Universidad Autnoma

de Sinaloa
Facultad de Ingeniera Culiacn
Ingeniera en Procesos Industriales
Trabajo complementario

Alumnos:
Medina Prez Francisco.

Materia:
Diseo del trabajo

Docente:
Bonilla ramos Laura Alejandra

Grado y grupo:
2-1

1. Definicin de transformacin lineal; condiciones para verificar que una

transformacin es lineal.
As como cuando se estudian las funciones reales interesan especialmente las
funciones continuas, cuando se estudian funciones de un espacio vectorial en otro
interesan aquellas que poseen ciertas propiedades especiales, por ejemplo las
que conservan operaciones. Es decir, que la funcin sea tal que "conserve" las
dos operaciones fundamentales que definen la estructura de espacio vectorial.
En sntesis, podemos dar la siguiente definicin:

Que se puede resumir en T (a a + b b) = a T (a) + b T (b), llamada propiedad de

linealidad.
Si T: V W es una transformacin lineal, el espacio V se llama dominio de T y el
espacio W se llama condominio de T.

Ejemplo
A partir de la definicin, analicemos si es lineal la siguiente
transformacin:
T: R2 R3 / x R2 : T ((x1, x2)) = (x1 + x2, x1 - x2, x2)
Se deben verificar las dos condiciones de la definicin:
a) x, y R2 : T (x + y) = T (x) + T (y) ?
x = (x1, x2)
y = (y1, y2)
x + y = (x1 + y1, x2 + y2)
T (x + y) = T (x1 + y1, x2 + y2) =

(x1 + y1 + x2 + y2, x1 + y1 - x2 - y2, x2 + y2)=(x1 + x2, x1 - x2, x2) + (y1 +

y2, y1 - y2, y2) = T (x) + T (y)
b) x R2, k R : T (k x) = k T (x) ?
T (k x) = T (k (x1, x2))=T (k x1, k x2) = (k x1 + k x2, k x1 - k x2, k x2)=
= k (x1 + x2, x1 - x2, x2) =
= k T (x)
Se verifican las dos condiciones de la definicin, entonces la
transformacin es lineal.

2. Qu es el dominio, recorrido y ncleo de una transformacin lineal?

Cmo se determinan?
3. Definicin de transformaciones geomtricas.

Las transformaciones geomtricas son la o las operaciones geomtricas que

permiten crear una nueva figura a partir de una previamente dada. La nueva figura
se llamar "homlogo" de la original. las transformaciones se clasifican en: directa:
el homlogo conserva el sentido del original en el plano cartesiano.

4. Qu es una composicin de transformaciones lineales? Cmo se lleva a

cabo?
Dadas dos transformaciones lineales T1: S

W y T2 : V

S se llama

composicin o producto a la transformacin lineal definida por:

(T1 o T2) (x) = T1 [T2 (x)]

"xeV

Fijadas las bases de V, S y W, si las matrices de las transformaciones T 1 y T2 son

respectivamente M1 y M2, la matriz de la composicin (T1 o T2 ) es la matriz M1.M2.

Ejemplo:

En el siguiente ejemplo se muestran dos transformaciones. La matriz de la primera es A.B y la matr

segunda transformacin es B.A, siendo:

5. Definicin de transformacin inversa.

Es un mtodo para la generacin de nmeros aleatorios de cualquier distribucin
de probabilidad continua cuando se conoce la inversa de su funcin de distribucin
(cdf). Este mtodo es en general aplicable, pero puede resultar muy complicado
obtener una expresin analtica de la inversa para algunas distribuciones de
probabilidad. El mtodo de Box-Muller es un ejemplo de algoritmo que aunque
menos general, es ms eficiente desde el punto de vista computacional.

6. Definicin de valores y vectores caractersticos.

El clculo de los valores propios y de los vectores propios de una matriz simtrica
tiene gran importancia en las matemticas y en la ingeniera, entre los que cabe
destacar, el problema de la diagonalizacin de una matriz, el clculo de los
momentos de inercia y de los ejes principales de inercia de un slido rgido, o de
las frecuencias propias de oscilacin de un sistema oscilante.
Se denominan valores propios o races caractersticas de una matriz cuadrada A,
a los valores de anm tales que.

Desarrollando el determinante tenemos un polinomio de grado n. Trataremos de

encontrar los coeficientes del polinomio, y luego aplicaremos un mtodo de hallar
las races del polinomio. Este procedimiento es apropiado cuando se presentan
valores propios que no son reales sino complejos.
Una vez hallados los valores propios, para hallar el vector propio X
correspondiente al valor propio es necesario resolver el sistema homogneo
Donde es el valor caracterstico y A,X son los vectores caractersticos
Donde el vector X es
Siempre podemos tomar x0 como 1, y hallar
las otras n-1 incgnitas. De la n ecuaciones podemos tomar n-1, y resolver el
sistema lineal.

7. Subespacio generado por los vectores caractersticos

Formalmente, se definen los vectores propios y valores propios de la siguiente manera:
Sea A: V V un operador lineal en un cierto
-espacio vectorial V y v un vector no nulo en V. Si existe un escalar no nulo c tal que decimos
que v es un vector propio del operador A, y su valor propio asociado es c. Observe que si v es
un vector propio con el valor propio c entonces cualquier mltiplo diferente de cero de v es
tambin un vector propio con el valor propio c. De hecho, todos los vectores propios con el
valor propio asociado c junto con 0, forman un subespacio de V, el espacio propio para el
valor propio c. Observe adems que un espacio propio Z es un subespacio invariante de A,
es decir dado w un vector en Z, el vector Aw tambin pertenece a Z.

8. Concepto de matrices semejantes y diagonalizacin.

Definicin: Matrices semejantes.
Se dice que dos matrices cuadradas A y B son semejantes si son matrices del
mismo endomorfismo en distintas bases.
Tambin se puede expresar as: A y B son semejantes si existe una matriz
cuadrada inversible P tal que B = P1 A P .

 Notar que el concepto de equivalencia de matrices es ms amplio que el de

semejanza.
Si dos matrices son semejantes entonces son equivalentes, pero no al revs. En
este tema se tratar de ver, dada una matriz, si existe otra matriz semejante a ella
que sea diagonal: P1 A P = D, y en ese caso calcular la diagonal D y la matriz de
paso P. En otras palabras: dado un endomorfismo, trataremos de encontrar una
base en la cual la matriz del endomorfismo sea sencilla (diagonal si es posible).

Diagonalizacin de matrices reales

Una matriz A cuadrada nn es diagonalizable si es semejante a una matriz
diagonal, D = T-1 A T.

Donde i (i=1,...,n) son los valores propios y vi (i=1,...,n) los vectores propios
dispuestos en columnas.
Si A es una matriz diagonalizable, entonces:
Tiene n vectores propios linealmente independientes
La suma de las dimensiones de los subespacios propios es n
Si 0 es un valor propio de A de multiplicidad algebraica m 0, entonces
1 dim EA( 0) m 0
La multiplicidad algebraica de cada valor propio de A, coincide con la dimensin
del subespacio propio correspondiente.
El recproco no tiene por qu ser cierto.

Diagonalizacin de matrices reales simtricas

Las matrices simtricas siempre se pueden diagonalizar. Poseen las
siguientes caractersticas:
Los vectores propios asociados son ortogonales respecto al producto escalar
cannico.
Tiene al menos un valor propio real.
Toda matriz simtrica es diagonalizable por una matriz ortogonal:
D = Q-1 A Q = QT A Q

Matriz Ortogonal

Una matriz cuadrada ser ortogonal si sus columnas son vectores

ortonormales respecto al producto escalar cannico
QTQ = I

Teorema espectral

Si una matriz A es una matriz simtrica, entonces existe una base ortonormal
de formada por los vectores propios de A.
n

Se llaman valores singulares de una matriz real A, cuadrada, a las races

cuadradas positivas de los valores propios de la matriz ATA. Notar que ATA es una
matriz simtrica y por ello diagonalizable.
Se llaman valores singulares de una matriz real A, no cuadrada, a las
races cuadradas positivas de los valores propios comunes de las matrices A TA y
AAT.

Ejercicios resueltos

1) Calcula los valores y vectores propios de las matrices siguientes:

Observa que es una matriz triangular

Vamos a hallar los vectores propios correspondientes a cada valor propio.

Bibliografa:
Algebra lineal by Fernando barrera mora
Libro de texto lgebra Lineal de Stanley Grossman (7ma
edicin)
lgebra Lineal - Kollman Hill Archivo
lgebra Lineal para estudiantes de ingeniera y ciencias Del Valle
Rincn del vago.com