La Imagen (Im): El territorio conquistado del espacio de llegada
En el capítulo anterior exploramos la zona de destrucción de una transformación: el Núcleo (Ker), aquel sumidero donde ciertos vectores pierden su identidad dimensional y colapsan en el vector cero[cite: 1]. Ahora dirigimos la mirada hacia la otra cara de la moneda física: ¿qué porción del espacio de destino somos verdaderamente capaces de alcanzar?
Imagina que tienes una cámara fotográfica apuntando a un paisaje tridimensional. La lente transforma los puntos del mundo real (3D) en píxeles de una pantalla plana (2D). Por mucho que muevas la cámara o intentes capturar ángulos imposibles, la fotografía resultante jamás podrá contener volumen real; estará confinada para siempre en las dos dimensiones del sensor. La pantalla es el límite absoluto de tu alcance.
En el Álgebra Lineal, a ese territorio alcanzable, al volumen real y efectivo que los motores de la aplicación logran abarcar dentro del espacio de llegada, lo denominamos la Imagen de la transformación[cite: 1].
1. Definición Formal y Garantía Estructural
En el rigor algebraico del temario universitario, sea una aplicación lineal f : U ➔ V entre dos espacios vectoriales[cite: 1]. La Imagen de f, denotada como Im(f) o f(U), es el subconjunto de vectores de V que provienen de transformar al menos un vector de U[cite: 1]:
Im(f) = f(U) = { v ∈ V | v = f(u) para algún u ∈ U }[cite: 1]
La Imagen no es un conjunto de vectores desordenado o caótico; el Teorema 4.10 (apartado 3) nos asegura que la Imagen de una aplicación lineal es SIEMPRE un subespacio vectorial legítimo del espacio de llegada V[cite: 1].
Las 3 Leyes que Blindan a la Imagen como Subespacio
Comprobemos por qué la Imagen cumple las condiciones de subespacio vectorial[cite: 1]:
- Contiene al Origen: Como f(0U) = 0V, el vector cero del espacio de llegada siempre pertenece a la Imagen (0V ∈ Im(f))[cite: 1].
- Clausura para la Suma: Si dos vectores v1, v2 ∈ Im(f) proceden de u1, u2 ∈ U, su suma procede directamente de u1 + u2[cite: 1]:
v1 + v2 = f(u1) + f(u2) = f(u1 + u2) ∈ Im(f)[cite: 1]
- Clausura para el Escalar: Si escalamos un vector imagen por un número α, la linealidad garantiza que procede de escalar el vector original: α·v = α·f(u) = f(α·u) ∈ Im(f)[cite: 1].
2. La Regla de Conquista: ¿Cómo se calcula una base de Im(f)?
Para determinar la base de un subespacio imagen no necesitamos evaluar infinitos puntos. El Teorema 4.10 (apartado 2) nos entrega el procedimiento operativo definitivo[cite: 1]:
"Si {u1, u2, ..., un} es un sistema generador (o base) del espacio de origen U, entonces las imágenes {f(u1), f(u2), ..., f(un)} forman OBLIGATORIAMENTE un sistema generador de Im(f)"[cite: 1].
Esto significa que la Imagen coincide exactamente con la Envolvente Lineal (Span) de las imágenes de la base[cite: 1]:
Im(f) = L( f(u1), f(u2), ..., f(un) )[cite: 1]
La Conexión con las Columnas y el Rango
Como vimos en la construcción matricial, las columnas de la matriz de una aplicación lineal M(f) son, precisamente, las coordenadas de las imágenes de los vectores de la base[cite: 1]. Por lo tanto[cite: 1]:
- El subespacio Imagen es idéntico al Espacio Columna de la matriz de la transformación[cite: 1].
- La dimensión de la imagen coincide de forma exacta con el Rango de la matriz[cite: 1]:
dim( Im(f) ) = rg( M(f) )[cite: 1]
3. Ejemplo Analítico Paso a Paso
Analicemos con detalle el Ejemplo 4.14 del temario universitario[cite: 1]. Sea la aplicación lineal f : ℝ³ ➔ ℝ² definida analíticamente por[cite: 1]:
f(x1, x2, x3) = ( x1 + 2x2 + 3x3, 2x1 + 4x2 + 6x3 )[cite: 1]
Paso 1: Calculamos las imágenes de la base canónica de ℝ³
Evaluamos los tres vectores directores del espacio tridimensional de partida[cite: 1]:
- f(1, 0, 0) = (1 + 0 + 0, 2 + 0 + 0) = (1, 2)[cite: 1]
- f(0, 1, 0) = (0 + 2 + 0, 0 + 4 + 0) = (2, 4)[cite: 1]
- f(0, 0, 1) = (0 + 0 + 3, 0 + 0 + 6) = (3, 6)[cite: 1]
Paso 2: Construimos el sistema generador y purgamos el peso muerto
La imagen está generada por estos tres vectores[cite: 1]:
Im(f) = L( (1, 2), (2, 4), (3, 6) )[cite: 1]
Observamos inmediatamente que el segundo vector es el doble del primero (2, 4) = 2·(1, 2), y el tercer vector es el triple (3, 6) = 3·(1, 2)[cite: 1]. Hay redundancia dimensional. Los vectores son proporcionales[cite: 1]. Al eliminar el peso muerto, nos queda[cite: 1]:
Base( Im(f) ) = { (1, 2) }[cite: 1]
dim( Im(f) ) = 1[cite: 1]
¡Geometría pura revelada! A pesar de que la aplicación envía vectores a un espacio bidimensional ℝ², **la imagen es simplemente una recta unidimensional** que pasa por el origen[cite: 1]. Todo el espacio tridimensional de origen queda aplastado sobre la trayectoria de la recta generada por (1, 2)[cite: 1].
4. Epimorfismos: La Conquista Total del Espacio
En el diseño de sistemas físicos de control o robótica, con frecuencia se desea tener la certeza de que los actuadores son capaces de llevar al sistema a **cualquier estado final imaginable** dentro del espacio de destino. No queremos que queden regiones inalcanzables.
Cuando una aplicación lineal es sobreyectiva, es decir, cuando su Imagen llena por completo la totalidad del espacio de llegada V, recibe el nombre de Epimorfismo[cite: 1]:
f es Epimorfismo ⇔ Im(f) = V ⇔ dim( Im(f) ) = dim( V )[cite: 1]
Si la dimensión de la imagen es estrictamente menor que la dimensión de V (como ocurrió en nuestro ejemplo anterior, donde dim(Im) = 1 frente a dim(ℝ²) = 2), la aplicación no es un epimorfismo[cite: 1]. Hay direcciones en las que el sistema simplemente jamás podrá moverse.
5. Las Dos Fuerzas del Espacio
Ahora tenemos ante nosotros las dos piezas maestras del rompecabezas:
- El Núcleo (Ker): mide cuántas dimensiones del espacio original han sido aniquiladas hacia el reposo absoluto[cite: 1].
- La Imagen (Im): mide cuántas dimensiones del espacio original han sobrevivido para colonizar el destino[cite: 1].
¿Existe una ley de conservación que relacione a ambas magnitudes? ¿Se puede perder información sin dejar rastro? En la siguiente sesión abordaremos el teorema fundamental del movimiento espacial: El Teorema de las Dimensiones (o Ley de Conservación Dimensional)[cite: 1].
Todas las Etiquetas:
Comentarios
Todavía no hay comentarios. ¡Sé el primero en comentar!