b. Si 𝒇 no es biyectiva, hallar: 𝑵𝒇, 𝑰𝒎(𝒇). Dar dos bases de éstos s.e.

c. Siendo α =0 y B={(1 ,1),(0 ,−1)}.Hallar:

2
a) N ( f )={v i=( x , y )ϵ R :f (v i )=(0 ,0) }

1 1
N ( f )={v i=(αx+ y , x+ αy)=(0,0)
2 2

1 1
Img( f )={(x , y )/(αx + y , x + αy)=( x 1 , y 1 )=(a1 , b1) }
2 2

x 1=a1 ; y 1=b 1

𝑆. 𝐸. 𝐿

1
ax + y=0=a 1
2
1
x+ ay=0=b1
2

Análisis m=n=2 →∃ A 2 → ∃| A2|

Para el 𝑁(𝑓) se tiene un sistema S.H por lo que se espera como solución la S.U.T,
mientras que para la 𝐼𝑚(𝑓) se tiene un sistema S.N.H por lo que se espera como
solución la S.U.N.T. siempre que el valor del determinante sea distinto de 0.

| |
2
α 1 /2 4 α
=
1/2 α 4

2
4 α −1
=0
4

2 2
4 α −1=0∗4 4 α −1=0

4 α 2 =1

α 2=1

2 1 1 −1
α = a1 = ; a2=
4 2 2

Para que (𝑓) 𝑠𝑒𝑎 𝑖𝑔𝑢𝑎𝑙 𝑎 0 𝑦 𝑝𝑜𝑑𝑒𝑟 𝑠𝑒𝑟 𝑖𝑛𝑦𝑒𝑐𝑡𝑖𝑣𝑎, a ≠ {12 ;− 12 }

Para que 𝑓 𝑠𝑒𝑎 𝑏𝑖𝑦𝑒𝑐𝑡𝑖𝑣𝑎 a ∈ R / a1 ≠ { 1
2
; a2 ≠−
1
2 }
1 −1
Todos reales excepto el a 1= ; a2=
2 2

1 −1
b. 𝑆𝑖 𝑓 𝑛𝑜 𝑒𝑠 𝑏𝑖𝑦𝑒𝑐𝑡𝑖𝑣𝑎 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 a= y a=
2 2

Si α=1/2

( | | ) ≈ (1/21 1/21 |00|2ba ) F 2−( 12 ) F 1

2 F1
1/2 1 /2 0 a1 1
1/2 1 /2 0 b1 1

( ||1 1 0 2 a1
0 0 0 −a1 +b1 )
𝑁(𝑓) = {(𝑥, 𝑦)/𝑦 = −𝑥}

𝑁(𝑓) = {(𝑥, −𝑥)}

𝐵 (𝑓) = {(1, −1}

𝐼𝑚(𝑓) = {(𝑎1, 𝑏1)/−𝑎1 + 𝑏1 = 0}

𝐼𝑚(𝑓) = {(𝑎1, 𝑏1)/𝑏1 = 𝑎1}

𝐼𝑚(𝑓) = {(𝑎1, 𝑎1)}

𝐵 𝐼𝑚(𝑓) = {(1,1}

𝑆𝑖 𝛼 = −1/2

( | | ) ≈ (11/2 −1
1/ 2 0| b )
| (2)
−2 F 1
−1 /2 1/ 2 0 a1 0 −2 a F 2− 1 F 1 1
1/2 −1/ 2 0 b1 1

( ||
1 −1 0 −2 a1
0 0 0 −a1+ b1 )
𝑁(𝑓) = {(𝑥, 𝑦)/𝑦 = 𝑥}

𝑁(𝑓) = {(𝑥, 𝑥)}

𝐵 (𝑓) = {(1,1}
𝐼𝑚(𝑓) = {(𝑎1, 𝑏1)/𝑎1 + 𝑏1 = 0}

𝐼𝑚(𝑓) = {(𝑎1, 𝑏1)/𝑏1 = −𝑎1}

𝐼𝑚(𝑓) = {(𝑎1, −𝑎1)}

𝐵 𝐼𝑚(𝑓) = {(1, −1)}

Sea la matriz A, que representa a la matriz asociada a la transformación lineal

𝑻: ℝ𝟑 ⟶ 𝑷𝟐

( )
(a−1) 1 −1
A= (a−1) (b+ 2) 1
(a−1) (b+ 2) (b+1)

a. Hallar los valores de a y b que hacen posible la Transformación Lineal T

sea biyectiva.
b. Si lo es, hallar la transformación lineal 𝑻−𝟏 para esos valores y defínala.
c. Para los valores b=-1 y a= 1 hallar los conjuntos Núcleo e Imagen de la
Transformación Lineal.
a.

{
3
R ⟶ P2

)( )
x

(
T: (a−1) 1 −1
y
u=(x , y , z) ⟶ T (u)= (a−1) (b +2) 1 z
(a−1) (b +2) (b+ 1)

( )( ) ( )
(a−1) 1 −1 x (a−1)x + y−z a0
(a−1) (b+ 2) 1 y = (a−1) x +(b+2) y + z a1
(a−1) (b+ 2) (b+1) z (a−1) x +(b +2) y (b+ 1) z a2

𝑇(𝑢)=((𝑎−1)𝑥+𝑦−𝑧)+((𝑎−1)𝑥+(𝑏+2)𝑦+𝑧)𝑡+((𝑎−1)𝑥+(𝑏+2)𝑦+(𝑏+1)𝑧)𝑡 2

𝒕𝟎: (𝑎 − 1)+ 𝑦 + 𝑧 = 0 = 𝑎0
𝒕𝟏: (𝑎 − 1)+ (𝑏 + 2)𝑦 + 𝑧 = 0 = 𝑎1

𝒕𝟐: (𝑎 − 1)+ (𝑏 + 2)𝑦 + (𝑏 + 1)𝑧 = 0 = 𝑎2

𝐶ó𝑚𝑜 𝑒𝑠 𝑢𝑛 𝑠𝑖𝑠𝑡𝑒𝑚𝑎 𝑚 = 𝑛, 𝑠𝑒 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑟á 𝑒𝑙 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 𝑝𝑎𝑟𝑎 ℎ𝑎𝑙𝑙𝑎𝑟 𝑎 𝑦 𝑏

| | | |
(a−1) 1 −1 1 1 −1
F2 −F1
(a−1) (b+ 2) 1 =(a−1) 1 (b+ 2) 1
F −F2
(a−1) (b+ 2) (b+1) 1 (b+ 2) (b+1) 3
 | |
1 1 −1
(a−1) 0 (b+1) 2 =b(a−1)(b+1)
0 0 b

𝐿𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑎 𝑦 𝑏 𝑠𝑜𝑛: a=1 ; b=−1 , 0 𝑝𝑎𝑟𝑎 𝑞𝑢𝑒 𝑒𝑙 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡𝑒 𝑠𝑒𝑎 𝑐𝑒𝑟𝑜

𝑆𝑖 a ≠ 1 y b ≠ {−10el valor de x , y , z será cero por lo tanto ,

N ( T ) ={( x , y , z )/T ( x , y , z )=0 }

N ( T ) ={0+0 t +0 t }
2

N ( T ) =∅

dim ¿

dim ( Vₛ ) =dim ( N (T ) ) +dim (Img (T ))

3=0+dim(Img (T ))

Img(T ) genera todo elespacio vectorial

Img(T )=P2( x)⇒ B c (Img(T ))=B c (P 2( x))={1, x , x ² }

dim
dimImg dim ⇒es sobreyectiva ⇒ es biyectiva

( |)
( a−1 ) 1 −1 a0
f −f ≈
( )
b. a−1 b+2 ( ) 1 a1 2 1
f −f
( a−1 ) ( b+2 ) ( b+ 1 ) a2 3 2

( | )
( a−1 ) 1 −1 . a
≈
0 ( b+1 ) 2 a 1−a0
(1/b)f 3
0 0 b a 2−a1

¿
 −1 3
T : P2 ⟶ R

2
P2 ( t ) :a0 + a1 t +a2 t →T
−1
( P2 ( t ) ) :(x , y , z )
−1
T :¿

c) b=−1 y a=1

( || ) ( || ) ( || )
0 1 −1 0 a0 0 0 −1 0 a0−a2 0 0 0 0 a0−2 a2 + a1
0 1 1 0 a1 ≈ 0 0 1 0 a1−a2 ≈ 0 0 1 0 a1−a 2
0 1 0 0 a2 0 1 0 0 a2 0 1 00 a2

3 2 3
N (T )={( x , y , z ) € R /T (x , y , z )=0 W s=a ₀+ a₁ x+ a ₂ x }∁ R

N (T )={( x , y , z )/ y=0=z }

N (T )={( x(1) , 0,0)}

N (T )={1,0,0 }⇒ dimN (T )=1

2
Img(T )={(a ₀+a ₁t +a ₂ t )/a ₀−2 a ₂+a ₁=0 }{a ₀=2a ₂−a ₁}
2
Img(T )={2 a ₂−a₁+ a₁ t+ a ₂t }

Img(T )={−1+t , 2+t 2 }⇒ dim(Vₛ)=dim(N (T ))+dim( Img(T ))3=1+ dim( Img(T ))→ dimImg(T )=2

VECTORES Y VALORES PROPIOS

Definición (Valor propio y vector propio de una aplicación lineal) Sea 𝑓 una
aplicación lineal de un espacio vectorial 𝑉 sobre un campo 𝐾 en 𝑉. Se dice que un
vector v V no nulo es un vector propio de la aplicación lineal 𝑓 asociado con valor
propio λ K si se cumple que f (v )=λv .

En la literatura matemática es común llamar a los valores y vectores propios como

valores y vectores característicos, autovalores y autovectores, o eigenvalores y
eigenvectores, respectivamente.

Ejemplo Sea la aplicación lineal f ∈ L(V ,V ) tal que f ( v )=v . Entonces λ=1 es un
valor propio de f y todo vector v V no nulo es un vector propio de f asociado con
valor propio λ=1 .
Ejemplo Sea la aplicación lineal f ∈ L(V ,V ) tal que f (v )=0 v . Entonces λ=0 es
un valor propio de f y todo vector v V no nulo es un vector propio de f asociado
con valor propio λ=0 .

Teorema Sean f ∈ L(V ,V ) y V λ =v ∈V |f (v )=λ v }. Entonces V λ es un

subespacio vectorial del espacio vectorial V .

Definición (Valor propio y vector propio de una matriz) Sea A una matriz
cuadrada de orden 𝑛 sobre el campo de los números complejos. Se dice que un
vector v ∈ M n∗1 no nulo es un vector propio de la matriz A asociado con valor
propio 𝜆 𝐾 si se cumple que Au=λu .

Teorema Sean f ∈ L ( V , V ) y λ ∈ K . Sea A la matriz asociada a f . Las siguientes

afirmaciones son equivalentes:

a) λ es un valor propio de A (o de f ).

b) La matriz ( A−λI ) no es inversible o (f −λI v ) no es inversible.

c) ¿ A−λI ∨¿ 0.

El teorema anterior permite encontrar los valores propios 𝜆 de una aplicación lineal
𝑓 o de su matriz asociada 𝐴 por medio de la solución de la ecuación

𝑑𝑒(𝐴 − 𝜆𝐼) = 0.

Los vectores propios 𝑣 de la matriz A se encuentran resolviendo el sistema lineal

homogéneo

( A−λI )v =O.

Ejemplo

Hallar los valores y vectores propios de la matriz

A=(106 −18
−11 )