1. N´ucleo e Imagen de una Transformaci´on Lineal
Departamento de Matem´aticas, CCIR/ITESM
28 de junio de 2011
´Indice
17.1. N´ucleo de una transformaci´on lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
17.2. El n´ucleo de una matriz y la tecnolog´ıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
17.3. Inyectividad de transformaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
17.4. El Rango de una transformaci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
17.5. Suprayectividad de transformaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
17.6. N´ucleo e Imagen son subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
17.7. Nulidad y Rango de una Transformaci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
17.8. SEL a trav´es del kernel y el rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
17.9. Ejemplo clave . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
17.1. N´ucleo de una transformaci´on lineal
Definici´on 17.1
Sea T : V → W una transformaci´on lineal. El n´ucleo T es el subconjunto formado por todos los
vectores en V que se mapean a cero en W.
Ker(T) = {v ∈ V | T(v) = 0 ∈ W}
Ejemplo 17.1
Indique cu´ales opciones contienen un vector en el n´ucleo de la transformaci´on de R3 en R3 definida como
T
x
y
z
=
−2 x + 3 z
−23 x − 15 y − 18 z
−5 x − 3 y − 3 z
dentro de las opciones:
1. v1 = (0, 0, 0)
2. v2 = (12, −28, 8)
3. v3 = (1, −2, 1)
4. v4 = (3, −7, 2)
5. v5 = (2, −4, −4)
6. v6 = (9, −18, −15)
Soluci´on
Antes de pasar a la verificaci´on, es conveniente observar que es posible encontrar una matriz A tal que
T(x) = A·x. Es decir, aplicar T a un vector x es equivalente a multiplicar por una cierta matriz A al vector x.
2. Empecemos con la dimensi´on de A: como A se multiplica por la izquierda de x y x ∈ R3 entonces el n´umero
de columnas de A es 3. Por otro lado, como el resultado A · x es un vector de R3, entonces el n´umero de
renglones de A es 3. Si requerimos que
−2 x + 3 z
−23 x − 15 y − 18 z
−5 x − 3 y − 3 z
=
x
y
z
No es dif´ıcil ver
−2 x + 3 z
−23 x − 15 y − 18 z
−5 x − 3 y − 3 z
=
−2 0 3
−23 −15 −18
−5 −3 −3
x
y
z
es decir que
A =
−2 0 3
−23 −15 −18
−5 −3 −3
El vector v1 est´a en el n´ucleo de T debido a que
T(v1) = Av1 =
−2 0 3
−23 −15 −18
−5 −3 −3
·
0
0
0
=
0
0
0
= 0
El vector v2 est´a en el n´ucleo de T debido a que
T(v2) = Av2 =
−2 0 3
−23 −15 −18
−5 −3 −3
·
12
−28
8
=
0
0
0
= 0
El vector v3 no est´a en el n´ucleo de T debido a que
T(v3) = Av3 =
−2 0 3
−23 −15 −18
−5 −3 −3
·
1
−2
1
=
1
−11
−2
= 0
El vector v4 est´a en el n´ucleo de T debido a que
T(v4) = Av4 =
−2 0 3
−23 −15 −18
−5 −3 −3
·
3
−7
2
=
0
0
0
= 0
El vector v5 no est´a en el n´ucleo de T debido a que
T(v5) = Av5 =
−2 0 3
−23 −15 −18
−5 −3 −3
·
2
−4
−4
=
−16
86
14
= 0
El vector v6 no est´a en el n´ucleo de T debido a que
T(v6) = Av6 =
−2 0 3
−23 −15 −18
−5 −3 −3
·
9
−18
−15
=
−63
−333
−54
= 0
2
3. Ejemplo 17.2
Determine el n´ucleo de la transformaci´on de R3 en R3 definida como
T
x
y
z
=
−2 x + 3 z
−23 x − 15 y − 18 z
−5 x − 3 y − 3 z
Soluci´on
Un vector v = (a, b, c) pertenece al n´ucleo de T si T(v) = 0, es decir si:
T((a, b, c) ) =
−2 a + 3 c
−23 a − 15 b − 18 c
−5 a − 3 b − 3 c
= 0( en R3
)
Por lo tanto, para pertenecer al n´ucleo debe cumplirse
−2 a + 3 c = 0
−23 a − 15 b − 18 c = 0
−5 a − 3 b − 3 c = 0
Reduciendo tenemos:
a − 3/2 c = 0
b + 7/2 c = 0
Es decir
a
b
c
=
3/2 c
−7/2 c
c
= c
3/2
−7/2
1
Observe que el n´ucleo de T en este caso es un espacio generado:
Ker(T) = Gen
3/2
−7/2
1
Adem´as, la dimensi´on de Ker(T) es 1, lo cual coincide con el n´umero de columnas sin pivote en la reducida de
A (La matriz que define a la transformaci´on T). Geom´etricamente en R3 este generado corresponde a la l´ınea
que pasa por el origen y con vector de direcci´on (3/2, −7/2, 1) que es:
x
3/2
=
y
−7/2
=
z
1
Ejemplo 17.3
Determine el n´ucleo de la transformaci´on de R3 en R2 definida como
T
x
y
z
=
x + y + z
2 x + 2 y + 2 z
Soluci´on
Un vector v = (a, b, c) pertenece al n´ucleo de T si T(v) = 0, es decir si:
T(v) =
a + b + c
2 a + 2 b + 2 c
=
1 1 1
2 2 2
·
a
b
c
= 0 ( en R2
)
3
4. Por lo tanto, para pertenecer al n´ucleo debe cumplirse
a + b + c = 0
2 a + 2 b + 2 c = 0
Reduciendo tenemos:
a + b + c = 0
Es decir
a
b
c
=
−b − c
b
c
= b
−1
1
0
+ c
−1
0
1
Es decir, que el n´ucleo de T en este caso es un espacio generado:
Ker(T) = Gen
−1
1
0
,
−1
0
1
Adem´as, la dimensi´on de Ker(T) es 2, lo cual corresponde al n´umero de columnas sin pivote de la reducida
de la matriz que define a T. Geom´etricamente, en R3 este generado corresponde a un plano que pasa por el
origen y con vector normal n = u1 × u2 = (1, 1, 1) que es:
1 x + 1 y + 1 z = x + y + z = 0
Ejemplo 17.4
Determine el n´ucleo de T : R3→R2.
T =
x
y
z
=
x − z
y + z
Soluci´on
Sabemos que Ker(T) es el conjunto de todos los vectores v =< x, y, z > de R3 tal que T(v) = 0 (en R2):
T(v) =
x − z
y + z
=
1 0 −1
0 1 1
·
x
y
z
=
0
0
Para resolver el sistema
1 0 −1 0
0 1 1 0
→
1 0 −1 0
0 1 1 0
Cuya soluci´on general es
x
y
z
= z
1
−1
1
De ah´ı que,
Ker(T) =
z
−z
z
, z ∈ R
= Gen
1
−1
1
Vemos que la dimensi´on de Ker(T) es 1, lo cual corresponde al n´umero de columnas sin pivote en la matriz
que define a T. Geom´etricamente, en R3 esto corresonde a la recta
x
1
=
y
−1
=
z
1
4
5. Ejemplo 17.5
Determine el n´ucleo de T : R3→R3.
T =
x
y
z
=
x − z
y + z
x − y
Soluci´on
Sabemos que Ker(T) es el conjunto de todos los vectores v =< x, y, z > de R3 tal que T(v) = 0 (en R3):
T(v) =
x − z
y + z
x − y
=
1 0 −1
0 1 1
1 −1 0
·
x
y
z
=
0
0
0
Para resolver el sistema
1 0 −1 0
0 1 1 0
1 −1 0 0
→
1 0 0 0
0 1 0 0
0 0 1 0
El sistema tiene soluci´on ´unica y es 0. Por tanto,
Ker(T) = {0}
Ejemplo 17.6
Indique la opci´on que describe adecuadamente al conjunto
B = < 0, 0, 3, 2 > , < 0, 1, 0, 0 >
respecto al n´ucleo de la transformaci´on de R4 en R4 definida como
T
x
y
z
w
=
3 w − 2 z
3 w − 2 z
12 w − 8 z
15 w − 10 z
=
0 0 −2 3
0 0 −2 3
0 0 −8 12
0 0 −10 15
x
y
z
w
A Es base para el n´ucleo.
B Est´a en el n´ucleo; pero no es LI ni no lo genera.
C Genera al n´ucleo pero no es LI.
D Est´a en el n´ucleo; es LI pero no lo genera.
E No es comparable con el n´ucleo.
Soluci´on
Determinemos el n´ucleo de T:
0 0 −2 3 0
0 0 −2 3 0
0 0 −8 12 0
0 0 −10 15 0
rref
−−−→
0 0 1 −3/2 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
5
6. Por lo tanto, los vectores del n´ucleo tienen la forma
x
y
z
w
= x
1
0
0
0
+ y
0
1
0
0
+ w
0
0
3/2
1
Es decir,
Ker(T) = Gen
1
0
0
0
,
0
1
0
0
0
0
3/2
1
Comparemos ahora Gen{B} con Ker(T):
a) ¿Gen{B} ⊆ Ker(T)?
1 0 0 0 0
0 1 0 0 1
0 0 3/2 3 0
0 0 1 2 0
rref
−−−→
1 0 0 0 0
0 1 0 0 1
0 0 1 2 0
0 0 0 0 0
Concluimos que s´ı:Gen{B} ⊆ Ker(T).
b)¿Ker(T) ⊆ Gen{B}?
0 0 1 0 0
0 1 0 1 0
3 0 0 0 3/2
2 0 0 0 1
rref
−−−→
1 0 0 0 1/2
0 1 0 1 0
0 0 1 0 0
0 0 0 0 0
Concluimos que no:Ker(T) ⊆ Gen{B}. De estos c´alculos (los que llevan B primero) tambi´en se deduce que: c)
B es linealmente independiente. Por lo tanto, la opci´on correcta es D:
est´a contenido en el n´ucleo (a)
no genera al n´ucleo (b); y
B es li (c)
17.2. El n´ucleo de una matriz y la tecnolog´ıa
Pr´acticamente la totalidad de los sistemas computacionales que manejan matrices vienen acompa˜nados de
funciones para manejar el kernel de una matriz. En el caso de Maple la instrucci´on nullspace(A) entrega una
base para el n´ucleo de la transformaci´on lineal T(X) = A X. Desafortunadamente, para la TI Voyage 200 no
aparece un comando similar.
17.3. Inyectividad de transformaciones lineales
Una pregunta importante sobre funciones es si una funci´on dada es inyectiva, o tambi´en dicho 1 a 1.
Recuerde que una funci´on es inyectiva si no hay dos elementos diferentes del dominio que tienen la misma
evaluaci´on. Es decir, es f es inyectiva si y s´olo si f(x1) = f(x2) implica que x1 = x2. Este concepto en las
funciones lineales en espacios vectoriales tiene un comportamiento simple: f(x1 −x2) = 0 implica x1 −x2 = 0.
Es decir:
Teorema
6
7. Sea T : V → W una transformaci´on lineal. T es inyectiva si y s´olo si Ker(T) = {0}.
Note que en los ejemplos anteriores, s´olo la ´ultima funci´on fue inyectiva.
Notas
En resumen:
Para ver si un vector est´a en el n´ucleo de una transformaci´on lineal se debe aplicar la transformaci´on. El
vector x est´a en el n´ucleo de T si y s´olo si T(x) = 0.
Determinar el n´ucleo de una transformaci´on lineal equivale a encontrar la soluci´on general de un SEL
homog´eneo.
Para determinar el n´ucleo de una transformaci´on, debe encontrar la matriz que define a la transformaci´on
lineal y resolver [A|0]. Hay dos alternativas: el sistema tiene s´oluci´on ´unica o el sistema tienen infinitas
soluciones. En el caso de infinitas soluciones, la f´ormula general muestra al n´ucleo como un espacio
generado donde el n´umero columnas sin pivote es la dimensi´on del n´ucleo como subespacio. En caso de
tener soluci´on ´unica, el n´ucleo de T es el conjunto formado por el vector cero.
Para determinar si una transformaci´on lineal es inyectiva, todas las columnas de la reducida de la matriz
que define a la transformaci´on lineal deben de tener pivote.
17.4. El Rango de una transformaci´on
Definici´on 17.2
Sea T : V → W una transformaci´on lineal. El rango o imagen de T es el conjunto de todas las im´agenes de T
en W.
R(T) = {w ∈ W|w = T(v) para alg´un v ∈ V }
Es decir, el rango es el subconjunto de W formado por aquellos vectores que provienen de alg´un vector de V .
Ejemplo 17.7
Indique cu´ales opciones contienen un vector en la imagen de la transformaci´on de R3 en R3 definida como
T
x
y
z
=
2 x + 5 y + z
8 x + 12 y + 6 z
−4 x − 2 y − 4 z
dentro de las opciones:
1. v1 = (0, 0, 0)
2. v2 = (2, 8, −4)
3. v3 = (−23, −52, 6)
4. v4 = (5, 12, −2)
5. v5 = (−3, 1, −1)
Soluci´on
El vector v1 = (0, 0, 0) de R3 est´a en la imagen de T si existe un vector (a, b, c) en R3 tal que T((a, b, c) ) = v1.
Es decir, si es consistente el sistema
2 a + 5 b + c = 0
8 a + 12 b + 6 c = 0
−4 a − 2 b − 4 c = 0
Pero este sistema por ser homog´eno es consistente. Por tanto el vector v1 s´ı est´a en la imagen de T.
El vector v2 = (2, 8, −4) de R3 est´a en la imagen de T si existe un vector (a, b, c) en R3 tal que T((a, b, c) ) =
7
8. v2. Es decir, si es consistente el sistema:
2 a + 5 b + c = 2
8 a + 12 b + 6 c = 8
−4 a − 2 b − 4 c = −4
Al reducir la matriz aumentada se obtiene:
1 0 9/8 1
0 1 −1/4 0
0 0 0 0
por ser consistente el sistema, el vector v2 s´ı est´a en la imagen de T.
El vector v3 = (−23, −52, 6) de R3 est´a en la imagen de T si existe un vector (a, b, c) en R3 tal que
T((a, b, c) ) = v3. Es decir, si es consistente el sistema:
2 a + 5 b + c = −23
8 a + 12 b + 6 c = −52
−4 a − 2 b − 4 c = 6
Al reducir la matriz aumentada se obtiene:
1 0 9/8 1
0 1 −1/4 −5
0 0 0 0
por ser consistente el sistema, el vector v3 s´ı est´a en la imagen de T.
El vector v4 = (5, 12, −2) de R3 est´a en la imagen de T si existe un vector (a, b, c) en R3 tal que T((a, b, c) ) =
v4 es decir si es consistente el sistema:
2 a + 5 b + c = 5
8 a + 12 b + 6 c = 12
−4 a − 2 b − 4 c = −2
Al reducir la matriz aumentada se obtiene:
1 0 9/8 0
0 1 −1/4 1
0 0 0 0
por ser consistente el sistema, el vector v4 s´ı est´a en la imagen de T.
El vector v5 = (−3, 1, −1) de R3 de est´a en la imagen de T si existe un vector (a, b, c) en R3 tal que
T((a, b, c) ) = v5 es decir si es consistente el sistema:
2 a + 5 b + c = −3
8 a + 12 b + 6 c = 1
−4 a − 2 b − 4 c = −1
Al reducir la matriz aumentada se obtiene:
1 0 9/8 0
0 1 −1/4 0
0 0 0 1
por ser inconsistente el sistema, el vector v5 no est´a en la imagen de T
8
9. Ejemplo 17.8
Determine la imagen de la transformaci´on lineal de R3 en R3 definida como
T
x
y
z
=
2 x + 5 y + z
8 x + 12 y + 6 z
−4 x − 2 y − 4 z
Soluci´on
El vector v1 = (a, b, c) de R3 de est´a en la imagen de T si existe un vector (x, y, z) en R3 tal que T((x, y, z) ) =
v1 es decir si es consistente el sistema
2 x + 5 y + z = a
8 x + 12 y + 6 z = b
−4 x − 2 y − 4 z = c
Al formar la matriz aumentada y escalonar se obtiene:
2 5 1 a
0 −8 2 −4 a + b
0 0 0 −2 a + b + c
Por tanto, (a, b, c) est´a en la imagen de T ssi el sistema anterior es consistente ssi −2 a + b + c = 0. Esto
ocurrir´a si y s´olo si a = 1/2 b + 1/2 c. Es decir, (a, b, c) est´a en la imagen de T si y s´olo si
a
b
c
=
1/2 b + 1/2 c
b
c
= b
1/2
1
0
+ c
1/2
0
1
Por tanto,
R(T) = Gen
1/2
1
0
,
1/2
0
1
Geom´etricamente, R(T) es el plano 2 a − b − c = 0 (o 2 x − y − z = 0) en R3
Ejemplo 17.9
Determine la imagen de la transformaci´on lineal de R3 en R4 definida como
T
x
y
z
=
x + y + 2 z
x − y
−2 x + y − z
x − y
Soluci´on
El vector v = (a, b, c, d) de R4 est´a en la imagen de T si existe un vector (x, y, z) en R3 tal que T((x, y, z) ) =
v . Es decir, si es consistente el sistema
x + y + 2 z = a
x − y = b
−2 x + y − z = c
x − y = c
´o
1 1 2 a
1 −1 0 b
−2 1 −1 c
1 −1 0 d
9
10. En este ejemplo ilustraremos el uso de una t´ecnica m´as eficiente que la usada en el problema anterior. La idea
es que manejaremos s´olo los coeficientes de a, b, c y d. De esta manera una expresi´on en estas variables la
podemos representar por medio de un vector rengl´on con cuatro componentes. As´ı
2 a + 3 b − c + 8 d se representa por (2, 3, −1, 8)
a se representa por (1, 0, 0, 0)
3 a − 3 b − 3 d se representa por (3, −3, 0, −3)
c se representa por (0, 0, 1, 0)
Con esta idea, el sistema cuya matriz nos interesa revisar nos queda:
1 1 2 1 0 0 0
1 −1 0 0 1 0 0
−2 1 −1 0 0 1 0
1 −1 0 0 0 0 1
→
1 0 1 0 0 −1 −1
0 1 1 0 0 −1 −2
0 0 0 1 0 2 3
0 0 0 0 1 0 −1
Por tanto, la matriz aumentada representa un sistema consistente si y s´olo si
a = −2 c − 3 d
b = d
Resumiendo, (a, b, c, d) est´a en la imagen de T si y s´olo si
a
b
c
d
= c
−2
0
1
0
+ d
−3
1
0
1
para c y d escalares. Por tanto
R(T) = Gen
−2
0
1
0
,
−3
1
0
1
Nota
Observe que tanto Ker(T) como R(T) de una transformaci´on lineal T son conjuntos no vac´ıos
T(0V ) = 0W
implica que
0V ∈ Ker(T) y
0W ∈ R(T).
17.5. Suprayectividad de transformaciones lineales
Una pregunta importante sobre funciones es si una funci´on dada es suprayectiva, o tambi´en dicho sobre.
Recuerde que una funci´on es suprayectiva si para todo elemento en el codominio hay un elemento en el dominio
que bajo la funci´on se transforma en ´el. Es decir, es f es suprayectiva si y s´olo si f(x) = a es consistente para
todo a en el codominio de f. en espacios vectoriales tiene un comportamiento simple:
Teorema
10
11. Sea T : V → W una transformaci´on lineal y
B = {v1, v2, . . . , vm}
un conjunto generador para V . T es suprayectiva si y s´olo si Gen(T(v1), T(v2), . . . , T(vm)) = W.
No que lo anterior implica que:
Si T es suprayectiva, entonces dim(V ) ≥ dim(W).
En particular, si por ejemplo T : R3 → R4 es lineal, entonces T no puede ser sobre!
Notas
En resumen:
Para ver si un vector est´a en la imagen de una transformaci´on lineal se debe ver si un sistema es
consistente.
Para determinar el rango de una transformaci´on, debe encontrar la matriz que define a la transformaci´on
lineal y reducir [A|I]. Si todo rengl´on tiene pivote la funci´on es suprayectiva. Es decir, todo vector del
codominio es imagen de un vector en el dominio. Si hay renglones sin pivote en la parte izquierda se
debe forzar la consistencia igualando a cero los elementos en la parte derecha de la reducida. El rango
entonces queda como un espacio generado, el cual es precisamente el espacio generado por las columnas.
Su dimensi´on ser´a el n´umero de pivotes en la reducida de la matriz A.
Para determinar si una transformaci´on lineal es suprayectiva, todos los renglones en la reducida de A
deben de tener pivotes.
17.6. N´ucleo e Imagen son subespacios
La propiedad fundamental del n´ucleo y del contradominio es que ambos son espacios vectoriales:
Teorema
Sea T : V → W una transformaci´on lineal. Entonces
Ker(T) es un subespacio de V .
R(T) es un subespacio de W.
Demostraci´on
El n´ucleo de T es subespacio
Sean v1 y v2 elementos del n´ucleo de T y c un escalar cualquiera. As´ı T(v1) = 0 = T(v2), y por tanto:
T(c1 v1 + c2 v2) = c1 T(v1) + c2 T(v2) = c1 0 + c2 0 = 0
probando que c1 v1 + c2 v2 est´a tambi´en en el n´ucleo de T. Lo cual a su vez prueba que el n´ucleo de T es un
subespacio de V .
La imagen de T es subespacio
Sean w1 y w2 elementos de la imagen de T y c un escalar cualquiera. As´ı T(v1) = w1 y T(v2) = w2 para
algunos v1 y v2 en V , y por tanto:
T(c1 v1 + c2 v2) = c1 T(v1) + c2 T(v2) = c1 w1 + c2 w2
probando que c1 w1 + c2 w2 es imagen de c1 v1 + c2 v2 y por consiguiente c1 w1 + c2 w2 est´a tambi´en en la
imagen de T. Lo cual a su vez prueba que la imagen de T es un subespacio de W
11
12. 17.7. Nulidad y Rango de una Transformaci´on
Debido al resultado anterior el n´ucleo y la imagen de una transformaci´on lineal son espacios vectoriales.
Como espacios vectoriales, ellos tienen una dimensi´on asociada. Estas dimensiones tienen nombre espec´ıficos:
Definici´on 17.3
Sea T : V → W una transformaci´on lineal.
La nulidad de T es la dimensi´on de Ker(T).
El rango de T es la dimensi´on de R(T).
El siguiente resultado permite calcular f´acilmente la nulidad y el rango de una transformaci´on matricial.
Teorema
Sea T : V → W una transformaci´on lineal. Suponga que T corresponde a la transformaci´on
matricial asociada a A. Entonces:
Ker(T) = V(A) = Espacio nulo de A
R(T) = C(A) = Espacio generado por las columnas de A
Nulidad(T) = Nulidad(A) = N´umero de columnas sin pivote en A reducida.
Rango(T) = Rango(A) = N´umero de columnas con pivote en A reducida.
Note que el resultado anterior indica que para cualquier transformaci´on lineal T : V → W,
dim(V ) = dim(Ker(T)) + dim(R(T))
dim(R(T)) ≤ dim(W)
(1)
As´ı por ejemplo:
T : R4 → R3 lineal no puede ser inyectiva pues
4 = dim(Ker(T)) + dim(R(T)) ≤ dim(Ker(T)) + 3
por tanto, dim(Ker(T)) ≥ 1 probando que Ker(T)) = {0}.
T : R4 → R8 lineal no puede ser sobre pues
4 = dim(Ker(T)) + dim(R(T))
por tanto, dim(R(T)) ≤ 4 probando que R(T) = R8
Ejemplo 17.10
Calcule las bases para el n´ucleo y la imagen y determine la nulidad y el rango de
T : R4
→ R3
, T((x, y, z, w) ) = (x + 3z, y − 2z, w)
Soluci´on
De acuerdo con el teorema previo, basta expresar a T como transformaci´on matricial y obtener las bases para
las columnas y el espacio nulo de su matriz est´andar A. A se expresa con
A =
1 0 3 0
0 1 −2 0
0 0 0 1
12
13. Como ya est´a en forma escalonada reducida por operaciones de rengl´on, los vectores {(1, 0, 0) , (0, 1, 0) , (0, 0, 1) }
forman una base para Col(A) = R(T) = R3. Por otra parte, {(−3, 2, 1, 0) } es una base para V (A) = Ker(T).
De modo que el rango de T es 3 y la nulidad es 1.
Ker(T) = {0} ⇔ Ax = 0 s´olo tiene la soluci´on trivial
y
R(T) = Rm
⇔ las columnas de A generan a Rm
Ejemplo 17.11
Resuelva la siguiente ecuaci´on diferencial:
(−2 x − 1) y (x) + 2 y(x) = 4 x2
+ 4 x
pensando el lado izquierdo de la ecuaci´on como una transformaci´on lineal de P2 en P3.
Soluci´on
Definamos T de P2 en P3 por
T(p(x) = a x2 + b x + c) = (−2 x − 1)p (x) + 2 p(x)
= −2 a x2 − 2 a x − b + 2 c
Viendo los polinomios como vectores tenemos tenemos que la transformaci´on anterior queda:
T
c
b
a
=
−b + 2 c
−2 a
−2 a
0
=
2 −1 0
0 0 −2
0 0 −2
0 0 0
·
c
b
a
El problema de resolver la ED se transforma encontrar un p(x) que cumpla: T(p(x)) = 4 x2 + 4 x. Es decir, en
encontrar (c, b, a) tal que
2 −1 0
0 0 −2
0 0 −2
0 0 0
·
c
b
a
=
0
4
4
0
Formando la aumentada y reduciendo tenemos:
2 −1 0 0
0 0 −2 4
0 0 −2 4
0 0 0 0
→
1 −1/2 0 0
0 0 1 −2
0 0 0 0
0 0 0 0
Como el sistema es consistente, la primera conclusi´on es que s´ı existe soluci´on en P2. Tambi´en vemos que hay
infinitas soluciones las cuales podemos calcular:
c − 1/2b = 0
a = −2
→
c = 1/2b
b = b
a = −2
→
c
b
a
=
1/2b
b
−2
Y separando vectores
c
b
a
=
0
0
−2
+ b
1/2
1
0
La soluci´on general de la ED en P2 queda:
y(x) = −2 x2
+ b (1/2 + x), b escalar libre
13
14. 17.8. SEL a trav´es del kernel y el rango
Veamos ahora el an´alisis de un SEL a la luz de los conceptos de n´ucleo e imagen de una transformaci´on lineal.
Supongamos que estamos resolviendo el SEL A x = b. Si definimos la transformaci´on lineal TA(x) = A x,
entonces
El sistema ser´a consistente si y s´olo si el vector b pertenece a la imagen de T.
Si el SEL es consistente, entonces: el sistema tendr´a soluci´on ´unica si y s´olo si el n´ucleo de T se reduce
al vector cero.
Si x1 y x2 son dos soluciones, entonces x1 − x2 pertenece al n´ucleo de T. Por tanto: Si el sistema tiene
soluciones infinitas, entonces la soluci´on general tiene la forma
x = xp + c1 z1 + · · · + ck zk
donde xp es una soluci´on particular y z1, . . . ,zk consituyen un conjunto generador para el n´ucleo.
17.9. Ejemplo clave
Ejemplo 17.12
Suponga que usted es maestro de ´algebra lineal y le ha pedido a sus alumnos que resuelvan el SEL:
1 2 1 1 1 1
−2 −4 2 10 1 −1
3 6 −3 −15 1 −1
−1 −2 1 5 0 0
1 2 1 1 −1 3
x1
x2
x3
x4
x5
x6
=
3
−7
13
−4
1
Analice las siguientes soluciones dadas por sus alumnos:
Jos´e dice que la soluci´on general es:
x =
3
−1
1
0
0
0
+ c1 ·
2
1
−6
2
0
0
+ c2 ·
−5
1
2
−1
1
1
+ c3 ·
3
−1
−4
1
1
1
La soluci´on particular de Jos´e es jp =< 3, −1, 1, 0, 0, 0 > y el generador de las soluciones al sistema homog´eneo
es:
jh =
2
1
−6
2
0
0
,
−5
1
2
−1
1
1
,
3
−1
−4
1
1
1
Revisemos sus respuestas:
14
15. ¿Es jp soluci´on al sistema original?
Por conveniencia hacemos: A · jp − b:
A · jp − b =
2
0
0
0
2
−
3
−7
13
−4
1
=
−1
7
−13
4
1
como no da el vector cero, concluimos que la soluci´on particular dada por Jos´e no lo es.
¿La f´ormula para el sistema homog´eneo genera todas las soluciones al sistema homog´eneo asociado?
Por conveniencia, con los vectores en jh formamos una matriz que representamos tambi´en por jh y
realizamos el producto A · jh; como obtenemos una matriz de ceros, concluimos que en la soluci´on de
Jos´e la f´ormula efectivamente da soluciones al sistema homog´eneo. La pregunta que cabe ahora es si acaso
las da todas. Cuando aplicamos rref a A vemos que tiene 3 columnas sin pivote, por tanto, la dimensi´on
del espacio nulo de A es 3. Como al aplicar rref a la matriz jh tiene tres pivotes, concluimos que el
conjunto jh es linealmente independiente, est´a dentro del n´ucleo y tiene tres elementos; por tanto, debe
ser base para el n´ucleo. Por tanto, en la f´ormula de Jos´e la parte asociada a la soluci´on a la homog´enea
es adecuada.
Mar´ıa dice que la soluci´on general es:
x =
7
0
−7
2
1
0
+ c1 ·
2
1
−6
2
0
0
+ c2 ·
−5
1
2
−1
1
1
+ c3 ·
12
−1
−10
4
−2
−2
La soluci´on particular de Mar´ıa es mp =< 7, 0, −7, 2, 1, 0 > y el generador de las soluciones al sistema
homog´eneo es:
mh =
2
1
−6
2
0
0
,
−5
1
2
−1
1
1
,
12
−1
−10
4
−2
−2
Revisemos sus respuestas:
¿Es mp soluci´on al sistema original?
Por conveniencia hacemos: A · mp − b: como s´ı da el vector cero, concluimos que la soluci´on particular
dada por Mar´ıa s´ı lo es.
¿La f´ormula para el sistema homog´eneo genera todas las soluciones al sistema homog´eneo asociado?
Por conveniencia, con los vectores en mh formamos una matriz que representamos tambi´en por mh y
realizamos el producto A · mh; como obtenemos una matriz de ceros, concluimos que en la soluci´on de
Mar´ıa la f´ormula efectivamente da soluciones al sistema homog´eneo. La pregunta que cabe ahora es si
acaso las da todas. Cuando aplicamos rref a A vemos que tiene 3 columnas sin pivote, por tanto, la
dimensi´on del espacio nulo de A es 3. Como al aplicar rref a la matriz mh tiene dos pivotes, concluimos
que el conjunto mh es linealmente dependiente y est´a dentro del n´ucleo; por tanto, no puede ser base
para el n´ucleo. Por tanto, en la f´ormula de Mar´ıa la parte asociada a la soluci´on a la homog´enea es
incompleta.
15
16. Resumiendo; la f´ormula de Mar´ıa no genera todas las soluciones al sistema.
Luis dice que la soluci´on general es:
x =
−3
0
8
−3
1
0
+ c1 ·
2
1
−6
2
0
0
+ c2 ·
−5
1
2
−1
1
1
+ c3 ·
1
1
1
1
1
1
La soluci´on particular de Luis es lp =< −3, 0, 8, −3, 1, 0 > y el generador de las soluciones al sistema homog´eneo
es:
lh =
2
1
−6
2
0
0
,
−5
1
2
−1
1
1
,
1
1
1
1
1
1
Revisemos sus respuestas:
¿Es lp soluci´on al sistema original?
Por conveniencia hacemos: A · lp − b: como s´ı da el vector cero, concluimos que la soluci´on particular
dada por Luis s´ı lo es.
¿La f´ormula para el sistema homog´eneo genera todas las soluciones al sistema homog´eneo asociado?
Por conveniencia, con los vectores en lh formamos una matriz que representamos tambi´en por lh y
realizamos el producto A · lh;
A · lh =
0 0 7
0 0 6
0 0 −9
0 0 3
0 0 7
como obtenemos una matriz con dos primeras columnas de ceros y una tercera que no es de ceros,
concluimos que en la soluci´on de Luis la f´ormula da algunas soluciones al sistema homog´eneo (las que
tienen c3 = 0) pero tambi´en da otros vectores que no son soluci´on (los que tienen c3 = 0). Por tanto, la
soluci´on de Luis es parcialmente correcta y parcialmente incorrecta.
Carolina dice que la soluci´on general es:
x =
−3
0
−1
0
1
0
+ c1 ·
2
1
−6
2
0
0
+ c2 ·
−5
1
2
−1
1
1
+ c3 ·
3
−1
−4
1
1
1
+ c4 ·
4
1
−4
2
−2
−2
16
17. La soluci´on particular de Carolina es cp =< 3, 0, −1, 0, 1, 0 > y el generador de las soluciones al sistema
homog´eneo es:
ch =
2
1
−6
2
0
0
,
−5
1
2
−1
1
1
,
3
−1
4
1
1
1
,
4
1
−4
2
−2
−2
Revisemos sus respuestas:
¿Es cp soluci´on al sistema original?
Por conveniencia hacemos: A · cp − b: como s´ı da el vector cero, concluimos que la soluci´on particular
dada por Carolina s´ı lo es.
¿La f´ormula para el sistema homog´eneo genera todas las soluciones al sistema homog´eneo asociado?
Por conveniencia, con los vectores en ch formamos una matriz que representamos tambi´en por ch y
realizamos el producto A · ch; obtenemos una matriz con cuatro columnas de ceros. Esto nos indica que
la f´ormula correspondiente a sistema homog´eneo entrega soluciones al sistema homog´eneo. Por otro lado,
al aplicar rref a ch obtenemos tres pivotes y una columna sin pivote. As´ı el espacio generado en la f´ormula
de Carolina correspondiente a las soluciones a la homog´enea tiene dimensi´on 3, lo que iguala la dimensi´on
3 previamente calculada. Esto nos lleva a concluir que se generan todas las soluciones a la homog´enea.
Que se tenga una columna sin pivote indica que el vector que entr´o en tal columna es redundante en la
soluci´on dada por Carolina.
Resumiendo; la f´ormula de Carolina es correcta al generar todas las soluciones al sistema de ecuaciones,
aunque el ´ultimo vector puede omitirse sin p´erdida.
17