5.2 Núcleo e imagen de una transformación lineal.

             5.2 IMAGEN DE UNA TRANSFORMACIÓN LINEAL 

Sean V, W espacios vectoriales sobre un campo F y sea T ∈ L(V, W). La imagen de T se define como el conjunto de todos los valores de la aplicación T:



La imagen de una transformación lineal es un subespacio vectorial del condominio.

Sean V, W espacios vectoriales sobre un campo F y sea T ∈ L(V, W). Entonces im(T) es un subespacio de W. Parte de demostración. Se aplica el criterio de subespacio. Se demuestra que el conjunto im(T) es cerrado bajo la adición y bajo la multiplicación por escalares, además contiene al vector cero. Mostremos que el conjunto im(T) es cerrado bajo la adición. Sean w1, w2 ∈ im(T). Por la definición de la imagen, existen v1, v2 ∈ V tales que w1 = T(v1), w2 = T(v2). Por la linealidad de T,


Logramos encontrar un vector x = v1 + v2 tal que T(x) = w1 + w2. Por la definición de la imagen, esto implica que w1 + w2 ∈ im(T).


Criterio de la suprayectividad de una función en términos de su imagen.

Según la definición, f se llama suprayectiva si Y ⊂ im(f). Pero la contención im(f) ⊂ Y es válida cualquier función f : X → Y . Por lo tanto,





NÚCLEO DE UNA TRANSFORMACIÓN LINEAL 

El núcleo de una transformación lineal.

Sean V, W espacios vectoriales sobre un campo F y sea T ∈ L(V, W). El núcleo (kernel, espacio nulo) de T se define como la preimagen completa del vector nulo:



El núcleo de una transformación lineal es un subespacio vectorial del dominio.

Sean V, W espacios vectoriales sobre un campo F y sea T ∈ L(V, W). Entonces ker(T) es un subespacio de V . 


Criterio de la inyectividad de una transformación lineal en términos de su núcleo.

Sean V, W espacios vectoriales sobre un campo F y sea T ∈ L(V, W). Entonces: 


Demostración. ⇒. Supongamos que T es inyectiva. Tenemos por demostrar la igualdad ker(T) = {0V }. Sabemos que la contención {0V } ⊂ ker(T) se cumple para cualquier transformación lineal. Vamos a demostrar que ker(T) ⊂ {0V }. 
Para ello, consideremos un vector arbitrario v ∈ ker(T) y demostremos que v = 0V . Por la definición del núcleo tenemos que T(v) = 0W . 
Por otro lado, sabemos que T(0V ) = 0W . De las ´ultimas dos igualdades sigue que T(v) = T(0V ). Como T es inyectiva, podemos concluir que v = 0V . 
⇐. Supongamos que ker(T) = {0}. Sean u, v ∈ V tales que T(u) = T(v), demostremos que u = v. Por la linealidad de T, 



Esto significa que T(u − v) ∈ ker(T). Luego u − v = 0 y u = v.



Ejemplo:

El núcleo y la imagen de la transformación nula.

La transformación nula 0V →W : V → W está definida mediante la formula.


Es fácil ver que ker(0V →W ) = V , im(0V →W ) = {0W }.



El núcleo y la imagen de la transformación identidad.

Determine ker(I) y im(I) de la transformación identidad I : V → V definida mediante la fórmula.



El núcleo y la imagen de la transformación D.

Consideremos el operador D : Pn(R) → Pn(R), Df = f 0 . Entonces im(A) = Pn−1(F), ker(A) = P0(F).



El núcleo y la imagen de una proyección en V² (O).

Sea P el operador de proyección sobre 𝓁  paralelamente a 𝓁. Entonces ker(P) = 𝓁, im(P) = 𝓁.


Transformada lineal en  asociada con la matriz 

Es fácil ver que



Problema adicional.

Sean V, W, X espacios vectoriales sobre un campo F y sean T ∈ L(V, W), U ∈ L(W, X). Demuestre que




 Problema adicional.

En este problema se trata de funciones generales, no necesariamente de transformaciones lineales. Sean f : X → Y , g : Y → Z. Demuestre que: 

1. Si la composición gf es suprayectiva, entonces g es suprayectiva.  

2. Si la composición gf es inyectiva, entonces f es inyectiva.



A continuación se dejan algunos videos de ejemplo respecto al tema de Núcleo e Imagen de la Transformación Lineal. 


  

Elaborado por.
José Manuel Zambrano Luna.
Dulce María Rangel Alcalá.
Bradley William Dávalos Espinoza.
Luis Felipe Hernandez Soto. 



Comentarios

  1. ¿Cuál es la definición algebraica del núcleo?

    ResponderBorrar
    Respuestas
    1. NT = {x ϵ V|T(x) = 0}
      Donde x pertenece a V tal que la transformación de x es igual a 0.

      Borrar
  2. ¿Qué es el núcleo de una transformación lineal?

    ResponderBorrar
  3. ¿Qué es el rango de una transformación lineal?

    ResponderBorrar
    Respuestas
    1. El rango de la transformación lineal se refiere a la dimensión de la imagen.
      rang(T) = dim(Im))

      Borrar
  4. ¿Cómo se calcula la imagen por f de un vector x de coordenadas x= (x1, x2, …, xn) B x= (x1, x2, …, xn)?

    ResponderBorrar
    Respuestas
    1. En este caso, B se obtiene multiplicando por la matriz asociada a f : Y=A⋅X Y = A · X

      Borrar
  5. Respuestas
    1. Se denomina como nulidad a la dimensión del núcleo. null(T) = dim(ker(T))

      Borrar
  6. ¿Qué es la imagen de una transformación lineal?

    ResponderBorrar
    Respuestas
    1. La imagen de una transformación lineal es un subespacio del codominio.

      Borrar

Publicar un comentario

Entradas más populares de este blog

5.4 Aplicación de las transformaciones lineales: reflexión, dilatación, contracción y rotación.

5.3 Representación matricial de una transformación lineal.