Apuntes de Álgebra

José Luis Martı́nez de la Torre

José Javier Orengo Valverde
Antonio Tendero Lora

Departamento de Matemática Aplicada

Escuela Técnica Superior de Ingenieros Agrónomos y de Montes de

Albacete
UNIVERSIDAD DE CASTILLA LA MANCHA

October 24, 2015

ii
Índice de materias

1 Aplicaciones lineales 1
1.1 Definición y propiedades . . . . . . . . . . . . . . . . . . . . . 1
1.2 Núcleo e Imagen de una aplicación lineal . . . . . . . . . . . . 4
1.3 Clasificación de las aplicaciones lineales . . . . . . . . . . . . 5
1.4 Operaciones en las aplicaciones lineales . . . . . . . . . . . . . 7
1.5 Representación matricial . . . . . . . . . . . . . . . . . . . . . 7
1.5.1 Cambio de base . . . . . . . . . . . . . . . . . . . . . . 8
1.6 Ejercicios propuestos . . . . . . . . . . . . . . . . . . . . . . . 9
iv ÍNDICE DE MATERIAS
Capı́tulo 1

Aplicaciones lineales

El alumnado está acostumbrado a trabajar con funciones, pero ahora

aparece la palabra aplicación y es lógico que se pregunte si existe alguna
diferencia conceptual entre ambas. La respuesta es sencilla, la aplicación
es un tipo particular de función en la que todo elemento del conjunto de
partida tiene imagen (que, por ser función, es única).
En cuanto a la palabra lineal, el alumnado ya conoce la función lineal
que viene expresada de la forma f (x) = m · x, que representa los fenómenos
fı́sicos en los que hay proporcionalidad directa: f (a·x) = a·f (x). Su gráfica,
decı́an, es una recta que pasa por el origen de coordinadas; esto es, f (0) = 0.
Y, además, verifica f (x + y) = f (x) + f (y).
En fı́sica, por ejemplo, la ley de Dalton de las presiones parciales nos
permite hablar de la presión (P) como una aplicación lineal cuando el volu-
men (V) y la temperatura (T) son constantes. La presión total es la suma
de las presiones parciales de los gases que hay en el recipiente, al aumentar
las moléculas de un gas aumenta la presión y si en el recipiente se ha hecho
el vacı́o la presión es nula.

1.1 Definición y propiedades

Después de la anterior introducción, ya puede parecernos lógica la si-
guiente definición:

Definición 1.1 Sean U y V dos espacios vectoriales sobre el mismo cuerpo

K. Llamaremos aplicación lineal u homomorfismo de U en V a toda apli-
cación f : U → V tal que:
1. f (~x + ~y ) = f (~x) + f (~y ), ∀~x, ~y ∈ U
2. f (α · ~x) = α · f (~x), ∀α ∈ K, ∀~x ∈ U

Obsérvese que lo caracterı́stico de una aplicación lineal es que conserva

en V las operaciones de U .
2 Aplicaciones lineales

Para probar si una aplicación es lineal utilizaremos, preferentemente, el

siguiente resultado, cuya demostración es trivial.

Proposición 1.1 Una aplicación f entre dos K-espacios vectoriales U y

V , se dice lineal si, y sólo si, f (α~x + β~y ) = αf (~x) + βf (~y ) ,∀~x, ~y ∈ U ,
∀α, β ∈ K.

Ejemplo 1.1 • La aplicación f : R3 → R, definida por f (x, y, z) =

2x + y es lineal.

• La aplicación f : R3 → R2 , definida por f (x, y, z) = (x − z, y − z) es

lineal.

• La aplicación f : R3 → R2 , definida por f (x, y, z) = (x, y) es lineal.

• La aplicación f : R3 → R4 , definida por f (x, y, z) = (x, 0, y, 0) es

lineal.

• La aplicación hλ : V → V , donde V es un R-espacio vectorial y λ ∈ R,

definida por hλ (~v ) = λ~v , es lineal y recibe el nombre de homotecia
vectorial de razón λ.

Ejercicio 1.1 Siendo C (R) y f : C −→ C definida por f (x + iy) = iy

probar que es lineal. ¿ Es lineal f : C (C) −→ C (C), con igual definición?

Proposición 1.2 Sea f : U → V una aplicación lineal entre dos K-espacios

vectoriales U y V , entonces:

1. f (~0U ) = ~0V

2. f (−~x) = −f (~x)

3. f (~x − ~y ) = f (~x) − f (~y )

Nota 1.1 Que la imagen del cero de U sea el cero de V es una condición
necesaria, pero no suficiente para que la aplicación sea lineal. Esto es, si no
se cumple no es lineal; pero si se cumple no tiene por qué ser lineal.

Ejemplo 1.2 • La aplicación f : R3 → R2 , definida por f (x, y, z) =

(x + 2, y − 3) no es lineal, ya que f (0, 0, 0) 6= (0, 0).

• La aplicación f : R2 → R, definida por f (x, y) = x2 + y 2 no es lineal

y, sin embargo, f (0, 0) = 0.

El siguiente teorema deja claro que una aplicación lineal queda perfec-
tamente determinada cuando se conoce cómo actúa sobre una base.
1.1 Definición y propiedades 3

Teorema 1.3 (Existencia y unicidad de aplicaciones lineales) Sean

U y V dos K-espacios vectoriales de dimensión n. Sea (~e1 , ~e2 , . . . , ~en ) una
base de U y sean ~x1 , ~x2 , . . . , ~xn ∈ V . Entonces, existe una única aplicación
lineal f : U → V tal que f (~ei ) = ~xi , para i = 1, 2, . . . , n.

Demostración.- Comenzamos probando la existencia de f . Como todo

n
X n
X
vector ~x de U se puede escribir ~x = ai~ei , definimos f (~x) = ai ~xi , con
i=1 i=1
ai ∈ K, ∀i = 1, . . . , n. Evidentemente, f (~ei ) = ~xi ; veamos que es lineal.
Xn n
X
Sean ~x, ~y de U , con ~x = ai~ei , ~y = bi~ei , entonces:
i=1 i=1

Xn n
X n
X n
X
f (~x + ~y ) = f ( ai~ei + bi~ei ) = f ( (ai + bi )~ei ) = (ai + bi )~xi =
i=1 i=1 i=1 i=1

n
X n
X
= ai ~xi + bi ~xi = f (~x) + f (~y )
i=1 i=1
n
X n
X n
X
También f (λ~x) = f ( λai~ei ) = λai ~xi = λ ai ~xi = λf (~x), con lo que
i=1 i=1 i=1
queda probada su linealidad y, en consecuencia, la existencia.
Para probar la unicidad, supongamos que existe otra aplicación lineal
g : U → V tal que g(~ei ) = ~xi , para i = 1, 2, . . . , n. Hay que probar que
n
X
g(~x) = f (~x), ∀~x ∈ U . Pero, como ~x = ai~ei y g es lineal, entonces
i=1

Xn n
X n
X
g(~x) = g( ai~ei ) = ai f (~ei ) = ai ~xi = f (~x)
i=1 i=1 i=1

que es lo que se querı́a probar. 

En la siguiente proposición puede apreciarse que una aplicación lineal

y su inversa transforman subespacios vectoriales del espacio de partida en
subespacio vectoriales del espacio de llegada.

Proposición 1.4 Sean U y V dos K-espacios vectoriales y f : U → V una

aplicación lineal. Sean, también, U 0 y V 0 subespacios vectoriales de U y V ,
respectivamente. Entonces:

1. f (U 0 ) es un subespacio vectorial de V .

2. f −1 (V 0 ) es un subespacio vectorial de U .
4 Aplicaciones lineales

De la siguiente proposición habrı́a que destacar que muestra que una

aplicación lineal no actúa de la misma manera sobre un sistema ligado que
sobre un sistema libre. En consecuencia, no basta que f : U → V sea lineal
para que transforme bases de U en bases de V .

Proposición 1.5 Sean f : U → V una aplicación lineal, G un sistema

generador de U y L un sistema ligado de U , entonces:
1. f (G) es un sistema generador de f (U ).
2. f (L) es un sistema ligado de V .
3. Si S ⊂ U y f (S) es libre en V , entonces S es libre en U .

1.2 Núcleo e Imagen de una aplicación lineal

Definición 1.2 En toda aplicación lineal f : U → V se define el núcleo de
f , y se denota por Ker(f ), al conjunto de vectores

Ker(f ) = {~x ∈ U/f (~x) = ~0V } = f −1 (~0V ) .

Nota 1.2 Ker(f ) nunca es un conjunto vacı́o ya que ~0U ∈ Ker(f ).

Definición 1.3 En toda aplicación lineal f : U → V se define la imagen de

f , y se denota por Im(f ), al conjunto de vectores

Im(f ) = {~y ∈ V /∃~x ∈ U : f (~x) = ~y } = f (U ) .

Nota 1.3 Im(f ) nunca es un conjunto vacı́o ya que ~0V ∈ Im(f ).

Proposición 1.6 Sea f : U → V una aplicación lineal, entonces:

1. El Ker(f ) es un subespacio vectorial de U .
2. La Im(f ) es un subespacio vectorial de V .

Demostración.- Inmediata por la proposición 1.4 .

Ejemplo 1.3 Hallemos el Ker(f ) de la aplicación lineal f : R3 → R4

definida por f (x, y, z) = (x, 0, y, 0).
Ker(f ) = {(x, y, z)/f (x, y, z) = (0, 0, 0, 0)} = {(x, y, z)/x = 0, y = 0} =
{(0, 0, z)/∀z ∈ R} = h(0, 0, 1)i.

Ejemplo 1.4 Hallemos la Im(f ) de la aplicación lineal f : R3 → R4

definida por f (x, y, z) = (x, 0, y, 0). Como una aplicación lineal transforma
un sistema generador de R3 en un sistema generador de f (R4 ), basta con
hallar la imagen de la base canónica de R3 :
f (1, 0, 0) = (1, 0, 0, 0), f (0, 1, 0) = (0, 0, 1, 0), f (0, 0, 1) = (0, 0, 0, 0),
luego Im(f ) = h(1, 0, 0, 0), (0, 0, 1, 0)i. 
1.3 Clasificación de las aplicaciones lineales 5

Definición 1.4 Se llama rango de una aplicación lineal f , y se denota

Rang(f ), a la dimensión de Im(f ).

El siguiente teorema da una idea de la importancia del Ker(f ) y la

Im(f ) de una aplicación lineal f .

Teorema 1.7 Sea f : U → V una aplicación lineal, entonces

dim(U ) = dim(Ker(f )) + dim(Im(f )) .

Demostración (Sketch).- Se considera una base (~u1 , . . . , ~ur ) del Ker(f ),

que se sabe por el teorema de Steinitz que se puede extender a una base de
U : B = (~u1 , . . . , ~ur , ~ur+1 , . . . , ~un ). Hay que probar que (f (~ur+1 ), . . . , f (~un ))
es base de Im(f ). Probar que es generadora es sencillo. Para probar que
es linealmente independiente, basta tomar una combinación lineal de ella y
probar que todos los coeficientes son nulos. 

Ejemplo 1.5 En el ejemplo anterior, siendo la aplicación lineal f : R3 → R4

definida por f (x, y, z) = (x, 0, y, 0), hemos visto que la dim(Im(f )) = 2, por
tanto la dim(ker(f )) = 1, ya que dim(R3 ) = 3.

1.3 Clasificación de las aplicaciones lineales

Anteriormente habı́amos dicho que, en general, una aplicación lineal no
transforma bases en bases. En lo que sigue veremos que esto es posible si f
es un determinado tipo de aplicación.

Definición 1.5 Una aplicación lineal f : U → V se dirá que es un:

• monomorfismo si f es inyectiva.

• epimorfismo si f es suprayectiva.

• isomorfismo si f e biyectiva.

• endomorfismo si U = V .

• automorfismo si U = V y f es biyectiva

La siguiente proposición nos permitir clasificar los homomorfismos f . Y

muestra, otra vez, la importancia del Ker(f ) y la Im(f ).

Proposición 1.8 Sea f : U → V una aplicación lineal, entonces:

1. f es monomorfismo si, y sólo si, Ker(f ) = {~0U }.

2. f es epimorfismo si, y sólo si, Im(f ) = V .

6 Aplicaciones lineales

Ejemplo 1.6 Clasifiquemos la aplicación lineal f : R4 → R2 definida por

f (x, y, z, t) = (t − x, y − z) . Para ello, hallemos en primer lugar el núcleo:

Ker(f ) = {(x, y, z, t)/f (x, y, z, t) = (0, 0)} = {(x, y, z, t)/t−x = 0, y−z = 0}

= {(x, y, z, t)/t = x, z = y} = {(x, y, y, x), ∀x, y ∈ R} =

= h(1, 0, 0, 1), (0, 1, 1, 0)i .
Como 4 = 2+dim(Im(f )), entonces dim(Im(f )) = 2 y f es un epimorfismo.


La siguiente proposición nos permite saber cuándo un sistema libre de

U se convierte en en un sistema libre de V , completando lo que vimos en
una proposición anterior.

Proposición 1.9 Sea f una aplicación lineal y {~xi }ni=1 una familia libre de
U , entonces f es inyectiva si, y sólo si, {f (~xi )}ni=1 es una familia libre de
V.

La siguiente proposición nos da la condición para que la imagen de un

sistema generador de U sea un sistema generador de V y no sólo de f (U ),
como ya sabı́amos que lo era.

Proposición 1.10 Sea f una apliación lineal y {~xi }ni=1 un sistema genera-
dor de U , entonces f es sobreyectiva si, y sólo si, {f (~xi )}ni=1 es un sistema
generador de V .

Por fin, como consecuencia de las dos anteriores proposiciones se sigue

la condición, expresada en la siguiente proposición, para que una aplicación
lineal transforme bases en bases.

Proposición 1.11 Sea f una apliación lineal y B = (~xi )ni=1 una base de U ,
entonces f es biyectiva si, y sólo si, B 0 = (f (~xi ))ni=1 es una base de V .

Proposición 1.12 U y V son isomorfos si, y sólo si, dim(U ) = dim(V ).

Nota 1.4 Como consecuencia, todo espacio vectorial de dimensión finita n

sobre un mismo cuerpo K es isomorfo a Rn .

Proposición 1.13 Si f : V → V es un endomorfismo, entonces son equi-

valentes:

• f es inyectiva

• f es suprayectiva

• f es biyectiva
1.4 Operaciones en las aplicaciones lineales 7

Demostración.-Veamos que inyectiva ⇒ suprayectiva. En efecto, por ser

inyectiva, dimKer(f ) = 0 y, por tanto, dimV = dimIm(f ). Veamos que
suprayectiva ⇒ inyectiva. Por ser suprayectiva, Im(f ) = V y, por tanto,
dimKer(f ) = 0; esto es, Ker(f ) = {~0}. Después de esto, probar la equiva-
lencia con la biyectividad es trivial. 
Al conjunto de los endomorfismos en V lo denotaremos por EndK (V ).

1.4 Operaciones en las aplicaciones lineales

Denotaremos LK (U, V ) = HomK (U, V ) = {f : U → V / f es lineal}.

Proposición 1.14 LK (U, V ) es un K-espacio vectorial con las dos opera-

ciones siguientes:

1. La ley de composición interna: (f + g)(~x) = f (~x) + g(~x),

2. La ley de composición externa: (αf )(~x) = αf (~x),

∀f, g ∈ LK (U, V ), ∀~x ∈ U, ∀α ∈ K.

Definición 1.6 Sean U, V y W tres K-espacios vectoriales, y sean dos apli-

caciones lineales f : U → V , g : V → W , se llama composición de f y
g, y se denota por g ◦ f , a otra aplicación lineal g ◦ f : U → W tal que
(g ◦ f )(~x) = g(f (~x)), ∀~x ∈ U .

Nota 1.5 Si f, g ∈ End(V ), es fácil demostrar que la composición no es

conmutativa; esto es, que g ◦ f 6= f ◦ g. Y que (End(V ), ◦) tiene estructura
de grupo no conmutativo cuyo elemento unidad es la aplicación identidad,
que denotamos por i, tal que i(~x) = ~x, ∀~x ∈ V .

1.5 Representación matricial

Sean U y V K-espacios vectoriales, tales que dimK U = n, dimK V = m.
Sea f : U → V una aplicación lineal y B = {~ei }ni=1 , B 0 = {~ui }m
i=1 , bases de
U y V , respectivamente.

Definición 1.7 Llamaremos matriz de f respecto de las bases B y B 0 (lla-

mada también matriz asociada a f en las bases B y B 0 ), a la matriz de orden
m×n tal que su columna i-ésima coincide con las coordenadas de f (~ei ) en la
base B 0 . La denotaremos por MBB 0 (f ), aunque si no hay confusión bastará
denotarla por Mf .

Ejemplo 1.7 La matriz de la aplicación lineal f : R3 → R4 , definida por

f (x, y, z) = (x, 0, y, 0), asociada a las bases canónicas se obtiene hallando
8 Aplicaciones lineales

las imágenes de la base canónica de R3 : f (1, 0, 0) = (1, 0, 0, 0), f (0, 1, 0) =

(0, 0, 1, 0), f (0, 0, 1) = (0, 0, 0, 0) y colocándolas en columnas, ası́:
 
1 0 0
 0 0 0 
Mf =   0 1 0 


0 0 0
La siguiente proposición viene a decir que, fijadas dos bases de U y V ,
para cada f ∈ LK (U, V ) existe una única matriz asociada y, recı́procamente,
que toda matriz define perfectamente una única aplicación lineal.
Proposición 1.15 Existe un isomorfismo entre LK (U, V ) y K(m,n) .
Ejemplo 1.8 La matriz Mf del ejemplo anterior define la aplicación lineal:
 
1 0 0  
 0 0 0  x
 0 1 0  y
f (x, y, z) =     = (x, 0, y, 0)
z
0 0 0

1.5.1 Cambio de base

Supongamos que para las bases B y B 0 , de U y V , la aplicación lineal
f : U → V tiene como matriz asociada la matriz Mf . Y que para las bases
B1 y B10 , de U y V , tiene como matriz asociada la matriz Mf0 . La pregunta
que nos hacemos es qué relación existe entre Mf y Mf0 . Sea P la matriz de
cambio de base de B1 a B, y Q la matriz de cambio de base de B10 a B 0 . En
el siguiente diagrama se expresa la situación planteada:
f
U−
→V
Mf
B −−→ B 0
P ↑ ↑Q
Mf0
B1 −−→ B10
de donde se deduce que Mf0 = Q−1 · Mf · P .
Nota 1.6 Recordemos que la matriz de paso de la base B1 a B es la matriz
P igual a la traspuesta de la matriz que resulta al escribir los vectores de la
base B1 como combinacin lineal de los vectores de B. Y que en el caso de
que B sea la base canónica, la matriz de paso P se obtiene escribiendo en
columna los vectores de B1 .
Proposición 1.16 Dos matrices Mf y Mf0 de un mismo endomorfismo f
son siempre semejantes. Esto es, existe una matriz regular P ∈ K(n,n) tal
que Mf = P · Mf0 · P −1 .
1.6 Ejercicios propuestos 9

1.6 Ejercicios propuestos

1. Estudiar si son aplicaciones lineales:

(a) f : R3 −→ R definida por f (x1 , x2 , x3 ) = x1 − x2 + x3 , ∀xi ∈ R.

(b) f : R2 −→ R2 con f (x, y) = (xy, x), ∀x, y ∈ R.
(c) f : R2 −→ R3 con f (x, y) = (x, y, x + y), ∀x, y ∈ R.
(d) f : R2 −→ R, con f (x, y) = x2 + y 2 , ∀x, y ∈ R.

2. Siendo f : R4 −→ R2 definida por f (x, y, z, t) = (t − x, y − z). Pro-

bar que es lineal y clasificarla.

3. Demostrar que la aplicación f : R3 −→ R3 dada por f (a, b, c) =

(a + b, b, 0) es lineal y hallar:

(a) su núcleo y su imagen.

(b) Igual para f : R2 −→ R3 con f (x, y) = (2x + y, x − y, 3y).

4. Probar que es un isomorfismo la aplicación R3 [x] −→ R3 [x] tal que:

f (p (x)) = p(x) + xp0 (x), ∀ p ∈ R3 [x].

 f (2, 1, 1) = (1, 1)
5. Dada la aplicación lineal: f : R3 −→ R2 mediante f (1, 0, 1) = (0, 1)
f (2, 1, −1) = (−1, 2)


Hallar las dimensiones y una base de la imagen y del núcleo de f con

respecto de las bases canónicas.

6. Dada f : R2 [x] −→ R2 [x] definida por f (ax2 + bx + c) = cx2 + bx,

comprobar que es lineal y hallar su núcleo.

7. Sea V4 (R) un espacio vectorial y B = (−

→, −
u → − →, −
1 u2 ,
u →
3 u4 ) una base de V .
f (−
→) = −
u 1
→ + 3−
u 1
→
u2
 f (−
→ →
− →
−


u2 ) = u 2 − 3 u 3
Sea f : V −→ V un endomorfismo definido por
f (→
−u 3) = →−
u1
→
−

→
−


f ( u 4) = 0
Hallar la imagen por f del vector: →
−x =→−u −→ −
u +→1
−u y la imagen
2 3
por f de cualquier vector (x1 , x2 , x3 , x4 ).

8. Sea B = (→ −e1 , →
−
e2 , →
−
e3 ) una base de V (R) y f un endomorfismo de V tal
que f ( e1 ) = e1 + →
→
− →
− −
e2 , f (→
−
e2 ) = →
−
e1 , Kerf =< →
−
e1 + →
−
e3 >. Se pide:

(a) Calcular f (→
−
e3 ).
(b) Hallar la dimensión y una base de Imf .
(c) ¿Es Kerf ⊕ Imf = V ?
(d) Hallar f 2 : V −→ V .
10 Aplicaciones lineales

9. Determinar una aplicación lineal f : R4 −→ R3 cuya imagen esté

engendrada por los vectores: (2, 0, 1), (−1, 3, 1).

10. Sea f : R3 −→ R3 una aplicación lineal tal que f (x, y, z) = (3x−y, y +

z, 3x + z). Hallar una base de Imf y otra de Kerf .

11. Sean el R-espacio vectorial U = {(x1 , x2 , x3 ) ∈ R3 /x1 −2x2 +x3 = 0} y

la aplicación lineal f : R3 −→ R3 dada por Imf =< (1, 1, 0), (0, 1, 1) >
y Kerf =< (1, 0, 1) >, hallar:

(a) Ecuaciones implı́citas de Imf y de Kerf .

(b) Ecuaciones implicitas de f (U ).
(c) ¿Es cierto que Kerf ⊕ Imf = R3 ?
(d) Si W = {(x, y, z) /z = 2y}, hallar bases y dimensiones de U + W
y de U ∩ W .

12. Siendo f : R3 [x] −→ R3 [x] tal que f [P (x)] = P 0 (x), se pide:

(a) Probar que es lineal.

(b) Hallar f −1 (3x2 − 1).
(c) Hallar Kerf e Imf .

13. Sea B = (−→, →

u −
1 u 2 ) una base del espacio vectorial V (K) de dimensión 2
y sean f y g endomorfismos de V tales que:
 − →) = 2−
→−− →  g(− →) = − →
f (u1 u 1 u 2 u1 u 1
f (−
→) = −
u2
→+−
u 1
→
u2 g(−
→) = −−
u2
→
u2

Hallar g ◦ f y f ◦ g de cualquier vector de V y comprobar que son

distintos.

14. Determinar una aplicación lineal f : R4 −→ R3 tal que Kerf esté en-
gendrado por (−1, 0, 0, 1), (1, 3, 2, 0) e Imf esté engendrada por (1, 1, 1)
y (0, −2, 1).

15. Siendo f : R3 −→ R3 una aplicación lineal definida por f (x, y, z) =

(x + y + z, x + y − z, z), se pide:

(a) Hallar una base de Kerf y otra de Imf .

(b) Hallar f (U ) siendo U = {(x, y, z) /x + y + z = 0}.

16. Sea la aplicación lineal f : V 3 −→ V 4 tal que f (~e1 − ~e3 ) = ~u1 , f (~e2 −
~e3 ) = ~u1 − ~u2 , f (2~e3 ) = 2~u1 + 2~u3 , siendo B = (~e1 , ~e2 , ~e3 ), B 0 =
(~u1 , ~u2 , ~u3 , ~u4 ) bases de V 3 y V 4 , respectivamente. Hallar una base de
Kerf y otra de Imf en las bases dadas.

17. Hallar una aplicación lineal f : R3 −→ R3 tal que:

1.6 Ejercicios propuestos 11

• f (1, 0, 0) es proporcional a (0, 0, 1),

• f2 = f y
• Kerf = {(x, y, z) /x + z = 0}.

18. Dada la aplicación f : R3 −→ R3 definida por f (x, y, z) = (x + y +

z, x + y, z), demostrar que es lineal y calcular su núcleo. Si V =<
(1, −1, 0), (1, 1, 1) >, calcular f (V ). Calcular f −1 (0, 0, 0).

19. Sea la aplicación lineal f : R3 [x] −→ R3 [x] dada por f [P (x)] = P 00 (x),
∀P ∈ R3 [x]. Hallar la matriz asociada a f con respecto de las bases
canónicas.

20. Discutir para qué valores de a el endomorfismo fdefinido en R3 y 

cuya
1 −1 −8a
matriz con respecto a la base canónica es A =  1 1 −a  es
2 0 4+a
un automorfismo.

21. En R2 [x] sea el endomorfismo f [P (x)] = P (x + 1). Hallar M (f ) res-

pecto de la base canónica.

22. Sea f el endomorfismo de R2 definido por f (x, y) = (2x−3y, 4x) y sea

g el homomorfismo g : R2 −→ R3 definido por g(→ −
e1 ) = →
−
e1 − →
−
e2 + →−
e3 ,
g(→
−
e1 + →
−
e2 ) = 2 →
−
e2 . Hallar M (g ◦ f ) respecto de las bases canónicas.

23. Sean f y g endomorfismos de R2 dados por f (x, y) = (3x − 2y, x − y),

g(x, y) = (x + y, 2y), ∀x, y ∈ R. Hallar f + g, f ◦ g, 2f − 3g.

24. Sea f el homorfismo de R3 en R2 , f (x, y, z) = (x + y, x + z). Se pide:

(a) Ecuaciones de f respecto de las bases canónicas.

(b) Ecuaciones de f respecto de las bases: B1 = ((1, 0, 1), (1, 1, 0), (0, 1, 1))
y B10 = ((1, 2), (−1, 0)).

25. En el espacio vectorial R3 [x] de los polinomios de grado menor o igual

que 3 con coeficientes reales, se pide:

(a) Demostrar que (1, x + 1, (x + 1)2 , x3 ) es una base.

(b) Hallar las coordenadas de (x + 1)3 en esa base.
(c) Tomando como base la del apartado (a), hallar la matriz del
endomorfismo f : R3 [x] −→ R3 [x] que a cada polinomio le hace
corresponder su derivada.
(d) Hallar el núcleo i la imagen de f .
12 Aplicaciones lineales

26. Sea f : R2 −→ R3 lineal. Sabiendo que el Kerf está generado por el

vector (1, 0) y que la imagen de (1, 2) es (−2, 0, 4), calcular la matriz
asociada respecto de las bases canónicas y clasificar f . Si consideramos
en R3 la base B 0 = (→−
e3 , →
−
e2 , →
−
e1 ) y en R2 la canónica, calcular la matriz
asociada a la aplicación respecto de estas bases.

27. Se considera la aplicacin lineal f : R3 −→ R2 dada por f (x, y, z) =

(x + y, x − z). Se pide:

(a) La matriz asociada respecto a las bases canónicas de R2 y R3 .

(b) La matriz asociada respecto a la base canónica de R2 y la base
de R3 dada por B = ((1, 1, 0), (0, 1, 1), (2, 0, 0)) .
(c) La matriz asociada respecto a la base canónica de R3 y la base
B 0 = ((1, 1) , (2, 0)).
(d) La matriz asociada respecto de las nuevas bases de R2 y re3 in-
dicadas.
Rx
p (t) dt
28. Sea f : R3 [x] −→ R3 [x] definida por f [p (x)] = 0 + p0 (x),
x
estudiar si es un homomorfismo y, en caso afirmativo, hallar la matriz
de f asociada a la base canónica.

29. Se consideran los espacios vectoriales reales (R2 [x], +, ·), (F, +, ·) y
(R, +, ·), siendo F el espacio vectorial de las matrices simétricas de
orden 2 y las aplicaciones
 
a b
f : R2 [x] → F definida por f (ax + b) =
b a

 
a b
g : F → R definida por g = (a, c, a + c)
b c
     
1 0 0 1 0 0
Sean B = (1, x), B0 = , , y B” =
0 0 1 0 0 1
((1, 0, 0), (0, 1, 0), (0, 0, 1)) las bases canónicas respectivas. Se pide:

(a) Hallar las matrices de los homomorfismos f , g y g ◦ f en las bases

anteriores.
(b) Calcular (g ◦ f )(V ), siendo V = {ax + a/a ∈ R}.
     
1 0 0 1 1 0
(c) Si en F utilizamos la base B ∗ = , ,
0 1 1 0 0 −1
hallar las ecuaciones de f, g y g ◦ f en las bases B, B ∗ y B”.
 
−1 −1 −1 1 2
(d) Hallar g (2, 2, 4), g (1, 3, 0) y f .
2 1
1.6 Ejercicios propuestos 13

30. El conjunto E = {f : R → R}, con f cualquier aplicación, es un

espacio vectorial sobre R con las operaciones usuales suma y producto
por un escalar. Sea la base B = (e3x , xe3x , x2 e3x ) de E y la aplicación
df (x)
lineal T : E → E definida por T (f (x)) = , se pide:
dx
(a) Hallar la matriz A de T en la base B.
(b) Hallar Ker(T ), Im(T ), la dimensión y una base de cada uno de
ellos. Clasificar T .
(c) Dado el vector f (x) = 2e3x + 4xe3x − (x2 + 4)e3x , hallar T (f (x)).

31. Hallar la matriz del endomorfismo f : R3 −→ R3 que verifica:

• Kerf está generado por →

−
e1 + →
−
e2 − 2→
−
e3 ,
→
− →
− →
−
• la imagen de e + e es 3 e ,
1 2 2
• →
−
e1 − →
−
e2 es la antiimagen de 2→
−
e1 , siendo estos vectores los de la
3
base canónica de R .

32. Sea la aplicación lineal f : R2 −→ R3 cuya  matriz asociada respecto

0 1
de la base canónica de ambos es  −1 2 . Hallar la matriz de f res-
1 1
pecto de las bases B = ((1, 0), (1, 1)) y B 0 = ((1, 0, 0), (1, 1, 0), (1, 1, 1)).

33. Sean los espacios vectoriales R3 [x] y M (2,2) (matrices cuadradas de

orden 2 × 2) con las bases
 canónicas. Seconsidera el homomorfismo
a b−d
f (ax3 + bx2 + cx + d) = . Se pide:
c−b 0
(a) Matriz del homomorfismo.
(b) Ecuaciones implı́citas de Imf .
(c) Una base del núcleo.

 f (1, 0, 1) = (1, 0)
3 2
34. Sea la aplicación lineal f : R −→ R definida por f (0, 1, 1) = (0, 2) .
f (1, 1, 0) = (1, 1)


Hallar la matriz asociada a f con respecto de las bases canónicas.

35. Sea la aplicación lineal f : R3−→ R2 cuyamatriz asociada respecto

1 −1 2
de las bases canónicas es A = . Se pide:
0 1 1
(a) Hallar f (2, 1, −1).
(b) Siendo B = ((1, 1, 0), (0, 1, 1), (1, 0, 1)) y B 0 = ((1, 1), (1, −1)),
hallar la matriz de f respecto de B y B 0 y el valor de f (2, 1, −1)
expresado en dichas bases.
14 Aplicaciones lineales

36. Dada la aplicación lineal f : R3 −→ R2 tal que f (x, y, z) = (2x +

y, y − z), se pide:

(a) Hallar la matriz de f respecto de las bases canónicas.

(b) Hallar la matriz de f respecto de las bases B y B’ siendo B =
((1, 1, 1), (0, 1, 2), (0, 2, 1)) y B 0 = ((2, 1), (1, 0)).

37. En R3 se define la familia de endomorfismos f , dados por: f (→ −

e1 ) =
→
− →
− →
− →
− →
− →
− →
− →
− →
− →
−
a e1 + e2 + e3 , f ( e2 ) = e2 + e3 , f ( e3 ) = − e1 + e2 + a e3 , se pide:

(a) ¿Para qué valores de a es isomorfismo?

(b) Para a = 0, hallar el núcleo y la imagen, ası́ como una base de
cada uno de ellos.
Bibliografı́a

[1] Levinson Redheffer Curso de variable compleja, Ed. Reverté s.a. (1975).
[2] M. Lozano y otros Apuntes de Álgebra: ejercicios, Popular Libros (2002).
[3] Paul R. Hamos Innovación en matemáticas, Art. Scientific American (sep. 1958).
[4] J. Garcı́a Cabello y A. J. López-Linares Álgebra lineal aplicada, Edición de los
autores, profesores de la Universidad de Granada (1998).