5.2 Núcleo e imagen de una transformación lineal.

                                         5.2 Núcleo e imagen de una transformación lineal.

Transformaciones lineales: núcleo e imagen. Teorema  1 Sea T: V S W una transformación lineal. Entonces para todos los vectores u, v, v1, v2, . . . , vn en V y todos los escalares a1, a2, . . . , an: i. T(0) = 0 ii. T(u - v) = Tu - Tv iii. T(a1v1 + a2v2 +. . .+ anvn) = a1Tv1 + a2Tv2 +. . .+ anTvn Nota. En la parte i) el 0 de la izquierda es el vector cero en V; mientras que el 0 de la derecha es el vector cero en W. Teorema 2 Sea V un espacio vectorial de dimensión finita con base B = {v1, v2, . . . , vn}. Sean w1, w2, . . . , wn vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de V en W tales que T1vi = T2vi = wi para i = 1, 2, . . . , n. Entonces para cualquier vector v ∈ V, T1v = T2v; es decir T1 = T2. Ejemplo Definición 1 Núcleo e imagen de una transformación lineal Sean V y W dos espacios vectoriales y sea T:V W una transformación lineal. Entonces   i . El núcleo de T, denotado por un, está dado por ii. La imagen de T, denotado por Im T, esta dado por Observacion 1. Observe que un T es no vacio porque, de acuerdo al teorema 1, T(0) = 0 de manera que 0 ϵ un T para cualquier transformación lineal T. Se tiene interés en encontrar otros vectores en V que “se transformen en 0”. De nuevo, observe que cuando escribimos T(0) = 0, el 0 de la izquierda está en V y el de la derecha en W. Observación 2. La imagen  de T es simplemente el conjunto de “imajenes” de los vectores en V bajo la transformación T. De hecho, si w = Tv, se dice que w es la imagen de v bajo T. Antes de dar ejemplos de núcleos e imágenes , se demostrará un teorema de gran utilidad. Teorema 4 Si T:V W es una transformación lineal, entonces i.Un T es un subespacio de V. ii.Im T es un subespacio de W. Demostracion i.Sean u y v en un T; Entonces T(u + v) = Tu + Tv =0 + 0 =0 y T( ) =  = 0 = 0 de forma que u + v y ∝u están en un T. ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vestores u y v en V. Esto significa que T(u + v)= Tu + Tv = w + x y T(∝u) = ∝Tu =∝w. Por lo tanto, w + x y ∝w están en Im T. Ejemplo 3.  Núcleo e imagen de la transformación cero Sea Tv = 0 para todo vϵ V(T es la transformación cero). Entonces un T = v e Im T = {0}. Ejemplo 4   Núcleo e imagen de la transformación identidad Sea Tv = v para vϵ V(T es la transformación identidad). Entonces un T= {0} e Im T = V. Las transformaciones cero e identidad proporcionan dos extremos. En la primera todo se                     encuentra en el núcleo. En la segunda sólo el vector cero se encuentra en el núcleo. Los casos intermedios son más interesantes. Ejemplo 5 Núcleo e imagen de un operador de proyección Sea T:R3 R3 definida por T es el operador de proyección de R3 en el plano xy. Entonces x = y = 0. Así, nu T = {(x,y,z):x  = y = 0, zϵR}, es decir, el eje z, e Im T = {(x,y,z): z = 0}, es decir el  plano xy. Observe que dim un T = 1 y dim Im T = 2. Definición 2      Nulidad y rango de una transformación lineal Si T es una transformación lineal de v en w, entonces se define. Toda matriz A de m*n da lugar a una transformación lineal T:R´´ R´´´ definida por Tx = Ax. Es evidente que un T = NA, Im T = Im A = CA, v(T) = v(A) y p(T) = p(A). Entonces se ve que las definiciones de núcleo, imagen, nulidad y rango de una transformación lineal son extensiones del espacio nulo, la imagen, la nulidad y el rango de una matriz.