NÚCLEO E IMAGEN DE UNA

TRANSFORMACIÓN LINEAL
NÚCLEO DE UNA TRANSFORMACIÓN LINEAL
Sea F:V→W una transformación lineal. Llamamos núcleo
de F al conjunto de vectores del dominio cuya imagen
por F es el 0w. Es decir, el núcleo es un subespacio
vectorial perteneciente al espacio vectorial V, cuyo vector
correspondiente en el espacio vectorial W es el vector
cero.
N (f) = { v Є V | f (v) = 0w }

Notación: Núcleo se denota N(f)

.
Gráfico:
Dado un espacio vectorial V, cuyos elementos son: v1, v2…,
y dado un espacio vectorial W, El núcleo está formado por
todos aquellos vectores que tienen como correspondiente el
vector cero en W.

El Núcleo puede tener varios vectores de V, incluido el

vector nulo 0v , o sólo el vector nulo.
 EJERCICIOS
Determine el núcleo de la transformación de en definida como

Solución: Un vector v = (a, b, c)´ pertenece al núcleo de T si T(v) = 0, es decir si:

Para pertenecer al núcleo debe cumplirse:

Reduciendo tenemos: El núcleo de T en este caso es un espacio generado:

2. Dada la siguiente aplicación lineal, realice un diagrama, y escriba la definición
de núcleo.
f : R3 x-2z 2x+y+2z
M2
(x, y, z) f (x, y, z) =
2x+y+2z 3x+y
Solución:
Diagrama: M2
R3
f a b
(x, y, z) f (x, y, z) =
c d

Por la definición, y ya que el núcleo es un conjunto, lo representamos así:

x-2z 2x+y+2z 0 0
N f : {x, y, z / f (x, y, z) = = }
0 0
2x+y+2z 3x+y
Por lo tanto, plantemos el sistema de ecuaciones: Y, luego resolvemos nuestra matriz
ampliada, y al resolverla, obtenemos las restricciones del núcleo. Finalmente
expresamos el núcleo con las restricciones reemplazadas.
x-2z = 0 1 0 -2 0 x-2z=0 x=2z N f : {x, y, z / x=2z y=-6z }

<
2x+y+2z= 0 2 1 2 0 y+6z=0 y=-6z N f : { 2z,-6z,z / z Є R }
2x+y+2z= 0 2 1 2 0 N f : { z (2,-6,1) / z Є R }
3x+y=0 3 1 0 0 N f : {2,-6,1}
IMAGEN DE UNA TRANSFORMACIÓN LINEAL
Sea F:V→W una transformación lineal, entonces la imagen de F,
notado por Img(F) , es el subconjunto de W, que contiene todos
los elementos de w ∈ W, que son imágenes de vectores 𝑣 Є 𝑉
debidas a la transformación F.

A la imagen de F también se la conoce como rango o recorrido de

F.

Es decir, llamamos imagen de F al conjunto de vectores de W que

son imagen de algún vector de V.
Podemos decir que v está en Img (f) si podemos
hallar algún vector u en V tal que f(u)= w.
 EJERCICIO

Determine la imagen de la
transformación lineal de en
definida como

El vector v1 = (a, b, c)´de R3 de está en la

imagen de T si existe un vector (x, y, z)´en R3 tal
que T((x, y, z)´) = v´1 es decir si es consistente el
sistema:

Por tanto

Por tanto, (a, b, c)´ está en la imagen

de T si el sistema anterior es
consistente si −2 a + b + c = 0. Esto
ocurrirá si y sólo si a = 1/2 b + 1/2 c.
Es decir, (a, b, c) 0 está en la imagen
de T si y sólo si:
 TEOREMA DE LAS DIMENSIONES

El teorema de las dimensiones establece una relación aritmética sencilla

entre la dimensión de V y la dimensión del núcleo y de la imagen.
Sea F:V→W una transformación lineal.. Si dim(V)=n(finita) entonces:
 INYECTIVIDAD DE TRANSFORMACIONES
LINEALES
Una función es inyectiva si no hay dos elementos diferentes del dominio que
tienen la misma evaluación. Es decir, es f es inyectiva si y sólo si f(x1) = f(x2)
implica que x1 = x2. Este concepto en las funciones lineales en espacios
vectoriales tiene un comportamiento simple: f(x1 −x2) = 0 implica x1 −x2 = 0.
Teorema
Sea T : V → W una transformación lineal. T es inyectiva si y sólo si Ker(T) = {0}.

Para determinar si una transformación lineal es inyectiva, todas las columnas de

la reducida de la matriz que define a la transformación lineal deben de tener
pivote.
 SUPRAYECTIVIDAD DE TRANSFORMACIONES LINEALES
Una función es suprayectiva si para todo elemento en el codominio hay un elemento
en el dominio que bajo la función se transforma en él. Es decir, es f es suprayectiva
si y sólo si f(x) = a es consistente para todo a en el codominio de f.
Teorema:
Sea T : V → W una transformación lineal y

un conjunto generador para V . T es suprayectiva si y sólo si

Para determinar si una transformación lineal es suprayectiva, todos

los renglones en la reducida de A deben de tener pivotes.
 NULIDAD Y RANGO DE UNA TRANSFORMACIÓN

El núcleo y la imagen de una transformación lineal son espacios vectoriales. Como

espacios vectoriales, ellos tienen una dimensión asociada. Estas dimensiones tienen
nombre específicos:

Sea T : V → W una transformación lineal.

-La nulidad de T es la dimensión de Ker(T).

-El rango de T es la dimensión de R(T).

Teorema Sea T : V → W una transformación lineal. Suponga que T

corresponde a la transformación matricial asociada a A. Entonces:
El resultado anterior indica que para cualquier transformación lineal T : V → W,

Así por ejemplo:

lineal no puede ser inyectiva pues

por tanto, dim(Ker(T)) ≥ 1 probando que Ker(T)) 6≠ {0}.

lineal no puede ser sobre pues

Por tanto probando que

 CONCLUSIONES

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 codominio.
El núcleo de toda transformación lineal es un subespacio vectorial
del dominio.
La imagen de una transformación lineal está formada por el conjunto
de todos los vectores del codominio que son imágenes de al menos
algún vector del dominio.
La imagen de toda transformación lineal es un subespacio del
codominio.
El rango de una transformación lineal es la dimensión de la imagen.