5.

Aplicaciones lineales
Manuel Palacios
Departamento de Matematica Aplicada
Centro Politecnico Superior
Universidad de Zaragoza
Oto
no 2010

Contents
5 Aplicaciones lineales
5.1 Definicion y propiedades. . . . . . . . . . . . . . . . . . .
5.2 Determinacion de una aplicacion lineal. . . . . . . . . . .
5.3 Aplicaciones lineales y dimensiones. . . . . . . . . . . . .
5.4 Expresion coordenada de un aplicacion lineal. Cambio de
5.5 Equivalencia y semejanza de matrices. . . . . . . . . . .
5.6 Ejercicios para resolver . . . . . . . . . . . . . . . . . . .

. . .
. . .
. . .
base.
. . .
. . .

. . . .
. . . .
. . . .
. . .
. . . .
. . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

7
7
9
10
11
14
15

Bibliography

[1] Merino, L. y Santos, E.: Algebra

lineal con metodos elementales. Thomson. 2006.
[2] Palacios, M.: Enunciados de ejercicios de Matematicas II, grado Ing. Tecn. Industr.
http://pcmap.unizar.es/mpala. 2010

[3] Villa, A. de la: Problemas de Algebra.

CLAGSA. 1988.

[4] Arvesu, J.; Marcellan, F. y Sanchez J.: Problemas resueltos de Algebra

lineal. Paso a
paso. Thomson. 2005.

lineal. Vector Ediciones, Madrid. 1989.

[5] Rojo, J.: Algebra

[6] Rojo, J. y Martn, I.: Ejercicios y problemas de Algebra

lineal. Editorial AC, Madrid.
1989

[7] Burgos, J. de: Algebra

lineal y geometra cartesiana. McGraw-Hill. 2000.

[8] Burgos, J. de: Algebra

lineal. McGraw-Hill. 1993.

[9] Diego, B. de et al. : Problemas de Algebra

lineal (2a ed.). Deimos. 1986.
[10] Griffel, D. G.: Linear Algebra and its Applications. (Vol. 1 & 2) Ellis Horwood. 1989.

[11] Hernandez, E.: Algebra

y geometra. Addison-Wesley, Universidad Aut
onoma de
Madrid. 1994.

Chapter 5
Aplicaciones lineales
5.1

Definici
on y propiedades.

Definici
on 5.1.1 Dados dos espacios vectoriales V y W sobre el mismo cuerpo K , se denomina aplicacion lineal (u homomorfismo) de V en W a toda aplicaci
on f : V W que
verifique:
i) v, w V : f (v + w) = f (v) + f (w)
ii) t K, v V : f (t v) = t f (v)
Estas dos condiciones son equivalentes a la siguiente:
t, s K, v, w V :

f (t v + s w) = t f (v) + s f (w)

Al conjunto de todas las aplicacion lineal (u homomorfismo) de V en W se le denomina

Hom(V, W).
Si V coincide con W la aplicacion lineal se denomina endomorfismo y el conjunto de todos
los endomorfismos de V se denota por End (V).
Ejemplo 5.1.2 La aplicacion f : V V definida por f(x) = x es lineal y se le denomina
homomorfismo unidad.
Ejemplo 5.1.3 La aplicacion f : V V definida por f(x) = 0, v nV , es lineal y se le
denomina homomorfismo nulo.
Ejemplo 5.1.4 La aplicacion f : V V definida por f(x) = t x, con t K fijo, se le
denomina homomorfismo escalar.
Ejemplo 5.1.5 La aplicacion f : IR[x] IR[x] , definida por f(p) = p (polinomio derivada
de p) es lineal.
Se propone como ejercicio.
Propiedad 5.1.6 f Hom(V, W ) : f (0V ) = 0W .
Dem.: v V, f (v) = f (v + 0V ) = f (v) + f (0V ) = f (v) + 0W ,
por lo tanto, f (0V ) = 0W .
7

8
Propiedad 5.1.7 v V : f (v) = f (v).
Dem.: f (0V ) = f (v + (v)) = 0W = f (v) + f (v), por lo tanto, f(-v) = - f(v).
Propiedad 5.1.8 Si U es un subespacio vectorial de W, entonces, f 1 (U) es subespacio
vectorial de V.
Dem.: Sean x, y f 1 (U) = f (x), f (y) U; por lo tanto, t, s K, f (t x + s y) =
t f (x) + s f (y) U, y por ser U subespacio = t x + s y f 1 (U).
Propiedad 5.1.9 Si {a1 , ..., an } es una familia ligada de V y f Hom(V, W ), entonces, la
familia {f (a1 ), ..., f (an )} es una familia ligada de W.
Dem.: Que la familia {a1 , ..., an } es ligada = existen escalares t1 , ..., tn K , no todos
nulos, tales que t1 a1 + ... + tn an = 0V ; tomando su imagen por f,
f (t1 a1 + ... + tn an ) = t1 f (a1 ) + ... + tn f (an ) = 0W (prop.5.1.6)
con alg
un coeficiente no nulo, por lo tanto, la familia {f (a1 ), ..., f (an )} es ligada.
Propiedad 5.1.10 La composicion de aplicaciones lineales es otra aplicaci
on lineal
Dem.: Sea h = gof . Se cumple:
h(t x + t x ) = gof (t x + t x ) = g(f (t x + t x )) = g(t f (x) + t f (x )) =
= t g(f (x) + t g(f (x )) = t h(x) + t h(x )
Definici
on 5.1.11 Las aplicaciones lineales inyectivas se denominan monomorfismos.
Las aplicaciones lineales suprayectivas se denominan epimorfismos.
Las aplicaciones lineales biyectivas se denominan isomorfismos
Definici
on 5.1.12 Dada f Hom(V, W ), se denomina n
ucleo de f al subconjunto de V
cuya imagen es el 0W , y se representa por ker f, es decir, ker f = {v V |f (v) = 0W }.
Se denomina imagen de f, y se representa por Im f, al conjunto f(V).
Propiedad 5.1.13 Ker f es un subespacio vectorial de V e Im f lo es de W.
Compr
uebese.
Definici
on 5.1.14 Se denomina rango de una aplicaci
on lineal f a la dimensi
on del subespacio imagen de f, es decir, rg f = dim (Im f ). (En ocasiones se emplea tambien la palabra
rango para designar al conjunto imagen Im f ).
Propiedad 5.1.15 Una aplicacion lineal entre dos espacios vectoriales es un monomorfismo
si y solo si su n
ucleo es el vector nulo.
Dem.: : Sea f Hom(V, W ),
() Supongamos que ker f 6= {0V }; entonces, existe v 6= 0V tal que v kerf f (v) =
0W = f (0V ) (por ser f inyectiva, por hipotesis) v = 0V , por lo tanto, ker f = {0V }.
() Hipotesis, ker f = {0V }. Sean v, w V tales que f (v) = f (w) f (v) f (w) = 0W =
f (v w) v w kerf v = w , luego, f inyectiva.
As como la imagen de una familia ligada de vectores es siempre otra familia ligada, no
ocurre lo mismo con familias libres, como probamos en el siguiente resultado.

M. Palacios

5. Aplicaciones lineales.

Propiedad 5.1.16 Si f Hom(V, W ), la imagen de toda familia libre de vectores de V es

una familia libre de W si y solamente si f es monomorfismo.
Dem.: () Hipotesis, {a1 , ..., an } libre {f (a1 ), ..., f (an )} libre. La familia compuesta
por un vector v V, v 6= 0 es una familia libre (por hipotesis) f(v) es familia libre
f (v) 6= 0W v kerf kerf = 0V f es monomorfismo.
() Sea f inyectiva y {a1 , ..., an } una familia libre de vectores de V. Sea {f (a1 ), ..., f (an )}
la familia de sus imagenes por f. Veamos si esta es libre o no. Tomemos una combinacion
lineal nula
t1 f (a1 ) + ... + tn f (an ) = 0W = f (t1 a1 + ... + tn an ) t1 a1 + ... + tn an kerf,
pero, como ker f = 0 por ser f monomorfismo, resulta que t1 a1 + ... + tn an = 0 y como,
ademas, {a1 , ..., an } es una familia libre, t1 = ...tn = 0K , por lo que, finalmente, la familia
{f (a1 ), ..., f (an )} es libre.

5.2

Determinaci
on de una aplicaci
on lineal.

Toda aplicacion entre dos espacios vectoriales V y W sobre el mismo cuerpo K puede definirse
en funcion de una base de V y una familia de vectores de W en la forma que se indica en el
teorema siguiente.
Teorema 5.2.1 Sean V y W dos espacios vectoriales sobre el mismo cuerpo K. Dada una
base {ai , i = 1, ..., n} de V y una familia {bi , i = 1, ..., n} de vectores cualesquiera de W,
existe una u
nica aplicacion lineal
f : V W

tal que

f (ai ) = bi ,

i = 1, ..., n

Dem.: Basta definir la imagen de un vector cualquiera v V en la forma siguiente:

v = v 1 a1 + ... + v n an ,

f (v) = v 1 f (a1 ) + ... + v n f (an = v 1 b1 + ... + v n bn

Evidentemente, esta aplicacion es lineal y es u

nica.
Observemos que la aplicacion lineal as construida verifica la siguiente propiedad:
Teorema 5.2.2 a ) f monomorfismo {bi , i = 1, ..., n} es libre
b) f epimorfismo {bi , i = 1, ..., n} es sistema generador de W = Im f
c) f isomorfismo {bi , i = 1, ..., n} es base de W
Ejercicio 5.2.3 Encontrar una aplicaci
on lineal f : IR3 IR4 tal que su imagen este
engendrada por los vectores (1,2,0,-4) y (2,0,-4,-3).
Determinar otra aplicacion lineal g : IR4 IR3 cuyo n
ucleo este engendrado por los vectores
(1,2,3,4) y (0,1,1,1).

10

5.3

Aplicaciones lineales y dimensiones.

Veremos en este parrafo como estan relacionadas las dimensiones de los espacios vectoriales
entre los que hay definida una aplicacion lineal. Denotaremos por {ei , i = 1, ..., n} la base
canonica del espacio vectorial K n .
Teorema 5.3.1 Un espacio vectorial V sobre K es de dimensi
on finita n si y solo si V y
Kn son isomorfos. Este isomorfismo queda determinado si se fija una base de V.
Dem.: () Si V es de dimension finita n , sea {ai , i = 1, ..., n} una base de V, por el
teorema 5.2.1 existe un u
nica aplicacion lineal f : K n V tal que f (ei ) = ai , i = 1, 2, ..., n.
P
P
Dicha aplicacion asocia al vector x = ni=1 xi ei K n , el vector f (x) = y = ni=1 xi ai .
Evidentemente, esta aplicacion es biyectiva y, por tanto, isomorfismo.
() Supongamos ahora que existe un isomorfismo f entre K n y V, y {ei , i = 1, ..., n} base
de K n , tal que f (ei ) = ai , i = 1, 2, ..., n (ai arbitrarios, en principio). Por ser f isomorfismo
es monomorfismo, por lo tanto, la imagen de la familia libre f (ei ) = ai , i = 1, 2, ..., n es
otra familia libre de V; ademas, tambien es epimorfismo, por lo que la imagen de la familia
generadora f (ei ) = ai , i = 1, 2, ..., n es tambien generadora; en consecuencia, la familia
f (ei ) = ai , i = 1, 2, ..., n es libre y generadora de V, luego una base; as que dim V = n.
Consecuencia 5.3.2 Dos espacios vectoriales V y W sobre el mismo cuerpo K, de tipo
finito, son isomorfos si y solo si dim V = dim W.
Teorema 5.3.3 Sea V de dimension finita n y sea f una aplicaci
on lineal entre V y W.
Entonces, se verifica:
dim ker f = dim V - dim Im f
Dem.: Como ker f es un subespacio de V, dim ker f = r n. Consideremos una base
{ei , i = 1, ..., r} de ker f y ampliemosla (teorema de la base incompleta) hasta formar una
base {ei , i = 1, ..., n} de V. Como f es lineal, la familia {f (e1 ), ..., f (er ), f (er+1), ..., f (en )}
constituye un sistema generador de Im f (= f(V) ); pero f (e1 ) = 0, ..., f (er ) = 0, luego la
familia {f (er+1 ), ..., f (en )} tambien engendra a Im f. Veamos que esta familia ademas es
libre; en efecto,
X
X
ti f (ei ) = 0 = f (
ti ei ) = 0
i=r+1

i=r+1

Pn

es decir, el vector x = i=r+1 ti ei ker f , pero a su vez pertenece al complementario de

ker f, por lo que ha de ser x = 0, y como los er+1 , ..., en son linealmente independientes, sus
respectivos coeficientes deben anularse.

Ejercicio 5.3.4 Hallar bases y dimensiones de ker f e Im f, siendo f : IR3 IR3 definida
por f (x, y, z) = (y, y, x + 2z).
Soluci
on: ker f ker f = f1 (0), es decir,
y = 0,

y = 0,

x + 2z = 0 ker f =< (2, 0, 1) > dim ker f = 1

Im f Si {e1 , e2 , e3 es la base canonica:

Im f =< f (e1 ), f (e2 ), f (e3 ) >=< (0, 0, 1), (1, 1, 0), (0, 0, 2) >=< (0, 0, 1), (1, 1, 0) >,
luego: dim Im f = 2; y se cumple: dim Im f + dim ker f = 2 + 1 = 3 = dim IR3 .

M. Palacios

5.4

5. Aplicaciones lineales.

11

Expresi
on coordenada de un aplicaci
on lineal. Cambio de base.

Sean f Hom(V, W ), Bv = {vi , i = 1, ..., n} una base de V y Bw = {wj , j = 1, ..., p} una

base de W. Sean los vectores {bi , i = 1, ..., n} imagenes de los ai mediante f. Sean X e Y las
matrices columna coordenadas de los vectores x e y = f(x) respecto de las bases Bv y Bw ,
respectivamente.
Utilizando matrices se puede escribir:
x = x1 v1 + ... + xn vn = [v1 v2 ...vn ] X,

y = y 1 w1 + ... + y p wp = [w1 w2 ...wp ] Y,

bi = b1i w1 + ... + bpi wp = [w1 w2 ...wp ] Bi ,

i = 1, 2, ..., n

(5.1)
(5.2)

donde Bi es la matriz columna coordenada del vector bi respecto de la base Bw .

Por ser aplicacion lineal, la imagen de x mediante f, se puede escribir:
y = f (x) = f (x1 v1 + ... + xn vn ) = x1 f (v1 ) + ... + xn f (vn ) = x1 b1 + ... + xn bn = [b1 b2 ...bn ] X
(5.3)
Sustituyendo las (5.2) en las (5.3) e identificando con las (5.1), resulta:
[w1 w2 ...wp ] Y = [w1 w2 ...wp ] [b1 b2 ...bn ] X
Ahora bien, como las coordenadas de un vector en una base son u
nicas, se debe verificar que
Y = [b1 b2 ...bn ] X

(5.4)

Definici
on 5.4.1 La matriz
B = [b1 b2 ...bn ]
que tiene por columnas las coordenadas de las im
agenes de los vectores de la base Bv respecto
de la base Bw se le denomina matriz coordenada de f respecto de las bases Bv y Bw
Notese que la matriz B anterior tiene tantas columnas como la dimension de V y tantas filas
como la dimension de W, es decir, B MIR (p, n).
Definici
on 5.4.2 A la ecuacion (5.4) se le denomina expresi
on o ecuaci
on matricial de f
respecto de las bases Bv y Bw
La relacion anterior define las coordenadas en la base Bw del vector y (imagen del x
mediante f) en terminos de las coordenadas del vector x referidas a la base Bv , por ello
tambien se denominan ecuaciones de f en coordenadas x e y.
Propiedad 5.4.3 La matriz coordenada de la composici
on de aplicaciones lineales es el
producto de las correspondientes matrices
Dem.: Fijadas bases:
f : V W, Y = A X
g : W U,

Z =BY

h = gof : V U,

Z =CX

Sustituyendo la primera en la segunda resulta: Z = B A X. Luego, como la matriz coordenada de una aplicacion lineal es u
nica, debe ser
C =BA

12
Propiedad 5.4.4 La matriz coordenada del cambio de la base B a la B puede ser interpretada como la matriz de la aplicacion identidad respecto de la base B y B
Dem.: Basta tener en cuenta que la ecuacion de tal cambio de coordenadas de B a B es
X = P X e identificarla con la ecuacion de la aplicacion identidad respecto de las bases B
y B. Observar el cambio de orden en las bases.
En consecuencia, si la matriz coordenada de la aplicacion f respecto de las bases Bv y
v
Bw es A y su ecuacion matricial es Y = A X, considerando el cambio a las nuevas bases B

y Bw y sus ecuaciones: X = P X, Y = Q Y , resulta:

es decir, Y = B X,
siendo B = Q1 A P
Q Y = A P X,
la matriz de f en las nuevas bases.
Notese que, fijadas bases, se pueden identificar la aplicacion lineal y su matriz coordenada.
Por lo tanto, la matriz B anterior se puede interpretar como la asociada a la composicion
del esquema siguiente:
f

W
x

f (x)
A
(V,
x Bv ) (W,
x Bw )

v ) B (W, B
w )
(V, B

V 6= W no endomorfismo
B = P 1 A Q
equivalencia

(5.5)

V = W endomorfismo, Q = P
B = P 1 A P
semejanza

Ejercicio 5.4.5 Sea la aplicacion f : IR3 IR2 definida por f(x,y,z) = (x - 2z, y + z). Se
pide: i) es f lineal?; ii) cuales son las ecuaciones de f en las bases can
onicas?; iii) cuales
son las ecuaciones de f en las bases (1,1,1),(2,2,0),(3,0,0) y (2,1),(1,2), respectivamente?;
iv) hallar ker f, Im f y una base de cada uno de ellos; v) hallar f1 (1,1).
Soluci
on: i) Cada de las componentes de f(x, y, z) esta definida mediante una expresion
lineal y homogenea, luego es lineal. Tambien se puede aplicar la definicion para probarlo.
ii) La matriz coordenada en las bases canonicas tiene por columnas las coordenadas de
las imagenes de los vectores de una base respecto de la otra (5.4.1). As que:
f (1, 0, 0) = (1, 0); f (0, 1, 0) = (0, 1), f (0, 0, 1) = (2, 1) B =

"

1 0 2
0 1
1

,Y = BX

n de la nueva
iii) Ahora hay que calcular coordenadas de las imagenes de los vectores X
2
base y expresarlas, Yn , en la base nueva de IR . Si Q es la matriz del cambio de la antigua a
la nueva base:
f (1, 1, 1) = (1, 2)can (cambio de coord.) Yn1 = Q1
f (2, 2, 0) = (2, 2)can (cambio de

coord.) Yn2

=Q

"

1
2

"

2
2

M. Palacios

5. Aplicaciones lineales.

f (3, 0, 0) = (3, 0)can (cambio de coord.) Yn3 = Q1

"

3
0

13

Por lo tanto, la matriz coordenada C de f en las nuevas bases sera:

C=

Yn1 Yn2 Yn3

"

4/3 2/3
2
5/3 2/3 1

Y = C X

Tambien se cumple: C = Q1 B P (seg

un (5.5)).
1
iv) ker f = f (0IR2 ) = {(x, y, z)|x 2z = 0, y + z = 0} =
= {t (2, 1, 1)|t IR} =< (2, 1, 1) >
Im f = < f (1, 0, 0), f (0, 1, 0), f (0, 0, 1) >=< (1, 0), (0, 1), (2, 1) >=< (1, 0), (0, 1) >= IR2
v) f 1 (1, 1) = {X|B X = (1, 1)} = {(1, 1, 0) + (2, 1, 1)}.
Ejercicio 5.4.6 Dada la aplicacion lineal f : MIR (2) IR3 definida por
"

a b
f(
) = (a + b c, a + b + d, b + c + d)
c d
se pide: i) obtener las ecuaciones de f en las bases
"

0 1
1 1

ii) obtener la imagen de la matriz M =

"

1 1
1 1

# "

1 0
1 0

# "

0 0
0 1

# "

de MIR (2) y {(0, 2, 1), (2, 0, 1), (0, 1, 1)} de IR3 ;

#

1 3
.
2 2

Soluci
on: i) Seg
un el esquema (5.5), hace falta conocer la matriz A de f respecto de las
bases canonicas; para ello hay que encontrar las imagenes de la base canonica {e1 , e2 , e3 , e4 }
que son:
f (e1 ) = (1, 1, 0), f (e2) = (1, 1, 1), f (e3) = (1, 0, 1), f (e4) = (0, 1, 1)
por lo que la matriz A coordenada en las bases canonicas sera:

1 1 1 0

A= 1 1 0 1

0 1 1 1

En consecuencia, la matriz respecto de las bases dadas sera:

1/2 0 0 1

1
0
B = Q A P = 1/2 0 0
,
2 1 1
4

siendo P y Q las matrices que definen los cambios de base en el espacio inicial y final,
respectivamente, es decir:

P =

1
1
1
1

1
0
1
0

0
0
0
1

0
1
1
1

0 2 0

Q= 2 0 1
1 1 1

14

5.5

Equivalencia y semejanza de matrices.

Como hemos visto, al realizar un cambio de bases en el espacio inicial y en el final, las matrices
coordenadas de una aplicacion estan relacionadas por la igualdad (5.5). Se presenta ahora
de manera natural la siguiente
Definici
on 5.5.1 Dos matrices A, B MIR (p, n) se dicen equivalentes, y se escribir
aA
B, si existen matrices regulares P y Q tales que:
A B B = Q1 A P
Es decir, matrices equivalentes son todas las asociadas a una misma aplicacion lineal en todos
los pares de bases posibles. Como la equivalencia de matrices es una relacion de equivalencia,
cada aplicacion lineal define una de esas clases. El representante mas simple de una clase es
la matriz que aparece en el siguiente
Teorema 5.5.2 Si rg f = r n, entonces su matriz A coordenada en cualquier base es
equivalente a la siguiente:
"
#
Ir 0
A
MIR (p, n)
0 0
Dem.: Es suficiente escoger bases del espacio inicial V y final W adecuadas. Para ello,
tomamos una base {er+1 , ..., en } del ker f. Acontinuacion, la ampliamos hasta conseguir una
base de V, {e1 , ..., er , er+1 , ..., en }. La familia {a1 , ..., ar } = {f (e1 ), ..., f (er )} es una base de
Im f. Ampliemosla hasta conseguir una base de W, {a1 , ..., ap }. Observamos que la matriz
coordenada de f en las bases construidas es la deseada.
Ejercicio 5.5.3 Sea g : IR4 IR3 dada por g(x, y, z, t) = (x y + z, y + z t, x + 2z t)
a) Calcular la matriz coordenada de g en bases can
onicas de ambos espacios.
b) Demostrar que ker g tiene dimensi
on 2.
c) Calcular una base de ker g. Llamar a sus elementos a3 , a4 .
d) Dar dos vectores de IR4 (a1 y a2 ) de forma que a1 , a2 , a3 , a4 sea base de IR4
e) Por que se puede afirmar que b1 = g(a1 ) y b2 = g(a2 ) constituyen una base de Im(g)?
f ) Dar un tercer vector b3 de forma que {b1 , b2 , b3 } sea una base de IR3 .
g) Sin realizar ning
un calculo adicional, escribir la matriz de g en las bases {a1 , a2 , a3 , a4 }
4
de IR y {b1 , b2 , b3 } de IR3 . en el apartado anterior.
Ejercicio 5.5.4 Sea f : IR2 [x] IR3 [x] dada por:
f (p(x)) =

p(t) dt + p (x)

a) Hallar la matriz coordenada A de f respecto de las bases can

onicas de IR2 [x] y IR3 [x].
2
b) Matriz coordenada B de f respecto de las bases {1, 2x, 3x } y {1, x + 1, x2 + 2, x3 + 3}
c) Hallar dos matrices regulares P y Q tale s que B = P A Q.

Semejanza de matrices
Si se consideran endomorfismos, es decir, f EndV , parece natural utilizar la misma
base en el espacio inicial y final. Se presenta as la definicion siguiente, que es un caso muy
particular de equivalencia.

M. Palacios

5. Aplicaciones lineales.

15

Definici
on 5.5.5 Dos matrices A, B MIR (n) se dicen semejantes, y se escribe A B, si
existe una matriz regular P tal que:
A B B = P 1 A P
Es decir, ya que la relacion anterior es la de las matrices asociadas a un mismo endomorfismo,
matrices semejantes son todas las asociadas a un mismo endomorfismo en todas las bases
posibles. Como la semejanza de matrices tambien es una relacion de equivalencia, cada
endomorfismo define una de esas clases.
Cual es ahora la matriz mas simple de una clase de semejanza?. Veremos la respuesta
en el captulo siguiente.
De momento tenemos una regla para relacionar matrices equivalentes, (f : V W ) y
otra para matrices semejantes, (f EndV ),
f

W
x

f (x)
A
(V,
x Bv ) (W,
x Bw )

v ) (W, B
w )
(V, B

V 6= W no endomorfismo
B = P 1 A Q
equivalencia
V = W endomorfismo
B = P 1 A P
semejanza

Ejercicio 5.5.6 Sea f un endomorfismo de IR3 definido por:

f (2, 1, 0) = (1, 1, 2),

f (0, 1, 2) = (0, 2, 1),

f (1, 0, 1) = (1, 1, 3)

Se pide:
a) Bases de Im f y Ker f.
b) Matriz coordenada A de f respecto de la base {(2, 1, 0), (0, 1, 2), (1, 0, 1)}.
c) Matriz coordenada B de f respecto de la base can
onica.
1
d) Hallar una matriz P tal que A = P BP .

5.6

Ejercicios para resolver

Ejercicios de [1] (Merino) n

umeros 33, 34, 37, 38, 40, 112, 43, 103
Ejercicios de [3] (de la Villa) captulo 2, n
umeros 3, 9, 17
Ejercicios de las hojas de enunciados de [2] (Palacios).

(5.6)