E SCUELA P OLITÉCNICA N ACIONAL

Á LGEBRA L INEAL • S EMANA 12 C LASE 02

Semestre 2022-A Departamento de Formación Básica

6. A PLICACIONES LINEALES

6.3 Núcleo e imagen

D EFINICIÓN 1: Núcleo e imagen de una aplicación lineal

Sea T ∈ L ( E, F ).

1. El núcleo de T, denotado por ker( T ), está definida por:

ker( T ) = {v ∈ E : T (v) = 0F }.

2. La imagen de T, denotada por img( T ), está definida por:

img( T ) = {w ∈ F : w = T (v) para algún v ∈ E}.

P ROPOSICIÓN 1. Sea T ∈ L ( E, F ), entonces

1. ker( T ) es un subespacio vectorial del espacio vectorial E.

2. img( T ) es un subespacio vectorial del espacio vectorial F.

E JEMPLO 1. Sea T ∈ L (R3 , R2 ) definida por T ( x, y, z) = ( x − 2z, y − z) para todo

( x, y, z) ∈ R3 , entonces
n o
ker( T ) = ( x, y, z) ∈ R3 : T ( x, y, z) = (0, 0)
n o
= ( x, y, z) ∈ R3 : ( x − 2z, y − z) = (0, 0)
n o
= ( x, y, z) ∈ R3 : x = 2z, y = z
n o
= (2z, z, z) ∈ R3 : z ∈ R

y
n o
img( T ) = (u, v) ∈ R2 : T ( x, y, z) = (u, v), para algún ( x, y, z) ∈ R3
n o
= (u, v) ∈ R2 : ( x − 2z, y − z) = (u, v), con x, y, z ∈ R

1
Departamento de Formación Básica Semana 12 Clase 02

n o
= (u, v) ∈ R2 : x − 2z = u, y − z = v, con x, y, z ∈ R .

Ahora, sea (u, v) ∈ R2 , tenemos que (u, v) ∈ img( T ) si y solo si se verifica el

sistema ecuaciones lineales en las incógnitas x, y y z:
(
x − 2z = u
y − z = v.

con x, y, z ∈ R, cuya matriz ampliada es:

!
1 0 −2 u
.
0 1 −1 v

Como rang( A|b) = rang( A) = 2, por el Teorema de Rouché-Frobenius, el sistema

es consistente para todo u y v ∈ R. Por lo tanto:

img( T ) = R2 .

E JERCICIO 1. Considere la aplicación lineal T ∈ L (R2×2 , R2 ) definida por

!
a b
T = ( a + b, −d)
c d
!
a b
para todo ∈ R2×2 . Determine el ker( T ) y la img( T ).
c d

P ROPOSICIÓN 2. Sea T ∈ L ( E, F ).

1. T es inyectiva si y solo si ker( T ) = {0E }.

2. T es sobreyectiva si y solo si img( T ) = F.

O BSERVACIÓN 1. Dado que la img( T ) ⊆ F, si dim(img( T )) = dim( F ), entonces

img( T ) = F, por lo tanto T es sobreyectiva.

E JEMPLO 2. Para la aplicación lineal

T: R3 −→ R2
( x, y, z) 7−→ ( x − 2z, y − z)

(2z, z, z) ∈ R3 : z ∈ R

se tiene que ker( T ) = 6= {0R3 }. Por lo tanto, T no es
inyectiva.

2
Semana 12 Clase 02 Departamento de Formación Básica

Además, img( T ) = R2 , luego, T es sobreyectiva.

E JERCICIO 2. Dada la aplicación lineal

T : R2 −→ R3
( x, y) 7−→ ( x − y, 2x, x + y)

Indique si la aplicación lineal es:

a) Inyectiva.

b) Sobreyectiva.

D EFINICIÓN 2: Nulidad y rango de una aplicación lineal

Sea T ∈ L ( E, F ).

1. Se llama nulidad de T a la dim(ker( T )).

2. Se llama rango de T a la dim(img( T )).

E JEMPLO 3. Considerando la aplicación lineal del Ejemplo 2, se tiene que

n o
ker( T ) = (2z, z, z) ∈ R3 : z ∈ R
n o
= z(2, 1, 1) ∈ R3 : z ∈ R .

Una base del ker( T ) es Bker(T ) = {(2, 1, 1)}, de donde dim(ker( T )) = 1. Por lo
tanto, la nulidad de T es igual a 1.
Por otro lado, como img( T ) = R2 , entonces dim(img( T )) = dim(R2 ) = 2. Así, el
rango de T es igual a 2.

E JERCICIO 3. Del Ejercicio 2, indique:

a) La nulidad de T.

b) El rango de T.

T EOREMA 3
Si T ∈ L ( E, F ) y la dimensión del espacio vectorial E es finita, entonces

dim( E) = dim(ker( T )) + dim(img( T )).

3
Departamento de Formación Básica Semana 12 Clase 02

E JEMPLO 4. Considerando la aplicación lineal del Ejemplo 2 y los resultados del

Ejemplo 3, se tiene que dim(ker( T )) = 1 y que dim(img( T )) = 2, a partir de lo
cual se verifica que

dim(R3 ) = dim(ker( T )) + dim(img( T )).

P ROPOSICIÓN 4. Sean T ∈ L ( E, F ) y E un espacio vectorial de dimensión

finita. Si dim( E) = dim( F ), entonces los siguientes enunciados son equiva-
lentes

• T es inyectiva,

• T es sobreyectiva.

T EOREMA 5
Sean T ∈ L ( E, F ), dim( E) = n y dim( F ) = m. Si:

1. n > m, entonces T no es inyectiva.

2. m > n, entonces T no es sobreyectiva.

E JEMPLO 5. La aplicación

T: R3 −→ R2
( x, y, z) 7−→ ( x, y)

no es inyectiva, pues dim(R3 ) > dim(R2 ).

E JEMPLO 6. La aplicación

T : R2 −→ R2×2 !
x 0
( x, y) 7−→
0 y

no es sobreyectiva, pues dim(R2×2 ) > dim(R2 ).

6.4 Isomorfismos

D EFINICIÓN 3: Isomorfismo
Sea T ∈ L ( E, F ). Se dice que T es un isomorfismo de E en F si T es biyectiva.

4
Semana 12 Clase 02 Departamento de Formación Básica

E JEMPLO 7.

1. Sea T1 : R2 → R2 una aplicación lineal biyectiva definida por T1 ( x, y) =

( x − y, 2x − y). Se tiene que T1 es un isomorfismo.

2. Sea T2 : R2 → R2 una aplicación lineal que no es biyectiva definida por

T2 ( x, y) = ( x + y, 2x + 2y). Se tiene que T2 no es un isomorfismo.

D EFINICIÓN 4: Espacios isomorfos

Los espacios vectoriales ( E, +, ·, K ) y ( F, +, ·, K ) se dicen isomorfos si existe
un isomorfismo T de E en F; se lo denota por E ∼ = F.

T EOREMA 6
Si T ∈ L ( E, F ) es un isomorfismo y:

1. {v1 , v2 , . . . , vn } genera a E, entonces

{ T (v1 ), T (v2 ), . . . , T (vn )}

genera a F;

2. {v1 , v2 , . . . , vn } es linealmente independiente en E, entonces

{ T (v1 ), T (v2 ), . . . , T (vn )}

es linealmente independientes en F;

3. {v1 , v2 , . . . , vn } es una base de E, entonces

{ T (v1 ), T (v2 ), . . . , T (vn )}

es una base de F;

4. E es de dimensión finita, entonces F es de dimensión finita y

dim( E) = dim( F ).

T EOREMA 7
Si ( E, +, ·, R ) y ( F, +, ·, R ) son espacios vectoriales de dimensión finita n, en-
tonces E ∼ = F.

E JEMPLO 8.

5
Departamento de Formación Básica Semana 12 Clase 02

1. R m×n ∼
= R mn , con m, n ∈ N ∗ .

2. R n [ x ] ∼
= R n+1 , con n ∈ N ∗ .