8.1.
Propiedades
8.1. Propiedades
Lema 8.3. Si T : Rn → Rm una transformación lineal, entonces T mapea al vector ~0n ∈ Rn al
vector ~0m ∈ Rm , es decir, se cumple T (~0n ) = ~0m .
Demostración. Se puede mostrar con lema 8.2 o usando propiedades de espacios vectoriales.
Sean ~0n ∈ Rn el elemento neutral de la suma en Rn . Entonces para todo ~v ∈ Rn se tiene
~v + ~0n = ~v , en particular se cumple para ~v = ~0n , i.e., se obtiene ~0n + ~0n = ~0n por lo cual
Ejercicio 1:
x
1
a) Justifique porque la función S : R2 → R4 dada por S ( xy ) = y no es una transforma-
2x+3y
ción lineal.
b) Verifique si la transformación T : R → R dada por T (x) = 2x + 8 es una transformación
lineal.
Lema 8.4. Si ~v 1 ,~v 2 , . . . ,~v n elementos de un spacio vectorial (V, +, ·) sobre los reales, entonces
T : Rn → V dada por
x1 !
x2
T (~x) = T .. = x1~v 1 + x2~v 2 + . . . + xn~v n
.
xn
es una transformación lineal.
Demostración. La parte T (~x + ~y ) = T (~x) + T (~y ) se deja de tarea.
A continuación mostraremos que si γ ∈ R & ~x ∈ Rn , entonces
197
Dra. Edith Vargas & Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
8. Transformaciones Lineales
Recuerde:
Por lemas 8.1 y 8.2 cada transformación lineal T : Rn → Rm es representable por una matriz
A ∈ Rm×n .
Por lema 8.3 transformaciones lineales preservan elementos neutrales de la suma.
Por lema 8.4 una combinación lineal es resultado de una transformaciones lineal.
8.2. Rango (Imagen) y núcleo de transformaciones lineales
ï Definición 8.2. Sean (V, +, ·) & (W, +, ·) dos espacios vectoriales.
Además, sea T : V → W una transformación lineal. Entonces
El dominio de T es V, i.e. “el conjunto inicial”.
El codominio (también contra-dominio) de T es W, i.e. “el conjunto final”.
El Rango o la Imagen de T se define como
n o
Img(T ) := ~b ∈ W : T (~x) = ~b para algún ~x ∈ V = {T (~x) : ~x ∈ V} .
El núcleo de T, es también conocido como kernel ker(T ) y esta dado por
n o
Ker(T ) := ~x ∈ V : T (~x) = ~0W .
que es el conjunto de vectores en V que van a dar al vector ~0.
Caso especial:
Si V = Rn , W = Rm y T : Rn → Rm , entonces por lema 8.2 se tiene T (~v ) = A~v . Por lo tanto:
n o
Img(T ) = {A~x : ~x ∈ Rn } = Img(A) & Ker(T ) = ~x ∈ Rn : A~x = ~0 = Null(A).
198
Dra. Edith Vargas & Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
8.2. Rango (Imagen) y núcleo de transformaciones lineales
Ejemplo sombra: Sea T : R3 → R3 dada por la proyección del espacio al plano x − y, i.e. la
sombra de vectores con el “sol en el cenit”
x x
T yz = y .
0
Calcule la imagen & el kernel de la esa transformación.
0
Ejemplo: Si consideramos la transformación lineal T : R2 → R4 dada por T ( xy ) = x+y
0 .
0
Calcule la imagen y el kernel de esta transformación.
199
Dra. Edith Vargas & Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
8.2.1. Transformaciones lineales son muy restrictivas
x x+2
Ejemplo: Sea T : R3 → R3 una traslación dada por T y
z
:= y+2 .
z+2
Ejemplo: Sea T : Rn → [0, ∞) la longitud del vector ~v ∈ Rn , es decir T (~v ) = k~v k2 donde
q
k~v k2 = v12 + v22 + . . . + vn2
Entonces, T NO es una transformación lineal ya que:
200
Dra. Edith Vargas & Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
8.3. Transformaciones inyectivas, sobres y biyectivas.
8.2.2. Transformaciones lineales preservan propiedades
Una transformación lineal T : V → W mapea vectores en vectores, puntos igualmente espaciados
(en una recta) en puntos igualmente espaciados y mapea subespacios vectoriales de V a subespacios
vectoriales de W.
Ejemplo: Si tenemos puntos ~u, w ~ ,~v igualmente espaciados en una recta en V, entonces los
puntos T (~u), T (~
w), T (~v ) son igualmente espaciados. Solo tenemos que ver si el punto medio
1
~ ) = 12 ~u + 12 w
~pm = 2 (~u + w ~ será mapeado al punto medio entre T (~u) y T (~
w).
Ejemplo: Un producto punto es una transformación lineal. Por ejemplo:
Si T : R3 → R es definido como T (~u) = ~a⊤~u donde ~a⊤ = (1, 2, 3) ∈ R1×3 , entonces
T (~u) = 1u1 + 2u2 + 3u3 .
Además, si T (~u) 6= 0, entonces {T (α~u) : α ∈ R} = {αT (~u), α ∈ R} = R, es decir, T mapea el
espacio vectorial (R3 , +, ·) al espacio (R, +, ∗).
Se verán más propiedades pero algunas se basan en los conceptos de transformaciones lineales
inyectivas, sobreyectivas y biyectivas.
8.3. Transformaciones inyectivas, sobres y biyectivas.
ï Definición 8.3. Sea T una transformación lineal T : Rn → Rm .
Se dice que T es sobre (o suprayectiva) si se cumple Img(T ) = Rm .
Se dice que T es inyectiva (o uno-a-uno) si y solo si ~x 6= ~y implica T (~x) 6= T (~y ).
Alternativamente, T es inyectiva si para cualesquiera dos vectores ~x,~y ∈ Rn se cumple que
T (~x) = T (~y ), implica ~x = ~y .
201
Dra. Edith Vargas & Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]
8. Transformaciones Lineales
Ejemplos:
202
Dra. Edith Vargas & Dr. Andreas Wachtel, Instituto Tecnológico Autónomo de México, [Link]@[Link]