Вы находитесь на странице: 1из 30

UNIDAD V

TRANSFORMACIONES LINEALES

5.1.- Definición de transformación lineal y sus propiedades

5.2.-Ejemplos de transformaciones lineales (reflexión, dilatación,


contracción, rotación).

5.3.- Definición del núcleo de Kernel e imagen de una transformación


lineal

5.4.- La matriz de una transformación lineal y representación matricial


de una transformación lineal

5.5.- Transformaciones y sistemas de ecuaciones lineales. Algebra de las


transformaciones lineales

1
ÍNDICE
Definición de transformación lineal y su
propiedades.............................................................................................3

Ejemplos de transformaciones lineales (reflexión, dilatación, contracción,


rotación)..................................................................................................9

Definición del núcleo de Kernel e imagen de una transformación


lineal......................................................................................................11

La matriz de una transformación lineal y representación matricial de una

transformación
lineal.....................................................................................................15

Transformaciones y sistemas de ecuaciones lineales. Algebra de las


transformaciones
lineales...................................................................................................20

Problemario............................................................................................26

Bibliografía.............................................................................................30

2
5.1.- Definición de Transformación Lineal y sus
propiedades.
En esta sección se inicia el estudio de las funciones con valor vectorial
de una variable vectorial. Es decir, funciones que tienen la forma
, en donde la variable independiente v y la dependiente w son
vectores. Se enfoca la atención en una clase especial de funciones
vectoriales conocidas como transformaciones lineales. Estas funciones
tienen muchas aplicaciones importantes en física, ingeniería, ciencias
sociales y diversas ramas de las matemáticas.

Si V y W son espacios vectoriales y F es una función que asocia un


vector único en W, con cada vector en V, se dice que F aplica (mapea) V
en W y se escribe . Además, si F asocia el vector w al vector v
se escribe y se dice que w es la imagen de v bajo F.

Como ilustración, si es un vector en R2, entonces la fórmula

(5.1)

Define una función que aplica R2 en R3. En particular, si ,


entonces y , de modo que la imagen de v bajo es
.

DEFINICIÓN

Si es una función del espacio vectorial V hacia el espacio


vectorial W, entonces F es una transformación lineal si

(i) para todos los vectores u y v en V.

(ii) para todos los vectores u en V y todos los escalares k.

Como ilustración, sea la función definida por (5.1). Si


y , entonces de modo que

3
También, si k es un escalar, de manera que

Por tanto, F es una transformación lineal.

Si es una transformación lineal, entonces para v1 y v2


cualesquiera en V y cualesquiera escalares k1 y k2, se tiene

De modo análogo, si v1, v2, . . . , vn son vectores en V y k1, k2, . . . , kn


son escalares, entonces

(5.2)

Ejemplo 1

Sea A una matriz fija de m X n. Si se utiliza la flotación matricial para


vectores en Rm y Rn, entonces se puede definir una función por
medio de

Obsérvese que si x es una matriz de n x 1, entonces el producto Ax es


una matriz de m x 1; así entonces, T aplica Rn en Rm, Además, T es
lineal; para comprobarlo, sean u y v matrices de n x 1 y k un escalar. Al
aplicar las propiedades de la multiplicación de matrices, se obtiene

O, de modo equivalente,

A la transformación lineal de este ejemplo se le denominará


multiplicación por A. A las transformaciones lineales de este tipo se les
conoce como transformaciones matriciales.

4
PROPIEDADES DE LAS TRANSFORMACIONES LINEALES:

NÚCLEO (KERNEL) Y RECORRIDO

En esta sección se desarrollan algunas propiedades básicas de las


transformaciones lineales. En particular, se demuestra que una vez que
se conocen las imágenes de los vectores base bajo una transformación
lineal, es posible encontrar las imágenes de los vectores restantes en el
espacio.

Teorema 1. Si es una transformación lineal, entonces:

(a)

(b) para todos los v en V

(c) Para todos los v y w en y

Demostración. Sea v cualquier vector en V Debido a que , se tiene:

Lo cual prueba (a).

También, , lo cual prueba (b).

Por último, ; por tanto,

Definición. Si es una transformación lineal, entonces el


conjunto de vectores en V que T aplica hacia 0 se conoce como núcleo
(Kernel o espacio nulo) de T; este espacio se denota por . El
conjunto de todos los vectores en W que son imágenes bajo T de al
menos un vector en V se conoce como recorrido de T; este conjunto se
denota por

5
6
Teorema 2. Si es una transformación lineal entonces:

a) El núcleo de T es un subespacio de V.

b) El recorrido de T es un subespacio de W.

Demostración

a) Para demostrar que es un subespacio, se debe demostrar


que es cerrado bajo la adición y la multiplicación escalar. Sean v1 y
v2 vectores en y supóngase que k es cualquier escalar.
Entonces,

De modo que está en . También

De manera que kv1 está en

b) Sean w1 y w2 vectores en el recorrido de T. Para probar esta parte,


es necesario demostrar que w1 + w2 y kw1 están en el recorrido
de T, para cualquier escalar k; es decir, se han de encontrar los
vectores a y b en V tales que

Supuesto que w1 y w2 están en el recorrido de T, existen los


vectores a1 y a2 en V tales que y . Sean
y Entonces

7
Lo cual completa la demostración.

Teorema 3. (Teorema de la dimensión.) Si es una


transformación lineal desde un espacio vectorial V y con dimensión n
hacia un espacio vectorial W, entonces

En el caso especial en el que V=Rn, W=Rm y es la


multiplicación por una matriz A de m X n el teorema de la dimensión
conduce al siguiente resultado:

Sin embargo, se hizo notar que la nulidad de T es la dimensión del


espacio de soluciones de , y que el rango de T es el rango de la
matriz A. Por consiguiente, (5.4) conduce al teorema que sigue:

Teorema 4. Si A es una matriz de m X n, entonces la dimensión del


espacio de soluciones de es

8
5.2.-Ejemplos de Transformaciones Lineales (Reflexión,
Dilatación, Contracción, Rotación )
Sea 0 ≤ θ < 2π un ángulo medido en radianes. La Transformación de T :
R2 ―› R2 que gira sobre un vector ū = (u1, u2) es un ángulo θ, para
obtener un vector T (ū) = (v1, v2).

Usando las funciones trigonométricas, tenemos que:

v1 = ||T (ū)|| • cos (α + θ) = ||ū|| • (cos α cos θ - sen α sen θ) v2 = ||T


(ū)|| • sen (α + θ) = ||ū|| • (sen α cos θ + cos α sen θ)

Como u1 = ||ū|| = cos α y u2 = ||ū|| = sen α se obtiene:

v1 = u1 cos θ – u2 sen θ v2 = u2 cos θ – u1 sen θ

Por lo tanto la Transformación T : R2 ―› R2 debe estar definida tal que:

T (u1, u2) = (u1 cos θ – u2 sen θ, u2 cos θ – u1 sen θ).

9
Esta transformación se llama la rotación por un ángulo θ y es lineal, ya
que:

T [(u1, u2) + γ(v1, v2)] = T (u1 + γv1, u2 + γv2) = ((u1 + γv1) cos θ –
(u2 + γv2) sen θ, (u2 + γv2) cos θ + (u1 + γv1) sen θ) =(u1 cos θ - u2
sen θ, u2 cos θ + u1 sen θ)+(v1 cos θ - v2 sen θ, v2 cos θ + v1 sen θ) =
T (u1, u2) + γT (v1, v2)

Transformación de Reflexión: La Transformación de T : R2 ―› R2 que a


cada vector ū = (u1, u2) lo refleja sobre el eje x, para obtener un vector
T (ū) = (v1, v2).

En este caso, la situación es más sencilla ya que claramente tenemos


dos triángulos rectángulos que son congruentes, de donde T queda
definida como sigue: T (u1, u2) = (u1, -u2)

Esta transformación se llama la reflexión sobre el eje x, y es lineal, ya


que:

T [(u1, u2) + γ(v1, v2)] = T (u1 + γv1, u2 + γv2) = (u1 + γv1, -u2 -γv2)
= (u1, -u2) + γ(v1, -v2) = T (u1, u2) + γT (v1, v2)

10
5.3.- Definición Del Nucleó De Kernel, e Imagen de una
Transformación Lineal.

Si es lineal, se define el núcleo y la imagen de T de la


siguiente manera:

Es decir que el núcleo de una transformación lineal está formado por el


conjunto de todos los vectores del dominio que tienen por imagen al
vector nulo del co-dominio.

El núcleo de toda transformación lineal es un subespacio del dominio:

dado que

Dados

Dados

Se denomina nulidad a la dimensión del núcleo. Nulidad (T) = dim


(ker(T))

O sea que la imagen de una transformación lineal está formada por el


conjunto de todos los vectores del co-dominio que son imágenes de al
menos algún vector del dominio.

11
La imagen de toda transformación lineal es un subespacio del co-
dominio.

IMAGEN DE UNA TRANSFORMACIÓN LINEAL


Una transformación lineal es un conjunto de operaciones que se realizan
sobre un elemento de un sub espacio, para transformarlo en un
elemento de otro sub-espacio. En ocasiones trabajar con vectores es
muy sencillo ya que pueden ser fácilmente interpretados dentro de un
contexto gráfico, lamentablemente no siempre ocurre y es necesario
transformar a los vectores para poderlos trabajar más fácilmente. Por
otra parte, trabajar con sistemas lineales es mucho más sencillo que con
sistemas no lineales, ya que se puede utilizar una técnica llamada
superposición, la cual simplifica de gran manera gran variedad de
cálculos, por lo que es de gran interés demostrar que un proceso puede
ser reducido a un sistema lineal, lo cual solo puede lograrse
demostrando que estas operaciones forman una transformación lineal.

Se denomina transformación lineal, función lineal o aplicación lineal a


toda aplicación cuyo dominio y codominio sean espacios vectoriales que
cumpla la siguiente definición:

Sean V y W espacios vectoriales sobre el mismo cuerpo o campo K, y T


una función de V en W. T es una transformación lineal si para todo par
de vectores u y v pertenecientes a V y para todo escalar k perteneciente
a K, se satisface que:

1.
2. donde k es un escalar.

12
Transformación lineal singular y no singular

Sean y espacios vectoriales sobre el mismo campo y una


transformación lineal de en . Entonces, es no singular si:

En caso contrario es singular.

Teorema de las dimensiones

Dim (ker (V)) + dim (Im (V)) = dim (V)


Demostración: Tomando los espacios isomorfos muy conocidos, V / ker
(T) y Im (T) (la demostración que son isomorfos, es trivial), se sabe que
sus dimensiones son iguales. Por definición, la dimensión de V / ker(T)
es: dim(V / ker(T)) = dim(V) − dim(ker(T)) Pero como V / ker(T) y Im(T)
son isomorfos, entonces dim(ker(T)) = dim(Im(T)) reemplazando, queda:
dim(Im(T)) = dim(V) − dim(ker(T)),dim(Im(T)) + dim(ker(T)) = dim(V)

Teorema fundamental de las transformaciones

Sea B = {v1,v2,v3,...vn} base de V y C = {w1, w2, w3,...wn} un conjunto de


n vectores de W no necesariamente distintos, entonces existe una única
transformación lineal. Para todo

Clasificación de las transformaciones lineales

1. Monomorfismo: Si es inyectiva, o sea si el


único elemento del núcleo es el vector nulo.

13
2. Epimorfismo: Si es sobreyectiva
(exhaustiva).
3. Isomorfismo: Si es biyectiva (inyectiva y
exhaustiva).

Matriz asociada a una transformación lineal

Sea una transformación lineal es posible encontrar una


matriz asociada a una transformación lineal
Desarrollo:

Si V y W son espacios de dimensión finita, y se eligen bases en estos


espacios, entonces toda transformación lineal de V a W puede ser
representada como una matriz. Por otro lado, toda matriz real m por n
determina una transformación lineal de esta forma f(x) = Ax

Sea una base de V. Entonces todo vector v en V está


determinado de manera única por los coeficientes en:
Si f: V → W es una transformación lineal,

Lo cual implica que está completamente determinada por los valores

Ahora es una base de W. Se puede representar cada f (vj)


como

Entonces la función f está enteramente determinada por los valores ai,j..


Si se trata de transformaciones de generalmente se usa la
base canónica.

Si se cambian las bases, entonces la matriz será distinta, pero


representará la misma transformación lineal.

Función lineal como propiedad de los sistemas generales

14
Una función es lineal cuando cumple todas estas propiedades:

Si aplicamos una entrada u1(x) obtenemos una salida particular y1(x)

Si aplicamos una entrada u2(x) obtenemos una salida particular y2(x)

Entonces si aplicamos u3(x)=c1u1(x)+c2u2(x) obtenemos una salida


y3(x)=c1y1(x)+c2y2(x) para todos los pares de entradas u1(x) y u2(x) y
para todos los pares de constantes c1 y c2.

5.4.- La Matriz de una Transformación Lineal y


Representación Matricial de una transformación lineal.

Sea una transformación lineal es posible encontrar una matriz asociada


a una transformación lineal Desarrollo:

Si V y W son espacios de dimensión finita, y se eligen bases en estos


espacios, entonces toda transformación lineal de V a W puede ser
representada como una matriz. Por otro lado, toda matriz real m por n
determina una transformación lineal de esta forma f(x) = Ax

Sea una base de V. Entonces todo vector v en V está determinado de


manera ¨ nica por los coeficientes en: Si f: V ¡ú W es una transformación
lineal,

Lo cual implica que esto completamente determinada por los valores

Ahora es una base de W. Podemos representar cada f (vj) como

Entonces la función f está enteramente determinada por los valores ai,j..


Si se trata de transformaciones de generalmente se usa la base
can¨®nica.

Si cambiamos las bases, entonces la matriz ser¨¢ distinta, pero


representar¨¢ la misma transformación

15
Esta transformación solo sirve en plano que sean de x,y,z para pasar a
x,y

Sea una matriz de dimensión , y sea su


transformación lineal asociada. Entonces las siguientes afirmaciones son
equivalentes:

1. .

2. .
3. es invertible (es decir, existe una matriz de dim. tal que
).
4. La forma escalonada reducida por filas de tiene pivotes.
5. es equivalente mediante operaciones elementales a la matriz
identidad .
6. El conjunto de filas de es linealmente independiente.
7. El conjunto de columnas de es linealmente independiente.
8. La única solución al sistema homogéneo es la solución
trivial .
9. Existe un tal que el sistema tiene única solución (es decir,

para algún ).
10. Para todo , el sistema tiene única solución (es decir,

para algún ).

11. (es decir, la única pre imagen

bajo del vector cero es el vector cero).

12. .

13. .

14. .

15. es sobreyectiva (es decir, .

16. es una base para .

16
17. es inyectiva, esto es, si , entonces .

18. es un isomorfismo (esto es, una transformación lineal inyectiva


y sobreyectiva).

Además, si todas las anteriores condiciones se cumplen (para lo cual

basta que una se cumpla), entonces tiene como inversa a la

transformación lineal , es decir, .

Verdadero o falso:

1. Si la ecuación tiene única solución, entonces es


invertible.

Representación
Es posible sumar dos matrices del mismo tamaño mediante la adición de
elementos individuales. En la siguiente ilustración se muestran dos
ejemplos de adición de matrices.

Una matriz m×n puede multiplicarse por una


matriz n×p y el resultado es una matriz m×p.
El número de columnas de la primera matriz
debe coincidir con el número de filas de la
segunda matriz. Por ejemplo, una matriz 4x2
puede multiplicarse por una matriz 2×3 para generar una matriz 4×3.

Los puntos en el plano y las filas y columnas de una matriz pueden


considerarse como vectores. Por ejemplo, (2, 5) es un vector con dos
componentes, y (3, 7, 1) es un vector con tres componentes. El producto
de puntos de dos vectores se define de esta forma:

(a, b) • (c, d) = ac + bd

(a, b, c) • (d, e, f) = ad + be + cf

17
Por ejemplo, el producto de puntos de los vectores (2, 3) y (5, 4) es (2)
(5) + (3)(4) = 22. El producto de puntos de los vectores (2, 5, 1) y (4, 3,
1) es (2)(4) + (5)(3) + (1)(1) = 24. Observe que el producto de puntos
de dos vectores es un número, no otro vector. Observe también que sólo
se puede calcular el producto de puntos de dos vectores si éstos tienen
el mismo número de componentes.

Consideremos que A(i, j) es una entrada de la matriz A, en la fila i,


columna j. Por ejemplo, A(3, 2) es la entrada de la matriz A situada en la
tercera fila y la segunda columna. Supongamos que A, B y C son
matrices, y que AB = C. Las entradas de C se calculan de esta forma:

C(i, j) = (fila i de A) • (columna j de B)

En la siguiente ilustración se muestran varios ejemplos de multiplicación


de matrices.

Si se considera un punto en un plano como


una matriz 1x2, se puede transformar dicho
punto multiplicándolo por una matriz 2x2. En
la siguiente ilustración se muestran varias
transformaciones que se han aplicado al
punto (2, 1).

18
Sea T: V → W una transformación lineal, donde V y W son espacios
vectoriales. Sean e1 = (1, 0, 0, …, 0), e2 = (0, 1, 0, 0, …, 0), e3 = (0,
0, 1 , 0, …, 0) , …, en = (0, 0, 0, …, 0, 1). Suponga que {e1, e2, e3, …,
en} es una base de V. Ahora, sea T(e1) = w1, T(e2) = w2, T(e3) = w3, …,
T(en) = wn. Llamamos a AT la matriz cuyas columnas son w1, w2, w3, … ,
wn. Entonces a la matriz AT se le llama la representación matricial de T.

19
5.5.- Transformaciones y Sistemas De Ecuaciones
Lineales. Algebra de las transformaciones lineales.

Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales


que podemos escribir de forma tradicional así:

Un sistema así expresado tiene "m" ecuaciones y "n" incógnitas,


donde aij son números reales, llamados coeficientes del sistema, los
valores bm son números reales, llamados términos independientes del
sistema, las incógnitas xj son las variables del sistema, y la solución
del sistema es un conjunto ordenado de números reales (s1, s2, ..., sn)
tales que al sustituir las incógnitas x1, x2, ... , xn por los valores s1,
s2, ..., sn se verifican a la vez las "m" ecuaciones del sistema.

Este mismo sistema de ecuaciones lineales en notación matricial tiene


esta forma:

20
Donde :

• Llamamos matriz del sistema a la matriz de dimensión m×n


formada por los coeficientes del sistema, y la designamos por A.
• Designamos por X a la matriz columna formada por las
incógnitas.
• Denotamos por B a la matriz columna formada por los términos
independientes.

y llamamos matriz ampliada de dimensión m×(n+1) a la matriz que


se obtiene al añadir a la matriz del sistema (= matriz de coeficientes) la
columna de los términos independientes, y la denotamos por A*, es
decir

Si representamos cada matriz con una única letra obtenemos:


Ax = b,

donde A es una matriz m por n, x es un vector columna de longitud


n y b es otro vector columna de longitud m. El sistema anteriormente
mencionado de eliminación de Gauss-Jordán se aplica a este tipo de
sistemas, sea cual sea el cuerpo del que provengan los coeficientes.

21
Si el cuerpo es infinito (como es el caso de los números reales o
complejos), entonces solo puede darse una de las tres siguientes
situaciones:

• el sistema no tiene solución (en dicho caso decimos que el sistema está
sobredeterminado o que es incompatible)
• el sistema tiene una única solución (el sistema es compatible
determinado)
• el sistema tiene un número infinito de soluciones (el sistema es
compatible indeterminado).

La ecuación 2x - 3 = 0 se llama ecuación lineal de una variable.


Obviamente sólo tiene una solución.

La ecuación -3x + 2y = 7 se llama ecuación lineal de dos variables. Sus


soluciones son pares ordenados de números. Tiene infinitas soluciones
que se obtienen despejando una variable y dando valores cualesquiera a
la otra.

La ecuación x - 2y + 5z = 1 se llama ecuación lineal de tres variables.


Sus soluciones son ternas ordenadas de números. Tiene infinitas
soluciones que se obtienen despejando una variable y dando valores
cualesquiera a las otras dos.

En general, una ecuación lineal de "n" variables es del tipo :

• Las soluciones son las secuencias de números s1, s2, s3, ..., sn que hacen
verdadera la igualdad [1]
• Si los coeficientes valen 0 y el término independiente no, la ecuación se
llama incompatible. No tiene solución y también se denomina ecuación
imposible, proposición falsa o igualdad absurda.
• Si los coeficientes y el término independiente son nulos, se dice que la
ecuación es una identidad.

TRANSFORMACIONES LINEALES

22
Una transformación lineal es un conjunto de operaciones que se
realizan sobre un vector para convertirlo en otro vector. En ocasiones
trabajar con vectores es muy sencillo ya que pueden ser fácilmente
interpretados dentro de un contexto gráfico, lamentablemente no
siempre ocurre y es necesario transformar a los vectores para poderlos
trabajar más fácilmente.

Por otra parte, trabajar con sistemas lineales es mucho más


sencillo que con sistemas no lineales, ya que se puede utilizar una
técnica llamada superposición, la cual simplifica de gran manera gran
variedad de cálculos, por lo que es de gran interés demostrar que un
proceso puede ser reducido a un sistema lineal, lo cual solo puede
lograrse demostrando que estas operaciones forman una transformación
lineal.

Se denomina transformación lineal, función lineal o aplicación


lineal a toda aplicación cuyo dominio y codominio sean espacios
vectoriales y se cumplan las siguientes condiciones:

Sean V y W espacios vectoriales sobre el mismo campo K, y T una


función de V en W. T es una transformación lineal si para cada par de
vectores de u y v pertenecientes a V y para cada escalar k perteneciente
a K, se satisface que:

1.

2. donde k es un escalar.

23
Los sistemas de ecuaciones lineales son ecuaciones que tienen n
incógnitas, las cuales podemos representar en una notación matricial,
se puede utilizar una técnica llamada superposición, la cual simplifica de
gran manera gran variedad de cálculos, por lo que es de gran interés
demostrar que un proceso puede ser reducido a un sistema lineal, lo
cual solo puede lograrse demostrando que estas operaciones forman
una transformación lineal.

A partir de una ecuación lineal podemos hacerle las


transformaciones lineales para tener como resultado escalares.

Por ejemplo
T: R2 R2 dado por T(X, Y)= (2X, X+2Y). Suponiendo que A
(2,2) Y B (1,2). Determinar la T(A+B)

T(A+B)= (2+1, 2+2)

2(2)+2(1), 2+2(2)+ 1+2(2)

4 +2 , 6 + 2

24
6 , 11

Aplicaciones de las Transformaciones


Lineales
Se aplican en sistemas de ecuaciones lineales, en matrices y en un sin
número de problemas, gracias a las transformaciones lineales sabemos
el dominio e imagen y teniendo esto saber si es un espacio vectorial.

Dada la transformación lineal

Determinar la matriz asociada a en la base canónica de cada espacio.


Solución:

25
Dada la transformación lineal

Determinar la matriz asociada a en la base canónica de cada espacio.


Solución:

Sean las bases canónicas


de ,

PROBLEMARIO

Problema 1.

Representación matricial de una transformación de R 3 en R 4 .

Defina T : R 3 → R 4 por

26
 x−y 
x  
   y+z 
T y =  
 z   2x − y − z 
  − x + y + 2z 
 

Encuentre AT , nuT , imagenT , v(T ) y ρ(T ) .

Solución.

1   −1 0 
1    0    0   
  0    1    1 
T  0  =  , T 1  =  , y T 0  =  .
0   2   0   −1 1   −1
   −1   1    2 
     

 1 −1 0 
 
0 1 1
Así AT = 
2 − 1 − 1
 
 −1 1 2 

Observe a manera de verificación que

 1 −1 0   x−y 
  x   
 0 1 1    x + z 
AT =   y =
2 −1 −1   2 x − y − z 
  z  
 −1 1
 2    − x + y + 2 z 

Ahora se calculan el núcleo y la imagen de A . La forma escalonada por


renglones

1 −1 0  1 −1 0
   
0 1 1  0 1 1
de   es  . Esta forma tiene tres vipotes, de
2 −1 −1 0 0 1
   
−1 1 
2   0
 0 0 
manera que

27
ρ( A) = 3 y v( A) = 3 − 3 = 0  ya que ρ( A) + v( A) = 3

 1   − 1  0 
     
 0   1   1 
esto significa que nuT = {0} , imagent = gen  ,  ,   , v(T ) = 0 y
 2   − 1  − 1
 − 1  1   2 
 
ρ(T ) = 3

Problema 2.

Resuelva el siguiente sistema de ecuaciones lineales. Represente el


conjunto de soluciones.

x1 + 2 x2 + 3 x3 = 11
− x2 + x3 = −2
x1 + x2 + 4 x3 = 9

Solución

De acuerdo con el método de Gauss-Jordan, se obtiene

1 2 3 11  1 2 3 11  1 2 3 11  1 0 5 7
2 −1 − 2  − 2  2   2
 1  ≈ 0 −1 1  ≈ 0 1 −1  ≈ 0 1 −1 
3
 1 4  
9  0 −1 1  
− 2 0 1 1  
− 2 0 0 0 
0

Por lo tanto,

x1 + 5 x3 = 7
x2 − x3 = 2

28
Que da como resultado

x1 = −5 x3 + 7, x2 = x3 + 2

si da x3 el valor de r, obtiene una solución cualquiera

x1 = −5r + 7, x2 = r + 2 x3 = r

Las soluciones son vectores de la forma (-5r+7, r+2, r).

BIBLIOGRAFÍA

http://elcentro.uniandes.edu.co/cr/mate/algebralineal/notas/notas/node4.html

http://www.mitecnologico.com/Main/LaMatrizDeTransformacionLineal

http://es.wikipedia.org/wiki/Aplicaci%C3%B3n_lineal

http://msdn.microsoft.com/es-es/library/8667dchf(VS.80).aspx

http://bc.inter.edu/facultad/ntoro/Representaci%C3%B3n%20Matricial%20de
%20TL.htm

http://personal5.iddeo.es/ztt/Tem/T8_Estudio_SEL.htm

http://es.wikipedia.org/wiki/Operador_lineal

29
http://es.wikipedia.org/wiki/Sistema_de_ecuaciones_lineales

30

Вам также может понравиться