Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definición:
Una transformación lineal L ∈ℜn en ℜm es una función que asigna a cada u ∈ℜn un único
vector L( u ) ∈ℜm de modo que:
a) L (u +v ) = L (u ) + L (v ), ∀u, v ∈ℜn
b) L (k u ) = kL (u ), ∀u ∈ℜn y ∀k ∈ℜ
Ejemplo 1:
Sea L :ℜ3 →ℜ2 definida como, L ( x, y , z ) = ( x, y ) verifique que la misma es una
transformación lineal.
Sol:
Definamos dos vectores u = ( x1 , y1 , z1 ) y v = ( x2 , y2 , z2 ) tales que:
( )
L u + v = L( ( x1 , y1 , z1 ) + ( x2 , y2 , z 2 ) )
= L( x1 + x2 , y1 + y2 , z1 + z 2 ) = ( x1 + x2 , y1 + y2 )
= ( x1 , y1 ) + ( x2 , y2 )
() ()
=L u + L v
Además si k ∈ℜ , entonces.
( )
L k u = L( kx1 , ky1 , kz1 ) = ( kx1 , ky1 ) = k ( x1 , y1 ) = kL u ()
Por lo tanto L es un a transformación lineal llamada proyección.
Ejemplo 2.
Sea L :ℜ3 →ℜ2 definida por
u1
u1 + 1
L u 2 =
u u 2 − u3
3
Demostrar que la misma es una transformación lineal.
Demostración:
u1 v1
Definamos dos vectores u = u2 y v = v2
u3 v3
Entonces
u1 v1 u1 + v1
( u1 + v1 ) + 1
( )
L u + v = L u2 + v2 = L u2 + v2 =
u v u + v ( u2 − u3 ) + ( v2 − v3 )
3 3 3 3
Por otro lado.
u + 1 v − 1 ( u1 + v1 ) + 2
() ()
Lu +Lv = 1 + 1 =
u2 − u3 v2 − v3 ( u2 − u3 ) + ( v2 − v3 )
Teorema.
Si L :ℜn →ℜm es una transformación. Entonces
( )
a) L 0 R n = 0 R m
b) L (u −v ) = L (u ) − L (v ) ∀u , v ∈ℜn
Ejemplo:
Sea L :ℜ3 →ℜ2 una transformación lineal para la cual sabemos que
L(1,0,0 ) = ( 2,−1) L( 0,1,0 ) = ( 3,1) L( 0,0,1) = ( −1,2 ) .
Determinaremos L( − 3,4,2) .
Sol.
Como ( − 3,4,2 ) = −3i + 4 j + 2k
Tenemos que:
L ( − 3,4,2 ) = L( − 3i + 4 j + 2k )
= −3L( i ) + 4 L ( j ) + 2 L ( k )
= − 3( 2,−1) + 4( 3,1) + 2( − 1,2 )
= ( − 6 + 12 − 2,3 + 4 + 4 ) = ( 4,11)
Ejercicio Propuesto.
Sea L :ℜ2 →ℜ3 definida por
1 0
x x
L = 0 1 y Demostrar que L es una transformación lineal, que cumple que
y 1 −1
2
v =
3
−1
NUCLEO Y RECORRIDO DE UNA TRANSFORMACIÓN LINEAL
Definición:
Si T : V → W es una transformación lineal, entonces el conjunto de vectores en V que
T aplica hacia 0 se conoce como el núcleo (Kernel o espacio nulo) de T , este espacio se
denota por Ker (T ) . 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 R (T ) .
Teorema:
Si T : V → W es una transformación lineal entonces:
a) El núcleo de T es un subespacio vectorial.
b) El recorrido de T es un subespacio de W
Definición:
Si T : V → W es una transformación lineal, entonces la dimensión del recorrido de T se
conoce como rango de T y la dimensión del núcleo se denomina nulidad de T .