Transformaciones lineales · Definición

Núcleo e imagen

álgebra linealtransformaciones lineales

Antes de empezar necesitas conocer

Estos dos subespacios miden qué información destruye una transformación y qué valores alcanza; con ellos se decide si es inyectiva o suprayectiva.

Definición

El núcleo \(\ker T\) de una transformación lineal \(T\) es el conjunto de vectores que ella envía al cero; la imagen \(\operatorname{Im}T\) es el conjunto de todos los vectores que produce.

\[\ker T=\{v: T(v)=0\},\qquad \operatorname{Im}T=\{T(v)\}\]

Ambos conjuntos son subespacios: el núcleo vive en el dominio y la imagen en el codominio. Si \(T(u)=0\) y \(T(v)=0\), entonces \(T(au+bv)=0\); y una combinación de valores \(T(u)\) y \(T(v)\) es el valor \(T(au+bv)\). Por eso ambos contienen siempre al vector cero, ya que \(T(0)=0\).

Cuando \(T(x)=Ax\), el núcleo es el conjunto de soluciones de \(Ax=0\) y la imagen es el conjunto de combinaciones lineales de las columnas de \(A\). Ejemplo: para \(T(x,y,z)=(x+y,\,y+z)\), resolver \(x+y=0\), \(y+z=0\) da \(x=z=-y\), así que el núcleo es la recta generada por \((1,-1,1)\); las columnas \((1,0)\), \((1,1)\) y \((0,1)\) generan todo \(\mathbb{R}^2\), de modo que la imagen es \(\mathbb{R}^2\).

El núcleo detecta la inyectividad: \(T\) es inyectiva exactamente cuando su núcleo es \(\{0\}\), porque \(T(u)=T(v)\) equivale a \(u-v\in\ker T\). La imagen detecta la suprayectividad: \(T\) es suprayectiva cuando la imagen es todo el codominio.

Error típico: creer que el núcleo es vacío cuando \(T\) es inyectiva. Nunca es vacío, pues siempre contiene al cero; inyectiva significa que contiene solo al cero. Las dimensiones de núcleo e imagen están ligadas de forma precisa, y eso es justamente el teorema del rango y la nulidad.

Para pensar

¿Puede el núcleo de una transformación lineal ser el conjunto vacío?

No: como \(T(0)=0\), el vector cero siempre pertenece al núcleo.

Si \(T(u)=T(v)\), ¿qué vector está en el núcleo de \(T\)?

El vector \(u-v\), porque \(T(u-v)=T(u)-T(v)=0\).

Ejercicios 10

Referencias

  • Gilbert Strang, Introduction to Linear Algebra, 6th edition, Wellesley-Cambridge Press, 2023. §3.2 y §8.1
  • Sheldon Axler, Linear Algebra Done Right, 4th edition, Springer, 2024. §3.B
  • David C. Lay, Steven R. Lay, Judi J. McDonald, Linear Algebra and Its Applications, 6th edition, Pearson, 2021. §4.2