Sistemas De Ecuaciones Lineales

Sistemas de Ecuaciones Lineales

La asignatura del lgebra surgi del estudio de las ecuaciones. Por ejemplo, uno podra querer
encontrar todos los nmeros reales x tal que x = x2 - 1.

Para resolverlo, podramos rescribir la ecuacin como x2 - x - 6 = 0 y entonces ubicar el factor a su

izquierda.

Esto nos dice que (x - 3) (x + 2) = 0, por lo que podemos concluir que x = 3 o x = 2 dado que x - 3
x + 2 tiene que ser cero.

La ecuacin lineal ms simple es la ecuacin ax = b. La letra x es la variable, y a y b son nmeros

fijos. Por ejemplo, considere 4x = 3.

La solucin es x = 3 / 4.

En general, si a = 0, entonces x = b / a, y esta solucin es nica. Si a = 0 y b = 0, no existe

solucin, ya que la ecuacin dice que 0 = b.

Y en el caso de que a y b fueran 0, cada nmero real x es una solucin. Esto seala una propiedad
general de las ecuaciones lineales.

O hay una solucin nica (es decir, exactamente una), no hay solucin o hay un nmero infinito de
soluciones.

En general, si x1, x2. . . xn son variables y a1, a2 . . . an y c son nmeros reales fijos, entonces se
dice que la ecuacin

a11 + a22 + + anxn = c

es una ecuacin lineal. Los ai son los coeficientes, las xi las variables y c es la constante.

Mientras que en situaciones familiares, los coeficientes son nmeros reales, se convierten en otros
escenarios importantes
como la teora de cdigos, los coeficientes pueden ser elementos de algn campo general.

En un campo es posible llevar a cabo la divisin. Los nmeros reales son un campo, pero los
nmeros enteros no lo son (3/4 no es un entero).

Tomemos otro ejemplo. Imagina que ests planeando hacer un bizcocho usando 10 ingredientes, y
deseas que el bizcocho tenga 2000 caloras.

Sea ai el nmero de caloras por gramo del ingrediente ith.

Probablemente, cada ai es no negativo, aunque en el futuro, los alimentos con caloras negativas,
podran estar disponibles.

De manera similar, sea xi el nmero de caloras por gramo del ingrediente ith. Entonces a11 +
a22 + + a1010 es el nmero total de caloras en la receta.

Como deseas que el nmero total de caloras en tu pastel sea exactamente 2000, consideras la
ecuacin a11 + a22 + + a1010 = 2000.

El total de posibles soluciones x1, x2. . . x10 para esta ecuacin es el conjunto de todas las recetas
posibles que puedas realizar.

Los siguientes ejemplos mas difciles ilustran como ecuaciones lineales pueden usarse en
problemas no lineales.

Siendo R los nmeros reales, imagina que deseamos saber sobre el conjunto de soluciones
comunes de las ecuaciones z = x2 + xy5 y z2 = x + y4.

Estas ecuaciones representan dos superficies en tres espacios reales R3, por lo cual esperamos
que el conjunto de soluciones comunes este sobre una curva.

Aqu es imposible expresar las soluciones en forma cerrada, pero podemos estudiar a estos
utilizando los mtodos lineales.

Por ejemplo, ambas superficies se encuentran en (1, 1, 1), y ambos tienen un plano tangente en (1,
1, 1).

La recta tangente a la curva de interseccin en (1, 1, 1) es la interseccin de estos dos planos

tangentes.

Esto nos dar una aproximacin lineal a la curva cerca de (1, 1, 1).

Un sistema lineal general que consta de m ecuaciones con n incgnitas se ver asi:

a111 + a122 + + a1nxn = b1

a211 + a232 + + a2nxn = b2

am11 + am22 + + amnxn = bm.

Observe cmo los coeficientes aij estn designados.

El primer ndice da su fila y el segundo ndice su columna.

El caso en el que todas las constantes bi son cero es llamado caso homogneo. De lo contrario, se
dice que el sistema es no homogneo.

saludos y suerte prof lauro soto

Definicion De Sistemas De Ecuaciones Lineales

Definicin de sistemas de ecuaciones lineales

Una ecuacin lineal es aquella que contiene variables de un slo grado. Tal ecuacin se
representa con una recta en un papel cuadriculado.

Una ecuacin lineal que contiene n variables de la forma x1-, x2, x3 xn puede escribirse
como,

Aqu b es un trmino constante y a1, a2, a3 an son los coeficientes de las variables n.
Por ejemplo, si tenemos la ecuacin,

2x1 x2 + 7x3 = 5

esta es una ecuacin lineal de tres variables. Mientras que una ecuacin

3x1x2 2x32 = 1

no es una ecuacin lineal. Esto significa que no podemos multiplicar dos variables juntas en una
ecuacin lineal.

Cada variable est separada por las operaciones bsicas de suma y resta operacin, y tienen un
trmino de coeficiente diferente

sin embargo el valor de los coeficientes de ambas variables viene ser el mismo.
Un sistema lineal, tambin llamado sistema de ecuaciones lineales es aquel que contiene varias
ecuaciones lineales de manera tal que todos juntos producen un sistema significativo que nos da
un punto de solucin definitiva.

Sin embargo, en ciertas situaciones no es posible conseguir ninguna solucin o se obtienen varios
puntos como solucin.

Podemos representar un sistema de ecuaciones lineales como,

En resumen, podemos definir un sistema de ecuaciones lineales como un conjunto de n

ecuaciones en m variables, donde el valor de n y m pueden ser iguales.

En varias situaciones los vectores aij, xij and bi, provienen de un nmero complejo de
conjunto C.

El sistema de ecuaciones lineales puede clasificarse principalmente en dos categoras, el sistema

homogneo de ecuaciones lineales y el sistema no homogneo de ecuaciones lineales.

Un sistema homogneo de ecuaciones lineales es uno cuyo vector bi, es un vector cero donde
todas sus entradas son valores cero.

Esto significa que en ese sistema, tenemos del lado derecho de cada ecuacin un istema cero.
Puede representarse como,

Un sistema no homogneo de ecuaciones lineales es a diferente del diagrama anterior, un sistema

no homognea de una ecuacin lineal es aquel donde al menos una de las entradas del vector
bi debe ser diferente de cero.

Esto significa que no hay una restriccin que para ser parte de un sistema no homogneo de un
ecuacin lineal debe poseer un valor distinto a cero en su lado derecho.

Incluso si una sola ecuacin satisface la condicin, se denomina al sistema como un sistema no
homogneo de ecuaciones lineales.

La representacin matricial de un sistema de ecuaciones lineales es de la siguiente manera,

Aqu tenemos A como una matriz de dos dimensiones con los trminos del coeficiente B como el
vector columna de una sola dimensin de trminos constantes y X como la matriz de dos
dimensiones de los trminos variables.
Incluso en algunos casos todas las ecuaciones pueden ser unidimensionales teniendo solamente
las mismas variables.

Algunos matemticos incluso presentan un conjunto de la matriz de los coeficientes y la matriz

constante, el cual es la matriz A y B.

Esto no marca ninguna diferencia, sin embargo estos slo son los diferentes mtodos de
representacin.

saludos y suerte prof lauro soto

Clasificacion De Los Sistemas De Ecuaciones Lineales

Clasificacin de los sistemas de ecuaciones lineales y tipos de soluciones

Una ecuacin lineal es una ecuacin algebraica que contiene variables cuyo mximo grado posible
es uno. Tales ecuaciones se utilizan normalmente para definir lneas rectas.

Cuando tenemos numerosas ecuaciones lineales, donde sus posibles soluciones nos dan un punto
de solucin, las llamamos como conjunto, sistema de ecuaciones lineales.

Generalmente, un sistema de ecuaciones lineales se convierte en forma de matriz por

conveniencia para su solucin. Sea un sistema de ecuaciones lineales dado como

x+yz=1

3x 2y + z = 3

4x + y 2z = 9

A continuacin se indica la forma matricial del sistema de la ecuacin como,

Existen tres tipos de sistemas de ecuaciones lineales posibles, los cuales dependen del punto de
interseccin de la ecuacin lineal en un determinado sistema de ecuacin. Estos son:
1. Inconsistente independiente: Si las ecuaciones del sistema dado vienen a ser las mismas rectas
que difieren en su pendiente, entonces tal sistema de ecuaciones lineales es llamado consistente y
dependiente.

Este sistema de ecuaciones lineales no proporciona una solucin dado que todas las rectas son
paralelas entre s y no pueden cumplir con los dems, incluso si se extiende hasta el infinito, por lo
que nunca se obtiene un punto de interseccin, y por tanto, no puede obtenerse ninguna solucin.

2.Consistente dependiente: Si todas las ecuaciones en un sistema de ecuaciones lineales calculan

la misma recta en un pedazo de papel milimetrado, de manera que todas las rectas se
superpongan unas sobre otras, podemos llamar a tal sistema de ecuaciones como un sistema de
ecuaciones lineales inconsistente e independiente.

En este caso obtenemos un nmero infinito de soluciones porque todos los puntos por encima de
la recta son puntos de interseccin.

3.Consistente independiente: Este es el sistema ms general de las ecuaciones lineales, donde

tenemos un nmero de rectas que se interceptan en un solo punto

el cual es la nica solucin para el sistema de ecuaciones, y denominamos a tal sistema de

ecuaciones consistente e independiente.

Adems de esto tambin tenemos tres categoras de posibles soluciones para un determinado
sistema de ecuaciones lineales. Estas son:

1.Solucin Independiente: La solucin independiente es la solucin nica para un sistema de

ecuaciones lineales.

Para un sistema de ecuacin, si aplicamos una operacin de transformacin de fila generalmente

obtendremos una matriz de identidad.

Una caracterstica nica de este tipo solucin es que se necesita disponer de tantos nmeros de
ecuaciones como variables en el sistema dado.

Si este requisito no se cumple, no podemos obtener una solucin independiente.

Al resolver el sistema de ecuaciones obtenemos una solucin nica para cada una de las tres
variables como x = 3, y = 1 y z = 2
2.Solucin Dependiente: La solucin dependiente es aquella por medio de la cual se obtienen
numerosas soluciones para una sola variable, este es el caso de las soluciones mltiples.

Para este sistema de ecuaciones, si aplicamos la operacin de transformacin de fila generalmente

obtendremos pocos trminos de cero.

Usualmente, es el caso donde el nmero de variables es mayor que el nmero de ecuaciones en el

sistema. Muchas veces este sistema contiene una fila cero.

La solucin del sistema es x = 4 - 3t, y = 3 + 2t, z = t.

3.Solucin Inconsistente: La solucin es inconsistente, cuando no obtenemos ninguna solucin

para el sistema de ecuaciones lineales.

No tenemos una solucin para el sistema de ecuaciones anterior.

saludos y suerte prof lauro soto

Interpretacion Geometrica De Las Soluciones

Interpretacin geomtrica de las soluciones

Un sistema de ecuaciones diferenciales son aquellas que tienen varias posibilidades para su
solucin. Estas son:

1. Solucin nica: Slo es posible obtener una solucin nica para un sistema de ecuaciones
lineales intersectado en un nico punto determinado, por lo tanto, el sistema de ecuaciones donde
tenemos todas las rectas entrecruzndose en un solo punto, se denomina como la solucin nica
del sistema de ecuaciones. Ese sistema de ecuaciones lineales es llamado sistema de ecuaciones
lineales consistente independiente. Grficamente se representa,
2. Sin solucin: Es posible que un sistema de ecuaciones lineales no tenga solucin cuando
ningunas de sus rectas se intersectan entre s ni siquiera en el infinito, ya que slo el punto de
interseccin es la solucin para el sistema de ecuaciones lineales Esto slo puede ocurrir en el
caso de las rectas paralelas, por lo tanto, para un sistema con este tipo de ecuacin tenemos
varias ecuaciones que corresponden a la misma recta y que slo difieren por la pendiente. Dicho
sistema se denomina sistema de ecuaciones lineales inconsistente independiente. Grficamente
podemos representarlo como,

3. Infinitas soluciones: Slo en la situacin que las rectas de determinado sistema se encuentren
unas con otras en un punto infinito, podemos obtener soluciones infinitas. Esto slo puede suceder
si todas las rectas son la misma recta, ya que es en este escenario que se superpondrn unas con
otras dndonos puntos infinitos de interseccin, es decir, infinitas soluciones. Este sistema es
llamado sistema de ecuaciones lineales consistente dependiente. Grficamente podemos
representarlo como,

Con la ayuda de un ejemplo, vamos a entender las diversas soluciones posibles.

Si tenemos un sistema de ecuaciones lineales dado como,

y = 3x 2 y = -x 6

La representacin grfica de las ecuaciones puede darse como,

Ya sabemos que en el caso de una sola recta, todos los puntos que intersecten con esa recta son
llamados solucin de la ecuacin, sin embargo al tratar con un sistema de ecuaciones, la situacin
es diferente. En tal situacin para que un punto sea la solucin del sistema de ecuacin dado,
necesita estar sobre cada recta definida en el sistema de ecuacin dado. Por lo tanto, si nos
fijamos en el diagrama siguiente,

el punto resaltado con color rojo no puede considerarse como una solucin, ya que no se
encuentra en ninguna de las rectas definidas en el sistema de ecuaciones.
Tampoco podemos considerar el punto resaltado en color azul como la solucin, ya que se
encuentra en una sola recta y no en la otra, por lo tanto, puede considerarse como la solucin para
la recta y =-x - 6, pero no la del sistema dado.

Finalmente, el punto destacado en el color prpura es la solucin del sistema de ecuacin, ya que
est en ambas rectas definidas para el sistema dado. Tambin sta es la solucin nica del
sistema dado, porque ambas lneas no se intersectan en algn otro punto. Por tanto, llamamos a
este sistema un sistema de ecuaciones lineales consistente independiente.

saludos y suerte prof lauro soto

Metodos De Solucion De Un Sistema De Ecuaciones Lineales

Mtodos para resolver sistemas de ecuaciones lineales: Gauss, Gauss-Jordan, inverso de una
matriz y regla de Cramer

Un sistema de ecuaciones lineales se compone de dos o ms ecuaciones lineales.

La solucin del sistema correspondiente se obtiene cuando todas las ecuaciones lineales del
sistema intersectan en un punto particular.

Existe una variedad de mtodos disponibles para encontrar la solucin exacta de un sistema de
ecuaciones lineales.

Algunos de los mtodos aceptados popular y ampliamente incluyen a la eliminacin de Gauss,

Mtodo Gauss Jordan, inverso de una matriz y la regla de Cramer.

La eliminacin de Gauss es un algoritmo especfico planeado para encontrar la solucin del

sistema de ecuaciones lineales.

Con la ayuda del algoritmo de Gauss puede encontrarse con facilidad la matriz de rango, el
determinante de la matriz y el inverso de la matriz.

La eliminacin de Gauss se divide en dos partes bsicas: Eliminacin hacia Adelante y sustitucin
hacia atrs.
La eliminacin hacia adelante reduce el sistema de ecuaciones lineales hacia la forma triangular o
degenerando las ecuaciones correspondientes con una solucin zilch.

Para ello, el algoritmo de Gauss usa las operaciones elementales de fila. Luego, con la ayuda de
una solucin de sustitucin hacia atrs se crea el sistema correspondiente.

Otro mtodo, la eliminacin Gauss-Jordan es un mtodo que hace uso de las operaciones
elementales de fila para obtener matrices en forma de una forma escalonada reducida.

Una matriz es llamada de forma escalonada si contiene 0 en cada pivote. La eliminacin de Gauss-
Jordan ubica el 0 tanto abajo como encima del pivote.

Y por este motivo, este tipo de matrices son conocidas como de forma escalonada reducida.

En caso el que Gauss-Jordan sea empleado en una matriz de origen cuadrado, entonces se puede
utilizar para encontrar el inverso de la matriz.

El inverso de la matriz es otro mtodo simple y fcil de usar para encontrar la solucin del sistema
de ecuaciones lineales.

En este mtodo, hay algunos pasos a seguir. Estos son:

Paso 1: Marque las ecuaciones en forma de multiplicacin de matriz con las variables una como
matriz o y el otro como coeficiente.

Paso 2: Calcula el inverso de los coeficientes de matriz correspondientes.

Paso 3: Ahora, multiplique el coeficiente inverso de la matriz con ambos lados de la ecuacin
formada en el paso 1.

Paso 4: Cuando soluciones la multiplicacin de la matriz, puedes obtener la solucin.

La Regla de Cramer es otro mtodo basado en una frmula sencilla para encontrar la solucin del
sistema de ecuaciones lineales.

Este mtodo se apoya en un hecho simple en el cual el valor de la variable de todos y cada uno
puede determinarse tomando en cuenta el cociente de dos determinantes.

Con el fin de entenderlo, vamos a ver un sistema de ecuaciones lineales con tres ecuaciones:

x + 3y 2z = 5 3x + 5y + 6z = 7 2x + 4y + 3z = 8

El valor de la variable puede obtenerse por:

Es posible observar que el denominador est dado por los determinantes de los coeficientes de
matriz

mientras que el numerador est elaborado a partir del determinante de esa matriz, en la cual 1 de
las columnas fue intercambiada por un vector constante o en otras palabras trmino constante.
 Transformaciones Lineales

Transformaciones Lineales

Desde el punto de vista de la algebra lineal, las transformaciones ms importantes son

aquellas que conservan las combinaciones lineales.

Estas tambin son llamadas como transformaciones lineales o mapeos lineales.

Transformacin lineal es una parte esencial en la lgebra lineal.

Transformaciones lineales entre dos espacios vectoriales U y V relaciona el mapeo T: U

V que satisface estas condiciones:

1). T (U1 + U2) = T (U1) + T (U2), donde U1 y U2 son vectores en U 2). T (Au) = A T (u),
donde A es cualquier cifra escalar

La primera condicin se conoce como la aditividad mientras que la segunda se conoce

como homogeneidad.

Puede ser definido como una funcin entre dos espacios vectoriales, la cual conserva
operaciones de multiplicacin escalar y suma.

De acuerdo con la lgebra abstracta, son homomorfismo de espacios vectoriales .

Toda transformacin que conserva combinaciones lineales es una transformacin lineal.

Otra propiedad evidente es que cualquier transformacin lineal mapas 0 a 0: T (0) = 0. .

Este sigue, por ejemplo, el hecho de que

T (x) = T (x + 0) = T (x) + T (0) Para alguna x 2 V, la cual slo puede ocurrir si T (0) = 0.

Representar una transformacin lineal en trminos de una matriz es una manera

ingeniosa, ya que permitir clculos concretos en naturaleza.
En otras palabras, se puede decir que una matriz puede dar el modelo bsico de estas
transformaciones.

Por ejemplo, si Q es una matriz de m-by-n, en ese caso, la reglaT (Au) = A T (u)
representa la transformacin Rn Rm.

La transformacin Id: V V definida por Id(x) = x se llama transformacin de la identidad.

Esta transformacin es claramente lineal.

Propiedades generales de transformaciones lineales

Suponga que V es un espacio vectorial dimensional finito sobre F, y W es otro espacio

vectorial (no necesariamente de dimensin finita) sobre F.

Dado una base de V, existe una transformacin lineal nica T: V W tomando cualquier
valor que deseamos en la base dada de V, y, adems, sus valores sobre la base de V
determinan unicamente la transformacin lineal.

Adems, sea V y W espacios vectoriales sobre F. Entonces, cada transformacin lineal T:

V W es determinado nicamente por sus valores sobre una base de V.

Por otra parte, si v1. vn es una base de V y w1, . . . ,wn sonvectores arbitrarios en W,
entonces existe una transformacin lineal nica T: V W tal que T (vi) = wi para cada i.

En otras palabras, hay una transformacin lineal nica con los valores dados en una base.

Otra propiedad de transformacin lineal establece que si V y W son espacios vectoriales

sobre F, entonces cualquier combinacin lineal de transformaciones lineales con dominio
V y objetivo W tambin es lineal.

As, el conjunto L (V, W) de todas las transformaciones lineales T: V W es un espacio

vectorial sobre F.

Para concluir, hay dos espacios fundamentales asociados con una transformacin lineal:
su ncleo ker (T) y su imagen im (T).

El ncleo y la imagen de una transformacin lineal T corresponden con el espacio nulo y

espacio de la columna de cualquier matriz que representa T.

saludos y suerte prof lauro soto

 INTRODUCCION A LAS TRANSFORMACIONES LINEALES

Introduccin a las transformaciones lineales

La transformacin lineal es una funcin utilizada para la asignacin de un espacio

vectorial a otro espacio vectorial con la ayuda de los escalares, la cual satisface la
expresin f(a*x+b*y) =a*f(x)+b*f(y).

En otras palabras, se consideran 2 espacios vectoriales, V y W. Una transformacin lineal

es una grfica T: V W que satisface dos condiciones:

1). T (v1 + v2) = T (v1) + T (v2) donde v1 y v2 son vectores en V. 2). T (xV) = x T (v)
donde x es una escala

Una transformacin lineal puede ser sobreyectiva o inyectiva. En el caso que, W y V

tengan dimensiones idnticas, entonces T puede llegar a ser invertible, esto es, se
encuentra T-1 el cual satisface la condicin TT-1 = I. Asimismo, T (0) ser siempre 0.

La teora de la matriz entra en la teora de las transformaciones lineales porque es posible

representar cada transformacin lineal como matriz. La multiplicacin de matrices puede
considerarse como el ejemplo principal que puede demostrar el concepto de
transformacin lineal. Una matriz A de dimensin n x m define que T (v) = Av y aqu v es
representado como un vector columna. Veamos un ejemplo:

Aqu, la transformacin lineal t es definida como T (x, y) = (y, 2x + 2y, x). En el caso que,
V y W sean de dimensin finita, la transformacin lineal est mejor representada con la
multiplicacin de matrices en lugar de estableciendo la base del espacio vectorial, tanto
para W y V. En el caso que, W y V incluyan un producto escalar y tambin los espacios
vectoriales correspondientes y que W y V sean ortonormales, ser simple representar la
matriz correspondiente como .
Mientras que w y v son de dimensin infinita, la transformacin lineal puede ser continua.
Por ejemplo, considera que un espacio polinmico de 1 variable sea v y T una derivada.
Entonces, T (xn) = nxn-1, una no continua como xn/n = 0 mientras que T (xn)/n no
converge.

El resultado de la suma de 2 o ms transformaciones lineales, la multiplicacin de una

transformacin lineal por nmero particular, y la multiplicacin de 2 transformaciones
lineales, son siempre transformaciones lineales. Una transformacin lineal en la cual su
identidad es descrita en el espacio euclidiano siempre es auto-adjunta en el caso de que
la matriz A correspondiente sea simtrica en cualquier base ortonormal. Una
transformacin lineal que es auto-adjunta y se describa en una dimensin finita unitaria, el
espacio (euclidiano) contiene una base ortonormal en la cual su matriz lleva una forma
diagonal.

Existen dos espacios fundamentales que estn asociados a una transformacin lineal: su
kernel ker(T) y su imagen im(T). El kernel y la imagen de una transformacin lineal T
corresponden con el espacio nulo y el espacio de la columna de cualquier matriz que
represente a T.

En un sistema lineal, el nmero de variables es igual al nmero de variables libres ms el

nmero de variables angulares, quedando una transformacin lineal final T: V W en la
identidad dim V = dim ker(T) dim im(T). Si dim ker(T) = 0 y dim im(T) = dimW, entonces t
esta sobre y uno a uno. En este caso, esto se denomina un isomorfismo.

saludos y suerte prof lauro soto

5.2 NCLEO E IMAGEN DE UNA TRANSFORMACIN LINEAL.

En esta seccin se desarrollan algunas propiedades bsicas de las transformaciones lineales.

Teorema 1. Sea T: V W una transformacin lineal. Entonces para todos los vectores u, v, v1,
v2,.vn en V y todos los escalares

Nota en la parte i el 0 de la izquierda es el vector cero en v; mientras que el cero de la derecha es

el vector cero en W.

i. T(0) = T(0 + 0)= T(0) + T(0). As 0= T(0) T(0) = T(0) + t(0) T(0) = T(0)

ii.T(u-v) = T[u + (-1)v] = Tu + T[(-1)v] = Tu + (-1)Tv = Tu Tv.

iii.Esta parte se prueba por induccin (vea el apndice 1). Para n = 2 se tiene T(1v1 + 2v2) = T
(1v1) + T(2v2) = 1Tv1 + 2Tv2. As, la ecuacin (1) se cumple para n = 2. Se supone que se
cumple para n = k y se prueba para n=k + 1: T(1v1 + 2v2+ .+ kvk+k+1vk-1 ) = T(1v1 +
2v2+.+kvk) + T(k+1vk+1), y usando la ecuacin en la parte iii para n= k, esto es igual a (1Tv1
+ 2Tv2+.kTvk) + k+1Tvk+1, que es lo que se quera demostrar. Esto completa la prueba.
Observacin. Los incisos i) y ii) del teorema 1 son casos especiales del inciso iii). Un dato
importante sobre las transformaciones lineales es que estn completamente determinadas por el
efecto sobre los vectores de la base.

Teorema 2 Sea v un espacio vectorial de dimensin 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, T 1v = T2v; es decir
T1 = T2.

Como B es una base para V, existe un conjunto nico de escalares 1, 2,., n. Tales que v =
1v1 + 2v2 + + n vn.

Entonces, del inciso iii) del teorema 1, T1v = T1(1 v1 + 2v2 + + nvn) = 1T2v1 + 2T2v2 + +
nTnvn= 1w1 + 2w2 ++ nTnvn

De manera similar T2v = T2(1v1 + 2v2 + + nvn) = 1T2v1 + 2T2v2 ++ nTnvn

= 1w1 + 2w2 ++ nvn

Por lo tanto, T1v =T2v.

El teorema 2 indica que si T:v W y V tiene dimensin finita, entonces slo es necesario conocer el
efecto que tiene T sobre los vectores de la base en V. Esto es, si se conoce la imagen de cada
vector bsico, se puede determinar la imagen de cualquier vector en V. Esto determina T por
completo. Para ver esto, sean v1, v2,.vn una base en V y sea v otro vector en V. Entonces, igual
que en l aprueba del teorema 2, Tv = 1Tv1 + 2Tv2 ++ nTvn

As, se puede calcular Tv para cualquier vector v V si se conocen Tv1,Tv2,.Tvn

Ejemplo 1 Si se conoce el efecto de una transformacin lineal sobre los vectores de la base, se
conoce el efecto sobre cualquier otro vector.
Sea T una transformacin lineal de R3 en R2 y suponga que

Solucin. Se tiene

Entonces

Surge otra pregunta; si w1,w2,.,wn son n vectores en W, existe una transformacin lineal T tal
que Tv1 = w1 para i = 1,2,,n? La respuesta es s. Como lo muestra el siguiente teorema.

Definicin 1 Ncleo e imagen de una transformacin lineal

Sean V y W dos espacios vectoriales y sea T:V W una transformacin lineal. Entonces

i . El ncleo de T, denotado por un, est 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 un T para cualquier transformacin lineal T. Se tiene inters 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 est en V y el de la derecha en W.

Observacin 2. La imagen de T es simplemente el conjunto de imajenes de los vectores en V

bajo la transformacin T. De hecho, si w = Tv, se dice que w es la imagen de v bajo T.

Antes de dar ejemplos de ncleos e imgenes , se demostrar un teorema de gran utilidad.

Teorema 4 Si T:V W es una transformacin 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

estn 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 estn en Im T.

Ejemplo 3. Ncleo e imagen de la transformacin cero

Sea Tv = 0 para todo v V(T es la transformacin cero). Entonces un T = v e Im T = {0}.

Ejemplo 4 Ncleo e imagen de la transformacin identidad

Sea Tv = v para v V(T es la transformacin 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 ncleo. En la segunda slo el vector cero se encuentra en el ncleo. Los casos
intermedios son ms interesantes.

Ejemplo 5 Ncleo e imagen de un operador de proyeccin

Sea T:R3 R3 definida por

T es el operador de proyeccin de R3 en el plano xy.

Entonces x = y = 0. As, nu T = {(x,y,z):x = y = 0, zR}, 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.

Definicin 2 Nulidad y rango de una transformacin lineal

Si T es una transformacin lineal de v en w, entonces se define.

Observacin. En la seccin 4.7 se definieron el rango, la imagen, el espacio nulo y la nulidad de una
matriz. Segn el ejemplo 5.1.7, Toda matriz A de m*n da lugar a una transformacin 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 ncleo, imagen, nulidad y rango de una transformacin
lineal son extensiones del espacio nulo, la imagen, la nulidad y el rango de una matriz.

Ejemplo 6. Ncleo y nulidad de un operador de proyeccin

Sea H un subespacio de R y sea Tv = proyH v. Es obvio que la Im T = H. Se tiene que toda v V si

v=h + proyH v + proyHv. Si Tv = 0, entonces h=0, lo que significa498