ÁLGEBRA LINEAL – Primer Parcial (7 de Enero de 2013)

PRIMER EJERCICIO

 cos(α) sin(α) 
1) Consideramos la matriz A =  
 − sin(α) cos(α) 
a) Determinar, razonadamente, los valores de a para los que la matriz A es
ortogonal. (0.25 puntos)
Solución:

A será ortogonal ⇔ A t = A −1 ⇔ A ⋅ A t = I . Entonces, en este caso, se deberá cumplir:

 cos(α) sin(α)   cos(α) − sin(α)   1 0 

 ⋅ =  ∀ α ⇒ A ortogonal ∀ α .
 − sin(α) cos(α)   sin(α) cos(α)   0 1 

b) Determinar, razonadamente, los valores de a para los que la matriz A es

antisimétrica. (0.25 puntos)

Solución:

A será antisimétrica ⇔ A = − A t . Entonces, en este caso, se deberá cumplir:

 cos(α) sin(α)   − cos(α) sin(α) 

 =  ⇒ A será antisimétrica para los valores
 − sin(α) cos(α)   − sin(α) − cos(α) 
de a que hagan 0 la diagonal principal de A, esto es:
π 3π 5π (2k − 1) ⋅ π  0 1  0 −1
α = ± , ± , ± ,..., ± , siendo la matriz A =  ó A= .
2 2 2 2  −1 0  1 0 

1 i = j
c) Sea B la matriz cuyos elementos son: bi j =  y C una matriz
2 i ≠ j
antisimétrica, determinar los valores de a para los que se cumple:
A −1 ⋅ B + B = (B ⋅ A + B + C) t + C . (0.5 puntos)

Solución:

Se cumplirá:

A −1 ⋅ B + B = (B ⋅ A + B + C) t + C ⇔ A −1 ⋅ B + B = A t ⋅ Bt + Bt + C t + C 
por Cantisimétrica
→
1 2
(A −1 + I) ⋅ B = A t ⋅ Bt + Bt = (A t + I) ⋅ Bt pero B =   es simétrica y
2 1
A ortogonal ∀α → ∀ α se cumple (A −1 + I) ⋅ B = (A −1 + I) ⋅ B.

Es decir, la relación que nos dan se cumple " a.

2) Calcular razonadamente el determinante de la siguiente matriz cuadrada de

orden n:

1
 1 n n ... n 
 
n 2 n ... n 
A = n n 3 ... n  (0.5 puntos)
 
 ... ... ... ... ... 
n n ... n 
 n

Solución:

1 n n ... n 1− n 0 0 ... n
C1 − C n
n 2 n ... n 0 2−n 0 ... n
C2 − C n
A = n n 3 ... n =< > 0 0 3 − n ... n =
... por ser triangular
... ... ... ... ... ... ... ... ... ...
Cn −1 − Cn
n n n ... n 0 0 0 ... n
= (1 − n)(2 − n)(3 − n) ⋅⋅⋅ (−1) ⋅ n = (−1) n −1 ⋅ (n − 1)(n − 2)(n − 3) ⋅⋅⋅1⋅ n = (−1)n −1 ⋅ n! .

SEGUNDO EJERCICIO

1) Definición de espacio vectorial. Definición de subespacio vectorial. Condición

necesaria y suficiente de subespacio vectorial (0.75 puntos)
Solución:

Definición. Sea E un conjunto no vacío cuyos elementos se llaman vectores (x, y, z,...),
y un cuerpo ( por ejemplo ℝ o ) cuyos elementos se denominan escalares (α, β,
γ,...). Definimos en E dos leyes de composición: una interna, que denotaremos por (+) y
denominaremos “Suma o adición de vectores de E”, y otra externa, a la que llamaremos
“Producto de un vector por un escalar”. En estas condiciones, se dice que E es un
espacio vectorial sobre si se verifican las siguientes condiciones:

I) Para la ley interna “Suma de vectores de E”, el par (E,+) es un Grupo Abeliano, por
lo que cumple las propiedades siguientes:

1) ∀ x,y ∈ E x+y=y+x Conmutatividad

2) ∀ x,y,z ∈ E (x + y) + z = x + ( y + z ) Asociatividad
3) ∀ x ∈ E ∃!0 ∈ E / x + 0 = 0 + x = x Elemento neutro
4) ∀ x ∈ E ∃ (-x) ∈ E / x + (-x) = (-x) + x = 0 Elemento opuesto

II) Para la ley de composición externa, “Producto de un vector por un escalar”, que
asocia a cada escalar α, y a cada vector x de E un vector único, llamado producto de
α y x, y que se representa por αx o xα, se satisfacen las siguientes propiedades:

1) ∀ x, y ∈ E ∧ ∀ α ∈ α (x+y) = αx + αy
2) ∀ x ∈ E ∧ ∀ α,β ∈ (α+β) x = αx + βx
3) ∀ x ∈ E ∧ ∀ α,β ∈ (αβ) x = α (βx)

2
 4) ∀ x ∈ E, 1x = x (siendo 1 el elemento neutro del producto en ).

Un espacio vectorial real es un espacio vectorial en el que los escalares pertenecen al

cuerpo ℝ de los números reales, y un espacio vectorial complejo es un espacio
vectorial en el que los escalares pertenecen al cuerpo de los números complejos.

Definición. Sea E un espacio vectorial sobre , si F es un subconjunto no vacío de E y

las operaciones que hacen a E espacio vectorial, hacen también de F un espacio
vectorial, se dice que F es un subespacio vectorial de E.

Para establecer si un subconjunto F de un espacio vectorial E es subespacio vectorial o

no es necesario comprobar que se cumple la siguiente condición necesaria y suficiente:

Teorema. Sea E espacio vectorial sobre . La condición necesaria y suficiente para

que un subconjunto F (no vacío) de E sea subespacio vectorial sobre es que contenga
al vector nulo de E y sea estable para las operaciones suma de vectores y producto por
un escalar; es decir:

I) El vector 0 ∈ E también cumple 0 ∈ F

II) ∀ x,y ∈ F x+y ∈ F ( ⇒ F estable para la suma).

III) ∀x ∈ F ∧ ∀α ∈ αx ∈ F ( ⇒ F estable para el producto por un escalar).

2) Sea 3 (x) el espacio real de los polinomios de grado menor o igual que tres y
S = {p(x) = a ⋅ x 3 + b ⋅ x 2 + c ⋅ x + d / p '( −1) = 0} un subespacio vectorial de 3 (x) . Se
pide:

a) Hallar una base de S y sus ecuaciones implícitas. (0.5 puntos)

b) Completar, razonadamente, la base de S hasta obtener una base de 3 (x) .

(0.25 puntos)
c) Hallar las ecuaciones implícitas de S respecto de la base obtenida en el apartado
anterior. (0.25 puntos)

d) Hallar un subespacio vectorial T de 3 (x) que sea suplementario de S. Escribir el

polinomio p(x) = 1 + x + x como suma de un polinomio de S y otro de T.
2
(0.5 puntos)

Solución:
a) El subespacio S está formado por los polinomios de la forma:
p(x) = a ⋅ x 3 + b ⋅ x 2 + c ⋅ x + d / p '(−1) = 0 → 
S=  ⇒
p '(x) = 3 ⋅ a ⋅ x + 2 ⋅ b ⋅ x + c → p '(−1) = 0 = 3 ⋅ a − 2 ⋅ b + c 
2

Ecuación implícita deS : 3 ⋅ a − 2 ⋅ b + c = 0 ⇔ c = − 3 ⋅ a + 2 ⋅ b → dim(S) = 4 − 1 = 3

Los polinomios de S son por tanto de la forma:

p(x) = a ⋅ x 3 + b ⋅ x 2 + (2 ⋅ b − 3 ⋅ a) ⋅ x + d = a ⋅ (x 3 − 3 ⋅ x) + b ⋅ (x 2 + 2 ⋅ x) + d →

3
S = Span {x 3 − 3 ⋅ x , x 2 + 2 ⋅ x,1} , siendo x 3 − 3 ⋅ x, x 2 + 2 ⋅ x y 1 linealmente independientes,
ya que: α1 ⋅ (x 3 − 3 ⋅ x) + α 2 ⋅ (x 2 + 2 ⋅ x ) + α3 ⋅ 1 = 0 ∀ x ⇒
α3 ⋅ 1 + (−3 ⋅ α1 + 2 ⋅ α 2 ) ⋅ x + α 2 ⋅ x 2 + α1 ⋅ x 3 = 0 ∀ x ⇒ α1 = 0, α 2 = 0, α3 = 0 ⇒
B = {x 3 − 3 ⋅ x , x 2 + 2 ⋅ x,1} ≡ Base de S.

b) Teniendo en cuenta el teorema de la base incompleta, para completar la base de

S, {x − 3 ⋅ x , x 2 + 2 ⋅ x,1} , hasta obtener una base de 3 (x) , bastará añadir un polinomio
3

de 3 (x) que sea linealmente independiente con {x 3 − 3 ⋅ x , x 2 + 2 ⋅ x,1} . Por ejemplo,

podemos añadir el polinomio x. El conjunto {x 3 − 3 ⋅ x , x 2 + 2 ⋅ x,1, x} es una base de
3 (x) , pues como puede observarse fácilmente, la matriz que tiene por columnas las
0 0 1 0
 
−3 2 0 1
coordenadas de tales polinomios en la base usual de 3 (x) , que es: 
0 1 0 0
 
1 0 0 0
tiene rango 4. Es decir, los 4 polinomios anteriores son libres.

c) Sabemos que la relación existente entre las coordenadas de un mismo vector x

de un espacio vectorial en 2 bases distintas es CB (x) = P ⋅ C B' (x) siendo P la matriz del
cambio de base. En este caso la relación es:
 d   0 0 1 0   d '  d = b '
      
 c  =  −3 2 0 1  ⋅  c '  → c = −3 ⋅ d '+ 2 ⋅ c '+ a ' → Sustituyendo estos valores en
 b   0 1 0 0   b '  b = c '
     
 a   1 0 0 0   a '  a = d '
la ecuación implícita de S nos queda:

3 ⋅ a − 2 ⋅ b + c = 0 ⇔ 3 ⋅ d '− 2 ⋅ c '− 3 ⋅ d '+ 2 ⋅ c '+ a ' = 0 ⇔ a ' = 0 ≡ Ecuación en la nueva base.

d) Un subespacio T suplementario de S puede ser T = Span {x } , ya que, como

acabamos de ver, al ser los 4 polinomios, {x 3
− 3 ⋅ x , x 2 + 2 ⋅ x,1, x} , linealmente
independientes, se cumple obviamente: S ∩ T = 0 3 y consecuentemente, S ⊕ T = 3 (x) .
Se trata ahora de buscar la única descomposición del polinomio p(x) = 1 + x + x 2 como
suma de un vector de S y otro de T:

1 + x + x 2 = α1 ⋅ (x 3 − 3 ⋅ x) + α 2 ⋅ (x 2 + 2 ⋅ x) + α 3 ⋅1 + α 4 ⋅ x ⇒
1 + x + x 2 = α 3 + ( −3 ⋅ α1 + 2 ⋅ α 2 + α 4 ) ⋅ x + ( α 2 ) ⋅ x 2 + ( α1 ) ⋅ x 3 ⇒

4
  α3 = 1 α1 = 0 
 −3 ⋅ α + 2 ⋅ α + α = 1 α = 1 
  p(x) = (x 2 + 2 ⋅ x) + 1 − x = s + t /
⇒ ⇒
1 2 4 2
 
 α2 = 1 α 3 = 1  s = (x 2 + 2 ⋅ x) + 1∈ S y t = − x ∈T.
 α1 = 0 α 4 = −1

TERCER EJERCICIO

1) En el espacio vectorial V de las matrices simétricas de orden 2 reales, se

considera el subespacio vectorial F generado por:
1 1   0 1 1 0 
A1 =   , A2 =   y A3 =  
1 0   1 1  0 −1

a) Hallar la dimensión y una base del subespacio F. (0.5 puntos)

b) Calcular las ecuaciones cartesianas de F respecto de la base usual y comprobar

1 3
si la matriz   pertenece al subespacio F. (0.75 puntos)
3 2

c) Se considera la aplicación

f :V → R
a b
A=  → f (A) = a + b + c
b c

Estudiar si es norma. En caso de que no lo sea indicar todos los axiomas que fallen.
(0.5 puntos)

Solución:

a) Para estudiar la dimensión del subespacio F hay que ver si las matrices A1, A2 y
A3 son o no libres. Estableciendo una relación nulas entre ellas:
α1 + α3 = 0
1 1   0 1 1 0  0 0  α1 = − α3
α1 ⋅   + α2 ⋅   + α3 ⋅  =  ⇒ α1 + α 2 = 0 ⇒  ∀α3 , es
1 0   1 1  0 −1  0 0    α 2 = α3
α 2 − α 3 = 0
decir, las 3 matrices son linealmente dependientes, pues existe una relación nula entre
ellas: − A1 + A 2 + A 3 = (0) ⇒ sólo hay 2 linealmente independientes; podemos
quedarnos por ejemplo con A1 y A2. Por tanto, el subespacio F tiene dimensión 2 y una
1 1   0 1
base de él está formada por las matrices A1 y A2 : BF =  ,  .
 1 0   1 1 

5
b) Como estamos considerando el espacio vectorial V de las matrices simétricas de
 a11 a12    1 0   0 1   0 0  
orden 2, esto es: V =   / a i j ∈  = Span  , ,   , que tiene
 a12 a 22    0 0   1 0   0 1  
dimensión 3, el subespacio F tendrá una sola ecuación cartesiana. Para obtenerla, se
 a11 a12 
tiene en cuenta que para que una matriz A =   ∈ F , el rango de la matriz
 a12 a 22 
formada por los vectores coordenados de las matrices A, A1 y A2 expresados respecto a
la base usual de V tiene que ser 2, es decir, debe cumplirse:
a11 1 0
a12 1 1 = 0 = a11 + a 22 − a12 ≡ Ecuación cartesiana de F.
a 22 0 1
1 3
Para comprobar si la matriz   ∈ F , miramos si cumple esta ecuación. Las
3 2
coordenadas de esta matriz son a11 = 1, a12 = 3, a 22 = 2 ⇒ 1 + 2 − 3 = 0 ⇒ Sí pertenece a
F.
c) Dada la aplicación:
f :V → R
a b se trata de estudiar si se cumplen o no los
A=  → f (A) = a + b + c
b c
axiomas para ser norma:
1) ∀ A ∈ V f (A) ≥ 0 y f (A) = 0 ⇔ A = (0)
f (A) = a + b + c ≥ 0 es evidente por ser suma de valores absolutos.
f (A) = a + b + c = 0 ⇔ a = b = c = 0 ⇒ A = (0) . Esta propiedad sí se cumple.
2) ∀ A ∈V y ∀λ∈ f (λ ⋅ A) = λ ⋅ f (A)
f (λ ⋅ A) = λ ⋅ a + λ ⋅ b + λ ⋅ c = λ ⋅ ( a + b + c ) . Esta propiedad también se cumple.
3) Desigualdad triangular: ∀ A, B ∈ V f (A + B) ≤ f (A) + f (B)
f (A+B) = a + a ' + b + b ' + c + c ' ≤ a + a ' + b + b ' + c + c ' = f ( A) + f ( B ) , donde se
ha tenido en cuenta la desigualdad triangular que cumple el valor absoluto. Luego, este
tercer axioma también se verifica y consecuentemente, la aplicación es norma.

CUARTO EJERCICIO

 x + 2 x2 + 2 x3 + x4 = 0
1) Sea F el subespacio de R4 de ecuaciones  1 y G el
 2 x1 + x2 + x3 + 2 x4 = 0

6
  x1 = λ + 2 γ
x =λ + 2γ
 2
subespacio de R4 de ecuaciones paramétricas  , λ, γ ∈ R .
 x3 = 2 λ + γ
 x4 = 2 λ + γ

Hallar una base de F y una base de F ∩ G . (0.5 puntos)

Solución:

El subespacio F tiene dimensión 2 debido a que existen dos ecuaciones implícitas que lo
definen. Para obtener una base del mismo hacemos:

 x1 + 2 x2 = −2 x3 − x4 3 x2 = −3 x3 ⇒ x2 = − x3
 < 2 E1 − E 2 >  ⇒ Los vectores de F
 2 x1 + x2 = − x3 − 2 x4  x1 = −2 x2 − 2 x3 − x4 = − x4
son de la forma {(− x 4 , −x 3 , x 3 , x 4 ) ∀ x 3 , x 4 } ⇒ Base de F ≡ {(−1, 0, 0,1),(0, −1,1, 0)} ,
pues generan F y son linealmente independientes.

Hallemos ahora el subespacio intersección F ∩ G . Las ecuaciones cartesianas de G son

 x1 = x2
x = x  x1 = − x4
 x1 = x2  3 
⇒ Ecuaciones de F ∩ G ≡  ⇒  x2 = − x4 ⇒ La dimensión
4
claramente: 
 x3 = x4  x2 = − x3  x = x
 x1 = − x4  3 4

de F ∩ G es 1 y una base de este subespacio está formada por el vector (-1,-1,1,1).

QUINTO EJERCICIO

1) a) Sea f un endomorfismo lineal definido en un espacio vectorial de

dimensión finita. Demostrar que f inyectiva implica que f también es sobreyectiva.
(0.25 puntos)
Solución:

Sea f : E  → E un endomorfismo. Según el Teorema Fundamental de las

aplicaciones lineales: dim E = dim Ker f + dim Im f , pero si f es inyectiva,
entonces dim Ker f = 0 ⇒ dim E = dim Im f ⇒ Im f = E ⇔ f es sobreyectiva.

b) Sea f : E 
→ F una aplicación lineal entre dos espacios vectoriales. Demostrar
que si {u1 , u 2 ,..., u p } es un conjunto de vectores linealmente independientes en E y
f es inyectiva entonces {f (u ), f (u ),..., f (u )} es también un sistema libre en F.
1 2 p

(0.5 puntos)
Solución:

7
 Sea {u , u ,..., u }
1 2 p un conjunto de vectores de E linealmente independientes.
Consideremos la combinación lineal nula:
α1 f (u1 ) + α 2 f (u 2 ) + ⋯ + α p f (u p ) = 0F .
que puede escribirse, por ser lineal, como: f (α1u1 + α 2u 2 + ⋯ + α p u p ) = 0F .
Luego: α1u1 + α 2u 2 + ⋯ + α p u p ∈ Ker f y por ser f inyectiva, Ker f = {0E } , de donde
α1u1 + α 2u 2 + ⋯ + α p u p = 0E . Como los vectores {u1 , u 2 ,..., u p } son linealmente
independientes, entonces: α1 = α 2 = ⋯ = α p = 0 . Por tanto: {f (u1 ), f (u 2 ),..., f (u p )} son
linealmente independientes.

c) ¿Es también necesario que la aplicación lineal f : E 

→ F sea inyectiva para
que se conserve la dependencia lineal de vectores? Justificar la respuesta.
(0.25 puntos)

Solución:

No, ya que cualquier aplicación lineal conserva la dependencia lineal de vectores. Así,
si el conjunto de vectores S = {e1 , e 2 , ⋯ , ep } es linealmente dependiente, entonces
el conjunto f (S) = { f (e1 ), f (e 2 ), ⋯ , f (ep )} también lo es.
En efecto, sea el conjunto de vectores S = {e1 , e 2 , ⋯ , ep } linealmente dependiente,
es decir, α1e1 + α 2e 2 + ⋯ + α p ep = 0E con algún valor de α i ≠ 0 (α i ∈ K ) . Tomando
imágenes por f :
f (α1e1 + α 2e 2 + ⋯ + α p ep ) = f (0E ) = 0F = α1 f (e1 ) + α 2 f (e 2 ) + ⋯ + α p f (ep )
con algún αi ≠ 0 (αi ∈ K ) . Luego, el conjunto f (S) = { f (e1 ), f (e 2 ), ⋯ , f (ep )}
es también un sistema ligado.

2) Sea n (x) el espacio vectorial de los polinomios de grado menor o igual que n
con coeficientes reales. Se considera la aplicación lineal definida como:
f : n (x) 
→ n (x)
p(x) 
→ f [p(x)] = p(x) − p '(x)
a) Estudiar la naturaleza de la aplicación, sin hallar su matriz. (0.5 puntos)
b) Hallar la matriz asociada a esta aplicación en la base canónica de n (x)
(0.5 puntos)
Solución:

a) Ker f = p ∈{ n / f [p(x)] = p(x) − p '(x) = 0 n } .Luego:

a 0 + a1x + a 2 x 2 + ... + a n x n − (a1 + 2a 2 x + 3a 3 x 2 + ... + na n x n −1 ) = 0 ⇒
n

8
(a 0 − a1 ) + (a1 − 2a 2 )x + (a 2 − 3a 3 )x2 + ... + (a n −1 − na n )x n −1 + a n x n = 0 + 0x + 0 x2 + ... + 0x n ∀x
a = a a0 = 0
 0 1

a1 = 2a 2 a1 = 0 ր

a = 3a ⇒ a2 = 0 ր
 2 3
.... ր

a = na n ⇒ a n −1 = 0
 n −1
 a = 0 ր
 n
Ker f = { p(x) = 0
∀x } ⇒ f es inyectiva y dado que f es un endomorfismo, como
hemos demostrado anteriormente, f es también sobreyectiva. Luego, f es biyectiva.

b) Consideremos la base canónica de n (x) : { }

B = 1, x, x 2 ,..., x n , entonces la matriz
asociada a este endomorfismo con respecto a dicha base es:
 ↑ ↑ ↑ 
 
A( n+1) x ( n+1) =  C B ( f (1) ) C B ( f ( x) ) ⋯ C B ( f ( x n ) ) 
 
 ↓ ↓ ↓ 
1  −1 
   
0  1
f (1) = 1-0 = 1 ⇒ C B ( f (1) ) =  0  ; f ( x ) = x -1 ⇒ C B ( f ( x) ) =  0 
   
 ...   ... 
0  0
   
 0
 0  
   0
−
  2
 −3 
f ( x 2) = x 2 - 2 x ⇒ C B ( f ( x 2 ) ) =  1  ; f ( x 3) = x 3 - 3 x 2 ⇒ C B ( f ( x 3 ) ) =  
   1
 ...
 ... 
 0  
 
 0
…….
 0
 
 0
 0
f ( x n) = x n - n x n-1 ⇒ C B ( f ( x n ) ) =  
 ... 
 −n 
 
 1

9
  1 −1 0 0 ... 0 
 
 0 1 −2 0 ... 0 
0 0 1 −3 ... 0 
Luego, A =   de dimensión (n+1)x(n+1).
 ... ... ... 1 ... ... 
 ... ... ... ... ... − n 
 
 0 0 0 0 ... 1

Una vez conocida la matriz A , fácilmente podemos comprobar el resultado del

apartado a), dado que al ser A = 1 , rango( A )= n+1 = dim Im f = dim n (x) ⇒
Im f = n (x) ⇔ f es sobreyectiva y como f es un endomorfismo ⇒ f es
biyectiva.

SEXTO EJERCICIO

1) Sea f: 3

→ 2 (x) la aplicación lineal definida por las siguientes
condiciones:

- Cada vector (0, a, b) de 3

se transforman en el polinomio a ⋅ x + b ⋅ x 2 .
3
- El núcleo de f es el subespacio de los vectores de que tienen las tres
componentes iguales.
Se pide:
a) Hallar la matriz de la aplicación lineal en las bases canónica. (0.5 puntos)
3
b) Hallar una base de f(S), siendo S el subespacio de de ecuaciones
x = α + β
 1
paramétricas:  x 2 =α + β . (0.25 puntos)

x 3 = α

c) Hallar, de las dos formas posibles, la matriz de la aplicación lineal
1 1  1 
     
considerando la base B ' = 
     
1, 1 , 0 en el espacio inicial y la base canónica en el
     
1 0 0
 
espacio final. (0.75 puntos)

2) Sea f : 3

→ 3
el endomorfismo que respecto a las bases canónicas tiene
1 1 1
 
asociada la matriz A = 1 a 1 . Hallar las dimensiones de los subespacios Ker f
 
1 1 b
e Im f según los valores de a y b. (0.5 puntos)
Solución:
1)

10
  x1    1  1 
         
a) Kerf =  x1 ∈ 3
/ x1 ∈ ,  =  x1 ⋅  1  / x1 , ∈  = Span 1  .
 x    1  1 
 1         
Sea
 0    0 0   0 0 
              
U =  a  / a, b ∈  = a ⋅ 1  + b ⋅  0  / a, b ∈  = Span u1 = 1  , u 2 =  0  
 b    0 1    0 1  
              

 1  0  0 
      
Sea B = e1 =  0  , e 2 = 1  , e3 =  0   la base canónica de 3
. Entonces
 0 0 1  
      

U = Span {e2 , e3 } .

Sea B1 = {v1 = 1, v 2 = x, v 3 = x 2 } la base canónica de 2 .

La matriz de la aplicación lineal será de la forma

 ↑ ↑ ↑ 
 
A1 =  C B1 ( f (e1 ) ) CB1 ( f (e 2 ) ) CB1 ( f (e3 ) ) 
 ↓ ↓ ↓ 
 

  0
  
f (e 2 ) = 1 ⋅ x + 0 ⋅ x = x ⇒ CB1 (f (e 2 )) = 1 
2

  
 0
Como e 2 , e3 ∈ S ⇒ 
 0
f (e ) = 0 ⋅ x + 1 ⋅ x 2 = x 2 ⇒ C (f (e )) =  0 
 3 B1 3  
1 
  

 1
 
Además, 1 = e1 + e2 + e3 ∈ Ker f ⇒ f (e1 + e 2 + e3 ) = f (e1 ) + f (e 2 ) + f (e3 ) =
 1 ↓
  f lineal

 0
 
= 0 = f (e1 ) + x + x ⇒ f (e1 ) = − x − x ⇒ CB1 (f (e1 )) =  −1 . Consecuentemente, la
2 2

 −1
 
matriz de la aplicación lineal queda

11
  ↑ ↑ ↑   0 0 0
   
A1 =  C B1 ( f (e1 ) ) CB1 ( f (e 2 ) ) C B1 ( f (e3 ) )  =  −1 1 0  .
   
 ↓ ↓ ↓   −1 0 1 

b) Sabemos que dim(S) = número de parámetros =2.

 x1   α + β   1 1   1 1  
    
Si x ∈ S ⇒ x =  x 2  =  α + β  = α ⋅ 1 + β ⋅ 1  ⇒ S = Span s1 = 1 , s 2 = 1  
       
x   α   1  0  1  0 
 3           

Por tanto, f (S) = Span {f (s1 ), f (s 2 )}

y como
∀ x∈ 3
se verifica que C B1 (f ( x)) = A1 ⋅ C B ( x) = A1 ⋅ x al ser B la base canónica de 3
,

tendremos que

 0 0 0  1  0  
      
CB1 (f (s1 )) = A1 ⋅ s1 =  −1 1 0  ⋅ 1 =  0  ⇒ f (s1 ) = 0 
 0 1  1  0  
 −1
 ⇒ f (S) = Span {− x }
2

 0 0 0  1   0  
CB1 (f (s 2 )) = A1 ⋅ s 2 =  −1     
1 0  ⋅ 1  =  0  ⇒ f (s 2 ) = − x 2

 
 −1 0 1   0   −1 

c) Primera forma: Directamente, sin hacer uso de la matriz de cambio de base.

 1 1  1  
 
Sea B ' = e '1 = 1  , e '2 = 1  , e '3 =  0   la nueva base de
     3
. Entonces, la nueva
 1 0  0 
      
matriz asociada a la aplicación lineal es
 ↑ ↑ ↑ 
 
A 2 =  C B1 (f (e '1 )) C B1 (f (e '2 )) CB1 (f (e '3 )) 
 ↓ ↓ ↓ 
 

12
  1 0 
    
f (e '1 ) = f 1 = 0 ⇒ C B1 (f (e '1 )) =  0  
1 1↓ 0 
  11∈Kerf  
  
 0  
 
f (e '2 ) = f (e1 + e 2 ) = f (e1 ) + f (e 2 ) = − x − x 2 + x = − x 2 ⇒ C B1 (f (e '1 )) =  0  
↓  −1 
f lineal
 
 0 
  
f (e '3 ) = f (e1 ) = − x − x ⇒ CB1 (f (e '1 )) =  −1
2

 −1  
  

0 0 0
 
⇒ A 2 =  0 0 −1 .
 0 −1 −1
 
Segunda forma: Haciendo uso de la matriz de cambio de base. Tenemos que

f: 3

→ 2

A1
Base B  → Base B1

A2
Base B'  → Base B1

CB1 (f (x)) = A1 ⋅ CB (x) (1)

y 
CB1 (f (x)) = A 2 ⋅ CB' (x) (2)

 ↑ ↑ ↑  1 1 1 
 
Además CB (x) = P ⋅ C B' (x) donde P =  C B (e '1 ) C B (e '2 ) C B (e '3 )  = 1 1 0  ya
 ↓
 ↓ ↓  1 0 0 

que

13
   1
  
e '1 = e1 + e2 + e3 ⇒ C B (e '1 ) = 1
 1
 

 1 
  
e '2 = e1 + e2 ⇒ CB (e '2 ) =  1 
 0
  
 1 
  
e '3 = e1 ⇒ CB (e '1 ) =  0 
 0
  
Sustituyendo esta última igualdad en (1), obtenemos que C B1 (f ( x)) = A1 ⋅ P ⋅ C B' ( x) y

comparando con (2), concluimos que

 0 0 0  1 1 1   0 0 0 
     
A 2 = A1 ⋅ P =  −1 1 0  ⋅ 1 1 0  =  0 0 −1 .
 −1 0 1  1 0 0   0 −1 −1
     
2) Sabemos que dim(Im f)=Rang(f)=Rang(A) y que por el Teorema fundamental
3
de las aplicaciones lineales dim( )=3=dim(Ker f)+dim(Im f).
Estudiaremos el rango de la matriz A para los distintos valores de a y b.
1 1 1 a = 1

A = 1 a 1 = a ⋅ b + 1 + 1/ − a − b − 1/ = a ⋅ (b − 1) − (b − 1) = (a − 1) ⋅ (b − 1) = 0 ⇔  ∨
1 1 b b = 1

• Si a ≠ 1, b ≠ 1 tenemos que Rang(A)=3=dim(Imf) ⇒ dim(Ker f)=0.
• Si
1 1 1 
  1 1
a = 1, b ≠ 1 ⇒ A =  1 1 1  y Rang(A) = 2 = dim(Im f ) pues = b −1 ≠ 0 ,
1 1 b  1 b
 
de donde dim(Ker f)=1.
 1 1 1
  a 1
• Si a ≠ 1, b = 1 ⇒ A = 1 a 1 y Rang(A) = 2 = dim(Im f ) pues = a −1 ≠ 0
 1 1 1 1 1
 
, de donde dim(Ker f)=1.
 1 1 1
 
• a = 1, b = 1 ⇒ A = 1 1 1 y Rang(A) = 1 = dim(Im f ) ⇒ dim(Ker f ) = 2 .
 1 1 1
 

14