Semana 8 [1/62]

Transformaciones lineales

8 de septiembre de 2007

Transformaciones lineales
Definiciones básicas Semana 8 [2/62]
Definición

Transformación lineal
U, V dos espacios vectoriales sobre el mismo cuerpo . K
T : U → V es una transformación (o función) lineal si y sólo si satisface:

1. ∀u1, u2 ∈ U, T (u1 + u2 ) = T (u1) + T (u2 )

2. ∀u ∈ U, λ ∈ K , T (λu) = λT (u)

La propiedad (1) establece un homomorfismo entre los grupos (U, +) y

(V , +).

Transformaciones lineales
Definiciones básicas Semana 8 [3/62]
Definición

Transformación lineal
U, V dos espacios vectoriales sobre el mismo cuerpo . K
T : U → V es una transformación (o función) lineal si y sólo si satisface:

1. ∀u1, u2 ∈ U, T (u1 + u2 ) = T (u1) + T (u2 )

2. ∀u ∈ U, λ ∈ K , T (λu) = λT (u)

La propiedad (1) establece un homomorfismo entre los grupos (U, +) y

(V , +).

Transformaciones lineales
Definiciones básicas Semana 8 [4/62]
Definición

Transformación lineal
U, V dos espacios vectoriales sobre el mismo cuerpo . K
T : U → V es una transformación (o función) lineal si y sólo si satisface:

1. ∀u1, u2 ∈ U, T (u1 + u2 ) = T (u1) + T (u2 )

2. ∀u ∈ U, λ ∈ K , T (λu) = λT (u)

La propiedad (1) establece un homomorfismo entre los grupos (U, +) y

(V , +).

Transformaciones lineales
Definiciones básicas Semana 8 [5/62]
Definición

Transformación lineal
U, V dos espacios vectoriales sobre el mismo cuerpo . K
T : U → V es una transformación (o función) lineal si y sólo si satisface:

1. ∀u1, u2 ∈ U, T (u1 + u2 ) = T (u1) + T (u2 )

2. ∀u ∈ U, λ ∈ K , T (λu) = λT (u)

La propiedad (1) establece un homomorfismo entre los grupos (U, +) y

(V , +).

Transformaciones lineales
Definiciones básicas Semana 8 [6/62]
Ejemplos

Cualquier función T : Rn → Rm, X → AX , es lineal.

El caso particular, f : R → R, x → ax, a ∈ R es lineal.

f : R → R, x → x 2, no es lineal.

f : P3 (R) → R4, p(x) = a0 + a1x + a2x 2 + a3x 3 → f (p) = (a0 , a1, a2 , a3), es
lineal.

RR
Fd ( , ) el conjunto de las funciones reales derivables.

RR
T : Fd ( , ) → F( , ) RR
df
f → T (f ) = (x)
dx
es lineal.

Transformaciones lineales
Definiciones básicas Semana 8 [7/62]
Ejemplos

Cualquier función T : Rn → Rm, X → AX , es lineal.

El caso particular, f : R → R, x → ax, a ∈ R es lineal.

f : R → R, x → x 2, no es lineal.

f : P3 (R) → R4, p(x) = a0 + a1x + a2x 2 + a3x 3 → f (p) = (a0 , a1, a2 , a3), es
lineal.

RR
Fd ( , ) el conjunto de las funciones reales derivables.

RR
T : Fd ( , ) → F( , ) RR
df
f → T (f ) = (x)
dx
es lineal.

Transformaciones lineales
Definiciones básicas Semana 8 [8/62]
Ejemplos

Cualquier función T : Rn → Rm, X → AX , es lineal.

El caso particular, f : R → R, x → ax, a ∈ R es lineal.

f : R → R, x → x 2, no es lineal.

f : P3 (R) → R4, p(x) = a0 + a1x + a2x 2 + a3x 3 → f (p) = (a0 , a1, a2 , a3), es
lineal.

RR
Fd ( , ) el conjunto de las funciones reales derivables.

RR
T : Fd ( , ) → F( , ) RR
df
f → T (f ) = (x)
dx
es lineal.

Transformaciones lineales
Definiciones básicas Semana 8 [9/62]
Ejemplos

Cualquier función T : Rn → Rm, X → AX , es lineal.

El caso particular, f : R → R, x → ax, a ∈ R es lineal.

f : R → R, x → x 2, no es lineal.

f : P3 (R) → R4, p(x) = a0 + a1x + a2x 2 + a3x 3 → f (p) = (a0 , a1, a2 , a3), es
lineal.

RR
Fd ( , ) el conjunto de las funciones reales derivables.

RR
T : Fd ( , ) → F( , ) RR
df
f → T (f ) = (x)
dx
es lineal.

Transformaciones lineales
Definiciones básicas Semana 8 [10/62]
Ejemplos

Cualquier función T : Rn → Rm, X → AX , es lineal.

El caso particular, f : R → R, x → ax, a ∈ R es lineal.

f : R → R, x → x 2, no es lineal.

f : P3 (R) → R4, p(x) = a0 + a1x + a2x 2 + a3x 3 → f (p) = (a0 , a1, a2 , a3), es
lineal.

RR
Fd ( , ) el conjunto de las funciones reales derivables.

RR
T : Fd ( , ) → F( , ) RR
df
f → T (f ) = (x)
dx
es lineal.

Transformaciones lineales
Definiciones básicas Semana 8 [11/62]
Ejemplos

Cualquier función T : Rn → Rm, X → AX , es lineal.

El caso particular, f : R → R, x → ax, a ∈ R es lineal.

f : R → R, x → x 2, no es lineal.

f : P3 (R) → R4, p(x) = a0 + a1x + a2x 2 + a3x 3 → f (p) = (a0 , a1, a2 , a3), es
lineal.

RR
Fd ( , ) el conjunto de las funciones reales derivables.

RR
T : Fd ( , ) → F( , ) RR
df
f → T (f ) = (x)
dx
es lineal.

Transformaciones lineales
Definiciones básicas Semana 8 [12/62]
Ejemplos

Sea V e.v sobre K, V = V1 ⊕ V2 y sean:

P1 : V → V1 , P2 : V → V2

v = v1 + v2 → P1 (v ) = v1 v = v1 + v2 → P2 (v ) = v2.
Ambas son lineales y:
Pi : Proyección de V sobre Vi

Transformaciones lineales
Definiciones básicas Semana 8 [13/62]
Ejemplos

Sea V e.v sobre K, V = V1 ⊕ V2 y sean:

P1 : V → V1 , P2 : V → V2

v = v1 + v2 → P1 (v ) = v1 v = v1 + v2 → P2 (v ) = v2.
Ambas son lineales y:
Pi : Proyección de V sobre Vi

Transformaciones lineales
Definiciones básicas Semana 8 [14/62]
Ejemplos

Sea V e.v sobre K, V = V1 ⊕ V2 y sean:

P1 : V → V1 , P2 : V → V2

v = v1 + v2 → P1 (v ) = v1 v = v1 + v2 → P2 (v ) = v2.
Ambas son lineales y:
Pi : Proyección de V sobre Vi

Transformaciones lineales
Propiedades Semana 8 [15/62]
Propiedades

Propiedades
Sea T : U → V una transformación lineal. Se tiene entonces:
1 T (0) = 0 ∈ V
2 T (−u) = −T (u)
3 T es lineal si y sólo si ∀λ1, λ2 ∈ K , ∀u1, u2 ∈ U
T (λ1u1 + λ2 u2) = λ1 T (u1) + λ2 T (u2)

Transformaciones lineales
Propiedades Semana 8 [16/62]
Propiedades

Propiedades
Sea T : U → V una transformación lineal. Se tiene entonces:
1 T (0) = 0 ∈ V
2 T (−u) = −T (u)
3 T es lineal si y sólo si ∀λ1, λ2 ∈ K , ∀u1, u2 ∈ U
T (λ1u1 + λ2 u2) = λ1 T (u1) + λ2 T (u2)

Transformaciones lineales
Propiedades Semana 8 [17/62]
Propiedades

Propiedades
Sea T : U → V una transformación lineal. Se tiene entonces:
1 T (0) = 0 ∈ V
2 T (−u) = −T (u)
3 T es lineal si y sólo si ∀λ1, λ2 ∈ K , ∀u1, u2 ∈ U
T (λ1u1 + λ2 u2) = λ1 T (u1) + λ2 T (u2)

Transformaciones lineales
Propiedades Semana 8 [18/62]
Caracterización de una T.L.

Dada una combinación lineal

n
X
λi x i ∈ U
i=1

y la transformación lineal, T : U → V .
Si dim U = n y β = {ui }ni=1 es base de U,
n
X
u= αi ui .
i=1

α = (α1 , ..., αn ): coordenadas de u con respecto a la base β.

Aplicando T :
Xn n
X
T (u) = T ( αi ui ) = αi T (ui )
i=1 i=1

Basta definir T sobre una base de U!

Transformaciones lineales
Propiedades Semana 8 [19/62]
Caracterización de una T.L.

Dada una combinación lineal

n
X
λi x i ∈ U
i=1

y la transformación lineal, T : U → V .
Si dim U = n y β = {ui }ni=1 es base de U,
n
X
u= αi ui .
i=1

α = (α1 , ..., αn ): coordenadas de u con respecto a la base β.

Aplicando T :
Xn n
X
T (u) = T ( αi ui ) = αi T (ui )
i=1 i=1

Basta definir T sobre una base de U!

Transformaciones lineales
Propiedades Semana 8 [20/62]
Caracterización de una T.L.

Dada una combinación lineal

n
X
λi x i ∈ U
i=1

y la transformación lineal, T : U → V .
Si dim U = n y β = {ui }ni=1 es base de U,
n
X
u= αi ui .
i=1

α = (α1 , ..., αn ): coordenadas de u con respecto a la base β.

Aplicando T :
Xn n
X
T (u) = T ( αi ui ) = αi T (ui )
i=1 i=1

Basta definir T sobre una base de U!

Transformaciones lineales
Propiedades Semana 8 [21/62]
Caracterización de una T.L.

Dada una combinación lineal

n
X
λi x i ∈ U
i=1

y la transformación lineal, T : U → V .
Si dim U = n y β = {ui }ni=1 es base de U,
n
X
u= αi ui .
i=1

α = (α1 , ..., αn ): coordenadas de u con respecto a la base β.

Aplicando T :
Xn n
X
T (u) = T ( αi ui ) = αi T (ui )
i=1 i=1

Basta definir T sobre una base de U!

Transformaciones lineales
Propiedades Semana 8 [22/62]
Caracterización de una T.L.

Dada una combinación lineal

n
X
λi x i ∈ U
i=1

y la transformación lineal, T : U → V .
Si dim U = n y β = {ui }ni=1 es base de U,
n
X
u= αi ui .
i=1

α = (α1 , ..., αn ): coordenadas de u con respecto a la base β.

Aplicando T :
Xn n
X
T (u) = T ( αi ui ) = αi T (ui )
i=1 i=1

Basta definir T sobre una base de U!

Transformaciones lineales
Propiedades Semana 8 [23/62]
Isomorfismos de e.v.’s

Isomorfismo
Sea T : U → V una transformación lineal, diremos que es un isomorfismo
si T es biyectiva.

U y V son isomorfos si existe un isomorfísmo entre U y V , en cuyo caso lo

denotaremos como
U∼= V.

Transformaciones lineales
Propiedades Semana 8 [24/62]
Isomorfismos de e.v.’s

Isomorfismo
Sea T : U → V una transformación lineal, diremos que es un isomorfismo
si T es biyectiva.

U y V son isomorfos si existe un isomorfísmo entre U y V , en cuyo caso lo

denotaremos como
U∼= V.

Transformaciones lineales
Propiedades Semana 8 [25/62]
Ejemplo

Consideremos:
f :U→ n K .
u → f (u) = α = (α1 , ..., αn )
Aa u le asocia las coordenadas con respecto a una base fija β = {ui }ni=1.
Es un isomorfismo.

Esto quiere decir que si U tiene dimensión finita n se “comporta” como Kn .

Veamos la imagen de una base {ui }ni=1 del U.

f (ui ) = f (0u1 + ... + 1ui + ... + 0un ) = (0, ..., 1, ..., 0) = ei ∈ Kn
Luego, la base asociada a {ui }ni=1 es la base canónica de Kn .

Transformaciones lineales
Propiedades Semana 8 [26/62]
Ejemplo

Consideremos:
f :U→ n K .
u → f (u) = α = (α1 , ..., αn )
Aa u le asocia las coordenadas con respecto a una base fija β = {ui }ni=1.
Es un isomorfismo.

Esto quiere decir que si U tiene dimensión finita n se “comporta” como Kn .

Veamos la imagen de una base {ui }ni=1 del U.

f (ui ) = f (0u1 + ... + 1ui + ... + 0un ) = (0, ..., 1, ..., 0) = ei ∈ Kn
Luego, la base asociada a {ui }ni=1 es la base canónica de Kn .

Transformaciones lineales
Propiedades Semana 8 [27/62]
Ejemplo

Consideremos:
f :U→ n K .
u → f (u) = α = (α1 , ..., αn )
Aa u le asocia las coordenadas con respecto a una base fija β = {ui }ni=1.
Es un isomorfismo.

Esto quiere decir que si U tiene dimensión finita n se “comporta” como Kn .

Veamos la imagen de una base {ui }ni=1 del U.

f (ui ) = f (0u1 + ... + 1ui + ... + 0un ) = (0, ..., 1, ..., 0) = ei ∈ Kn
Luego, la base asociada a {ui }ni=1 es la base canónica de Kn .

Transformaciones lineales
Propiedades Semana 8 [28/62]
Ejemplo

Consideremos:
f :U→ n K .
u → f (u) = α = (α1 , ..., αn )
Aa u le asocia las coordenadas con respecto a una base fija β = {ui }ni=1.
Es un isomorfismo.

Esto quiere decir que si U tiene dimensión finita n se “comporta” como Kn .

Veamos la imagen de una base {ui }ni=1 del U.

f (ui ) = f (0u1 + ... + 1ui + ... + 0un ) = (0, ..., 1, ..., 0) = ei ∈ Kn
Luego, la base asociada a {ui }ni=1 es la base canónica de Kn .

Transformaciones lineales
Propiedades Semana 8 [29/62]
Ejemplo

Consideremos:
f :U→ n K .
u → f (u) = α = (α1 , ..., αn )
Aa u le asocia las coordenadas con respecto a una base fija β = {ui }ni=1.
Es un isomorfismo.

Esto quiere decir que si U tiene dimensión finita n se “comporta” como Kn .

Veamos la imagen de una base {ui }ni=1 del U.

f (ui ) = f (0u1 + ... + 1ui + ... + 0un ) = (0, ..., 1, ..., 0) = ei ∈ Kn
Luego, la base asociada a {ui }ni=1 es la base canónica de Kn .

Transformaciones lineales
Propiedades Semana 8 [30/62]
Composición entre T.L.

Consideremos U, V , W espacios vectoriales sobre el mismo cuerpo.

T : U → V y L : V → W dos transformaciones lineales,
L◦T :U →W
es una función lineal.
Si además L y T son biyectivas (isomorfísmos) entonces también lo es
L ◦ T.

Si T : U → V es un isomorfísmo, entonces T −1 : V → U lo es también.

∼
= es relación de equivalencia!

Transformaciones lineales
Propiedades Semana 8 [31/62]
Composición entre T.L.

Consideremos U, V , W espacios vectoriales sobre el mismo cuerpo.

T : U → V y L : V → W dos transformaciones lineales,
L◦T :U →W
es una función lineal.
Si además L y T son biyectivas (isomorfísmos) entonces también lo es
L ◦ T.

Si T : U → V es un isomorfísmo, entonces T −1 : V → U lo es también.

∼
= es relación de equivalencia!

Transformaciones lineales
Propiedades Semana 8 [32/62]
Composición entre T.L.

Consideremos U, V , W espacios vectoriales sobre el mismo cuerpo.

T : U → V y L : V → W dos transformaciones lineales,
L◦T :U →W
es una función lineal.
Si además L y T son biyectivas (isomorfísmos) entonces también lo es
L ◦ T.

Si T : U → V es un isomorfísmo, entonces T −1 : V → U lo es también.

∼
= es relación de equivalencia!

Transformaciones lineales
Propiedades Semana 8 [33/62]
Composición entre T.L.

Consideremos U, V , W espacios vectoriales sobre el mismo cuerpo.

T : U → V y L : V → W dos transformaciones lineales,
L◦T :U →W
es una función lineal.
Si además L y T son biyectivas (isomorfísmos) entonces también lo es
L ◦ T.

Si T : U → V es un isomorfísmo, entonces T −1 : V → U lo es también.

∼
= es relación de equivalencia!

Transformaciones lineales
Propiedades Semana 8 [34/62]
Composición entre T.L.

Consideremos U, V , W espacios vectoriales sobre el mismo cuerpo.

T : U → V y L : V → W dos transformaciones lineales,
L◦T :U →W
es una función lineal.
Si además L y T son biyectivas (isomorfísmos) entonces también lo es
L ◦ T.

Si T : U → V es un isomorfísmo, entonces T −1 : V → U lo es también.

∼
= es relación de equivalencia!

Transformaciones lineales
Propiedades Semana 8 [35/62]
Composición entre T.L.

Consideremos U, V , W espacios vectoriales sobre el mismo cuerpo.

T : U → V y L : V → W dos transformaciones lineales,
L◦T :U →W
es una función lineal.
Si además L y T son biyectivas (isomorfísmos) entonces también lo es
L ◦ T.

Si T : U → V es un isomorfísmo, entonces T −1 : V → U lo es también.

∼
= es relación de equivalencia!

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [36/62]
Núcleo

Núcleo
T : U → V transformación lineal. Definimos el núcleo de T como el
conjunto:

KerT = {x ∈ U/T (x) = 0}

KerT 6= φ ya que T (0) = 0.

KerT es un s.e.v. de U.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [37/62]
Núcleo

Núcleo
T : U → V transformación lineal. Definimos el núcleo de T como el
conjunto:

KerT = {x ∈ U/T (x) = 0}

KerT 6= φ ya que T (0) = 0.

KerT es un s.e.v. de U.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [38/62]
Núcleo

Núcleo
T : U → V transformación lineal. Definimos el núcleo de T como el
conjunto:

KerT = {x ∈ U/T (x) = 0}

KerT 6= φ ya que T (0) = 0.

KerT es un s.e.v. de U.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [39/62]
Núcleo

Núcleo
T : U → V transformación lineal. Definimos el núcleo de T como el
conjunto:

KerT = {x ∈ U/T (x) = 0}

KerT 6= φ ya que T (0) = 0.

KerT es un s.e.v. de U.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [40/62]
Imagen

Imagen
T : U → V transformación lineal. Definimos la imagen de T como el
conjunto:
ImT = T (U) = {v ∈ V /∃u ∈ U : v = f (u)}

ImT es un s.e.v de V .

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [41/62]
Imagen

Imagen
T : U → V transformación lineal. Definimos la imagen de T como el
conjunto:
ImT = T (U) = {v ∈ V /∃u ∈ U : v = f (u)}

ImT es un s.e.v de V .

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [42/62]
Imagen

Imagen
T : U → V transformación lineal. Definimos la imagen de T como el
conjunto:
ImT = T (U) = {v ∈ V /∃u ∈ U : v = f (u)}

ImT es un s.e.v de V .

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [43/62]
Rango y nulidad

Definición
dim(ImT ): rango de la transformación T y se nota r .

dim(KerT ): nulidad y se suele denotar por ν.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [44/62]
Rango y nulidad

Definición
dim(ImT ): rango de la transformación T y se nota r .

dim(KerT ): nulidad y se suele denotar por ν.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [45/62]
Ejemplo

Sea la transformación lineal:

R
T : 4→ 3 R
(x1 , x2, x3, x4) → (x1 + x2 , x2 − x3, x1 + x3 )
o en términos matriciales:
 
 x1 
1 1 0 0  
x2 
T (x) =  0 1 −1 0  
 x3 
1 0 1 0
x4

Determinemos KerT e ImT .

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [46/62]
Ejemplo

Sea la transformación lineal:

R
T : 4→ 3 R
(x1 , x2, x3, x4) → (x1 + x2 , x2 − x3, x1 + x3 )
o en términos matriciales:
 
 x1 
1 1 0 0  
x2 
T (x) =  0 1 −1 0  
 x3 
1 0 1 0
x4

Determinemos KerT e ImT .

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [47/62]
Ejemplo

Sea la transformación lineal:

R
T : 4→ 3 R
(x1 , x2, x3, x4) → (x1 + x2 , x2 − x3, x1 + x3 )
o en términos matriciales:
 
 x1 
1 1 0 0  
x2 
T (x) =  0 1 −1 0  
 x3 
1 0 1 0
x4

Determinemos KerT e ImT .

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [48/62]
Ejemplo

x ∈ KerT ⇔ T (x) = 0 equivale a

 
  x1  
1 1 0 0   0
x 2
0 1 −1 0  
 x3  = 0
  
1 0 1 0 0
x4

Escalonando:
     
1 1 0 0 1 1 0 0 1 1 0 0
 0 1 −1 0  →  0 1 −1 0  →  0 1 −1 0 
1 0 1 0 0 −1 1 0 0 0 0 0

     
x1 = −x3 x1 −1 0
x2 = x3   = x3  1  + x4  0 
 x2     
⇔
x3 = x3  x3   1  0
x4 = x4 x4 0 1

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [49/62]
Ejemplo

x ∈ KerT ⇔ T (x) = 0 equivale a

 
  x1  
1 1 0 0   0
x 2
0 1 −1 0  
 x3  = 0
  
1 0 1 0 0
x4

Escalonando:
     
1 1 0 0 1 1 0 0 1 1 0 0
 0 1 −1 0  →  0 1 −1 0  →  0 1 −1 0 
1 0 1 0 0 −1 1 0 0 0 0 0

     
x1 = −x3 x1 −1 0
x2 = x3   = x3  1  + x4  0 
 x2     
⇔
x3 = x3  x3   1  0
x4 = x4 x4 0 1

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [50/62]
Ejemplo

x ∈ KerT ⇔ T (x) = 0 equivale a

 
  x1  
1 1 0 0   0
x 2
0 1 −1 0  
 x3  = 0
  
1 0 1 0 0
x4

Escalonando:
     
1 1 0 0 1 1 0 0 1 1 0 0
 0 1 −1 0  →  0 1 −1 0  →  0 1 −1 0 
1 0 1 0 0 −1 1 0 0 0 0 0

     
x1 = −x3 x1 −1 0
x2 = x3   = x3  1  + x4  0 
 x2     
⇔
x3 = x3  x3   1  0
x4 = x4 x4 0 1

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [51/62]
Ejemplo

x ∈ KerT ⇔ T (x) = 0 equivale a

 
  x1  
1 1 0 0   0
x 2
0 1 −1 0  
 x3  = 0
  
1 0 1 0 0
x4

Escalonando:
     
1 1 0 0 1 1 0 0 1 1 0 0
 0 1 −1 0  →  0 1 −1 0  →  0 1 −1 0 
1 0 1 0 0 −1 1 0 0 0 0 0

     
x1 = −x3 x1 −1 0
x2 = x3   = x3  1  + x4  0 
 x2     
⇔
x3 = x3  x3   1  0
x4 = x4 x4 0 1

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [52/62]
Ejemplo

Luego:

KerT = < {(−1, 1, 1, 0), (0, 0, 0, 1)} > .

Con dim(KerT ) = 2.

Sea (y1 , y2, y3 ) ∈ ImT , es decir:

 
   x1 
y1 1 1 0 0  
 y2  =  0 1 −1 0   x2 
 x3 
y3 1 0 1 0
x
    4  
1 1 0
= x1  0  + x2  1  + x3  −1 
1 0 1

Luego ImT =< {(1, 0, 1), (1, 1, 0), (0, −1, 1)} >=< {(1, 0, 1), (1, 1, 0)} >.
Y dim(ImT ) = 2.
Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [53/62]
Ejemplo

Luego:

KerT = < {(−1, 1, 1, 0), (0, 0, 0, 1)} > .

Con dim(KerT ) = 2.

Sea (y1 , y2, y3 ) ∈ ImT , es decir:

 
   x1 
y1 1 1 0 0  
 y2  =  0 1 −1 0   x2 
 x3 
y3 1 0 1 0
x
    4  
1 1 0
= x1  0  + x2  1  + x3  −1 
1 0 1

Luego ImT =< {(1, 0, 1), (1, 1, 0), (0, −1, 1)} >=< {(1, 0, 1), (1, 1, 0)} >.
Y dim(ImT ) = 2.
Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [54/62]
Ejemplo

Luego:

KerT = < {(−1, 1, 1, 0), (0, 0, 0, 1)} > .

Con dim(KerT ) = 2.

Sea (y1 , y2, y3 ) ∈ ImT , es decir:

 
   x1 
y1 1 1 0 0  
 y2  =  0 1 −1 0   x2 
 x3 
y3 1 0 1 0
x
    4  
1 1 0
= x1  0  + x2  1  + x3  −1 
1 0 1

Luego ImT =< {(1, 0, 1), (1, 1, 0), (0, −1, 1)} >=< {(1, 0, 1), (1, 1, 0)} >.
Y dim(ImT ) = 2.
Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [55/62]
Ejemplo

Luego:

KerT = < {(−1, 1, 1, 0), (0, 0, 0, 1)} > .

Con dim(KerT ) = 2.

Sea (y1 , y2, y3 ) ∈ ImT , es decir:

 
   x1 
y1 1 1 0 0  
 y2  =  0 1 −1 0   x2 
 x3 
y3 1 0 1 0
x
    4  
1 1 0
= x1  0  + x2  1  + x3  −1 
1 0 1

Luego ImT =< {(1, 0, 1), (1, 1, 0), (0, −1, 1)} >=< {(1, 0, 1), (1, 1, 0)} >.
Y dim(ImT ) = 2.
Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [56/62]
Ejemplo

Luego:

KerT = < {(−1, 1, 1, 0), (0, 0, 0, 1)} > .

Con dim(KerT ) = 2.

Sea (y1 , y2, y3 ) ∈ ImT , es decir:

 
   x1 
y1 1 1 0 0  
 y2  =  0 1 −1 0   x2 
 x3 
y3 1 0 1 0
x
    4  
1 1 0
= x1  0  + x2  1  + x3  −1 
1 0 1

Luego ImT =< {(1, 0, 1), (1, 1, 0), (0, −1, 1)} >=< {(1, 0, 1), (1, 1, 0)} >.
Y dim(ImT ) = 2.
Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [57/62]
KerT e inyectividad

Teorema
Sea T : U → V una transformación lineal entonces
T es inyectiva ⇔ KerT = {0}.

Corolario
T : U → V es un isomorfismo si y sólo si KerT = {0} ∧ ImT = V ,
o equivalentemente dim ImT = dim V y dim KerT = 0.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [58/62]
KerT e inyectividad

Teorema
Sea T : U → V una transformación lineal entonces
T es inyectiva ⇔ KerT = {0}.

Corolario
T : U → V es un isomorfismo si y sólo si KerT = {0} ∧ ImT = V ,
o equivalentemente dim ImT = dim V y dim KerT = 0.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [59/62]
KerT e inyectividad

Teorema
Sea T : U → V una transformación lineal entonces
T es inyectiva ⇔ KerT = {0}.

Corolario
T : U → V es un isomorfismo si y sólo si KerT = {0} ∧ ImT = V ,
o equivalentemente dim ImT = dim V y dim KerT = 0.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [60/62]
Inyectividad y conjuntos l.i.

Teorema
Si T : U → V es inyectiva, entonces
{ui }ki=1 es ℓ.i. en U ⇒ {T (ui )}ki=1 es ℓ.i. en V .

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [61/62]
Inyectividad y conjuntos l.i.

Teorema
Si T : U → V es inyectiva, entonces
{ui }ki=1 es ℓ.i. en U ⇒ {T (ui )}ki=1 es ℓ.i. en V .

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [62/62]
Ejemplo

Un ejemplo importante

Rn+1 ∼= Pn(R).
En efecto, sea
R R
T : n+1 → Pn ( ) tal que:
n
R
X
(a0, a1 , ..., an ) → ai x i ∈ P n ( )
i=0

Es un isomorfismo.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [63/62]
Ejemplo

Un ejemplo importante

Rn+1 ∼= Pn(R).
En efecto, sea
R R
T : n+1 → Pn ( ) tal que:
n
R
X
(a0, a1 , ..., an ) → ai x i ∈ P n ( )
i=0

Es un isomorfismo.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [64/62]
Ejemplo

Un ejemplo importante

Rn+1 ∼= Pn(R).
En efecto, sea
R R
T : n+1 → Pn ( ) tal que:
n
R
X
(a0, a1 , ..., an ) → ai x i ∈ P n ( )
i=0

Es un isomorfismo.

Transformaciones lineales
Subespacios asociados a una T.L. Semana 8 [65/62]
Ejemplo

Un ejemplo importante

Rn+1 ∼= Pn(R).
En efecto, sea
R R
T : n+1 → Pn ( ) tal que:
n
R
X
(a0, a1 , ..., an ) → ai x i ∈ P n ( )
i=0

Es un isomorfismo.

Transformaciones lineales