CURSUL NR.

CAPITOLUL II - APLICAŢII LINIARE

§ 1 DEFINIŢIE, PROPRIETĂŢI

Considerăm K-spaţiile vectoriale V şi W.

Definiţia 1.1. Numim aplicaţie liniară (transformare liniară, operator liniar) de

la V la W aplicaţia T : V → W ce respectă:
(1) T(v1 + v 2 ) = T(v1 ) + T(v 2 ) , ∀ v1,v 2 ∈ V
(2) T(λv) = λT(v) , ∀v ∈ V, ∀λ ∈ K .

Notăm mulţimea aplicaţiilor liniare de la V la W cu L(V,W).

Propoziţia 1.1. Pentru T : V → W , următoarele afirmaţii sunt echivalente:

(a) T este aplicaţie liniară;
(b) T(λ1v1 + λ2 v 2 ) = λ1T(v1 ) + λ2T(v 2 ) , ∀v1,v 2 ∈ V, ∀λ1,λ2 ∈ K ;
 n
 n
(c) T  ∑ λi v i  = ∑ λi T(vi ) , n ∈ N*,v i ∈ V,λi ∈ k,i = 1,n
 i =1  i =1

Demonstraţie
(1) (2)
(a) ⇒ (b) T(λ1v1 + λ 2 v 2 ) = T(λ1v1 ) + T(λ 2 v 2 ) = λ1T(v1 ) + λ2 T(v 2 )
(b) ⇒ (c). Vom demonstra prin inducţie după n. Pentru n=2.
 2  (b) 2
T  ∑ λi v i  = T(λ1v1 + λ 2 v 2 ) = λ1T(v1 ) + λ2 T(v 2 ) = ∑ λi T(v i )
 i =1  i =1

relaţia (c) este adevărată.

k k
 
Presupunem T  ∑ λi v i  = ∑ λi T(v i ) adevărată pentru ∀k = 1,n şi o verificăm pentru n+1
 i =1  i =1

 n +1  n
T  ∑ λi v i  = T( ∑ λi v i + λn +1v n +1 ) = T(v + λn +1v n +1 ) = T(v) + λn +1T(v n +1 )
 i =1  i =1

n
unde, v = ∑ λi vi , iar în ultima egalitate am folosit relaţia adevărată pentru k=2. Din
i =1

ipoteza inducţiei avem:

  n  n
T(v) = T  ∑ λi v i  = ∑ λi T(v i )
 i=1  i =1

şi atunci:
 n +1  n n +1
T  ∑ λi v i  = ∑ λi T(v i ) + λn+1T(v n +1 ) = ∑ λi T(v i ) .
 i =1  i=1 i =1

(c) ⇒ (a). pentru n=2, λ1 = λ2 = 1 avem:

 2  2
T  ∑ λi v i  = ∑ λi T(v i ) sau T(v1 + v 2 ) = T(v1 ) + T(v 2 ), ∀v1,v 2 ∈ V .
 i =1  i=1

Pentru n=1 avem T( λ1v1 ) = λ1T(v1 ) deci T ∈ L(V,W) . ‫ٱٱٱ‬

Exemple. 1) Aplicaţia T : R 2 → R 3 definită prin

T(x1, x 2 ) = (x1 + 2x 2 ,3x1 + 4x 2 ,5x1 + 6x 2 )

este o aplicaţie liniară deoarece luând x = (x1,x 2 ),y = (y1, y2 ) şi λ1, λ2 ∈ R avem:
T(λ1x + λ 2 y) = T(λ1x1 + λ 2 y1,λ1x 2 + λ2 y 2 ) = (λ1x1 + λ2 y1 + 2λ1x 2 + 2λ2 y 2 ,
3λ1x1 + 3λ2 y1 + 4λ1x 2 + 4λ 2 y 2 ,5λ1x1 + 5λ 2 y1 + 6λ1x 2 + 6λ 2 y 2 ) =
= λ1(x1 + 2x 2 ,3x1 + 4x 2 ,5x1 + 6x 2 ) + λ 2 (y1 + 2y 2 ,3y1 + 4y 2 ,5y1 + 6y 2 ) =
= λ1T(x1, x 2 ) + λ2 T(y1,y 2 ) = λ1T(x) + λ 2 T(y).

2) Notând cu C1[a,b] mulţimea funcţiilor derivabile cu derivata continuă pe [a,b] să

considerăm aplicaţia D : C1[a,b] → C[a,b] derivarea, adică D(f ) = f ' . Avem:

D( λ1f1 + λ 2 f2 ) = ( λ1f1 + λ2 f2 )' = λ1f1 '+ λ 2 f2 ' = λ1D(f1 ) + λ 2D(f 2 ) .

Rezultă deci că operatorul de derivare este o aplicaţie liniară .

3) Pentru A = aij  ∈ Mm×n (C) putem defini aplicaţia TA : Mn×1(C) → Mm×1(C) prin TA (X) = A ⋅ X.

Aplicaţia TA este aplicaţie liniară pentru că luând X1, X2 ∈ Mn×1(C) şi λ1, λ2 ∈ C avem:
TA (λ1X1 + λ2 X2 ) = A [ λ1X1 + λ2 X2 ] = λ1AX1 + λ 2 AX2 = λ1TA (X1 ) + λ2 TA (X2 )

4) Pentru V1 şi V2 subspaţii suplementare ale lui V putem defini proiecţiile lui V pe

cele două subspaţii ca aplicaţiile:
p1 : V → V1; p 2 : V → V2 unde p1(v) = v1; p2 (v) = v 2
iar v = v1 + v 2 , v1 ∈ V1, v 2 ∈ V2 .
Să arătăm că proiecţiile sunt aplicaţii liniare deoarece:
pentru v = v1 + v 2 ; w = w1 + w 2 unde v1, w 1∈ V1, v 2 ,w 2 ∈ V2 şi λ1,λ 2 ∈ K avem
λ1v + λ 2 w = λ1v1 + λ 2 w 1 + λ1v 2 + λ 2 w 2 cu λ1v1 + λ 2 w 1 ∈ V1 şi λ1v 2 + λ2 w 2 ∈ V2 . Atunci
p1(v) = v1, p1(w) = w1 , iar p1(λ1v + λ2 w) = λ1v1 + λ2 w1 = λ1p1(v) + λ2p1(w) adică p1 este aplicaţie
liniară.

Propoziţia 1.2. Fie T : V → W o aplicaţie liniară. Atunci:

(1) T(0) = 0; T( −v) = −T(v) , ∀ v∈V
(2) Dacă V′ este subspaţiu în V, atunci T(V ′) este subspaţiu în W
(3) Dacă W′ este subspaţiu în V, atunci T −1(W ′) este subspaţiu în V.
def def
unde T(V ′) = {T(v) | v ∈ V ′} se numeşte imaginea lui V′ prin T, iar T −1(W ′) = {v | T(v) ∈ W ′}

se numeşte contraimaginea lui W′ prin T.

Demonstraţie (1) Pentru λ = 0 avem T(0) = T( λ ⋅ v) = λT(v) = 0 ;
(2) Dacă w1,w 2 ∈ T(V ′) atunci există v1,v 2 ∈ V ′ cu proprietatea T(v i ) = w i , i = 1,2 . Pentru
λ1, λ 2 ∈ K avem λ1v1 + λ 2 v 2 ∈ V ′ deoarece V’ este subspaţiu vectorial. Atunci avem:
T( λ1v1 + λ 2 v 2 ) = λ1T(v1 ) + λ2 T(v 2 ) = λ1w 1 + λ 2 w 2 ∈ T(V ′) .

Rezultă că T(V ′) este subspaţiu vectorial în W.

(3) Dacă v1,v 2 ∈ T −1(W ′) atunci w1 = T(v1 ) şi w 2 = T(v 2 ) . Pentru λ1, λ 2 ∈ K avem
λ1w 1 + λ2 w 2 ∈ W ′ deoarece W’ este subspaţiu. Adică avem:
λ1T(v1 ) + λ2 T(v 2 ) = T( λ1v1 + λ 2 v 2 ) ∈ W ′ sau λ1v1 + λ 2 v 2 ∈ T −1(W ′) . Rezultă că T −1(W ′) este
subspaţiu vectorial în V. ‫ٱٱٱ‬

Observaţie. În particular pentru V ′ = V , T(V) este imaginea lui V prin T este

subspaţiu în W notat ImT şi numit imaginea aplicaţiei liniare T. Pentru W ′ = {0}

T −1({0}) este subspaţiu în V ( T −1({0}) ≠ ∅ deoarece T(0)=0) numit nucleul aplicaţiei

liniare T şi notat KerT. Aşadar am introdus noţiunile:

Imaginea aplicaţiei liniare T: Im T = {T(v) | v ∈ V}

Nucleul aplicaţiei liniare T: KerT = {v ∈ V | T(v) = 0} .

Exemple 1) Aplicaţia nulă θ : V → W definită prin θ(v) = 0, ∀v ∈ V este aplicaţie

liniară cu Im θ = {0} , Kerθ = V .
2) Aplicaţia identitate i : V → V definită prin i(v) = v, ∀v ∈ V este aplicaţie liniară cu
Im i = V, Ker i = {0} .

3) Aplicaţia T : R 2 → R definită prin T(x1,x 2 ) = 2x1 − 3x 2 este aplicaţie liniară cu:

{
Im T = R, KerT = (x1, x 2 ) ∈ R | 2x1 − 3x 2 = 0 }.

Propoziţia 1.3. Fie T : V → W aplicaţie liniară bijectivă. Atunci T −1 : W → V este

aplicaţie liniară.
Demonstraţie Pentru w1,w 2 ∈ W notăm v1 = T −1(w 1 ), v 2 = T −1(w 2 ) adică:
T(v i ) = w i ,i = 1,2 . Dacă λ1, λ 2 ∈ K , T( λ1v1 + λ 2 v 2 ) = λ1T(v1 ) + λ 2 T(v 2 ) = λ1w 1 + λ2 w 2 şi deci
T −1( λ1w 1 + λ2 w 2 ) = λ1v1 + λ2 v 2 = λ1T −1(w 1 ) + λ2 T −1(w 2 ) . Rezultă deci că T-1 este aplicaţie liniară.
‫ٱٱٱ‬

Propoziţia 1.4. Fie T : V → W o aplicaţie liniară. Atunci:

(1) T este injectivă dacă şi numai dacă KerT = {0} ;
(2) T este surjectivă dacă şi numai dacă Im T = W .
Demonstraţie (1) ( ⇒ ) Presupunând KerT ≠ {0} rezultă că există v 0 ∈ KerT cu
v0 ≠ 0 . Atunci luând v1 ∈ V şi v 2 = v1 + v 0 ≠ v1 avem:
T(v 2 ) = T(v1 + v 0 ) = T(v1 ) + T(v 0 ) = T(v1 ) + 0 = T(v1 ) ,

adică T nu este injectivă, ceea ce contrazice ipoteza. În concluzie T injectivă, implică

KerT = {0} .

(⇐) Fie v1,v 2 ∈ V cu T(v1 ) = T(v 2 ) . Atunci T(v1 − v 2 ) = T(v1 ) − T(v 2 ) = 0 , deci
v − v ∈ KerT = {0} , de unde avem v1 = v 2 , adică T este injectivă.
1 2

(2) (⇒ ) T surjectivă implică pentru orice w ∈ W existenţa lui v ∈ V astfel încât T(v) = w
ceea ce înseamnă W ⊂ {T(v) | v ∈ V} = Im T . Incluziunea inversă este evidentă deoarece
T(V) este subspaţiu al lui W. Rezultă deci egalitatea W = ImT .
(⇐) Evidentă din Im T = W .‫ٱٱٱ‬

Definiţia 1.2. O aplicaţie liniară bijectivă între două spaţii vectoriale se

numeşte izomorfism de spaţii vectoriale. O aplicaţie liniară injectivă (surjectivă) între
două spaţii vectoriale se numeşte monomorfism (epimorfism). O aplicaţie liniară de la
un spaţiu vectorial pe el însuşi se numeşte endomorfism liniar. O aplicaţie liniară
bijectivă de la un spaţiu vectorial pe el însuşi se numeşte automorfism liniar.

§ 2 OPERAŢII CU APLICAŢII LINIARE

Pe mulţimea aplicaţiilor liniare introducem operaţiile de adunare, înmulţire cu

scalari şi compunere, înzestrând-o cu o structură algebrică.

Propoziţia 2.1. Fie T1,T2 ∈ L(V,W ) şi T3 ∈ L(W,U) unde U,V,W sunt spaţii
vectoriale peste corpul K şi λ ∈ K . Atunci:
(1) Aplicaţia T1 + T2 : V → W prin (T1 + T2 )(v) = T1(v) + T2 (v), ∀v ∈ V este aplicaţie
liniară numită suma aplicaţiilor T1 şi T2.
(2) Aplicaţia λT1 : V → W prin ( λT1 )( v ) = λ ⋅ T1 ( v ) , ∀v ∈ V este aplicaţie liniară
numită produsul dintre scalarul λ şi aplicaţia liniară T1.
(3) Aplicaţia T3 T1 : V → U prin (T3 T1 )(v) = T3 (T1(v)), ∀v ∈ V este aplicaţie liniară
numită compusa aplicaţiilor T3 şi T1.
Demonstraţie Fie v1,v 2 ∈ V,λ1,λ 2 ∈ K atunci:
(T1 + T2 )(λ1v1 + λ 2 v 2 ) = T1(λ1v1 + λ2 v 2 ) + T2 (λ1v1 + λ 2 v 2 ) =
(1) = λ1T1(v1 ) + λ2 T1(v 2 ) + λ1T2 (v1 ) + λ2 T2 (v 2 ) = λ1(T1(v1 ) + T2 (v1 )) +
+ λ 2 (T1(v 2 ) + T2 (v 2 )) = λ1(T1 + T2 )(v1 ) + λ2 (T1 + T2 )(v 2 )

Rezultă că T1 + T2 ∈ L(V,W ) .
(λT1 )(λ1v1 + λ 2 v 2 ) = λT1(λ1v1 + λ 2 v 2 ) = λ[λ1T1(v1 ) + λ2 T1(v 2 )] =
(2)
= λλ1T1(v1 ) + λλ 2 T1(v 2 ) = λ1(λT1 )(v1 ) + λ 2 (λT1 )(v 2 )

Rezultă că λT1 ∈ L(V,W ) .

(T3 T1 )(λ1v1 + λ 2 v 2 ) = T3 (T1(λ1v1 + λ2 v 2 )) =
(3) = T3 (λ1T1(v1 ) + λ 2 T1(v 2 )) = λ1T3 (T1(v1 )) + λ2 T3 (T1(v 2 )) =
= λ1(T3 T1 )(v1 ) + λ 2 (T3 T1 )(v 2 )

Rezultă că T3 T1 ∈ L(V,U) . ‫ٱٱٱ‬

Propoziţia 2.2. Mulţimea aplicaţiilor liniare de la V la W este spaţiu vectorial

peste corpul K.
 Demonstraţie Se verifică axiomele spaţiului vectorial:
Pentru Ti ∈ L(V,W ),i = 1,3 avem:
[(T1 + T2 ) + T3 ](v) = (T1 + T2 )(v) + T3 (v) = [T1(v) + T2 (v)] + T3 (v) =
= T1(v) + [T2 (v) + T3 (v)] = T1(v) + (T2 + T3 )(v) = [T1 + (T2 + T3 )](v)

deci adunarea este asociativă.

∃ θ ∈ L(V,W ), θ(v) = 0, ∀v ∈ V astfel încât
(T + θ)(v) = T(v) + θ(v) = T(v) = (θ + T)(v) , ∀T ∈ L(V,W ) .
Pentru T ∈ L(V, W) notăm −T = ( −1)T ∈ L(V, W ) şi avem:
[T + ( −T)](v) = T(v) + ( −T)(v) = T(v) + ( −T(v)) = 0 şi analog ( −T + T)(v) = 0 .
Pentru Ti ∈ L(V,W ), i = 1,2 avem:
(T1 + T2 )(v) = T1(v) + T2 (v) = T2 (v) + T1(v) = (T2 + T1 )(v)

Pentru Ti ∈ L(V,W ),i = 1,2 şi λ1,λ 2 ∈ K avem pentru orice v ∈ V :

[λ1(T1 + T2 )](v) = λ1(T1 + T2 )(v) = λ1[T1(v) + T2 (v)] = λ1T1(v) + λ1T2 (v) =
= (λ1T1 )(v) + (λ1T2 )(v) = [λ1T1 + λ1T2 ](v)

[(λ1 + λ 2 )T1 ](v) = (λ1 + λ 2 )T1(v) = λ1T1(v) + λ 2 T1(v) =

(λ1T1 )(v) + (λ 2 T1 )(v) = [λ1T1 + λ 2 T1 ](v)

[λ1(λ2 T1 )](v) = λ1(λ2 T1 )(v) = λ1[λ 2 T1(v)] = (λ1λ 2 )T1(v) = [(λ1λ 2 )T1 ](v)

(1⋅ T1 )(v) = 1⋅ T1(v) = T1(v) .

În concluzie (L(V, W ), +, ⋅) este K-spaţiul vectorial numit spaţiul vectorial al aplicaţiilor
liniare de la V la W. ‫ٱٱٱ‬

§ 3 APLICAŢII LINIARE ÎNTRE SPAŢII FINIT DIMENSIONALE

Fie Vn şi Vm spaţii vectoriale peste K cu dimensiunile n respectiv m.

Propoziţia 3.1. Condiţia necesară şi suficientă ca T : Vn → Vm să fie aplicaţie

liniară este ca să existe câte o bază B = {ei | i = 1,n} în Vn respectiv B′ = {fj | j = 1,m} în W
astfel încât pentru orice v ∈ V coordonatele lui T(v) să se exprime în funcţie de
coordonatele lui v prin relaţia matricială:
 Y = A⋅X (3.1) unde
 x1   y1 
 2  2
x n
y
X =   este matricea coloană a coordonatelor lui v în B, adică v = ∑ xi ei , Y= 
 ...  i =1
 ... 
 n   m 
x
  y 
m
este matricea coloană a coordonatelor lui T(v) în B′ , adică T(v) = ∑ y j fj , iar
j =1

A = [aij ] ∈ Mm×n (K) respectă:

m
T(ei ) = ∑ aij fj , ∀i = 1,n (3.2)
j =1

n
Demonstraţie (Necesitatea) Fie v = ∑ x i ei , atunci:
i =1

 n  n (3.2) n m m
 n 
T(v) = T  ∑ x i ei  = ∑ xi T(ei ) = ∑ x i ∑ aij fj = ∑  ∑ aij xi fj
 i =1  i =1 i =1 j =1 j =1  i =1 
m n
Considerând T(v) = ∑ y j fj obţinem y j = ∑ aij xi , ∀j = 1,m sau Y = A ⋅ X .
j =1 i =1

(Suficienţa) Pentru v1,v 2 ∈ Vn notăm cu X1, X2 matricele coloană a coordonatelor în B,

 x11   x12 
 2  2
x x n n
adică: X1 =  1  ; X2 =  2  unde v1 = ∑ x1i ei , v 2 = ∑ xi2 ei .
 ...   ...  i =1 i =1
 n   n 
 x1   x2 

Din ipoteză avem că T(v1) şi T(v2) au matricele coloană a coordonatelor în B′

 y11   y12 
 2  2
 y1  y m m
Y1 = A ⋅ X1 şi Y2 = A ⋅ X2 unde Y1 = , y 2 =  2  , T(v1 ) = ∑ y1j fj , iar T(v 2 ) = ∑ y 2j fj
 ...   ...  j =1 j =1
 m   m 
y
 1  y
 2
n
Pentru λ1, λ 2 ∈ K vectorul λ1v1 + λ 2 v 2 = ∑ ( λ1x1i + λ2 xi2 )ei are matricea coordonatelor
i =1

 λ1x11 + λ2 x12 
 
λ x 2 + λ 2 x 22 
X= 1 1 . Rezultă deci că X = λ1X1 + λ2 X2 , iar matricea coloană a coordonatelor
 ... 
 n n 

 λ1x1 + λ2 x 2 

 y1 
 2
y m
lui T(λ1v1 + λ 2 v 2 ) în B′ este Y=  unde Y = A ⋅ X , iar T(λ1v1 + λ 2 v 2 ) = ∑ y j fj . Adică
 ...  j =1
 m 
y 
Y = A(λ1X1 + λ 2 X2 ) = λ1AX1 + λ2 AX2 = λ1Y1 + λ2 Y2 egalitate care implică y j = λ1y1j + λ2 y 2j sau prin
înmulţire cu fj şi însumare după j = 1,m avem:
m m m

∑y f
j =1
j
j = λ1 ∑ y1j ff + λ2 ∑ y 2j fj
j =1 j =1

adică:
T(λ1v1 + λ 2 v 2 ) = λ1T(v1 ) + λ 2 T(v 2 ) . Rezultă deci că T este aplicaţie liniară. ‫ٱٱٱ‬

Definiţia 3.1. Fie Vn şi W m K-spaţii vectoriale de dimensiune n respectiv m şi

B = {ei | i = 1,n} , B′ = {fj | j = 1,m} câte o bază în fiecare. Numim matricea asociată aplicaţiei
liniare T : Vn → Wm în bazele B şi B’ matricea:
m
φ BB′ (T) = [aij ] ∈ Mm×n (K) unde T(ei ) = ∑ aij fj , ∀i = 1,n
j =1

Exemplu Fie R 4 [X], R 3 [X] spaţiul vectorial al polinoamelor de grad cel mult 4
respectiv 3 şi D : R 4 [X] → R 3 [X] derivarea. Să găsim matricea asociată lui D în bazele
canonice B4 = {1,x,x 2 , x 3 ,x 4 } respectiv B3 = {1, x,x 2 ,x 3 } . Avem φB B (D) = [aij ] ∈ M4×3 (R )
4 3

unde:
D(1) = 0, D(x) = 1, D(x 2 ) = 2x, D(x 3 ) = 3x 2 , D(x 4 ) = 4x 3

adică:
0 1 0 0 0
 
0 0 2 0 0
φ B B (D) = 
4 3 0 0 0 3 0
 
0 0 0 0 4

Folosind rezultatul din Propoziţia 3.1. avem pentru:

f = a0 + a1x + a2 x 2 + a3 x 3 + a 4 x 4 , D(f ) = b0 + b1x + b2 x 2 + b3 x 3

unde:
a 
 b0   0 1 0 0 0 0 
    a1
 b1  =  0 0 2 0 0 
a 
 b2   0 0 0 3 0 2 
     a3 
 b3   0 0 0 0 4 
 a4 
 Definiţia 3.1. Numim rangul aplicaţiei liniare T : V → W numărul notat rang T
şi definit prin:
rang T =dim Im T
Numim defectul aplicaţiei liniare T : V → W numărul notat def T şi definit prin:
def T=dim Ker T

Propoziţia 3.3. (Teorema rangului) Pentru T : V → W aplicaţie liniară cu V

spaţiu vectorial finit dimensional avem:
defT + rangT = dim V

Demonstraţie Presupunem dimV=n şi alegem în V baza B = {ei | i = 1,n} . Cum

Ker T este subspaţiu în V notăm dimKerT = defT = p şi fie C = {fj | j = 1,p} o bază în Ker T.

Obţinem pe baza Lemei de completare baza B′ = {f1,f2 ,...,fp ,ep +1,...,en } prin renotarea

eventul a vectorilor din B. Să arătăm că B′′ = {T(ep +1 ),...,T(en )} este o bază în Im T.

Pentru liniar dependenţa lui B” avem:

n
 n 
∑ λ T(e ) = 0 sau
i i T  ∑ λ i ei  = 0
i = p +1  i = p +1 
n
ceea ce însemnă că ∑ λ e ∈ KerT adică există
i = p +1
i i λi ∈ K,i = 1,p astfel încât:

n p n p

∑ λ e = ∑ λ f sau ∑ λ e − ∑ λ f
i = p +1
i i
i =1
i i
i = p +1
i i
i =1
i i =0 .

Am obţinut astfel o combinaţie liniară a vectorilor din B’ egală cu vectorul nul, deci
λi = 0, ∀i = p + 1,n . Rezultă că B” este sistem liniar independent.

Pentru w ∈ Im T există v ∈ V astfel încât T(v) = w . Dar B’ fiind bază în V există

p n
λi ∈ K, i = 1,n astfel încât ∑ λ f + ∑ λ e . Atunci:
i =1
i i
i = p +1
i i

 p n
 p n
T(v) = T  ∑ λi fi + ∑ λi ei  = ∑ λi T(fi ) + ∑ λi T(ei )
 i=1 i = p +1  i=1 i = p +1

iar deoarece fi ∈ KerT adică T(fi ) = 0, ∀i = 1,p obţinem:

n
w = T(v) = ∑ λ T(e )
i = p +1
i i

adică [B′′] = ImT . Rezultă deci că B” este o bază în Im T prin urmare:

 rangT = dimImT = n − p = dim V − defT .‫ٱٱٱ‬

Consecinţa 3.2. Fie T : Vn → Wm aplicaţie liniară cu Vn şi Wm , K-spaţii

vectoriale de dimensiune n respectiv m. Atunci:
(1) T injectivă dacă şi numai dacă defT = 0 ;
(2) T este surjectivă dacă şi numai dacă rangT = m ;
Pentru n=m următoarele afirmaţii sunt echivalente:
a) T injectivă
b) T surjectivă
c) T bijectivă.
Demonstraţie (1) şi (2) sunt transcrierea rezultatelor din Propoziţia 1.4. în
sensul notaţiilor introduse în Definiţia 3.1.
(a) ⇒ (b) T injectivă înseamnă defT = 0 , iar din teorema rangului avem rangT = n = m ,
adică T este surjectivă.
(b) ⇒ (c) T surjectivă înseamnă că rangT = n = m , iar din teorema rangului avem
defT = 0 , adică T este injectivă. Rezultă T bijectivă.
(c) ⇒ (a) Evidentă. ‫ٱٱٱ‬