Tema 5

Aplicaciones lineales

5.1 Definición y consecuencias

Definición 5.1.1. Sean E y F dos espacios vectoriales sobre un mismo cuerpo K. Se dice que una
aplicación f : E −→ F es una aplicación lineal si:

f (u + v) = f (u) + f (v) , ∀u, v ∈ E

f (αu) = αf (u) , ∀u ∈ E, ∀α ∈ K

La definición anterior también se puede presentar del modo siguiente: f : E → F es una aplicación
lineal si y sólo si

∀u, v ∈ E y ∀α, β ∈ K se verifica f (αu + βv) = αf (u) + βf (v)

Ejemplo 5.1.2. Las aplicaciones que se presentan a continuación son todas lineales.

1. f : R2 −→ R3 tal que f (x, y) = (x − 2y, 3x, −x + y).

2. f : R1 [x] −→ R2 [x] tal que f (ax + b) = x(ax + b) = ax2 + bx.
3. f : Mmxn (R) −→ Mnxm (R) tal que f (A) = At .

Ejemplo 5.1.3. Si E es un espacio vectorial cualquiera sobre un cuerpo K, las dos aplicaciones
que se muestran a continuación son lineales, y se llaman aplicación identidad (o endomorfismo
identidad) y aplicación nula (o endomorfismo nulo) respectivamente:

1. f : E −→ E tal que f (x) = x, ∀x ∈ E.

2. f : E −→ E tal que f (x) = 0, ∀x ∈ E.

Ejemplo 5.1.4. Las aplicaciones que se presentan a continuación no son lineales.

1. f : R2 −→ R3 tal que f (x, y) = (x − 2y, 3, −x + y).

2. f : R2 −→ R3 tal que f (x, y) = (x − 2y, 3x2 , −x + y).

62
TEMA 5. APLICACIONES LINEALES 63

Ejercicio 5.1.5. Sean E y F espacios vectoriales sobre un mismo cuerpo K y sea f : E −→ F una
aplicación. Indica en qué casos de los presentados a continuación f es una aplicación lineal.

1. E = F = R3 , f (u) = (x1 , 1, x2 ) siendo u = (x1 , x2 , x3 ).

2. E = R2 y F = R3 , f (x, y) = (x + y, 0, x − y).
3. E = R3 y F = R2 , f (x, y, z) = (3x − 3y, z + 1).
4. E = F = R3 , f (u) = (x2 − y 2 , 0, 0) siendo u = (x, y, z).

Solución. Sólo la 2.

Ejercicio 5.1.6. Sean E y F dos espacios vectoriales sobre un mismo cuerpo K y sea la aplicación
f : E −→ F . Indica en qué casos de los presentados a continuación f es una aplicación lineal.

1. E = F = R3 , f (x) = ax, con a un número real fijo.

2. E = F = Mn (R), f (A) = (A − At )/2
3. E = R2 , F = R3 , f (x, y) = (x2 , 0, y).
4. f : R3 −→ R3 tal que f (x, y, z) = (x + 1, z, y).
5. f : R3 −→ R3 tal que f (x, y, z) = (x + y − z, z, y + z)

Nota 4. Dada una aplicación lineal f : E −→ F , resultará de particular interés estudiar cuando
es inyectiva, suprayectiva o biyectiva (isomorfismo).

Si E = F la aplicación lineal se dirá que es un endomorfismo. Un endomorfismo biyectivo

se dirá automorfismo.

Definición 5.1.7. Una aplicación f : E −→ F se dice inyectiva, si para cada par de elementos
u, v ∈ E, u ̸= v, se verifica f (u) ̸= f (v).

Definición 5.1.8. Una aplicación f : E −→ F se dice suprayectiva, si ∀w ∈ F, existe al menos

un vector u ∈ E de manera que f (u) = w.
Definición 5.1.9. Una aplicación f : E −→ F se dice biyectiva si es inyectiva y suprayectiva.

Ejemplo 5.1.10. Demostrar que:

1. f : R2 −→ R3 tal que f (x, y) = (x − 2y, 3x, −x + y), es inyectiva y no suprayectiva.

2. f : R1 [x] −→ R2 [x] tal que f (ax + b) = x(ax + b) = ax2 + bx,es inyectiva y no suprayectiva.
3. f : Mmxn (R) −→ Mnxm (R) tal que f (A) = At es biyectiva (isomorfismo).
TEMA 5. APLICACIONES LINEALES 64

Proposición 5.1.11. Sea f : E −→ F una aplicación lineal. Se cumple:

1. f (0E ) = 0F
2. ∀v ∈ E, f (−v) = −f (v)
3. Sea S = {v1 , v2 , ..., vp } ⊂ E. Se cumple:

a) Si S es ligado, entonces el sistema {f (v1 ) , f (v2 ) , ..., f (vp )} ⊂ F es ligado.

b) Si {f (v1 ) , f (v2 ) , ..., f (vp )} ⊂ F es un sistema libre, entonces S = {v1 , v2 , ..., vp } ⊂ E
es un sistema libre.

4. Si U es un subespacio vectorial de E, entonces

f (U ) = {w ∈ F : ∃u ∈ U que verifica f (u) = w}

es un subespacio vectorial de F . Se denomina subespacio imagen del subespacio U .

5. Si W es un subespacio vectorial de F, entonces

f −1 (W ) = {v ∈ E : f (v) ∈ W }

es un subespacio vectorial de E. Se denomina subespacio imagen inversa del subespacio

W , o imagen recı́proca del subespacio W .

5.2 Núcleo e imagen de una aplicación lineal.

Definición 5.2.1. Dada la aplicación lineal f : E −→ F se llama imagen de f y se denota Im(f )
al siguiente subespacio vectorial de F .

Im(f ) = f (E ) = {w ∈ F : ∃u ∈ E que verifica f (u) = w }

Definición 5.2.2. Se llama núcleo de f y se denota ker(f ) al siguiente subespacio vectorial de E.

ker(f ) = N (f ) = f −1 ({0}) = {v ∈ E : f (v) = 0}

Ejemplo 5.2.3. Si f : R2 −→ R3 : f (x, y) = (x − 2y, 3x, −x + y),

ker f = {(x, y) ∈ R2 : f (x, y) = (0, 0, 0)}

  
  x − 2y = 0 
= (x, y) ∈ R2 : 3x = 0 = {(0, 0)}
−x + y = 0
  

Im(f ) = {(a, b, c) ∈ R3 : ∃(x, y) ∈ R verificando que f (x, y) = (a, b, c)}

  
  x − 2y = a  
= (a, b, c) ∈ R3 : 3x = b = (a, b, c) ∈ R3 : 3a + b + 6c = 0
−x + y = c
  
TEMA 5. APLICACIONES LINEALES 65

Ejemplo 5.2.4. Si f : R1 [x] −→ R2 [x] / f (ax + b) = x(ax + b) = ax2 + bx

Im(f ) = {p(x) = a0 + a1 x + a2 x2 ∈ R2 [x] : a0 = 0} = L({x, x2 })

ker(f ) = {p(x) = a0 + a1 x ∈ R1 [x] : f (p(x)) = 0} = {0}

Definición 5.2.5. Se llama rango de una aplicación lineal a la dimensión del subespacio vectorial
Im(f ).

Proposición 5.2.6. Si S = {v1 , v2 , ..., vp } ⊂ E es un sistema generador de E =⇒ El sistema

{f (v1 ) , f (v2 ) , ..., f (vp )} ⊂ F es un sistema generador de Im(f ).

Proposición 5.2.7. Las tres afirmaciones siguientes son equivalentes.

1. f : E −→ F es una aplicación lineal inyectiva.

2. ker(f ) = {0}
3. Si S = {v1 , v2 , ..., vp } ⊂ E es libre =⇒ {f (v1 ) , f (v2 ) , ..., f (vp )} ⊂ Im (f ) es también libre.

Proposición 5.2.8. Las tres afirmaciones siguientes son equivalentes.

1. f : E −→ F es una aplicación lineal suprayectiva.

2. Im (f ) = F .
3. Si S = {v1 , v2 , ..., vp } es un sistema generador de E =⇒ {f (v1 ) , f (v2 ) , ..., f (vp )} es un
sistema generador de F.

Ejercicio 5.2.9. Demuestra que son lineales y clasifica las siguientes aplicaciones.

1. f : R3 −→ R4 : f (x, y, z) = (0, x + y, y + z, 2z).

2. f : R4 −→ R3 : f (x, y, z, t) = (x + y, y + z, t).
3. f : C2 −→ C2 : f (z1 , z2 ) = (z1 , z2 ).

Solución. 1 Inyectiva, 2 Suprayectiva, 3 Biyectiva.

Observación 5. Consecuencias de las proposiciones anteriores:

1. Si dim(E) = n, una base de E se va a transformar por la aplicación lineal f : E −→ F en un

sistema generador de Im(f ).
2. Si f es suprayectiva una base de E se transformará en un sistema generador de F .
3. Si f es inyectiva una base de E se transformará en un sistema libre de F .
4. Si f es biyectiva transformará una base de E en una base de F .
TEMA 5. APLICACIONES LINEALES 66

Ejercicio 5.2.10. Sea una aplicación f : E −→ F.

1. Razona que si dim E > dim F, entonces f no es inyectiva.

2. Razona que si dim E < dim F, entonces f no es suprayectiva.
3. Si f es biyectiva, entonces dim E = dim F.

Ejercicio 5.2.11. Se consideran las aplicaciones:

f : R3 −→ R3 /f (x1 , x2 , x3 ) = (x1 + x2 + x3 , x1 + x2 , x3 )

g : R3 −→ R2 /g(x1 , x2 , x3 ) = (x1 − x2 , x1 + x3 )
Demuestra que son aplicaciones lineales y determina el núcleo y la imagen de cada una de el-
las. Además si U = L({(1, −1, 0), (1, 1, 1)}), determina los subespacios f (U ) y g(U ) y calcula
f −1 ({(2, 2, 1)}).
Solución.
f g
Núcleo L({(1, −1, 0)}) L({(1, 1, −1)})
Imagen L({(1, 1, 0), (1, 0, 1)}) R2
Imagen de U L({(3, 2, 1)}) R2
  
  x1 + x2 + x3 = 2 
f −1 ({(2, 2, 1)}) = (x1 , x2 , x3 ) : x1 + x2 = 2 =∅
x3 = 1
  

5.3 Aplicaciones lineales entre espacios de dimensión finita.

En lo que sigue trabajaremos siempre son espacios de dimensión finita.

Sean E y F dos espacios vectoriales sobre un mismo cuerpo K, f : E −→ F una aplicación

lineal, BE = {e1 , e2 , ..., en } una base de E y BF = {v1 , v2 , ..., vm }una base de F. Si u ∈ E, entonces

u = x1 e1 + x2 e2 , ... + xn en ,

f (u) = x1 f (e1 ) + x2 f (e2 ) + ... + xn f (en )

= y1 v1 + y2 v2 + ... + ym vm

con
f (ej ) = α1j v1 + α2j v2 + ... + αmj vm , ∀j ∈ {1, 2, ..., m}
A partir de estas expresiones, se comprueba que se verifica la siguiente relación matricial entre
las coordenadas de un vector en la base BE y las coordenadas de su imagen en la base BF .

Y = AX
TEMA 5. APLICACIONES LINEALES 67

donde
   
y1 x1
 y2   x2 
Y  ...  ∈ Mm×1 (K) , X =  ...  ∈ Mn×1 (K)
=    

ym xn
 
α11 ... α1n
A =  ... ...  ∈ Mm×n (K) .
αm1 αmn

A es una matriz que, una vez fijadas las bases BE y BF , es única. Se dice que es la matriz
asociada a la aplicación lineal en las bases BE y BF , y escribiremos

A = M (f, BE , BF )

Nos referiremos a Y = AX como la expresión matricial de la aplicación f en las bases BE y BF .

Cuando f : E −→ E (endomorfismo), se puede trabajar con una sola base de E. En este caso
se habla de la matriz asociada a f en la base BE , y escribiremos

A = M (f, BE ),
que será una matriz cuadrada.

Ejemplo 5.3.1. Las matrices asociadas a las aplicaciones lineales del ejercicio (5.2.11), en las
bases canónicas de los espacios, serı́an:

1.
f : R3 −→ R3 /f (x1 , x2 , x3 ) = (x1 + x2 + x3 , x1 + x2 , x3 ).
Teniendo en cuenta que

f (1, 0, 0) = (1, 1, 0), f (0, 1, 0) = (1, 1, 0) y f (0, 0, 1) = (1, 0, 1)

entonces  
1 1 1
M (f, CR3 ) =  1 1 0 
0 0 1

2.
g : R3 −→ R2 /g(x1 , x2 , x3 ) = (x1 − x2 , x1 + x3 )
 
1 −1 0
M (g, CR3 , CR2 ) =
1 0 1

Observación 6. El rango de una aplicación lineal f coincide con el número de columnas lineal-
mente independientes que tiene una matriz asociada a f en unas bases prefijadas.
TEMA 5. APLICACIONES LINEALES 68

Ejemplo 5.3.2. Sea f : R4 −→ R3 tal que f (x, y, z, t) = (2x + y − t, y − z, z + t). Teniendo en

cuenta que

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

f (0, 0, 1, 0) = (0, −1, 1), f (0, 0, 0, 1) = (−1, 0, 1),

la matriz asociada a f en las bases canónicas correspondientes será:

 
2 1 0 −1
M (g, CR4 , CR3 ) =  0 1 −1 0 
0 0 1 1

5.4 Determinación del núcleo y de la imagen utilizando una matriz

asociada a la aplicación.
Sabemos que
ker(f ) = {u ∈ E : f (u) = 0}
lo que significa que si A = M (f, BE , BF ) , los vectores de ker(f ) son las soluciones de la ecuación
matricial
AX = 0,
que es un sistema homogéneo con n incógnitas y tantas ecuaciones independientes como rango tenga
la matriz A.

Para determinar Im(f ) basta tener en cuenta que al transformar una base de E por la apli-
cación lineal f , el sistema que se obtiene es un sistema generador de Im(f ).Esto significa que en
las columnas de la matriz A están las coordenadas de las imágenes de los vectores de la base BE
expresadas en la base BF y estos vectores columna son los que generan el subespacio Im (f ).
Ejemplo 5.4.1. El núcleo de la aplicación del ejemplo (5.3.2) es
   
  x  
2 1 0 −1 0 


  y  
ker (f ) = (x, y, z, t) :  0 1 −1 0  
 z 
 =  0 
0 0 1 1 0 

 
t
 

= {(x, y, z, t) : x = α, y = −α, z = −α, t = α, ∀α ∈ R}

= L ({(1, −1, −1, 1)})

La imagen de la aplicación es

Im (f ) = L ({f (1, 0, 0, 0) , f (0, 1, 0, 0) , f (0, 0, 1, 0) , f (0, 0, 0, 1)})

= L ({(2, 0, 0) , (1, 1, 0) , (0, −1, 1) , (−1, 0, 1)})
= L ({(2, 0, 0) , (1, 1, 0) , (0, −1, 1)})

Teorema 5.4.2. Sea f : E −→ F una aplicación lineal entre dos espacios de dimensión finita. Se
verifica que
dim E = dim ker(f ) + dim Im(f )
TEMA 5. APLICACIONES LINEALES 69

Ejercicio 5.4.3. Se considera el homomorfismo f : R3 −→ R2 definido como sigue:

f (1, 3, 5) = (1, 0), f (0, 1, 1) = (1, 0) y f (0, 0, 1) = (0, 0).

1. Encontrar la matriz asociada a f en las bases canónicas.

2. Determinar ker f e Imf y clasificar.
  
x+y−z =0
3. Dado el subespacio U = (x, y, z) : ,encontrar unas ecuaciones implı́citas
y−z =0
de f (U ).

Ejercicio 5.4.4. Sea f : R4 −→ R4 una aplicación lineal de la que se sabe que

f (1, 1, 0, 0) = (0, 1, 0, −1) y f (1, 0, 1, 0) = (1, 1, 1, 0).

y que ker(f ) = Im(f ). Comprueba que la matriz asociada a f respecto de la base canónica es
 
1 −1 0 −1
 2 −1 −1 −1 
M (g, CR4 , CR4 ) = 
 1 −1 0 −1 


−1 0 1 0

Ejercicio 5.4.5. Sea la aplicación lineal f : R2 [x] −→ R4 /f (p(x)) = (p(0), p(1), p(2), p(3)).

1. Calcular f (2x2 − x + 1).

2. Hallar la expresión matricial de f respecto de las bases canónicas respectivas.
3. Hallar ker(f ) e Im(f ).

Ejercicio 5.4.6. Se considera la familia de endomorfismos fa : R3 −→ R3 , a ∈ R, cuya matriz

asociada en la base canónica es  
1 a 1
A (a) =  a 1 a 
1 a 0
Se pide:

1. Encuentra los valores de a para los que fa no es automorfismo.

2. Calcula ker fa e Imfa .
TEMA 5. APLICACIONES LINEALES 70

5.5 Determinación de la imagen recı́proca de un vector.

Definición 5.5.1. Dada una aplicación lineal f : E −→ F . Para todo vector v ∈ F se define el
conjunto imagen recı́proca de v y se representa por

f −1 (v) = {u ∈ E : f (u) = v}.

Si A = M (f, BE , BF ), (b1 , b2 , ..., bm ) son las coordenadas de v en la base BF , y (x1 , x2 , ..., xn )

son las coordenadas de u en la base BE , encontrar la imagen recı́proca f −1 (v) no es otra cosa que
resolver el sistema de ecuaciones lineales completo

AX = B

en el que
   
x1 b1
 x2   b2 
X=
 ...  y B =  ...
  .

xn bm
Cuando el sistema es compatible existirá la imagen recı́proca o anti-imagen del vector. Cuando
es incompatible diremos que f −1 (v) es el conjunto vacı́o. Podemos buscar la anti-imagen de un
conjunto de vectores buscando la imagen recı́proca de cada vector que forma el conjunto sin perder
nunca de vista que la imagen recı́proca de un conjunto es otro conjunto.

Teorema 5.5.2 (Rouché-Frobenius). Un sistema de ecuaciones lineales AX = b es compatible si y

sólo si
rangA = rang (A, b) .

5.6 Matrices asociadas a una aplicación lineal en diferentes bases.

′
Sea f : E −→ F una aplicación lineal y sean BE = {e1 , e2 , ..., en } y BE = {e′1 , e′2 , ..., e′n }dos
bases de E y BF = {v1 , v2 , ..., vm } y BF′ = {v1′ , v2′ , ..., vm
′
} dos bases de F .

Llamaremos X y X ′ a las matrices columna que contienen las coordenadas de un vector del
′
espacio E en las bases BE y BE respectivamente, y llamaremos Y e Y ′ a las matrices columna que
contienen las coordenadas de su imagen en el espacio F en las bases BF y BF′ respectivamente.

′
Sean A = M (f, BE , BF ) y B = M (f, BE , BF′ ), y sean P = M (BE
′
, BE ) , la matriz del cambio
de base en E y Q = M (BF′ , BF ) , la matriz de cambio de base en F .

De todo lo anterior se tienen las siguientes ecuaciones matriciales,

AX = Y, BX ′ = Y ′ , P X ′ = X, QY ′ = Y,
que combinadas debidamente nos conducen a que necesariamente

B = Q−1 AP
TEMA 5. APLICACIONES LINEALES 71

Observar que, si tenemos en cuenta las ecuaciones P X ′ = X y QY ′ = Y

AX = Y =⇒ AP X ′ = QY ′ =⇒ Q−1 AP X ′ = Y ′ =⇒ Q−1 AP = B

La relación B = Q−1 AP indica que las matrices A y B,asociadas a la misma aplicación lineal
en bases diferentes, son matrices equivalentes. Como las matrices equivalentes tienen el mismo
rango, podemos asegurar que el rango de una aplicación lineal es el rango de una cualquiera de sus
matrices asociadas.

Si f es un endomorfismo, A = M (f, B0 ) es la matriz asociada a f en la base B0 y B = M (f, B1 )

es la matriz asociada a f en otra base, se tiene que B = P −1 AP , siendo P = M (B1 , B0 ) , la matriz
cuadrada regular de cambio de base. Las matrices A y B se dirán en este caso semejantes.

Ejemplo 5.6.1. Dada la aplicación f : R4 −→ R3 , se considera la base B de R4

B = {(1, 1, 0, 1) , (0, 1, −1, 0) , (0, 0, 1, 2) , (0, 0, 0, 1)}

tal que

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

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

entonces  
2 1 0 −1
M (f, B, CR3 ) =  0 1 −1 0 
0 0 1 1
y por tanto
M (f, B, CR3 ) = M (f, CR4 , CR3 )P
siendo  
1 0 0 0
 1 1 0 0 
P =  
0 −1 1 0 
1 0 2 1
  
a b
Ejemplo 5.6.2. Sean E = , a, b, c ∈ R , F = R2 [x] y f : E −→ F tal que
b c
     
1 0 0 1 2 0 0
f = 2x + 1, f = 3x + 1, f = −x
0 0 1 0 0 1
     
1 0 0 1 0 0
Si B0 = , , es base de E y B0′ = {1, x, x2 } es base de F ,
0 0 1 0 0 1
entonces  
1 1 0
M (f, B0 , B0′ ) =  2 0 −1 
0 3 0
TEMA 5. APLICACIONES LINEALES 72

     
1 2 0 1 0 −1
Si B = , , es otra base de E y B ′ = {1, 2 − x, 1 + x + x2 }
2 0 1 3 −1 0
es otra base de F . Entonces
 −1   
1 2 1 1 1 0 1 0 0
M (f, B, B ′ ) =  0 −1 1   2 0 −1   2 1 −1 
0 0 1 0 3 0 0 3 0
donde    
1 0 0 1 2 1
P = 2 1 −1  = M (B0 , B) y Q =  0 −1 1  = M (B0′ , B ′ )
0 3 0 0 0 1

  
a b
Ejercicio 5.6.3. Sean E = , a, b, c ∈ R , F = R2 [x] y g : E −→ F tal que
b c
     
1 −2 1 0 2 0 −1
g = −2x + 1, g = 3x + 1, g = −x
−2 0 3 1 −1 1
     
1 0 0 1 0 0
y sean B0 = , , base de E y B0′ = {1, x, x2 } base de F. Probar
0 0 1 0 0 1
que
  −1  3 1 1

1 1 0 1 0 0 2 4 4
M (g, B0 , B0′ ) =  −2 0 −1   −2 1 −1  =  − 21 34 − 14 
3 3 3
0 3 0 0 3 1 2 4 4

Ejercicio 5.6.4. Sea f : R2 −→ R3 / f (x, y) = (x + y, x − y, x + 2y). Se pide:

1. Ecuaciones implı́citas y paramétricas de ker f y de Imf .

2. Hallar la matriz asociada a f en las bases {(1, 2), (2, 0)} de R2 y {(1, 0, 0), (0, 2, 0), (0, 0, 3)}
de R3 .

5.7 Relación entre las aplicaciones lineales y las matrices.

A partir de una aplicación lineal entre dos espacios de dimensión finita, y fijadas unas bases,
hemos visto que existe una única matriz asociada. También es posible, a partir de una matriz,
encontrar una aplicación lineala la que dicha matriz  esté asociada en unas bases determinadas.
α11 ... α1n
Dada una matriz A =  ... ...  ∈ Mm×n (K), se puede definir la aplicación
αm1 αmn
fA : Kn −→ Km como sigue:


 fA (1, 0, ..., 0) = (a11 , a21 , ..., am1 )
fA (0, 1, ..., 0) = (a12 , a22 , ..., am2 )


 ...
fA (0, 0, ..., 1) = (a1n , a2n , ..., amn )


A partir de aquı́ es claro que A = M (fA , CKn , CKm ).

TEMA 5. APLICACIONES LINEALES 73

Operaciones con aplicaciones lineales.

Definición 5.7.1. Sea L(E, F ) = {f : E −→ F/f es una aplicación lineal}. Para f, g ∈ L(E, F )
se define
f + g : E −→ F/ (f + g) (u) = f (u) + g (u) , ∀u ∈ E
que se llama aplicación lineal suma.
Definición 5.7.2. Para todo f ∈ L(E, F ) se define

λf : E −→ F/ (λf ) (u) = λf (u) , ∀u ∈ E

que se llama aplicación lineal producto por un escalar.

Es claro que L(E, F ) con las operaciones suma y producto por un escalar que se acaban de
definir tiene estructura de espacio vectorial sobre el cuerpo K.
Definición 5.7.3. Sean f ∈ L(E, F ) y g ∈ L(F, G). E, F y G espacios vectoriales sobre el mismo
cuerpo K. La aplicación

g ◦ f : E −→ G / (g ◦ f ) (u) = g (f (u)) , ∀u ∈ E

se denomina aplicación compuesta de f y g, y es también una aplicación lineal.

Relación entre operaciones con aplicaciones lineales y las operaciones con

matrices.
Proposición 5.7.4. Sean f, g ∈ L(Kn , Km ) y sea A = M (f, CKn , CKm ) y B = M (g, CKn , CKm )
entonces
A + B = M (f + g, CKn , CKm )
Proposición 5.7.5. Sea f ∈ L(Kn , Km ), sea A = M (f, CKn , CKm ) y sea λ ∈ K, entonces

λA = M (λf, CKn , CKm )

Proposición 5.7.6. Sean f ∈ L(Kn , Km ) y g ∈ L(Kp , Kn ), y sean A = M (f, CKn , CKm ) y B =

M (f, CKp , CKn ), entonces

AB = M (f ◦ g, CKp , CKm )

Endomorfismos. Matrices regulares.

Sea L(E) = {f : E −→ E/f es una aplicación lineal}. En L(E) se definen dos operaciones
internas, la suma y la composición de aplicaciones tal y como se ha hecho anteriormente. Con
respecto a la suma L(E) es un grupo abeliano. La composición de aplicaciones en L(E) es asociativa
y además se verifica la propiedad distributiva. Con la suma y el producto por un escalar L(E) es
un espacio vectorial. Observar su relación con el espacio Mn (K).
Teorema 5.7.7 (Caracterización de matrices regulares). A ∈ Mn (K) es regular si y sólo si fA ,que
es el endomorfismo de L(Kn ) que verifica que A = M (fA , CKn ) , es biyectivo (automorfismo).
TEMA 5. APLICACIONES LINEALES 74

Prueba. Debemos tener en cuenta que en las columnas de la matriz A se encuentran las
coordenadas de las imágenes de los vectores de la base CKn expresados en esa misma base. Si A es
regular, dichas columnas son linealmente independientes, lo que significa que fA es biyectivo.
En sentido recı́proco, si tenemos en cuenta que los endomorfismos biyectivos transforman
bases en bases, la regularidad de la matriz A es inmediata.

5.8 Ejercicios propuestos

Ejercicio 5.8.1. Sean E y F dos espacios vectoriales sobre un mismo cuerpo K, y sea f : E → F
una aplicación. Indicar en qué casos f es una aplicación lineal:

a) E = F = R3 , f (x) = ax, x ∈ R3 y a un número real fijo.

b) E = F = Mn (R), f (A) = (A − At )/2.
c) E = R2 y F = R3 con f (x, y) = (x2 , 0, y).
d) f : R3 → R3 tal que f (x, y, z) = (x + 1, z, y).
e) f : R3 → R3 tal que f (x, y, z) = (x + y − z, z, y + z).

Ejercicio 5.8.2. Sea una aplicación f : Rn → Rm definida por f (x) = Ax, con A ∈ Mm×n (R) fija
y x ∈ Rn . Discutir si f puede ser suprayectiva, inyectiva o biyectiva en los siguientes casos:
a) n = 2, m = 3.
b) n = 3, m = 2.
c) n = m = 3.

Solución. a) Nunca será suprayectiva. b) Nunca será inyectiva. c) Podrı́a ser ambas cosas, y por
tanto biyectiva.

Ejercicio 5.8.3. Sean los espacios vectoriales

 M2 (R) y R3 , y sea la aplicacoón lineal f : R3 →
x x
M2 (R) definido por f (x, y, z) = . Se pide:
0 y

a) Calcular la matriz de f respecto de las bases canónicas.

b) Calcular el rango de f.
 
1 0 0
1 0 0
Solución. a) La matriz pedida es 
0
.
0 0
0 1 0
b) rang(f ) = 2.
TEMA 5. APLICACIONES LINEALES 75

   
1 3 −1 1 3 −1 −2 1
Ejercicio 5.8.4. ¿Pueden representar las matrices A = 3 2 2 1  y B = 2 3 −3 21
1 −4 4 −1 1 0 4 3
a la misma aplicación lineal f : R4 → R3 ?. Justificar la respuesta.
Solución. No. Sólo representan a la misma aplicación lineal las matrices equivalentes y éstas no
lo son, ya que el rango de A es 2 y el rango de B es 3.

Ejercicio 5.8.5. Se considera la aplicación lineal f : R3 → R2 tal que

f (1, 0, 1) = (0, 1)
f (0, 1, 1) = (0, 2)
f (1, 1, 0) = (1, 1)
Se pide:
a) Matriz asociada a f en las bases canónicas.
b) Rango de f . Estudiar la inyectividad de f.
c) Subespacio transformado de V = {x1 + x2 − x3 = 0}

 
1/2 1/2 −1/2
Solución. a) M (f, CR3 , CR2 ) = . b) rang(f ) = 2 =⇒ dim ker(f ) = 1. No
0 1 1
inyectiva. c) f (V ) = L({(0, 1)}).

Ejercicio 5.8.6. Sean E, F y G espacios vectoriales reales, y sean BE = {e1 , e2 , e3 , e4 }, BF =

{s1 , s2 } y BG = {c1 , c2 , c3 , c4 } bases de E, F y G respectivamente. Se consideran los homomorfismos
f : E → F y g : F → G definidos como sigue:
f (e1 ) = 4s1 + s2 , f (e2 ) = 2s1 , f (e3 ) = s1 − 2s2 , f (e4 ) = s1 + s2
g(s1 ) = c1 + 2c2 + c3 , g(s2 ) = c2 + c3 + c4
a) Encontrar la matriz asociada a g ◦ f respecto de las bases BE y BG .

b) Determinar el ker(g ◦ f ) e Im(g ◦ f ) dando unas ecuaciones implı́citas y una base en cada
caso. ¿Es g ◦ f un monomorfismo?.
 
  1 0
4 2 1 1 2 1
Solución. A = M (f, BE , BF ) = y B = M (g, BF , BG ) =  1 1 . Tenemos

1 0 −2 1
0 1
entonces que
   
1 0   4 2 1 1
2 1 4 2 1 1 9 4 0 3
H = M (g ◦ f, BE , BG ) = BA = 1 1 1 0 −2 1 = 5 2 −1 2
  

0 1 1 0 −2 1
TEMA 5. APLICACIONES LINEALES 76

Además:
ker(g
 ◦ f) Im(g
 ◦f)
4x + 2y + z + t = 0 x−y+z =0
Ecuaciones implı́citas
9x + 4y + 3t = 0 3x − y + t = 0
Base {e1 − e3 − 3e4 , 3e2 − 2e3 − 4e4 } {c1 − c3 − 2c4 , c1 + 3c2 + 2c3 + c4 }

Ejercicio 5.8.7. Sean los espacios vectoriales R3 y R4 . Para cada valor real del parámetro a se
define la aplicación lineal fa : R4 → R3 tal que
f (x1 , x2 , x3 , x4 ) = (ax1 + x2 , x1 + ax3 , x1 + x4 )
Se pide:
a) Valores de a para los que fa es inyectivo.
b) Valores de a para los que fa es suprayectivo.
c) Calcular una base de ker(fa ) cuando a = 2.
d) Sea V el subespacio de R4 cuyas ecuaciones implı́citas son x1 = 0 y x3 = 0. Calcular las
ecuaciones implı́citas de fa (V ) para a = 0.
e) Calcular la matriz asociada a fa para a = 1 considerando en R3 la base B = {(1, 0, 1), (0, 1, 1), (1, 1, 0)}
y la base canónica en R4 .
 
a 1 0 0
Solución. Se tiene que A = M (fa , CR4 , CR3 ) = 1 0 a 0 con rang(A) = 3 ∀a ∈ R.
1 0 0 1
a) fa no es inyectiva para ningún valor de a.

b) fa es suprayectiva para todo valor de a.

Im(f ) = L({(a, 1 , 1 ), (1 , 0 , 0 ), (0 , a, 0 ), (0 , 0 , 1 )}) = L({(a, 1 , 1 ), (1 , 0 , 0 ), (0 , 0 , 1 )}) = R3

∀a ∈ R.

 x1 = −aµ
 ax1 + x2 = 0


x2 = a2 µ

c) ker(fa ) = {(x1 , x2 , x3 , x4 ) ∈ R4 : x1 + ax3 = 0 } = {(x1 , x2 , x3 , x4 ) ∈ R4 : }=
x3 = µ
x1 + x4 = 0
 

x4 = aµ

L({(−a, a2 , 1, a)}).

Si a = 2, ker(f2 ) = L({(−2, 4, 1, 2)})

d) V = L({(0, 1, 0, 0), (0, 0, 0, 1)}) =⇒ fa (V ) = L({fa (0, 1, 0, 0), fa (0, 0, 0, 1)}) =⇒ f0 (V ) =

L({(1, 0, 0), (0, 0, 1)}). f0 (V ) ≡ x2 = 0.
   −1  
1 1 0 0 1 0 1 1 1 0 0
e) A = M (f1 , CR4 , CR3 ) = 1 0 1 0 . B = M (f1 , CR4 , B) =  0 1 1  1 0 1 0 .
1 0 0 1 1 1 0 1 0 0 1
TEMA 5. APLICACIONES LINEALES 77

Ejercicio 5.8.8. Sea B0 = {e1 , e2 , e3 } la base canónica de R3 , y la aplicación lineal f : R3 → R3

definida por:
f (e1 ) = e1 , f (e2 ) = e1 + 2e2 + e3 , f (e3 ) = −e1 + e3

a) Hallar la matriz de f respecto de B0 .

b) Determinar la imagen del subespacio V ∩ W siendo

V = {(x1 , x2 , x3 ) ∈ R3 : x1 + x2 − 2x3 = 0}
W = L({(0, 1, 0), (1, 0, −2)})

c) Comprobar que f es inyectiva.

d) Sea la aplicación lineal g = f ◦ f. Determinar la matriz de g respecto de la base u1 = e1 , u2 =
e1 + e2 y u3 = e1 + e2 + e3 .
 
1 1 −1
Solución. a) M (f, B0 ) =  0 2 0  .
0 1 1
b) f (V ∩ W ) = L({(2, 10, 7)}).
    
1 1 −1 1 1 −1 1 2 −2
c) M (g, B0 ) =  0 2 0   0 2 0 = 0 4 0 
0 1 1 0 1 1 0 3 1
 −1   
1 1 1 1 2 −2 1 1 1
Si B = {u1 , u2 , u3 } entonces M (g, B) = 0 1 1  0 4 0  0 1 1 .
0 0 1 0 3 1 0 0 1

Ejercicio 5.8.9. Sean el espacio vectorial real E, con la base BE = {e1 , e2 , e3 , e4 }, el espacio
vectorial G con la base BG = {c1 , c2 , c3 }, y la familia
 de aplicaciones lineales
 fa : E → G cuyas
α α 2 1
matrices asociadas en las bases dadas son Mα =  0 0 1 − α 0  se pide:
1 α 1+α 2−α

a) Calcular el rango de fa ∀α ∈ R y clasificarla.

b) Hallar unas ecuaciones implı́citas de ker(fa ) cuando no sean suprayectivas.
c) Para α = 1 hayar la imagen recı́proca del vector c1 + 3c2 + 4c3 .
Solución. a) ∀α ∈ R − {1}, se tiene que rang(fα ) = 3 y fα es epimorfismo. Para α = 1, se tiene

que rang(f1 ) = 1.

b) ker(f1 ) ≡ x + y + 2z + t = 0.

c) No tiene.
TEMA 5. APLICACIONES LINEALES 78

Ejercicio 5.8.10. Se considera la familia de aplicaciones lineales fa : R3 → R4 , ∀a ∈ R, definidas

de la siguiente forma:

fa (1, 1, 0) = (−1, −a, −1, 0)

fa (0, 0, 1) = (−1, −a, 1 − a, 1)
fa (0, 1, −1) = (a, a2 , a − 1, a − 2)

a) Si B0 y B0′ son las bases canónicas de R3 y R4 respectivamente, hallar A = M (fa , B0 , B0′ ).

b) Discutir el rango de la aplicación fa y clasificarla en función de los valores de a.
c) Determinar cuando a = 1 el núcleo y la imagen de f1 dando en cada caso una base y unas
ecuaciones implı́citas.
d) Hallar f0−1 (0, 1, 1, 0).
   
−1 −1 a  −1 −a a−1 −1
−a −a 2  1 0 0  −a2
′ a  a(a − 1) −a 
Solución. a) M (fa , B0 , B0 ) = 
−1 1 − a 1 0 1  = .
a − 1  −1 0 1 − a
0 1 −1
0 1 a−2 1−a a−1 1
b) ∀α ∈ R − {1, 3}, se tiene que rang(fα ) = 3 y fα es monomorfismo.

Para α = 1, se tiene que rang(f1 ) = 2.

c) Im(f1 ) = L({(1 , 1 , 1 , 0 ), (−1 , −1 , 0 , 1 )}). ker (f1 ) ≡ x = z = 0 .

d)
    
−1 −1 0   0 
x

 
 0 0 0  1 
f0−1 (0, 1, 1, 0) = (x, y, z) : 
   y  =
 
−1 1 −1 1 
z

 
0 1 −2 0
 
  
  x+y =0   2 2 1 
= (x, y, z) : −x + y − z = 1 = − , ,
3 3 3
y − 2z = 0
  

Ejercicio 5.8.11. Sea V el espacio vectorial de los polinomios de grado menor o igual que 1, y sea
f el endomorfismo de V que verifica las condiciones siguienteṡ

f (1 + x) = 2 − x y ker(f ) = Im(f )

a) Encontrar la matriz asociada a f en la base {1, x}.

b) Encontrar una base de f (W ), siendo W el subespacio dado por la ecuación implı́cita a0 +2a1 =
0, con a0 y a1 las coordenadas en la base del apartado a).
c) Calcular la anti-imagen del conjunto {1 + x, 0}.
TEMA 5. APLICACIONES LINEALES 79

Ejercicio 5.8.12. Se considera el espacio vectorial R2 [x], y sea f un endomorfismo definido en

este espacio con las condiciones siguientes:

- Los polinomios sin término independiente se transforman en sı́ mismos.

- Ker(f ) es el subespacio de los polinomios de R2 [x] que tienen 3 coeficientes iguales.

a) Calcular la matriz asociada a f en la base {1, x, x2 }.

b) Encontrar una base del subespacio f (V ) siendo V el subespacio de ecuaciones paramétricas

 x = α − 2β + γ
y = α − 2γ
z = α − 2β


c) Calcular la matriz asociada a f en la base {1 + x + x2 , 1 + x, 1}.

Ejercicio 5.8.13. Sean los espacios vectoriales E = R3 [x] y F = M2 (R). Se considera la aplicación
f : E → F definida por
p(0) p′ (0)
 
f (p(x)) =
p′′ (0) p(1)


a) Encontrar M f, CR3 [x] , CM2 (R) .
b) Obtener la matriz de f respecto de la base

Bp = {x3 + 1, x2 + 1, x + 1, 1}

de E y        
1 0 1 1 1 1 1 1
BM = { , , , }
0 0 0 0 1 0 1 1
de F .
 
1 2
c) Hallar la anti-imagen de la matriz .
3 4

 
a −1
Ejercicio 5.8.14. Sea f un endomorfismo de R2 tal que M (f, CR2 ) = .¿Para qué
a −1
valores de a ∈ R se verifica que ker (f ) = Im (f )?

Ejercicio 5.8.15. Sea R3 [x] el espacio vectorial de los polinomios de grado menor o igual que 3
con coeficientes reales. Sea f : R3 [x] → R3 [x] definida por f (p(x)) = αp(x) + p′ (x) ∀α ∈ R.

a) Probar que f es aplicación lineal.

TEMA 5. APLICACIONES LINEALES 80

b) Hallar ker(f ) e Im(f ) según los valores de α.

c) Suponiendo que α = 1, hallar la matriz asociada a f cuando se considera en R3 [x] la base
B = {2, x + 1, x2 − 1, x3 + 1}.

Ejercicio 5.8.16. Se considera la familia de aplicaciones lineales fa : R2 [x] → R4 , ∀a ∈ R, definidas

del siguiente modo:

fa (1 + x2 ) = (1 + a, 1 + a, 0, 1 + a)
2
fa (x − x ) = (−1 − a, −1 − a, a − 1, −2)
2
fa (x ) = (a, 1, 1, 1)

a) Determinar la matriz asociada a fa en las bases canónicas de los espacios de salida y llegada.
b) Determinar el rango de fa en función de los valores de a.
c) Clasificar en función de los valores de a y determinar en cada caso, el núcleo y la imagen que
corresponda, dando una base y unas ecuaciones implı́citas cuando proceda.
d) Hallar f −1 (0, 0, −1, −1) en función de a.

Ejercicio 5.8.17. Se consideran las aplicaciones lineales fa : R3 → M2 (R) tales que:

 
ax + y + z x + ay − z
fa (x, y, z) = ∀a ∈ R
x + ay + az x + y + z

a) Encontrar A = M (fa , CR3 , CM2 (R) ) y discutir el rango de fa ∀a ∈ R.

b) Determinar en función de los valores de a, el núcleo y la imagen de fa . Clasificar además fa .
       
′ 1 −1 1 0 2 1 −1 3
c) Si B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}, y B = { , , , } son dos
2 1 0 1 0 1 −1 1
bases de R3 y M2 (R) respectivamente, encontrar M (fa , B, B ′ ) y nombrar la relación que existe
entre esa matriz y la matriz A.

3 x+y+z =0
d) Si U = {(x, y, z) ∈ R : }, determinar una base de f1 (U ).
−x + 2z = 0

Ejercicio 5.8.18. Se consideran las aplicaciones lineales fa : R4 → R3 [x], ∀a ∈ R, tales que:

fa (1, 1, 0, 0) = a + 2x2
fa (1, −1, 0, 0) = −a + 2x3
fa (0, 0, 1, 1) = −ax + x2
fa (0, 0, 0, 1) = 1 + ax + x2 − ax3
TEMA 5. APLICACIONES LINEALES 81

a) Encontrar las matrices A = M (fa , CR4 , CR3 [x] ) y B = M (fa , B, CR3 [x] ) siendo

B = {(1, 1, 0, 0), (1, −1, 0, 0), (0, 0, 1, 1), (0, 0, 0, 1)}

y nombrar la relación que hay entre ellas.

b) Discutir el rango de fa en función de a.
c) Determinar en función de los valores de a el núcleo y la imagen de fa ∀a ∈ R y clasificarla.


 x=α+γ
y =α−β

3
d) Si W = {(x, y, z) ∈ R : } determinar una base de f0 (W ).

 z = α + 2β + 3γ
t=0


Ejercicio 5.8.19. Sea la familia de endomorfismos fa : R3 → R3 , ∀α ∈ R, tales que:

fα (1, 1, 1) = (α + 2, α + 1, −2)
fα (0, 1, 1) = (α + 1, α + 1, −3)
fα (1, 0, 1) = (2, 0, −2)

a) Dadas las bases de R3

B0 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

B1 = {(1, 1, 1), (0, 1, 1), (1, 0, 1)}

hallar las matrices A = M (fa , B0 ), B = M (fa , B1 , B0 ) y C = M (fa , B1 ). Escribir y nombrar

las relaciones matriciales que existen entre las matrices A, B y C.
b) Determinar el rango de fα en función de los valores de α.
c) Clasificar en función de los valores de α y determinar el núcleo y la imagen en cada caso,
dando bases y ecuaciones implı́citas siempre que proceda.
d) Encontrar fα−1 (1, 0, −1) en función de los valores de α.
e) Si V = {(x, y, z) ∈ R3 : x − y + z = 0}, determinar fα (V ) en función de los valores de α
dando una base y su dimensión en cada caso.

Ejercicio 5.8.20. Dada la familia de las aplicaciones lineales fa : R4 → R2 [x] ∀a ∈ R, definidas

del modo siguiente

fa (1, 1, 1, 1) = (1 − a)(1 + ax + x2 )
fa (0, 1, 0, −1) = −1 + (1 − a)x + ax2
fa (0, 0, 1, 1) = 1 − x2
fa (0, 0, 0, −1) = x2

se pide:
TEMA 5. APLICACIONES LINEALES 82

a) Si CR4 y CR2 [x] son las bases canónicas correspondientes, escribir la matriz A = M (fa , CR4 , CR2 [x] ).
b) Dadas las bases

B = {(1, 1, 1, 1), (0, 1, 0, −1), (0, 0, 1, 1), (0, 0, 0, −1)}

′
B = {1 + x + x2 , x, 2x2 }

de R4 y R2 [x] respectivamente, encontrar las matrices B = M (fa , B, CR2 [x] ) y C = M (fα , B, B ′ )

y nombrar las relaciones que existen entre las matrices A, B y C.

c) Calcular ∀a ∈ R, el rango de fa y clasificarla.

d) Calcular ∀a ∈ R, la imagen de fa .
e) Encontrar unas ecuaciones implı́citas del subespacio ker(f1 )+ker(f−1 ) y una base de ker(f1 )∩
ker(f−1 ). ¿Son ker(f−1 ) y ker(f1 ) espacios independientes? ¿Son suplementarios? Razonar
la respuesta.
f ) Dado el subespacio 
4 x+y−z−t=0
U = {(x, y, z, t) ∈ R : }
−x + 2z + 2t = 0
encontrar unas ecuaciones implı́citas del subespacio f0 (V ).
g) Calcular f0−1 (1 + x + x2 ).

Ejercicio 5.8.21. Sea el espacio vectorial E = R4 y sea B0 = {e1 , e2 , e3 , e4 } la base canónica de

R4 . Se considera la familia de endomorfismos fa : E → E dados por:

fa (e1 ) = (a, a, 0, 1)
fa (e2 ) = (−1, 1 − a, 2, 0)
fa (e3 ) = (0, 0, 2, 1)
fa (e4 ) = (1, −1, 1, 0)

a) Escribir la matriz A = M (fa , B0 ) y la ecuación matricial de fa . Discutir el rango de fa en

función de los valores de a indicando los casos en los que fa sea de algún tipo especial.
b) Determinar B = M (fa , B ′ ) donde B ′ = {(1, 1, 1, 1), (0, 1, 0, −1), (0, 0, 1, 1), (0, 0, 0, −1)}. Es-
cribir y nombrar la relación entre las matrices A y B.
c) En los casos a = 0 y a = 1 determinar, si procede, la dimensión y una base del núcleo de fa ,
y la dimensión y unas ecuaciones implı́citas de la imagen de fa .
d) ¿Son ker(f0 ) e Im(f0 ) espacios independientes? ¿Son suplementarios? Justificar la respuesta.