncesv+wS. SivS y esunescalar,entoncesvS.
Ya no hace falta comprobar que se cumplen las propiedades asociativa, conmutativa, etc. puesto
que sabemos que se cumplen en V, y por tanto tambin en S (se dice que S hereda las
propiedades de las operaciones en V).
Por supuesto si para V utilizamos escalares reales, tambin para S; si para V utilizamos complejos,
tambin para S.
Ejemplos de subespacios.
1) La recta x=y es un subespacio de R
2
. Est formado por los vectores de la forma (a,a). Contiene al
vector (0,0). Adems, es cerrado para la suma y producto por escalar:
8
Suma: (a,a) + (b,b) = (a+b, a+b) que tambin es un elemento de la recta. Producto por un
escalar: R , (a,a) = (a, a) que tambin es un elemento de la recta.
2) El plano XY es un subespacio de R
3
. Est formado por los vectores de la forma (x,y,0). Contiene
al vector (0,0,0). Adems, es cerrado para la suma y producto por escalar:
Suma: (x,y,0) + (x,y,0) = (x+x, y+y, 0) que tambin es un elemento del plano. Producto por un
escalar: R , (x,y,0)=(x, y, 0) que tambin es un elemento del plano.
Podemos decir que este plano es como R
2
pero incluido en R
3
.
3) Es un subespacio de R
2
el conjunto de los vectores de la forma (a,1)? No, puesto que no
contiene al (0,0). O tambin: porque no se puede sumar dentro de este conjunto, por ejemplo
(a,1)+(b,1)=(a+b,2) que no pertenece al conjunto.
4) En el espacio P
2
= { polinomios de grado 2 }, el conjunto de los polinomios de grado 1 forma un
subespacio. En efecto, contiene al polinomio cero, y podemos sumar y multiplicar
por un escalar sin salir del conjunto: Suma: (ax+b) + (ax+b) = (a+a)x + (b+b) que tambin es un
polinomio de grado 1.

Producto por escalar: R , (ax+b)= ax+b que tambin es un polinomio de grado 1.
6) Geomtricamente, los subespacios vectoriales de R
2
y R
3
son rectas, planos, y slo uno de ellos
es un punto, el {0}.
Las curvas o las superficies curvas no son subespacios; tampoco las figuras geomtricas finitas,
como crculos o polgonos en el plano, esferas o poliedros en el espacio.
(Comprobar grficamente que no pueden sumarse vectores dentro de este tipo de conjuntos)
7) En todo espacio vectorial existen el subespacio cero, formado solamente por el vector, { 0 }, y el
subespacio total, formado por todos los vectores del espacio.
9
DESCRIPCIN DE LOS SUBESPACIOS DE R
N
.
Los subespacios de R
n
pueden describirse de dos formas: implcita y paramtrica.
Forma implcita: Mediante ecuaciones. Los vectores que verifiquen las ecuaciones son los que
pertenecen al subespacio.
Forma paramtrica: Mediante una expresin con parmetros, los cuales al tomar distintos valores
producen todos los vectores del subespacio.
Para pasar de una a otra forma:
De la forma implcita a la paramtrica: Basta considerar las ecuaciones implcitas como un sistema,
y resolverlo. La solucin general del sistema (que podr depender de parmetros) es la expresin
paramtrica.
De la forma paramtrica a la implcita: Podemos decir, aunque no es un mtodo riguroso, que se
trata de describir mediante ecuaciones cmo es el vector genrico del subespacio.
Ayudar el conocer qu nmero de ecuaciones es necesario (lo que se ver ms adelante).
Ejemplos: 1) En R
2
, la recta bisectriz del primer cuadrante puede describirse en implcitas como
{ y=x }, y en paramtricas como { (,) : R } 2) En R
3
, dado el subespacio en paramtricas { (,
, ) : , R }, su forma implcita
es la ecuacin { z=xy } . 3) En R
3
, dado el subespacio en paramtricas { (,,3) : R }, para
describirlo en
4) Consideremos el subespacio de R
3
dado en implcitas por

Cul es su forma paramtrica? Para ello resolvemos el sistema, que es compatible
indeterminado. La solucin depende de un parmetro y es { ( R }.

10
5) El subespacio cero y el subespacio total constituyen un caso especial.
Por ejemplo en R
3
:

- El subespacio { (0,0,0) } tiene como ecuaciones implcitas

Su forma paramtrica es (0,0,0): no hay parmetros, pues como se trata de un solo punto, no se
puede variar nada.
- Por el contrario el subespacio total R
3
tiene como forma paramtrica { (,,) : ,, R } (tres
parmetros variando libremente, pues no hay ninguna limitacin). Ecuaciones implcitas no tiene
ninguna, pues no hay restriccin alguna que imponer.
RELACIN ENTRE LA FORMA IMPLCITA Y PARAMTRICA.
Si S es un subespacio de R
n
, la forma implcita y paramtrica de S satisfacen en general la
siguiente relacin:
No de ecuaciones implcitas + No de parmetros = n. (n es el no de incgnitas).
Comprobar esta relacin en los ejemplos anteriores.
Sin embargo para que esto sea cierto debe cumplirse que las ecuaciones implcitas sean
independientes entre s, es decir, que ninguna sea combinacin lineal de otras. Esto significa que,
considerando las ecuaciones como un sistema, no sobre ninguna ecuacin: es decir, que la matriz
de coeficientes tenga rango igual al nmero de ecuaciones.
Tambin los parmetros deben ser independientes entre s: por ejemplo en la expresin paramtrica
(+, +, 0), que en R
3
corresponde a la forma implcita {x=y , z=0}, no se cumple la relacin
anterior: 2+2 = 3. Esto ocurre porque los dos dos parmetros no son independientes.
En realidad puede sustituirse + por un solo parmetro y as tendramos (, , 0) y ya se cumple
2+1=3.
INCLUSIN DE SUBESPACIOS.
Dados dos subespacios A y B, puede ocurrir que uno est incluido en otro (una recta dentro de un
plano, por ejemplo).
Se dice que A est contenido o incluido en B (y se denota A B) si todos los elementos de A estn
tambin en B.
En cualquier espacio vectorial V, el subespacio {0} est contenido en todos los dems subespacios;
mientras que todos ellos estn contenidos en el total V.

11
Veamos cmo reconocer si un subespacio est incluido en otro: - En forma implcita: Si las
ecuaciones de B estn incluidas en las de A, entonces A B.
(Cuantas ms ecuaciones implcitas, ms pequeo es el subespacio).
OPERACIONES CON SUBESPACIOS
A partir de dos subespacios podemos construir otro efectuando las operaciones de suma o
interseccin de subespacios.
- En forma paramtrica: Para ver si A B, tendremos que ver si todo vector genrico de A, est en B.
1. INTERSECCIN DE SUBESPACIOS.
La interseccin, indicada por el smbolo , puede aplicarse a
conjuntos cualesquiera, no slo a espacios vectoriales.
Consiste en encontrar los elementos comunes a dos
conjuntos.
Por ejemplo, la interseccin de dos planos en R
3
podr ser
una recta.
Notar que dados dos subespacios cualesquiera, siempre hay vectores comunes a ambos
Teorema
La interseccin de subespacios es un subespacio.
En efecto, es posible sumar vectores dentro de ST , pues por ser S y T subespacios, la suma debe
permanecer dentro de S y dentro de T, y por tanto dentro de ST. Lo mismo para el producto por
escalares.
Clculo de la interseccin.
La forma ms sencilla (aunque no la nica) de calcular ST es utilizar la expresin implcita de S y
de T.
Como buscamos los vectores que verifiquen a la vez ambas condiciones, podremos describir ST
considerando conjuntamente las ecuaciones implcitas de S y las de T (formando un sistema con
todas ellas).
Este sistema, si es sencillo, puede considerarse ya como la forma implcita de ST. En todo caso,
resolviendo este sistema obtenemos la forma paramtrica de ST.
2. SUMA DE SUBESPACIOS.
Dados dos subespacios S, T se define el subespacio suma como: S+T={u+v : uS,vT} es decir,
12
aquellos vectores que podamos construir sumando un vector de S y uno de T.
Teorema
La suma de subespacios es un subespacio.
Clculo del subespacio suma.
Al contrario que la interseccin, la suma S+T se calcula ms fcilmente usando la forma paramtrica
de S y de T. Esto nos permite tomar un vector genrico de cada uno de los subespacios y sumarlos,
obtenindose una expresin paramtrica de S+T.
No obstante la forma paramtrica as obtenida puede tener parmetros no independientes.
Ejemplo.
Consideremos los subespacios en R
3
dados en paramtricas por: H={(,+,): , R }
K={ (0,0, ) : R } Entonces los elementos de H+K se formarn sumando (, +, ) + (0,0, ) =
(, +, +) es decir, H+K={(,+,+) : ,, R }

DEPENDENCIA E INDEPENDENCIA LINEAL
Definicin: Combinacin lineal.
Dado un conjunto de vectores v
1
, . . ., v
n
se llama una combinacin lineal de ellos a cualquier vector
de la forma
v=
1
v
1
+...+
n
v
n
donde
1 , . . . ,

n
son escalares, llamados coeficientes de la combinacin lineal.
Teorema.
Para probar que un conjunto S es subespacio, basta probar que:
La combinacin lineal de elementos de S est en S.
(Ello es debido a que calcular una combinacin lineal de vectores involucra tanto la suma como el
producto por escalares, as que equivale a probar ambas cosas por separado).
Esto se suele expresar diciendo que un subespacio es un conjunto cerrado para las combinaciones
lineales.
Ejemplo: Veamos si es subespacio de R
2
el conjunto U={ (, ) : R }. Tomamos dos elementos
genricos de U, (, ) y (, ). Una combinacin lineal de ellos es:
(, ) + (, ) = (+, +) que tambin es un elemento de U. Por tanto U es subespacio.
13

Definicin: Dependencia lineal.
Se dice que un conjunto de vectores es linealmente dependiente (o ligado) si:
- (a) Al menos uno de ellos es combinacin lineal de los dems. Esto se puede expresar
tambin as:
- (b) El vector 0

es combinacin lineal de ellos (con coeficientes no todos nulos).
Ejemplo
Sean en R
2
los vectores u=(1,1), v=(0,3), w=(2,5) . Observamos que son linealmente
dependientes por (a):
w es combinacin lineal de u y v , puesto que w = v+2u.
(pueden encontrarse tambin otras combinaciones, como u =
1
2
w
1
2
v , etc).
Tambin podemos verlo por (b):
0 es combinacin lineal de u, v , w puesto que 0 = v+2uw, (y los coeficientes de esta combinacin
lineal son 1, 2, 1 que no son todos nulos).
Definicin: Independencia lineal.
En caso de que un conjunto de vectores no sea linealmente dependiente, se dice que es linealmente
independiente ( o libre ) .
Por tanto, escribiendo la negacin de la definicin de dependencia lineal, tendremos que un conjunto
de vectores es linealmente independiente cuando:
(a) Ninguno de ellos es combinacin lineal de los dems. O equivalentemente:
(b) El vector 0 no es combinacin lineal de ellos, a no ser que la combinacin tenga coeficientes
todos nulos.
Expresando (b) de otra manera, (b) La nica forma de poner 0

como combinacin lineal de los
vectores, es con todos los coeficientes nulos.
PROPIEDADES DE LA DEPENDENCIA / INDEPENDENCIA LINEAL.
1) El conjunto formado por un solo vector v no nulo, es libre. (En efecto, una combinacin lineal de v
es solamente v, y v= 0

slo puede conseguirse con =0).
2) Dos vectores v, w son linealmente dependientes cuando uno es mltiplo del otro , v=w (ya que
esto equivale a decir que uno es combinacin lineal del otro).
3) Todo conjunto que contenga al 0

es ligado. Vemoslo para 3 vectores: si tenemos { v, w, 0 }
podemos formar 0 como combinacin de ellos:0v+0w+1 0 = 0 y los coeficientes de esta
14
combinacin lineal son 0, 0, 1 y por tanto no todos nulos.
4) Si un conjunto es ligado, aadindole vectores sigue siendo ligado. (En efecto, si un vector es
combinacin de otros, aunque aadamos ms vectores seguir sindolo.)
5) Si un conjunto es libre, quitndole vectores sigue siendo libre. (En efecto, si no se puede formar 0

como combinacin de ellos, al quitar vectores tampoco se podr)
6) Si un conjunto es libre, se pueden aadir ms vectores libres hasta un cierto nmero (que ser la
dimensin del espacio, segn veremos ms adelante.) Por encima de este nmero ya no se pueden
aadir ms vectores libres.
7) Si un conjunto es ligado, quitndole los vectores que son combinacin lineal de los dems, llegar
a ser libre.
TRANSFORMACIONES LINEALES
Definicin de transformacin
Una funcin, aplicacin o transformacin es un conjunto de operaciones que se realizan sobre un
elemento de un espacio vectorial , para convertirlo en un elemento de otro espacio vectorial .
EJEMPLO 1. Sean los espacios vectoriales
= {
2
+ + |, , R} y = {(, , )|, , R}

y la transformacin :
definida por (
2
+ + ) = ( + 1, + ,0).
Se observa fcilmente que cualquier elemento de se convierte en un elemento de , tras
aplicrsele la
transformacin . Por ejemplo, si = 2
2
+ 2, al aplicarle la transformacin , se obtiene:
(2
2
+2)=(2+1,12,0)
= (1, 1, 0)
Por lo que el polinomio de se convirti en una terna ordenada perteneciente a .

EJEMPLO 2 Sea
2
el espacio vectorial de las matrices cuadradas de orden dos con elementos
reales, y una transformacin :
2

2
que se define como
15

En este caso, la transformacin se aplica del mismo espacio al mismo espacio. Por ejemplo, para el
vector =
0 1
se tiene que la transformacin obtenida es

DOMINIO, CODOMINIO, NCLEO Y RECORRIDO DE UNA TRANSFORMACIN.
Al igual que las funciones tradiciones, las transformaciones tienen tres partes esenciales para existir:
el dominio, el codominio, y la regla de asignacin, como se observa en el ejemplo 2
El dominio es el espacio vectorial al cual se le
aplicar la transformacin; el codominio es el espacio
al cual pertenece el resultado de aplicar la
transformacin; la regla de asignacin es la forma
en la cual se debe manipular un elemento de para
convertirlo en un elemento de ; finalmente, () es
el recorrido de la transformacin, y es el subconjunto
de obtenido a partir de la aplicacin de la
transformacin a cada elemento de .
EJEMPLO 3. Sea la transformacin : R
4

1
, definida por la regla de asignacin
donde R
4
es el espacio vectorial de los cuartetos ordenados con
elementos reales, y
1
es el espacio vectorial de los polinomios de
grado menor o igual a uno.

En este caso, el dominio de ser el espacio R
4
; en tanto que el codominio es
1
. Para obtener el
recorrido de la transformacin se requiere obtener uno de sus conjuntos generadores. Esto se logra
a partir de la transformacin de una base del dominio; es decir, si se aplica la transformacin a la
base de R
4


16
Se obtendr un conjunto generador:

Entonces el conjunto generador del recorrido es:

(Como se observa el conjunto G es generador de P1. En este caso, el recorrido y el condominio son
el mismo)
DEFINICIN DE TRANSFORMACIN LINEAL
Como se ha visto, una transformacin tiene tres elementos esenciales: el dominio, el codominio y la
regla de correspondencia; adems, tiene dos caractersticas importantes derivadas de las tres antes
mencionadas: el recorrido (perteneciente al codominio) y el ncleo (parte del dominio).

En lgebra Lineal se ha hablado de operaciones de suma de vectores y de multiplicacin por un
escalar; para que una transformacin sea caso de estudio en el lgebra Lineal, es necesario que
mantenga dichas operaciones vlidas a lo largo de la transformacin. Es as como surge el concepto
de transformacin lineal.
Sean y dos espacios vectoriales sobre el mismo campo y una transformacin : . Se
dice que es una transformacin lineal si satisface , y las propiedades

Es decir, es lineal si preserva las dos operaciones definidas dentro del espacio vectorial: suma de
vectores y multiplicacin de un escalar por un vector.
EJEMPLO 4. Sean los espacios vectoriales
=

,,, R = {| R}
ambos sobre el campo de los reales. Debe verificarse si las transformaciones : y :
17
son transformaciones lineales, donde

Para el caso de la transformacin se tiene lo siguiente. Superposicion

Por propiedades de la suma y la multiplicacin de los nmeros reales, se concluye que la propiedad
se cumple, ya que la ltima expresin es cierta.

Homogeneidad:


En este caso se tiene que por propiedades de la distribucin en los nmeros reales, la propiedad se
cumple. Al cumplir la superposicin y la homogeneidad, se concluye que es una transformacin
lineal.
Para la transformacin se probar primero la homogeneidad
Homogeneidad:

18
En esta ltima expresin se confirma que el elemento en el rengln dos, columna dos no es el
mismo; por lo tanto la propiedad no se cumple y la transformacin no es lineal.
No es necesario probar la superposicin ya que no posee homogeneidad
FUENTES DE INFORMACION:
http://personales.unican.es/camposn/espacios_vectoriales1.pdf
http://www.ugr.es/~rcamino/docencia/geo1-03/g1tema1.pdf
http://www.slideshare.net/algebralineal/transformaciones-lineales-4784959
http://mate.dm.uba.ar/~jeronimo/algebra_lineal/Capitulo3.pdf