UNIVERSIDAD MICHOACANA DE SAN NICÓLAS DE

HIDALGO.
FACULTAD DE INGENIERÍA CIVIL.

ÁLGEBRA LINEAL 1

“Trabajo final”

ELABORÓ:
CAMPUZANO CHÁVEZ ESMERALDA.
GARCÍA MEJIA CRISTINA.
FUERTE PINEDA EYMAR GERMÁN.

PROFESOR:

ING. ARTURO ZALAPA DAMIAN.

SEMESTRE 05
SECCIÓN 02

Morelia, Mich., a Enero de 2018.

 Álgebra Lineal.

Introducción

A continuación se hablaran y desarrollaran tres temas

importantes, los cuales son: espacios vectoriales, estructura
algebraica y las transformaciones lineales.
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.
Respecto a las estructuras algebraicas desarrollaremos sus
principales estructuras, tales como: Grupo, de los grupos sacamos
el Abeliano, Anillo, Anillo conmutativo, Anillo Unitario, Integridad o
también llamado Dominio de Integridad, Cuerpo y Subcuerpo,
Espacio vectorial y Subespacio Vectorial. Esta investigación nos
da a conocer las notaciones, propiedades, ejemplos y conceptos
de cada uno de los puntos antes nombrados.
Y por último abordaremos una clase especial de funciones
denominadas transformaciones lineales que ocurren con mucha
frecuencia en el álgebra lineal y otras ramas de las matemáticas.
Estas tienen una gran variedad de aplicaciones importantes.

Página 2
 Álgebra Lineal.

Índice

Introducción .....................................................................................2
Espacios vectoriales ...................................................................4
Introducción. .................................................................................4
Definición y propiedades básicas. .........................................4
Espacio Vectorial Real. ...........................................................4
Axiomas de un espacio vectorial. ......................................4
Subespacio vectorial...............................................................5
Sistemas generadores y dependencia lineal..................6
Base y dimensión de un espacio vectorial ......................8
Espacio Renglón y Espacio Columna de una matriz. ...9
Base para el Espacio Renglón de una Matriz. .................9
Rango de una Matriz ...............................................................9
Estructura algebraica ............................................................10
Principales estructuras algebraicas .....................................11
Ejemplos ........................................................................................12
Transformaciones lineales ..................................................18
Conclusión ....................................................................................22
Referencias ..................................................................................23

Página 3
 Álgebra Lineal.

Espacios vectoriales
Introducción.
Los conjuntos R² y R³ junto con las operaciones de suma de
vectores y multiplicación por un escalar se denominan espacios
vectoriales. Se puede decir, de forma intuitiva, que un espacio
vectorial es un conjunto de objetos con dos operaciones que
obedecen las reglas que acaban de escribirse.

Definición y propiedades básicas.

Espacio Vectorial Real.

Un espacio vectorial real ᴠ es un conjunto de objetos,
denominados vectores, junto con dos operaciones binarias
llamadas suma y multiplicación por un escalar y que satisfacen los
diez axiomas enumerados a continuación.

Axiomas de un espacio vectorial.

I. Si x Ɛ ᴠ y y Ɛ ᴠ, entonces x + y Ɛ ᴠ. (Cerradura bajo la suma).
II. Para todo x, y y z en ᴠ, (x + y) + z = x + ( y + z). (Ley asociativa
de la suma de vectores).
III. Entonces en vector 0 Ɛ ᴠ tal que para todo x Ɛ ᴠ, x + 0 = 0 + x
= x. (El 0 se llama vector cero o idéntico aditivo).
IV. Si x Ɛ ᴠ, existe un vector –x en Ɛ ᴠ tal que x + (-x) = 0. (El –x se
llama inverso aditivo de x).
V. Si x y y están en ᴠ, entonces x + y = y + x. (Ley conmutativa
de la suma de vectores).
VI. Si x Ɛ ᴠ y α es un escalar, entonces αx Ɛ ᴠ. (Cerradura bajo la
multiplicación por un escalar).
VII. Si x y y están en ᴠ y α es un escalar, entonces α (x + y) = αx +
αy. (Primera ley distributiva).
VIII. Si x Ɛ ᴠ y α y β son escalares, entonces (α + β) x = αx + βx.
(Segunda ley distributiva).
IX. Si x Ɛ ᴠ y α y β son escalares, entonces α (βx) = (αβ) x. (Ley
asociativa de la multiplicación por escalares).
X. Para cada vector X Ɛ ᴠ, Ix = x.

Página 4
 Álgebra Lineal.

Ejemplos:
1. El espacio Rᴺ.
Cada vector en Rᴺ es una matriz de n x 1.

2. Espacio vectorial trivial.

Sea ᴠ = {0}. Es decir, ᴠ consiste únicamente solo en el número 0.
Como 0 + 0 = 1 ● 0 = 0 + (0 + 0) = (0 + 0) + 0, se ve que ᴠ es un
espacio vectorial. Con frecuencia se le otorga el nombre de
espacio vectorial trivial.

3. Conjunto que no es un espacio vectorial.

Sea ᴠ = {1}. Es decir ᴠ consiste únicamente del número 1.
Éste no es un espacio vectorial ya que viola el axioma de
cerradura.

4. Conjunto de puntos en R² que se encuentra en una recta.

Sea ᴠ = {(x, y): y = mx, donde m es un número real fijo y x es un
número real arbitrario}. Es decir, ᴠ consiste en todos los puntos que
están sobre la recta y = mx que pasa por el origen y tiene
pendiente m.
Para demostrar que ᴠ es un espacio vectorial, se puede verificar
que se cumple cada uno de los axiomas. Se observa que los
vectores R² se han escrito como renglones en lugar de columnas,
lo que en esencia es lo mismo.
Todo vector en ᴠ es un vector en R², y R² es un espacio vectorial.

Subespacio vectorial.
Sea V un espacio vectorial y U un subconjunto suyo. Se dice que
U es un subespacio vectorial de V si satisface las siguientes
propiedades:
1. Si u, v ∈ U, entonces u + v ∈ U.
2. Si λ ∈ R y u ∈ U, entonces λu ∈ U.
3. Con la suma y producto por escalares de V , U es un espacio
vectorial.

Ejemplos:
Primer caso:
Sea U un subconjunto de un espacio vectorial V. Entonces U es un
subespacio vectorial si y sólo si:

Página 5
 Álgebra Lineal.

1. Si u, v ∈ U, entonces u + v ∈ U.
2. Si λ ∈ R y u ∈ U, entonces λu ∈ U.

Segundo caso:
Si U1 y U2 son subespacios vectoriales, entonces U1 y U2 también
es subespacio vectorial.
Si U1 y U2 son subespacios vectoriales de V y U1 ⊂ U2, entonces U1
es un subespacio vectorial de U2.

Tercer caso:
Un espacio vectorial V es suma directa de dos subespacios
vectoriales U y W suyo, y se denota por V = U ⊕ W, si V = U + W y U
∩ W = {0}.

Cuarto caso:
V/U es un espacio vectorial. El elemento neutro es 0 + U y si v + U ∈
V/U, su elemento opuesto es (−v) + U.

Sistemas generadores y dependencia lineal.

Sean X = {v1,...,vn} un conjunto de vectores de un espacio
vectorial V . Una combinación lineal de X es una suma del tipo
a1v1 + ... + anvn.

Propiedades.

o <X> es un subespacio vectorial. Si el cardina de X es 1,

se dice que <v> es la recta vectorial generada por v.
o . Si X ⊂ U, donde U es un subespacio vectorial, entonces
<X>⊂ U.
o Si X ⊂ Y, entonces <X>⊂<Y >.
Como ejemplos tenemos:
1. En R3, < (1, 0, 1), (0, 1, 1) >= {(x, y, z) ∈ R3; x − z = 0, y −
z = 0}.
2. R2 =< (1, 1),(0, 2) >.
3. Rn =< (1, 0,..., 0),...,(0, 0,..., 1) >.
4. Si X es Y son dos conjuntos finitos de vectores,
entonces <X> + <Y >=<X ∪ Y >.

Página 6
 Álgebra Lineal.

Ejemplos:
Primer caso:
Un espacio vectorial V se llama finitamente generado si existe un
conjunto finito de vectores X tal que = V. A X se llama un sistema
de generadores de V.

Segundo caso:
Un conjunto de vectores {v1,...,vn} se dice que es linealmente
independiente (o que forman un conjunto de vectores libre) si la
única combinación lineal nula de ellos es la trivial, es decir, si
siempre que se tenga Ʃ i=1 λivi = 0, entonces λi = 0 para cada i. En
caso contrario, se dice que son linealmente dependientes.

Tercer caso:
1. {v} es linealmente independiente si y y sólo si es no nulo.
2. Dos vectores son linealmente independientes si no son
proporcionales.
3. Todo subconjunto de un conjunto de vectores linealmente
independiente, también es linealmente independiente.
4. Un conjunto de vectores es linealmente dependiente si alguno
de ellos es combinación lineal de los demás.

Cuarto caso:
Una base de un espacio vectorial es un sistema de generadores y
linealmente independiente.

Quinto caso:
Sean X e Y dos conjuntos finitos de un espacio vectorial, tales que
X ⊂ Y, X es linealmente independiente e Y es un sistema de
generadores. Entonces existe una base B de V tal que X ⊂ B ⊂ Y.

Consecuencias:
 Si v es un vector no nulo, v pertenece a una base.
 En todo sistema de generadores, existe un subconjunto suyo
que es base.
 Dado un conjunto de vectores linealmente independientes,
siempre es posible añadir vectores hasta tener una base
(completación).

Página 7
 Álgebra Lineal.

Base y dimensión de un espacio vectorial

Un conjunto de vectores S={v1, v2,…, vn} en un espacio vectorial
V se denomina base de V si se cumplen las siguientes condiciones.
* S genera a V.
* S es linealmente independiente
Una base posee 2 características que se acaban de ver, debe
tener suficientes valores para generar a V, pero no tantos de
modo que uno de ellos pueda escribirse como una combinación
lineal de los demás vectores en S. Si un espacio vectorial consta
de un número finito de vectores, entonces V es de dimensión finita.
En caso contrario, V es de dimensión infinita.
Base
En términos generales, una “base” para un espacio vectorial es un
conjunto de vectores del espacio, a partir de los cuales se puede
obtener cualquier otro vector de dicho espacio, haciendo uso de
las operaciones en él definidas.

La base es natural, estándar o canónica si los vectores v 1, v2,…,

vn forman base para Rn.
Si S={v1, v2,…, vn} es una base para un espacio vectorial V entonces
todo vector v en V se puede expresar como:

1. V = c1v1+ c2v2+…+ cnvn

2. V = k1v1+ k2v2+…+ knvn
Restar 2-1
0 = (c1- k1) v1+(c2- k2) v2+…+(cn- kn) vn

Dimensión.
Se llama dimensión de un espacio vectorial V al número de
vectores que hay en cualquiera de sus bases. Se denota dim (V).
La dimensión de Rn con las operaciones normales es n.
La dimensión de Pn con las operaciones normales es n+1.
La dimensión de Mm,n con las operaciones normales es mn.
Si W es un subespacio de un espacio vectorial n-dimensional,
entonces se puede demostrar que la dimensión de W es finita y
que la dimensión de W es menor o igual que n.

Página 8
 Álgebra Lineal.

Espacio Renglón y Espacio Columna de una matriz.

Sea A una matriz m x n.

El espacio renglón de A es el subespacio de Rn generado por los
vectores renglón de A.
El espacio columna de A es el subespacio de Rn generado por los
vectores columna de A.
Estos dos comparten muchas propiedades, pero debido al
conocimiento que se tiene sobre las operaciones elementales en
los renglones se empieza por considerar el espacio renglón de una
matriz. Cabe recordar que dos matrices son equivalentes por
renglones si una puede obtenerse a partir de la otra al aplicar
operaciones elementales en los renglones. El siguiente teorema
establece que las matrices equivalentes por renglones tienen el
mismo espacio renglón.

Base para el Espacio Renglón de una Matriz.

Si una matriz A es equivalente por renglones a una matriz B que
está en forma escalonada, entonces los vectores renglón
de B diferentes de cero forman una base del espacio renglón
de A.

Rango de una Matriz

La dimensión del espacio renglón (o columna) de una matriz A se
llama rango de A y se denota por rango (A).

Página 9
 Álgebra Lineal.

Estructura algebraica

Aquí se definen las estructuras algebraicas más conocidas según

la operación de suma y multiplicación

En álgebra, una estructura algebraica, también conocida como

sistema algebraico, es una n-tupla (a1, a2,..., an), donde a1 es un
conjunto dado no vacío, y {a2,.., an} un conjunto de operaciones
aplicables a los elementos de dicho conjunto.

grupoide

grupo
una sola ley
semigrupoide

estruturas
semianillo
algebraicas

anillo

dos leyes semicuerpo

cuerpo

reticula

Página 10
 Álgebra Lineal.

Principales estructuras algebraicas

Las estructuras algebraicas se clasifican según las propiedades

que cumplen las operaciones sobre el conjunto dado. En
estructuras algebraicas más elaboradas, se definen además
varias leyes de composición.

Con una ley de composición interna

Magma: Un Magma es una estructura algebraica de la forma con

A es un conjunto donde se ha definido una operación binaria
interna:

El término magma se debe a la asociación de matemáticos

franceses que se hace llamar Nicolás Bourbaki. Durante algún
tiempo compitió, para reflejar el mismo concepto, con la palabra
grupoide, que tiene otros sentidos en matemática, por lo que no
es aconsejable su uso como sinónimo de magma.

Semigrupoide: es un sistema algebraico de la forma en la cual A

es un conjunto no vacío, es una operación interna definida en A

𝐴×𝐴 →𝐴

Operación interna: para cualesquiera dos elementos del conjunto

A operados bajo ⊚, el resultado siempre pertenece al mismo
conjunto A. Es decir:

∀ x, y ∈ A: x ⊚ y ∈ A.

Asociatividad: para cualesquiera elementos del conjunto A no

importa el orden en que se operen las parejas de elementos,
mientras no se cambie el orden de los elementos siempre dará el
mismo resultado. Es decir:

∀ x, y, z ∈ A: x ⊚ (y ⊚ z) = (x ⊚ y) ⊚ z

Página 11
 Álgebra Lineal.

Monoide: Un monoide (A, ⊚) es una estructura algebraica en la

que A es un conjunto y ⊚ es una operación binaria interna en A:

⊚: A × A ⟶ A

(a, b) ⟼ c = a ⊚ b

Que cumple las siguientes tres propiedades (la primera es

redundante con la definición):

1.-Operación interna: para cualesquiera dos elementos del

conjunto A operados bajo ⊚, el resultado siempre pertenece al
mismo conjunto A. Es decir:

∀x,y∈A:x⊚y∈A

Asociatividad: para cualesquiera elementos del conjunto A no

importa el orden en que se operen las parejas de elementos,
mientras no se cambie el orden de los elementos (ver grupo
abeliano), siempre dará el mismo resultado. Es decir:

∀x,y,z∈A:x⊚(y⊚z)=(x⊚y)⊚z

Elemento neutro: existe un (único) elemento, e, en A que es neutro

de la operación ⊚ , es decir:

∃ !e∈A,∀x∈A:e⊚x=x⊚e=x

Ejemplos

Dado un conjunto A de caracteres alfanuméricos, que

llamaremos alfabeto, una cadena alfanumérica del alfabeto A es
una secuencia de elementos de A en cualquier orden y de
cualquier longitud, si tomas el conjunto como:

Página 12
 Álgebra Lineal.

𝐴 = {𝑑, 𝑒, 𝑓, 𝑔, 5,8,9}

 Grupo: Es una estructura algebraica formada por un

conjunto no vacío dotado de una operación interna que
combina cualquier par de elementos para componer un
tercero, dentro del mismo conjunto y que satisface las
propiedades asociativa, existencia de elemento neutro y
simétrico.

La formulación axiomática del concepto de grupo permite la

separación desde lo concreto hacia lo abstracto,
favoreciendo trabajar de una manera flexible y dinámica entre
diferentes objetos matemáticos, para permitir un tratamiento
general de todos ellos, gracias a que poseen un sustrato
estructural inherente y común. De este modo, un teorema
válido para un objeto concreto puede ser verificado para otro
de la misma categoría, elevándose a una teoremática
abstracta que a todos ellos afecta.

Existen millones de grupos y su estudio pormenorizado sin un

cuerpo axiomático, aun con la ayuda informática, se haría del
todo inviable y poco práctico, por ello, el álgebra abstracta
tiene este importante papel que se traslada a las matemáticas
aplicadas y a las ciencias que lo requieran, para su
fundamentación teórica y posterior utilización práctica.

La aparición de los grupos en diversas áreas del conocimiento

(tanto dentro como fuera de las matemáticas) los convierte en
un principio central en torno al cual se perfilan y se establecen
las matemáticas contemporáneas, con aplicación inmediata
en otras áreas científicas.

Las condiciones necesarias y suficientes para que el par (G, ⊛)

sea un grupo son:

1.- (G, ⊛) es un monoide4 o semigrupo con elemento neutro

2.- (G, ⊛) verifica la existencia de elemento simétrico para

cada uno de sus elementos.

Página 13
 Álgebra Lineal.

∃! e ∈ G: e ⊛ a = a, ∀ a ∈ G.

∀ a ∈ G, ∃ a ¯ : a ⊛ a ¯ = e

Semianillo: Dado un conjunto A y dos operaciones binarias + y ·,

llamadas adición y multiplicación, la 3-tupla (A,+,·) es un semianillo
si satisface las siguientes condiciones:(A,+) es un monoide
conmutativo con 0 como elemento neutro; es decir:

(a + b) + c = a + (b + c) para todo a, b, c en A (asociatividad)

a + b = b + a para todo a, b en A (conmutatividad)

0 + a = a + 0 = a para todo a en A (elemento neutro)

(A, ·) es un monoide con 1 como elemento neutro; es decir:

(a · b) · c = a · (b · c) para todo a, b, c en A (asociatividad)

a · 1 = 1 · a = a para todo a en A (elemento neutro)

La multiplicación distribuye sobre la adición; es decir:

a · (b + c) = a · b + a · c para todo a, b, c en A (distribución por la

izquierda)

(a + b) · c = a · c + b · c para todo a, b, c en A (distribución por la

derecha)

0 es elemento absorbente con respecto a la multiplicación; es

decir:

0·a=a·0=0

Entonces, un anillo es un semianillo en el que todo elemento tiene

un inverso aditivo u opuesto.

Página 14
 Álgebra Lineal.

Anillo: Es un sistema algebraico formado por un conjunto no vacío

y dos operaciones internas, llamadas usualmente «suma» y
«producto», que cumplen ciertas propiedades.

En términos más específicos, un anillo es una terna (A, +, •), donde

A es un conjunto no vacío y + y • son operaciones binarias internas
en A, en donde (A, +) es un grupo abeliano y • es una operación
asociativa y distributiva bilátera respecto de +. Suele denominarse
«suma» y «producto» a las operaciones + y •, respectivamente. En
esta convención, el elemento neutro de la suma se designa como
0 y el opuesto con respecto a la suma de un elemento a,
perteneciente al conjunto A dado, se denota como –a.

Sea A un conjunto no vacío, y sean ⋆ y ∘ dos operaciones binarias

en A. Se dice que el conjunto (A, ⋆, ∘ ) es un anillo si se cumplen
las siguientes propiedades:

1. A es cerrado bajo la operación ⋆. ∀ a, b ∈ A, a ⋆ b ∈ A

2. La operación ⋆ es asociativa. ∀ a, b, c ∈ A , ( a ⋆ b ) ⋆ c = a
⋆(b⋆c)

3. La operación tiene a n como elemento neutro. ∀a∈A,a⋆n

=n⋆a=a

4. Existe un elemento simétrico para. ∀ a ∈ A , ∃ b ∈ A , a ⋆ b = b

⋆a=n

Cuerpo: Es una estructura algebraica en la cual las operaciones

llamadas adición y multiplicación se pueden realizar y cumplen
las propiedades: asociativa, conmutativa y distributiva de la
multiplicación respecto de la adición,1 además de la existencia
de inverso aditivo, de inverso multiplicativo y de un elemento
neutro para la adición y otro para la multiplicación, los cuales
permiten efectuar las operaciones de sustracción y división
(excepto la división por cero); estas propiedades ya son familiares
de la aritmética de números ordinarios.

Los cuerpos son estructuras algebraicas importantes de estudio en

diversas ramas de la matemática: álgebra, análisis matemático,
teoría de los números, puesto que proporcionan la generalización
apropiada de dominios de números tales como los conjuntos de
Página 15
 Álgebra Lineal.

números racionales, de los números reales, o de los números

complejos. Los cuerpos eran llamados dominios racionales.

El concepto de un cuerpo se usa, por ejemplo, al definir el

concepto de espacio vectorial y las transformaciones en estos
objetos, dadas por matrices, dos objetos en el álgebra lineal cuyos
componentes pueden ser elementos de un cuerpo arbitrario.

Ejemplos de cuerpos:

Todo número racional puede representarse por un conjunto de

fracciones, pero el conjunto de los racionales no debe
identificarse con el conjunto de las fracciones (ya que 1/2 y 2/4
son dos fracciones diferentes que representan el mismo número
real). Para definir los racionales debe considerarse una relación de
equivalencia sobre el conjunto de las fracciones:

F={ab|a,b∈Z,b≠0}

Retícula: Es una estructura algebraica con dos operaciones

binarias, o bien un conjunto parcialmente ordenado con la
propiedad fundamental de que toda pareja de elementos tiene
un único supremo (o extremo superior) y un único ínfimo (o
extremo inferior).

El término «retículo» viene de la forma de los diagramas de Hasse

de tales órdenes.

Un ejemplo de retículo es el conjunto de particiones de un

conjunto finito, ordenado por la relación de refinamiento.

En el cual, para cada par de elementos, existen un supremo y un

ínfimo, esto es:

Un conjunto parcialmente ordenado (L, ≤) se denomina retículo si

satisface las siguientes propiedades:

Existencia del supremo por pares

Para cualesquiera dos elementos a y b de L, el conjunto {a, b}

tiene un supremo: a ∨ b (también conocido como mínima cota
superior, o join en idioma inglés).

Página 16
 Álgebra Lineal.

Existencia del ínfimo por pares

Para cualesquiera dos elementos a y b de L, el conjunto {a, b}

tiene un ínfimo: a ∧ b {(también conocido como máxima cota
inferior, o meet en idioma inglés).El supremo y el ínfimo de a y b se
denotan por a ∨ b y a ∧ b, respectivamente, lo que define a ∨ y ∧
como operaciones binarias. El primer axioma dice que L es un
semirretículo superior; el segundo que L es un semirretículo inferior.
Ambas operaciones son monótonas con respecto al orden:

a1 ≤ a2 y b1 ≤ b2 implica que a1

∨ b1 ≤ a2 ∨ b2 y a1∧ b1 ≤ a2b2.

En álgebra, en sentido inverso, un retículo es un conjunto L,

provisto de dos operaciones binarias ∧ y ∨, tales que para
cualesquiera a, b, c en L se cumplen

a∨b=b∨ a a∧ b=b∧ a

a ∨ (b ∨ c) = (a ∨ b) ∨ c a ∧ (b ∧ c) = (a ∧ b) ∧ c

a ∨ (a ∧ b) = aa ∧ (a ∨ b) = a

a∨a=a a∧ a=a

Página 17
 Álgebra Lineal.

Transformaciones lineales

Sean V y W espacios vectoriales reales. Una transformación lineal

u operador lineal T de V en W es una función que asigna a cada
vector v perteneciente a V (v 𝝐 V) un vector único T (v) o w
perteneciente a W (T (v) 𝝐 W) y q satisface, para cada vector (u y
v) en V y cada escalar (𝜶).
Además las transformaciones u operaciones lineales tienen que
cumplir con dos condiciones:
T (u + v) = T (u) + T (v)
T (∝v) = ∝T (v)

Transformación cero.
Sean V y W espacios vectoriales y defina T: V W
por T (v) = 0 para todo v en V. Entonces T (v1 + v2) =
Se escribe T: V W
0 = 0+0 = Tv1 + Tv2 y T (∝v) = 0 = ∝0 = ∝T (v). En este
para indicar que T
caso, T se denomina la transformación cero. toma el espacio
vectorial real V y lo
Transformación identidad. lleva al espacio
Sea V un espacio vectorial y defina I: V W por I (v) vectorial real W; esto
= v para todo v en V. Aquí es obvio que I es una es, T una función con
transformación lineal, la cual se denomina V como su dominio y
un subconjunto de W
transformación u operador identidad.
como su imagen.

Transformación de reflexión.

Sea definida por . Es fácil verificar que T es lineal.

En términos geométricos T toma un vector en y lo refleja
respecto al eje y.

Página 18
 Álgebra Lineal.

Transformación de rotación.

Suponga que el vector en el plano xy se rota un ángulo 𝜃

(medido en grados o radianes) en sentido contrario al de las
manecillas del reloj. Este nuevo vector rotado lo llamamos .
Entonces, si r denota la longitud de v (que no cambia por la
rotación),

Entonces se ve que . La transformación lineal

definida por T (v) = A𝜽 (v), se llama transformación de rotación.

Página 19
 Álgebra Lineal.

Transformación de proyección ortogonal.

Sea H un subespacio de La transformación de proyección

ortogonal se define por:

Sea una base ortonormal para H. Entonces se tiene:

Como se ve que P es
una transformación lineal.

Dos operadores de proyección.

Se define por Entonces T es el operador

de proyección que toma un vector en el espacio de tres

dimensiones y lo proyecta sobre el plano xy. De manera similar,

proyecta un vector en el espacio sobre el plano xz.

Estas dos transformaciones se describen:

Página 20
 Álgebra Lineal.

Operador de transposición.

Defina Como
se ve que T, denominado operador de transposición, es una
transformación lineal.

Operador integral.

Sea definida por Para cómo

se ve

que J es un operador lineal. Por ejemplo, J se denomina

operador integral.

Operador diferencial.

Suponga que se define por Para

como puede apreciarse
que D es un operador lineal. D se denomina operador diferencial.

Transformación que no es lineal.

Suponga que está definida por Entonces

T no es lineal. Para ver esto se calcula:

Esto proporciona otro ejemplo de una transformación que puede

parecer lineal, pero que de hecho no lo es.

Página 21
 Álgebra Lineal.

Conclusión

En las estructuras (en la mecánica estructural) modelizamos las

tensiones en el seno del material como espacios vectoriales,
como el tensor de tensiones o el tensor de deformaciones;
algunos incluso llegan a ser conservativos bajo ciertas hipótesis
permitiendo el desarrollo de leyes muy útiles en el cálculo
estructural. De hecho, los programas informáticos actuales
entregan al ingeniero una representación muy precisa de dichos
campos indicando direcciones y magnitudes.
El saber que algo es un espacio vectorial permite saber qué
reglas cumplen sus elementos, y cómo se relacionan entre sí. Por
ejemplo, sabes que si sumas vectores saldrá otro vector, otro
elemento, que también cumple las mismas reglas que los
originales. O puedes descomponer una onda en "elementos" que
son a su vez ondas.
El descomponer un espacio vectorial en subespacios permite
centrarte en conjuntos más simples de elementos, en lugar de en
todo el espacio. Puedes encontrar qué elementos básicos del
espacio vectorial son los que dan lugar por combinación lineal a
cualquier otro elemento.
Por ejemplo, las vibraciones de un edificio, pueden
descomponerse en "modos de vibración", que no dejan de ser
las bases del espacio vectorial de todas la posibles vibraciones
(las vibraciones se suman linealmente). Los movimientos en el
espacio n-dimensional pueden descomponerse en una serie de
operaciones básicas (dilataciones, rotaciones,...), cada una
correspondiente a un subespacio del espacio n-dimensional.
Esto se usa por ejemplo para posicionar en el espacio las piezas
por parte de un robot. Las deformaciones de un sólido también
se describen mediante un espacio vectorial, como combinación
de distintas "bases" de deformaciones.

Página 22
 Álgebra Lineal.

Referencias
Algebra Lineal, Stanley I. Grossman S., Sexta y séptima edición.

matematicas-numeros-operaciones-1-2/estructuras-algebricas
Linear Algebra: A modern introduction
(Álgebra Lineal: Una introducción moderna)
Por David Poole

Apuntes complemetario 5-estructuras-algebraicas

Página 23