Tema Ii. Aplicaciones Lineales

TEMA II.
APLICACIONES LINEALES
1.- APLICACIÓN ENTRE CONJUNTOS
Una correspondencia entre dos conjuntos A y B es una ley que nos permite relacionar los
elementos de A con los de B. Se representa como f: A B.
Así por ejemplo si A = {alumnos de la UNED de Elche} y B = {carreras que se pueden

estudiar} podemos relacionar mediante la ley “f” “estar matriculado”, cada elemento de A con
uno de B. Se escribiría de esta forma: f( Silvia Martínez) = Psicología
La correspondencia recíproca (de B en A), asignaría el nombre de una carrera a todos los
alumnos que la estudian.
Una aplicación es una correspondencia unívoca lo que significa que asocia a todo
elemento de A un solo elemento de B.
En el ejemplo anterior la correspondencia de A a B es aplicación (suponiendo que no haya

nadie matriculado en más de una carrera) mientras que la de B a A no lo sería ya que una
carrera se relacionaría con todos los alumnos matriculados en ella.
En cualquier aplicación, a los elementos del conjunto A se les llama originales y a los del B
imágenes. En el ejemplo anterior, Psicología es la imagen de Silvia Martínez y Silvia
Martínez es original de Psicología
Se define “el conjunto imagen” o “la imagen” de una aplicación como el conjunto de todos
los elementos de B que son imagen de elementos de A. En el ejemplo el conjunto imagen lo
formarían todas las carreras que tuvieran algún alumno matriculado
2.- CLASES DE APLICACIONES
a) Suprayectiva. Una aplicación es suprayectiva si para cualquier elemento y de B

existe al menos un elemento x de A tal que f(x) = y. En este caso el conjunto imagen
es B. Significa que en B no existe ningún elemento que no esté relacionado con al
menos uno de A
b) Inyectiva. Una aplicación es inyectiva si se cumple que dos elementos de A,

distintos, tienen imágenes distintas.
c) Biyectiva. Una aplicación es biyectiva cuando se verifica que es simultáneamente

suprayectiva e inyectiva
3.- APLICACIÓN LINEAL.
Sean E y F dos espacios vectoriales sobre el mismo cuerpo K.
Sea f una aplicación de E en F f: E F. Se dice que es lineal si cumple

estas dos propiedades:
a) f( v + w) = f(v) + f(w)  v, w  E
b) f(  ·v )   · f (v)  v  E    K
1
Ejemplos:
1) f: R3 R2 definida por f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 )
2) f: R2 R3 definida por f ( x1 , x 2 )  ( x1  x 2 , 2 x1 ,  x 2 )
3) f: R3 R4 donde f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 , 3 x1 , x 2  x3 )
Se demostraría, aplicando las propiedades anteriores, que son ejemplos de aplicaciones

lineales
4.- MATRIZ ASOCIADA A UNA APLICACIÓN LINEAL
Sea f una aplicación lineal de E en F y sean B   v1 , v 2 ,....v m  B'   w1 , w2 ,......wn  dos

bases de E y F respectivamente. Para cada vi de B calculamos su imagen f(vi) que estará en
F. Dicho vector se podrá poner como combinación lineal de los vectores de la base B’ de la
siguiente manera f (vi )  a i1 w1  a i 2 w2  ......a in wn donde los a ij constituyen las
coordenadas del vector f(vi) respecto de la base B’. Pues bien dichas coordenadas constituyen
la columna “i” de la matriz asociada a la aplicación lineal dada.
Ejemplo 1 .
Sea la aplicación lineal f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) y sean B y B’ las bases canónicas

de R3 y R2. Calcular la matriz asociada.
Sol: Calculamos:
f( 1, 0, 0 ) = ( 1, 2) = 1 ( 1, 0 ) + 2 ( 0, 1 )
1 0 1
f( 0, 1, 0 ) = ( 0 , – 1) = 0 ( 1, 0 ) – 1 ( 0, 1 ) La matriz sería  2 
 1 0 
f( 0, 0 ,1 ) = ( 1, 0 ) = 1 ( 1, 0 ) + 0 ( 0, 1)
Nótese que los números en negrita están en las columnas de la matriz.
Ejemplo 2 .
Sea la aplicación lineal f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) y sean B la base canónica de R 3 y

B’= {( 2, 1) ( – 1, – 1)}la base de R2. Calcular la matriz asociada.
Sol: Calculamos:
f( 1, 0, 0 ) = ( 1, 2) = a ( 2, 1 ) + b( – 1, – 1 ) de donde a = – 1 b=–3
f( 0, 1, 0 ) = ( 0 , – 1) = a ( 2, 1 ) + b ( – 1, – 1 ) de donde a = 1 b=2
f( 0, 0 ,1 ) = ( 1, 0 ) = a ( 2, 1 ) + b ( – 1, – 1) de donde a = 1 b=1
 1 1 1
En este caso la matriz sería   3 
 2 1

2
Ejemplo 3 .
Sean la aplicación lineal f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) y sean B la base R3

B = {( 3, 2, – 1) ( 2, 0, 2) ( 0, 1, 1)} y B’ la canónica de R2. Calcular la matriz asociada.
Sol: Calculamos:
f ( 3, 2, – 1) = ( 2 , 4) = 2 ( 1, 0 ) + 4 ( 0, 1)
f( 2, 0 , 2 ) = ( 4, 4 ) = 4 ( 1, 0 ) + 4 ( 0, 1)
f( 0, 1, 1 ) = ( 1, – 1 ) = 1( 1, 0 ) – 1 ( 0, 1 )
2 4 1 
La matriz asociada sería  4 
 4  1

Ejemplo 4.
Sea la aplicación lineal f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) y sea B la base R3

B = {(3, 2, – 1) ( 2, 0, 2) ( 0, 1, 1)} y B’= {( 2, 1) ( – 1, – 1)} la base de R 2. Calcular la matriz
asociada.
Sol: Calculamos:
f ( 3, 2, – 1) = ( 2 , 4) = a ( 2, 1 ) + b ( – 1, – 1) de donde a = – 2 b=–6
f( 2, 0 , 2 ) = ( 4, 4 ) = a ( 2, 1 ) + b ( – 1, – 1) de donde a = 0 b=–4
f( 0, 1, 1 ) = ( 1, – 1 ) = a( 2, 1 ) + b ( – 1, – 1 ) de donde a = 2 b=3
 2 0 2
La matriz asociada será   6 
 4 3 
Obsérvese que los ejemplos más sencillos son aquellos en los que la base del espacio
vectorial F es la canónica ya que en este caso la imagen del vector coincide con las
coordenadas del vector respecto de la base.
Nota importante: En el ejemplo 1) de este epígrafe teníamos la aplicación lineal

1 0 1
f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) y su matriz asociada en las bases canónicas  
2 1 0 
Si queremos calcular la imagen de un vector cualquiera por ejemplo el (2, – 1, 4) podemos
utilizar la expresión de f f (2,  1, 4)  [2  4, 2·2  (1)]  (6, 5) ó bien multiplicando la

 2 
1 0 1    6
matriz por el vector en forma de columna   ·   1    obteniendo el mismo
2 1 0    5
 4 
resultado
3
5.- APLICACIÓN LINEAL CANÓNICAMENTE ASOCIADA A UNA MATRIZ
Es el problema contrario a lo anterior. Se trata de, conociendo la matriz asociada a una

aplicación lineal en las bases canónicas, encontrar la expresión algebraica de esta aplicación
2 4  1
 
Supongamos que nos dan una matriz 0 3 1  que es la asociada a una aplicación lineal
1 0 1 
 
f de R3 en R3 referida a las bases canónicas.
Sol: Se trata de calcular la expresión de f ( x1 , x 2 , x3 ) .
Sabemos que: f( 1, 0, 0 ) = ( 2, 0 ,1 ) f( 0, 1, 0 ) = ( 4, 3, 0 ) y f( 0, 0, 1 ) = ( – 1, 1, 1)
Como ( x1 , x 2 , x3 )  x1 (1 , 0 , 0 )  x 2 ( 0, 1, 0 )  x3 ( 0, 0, 1 ) se tendrá que
f ( x1 , x 2 , x3 )  f [ x1 (1 , 0 , 0 )  x 2 ( 0, 1, 0 )  x3 ( 0, 0, 1 )] 
= x1 f (1, 0, 0)  x 2 f (0, 1, 0)  x3 f ( 0, 0, 1 ) = x1 ( 2, 0, 1)  x 2 ( 4, 3, 0)  x3 ( 1, 1, 1) =
= (2 x1  4 x 2  x3 , 3x 2  x3 , x1  x3 ) **** que es la expresión buscada.
Este resultado se puede obtener también multiplicando la matriz dada por el vector
 2 4  1  x1   2 x1  4 x 2  x3 
    
( x1 , x 2 , x3 ) . Veámoslo. Si multiplicamos  0 3 1   x 2  =  3 x 2  x3  que si lo
1 0 1    
   x3   x1  x3 
ponemos como fila obtenemos la expresión ****
6.- NÚCLEO DE UNA APLICACIÓN LINEAL
Sea f una aplicación lineal de E en F. El núcleo de la aplicación lineal lo constituyen todos

aquellos vectores de E que se transforman en el neutro de F ( 0F ). En símbolos:
Ker f   v  E / f (v)  0 F  . Se puede demostrar que en toda aplicación lineal f (0 E )  0 F , es

decir, el elemento neutro de E, se transforma en el neutro de F, por lo que en el núcleo
siempre está el elemento neutro de E. También se demuestra que el núcleo de una aplicación
lineal, es un subespacio vectorial de E
Ejemplo 1.
Calcular el núcleo de la aplicación lineal definida por f ( x1 , x 2 )  ( x1  x 2 , 2 x1 ,  x 2 )
Sol: Como f ( x1 , x 2 )  0 F  ( 0, 0 ,0 ) = ( x1  x 2 , 2 x1 ,  x 2 ) de aquí

x1  x2  0
2 x1
 x2


0
0




de donde x1  0 x 2  0 y el núcleo está formado sólo por el ( 0,
0 ) = 0E
4
Ejemplo 2.
Calcular el núcleo de la aplicación lineal definida por f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 )

Sol: En este caso f ( x1 , x 2 , x3 )  (0 ,0 )  ( x1  x3 , 2 x1  x 2 ) y de aquí
x  x  0 
1
2x  x
1
3
 0
2
 como x3   x1 y x 2  2x1 , el núcleo está formado por los vectores de la
forma ( x1 , x 2 , x3 )  ( x1 , 2 x1 ,  x1 )  x1 (1, 2,  1) es decir lo forman todos aquellos
vectores generados por el ( 1, 2, – 1). Se escribe Ker f = R( 1, 2, – 1)
Se puede comprobar que cualquier vector generado por él, se transforma en el neutro
Ejemplo 3
Sea la aplicación lineal de R3 en R2 definida por f ( x1 , x 2 , x3 )  ( x1  2 x 2 , x1  x 2  x3 )

¿Cuál de los siguientes vectores ( 1, 2, 0 ) ( 1, – 1, 1) ( 2, – 1, 3 ) pertenece al Ker f?
Sol: El vector que pertenezca al Ker f se tiene que transformar mediante la aplicación f, en el
neutro de R 2 . Si calculamos f( 2, – 1, 3 ) = ( 0, 0). Se puede comprobar que los otros dos no
lo verifican
Ejemplo 4
1 2 0 
La matriz asociada a una aplicación lineal en las bases canónicas es 1  1  1 . ¿ Cuál
 
de los siguientes vectores ( 1, 2, 0 ) ( 1, – 1, 1) ( 2, – 1, 3 ) pertenece al Ker f?
Como hemos dicho en la nota anterior, la imagen de un vector, también se puede calcular
 2 
1 2 0     0
multiplicando la matriz por dicho vector. En este caso 1    1    . Por lo
 1  1
  3   0
 
tanto este vector es el que pertenece al núcleo
7.- IMAGEN DE UNA APLICACIÓN LINEAL
Sea f una aplicación lineal de E en F. La imagen de esta aplicación la constituyen todos los
vectores de F que son imagen de al menos un vector de E. En símbolos:
Im g f   y  F /  al menos un x  E / f ( x)  y . Se demuestra al igual que con el núcleo,

que la imagen de una aplicación lineal también es un subespacio vectorial, en este caso de F
8.- Teorema.
La imagen de un sistema generador de E, es un sistema generador de la imagen de f.
5
Ejemplo 1
Sea la aplicación lineal f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) , calcular un sistema generador de la

imagen, así como una base y su dimensión
Sol: Calculamos: f( 1, 0, 0 ) = ( 1, 2) f( 0, 1, 0 ) = ( 0 , – 1) f( 0, 0 ,1 ) = ( 1, 0 )
Como la base canónica es un sistema generador de E, sus imágenes que son los vectores
{(1, 2) ( 0, – 1)( 1, 0)} son un sistema generador de la imagen de f. Si queremos buscar una
base de la imagen tendremos que elegir los que sean linealmente independientes, por ejemplo
{(1, 2) ( 0 , – 1)}. Se escribe Img f = R (1, 2 ) + R( 0, – 1)}
Ejemplo 2
La matriz asociada a una aplicación lineal de R 3 en R3 en las bases canónicas viene dada por
 1 1 0 
 
 2 1 3 . Averiguar la dimensión del subespacio imagen
1 0  1
 
Sol: Sabemos que las columnas de la matriz son las imágenes de la base canónica de R 3, por lo
tanto son un sistema generador de la imagen de f. Para averiguar su dimensión, hemos de ver
cuántos son linealmente independientes. Si observamos la tercera columna, vemos que es
suma de las dos primeras, luego la dimensión es 2. También podíamos haberlo visto
calculando el determinante y comprobando que da 0.
Luego Img f = R( 1, 2, – 1) + R( – 1, 1, 0)}
Ejemplo 3
La matriz asociada a una aplicación lineal de R 4 en R2 en las bases canónicas viene dada por
 2 4 2 6 
  . Averiguar la dimensión del subespacio imagen.
1 2 1  3 
Sol: Las columnas sabemos que generan la imagen. Si las observamos, vemos que son
proporcionales. Luego la dimensión de la imagen de f es 1. Se escribe Img f = R( 2, – 1)
Ejemplo 4
La matriz asociada a una aplicación lineal de R 4 en R3 en las bases canónicas es

1 0 1 1 
 
1 1 2 0 . ¿Cuál de estas ecuaciones representa al subespacio Img f?
1 3 4  2
 
a) y1  y 2  y3  0 b) y1  y 2  3 y 3  0 c) 2 y1  3 y 2  y 3  0 d) 2 y1  3 y 2  y 3  0
Sol: Como los vectores columna son un sistema generador de la imagen y por lo tanto
pertenecen a ella, tendrán que cumplir la ecuación correspondiente. Podemos comprobar que
dichas columnas sólo verifican la ecuación del apartado c)
6
9.- Teoremas
8.1.- f es inyectiva  Ker f   0 E 
8.2.- f es suprayectiva  Im g f  F
En el ejemplo 1 del apartado 5 la aplicación es inyectiva. En el ejemplo del apartado 7 la

aplicación es suprayectiva ya que {( 1, 2) ( 0 , – 1) } es una base de R2
10.- RANGO DE UNA APLICACIÓN LINEAL
El rango de una aplicación lineal es la dimensión del subespacio Img f es decir

rang f = dim ( Img f) . En el ejemplo del apartado 7 rang f = 2
Ejemplo

1 0 1 1 
 
1 1 2 0 . Calcular el rango
1 3 4  2
 
Sol: El rango de una aplicación lineal es la dimensión del subespacio imagen. Sabemos que
las columnas de la matriz son un sistema generador de dicho subespacio. Para saber su
dimensión hemos de calcular las columnas que son linealmente independientes. Como son
vectores de R3, como máximo será 3. Las dos primeras lo son. Veamos si al añadir la tercera
lo son. Para ello calculamos el determinante formado por las tres primeras columnas y vemos
que nos da 0. Probamos ahora con la primera, segunda y cuarta y vemos que también da 0.
Luego sólo hay dos linealmente independientes. El rango es por tanto 2
11.- Teorema.
f es suprayectiva  rang f  dim F
12.- TEOREMA DE LAS DIMENSIONES ( MUY IMPORTANTE)
Si f es una aplicación lineal de E en F se cumple: dim Ker f + dim Img f = dim E
Ejemplo 1
Sea f: R 3 R2 definida por f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) .

Se pide calcular las dimensiones del núcleo y la imagen
Sol: Hemos visto en el apartado 5, ejemplo 2, que el núcleo está formado por los vectores de
la forma ( x1 , x 2 , x3 )  ( x1 , 2 x1 ,  x1 )  x1 (1, 2,  1) es decir lo forman todos aquellos
vectores generados por el ( 1, 2, – 1). Ker f = R ( 1, 2, – 1) y por lo tanto su dimensión es 1.
Como la dimensión de E es 3, por el teorema anterior la dim Img f = 2 para que 1 + 2 = 3
Ejemplo 2
7
f: R2 R3 definida por f ( x1 , x 2 )  ( x1  x 2 , 2 x1 ,  x 2 )
Se pide calcular las dimensiones del núcleo y la imagen
Sol: También en el apartado 5, ejemplo 1, hemos visto que Ker f = ( 0, 0 ) y su dimensión es

0 y como dim R2 = 2 entonces dim Img f = 2 para que 0 + 2 = 2
Ejemplo 3
En el epígrafe 7, ejemplo 1, hemos dicho que la dimensión de la imagen de f es 2. Según este

teorema dim ker f + 2 = 3 y por lo tanto el núcleo es un subespacio de dimensión 1.
Ejemplo 4
En el ejemplo 3 del epígrafe 7 sabemos que dim Img f = 1, por lo tanto dim Kerf + 1 = 4 de
donde dim Ker f = 3
Ejemplo 5

1 0 1 1 
 
1 1 2 0 . ¿ Cuáles son las dimensiones del núcleo y la imagen?
1 3 4  2
 
Sol: Hemos visto en el ejemplo del epígrafe 9 que el rango de la aplicación lineal era 2 y por
lo tanto ésta es la dimensión de la Img f. Haciendo ahora uso del teorema se tendrá:
dim Ker f + dim Img f = dim R4 de donde dim Ker f + 2 = 4 y dim Ker f = 2
13.- MONOMORFISMO, EPIMORFISMO, ISOMORFISMO Y AUTOMORFISMO
a) Un monomorfismo es una aplicación lineal que es inyectiva

b) Un epimorfismo es una aplicación lineal que es suprayectiva
c) Un isomorfismo es una aplicación lineal que es biyectiva
d) Un automorfismo es un isomorfismo con E = F
14.- Caracterización de una aplicación lineal conociendo las imágenes de los vectores de
una base cualquiera
Se trata de encontrar la expresión algebraica de una aplicación lineal conociendo las imágenes
de los vectores de una base cualquiera
Ejemplo
Supongamos una aplicación lineal f de R 3 en R2 y sea una base de R 3 dada por los vectores
B = { ( 1, 1, 0) ( 0, 1, 0) ( 1, 0, 1 )} y conocemos las imágenes de estos vectores que son
8
f( 1, 1, 0) = ( 2, 1 ) f( 0, 1, 0 ) = ( 1, 0 ) y f( 1, 0, 1 ) = ( 1, 2 ). Nosotros queremos saber la
expresión de f ( x1 , x 2 , x3 ) .
Como ( x1 , x 2 , x3 )  x1 (1 , 0 , 0 )  x 2 ( 0, 1, 0 )  x3 ( 0, 0, 1 ) entonces:
f ( x1 , x 2 , x3 )  f [ x1 (1 , 0 , 0 )  x 2 ( 0, 1, 0 )  x3 ( 0, 0, 1 )] 
= x1 f (1, 0, 0)  x 2 f (0, 1, 0)  x3 f ( 0, 0, 1 ) . ***

De aquí sólo sabemos el valor de f( 0, 1, 0) pero no sabemos f( 1, 0, 0 ) ni f( 0, 0, 1 ).
Veamos como lo solucionamos. Para ello ponemos los vectores ( 1, 0, 0 ) y ( 0, 0, 1 ) como
combinación lineal de los vectores de la base dada
( 1, 0, 0 ) = a( 1, 1, 0) + b( 0, 1, 0 ) + c( 1, 0, 1 ) de donde a = 1 b = – 1 c = 0
( 0, 0, 1 ) = a ( 1, 1, 0 ) + b( 0, 1, 0 ) + c ( 1, 0, 1 ) de donde a = – 1 b = 1 c = 1
Si ahora sustituimos en ***
x1 f [1(1, 1, 0)  1(0 ,1, 0 )]  x 2 f (0, 1, 0)  x3 f [ 1(1, 1, 0 )  1(0 ,1, 0 )  1(1, 0 ,1 )]

=
= x1[ ( 2, 1) – ( 1, 0) ] + x2 ( 1, 0 ) + x3 [ – ( 2, 1 ) + ( 1, 0 ) + ( 1, 2 ) ] =
= x1 ( 1, 1 ) + x2 ( 1, 0 ) + x3 ( 0, 1) = ( x1 + x2 , x1 + x3 ) que es la expresión de la
aplicación lineal.
15.- Suma de aplicaciones lineales
Supongamos dos aplicaciones lineales f y g de Rn en Rm cuyas matrices asociadas en unas

determinadas bases son A y B. Entonces la aplicación f + g que se obtiene sumando
componente a componente las aplicaciones f y g tiene como matriz asociada en las mismas
bases la matriz A + B
Ejemplo: Sean f y g dos aplicaciones lineales de R2 en R3 definidas como:
f ( x1 , x 2 )  ( x1  2 x 2 , x1  x 2 , 2 x1  x 2 ) y g ( x1 , x 2 )  ( x1  x 2 , 3x1 , x1  2 x 2 )
1  2
 
La matriz asociada a f en las bases canónicas sería A = 1 1  y la de g sería
2 1 

 1  1
 
B 3 0 .
1 2 

La aplicación f + g sería: ( f  g )( x1 , x 2 )  ( 2 x1  3x 2 ,4 x1  x 2 , x1  3 x 2 ) cuya matriz sería:
2  3
 
C= 4 1  que se comprueba que es la suma de A + B
1 3 
 
9
16.- Composición de aplicaciones
Dada una aplicación lineal “f” de E en F y otra “g” de F en G, se trata de buscar una
aplicación lineal de E en G que se llama aplicación compuesta de f y g y se representa g  f .
Nótese que el espacio vectorial final de la aplicación f ( F) es el espacio vectorial inicial de la
aplicación g.
Para calcular la matriz C asociada a la aplicación compuesta en las bases canónicas se

multiplican las matrices A y B siendo A la matriz asociada a la aplicación g en las bases
canónicas y B la matriz asociada a f en las bases canónicas
Ejemplo 1
Sea la aplicación f de R2 en R3 dada por la expresión
f ( x1 , x 2 )  ( x1  x 2 , x1  x 2 , 2 x1  x 2 ) y sea la aplicación lineal g de R 3 en R3 dada por la

expresión g ( x1 , x 2 , x3 )  ( x1  x3 , x1  x 2  x3 , x1  2 x3 ) . Obtener la expresión de la
aplicación compuesta.
1 1   1 0  1
   
Sol: Sabemos que la matriz B viene dada por 1  1 y la matriz A vale  1 1 1 .
2 1  1 0 2 
   
 1 0  1  1 1   1 0
     
La matriz asociada a la aplicación compuesta es A·B =  1 1 1   1  1 =  4 1
1 0 2   1   1
  2   3 
1 0   x1 
   x1   
y por tanto su expresión sería  4 1   =  4 x1  x 2  es decir:
 3 1  x2   
   3 x1  x 2 
 g  f  x1 , x2     x1 , 4 x1  x 2 , 3x1  x2  *****
También se podría haber hecho aplicando la definición. Quedaría así:
 g  f  ( x1 , x2 )  g  f ( x1 , x2 )  g ( x1  x2 , x1  x2 , 2 x1  x2 )  g (t1 , t 2 , t 3 ) . =
Ahora escribimos la expresión de g aplicada al vector (t1 , t 2 , t 3 )
= (t1  t 3 , t1  t 2  t 3 ,  t1  2t 3 ) y ahora deshacemos el cambio sustituyendo las “t” por su

valor, quedando:
= [ x1  x 2  (2 x1  x 2 ), x1  x 2  x1  x 2  2 x1  x 2 ,  ( x1  x 2 )  2(2 x1  x 2 )] 
   x1 , 4 x1  x 2 , 3x1  x 2  que coincide con *****
Ejemplo 2
Sea f la aplicación de R2 en R2 definida por f ( x1 , x 2 )  (8 x1  2 x 2 , 3 x1  x 2 )
10
Si el vector v = ( 2, – 3) , calcular  f  f  (v)
Sol:  f  f  (v)  f  f (v )  f (4 ,  5)  (22 ,17)
Ejemplo 3
  11  6
La matriz asociada a una aplicación lineal de R2 en R2 viene dada por  18  y sea
 10 
v = ( 2, – 3). Calcular  f  f  f  (v)
  11  6  2    4
Sol:  f  f  f (v) =  f  f  f (v) Pero f(v) =  18       . Quedaría
 10    3  6 
  11  6   4  8 
=  f  f  (  4 , 6)  f  f ( 4 , 6) . Pero f( – 4, 6 ) =  18       y queda
 10   6    12 
  11  6  8    16 
= f( 8, –12 ) =  18       que es el resultado pedido. También se puede
 10    12   24 
  16   2 
poner  24   8  3   8v
   
17.- Rango de una matriz
Es el rango de sus vectores columna, es decir el número de columnas linealmente

independientes ( L.I.)
Ejemplos:
Calcular el rango de las siguientes matrices:
1 1 
 
a) 1  1 . Sol: Como las dos columnas son L.I. el rango es 2
2 1 
 
1 0 1
b)  2  1 0  . Sol: 2. ya que en R2, a lo sumo hay dos vectores L.I. Los dos primeros por
 
ejemplo lo son
 1 0  1
 
c)  1 1 1 . Sol: 3 ya que las tres columnas son L.I.. Se puede comprobar viendo que
 1 0 2 
 
el determinante es distinto de 0
11
 1 0 2 
 
d)  1 1 3  Sol. 2. El determinante vale 0 con lo que no puede ser 3 y además las dos
1 0  2
 
primeras columnas por ejemplo son L.I.
 1 0 2 0
 
e)  1 1 3 2 Sol : 2 . Las dos primeras son L.I. y al intentar ampliar , el
1 0 2 0
 
determinante en los dos casos vale 0
18.- Forma lineal
Partimos de una aplicación lineal de E en F, donde E y F son espacios vectoriales sobre un

cuerpo K. si en lugar de F consideramos K, la aplicación de
f : E K es una forma lineal.
Ejemplo: Sea E = R3 un espacio vectorial sobre un cuerpo K = R. Una forma lineal puede ser
f : R3 R definida por
f ( x1 , x 2 , x3 )  3 x1  x 2  2 x3 ó f ( x1 , x 2 , x3 )  x1  4 x 2  x3 etc. Nótese que la imagen en

este caso es un elemento de R es decir un número.
Al conjunto de todas las formas lineales de E en K es un espacio vectorial que se llama

“espacio dual” y se escribe E* = { f: E K con f forma lineal} = L( E, K )
19.- Base dual
Al ser E* un espacio vectorial, sus elementos que son las formas lineales cumplen todas las
propiedades de serlo. En particular se pueden encontrar bases. Se trata en este epígrafe de:
dada una base del espacio vectorial E, encontrar otra base de E* asociada a ésta y que se
denomina “base dual” de la de E. Se demuestra que si B =  v1 , v 2 ,......v n  es una base de E,
su base dual B '  v1 , v 2 ,.....v n  cumple que:
* * *
vi* (v j )  1 si i = j y vi* (v j )  0 si i  j **
Ejemplo 1
Calcular la base dual de B =  v1 , v 2 , v3  = {( 1, 1, 1) ( 0, – 1, 2) ( – 1, – 1, 0 )}.

Escribimos los vectores  e1 , e2 , e3  de la base canónica de R3 como combinación lineal de
éstos
( 1, 0 , 0 ) = a( 1, 1, 1) + b( 0, – 1, 2 ) + c( – 1, – 1, 0 ) de donde a = – 2 b = 1 c = – 3
( 0, 1 , 0 ) = a( 1, 1, 1) + b( 0, – 1, 2 ) + c( – 1, – 1, 0 ) de donde a = 2 b = – 1 c = 2
( 0, 0 , 1 ) = a( 1, 1, 1) + b( 0, – 1, 2 ) + c( – 1, – 1, 0 ) de donde a = 1 b = 0 c = 1
Es decir:
( 1, 0 , 0 ) = – 2( 1, 1, 1) + 1( 0, – 1, 2 ) – 3( – 1, – 1, 0 ) = – 2 v1  v 2  3v3
12
( 0, 1 , 0 ) = 2( 1, 1, 1) – 1( 0, – 1, 2 ) + 2( – 1, – 1, 0 ) = 2v1  v 2  2v3
( 0, 0 , 1 ) = 1( 1, 1, 1) + 0( 0, – 1, 2 ) + 1( – 1, – 1, 0 ) = v1  v3
Ahora bien dado un vector cualquiera  x1 , x 2 , x3   x1( 1, 0, 0) +x2( 0 ,1, 0) + x3( 0, 0, 1) se

tendrá que:
v1* ( x1 , x 2 , x3 )  v1* [ x1( 1, 0, 0) +x2( 0 ,1, 0) + x3( 0, 0, 1)] = x1· v1* ( 1, 0, 0 ) + x2· v1* ( 0,1,0 ) +
x3· v1* ( 0, 0, 1 ) = x1· v1* [ – 2 v1  v 2  3v3 ] + x2· v1* [ 2v1  v 2  2v3 ] + x3· v1* [ v1  v3 ] =
x1 ·v1* ( 2v1 )  x1 ·v1* (v 2 )  x1 ·v1* ( 3v3 ) + x 2 ·v1* ( 2v1 )  x 2 ·v1* ( v 2 )  x 2 ·v1* ( 2v 3 ) 
x3 ·v1* (v1 )  x3 ·v1* (v3 ) y recordando ** =  2 x1  2 x 2  x3
Análogamente para v 2* y v3*
v 2* ( x1 , x 2 , x3 )  v 2* [ x1( 1, 0, 0) +x2( 0 ,1, 0) + x3( 0, 0, 1)] = x1· v 2* ( 1, 0, 0 ) + x2· v 2* ( 0,1,0 ) +

x3· v 2* ( 0, 0, 1 ) = x1· v 2* [ – 2 v1  v 2  3v3 ] + x2· v 2* [ 2v1  v 2  2v3 ] + x3· v 2* [ v1  v3 ] =
x1 ·v 2* ( 2v1 )  x1 ·v 2* (v 2 )  x1 ·v 2* ( 3v3 ) + x 2 ·v 2* (2v1 )  x 2 ·v 2* ( v 2 )  x 2 ·v 2* ( 2v3 ) 
x3 ·v 2* (v1 )  x3 ·v 2* (v3 ) y recordando ** = x1  x 2
v3* ( x1 , x 2 , x3 )  v3* [ x1( 1, 0, 0) +x2( 0 ,1, 0) + x3( 0, 0, 1)] = x1· v3* ( 1, 0, 0 ) + x2· v3* ( 0,1,0 ) +
x3· v3* ( 0, 0, 1 ) = x1· v3* [ – 2 v1  v 2  3v3 ] + x2· v3* [ 2v1  v 2  2v3 ] + x3· v3* [ v1  v3 ] =
x1 ·v3* ( 2v1 )  x1 ·v3* (v 2 )  x1 ·v3* ( 3v3 ) + x 2 ·v3* ( 2v1 )  x 2 ·v3* ( v 2 )  x 2 ·v3* ( 2v3 ) 
x3 ·v3* (v1 )  x3 ·v3* (v3 ) y recordando ** =  3 x1  2 x 2  x3
Ejemplo 2
Sea B =  v1 , v 2 , v3  una base de un espacio vectorial sobre R y sea B* = v1 , v 2 , v3  la base

* * *
dual de B. Si w es el vector w = 5v1  v 2  3v3 , calcula v1* ( w) ; v 2* ( w) ; v3* ( w)

Sol: v1* (5v1  v 2  3v3 )  5 v1* (v1 ) – v1* (v 2 ) – 3 v1* (v3 ) = 5·1 – 0 – 0 = 5 por definición de
base dual. Análogamente
v 2* (5v1  v 2  3v3 )  5 v 2* (v1 ) – v 2* (v 2 ) – 3 v 2* (v3 ) = 0 – 1 – 0 = – 1
v3* (5v1  v 2  3v3 )  5 v3* (v1 ) – v3* (v 2 ) – 3 v 3* (v 3 ) = 5·0 – 0 – 3·1 = – 3
20.- Ortogonalidad
Sea E un espacio vectorial de dimensión finita y sea E* su espacio dual. Se dice que un
elemento f  E* y un vector v  E son ortogonales si se cumple que f(v) = 0
21.- Aplicaciones afines
Sean E y F dos espacios vectoriales sobre un mismo cuerpo K. Dada una aplicación  de E
en F se dice que es una aplicación afín si existe un vector w de F y una aplicación lineal f de E
en F tal que  x E se cumple que  (x) = w + f(x)
13
Ejemplo: La aplicación  : R2 R2
( x1 , x 2 )  ( x1 , x 2 )  ( x1  x 2  1 , 2)
Es una aplicación afín ya que se puede poner como:
 ( x1 , x 2 )  ( x1  x 2  1 , 2) = (1, 2) + ( x1  x 2 , 0 ) donde el vector w = ( 1 ,2 ) y la

aplicación f es f ( x1 , x 2 ) = ( x1  x 2 , 0 ) que es lineal
PROBLEMAS DE EXAMEN
1.- ¿Cuál de las siguientes aplicaciones es una aplicación lineal?
a) f: R2 ---------  R tal que f(x, y) = xy
b) f: R2 ---------  R2 tal que f(x, y) =(x + y, x)
c) f: R2 ---------  R3 tal que f(x, y) = (x2 , y , z)
d) f: R2 ---------  R3 tal que f(x, y) = (x + 1, 2y, x + y)
Sol: La a) no puede ser por tener el valor absoluto. La c) por tener el cuadrado y por estar mal
definida (en la imagen aparece la z y parte de R2). La d) tampoco es porque el neutro de R2 no
se transforma en el neutro de R3 sino en el (1, 0, 0). La respuesta es la b)
2.- Consideremos la base de R4: B = {(1, 0, 0, 0) (0, 1, 0, 0) ( 0, 0, 1, 0) ( 0, 0, 1, 1)} y sea f
la aplicación lineal de R4 en R3 que verifica:
f( 1, 0, 0, 0) = ( 1, 0, 0) ; f(0, 1, 0, 0) = (1, 1, 4) ; f( 0, 0, 1, 0) = (0,  1,  3) y
f(0, 0, 1, 1) = (1,  1,  2)
Si (x1 , x 2 , x3 , x4 )  R4 entonces f ( x 1 , x 2 , x 3 , x 4 ) vale:
a) ( x 1  x 2  x 4 , x 2  x 3 , 4x 2  3x 3  x 4 )
14
b) ( x 1  x 2  x 4 , x 2  x 3  x 4 , 4x 2  3x 3  2x 4 )
c) ( x 1  x 2  x 4 , x 2  x 3  x 4 , 4x 2  3x 3  2x 4 )
d) ( x 1  x 2  x 4 , x 2  x 3 , 4x 2  3x 3  2x 4 )
Sol: Sabemos que ( x1 , x 2 , x3 , x 4 )  x1 (1, 0, 0, 0) + x2(0, 1, 0, 0) + x3(0, 0, 1, 0) + x4(0, 0, 0, 1)
Entonces f ( x1 , x 2 , x3 , x 4 ) = x1f(1, 0, 0, 0) + x2f(0, 1, 0, 0) + x3f( 0, 0, 1, 0) + x4f( 0, 0, 0, 1)

(*)
Como no sabemos que vale f(0, 0, 0, 1), escribimos este vector en función de la base B
(0, 0, 0, 1) = a(1, 0, 0, 0) + b(0, 1, 0, 0) + c( 0, 0, 1, 0) + d( 0, 0, 1, 1)
de donde a = b = 0 ; c =  1 y d = 1. Por tanto:

f(0, 0, 0, 1) = f[  (0, 0, 1, 0) + (0, 0, 1, 1)] =  (0,  1,  3) + (1,  1,  2) = (1, 0, 1)
En (*) nos queda: f ( x1 , x 2 , x3 , x 4 ) = x1(1, 0, 0) + x2(1, 1, 4) + x3(0,  1,  3) + x4(1, 0, 1) =
= ( x1  x 2  x 4 , x 2  x3 , 4 x 2  3x3  x 4 ) que es la a)
La matriz asociada en las bases canónicas es:
1 1 0 1 1 1 0 1  0 0 0 1 
     
a) 0 1 1 0 b) 0 1 1  1 c) 0 0 1  1 d)
0 4 3 1  0 4 3  2  1 4 3  2 
  
1 0 0 
 
1 1 4 
0 1  3
 
1 1  2 

Sol: Como f( 1, 0, 0, 0) = ( 1, 0, 0) ; f(0, 1, 0, 0) = (1, 1, 4) ; f( 0, 0, 1, 0) = (0,  1, 

3)
1 1 0 1
 
y f(0, 0, 0, 1) = (1, 0, 1) si los colocamos en columnas nos da la matriz 0 1 1 0  que
0 4 3 1
 
es la a)
El subespacio Img f es:

a) ( x 1 , x 2 , x 3 )  R / x 1  0 ; x 2  x 4  0
3
 b) ( 0 ,  ,  ,   )  R 4
/ R 
 
c) ( x 1 , x 2 , x 3 )  R / x 1  0
3
d) R3
15
Sol: Sabemos que las columnas de la matriz son un sistema generador de la Img f.; por tanto
han de cumplir las ecuaciones.
La a) no es correcta porque en las columnas, la primera componente no es 0 más que en la
tercera.
La b) no es correcta ya que las columnas son vectores de R3 y en esta respuesta los escribe de
R4. A la c) le pasa lo mismo que a la a).
La respuesta es la d). También se puede comprobar, viendo que las tres primeras son vectores
L.I. Luego son una base de R3 y este espacio vectorial sería la Img f.
Unas ecuaciones del subespacio Ker f son:
a) x1 = 0 ; x2 = x3 ; x2 =  x4 b) x1 = 0 ; x2 = x3
c) x1 = x2 = x3 = x4 = 0 d) x1 = 0 ; x2 = 0 ; x3 =  x4
Sol: Sabemos que la imagen de un vector del núcleo es el elemento neutro. Veamos cuál es.
0 0
  1 1 0 1    0
 t     t   
Un vector del apartado a) sería de la forma   . Entonces 1
t
0
0
1 0
 t =  0 y
   4 3 1
    0
 
 t   t
   
esta sería la respuesta.
Nótese que la c) también serviría porque la imagen del neutro es el neutro, pero esta ya se da
por supuesta. Sería válida si no hubiera otra cierta
También se podía haber hecho cogiendo la definición de f
f ( x1 , x 2 , x3 , x 4 ) = ( x1  x 2  x 4 , x 2  x3 , 4 x 2  3 x3  x 4 ) , igualarla al neutro (0, 0, 0) y
x1  x2  x4  0 
resolver el sistema: x2  x3  0


0
y de aquí obtenemos: x1 = 0 ; x2 = x3
; x2 =  x4
4 x2  3 x3  x4  
La aplicación lineal f es:
a) Suprayectiva b) Inyectiva c) Automorfismo d) Ninguna de ellas
Sol: Como Img f = R3 es suprayectiva y como Ker f no es el neutro no es inyectiva.
16
Luego es la a).
Para que sea automorfismo ha de ser biyectiva y entre los mismos espacios vectoriales
Si g es la aplicación lineal de R3 en R2 dada por: g( x 1 , x 2 , x 3 )  ( x 1 , x 1  x 2 ) entonces el
segundo vector columna de la matriz asociada a g  f en las bases canónicas es:
a) (1, 1) b) (0, 0) c) ( 1, 0, 4) d) (1, 0)
Sol: Como g( 1, 0, 0) = (1, 1) ; g(0, 1, 0) = ( 0,  1) y g(0, 0, 1) = (0, 0), su matriz
1 0 0
asociada en las bases canónicas es 1  1 0  . La matriz asociada a g  f es:
 
1 1 0 1
1 0 0   1 1 0 1
=   0 1 1 0 =   y la respuesta es la d)
1 1 0
 0
1
 0 1 1

 4 3 1

3.- ¿Cuál de las siguientes aplicaciones es una forma lineal?
a) f: R2 ---------  R tal que f(x1, x2) = x1x2
b) f: R3 ---------  R tal que f(x1, x2, x3) =  x2
c) f: R3 ---------  R tal que f(x1, x2, x3) = 3
d) f: R2 ---------  R tal que f(x1, x2) = x12 + x22
Sol: Por teoría sabemos que una forma lineal es una aplicación f: Rn -------  R definida como
f(x1, x2, ……. xn) = a1x1 + a2x2 +………….+ anxn. Según esta definición la respuesta es la b)
4.- Sea f la aplicación lineal de R3 en R2 definida como: f ( x 1 , x 2 , x 3 )  ( x 1  x 2 , x 1  x 3 )
La matriz asociada a f respecto de las bases canónicas es:
1 0 1 1 1 0   2 0  1
a) 
 0  1 1  b) 
1  c)   d)
   0  1
 1 1 3 
0 1 2 
 
1 3  1 
Sol: Calculamos f(1, 0, 0) = (1, 1) ; f( 0, 1, 0) = (1, 0) y f(0, 0, 1) = (0,  1) que en
17
1 1 0 
columnas nos da la matriz 1 0  que es la b)
  1

La matriz asociada a la aplicación lineal f respecto de las bases:
B = {(1, 0, 0) (0, 1, 0) (1, 1, 1)} y B’ = {(2, 2) (1, 0)} es:
1  1 1 0 1 
 1 0  1   0 0 1 1 0
a)  2 b) c) 2 d)  
 0 1  0 1 2

0 1 1  2  0 1 2
Sol: Como en el espacio de llegada no tenemos la base canónica, las imágenes de los vectores
de la base B se han de escribir como combinación lineal de la base B’ y sus coordenadas,

formarán las columnas de la matriz buscada
1
Calculamos f(1, 0, 0) = (1, 1) = a( 2, 2) + b(1, 0) de donde a = y b=0
2
f( 0, 1, 0) = ( 1, 0) = a( 2, 2) + b(1, 0) de donde a = 0 y b = 1
f( 1, 1, 1) = (2, 0) = a( 2, 2) + b(1, 0) de donde a = 0 y b = 2
1 
 0 0
Estas coordenadas en columnas nos dan la matriz  2  que es la c)
0 1 2
2 0
 1 0 1  
5.- Consideremos las matrices A =   1 2

0 
y B = 0 1  y sea f la aplicación
 1
 0 
lineal de R3 en R2 de matriz asociada A en las bases canónicas y g la aplicación lineal de
R2 en R3 de matriz asociada B en las bases canónicas.
El núcleo de f es:
a) (0, 0, 0) b) {(t,
t
,  t)} c) R(1,
1
) d) Ninguna de las anteriores
2 2
Sol: Las columnas de la matriz A son un sistema generador de Img f.
En este caso son 3 y las dos primeras por ejemplo son L.I. Por tanto dim Img f = 2.
Por el teorema de las dimensiones: dim R3 = dim Img f + dim Ker f ; 3 = 2 + dim Ker f de
 t 
 1 0 1   t   0
donde dim Ker f = 1. La única posible es la c). La probamos:   1 2 0       y esta
   2   0
 t
 
es la respuesta.
18
La imagen de g es:
a) Img g = ( x , y , z )  R / x  2z  0
3
b) Img g = R3
c) Img g = ( x , y , z )  R / x  2y  0
3
d) Img g = {(0, 0)}
Sol: Las columnas de la matriz B han de cumplir la ecuación de la respuesta adecuada. Como
son 2 no puede ser ni la b) ni la d). Sustituyendo vemos que cumple la a)

El núcleo de g f es:

a) Ker (g f) = {(t,
t
,  t)} 
b) Ker (g f) = {(t,
t
) t R }
2 2

c) Ker (g f) = {(0, 0, 0)} d) Ninguna de las anteriores
2 0  2 0 2
   1 0 1  
Sol: Calculamos la matriz asociada a g f :  0
1
1 
1
 2
 = 1
0
  1
2 0
 0
  0 1


Como las columnas de la matriz generan la Img (g f) y solo las dos primeras son L.I.
(se puede comprobar por el determinante que da 0).
Por el teorema de las dimensiones, dim Ker f = 1, la única posible es la a).
 2 0 2  t   0
   t   
Lo comprobamos 1 2 0     0  y es la a)
 1
 0 1

 2   
  t   0
6.- ¿Cuál de las siguientes aplicaciones es una aplicación lineal?
a) f: R2 -------  R tal que f( x1, x2) = 3x1x2
b) f: R2 -------  R3 tal que f( x1, x2) = (x1, x2, x12)
c) f: R2 -------  R2 tal que f( x1, x2) = (x1, x2 + 1)
d) f: R2 -------  R3 tal que f( x1, x2) = (x1, x2, x1)
Sol: Para resolverlo habría que aplicar la definición de aplicación lineal a todas ellas para
comprobarlo. Veamos: La a) es una forma lineal al ser el conjunto final de la aplicación, el
19
conjunto R. La b) no lo es al ser la imagen de una componente un cuadrado. La c) tampoco ya
que la imagen del neutro de R2 ha de ser el neutro y en este caso es el (0, 1).
Por descarte sería la d)
7.- Consideremos la base de R2: B= {(1, 0) (1, 1)} y sea g la aplicación de R2 en R3 que
verifica: g( 1, 0) = ( 1, 0,  2) y g( 1, 1) = (0, 2,  1).
Si ( x1, x2)  R2 entonces g( x1, x2) es igual a:
a) (2x1, 2x2,  2x1 + x2) b) (x1  x2, 2x2,  2x1 + x2)
c) (x1  x2, 2x1,  2x1 + x2) d) (x1  2x2, 2x2,  2x1 + x2)
Sol: Sabemos que: ( x1, x2) = x1(1, 0) + x2(0, 1) y por tanto: g( x1, x2) = g[x1(1, 0) + x2(0, 1)]=
= x1g( 1, 0) + x2g(0, 1) (*). Pero no sabemos qué vale g(0, 1). Para ello hemos de poner el
vector (0, 1) como combinación lineal de la base B de la que sí sabemos sus imágenes.
(0, 1) = a( 1, 0) + b( 1, 1) y de aquí a =  1 y b = 1. Si seguimos en (*) nos quedaría:
= x1g( 1, 0) + x2g(0, 1)= x1( 1, 0,  2) + x2g[  (1, 0) + (1, 1)] =
x1(1, 0,  2) + x2[  (1, 0,  2) + (0, 2,  1)] = x1(1, 0,  2) + x2(  1, 2, 1) =
= (x1  x2, 2x2,  2x1 + x2) que es la b)

 1  1 1 1 
   1 0  2   1 0  2
a)  0 2  b)   c)  2  1 d)  
 2 1 2 1  0 2  1 
 1   0
 2 
Sol: Utilizamos la expresión calculada en la anterior. g( x1, x2) = (x1  x2, 2x2,  2x1 + x2)
Como g( 1, 0) = (1, 0,  2) y g( 0, 1) = (  1, 2, 1) en columnas nos da la a).
Nótese que al ser las bases canónicas las imágenes de los vectores de la base de R2 son las
columnas de la matriz.
La dimensión del Ker f es:
20
a) 0 b) 1 c) 2 d) 3
Sol: Las columnas de la matriz, son un sistema generador de Img f. En este caso son 2 y son
L.I. Por tanto dim Img f = 2.
Por el teorema de las dimensiones: dim R2 = dim Img f + dim Ker f ; 2 = 2 + dim Ker f de
donde dim Ker f = 0 que es la a)

El subespacio Img f es:
a) R3 b) R( 1, 0, 2)
c) R( 1, 0,  2) + R(  1, 2, 1) d) R( 0, 2,  1) + R(2,  2, 0)
Sol: Como dim Img f = 2, las únicas posibles son la c) o la d) y en este caso la c) que son las
columnas de la matriz
La aplicación lineal g es:
a) Inyectiva pero no suprayectiva b) Automorfismo
c) Suprayectiva pero no inyectiva d) Ninguna de las anteriores
Sol: Como dim Ker f = 0 es inyectiva y como dim Img f = 2  3 = dim R3 no es suprayectiva.
Es la a)
8.- Sea f la aplicación lineal de R4 en R3 de matriz asociada en las bases canónicas:
1 1 0 0 
 
0 1 1  1 .
1 1 0 0 

La matriz asociada a f en las bases {(1, 1, 0, 0) ( 0, 0, 1, 0) ( 0, 1, 0, 0) ( 0, 0, 0, 1)} de R4 y
la canónica de R3 es:
1 1 0 0
  1 1 0 0  2 1 0 0 
0 0 1 0    
a) 0 b) 0 1 1  1 c) 1 1 1  1 d)
1 0 0 1

0
  1 0 0  2
 1 0 0 
 0 0 1 
2 0 1 0 
 
1 1 1  1
2 0 1 0 

21
Sol: Como la base de R3 es la canónica, la matriz tiene por columnas las imágenes de los
vectores de la base dada. Calculamos:
1 0
1 1 0 0     2 1 1 0 0    0
  1     0  
f( 1, 1, 0, 0) = 0 1 1  1  0   1 ; f( 0, 0, 1, 0) = 0 1 1  1 1  1
1 1 0 0     2  1 1 0 0     0 
   0   0
   
0  0
1 1 0 0     1 1 1 0 0     0 
  1      0  
f( 0, 1, 0, 0) = 0 1 1  1  0    1 y f( 0, 0, 0, 1) = 0 1 1  1  0     1
1 1 0 0    1 1 1 0 0     0 
  0   1
   
2 0 1 0 
 
Si las ponemos en columnas nos da la matriz 1 1 1  1 que es la d)
2 0 1 0 
 
Unas ecuaciones del subespacio vectorial Img f son:
a) y2 = 0 ; y1 = y3 b) y3  y1 = 0 c) y2  y1 = 0 d) y1 = y2 = y3
Sol: Las columnas de la matriz generan la Img f . Basta ver qué ecuación cumplen: es la b).
Todas las columnas tienen la primera y tercera componente iguales
Una base del subespacio vectorial Ker f es:
a) {(1, 1,  1, 0) ( 1,  1, 0,  1)} b) {(1, 1,  1, 0)}
c) {(  1, 1,  1, 0) ( 1,  1, 0,  1)} d) No tiene base pues Ker f = ( 0, 0, 0, 0)
Sol: Como solo hay dos columnas de la matriz L.I. que son las dos primeras por ejemplo, la
dim Img f = 2. Por el teorema de las dimensiones, dim Ker f = 2.
Las posibles respuestas son la a) o la c)
  1
1 1 0 0     0 1 1 0 0 
   1     
Para saber cuál es calculamos: 0 1 1  1   1   0  y 0 1 1  1
1 1 0 0     0  1 1 0 0 
   0   
 
 1 
   0
  1  
 0    0
   0 
  1
 
22
que son los vectores de la c) porque sus imágenes son el elemento neutro.
La aplicación lineal es:
a) Inyectiva b) Suprayectiva c) Isomorfismo d) Ninguna de las anteriores
Sol: Como Img f  R3 porque su dimensión es 2 no es suprayectiva y como Ker f no es el

neutro no es inyectiva. La respuesta es la d)
9.- Sea f la aplicación lineal de R3 en R2 definida por la forma:
f ( x 1 , x 2 , x 3 )  ( x 1  x 2  x 3 , x 1  x 2 ) y sea g la aplicación lineal de R2 en R definida por:
g( y 1 , y 2 )  y 1  y 2 . Si ( x 1 , x 2 , x 3 )  R 3 entonces  g  f  ( x 1 , x 2 , x 3 ) es igual a:
a) ( 2x 1 , 2x 2 ,  x 3 ) b)  x 3 c) 2x 1  2x 2  x 3 d) x 1  x 2  x 3
Sol: Calculamos:  g  f  ( x1 , x 2 , x3 ) =
g [ f ( x1 , x 2 , x3 ) ] = g ( x1  x 2  x3 , x1  x 2 ) =
Ahora se suman las componentes que es como está definida la g:
x1  x 2  x3  x1  x 2 = 2 x1  2 x 2  x3 que es la c)
10.- Sea f la aplicación lineal de R4 en R3 cuya matriz asociada en las bases canónicas es:
1 2 3 2
 
2 0 2 2
1 2 3 2 

Si ( x 1 , x 2 , x 3 , x 4 )  R 4 entonces f ( x 1 , x 2 , x 3 , x 4 ) vale:
a) ( x 1  2x 2  3x 3  2x 4 , 2x 1  2x 3  2x 4 , x 1  2x 2  3x 3  2x 4 )
b) ( 2x 1  2x 2  3x 3  x 4 , 2x 1  2x 3  2x 4 , 2x 1  2x 2  3x 3  x 4 )
c) ( x 1  2x 2  3x 3  2x 4 , 2x 1  2x 2  x 4 , x 1  2x 2  3x 3  2x 4 )
d) ( x 1  2x 2  3x 3  2x 4 , 2x 1  2x 3  x 4 , 2x 1  2x 2  3x 3  2x 4 )
Sol: Utilizamos la matriz para calcularlo:
f ( x1 , x 2 , x3 , x 4 ) =
23
 x1 
1 2 3 2  
   x2  . Es la a)
2 0 2 2
 x   ( x1  2 x 2  3 x3  2 x 4 , 2 x1  2 x3  2 x 4 , x1  2 x 2  3 x3  2 x 4 )
1 2 
 2 3  3
x 
 4
El rango de la aplicación lineal es decir la dimensión de subespacio vectorial Img f es:
a) 0 b) 1 c) 2 d) 3
Sol: El rango es el número de columnas L.I. Las dos primeras lo son. La tercera es la suma de
las anteriores con lo cual no aumenta . Si cogemos las dos primeras y la cuarta y resolvemos el
determinante, nos da 0, con lo cual el rango es 2 que es la c)
1
a) No tiene ya que Ker f = (0, 0, 0, 0) b) {( 1, 1, 0, 0) ( 1, , 0, 0)}
2
c) {( 1, 1, 1, 0)} d) {( 1, 1,  1, 0) ( 1, 1
, 0,  1)}
2
Sol: Sabemos por el teorema de las dimensiones que dim Ker f es 2. Las respuestas posibles
son la b o la d). Si calculamos mediante la aplicación lineal el valor de:
f( 1, 1,  1, 0) = (0, 0, 0) y f( 1,
1
, 0,  1) = (0, 0, 0) y es la d)
2
Dadas las bases B = {(1, 0, 0, 0) ( 0, 1, 0, 0) ( 0, 0, 1, 0) (0, 0, 1, 1)} y
B’ = {(1, 0, 0) ( 0, 1, 0) ( 1, 0, 1)} de R4 y R3 respectivamente, el cuarto vector columna de
la matriz asociada a f en las bases B y B’ es:
a) ( 0, 4, 5) b) ( 0,  4, 5) c) (0, 0, 1, 1) d) (5, 4, 5)
Sol: Calculamos f(0, 0, 1, 1) = ( 5, 4, 5). Ahora lo ponemos como combinación lineal de los
vectores de la base B’: ( 5, 4, 5) = a( 1, 0, 0) + b( 0, 1, 0) + c( 1, 0, 1) y obtenemos:
a = 0 b = 4 y c = 5 que es la a)
Sea b un número real y sea g la aplicación lineal de R3 en R2 dada por:
24
g(x1, x2, x3) = ( x2  x1, bx3  x1). Si el tercer vector columna de la matriz asociada a g
 f
en las bases canónicas es (  1, 0) entonces se verifica:
a) b = 0 b) b =  1 c) b 1 d) b = 1
Sol: La matriz asociada a g en las bases canónicas es:
g( 1, 0, 0) = (  1,  1) ; g( 0, 1, 0) = ( 1, 0) y g( 0, 0, 1) = ( 0, b) que en columnas nos

da
 1 1 0
la matriz   . La matriz asociada a la aplicación g f es el producto: 
 1 0 b
1 2 3 2
 1 1 0    1 2 1 0 .

 1  2 0 2 2 =  
 0 b
 1 b 1  2  2b  3  3b  2  2b 
 2 3 2 
  1  3 + 3b = 0 y b = 1 que es la d)
Como la tercera columna es  0  . Igualándolas nos da
 
11.- Considérese la aplicación lineal f de R2 en R3 dada por
f ( x 1 , x 2 )  (  x 1  x 2 , 2x 1  3 x 2 , 2 x 1  3x 2 )
Unas ecuaciones de la Img f son:
a)  2x 1  x 2  0 ,  x 2  3x 3  0 b) x 1  x 2  x 3  0
c) x 2  x 3  0 d)  x 2  x 3  0
Sol: La matriz asociada a esta aplicación lineal en las bases canónicas es:
1 1 
 
f(1, 0) = (  1, 2, 2) y f( 0, 1) = ( 1,  3,  3) y la matriz es :  2  3 .
 2  3
 
Estas columnas generan la Img f. La ecuación que cumplen es la d)
12.- Considérese la aplicación lineal f de R2 en R2 dada por:
f ( x 1 , x 2 )  ( 2x 1  2x 2 , 2x 1  3x 2 )
La aplicación f es:
a) Inyectiva pero no suprayectiva b) Suprayectiva pero no inyectiva
25
c) Ni suprayectiva ni inyectiva d) Es un isomorfismo
Sol: La matriz asociada en las bases canónicas es:
2  2
f( 1, 0) = ( 2, 2) y f( 0, 1) = (  2,  3) que en columnas nos da la matriz  
2  3 
Como las dos columnas son L.I. se tiene que dim Img f = 2 que es la dimensión de R2 y por
tanto es suprayectiva. Por el teorema de las dimensiones dim Ker f = 0 y también es inyectiva.
Luego es un isomorfismo que es la d)
13.- Considérese la aplicación lineal f de R2 en R2 dada por
f ( x 1 , x 2 )  ( 2x 1  4x 2 , 2x 1  2x 2 ) . Dadas las bases de R2: B = {(  1, 2) ( 1,  3)} y
B’ = {(  1,  2) (2, 3)}, la matriz asociada a la aplicación lineal f en las bases B y B’

es:
  22 38   1 38    22 38    22  1
a)   b)   c)   d)  
  14  2    14 24    14 24    14 24 
Sol: Calculamos
f(  1, 2) = (  6, 2) = a(  1,  2) + b( 2, 3) de donde a =  22 y b =  14
f(1,  3) = (10,  4) = a(  1,  2) + b( 2, 3) de donde a = 38 y b = 24
  22 38 
que en columnas nos da la matriz   14  que es la c)
 24 
2 0  2 0 2
 1 0 1    
14.- Consideremos las matrices A =   ; B = 0 1 ; C = 1 2 0
1 2 0  1
 0   1
 0 1 
y
sean las aplicaciones lineales f de R3 en R2 de matriz asociada A y g de R2 en R3 de
matriz asociada B, ambas respecto de las bases canónicas.
Una base de Ker f es:
a) ( 1,
1
,  1) b) ( 1,
1
, 1) c) ( 1, 1, 1) d) ( 0, 0, 0)
2 2
26
Sol: La imagen de los vectores del núcleo, se transforman en el neutro.
1
 1 0 1  1  0
Calculamos   1 2 0       y la respuesta es la a). También está la d) pero ésta ya
   2  0
  1
 
se da por supuesta. Sería válida si no estuviese la otra
Unas ecuaciones de Img f son:
a) x + z = 0 b) x  2z = 0 c) x  2y = 0 d) x + y = 0
Sol: Las columnas de la matriz B que es la asociada a g ha de cumplir las ecuaciones de la
imagen. Si sustituimos las columnas vemos que cumplen la b)
Una base de Ker (g  f) es:

a) ( 1,
1
,  1) b) ( 1,
1
) c) ( 1, 1) d) ( 0, 0, 0)
2 2

Sol: La matriz asociada a la aplicación lineal (g f) que va de R3 en R3 es:
2 0  2 0 2
   1 0 1  
0 1   = 1 2 0 .
1 1 2 0  
 0
  1 0 1

Ahora probamos con el vector a) que es el único que se puede multiplicar por tener 3
 2 2  1  0

0
 1  
componentes: 1 2 0     0  . Esta es la respuesta. La d) ya se da por supuesta
 1
 0 1
  2   
  1  0 
La aplicación lineal de matriz asociada C con respecto a las bases canónicas

correspondientes es:

a) f g b) g f c)  
g f g  
d) f g f
Sol: Por la cuestión anterior es la b)
15.- Sean E y F dos espacios vectoriales sobre el mismo cuerpo K, y f una aplicación
lineal de E en F. ¿Cuál de estas afirmaciones no es cierta en general?
a) Si E1 es un subespacio vectorial de E, entonces f(E1) es un subespacio vectorial de F
b) Si F1 es un subespacio vectorial de F, entonces f-1(F1) es un subespacio vectorial de E
27
c) Si ( v1, v2, ……vn) es un sistema libre en E entonces (f(v1), f(v2)…..f(vn)) es un sistema
libre en F
d) Si (f(v1), f(v2)…..f(vn)) es un sistema libre en F entonces ( v 1, v2, ……vn) es un sistema

libre en E
Sol: Es una pregunta teórica. La respuesta es la d)

16.- Sea B = { v1, v2, v3} una base de un espacio vectorial sobre R y sea
B* = { v 1* , v *2 , v *3 } la base dual de B. Si w = 5v 1  v2  3v3, entonces v *3 (w) es igual

a:
a) 1 b)  1 c)  3 d) 5
Sol: Sabemos que la base dual verifica que v *i (vj) = 1 si i = j y 0 si i  j
Entonces:
v *3 (w) = v *3 (5v1  v2  3v3) = 5 v *3 (v1)  v *3 (v2)  3v *3 (v3) = 5·0  1·0  3·1=

 3. Es la c)
B* = { v 1* , v *2 , v *3 } la base dual de B. Si w = 3v2  v1, entonces:
a) v 1* (w) = 3 y v *2 (w) =  1 b) v 1* (w) = 3 y v *3 (w) =  1
c) v 1* (w) =  1 y v *3 (w) = 3 d) v *2 (w) = 3 y v *3 (w) = 0
Entonces:
v 1* (w) = v 1* (3v2  v1) = 3 v 1* (v2)  v 1* (v1) = 3·0  1=  1
v *2 (w) = v *2 (3v2  v1) = 3 v *2 (v2)  v *2 (v1) = 3·1  0 = 3.
v *3 (w) = v *3 (3v2  v1) = 3 v *3 (v2)  v *3 (v1) = 3·0  0 = 0. Es la d)

B* = { v 1* , v *2 , v *3 } la base dual de B. Si w =  (v2  v3) + v3 entonces v *3 (w) es igual

a:
a) 1 b)   c)   +1 d) 0
Entonces:
28
v *3 (w) = v *3 (  v2   v3 + v3) =  v *3 (v2)   v *3 (v3) + v *3 (v3) =  ·0   ·1 + 1=
  +1
Es la c)
19.- Sea f la aplicación lineal de R4 en R3 definida por:
f ( x 1 , x 2 , x 3 , x 4 )  ( x 1  x 3  x 4 , x 2  x 3  x 4 , x 1  3x 2  4 x 3  2 x 4 ) .
Unas ecuaciones del subespacio Img f son:
a) y3  y1  3y2 = 0 ; y2  y1 = 0 b) y1 + 3y2  y3 = 0
c) y3  y1 +3y2 = 0 d) Se verifica que Img f = R3
Sol: Calculamos en primer lugar la matriz asociada a f en las bases canónicas
f( 1, 0, 0, 0) = (1, 0, 1) ; f( 0, 1, 0, 0) = (0, 1, 3) ; f( 0, 0,1, 0) = ( 1, 1, 4) y
1 0 1 1 
 
f( 0, 0, 0, 1) = ( 1,  1,  2) y la matriz es 0 1 1 1
1 3 4  2 

Sabemos que las columnas de la matriz son un sistema generador de la Img f.
No tenemos más que coger las columnas de la matriz y comprobar cuales de ellas verifican las
ecuaciones.
Se comprueba que las columnas cumplen la ecuación b)
Se tiene que rango de f (es decir la dimensión de Img f) es igual a:
a) 1 b) 2 c) 3 d) 4
Sol: Se trata de ver cuantas columnas hay L.I. Las dos primeras lo son.
Vemos que la tercera es la suma de ellas y la cuarta, la resta.
Se puede ver también por determinantes. Por tanto rango de f es 2 que es la b)
Una base de Img f son:
a) {(3,  1, 0) (  1, 0,  1)} b) {(  3,  1, 0) (  1, 0,  1)}
29
c) {(  1, 0,  1)} d) {(1, 0, 0) (0, 1, 0) (0, 0, 1)}
Sol: Como son dos, las únicas posibles son la a) o la b), pero como han de cumplir las
ecuaciones de la imagen, al sustituir los vectores nos da la a)
a) (1, 1,  1, 0) ( 1,  1, 0,  1) b) (1, 0,  2, 0) (  1, 1, 0, 1)
c) (  1,  1, 1, 0) d) Ker f no admite base pues Ker f = ( 0, 0, 0,

0)
Sol: Por el teorema de las dimensiones sabemos que dim Ker f = 2.
Las posibles respuestas son la a) y la b) . Si calculamos las imágenes de estos vectores vemos
que sólo se transforman en el neutro, los de la a) es decir:
f(1, 1,  1, 0) = ( 0, 0, 0) y f( 1,  1, 0,  1) = (0, 0, 0)
Se verifica que es:
a) Suprayectiva b) Inyectiva c) Isomorfismo d) Ninguna de las anteriores
Sol: No es suprayectiva ya que Img f no es R3. No es inyectiva ya que Ker f no es el neutro.
La respuesta es la d)
Consideremos en R4 la base canónica y en R3 la base B = {(1, 0, 0)(0, 1, 1)(1, 0, 1)}. El
tercer vector columna asociado a f en las bases canónica y B es:
a) ( 0, 0, 1) b) ( 1,  2, 3) c) (  2, 1, 3) d) (1, 1, 4)
Sol: Calculamos f( 0, 0, 1, 0) = ( 1, 1, 4) que ponemos como combinación lineal de la base B
(1, 1, 4) = a( 1, 0, 0) + b( 0, 1, 1) + c( 1, 0, 1) y obtenemos a =  2 b=1 y c=3
que es la c)
Si B* = { v 1* , v *2 , v *3 } es la base dual de la base B de R3 de la cuestión anterior, entonces
v *3 (1, 1, 4) es igual a:
a) 3 b) 4 c) 1 d) (0, 0, 1)
Sol: Sabemos que (1, 1, 4) =  2(1, 0, 0) + ( 0, 1, 1) + 3( 1, 0, 1). Entonces:
30
v *3 (1, 1, 4) = v *3 [  2( 1, 0, 0) + ( 0, 1, 1) + 3( 1, 0, 1)] = 0 + 0 + 3·1 = 3 que es la a).
Recuérdese que la base dual solo vale 1 si coinciden los subíndices. En los demás casos vale 0
20.- Sea f la aplicación lineal de R4 en R3 de matriz asociada en las bases canónicas
1 2 0 1
 
4 2 1 0  y sea g la aplicación lineal de R2 en R3 que cumple:
1 2 0 1 

g(1, 2) = ( 1, 0, 1) y g( 1, 1) = (  2, 1, 1)
El subespacio vectorial Ker f es:
a) {(0, 0, 0, 0)} b) R3
c)  (  ,  ,  4  2 ,    2 ) d)  (  4  2 ,    2 ,  ,  )
Sol: Sabemos que las columnas de la matriz generan la Img f. Las dos primeras son L.I.
Probamos las tres primeras para ver si lo son y al hacer el determinante nos da
1 2 0 1 2 1
4 2 1  0. Con la primera, segunda y cuarta nos da 4 2 0  0.
1 2 0 1 2 1
Por tanto sólo hay dos L.I. La dim Img f = 2. Por el teorema de las dimensiones dim Ker f = 2,
lo que descarta de entrada la a) y la b).
Veamos la c):  (  ,  ,  4  2  ,    2  ) =   (1, 0 ,  4 ,  1 )   ( 0 ,1, 2 ,  2 ) .
Este subespacio está generado por estos dos vectores. Si son del núcleo, su imagen es el
neutro. Lo calculamos:
 1   0 
1 2 0 1   0 1 2 0 1   0
   0       1   
4 2 1 0   4  0 y 4 2 1 0  2    0  . La respuesta es la c)
1 2 0 1     1 2 0 1    
   1 0     2  0
   
Las dimensiones respectivas de los subespacios vectoriales Ker f y Img f son:
a) 2 y 2 b) 1 y 3 c) 3 y 1 d) 2 y 3
31
Sol: Ya está contestada en la anterior. Es la a)
La matriz asociada a g en las bases canónicas es:
1  2  5 3 
     1 0 1  5 2 1
a)  0 1  b)  2  1 c)   d)  
1  2 1 1   3 1 0 
 1   1
 0 
Sol: Ponemos los vectores de la base canónica de R2 en función de los vectores ( 1, 2) y ( 1, 1)
(1, 0) = a( 1, 2) + b( 1, 1) de donde a =  1 y b=2
(0, 1) = a( 1, 2) + b( 1, 1) de donde a = 1 y b =  1
Por tanto g( 1, 0) = g[  (1, 2) + 2( 1, 1)] =  ( 1, 0, 1) + 2(  2, 1, 1) = (  5, 2, 1)
g(0, 1) = g[ (1, 2)  (1, 1) ] = (1, 0, 1)  (  2, 1, 1) = ( 3,  1, 0) que puestas en

columnas
 5 3 
 
nos da la matriz  2  1 que es la b)
 1 0 
 
La aplicación lineal g es:
Sol: Como las dos columnas de la matriz anterior son L.I. se cumple que dim Img f = 2 y
como g va de R2 en R3 no es suprayectiva.
Por el teorema de las dimensiones, dim ker f = 0 y la aplicación es inyectiva que es la a)
La aplicación lineal g f es: 

Sol: Teniendo en cuenta que f es una aplicación lineal de R4 en R3 pero g es una aplicación

lineal de R2 en R3 , la aplicación g f no está definida. Es la d)
f (x1 , x 2 , x 3 )  (x1  x 2 ,  x 2 , x1  x 2  x 3 ) .
32
Se considera también la base B = {( 1, 0, 1) ( 2, 1, 1) ( 0,  1, 0)} y su base dual
B* = { v 1* , v *2 , v *3 }
1 1 0 1 0 1 1 0 1 1 1 1
       
a) 0 1 0 b) 1 1 1 c) 1 1 1 d) 1 1 1
1 1 1  0 0 1  1 0 0  1 1 0 
   
Sol: Como es la matriz respecto de las bases canónicas, las imágenes de los vectores de la
base canónica son las columnas de la matriz
f( 1, 0, 0) = ( 1, 0, 1) ; f( 0, 1, 0) = ( 1,  1, 1) y f( 0, 0, 1) = ( 0, 0, 1) que es columnas
1 1 0
 
nos da la matriz 0 1 0 que es la a)
1 1 1
 
El segundo vector columna de la matriz asociada a f en las bases B de R3 y B de R3 es:
a) (5,  1, 0) b) ( 0, 1, 0) c) ( 3,  1, 4) d) ( 0,  1, 0)
Sol: Calculamos f( 2, 1, 1) = ( 3,  1, 4) que hay que poner como combinación lineal de los
vectores de la base B quedando: ( 3,  1, 4) = a( 1, 0, 1) + b( 2, 1, 1) + c( 0,  1, 0)
que nos da el sistema

a
b
a



2b
c
b


 3

1 
4 

de donde a = 5 ; b =  1 y c = 0. Es
la respuesta a)
La aplicación lineal 
f f verifica:
a) No es inyectiva b) No es suprayectiva c) No está definida d) Es un isomorfismo
1 1 0 1 1 0 1 0 0
     
Sol: la matriz asociada a la aplicación f f es:  0
1
1 0 0 1 0 = 0 1 0
 1 1

1
 1 1

2
 1 1

Estas columnas generan la imagen. Como su determinante es distinto de 0 la
dim Img f = 3 y por tanto suprayectiva. Por el teorema de las dimensiones dim Ker f = 0 y la
aplicación es inyectiva. Por tanto es un isomorfismo que es la d)
v3* ( 0, 1, 0) es igual a:
33
a)  1 b) 0 c) 1 d) 2
Sol: Como B* = { v 1* , v *2 , v *3 } es la base dual de B hay que poner el vector ( 0, 1, 0) en
función de los vectores de la base B: ( 0, 1, 0) = a( 1, 0, 1) + b( 2, 1, 1) + c( 0,  1, 0) .
De aquí: a = 0 ; b=0 ; c =  1.
Entonces: v3* ( 0, 1, 0) = v3* [  ( 0,  1, 0)] =  1 que es la a)

[v2* f] ( 2, 1, 1) es igual a:
a)  1 b) 0 c) 1 d) 2
Sol: Calculamos: [v2* f] ( 2, 1, 1) = v2*[f( 2, 1, 1)] = v2*( 3,  1, 4) .


Ahora hay que poner este vector en función de los de la base B
(3,  1, 4) = a( 1, 0, 1) + b( 2, 1, 1) + c( 0,  1, 0) que nos da el sistema

de donde a = 5 ; b =  1 y c = 0.
a  2b  3

b  c  1 
a  b  4 

Entonces v2*( 3,  1, 4) = v2*[ 5(1, 0, 1)  (2, 1, 1)] = 5·0  1·1 =  1 que es la a)
22.- Sea f la aplicación lineal de R3 en R3 cuya matriz asociada en las bases canónicas es
1 1 2
 
0 1 0  . Se considera la base de R3: B = {( 1, 0, 1) (  1, 1, 0) ( 1, 0, 0)} y su base
1 0 2 

dual : B* = { v 1* , v *2 , v *3 }
Se verifica que la aplicación lineal f :
a) Es inyectiva b) Es suprayectiva c) Es un isomorfismo d) Ninguna de ellas
Sol: Las columnas de la matriz generan Img f . Como su determinante es 0 y las dos primeras
columnas por ejemplo son L.I., se tiene que dim Img f = 2. Por el teorema de las dimensiones:
dim R3 = dim Img f + dim Ker f de aquí 3 = 2 + dim Ker f y dim Ker f = 1
Como Img f no es R3 por ser de dimensión 2 no es suprayectiva.
Como Ker f no es de dimensión 0, no es inyectiva. La respuesta es la d)
34
a) 1 y 2 b) 2 y1 c) 0 y 3 d) 3 y 0
Sol: Ya está respondida con la anterior. Es la a)
Una base del subespacio Ker f es:
a) No tiene base pues Ker f = ( 0, 0, 0) b) ( 1, 0, 1) (  1, 1, 0)
c) (  2, 0, 1)) d) La base B es una base de Ker f
Sol: Como dim Ker f = 1, la única respuesta posible es la c).
1 1 2   2  0
     
Lo comprobamos  0 1 0  0    0
1 0 2  1   0
     
[ v1*  f ]( 1, 0, 0) es igual a:
a)  1 b) 0 c) 1 d) Ninguna de las anteriores
 1  1 2  1  1
*
   
Sol: Calculamos [ v1 *
 f ]( 1, 0, 0)= v1 [f( 1, 0, 0)] = v1  0
* 1 0  0   v1  0  que es el
*
 1 0 2  0  1

 
primer vector de la base B. Por tanto su valor es 1 que es la c)
[ v1*  f ]( 0, 1, 0) es igual a:
a)  1 b) 0 c) 1 d) Ninguna de las anteriores
 1  1 2  0    1
    
 f ]( 0, 1, 0)= v 1
*
[f(0, 1, 0)] = v1*
 0 1 0  1   v1  1  que es el
*
 1 0 2  0   0 

 
segundo vector de la base B. Por definición de base dual, su valor es 0 que es la b)
1  1
 
2 0  y sea g la aplicación lineal de R3 en R2 de matriz asociada en las bases
1 1 

1 1 0
canónicas  
1 0 0

35
a) (1,  1) b) ( 1,  1) ( 2, 0) c) ( 2, 0) ( 1, 1) d) No tiene base pues Ker f = ( 0,
0)
Sol: Las columnas de la matriz son un sistema generdor de Img f .
Como hay 2 y son L.I. son base, luego dim Img f = 3.
Por el teorema de las dimensiones, dim Ker f = 0 y la respuesta es la d)
Unas ecuaciones del subespacio vectorial Img f en las variables x , y , z son:
a) x + 2y + z = 0 b) x  y+z=0 c)  x+z=0 d) Ninguna de las

anteriores
Sol: Sólo hay que comprobar qué ecuación verifican las columnas de la matriz. Sustituyendo
nos da la b)
Las dimensiones respectivas de los subespacios Ker f y Img f son:
a) 2 y 1 b) 1 y 2 c) 1 y 1 d) 0 y 2.
Sol: Ya sabemos por las respuestas anteriores que es la d)
La aplicación lineal f g es: 

Sol: La aplicación f g  va de R3 en R3
1  1 0 1 0
  1 1 0  

Calculamos la matriz asociada a f g que es. 2
1
0  
1
 0
 = 2
0
 2
2 0
 1   1 0 
Que es de rango 2. Por el teorema de las dimensiones dim Ker (f g) = 1 


Como dim Ker (f g) = 1 no es inyectiva y como Img (f g)   R3 no es suprayectiva.
Es la d)
La aplicación lineal g  fg es:
Sol: La aplicación g  fg va de R3 en R2
Calculamos la matriz asociada a g  fg que es:
36
1  1
1 1 0   1 1 0 =  2 1 0

1  2 0     
 0 0
 1
1
 0 0
  0 1 0 
 1 
Que es de rango 2. Por el teorema de las dimensiones dim Ker (g  fg ) = 1

Como dim Ker (g  fg ) = 1 no es inyectiva y como Img(g  f  g )  R3 no es
suprayectiva.
Es la d)
f ( x 1 , x 2 , x 3 , x 4 )  (  x 1  2x 2  x 3 , 3x 1  x 2  x 4 )
 3 1 0 1 1 2 1 0 1 2 0 1
a)   b)   c)   d)
1 2 1 0   3 1 0 1   3 1 1 0 
2  1 1 0
 
1 3 0 1 
Sol: Como son las bases canónicas, las columnas de la matriz son las imágenes de los vectores
de la base canónica de R4
f( 1, 0, 0, 0) = (  1, 3) ; f( 0, 1, 0, 0) = ( 2, 1) ; f( 0, 0, 1, 0) = ( 1, 0) y
 1 2 1 0
f( 0, 0, 1, 0) = ( 0, 1) que en columnas nos da la matriz  3  que es la b)
 1 0 1 
a) 2 y 2 b) 1 y3 c) 3 y 1 d) 4 y 0
Sol: Las columnas de la matriz generan la Img f . Como son vectores de R2 podemos
encontrar dos L.I. ( por ejemplo las dos primeras columnas).
Luego dim Img f = 2. Por el teorema de las dimensiones:
dim R4 = dim Img f + dim Ker f y de aquí dim Ker f = 2 que es la a)

a) {(  1, 2, 1, 0) ( 3, 1, 0, 1) ( 0, 0, 0, 0) } b) {(  1, 2, 1, 0) ( 3, 1, 0, 1)}
c) { ( 1, 0, 1,  3) ( 0, 1,  2,  1) ( 1, 1,  1,  4)} d) {( 1, 0, 1,  3) ( 0, 1,  2,
 1)}
37
Sol: Las posibles son la b) y la d). Para comprobarlo calculamos:
f( 1, 0, 1,  3) = ( 0, 0) y f( 0, 1,  2,  1) = (0, 0) y es la d). La b) no lo cumple
Una base del subespacio vectorial Img f es:
a) {(  1, 3) } b) {( 8, 7) ( 7, 8) } c) {( 2, 1)} d) {(  1, 3, ( 2, 1) ( 1, 0)}
Sol: Como sabemos que dim Img f = 2 la única respuesta posible es la b)
Unas ecuaciones del subespacio vectorial Img f en las variables x e y son:
a) 2x + y = 0 b)
x
y


0

0 c)  x + 3y = 0 d) Ninguna de las
anteriores
Sol: Como Img f = R2 los vectores de la imagen no pueden cumplir ninguna de las ecuaciones.
25.- Sea f la aplicación lineal de R3 en R2 cuya matriz asociada en las bases canónicas
 1 1 2
es:   y sea g la aplicación lineal de R 2 en R3 cuya matriz asociada en las bases
 1 0 1 
 1 1
 
canónicas es   1 0  . Sea B* = { v 1* , v *2 , v * 3
3 } la base dual de la base canónica de R .
 1 0 

a) 0 y 3 b) 1 y 2 c) 2 y 1 d) 3 y 0
Sol: Las columnas de la matriz de f son un sistema generador de Img de f. Como son vectores
de R2, a lo sumo puede haber 2 solamente que sean L.I. Los dos primeros por ejemplo lo son.
Por tanto dim Img f = 2. Por el teorema de las dimensiones: Dim R3 = dim Img f + dim Ker f y
de aquí 3 = 2 + dim Ker f de donde dim Ker f = 1. La respuesta es la b)
Las dimensiones respectivas de los subespacios Ker [ f g] y Img[ f g] son:  

a) 1 y 2 b) 2 y 1 c) 1 y 1 d) 0 y 2

Sol: Calculamos la matriz asociada a f g que sabemos que es el producto de ellas
 1 1
1 1 2   0  1 .

 1  1 0 =  
 0 1
  1
2
 1 
 0

38

Esta matriz es la matriz asociada a la aplicación f g. Sus columnas generan la Img[ f g]. 
Como son dos y son L.I. su dimensión es 2 y por el teorema de las dimensiones,

dim Ker [ f g] = 0 que es la d)
La aplicación g  f es :
 1 1
  1 1 2
Sol: Calculamos la matriz asociada a la aplicación g f:  1
 1
0 
 1
 0
=
1

 0

 0 1 3 
 
 1 1  2 .
1 1 2 
 
Si calculamos el rango de esta matriz vemos que su determinante es 0, luego no es 3.
Como las dos primeras columnas son L.I., el rango es 2 y la aplicación no es suprayectiva:
Por el teorema de las dimensiones dim Ker f = 1, y no es inyectiva. La respuesta es la d)
Unas ecuaciones del subespacio vectorial Img g en las variables x, y, z son:
a) x  y + z = 0
x  y  z  0
b) x = 0 c) y + z = 0 d) x  0


 1 1
 
Sol: Los vectores que genera Img g que son las columnas de la matriz   1 0 verifican la
 1 0
 
ecuación de la respuesta c)
[ v1*  g  f]( 1, 1, 1) es:

a) 0 b) 2 c) 3 d) 4
 1
1 1 2  
Sol: [ v1 *
 g  f]( 1, 1, 1) = [ v  g ] f( 1, 1, 1) =
1
*
[ v1*
 g ] 
 1 0

1 
 1  [
 1
v1* g ]
 
 1 1
   2
*
(2, 2) = v1 [g(2, 2)] = v1 *
1 0    v1* ( 4,  2, 2) = v1*[ 4( 1, 0, 0)  2(0, 1, 0) + 2(
 1 0  2
 
0, 0, 1)]
39
= 4·1  2·0 + 2·0 = 4 que es la d)
1 0 1 1 
 
0 1 1  1
1 3 4  2 

Se tiene que rango de f es:
a) 1 b) 2 c) 3 d) 4
Sol: El rango de la matriz es la dim Img f, es decir el número de columnas L.I.
Sabemos que las dos primeras son L.I. al no ser proporcionales. Veamos si lo son las tres
1 0 1
primeras. Calculamos 0 1 1 0. Veamos ahora con las columnas primera, segunda y
1 3 4
cuarta.
1 0 1
0 1 1  0 . Por lo tanto el rango es 2 que es la b)
1 3 2
Una base del Ker f es:
a) {(  1,  1, 1, 0) (1,  1, 0,  1)} b) {(2, 0,  1,  1) (  6, 0, 3,

3)}
c) {(2, 0,  1,  1) (1,  1, 0,  1) (  6, 0, 3, 3)} d) {( 0, 0, 0, 0)}
Sol: Por el teorema de las dimensiones sabemos que Dim R4 = dim Img f + dim Ker f.
De aquí: 4 = 2 + dim Ker f y dim Ker f = 2. Las únicas posibles son la a) y la c)
Como las imágenes de los vectores del núcleo son el neutro, calculamos
  1  1 
1 0 1 1     0 1 0 1 1     0
    1       1  
0 1 1 1  1    0 y  0 1 1 1  0    0 que es la a).
1 3 4  2    0  1 3 4  2     0 
   0     1
   
Unas ecuaciones de Img f en las variables y1 , y2, y3 son:
a) y1 + y2  y3 = 0 b) y1 + y2  3y3 = 0
40
c)  y1  3 y2 + y3 = 0 d) 3y1 + 3 y2  y3 = 0
Sol: Como sabemos que las columnas de la matriz generan la Img f, no tenemos más que
probar cuál de las soluciones verifican estas columnas. La respuesta es la c)
Una base de la Img f es:
a) {(3,  1, 0) ( 0, 1, 3)} b) {( 3, 0, 3) ( 0,  1, 3)}
c) {( 3, 1, 0) ( 0, 1, 3)} d) {( 1, 0, 0) ( 0, 0, 1)}
Sol: La que sea base de la Img f tendrá que verificar la respuesta anterior.
Sustituyendo vemos que es la a)
Se verifica que f es:
a) Suprayectiva b) Inyectiva c) Isomorfismo d) Ninguna de ellas
Sol: No es suprayectiva ya que Img f  R3 y no es inyectiva ya que Ker f  (0, 0, 0, 0).
27.- Consideremos en R4 la base canónica y en R3 la base B = {(1, 0, 0) ( 0, 1, 1) ( 1, 0, 1)}.
El tercer vector columna de la matriz asociada a f en las bases canónica y B es:
a) (1, 0, 1) b) (1, 1,  1) c) (1, 1, 4) d) (  2, 1, 3)
Sol: Cogemos el tercer vector de la base canónica de R4 que es (0, 0, 1, 0) y calculamos su
imagen mediante la matriz de la aplicación:
 0
1 0 1 1    1
   0  
f(0, 0, 1, 0) =0 1 1 1 1  1 .
1 3 4  2     4 
  0
 
Ahora escribimos este vector en función de la base B: a  c  1 
( 1, 1, 4) = a( 1, 0, 0) + b( 0, 1, 1) + c( 1, 0, 1) y de aquí: b  1


de donde
a=  2
b  c  4
b = 1 c = 3 que es la d)
41
 1 0 1 
 
1 1 0  . Se considera la base dual de la base canónica: B* = { v 1* , v *2 , v *3 } y la
 2 2  3 

base de R3: B = {( 1,  1, 0) ( 0, 1,  2) ( 0, 0, 2)}
a) (1,  1,  1) b) ( 1,  1,  1) ( 1, 0,  1)
c) (1,  1, 0) d) No tiene base pues Ker f = ( 0, 0, 0)
Sol: Las columnas de la matriz generan Img f . Como su determinante es distinto de 0, las tres
columnas son L.I. y por tanto dim Img f = 3. Por el teorema de las dimensiones:
dim R3 = dim Img f + dim Ker f de aquí 3 = 3 + dim Ker f y dim Ker f = 0 que es la d)
a) 3 y 0 b) 0 y3 c) 2 y 1 d) 3 y 3
Sol: Ya está respondida con la anterior. Es la b)
El primer vector columna de la matriz asociada a f en las bases B de R3 y BC de R3 es:
a) (0, 1,  2) b) (1, 0, 1) c) ( 0, 1,  1) d) Ninguna de las anteriores
 1 0 1   1   1 
     
Sol: Calculamos f(1,  1, 0) =  1 1 0    1    2  . Ahora este vector se pondría
 2 2  3  0   4 
     
como combinación lineal de los vectores de la base canónica. Pero como las coordenadas son
 1 
 
las mismas, la respuesta es   2 que no se corresponde con ninguna y es la d)
 4 
 
Se verifica que f :
a) No es suprayectiva b) No es inyectiva c) Es un isomorfismo d) Ninguna de ellas
Sol: Como Img f = R3 es suprayectiva y como Ker f = ( 0, 0, 0) es inyectiva. Por tanto es
biyectiva y es un isomorfismo que es la c)
42
[f  f ](2, 1, 0) es igual a:
a) ( 4,  3,  5) b) ( 1, 0, 1) c) ( 4,  3, 0) d) ( 2,  1, 2)
 1 0 1  2    2 
     
Sol: [ f  f ]( 2, 1, 0) = f [ f( 2, 1, 0) ] = f   1 1 0  1    f   1 =
 2  2  3  0    2 
 
 1 0 1   2   4 
     
=  1 1 0    1    3  que es la c)
 2 2  3  2   0 
     
[v2*  f ](2, 1, 0) es igual a:

a)  1 b) 3 c) 4 d) 2
 1 0 1  2    3 
 *
    
 f ]( 2, 1, 0)= v2 [f( 2, 1, 0)] = v2   1
* 1 0  1    v 2*   1 =
 2 2  3  1    1 
 
 3    1   0   0  0
  *
       
= v   1  v 2 3 0   1 1   1 0   3·0  1v 2  1   1·0  1 que es la a)
* *
2
 1    0   0   1  0
   
 1 0 1
  1 1
.
2 
Se consideran también la base dual de la base canónica de R2

B* = ( v1*, v2*) y la base de R2: B = {( 1, 1) ( 0, 1)}
a) 2 y 1 b) 0 y 2 c) 1 y 2 d) Ninguna de las anteriores
Sol: Las columnas de la matriz son un sistema generador de la img f. Como hay dos L.I. la
dimensión de la imagen es 2. Por el teorema de las dimensiones:
dim R3 = dim Img f + dim Ker f. De aquí dim Ker f = 1. La respuesta es la c)
La matriz asociada a f en las bases canónica de R3 y B de R2 es:
43
1  1
2 0 0  1 0 1  1 0 1  
a)   b)   c)   d) 0 1 
0 1 1   2 1 1   1 1 2  1
 2 
1
 1 0 1    1 
Sol: Calculamos f( 1, 0, 0) =   1   0     . Ahora este vector se pone como
 1 2
  0    1
 
combinación lineal de la base B: ( 1,  1) = a( 1, 1) + b( 0, 1) y de aquí a = 1 y b =  2
Análogamente f( 0, 1, 0) = ( 0, 1) = a( 1, 1) + b( 0, 1) y de aquí a = 0 y b = 1
f(0 ,0 ,1 ) = ( 1, 2) = a( 1, 1) + b( 0, 1) y de aquí a = 1 y b = 1
 1 0 1
Los parámetros a y b puestos en columnas nos dan la matriz   2  que es la b)
 1 1
a) Inyectiva b) Suprayectiva c) Isomorfismo d) Ninguna de ellas
Sol: Como dim Img f = 2 entonces Img f = R2 y es suprayectiva.
Como dim Ker f = 1 no es inyectiva. La respuesta es la b)
[v2*  f] (1, 1, 2) es igual a.
a)  3 b) 3 c) 4 d) 2
1
 1 0 1  
Sol: [ v2 *
 f] ( 1, 1, 2) = v 2
*
[f( 1, 1, 2)] = v2 * 
1 1

2 
1 
 2
v2*( 3, 4) =
 
v2* [ 3( 1, 0) + 4( 0, 1)] = 3 v2*( 1, 0) + 4 v2*( 0, 1) = 3·0 + 4·1= 4 que es la c)
Una base del subespacio Ker f es
a) (1, 3,  1) b) (  1, 0, 1)
c) (2, 2,  2) (  1,  1, 1) d) No tiene base pues Ker f = ( 0, 0, 0)
Sol: Sabemos que dim Ker f = 1.
 1 
 1 0 1   0
Probamos con la a y la b)    3     que es la a)
1 1 2     0 
  1
44
f( x1, x2) = ( x1 + x2,  x1,  x1 + 2x2)
La matriz asociada a f en las bases canónicas es:
 1 1  1 1
1 2 2 1 1  1    
a)   b)   c) 1 2 d) 1 0
1 2 0  1 2 0  1
 0  1
 2 
Sol: Como f( 1, 0) = ( 1,  1,  1) y f( 0, 1) = ( 1, 0, 2), en columnas nos dan la matriz

d)
Unas ecuaciones de la Img f en las variables y1 , y2 , y3 son:
a) 2y1  y2 + 3y3 = 0 b) 2y1 + 3y2  y3 = 0
c) 2y1  y2 + 2y3 = 0 d) Se verifica que Img f = R3
Sol: Sabemos que las columnas de la matriz son un sistema generador de la Img f.
No puede ser Img f = R3 porque sólo hay dos columnas y para generar R3 necesitamos 3. La
ecuación que cumplen las columnas es la b)

a) {(1, 1)} b) {(0, 1)} c) {(0, 4)} d) No tiene base ya que Ker f = {(0, 0)}
Sol: Por el teorema de las dimensiones sabemos que dim R2 = dim Img f + dim Ker f. De
aquí: 2 = 2 + dim Ker f. De donde dim Ker f = 0 y la respuesta es la d)
Las dimensiones respectivas de los subespacios Ker f e Img f son:
a) 1 y 2 b) 0 y 2 c) 0 y 3 d) 1 y 1
Sol: Ya está respondida en la anterior. Es la b)
c) Un automorfismo d) Ninguna de las anteriores
Sol: Es inyectiva ya que Ker f = {(0, 0)}. No es suprayectiva ya que Img f no es R3. Es la a)
45
f ( x 1 , x 2 , x 3 , x 4 )  ( x 2  x 3  x 4 , 2x 2  3x 4 , x 1  x 2  x 4 ) .
 0 0 1 
0 1 1  1 1 1 0  1  
     1 2  1
a)  0 2 0  3 b) 0 2 3  3 c)  1 d) Ninguna de
1 0 0 
 1 0 1  1
 2 0 4  
 1

 3 1 
ellas
Sol: Sabemos que en las bases canónicas, la matriz asociada tiene por columnas, las imágenes
de los vectores de la base canónica de R4. Así:
f( 1, 0, 0, 0) = ( 0, 0, 1) ; f( 0, 1, 0, 0) = ( 1, 2,  1) ; f( 0, 0, 1, 0) = ( 1, 0, 0) y
0 1 1 1
 
f( 0, 0, 0, 1) = (  1,  3, 1) . La matriz es 0 2 0  3 que es la a)
1 1 0 1 
 
a) x  y + z = 0 b) 2x  y=0 c) x  2y  z = 0 d) Ninguna de las

anteriores
ecuaciones. Se compraba que las columnas no cumplen ninguna. Es la d)
a) {(0, 1,  1, 0)} b) {(1, 3,  1, 2)}
c) {(0, 3,  1, 0) ( 1, 0,  1, 2)} d) No tiene base ya que Ker f = {( 0, 0, 0)}
Sol: Como la Dim Img f = 3 porque en la matriz hay 3 columnas L.I.. por el teorema de las
dimensiones, 4 = 3 + dim Kerf , de donde dim Ker f = 1. Si probamos entre la a) y la b),
 1 
0 1 1 1    0
   3   
vemos que 0 2 0  3   1   0  y la respuesta es la b)
1 1 0 1     0 
   2 
 
El rango de f es decir la dimensión de la Img f es:
46
a) 1 b) 2 c) 3 d) 4
Sol: Ya hemos dicho antes que es el número de columnas L.I. de la matriz que a lo sumo será
0 1 1
3
3, al ser vectores de R . Si calculamos 0 2 0  2  0 y la respuesta es la c)
1 1 0
a) Suprayectiva b) Inyectiva c) Isomorfismo d) Ninguna de las anteriores
Sol: Se puede comprobar que como dim Img f = 3 = dim R3 es suprayectiva y como
dim Ker f = 1 no es inyectiva. La respuesta es la a)
1 0 1 1 
 
1 1 2 0 
1 3 4  2 

Se tiene que rango de f es:
a) 1 b) 2 c) 3 d) 4
Sol: El rango de la matriz es la dim Img f, es decir el número de columnas L.I. Sabemos que
las dos primeras son L.I. al no ser proporcionales. Veamos si lo son las tres primeras.
1 0 1
Calculamos 1 1 2  0. Veamos ahora con las columnas primera, segunda y cuarta.
1 3 4
1 0 1
1 1 0 0. Por lo tanto el rango es 2 que es la b)
1 3 2
a) {(2, 0,  1,  1) (  6, 0, 3, 3)} b) {(2, 0,  1,  1) ( 1,  1, 0,  1) (  6, 0,

3, 3)}
c) {(  1,  1, 1, 0) (1,  1, 0,  1)} d) {( 0, 0, 0, 0)}
47
Sol: Por el teorema de las dimensiones sabemos que Dim R4 = dim Img f + dim Ker f. De
aquí: 4 = 2 + dim Ker f y dim Ker f = 2. Las únicas posibles son la a) y la c)
Como las imágenes de los vectores del núcleo son el neutro, calculamos:
  1  1 
1 0 1 1     0 1 0 1 1     0
    1       1  
1 1 2 0   1    0  y 1 1 2 0   0    0 que es la c).
1 3 4  2    0  1 3 4  2    0 
   0      1
   
La a) no lo cumple porque además son proporcionales y su dimensión es 1
Unas ecuaciones de Img f en las variables y1 , y2, y3 son:
a) y1 + y2  y3 = 0 b) y1 + y2  3y3 = 0
c) 2y1  3 y2 + y3 = 0 d) 2y1 + 3 y2  y3 = 0
Sol: Como sabemos que las columnas de la matriz generan la Img f, no tenemos más que
probar cuál de las soluciones verifican estas columnas. La respuesta es la c)
a) Suprayectiva b) Inyectiva c) Isomorfismo d) Ninguna de ellas
Sol: No es suprayectiva ya que Img f  R3 y no es inyectiva ya que Ker f  (0, 0, 0, 0).
33.- Consideremos en R4 la base canónica y en R3 la base B = {(1, 0, 0) ( 0, 1, 1) ( 1, 0, 1)}.
El tercer vector columna de la matriz asociada a f en las bases canónica y B es:
a) (1, 0, 1) b) (  1, 2, 2) c) (1, 2, 4) d) (  2, 1, 3)
Sol: Cogemos el tercer vector de la base canónica de R4 que es ( 0, 0, 1, 0) y calculamos su

 0
1 0 1 1    1
   0  
imagen mediante la matriz de la aplicación: 1 1 2 0  1   2 .
1 3 4  2    4 
   0
 
Ahora escribimos este vector en función de la base B: a  c  1 
(1, 2, 4) = a( 1, 0, 0) + b( 0, 1, 1) + c( 1, 0, 1) y de aquí: b
b


2
c  4



de donde:
48
a=  1 b=2 c=2 que es la b)
f(x1, x2) = (  11x1  6x2 , 18x1 + 10x2). Se considera la base B = (v1, v2) de R2 donde:
v1 = (2 ,  3) y v2 = (  1, 2)
  11 18   2  1   11  6
a)   b)   c)   d) Ninguna de las anteriores
 6 10   3  2   18 10 
Sol: Como f( 1, 0) = (  11, 18) ; f( 0, 1) = (  6, 10) estas imágenes en columnas nos
dan
  11  6
la matriz  18  que es la c)
 10 
a) 3 y 0 b) 0 y 2 c) 1 y 1 d) 2 y 0
Sol: Las columnas de la matriz son un sistema generador de la Img f.
En este caso hay 2, L.I., por lo tanto dim Img f = 2.
Por el teorema de las dimensiones, dim Ker f = 0 y la respuesta es la b)
a) No es inyectiva b) Es un isomorfismo c) No es suprayectiva d) Ninguna de ellas
Sol: Como dim Img f = 2 , Img f = R2 y es suprayectiva, como dim Ker f = 0 , es inyectiva y
por tanto un isomorfismo que es la b)
La matriz asociada a f en las bases B de R2 y B de R2 es:
  11 18   2  1   11  6
a)   b)   c)   d) Ninguna de las anteriores
 6 10   3  2   18 10 
Sol: Calculamos
f( 2,  3) = (  4, 6) = a( 2,  3) + b(  1, 2) y de aquí a =  2 y b = 0
f(  1, 2) = (  1, 2) = a( 2,  3) + b(  1, 2) y de aquí a = 0 y b =  2
49
 2 0
que en columnas nos dan la matriz  0  que no es ninguna de ellas. Es la d)
 1 
 
[ f f f ](v1) es igual a:
a)  8v1 b) (0, 0) c) 8v1 d)  6v1
Sol: Calculamos [f  f  f ](v1) =  f  f  f (v1 )   f  f  f ( 2 ,  3 )   f  f  (  4 , 6) 
= f  f (  4 , 6 )  f ( 8 ,  12 )  ( 16 , 24 )  8( 2 ,  3 )  8v1 que es la a)
f(x1, x2) = (  8x1  2x2 , 3x1  x2). Se considera la base B = (v1, v2) de R2 donde:
v1 = (2,  3) y v2 = (  1, 2)
 2  1  8 2   8 3   2  3
a)   b)   c)   d)  
 3 2   3  1   2  1   1 2 
Sol: Como f( 1, 0) = (  8, 3) ; f( 0, 1) = (  2,  1) estas imágenes en columnas nos

dan
 8 2 
la matriz  3  que es la b)
  1

a) 0 y 2 b) 1 y 1 c) 1 y 2 d) 2 y 1
Sol: Las columnas de la matriz son un sistema generador de la Img f.
En este caso hay 2 L.I., por lo tanto dim Img f = 2.
Por el teorema de las dimensiones, dim Ker f = 0 y la respuesta es la a)
a) No es inyectiva b) No es suprayectiva c) Es un isomorfismo d) Ninguna de ellas
Sol: Como dim Img f = 2 , Img f = R2 y es suprayectiva, como dim Ker f = 0 , es inyectiva y
por tanto un isomorfismo que es la c)
50
La matriz asociada a f en las bases B de R2 y canónica de R2 es:
 2  1   10 4   2 0
a)   b)   c)   d) Ninguna de ellas
 3 2   9  5   0 1 
Sol: Calculamos
f( 2,  3) = (  10, 9) ; f(  1, 2) = (4,  5) que en columnas nos dan la matriz
  10 4 
  que es la b)
 9  5 
[ f  f ](v2) es igual a:
a) (0, 0) b) (4,  5) c) (  22, 17) d) Ninguna de ellas
Sol: Calculamos [ f  f ](v2) = f  f (v 2 )  f  f (  1, 2 )  f ( 4 ,  5 )  (  22 ,17 ) que es

la c)
f(x1, x2, x3) = (  x1  x2 + 2x3 , x1  2x2).
Se considera la base B = ( v1, v2) de R2 donde: v1 = (  1, 1) y v2 = ( 0,  1)
1 1 2 1 1 2 1 0 2  2 1 2
a)   b)   c)   d)  
 3 2 1   1 2 0  0 1 0   3 2 0 
Sol: Como f( 1, 0, 0) = (  1, 1) ; f( 0, 1, 0) = (  1,  2) y f( 0, 0, 1) = ( 2, 0) , estas
1 1 2
imágenes en columnas nos dan la matriz  1  que es la b)
 2 0 
a) 0y 2 b) 1 y 1 c) 1 y 2 d) 2 y 1
Sol: Las columnas de la matriz son un sistema generador de la Img f. En este caso hay 2 L.I.,
por lo tanto dim Img f = 2.
Por el teorema de las dimensiones, dim Ker f = 1 y la respuesta es la c)
a) No es inyectiva b) No es suprayectiva c) Es un isomorfismo d) Ninguna de ellas
51
Sol: Como el Ker f es distinto del neutro la aplicación no es inyectiva. Es la a)
La matriz asociada a f en las bases canónicas de R3 y B de R2 es:
 2  1  2  3 1 1  2
a)   b)   c)   d) Ninguna de ellas
 3 2   1 2  0 3  2 
Sol: Calculamos
f( 1, 0, 0) = (  1, 1) = a(  1, 1) + b( 0,  1) de donde a = 1 y b = 0
f( 0, 1, 0) = (  1,  2) = a(  1, 1) + b( 0,  1) de donde a = 1 y b = 3
f( 0, 0, 1) = ( 2, 0) = a(  1, 1) + b( 0,  1) de donde a =  2 y b =  2
1 1  2
Poniendo estos valores en columnas nos da la matriz  0 3  2  que es la c)
 
37.- Consideremos la siguiente base de R3: B = {( 1, 0, 0) ( 0, 1, 1) ( 0, 0, 1)} y sea f la
aplicación lineal de R3 en R2 tal que f( 1, 0, 0) = ( 2, 0) f( 0, 1, 1) = ( 1, 1) y
f( 0, 0, 1) = ( 0, 1).
Si (x1, x2, x3)  R3 entonces f( x1, x2, x3) es igual a:
a) (x1 + x2, x2 + x3) b) (2x1 ,  x2 + x3 ) c) (2x1 + x2, x3) d) (2x1 ,  x2  x3)
Sol: Sabemos que f( x1, x2, x3) = x1f( 1, 0, 0) + x2f( 0, 1, 0) + x3f( 0, 0, 1). (**)
Como no sabemos la imagen de f( 0, 1, 0), escribimos este vector como combinación lineal de
la base dada:
( 0, 1, 0) = a( 1, 0, 0) + b( 0, 1, 1) + c( 0, 0, 1) de donde a = 0 b = 1 y c =  1. Entonces
en
(**) nos queda que f( 0, 1, 0) = f[ ( 0, 1, 1)  ( 0, 0, 1)] = ( 1, 1)  ( 0, 1) = ( 1, 0) y:
f( x1, x2, x3) = x1f( 1, 0, 0) + x2f( 0, 1, 0) + x3f( 0, 0, 1)= x1( 2, 0) + x2( 1, 0) + x3( 0, 1) =
(2x1 + x2, x3) que es la c)
El subespacio Imagen es:
 
a) ( x 1 , x 2 )  R 2 / x 12  x 22  0  
b) ( x 1 , x 2 )  R 2 / x 2  0
c) (0,  ,   )  R 3 /   R d) R2
52
Sol: Los vectores columna de la matriz son un sistema generador de la Img f.
Como estamos en R2 y las dos primeras columnas por ejemplo son L.I. , forman una base de
R2 y por tanto la Img f es R2 que es la d)
La matriz asociada a f en las bases B de R3 y Bc ( base canónica) de R2 es:
2 1 1 2 1 0 2 0 0
a) 
0  b)   c)   d) Ninguna de ellas
 1 1
 0 0 1  0 1 1 
Sol: Como f( 1, 0, 0) = ( 2, 0) f( 0, 1, 1) = ( 1, 1) y f( 0, 0, 1) = ( 0, 1), la matriz es
2 1 0

0  que no es ninguna.
 1 1

Es la d) (Téngase en cuenta que en R2 tenemos la base canónica)
El subespacio vectorial Ker f es:
a) R( 0, 0, 0) b) R(  2, 4, 0) c) R( 1,  2, 0) + R( 0, 0, 1) d) Ninguna de ellas
Sol: Por el teorema de las dimensiones dim Ker f = 1 y si calculamos f(  2, 4, 0) = ( 0, 0).
La respuesta es la b)
a) Automorfismo b) Suprayectiva , no inyectiva
c) Inyectiva, no suprayectiva d) Ninguna de las anteriores
Sol: Como dim Img f = 2 es suprayectiva y como dim Ker f = 1 no es inyectiva. Es la b)
38.- Se considera la aplicación lineal f de R3 en R2 definida por:
f( x1, x2 , x3) = ( x1 + 2x2 , x1  x2  x3). Sea la base de R3: B = {(1, 0, 0) (1, 1, 0) ( 1, 1, 1)}
1 1  1 1
1 2 0     1 2 0 
a)  1 2

2 
b) 2  1 c) 2 2 d)  1 1

 1 
 0 
  1  0
 2 
Sol: Como f( 1, 0, 0) = ( 1, 1) ; f( 0, 1, 0) = ( 2,  1) y f( 0, 0, 1) = ( 0,  1) que

puestas
53
1 2 0 
en columnas nos dan la matriz 1  1  1 que es la d)
 
La matriz asociada en las bases B de R3 y canónica de R2 es:
1 1  1 1 
1 2 0    1 3 3   
a)   b) 2  1 c)   d) 3 0 
1 1  1  0
1
 0  1

  1  3
  1 
Sol: Calculamos f( 1, 0, 0) = ( 1, 1) ; f( 1, 1, 0) = ( 3, 0) y f( 1, 1, 1) = ( 3,  1) que
1 3 3 
puestos en columnas nos dan la matriz 1 0  que es la c)
  1

a) 1 y 2 b) 3 y 0 c) 0 y 3 d) 2 y1
Sol: Como en la matriz asociada hay dos columnas L.I. , la dimensión de Img f = 2.
Por el teorema de las dimensiones, dim Ker f = 1 y la respuesta es la a)
Unas ecuaciones del subespacio Img f en las variables (x, y) son:
a) x + y = 0 b) 2x  y=0 c) y = 0 d) Ninguna de las anteriores
Sol: Tomando las columnas de la matriz y sustituyendo en las posibles ecuaciones, vemos que
no se cumple ninguna. La respuesta es la d)
a) (1, 2, 0) b) ( 1,  1, 1) c) ( 2,  1, 3) d) Ninguna de las anteriores
Sol: La imagen del posible vector ha de valer el neutro de R2.
Si calculamos f( 2,  1, 3) = (0, 0). La respuesta es la c)
1

0 1
. Se considera la base B = (v1, v2) de R2 siendo: v1 = (0,  2) y v2 = (1, 1)
0 2 1 
54
a) 0 y 3 b) 1 y 2 c) 2 y 1 d) 3 y 0
Sol: Los vectores columna de la matriz, son un sistema generador de la Img f.
Como hay dos columnas L.I , la dimensión es 2.
Por el teorema de las dimensiones: dim R3 = dim Img f + dim Ker f.

En este caso 3 = 2 + dim Ker f de donde dim Ker f = 1. La respuesta ha de ser la b)
40.- Consideremos la siguiente base de R3: B = {( 1, 0, 0) ( 0, 1, 1) ( 0, 0, 1)} y sea f la
aplicación lineal de R3 en R2 tal que f( 1, 0, 0) = ( 2, 0) ; f( 0, 1, 1) = ( 1, 1) y
f( 0, 0, 1) = ( 0, 1).
Si (x1, x2, x3)  R3 entonces f( x1, x2, x3) es igual a:
a) (2x1 + x2, x3) b) (2x 1 + x2, x2 + x3) c) (2x1 ,  x2 + x3 ) d) (  2x1 ,  x2 +

x3)
Sol: Sabemos que f( x1, x2, x3) = x1f( 1, 0, 0) + x2f( 0, 1, 0) + x3f( 0, 0, 1). (**)
Como no sabemos la imagen de f( 0, 1, 0), escribimos este vector como combinación lineal de
la base dada:
( 0, 1, 0) = a( 1, 0, 0) + b( 0, 1, 1) + c( 0, 0, 1) de donde a = 0 b = 1 y c =  1. Entonces
en
(**) nos queda que f( 0, 1, 0) = f[ ( 0, 1, 1)  ( 0, 0, 1)] = ( 1, 1)  ( 0, 1) = ( 1, 0) y:
f( x1, x2, x3) = x1f( 1, 0, 0) + x2f( 0, 1, 0) + x3f( 0, 0, 1)= x1( 2, 0) + x2( 1, 0) + x3( 0, 1) =
(2x1 + x2, x3) que es la a)
La matriz asociada a f en las bases B de R3 y Bc ( base canónica) de R2 es:
2 1 0 2 1 0 2 0 0  2 0 0
a)   b)   c)   d)  
0 0 1  0 1 1
 0 1 1   0 1 1 
Sol: Como f( 1, 0, 0) = ( 2, 0) f( 0, 1, 1) = ( 1, 1) y f( 0, 0, 1) = ( 0, 1), la matriz es
2 1 0

0  que es la b) ( Téngase en cuenta que en R2 tenemos la base canónica)
 1 1

El subespacio Imagen es:

a) ( x 1 , x 2 )  R 2 / x 2  0 b)  ( 0,  ,   )  R 3
/ R 
55
 2 x1 
c) ( x 1 , x 2 )  R /  0 d) R2
 2 
Sol: Los vectores columna de la matriz son un sistema generador de la Img f.
Como estamos en R2 y las dos primeras columnas por ejemplo son L.I. , forman una base de
R2 y por tanto la Img f es R2 que es la d)

Unas ecuaciones del subespacio Ker f son:
a) 2x1 + x2 = 0 ; x3 = 0 b) x1 = 0 ; x2 = 0 ; x3 = 0
c) 2x1 + x2 = 0 ;  2x1 + x3 = 0 d) x1  x3 = 0
Sol: Sabemos que si un vector pertenece al núcleo, su imagen vale 0.
La imagen de un vector viene dada por la expresión: f( x1, x2, x3) = (2x1 + x2, x3) .
Si esta imagen la igualamos al vector nulo queda (2x1 + x2, x3) = ( 0, 0) y de aquí
2x1 + x2 = 0 ; x3 = 0 que es la a)
a) Suprayectiva pero no inyectiva b) Automosfismo
c) Inyectiva pero no suprayectiva d) Ninguna de las anteriores
Sol: Como Img f = R 2 es suprayectiva y como Ker f no es el vector nulo, no es inyectiva. La
respuesta es la a)
f ( x 1 , x 2 , x 3 , x 4 )  ( x 2  2 x 3  2 x 4 , x 1  x 2  3x 3  2 x 4 , 2 x 1  2 x 2  6 x 3  4 x 4 ) .
1 1 2
1 1 3 2 0 1 2 2  
    1 1 2
a)  0 1 2 2 b) 1 1 3 2 c) 2 d) Ninguna de ellas
2 3 6
 2 6 4  2
 2 6 4  
2

 2 4 
Sol: Sabemos que en las bases canónicas, la matriz asociada tiene por columnas, las imágenes
de los vectores de la base canónica de R4. Así:
56
f( 1, 0, 0, 0) = ( 0, 1, 2) ; f( 0, 1, 0, 0) = ( 1, 1, 2) ; f( 0, 0, 1, 0) = ( 2, 3, 6) y
f( 0, 0, 0, 1) = ( 2, 2, 4) . La matriz es la b)
a) y 3  2y 2  0 ; y 1  0 b) y 2  y 1  0 ; y 1  0 c) y 2  y 1  0 d) y 3  2y 2  0
ecuaciones. La única ecuación que las cumple es la d)
a) {(1, 2, 1, 0)} b) {(1, 2, 1, 0) (0, 2, 0, 1)}
c) {(1, 2,  1, 0) (0, 2, 0,  1)} d) No tiene base pues Ker f = ( 0, 0, 0, 0)
Sol: Como en la matriz sólo hay dos columnas L.I., la dimensión de Img f = 2.
Por el teorema de las dimensiones: Dim R4 = dim Img f + dim Ker f.
De aquí Dim Ker f = 2 y las posibles respuestas son la b) y la c).
Como la imagen de los vectores del núcleo es el neutro, sustituimos estas respuestas en:
f ( x1 , x 2 , x3 , x 4 )  ( x 2  2 x3  2 x 4 , x1  x 2  3 x3  2 x 4 , 2 x1  2 x 2  6 x3  4 x 4 ) y obtenemos:
f( 1, 2,  1, 0) = ( 0, 0, 0 ) y f(0, 2, 0,  1) = ( 0, 0, 0) que es la c)
El rango de f ( es decir la dimensión de Img f ) es:
a) 1 b) 2 c) 3 d) 4
Sol: Como sólo hay dos columnas de la matriz L.I. la dimensión es 2
Sol: Como dim Img f = 2 y no es suprayectiva ( tendría que ser 3).
Como dim ker f = 2, luego no es inyectiva ( tendría que ser 0).
57
Sea g la aplicación lineal de R3 en R2 tal que: g( 1, 0, 0) = ( 1, 0) ; g( 0, 1, 0) = ( 1, 1) y
g( 1, 0, 2) = ( 0, 0). Entonces [ g  f] ( 1, 0, 0, 0) es igual a:
a) (1, 0) b) ( 0, 1) c) ( 0, 1, 2) d) (  1, 1, 1)
Sol: [ g  f] ( 1, 0, 0, 0) = g[f( 1, 0, 0, 0)] = g( 0, 1, 2)
Como no sabemos la imagen por g del vector (0, 1, 2) lo ponemos como combinación lineal
de los vectores de los que sí sabemos su imagen.
(0, 1, 2) = a( 1, 0, 0) + b( 0, 1, 0) + c( 1, 0, 2) de donde a =  1 ; b=1 ; c=1
Luego g( 0, 1, 2) = g[  ( 1, 0, 0) + ( 0, 1, 0) + ( 1, 0, 2)] =  ( 1, 0) + ( 1, 1) + ( 0, 0) = ( 0,
1)
que es la b)
1

0 1
. Se considera la base B = (v1, v2) de R2 siendo: v1 = (0,  2) y v2 = (1, 1)
0 2 1 
a) (  2, 1, 2) (0, 1, 0) b) No tiene base puesto que Ker f = {(0, 0, 0)}
c) (1, 0, 1) (0,  2, 1) d) (  2, 1, 2)
Sol: Los vectores columna de la matriz, son un sistema generador de la Img f. Como hay dos
columnas L.I , la dimensión es 2.
Por el teorema de las dimensiones: dim R3 = dim Img f + dim Ker f.
En este caso 3 = 2 + dim Ker f de donde dim Ker f = 1. La respuesta ha de ser la d). Además
  2
1 0 1  
que nos sirve de comprobación.
   1    0 0
0 2 1  
 2 
Se podía haber hecho probando estos productos con los vectores de las soluciones
a) Inyectiva b) Suprayectiva c) Un isomorfismo d) Ninguna de ellas
Sol: Com dim Img f = 2 = dim R2 , es suprayectiva.
58
No es inyectiva y por tanto no es isomorfismo ya que Ker f  ( 0, 0, 0). La respuesta es la b)
La matriz asociada a f en las bases canónicas de R3 y B de R2 es:
1 1 0 1  1 
1

0 1
 1   0 1  1 0
a) b) c) 2 d) 2
0 2 1   0 1  
2  1 1 0 1 0 1
1
1 0 1  
Sol: Calculamos f( 1, 0, 0) =    0   1 0   a ( 0 ,  2 )  b ( 1,1 )
0 2 1  
 0
1
de donde a = y b=1
2
 0
1 0 1  
Análogamente f( 0, 1, 0) =   1  0  2   a ( 0 ,  2 )  b ( 1, 1 )
0 2 1  
 0
de donde a = 1 y b = 0
0
1 0 1  
Por último f( 0, 0, 1) =    0   1 1  a ( 0 ,  2 )  b( 1,1 ) .De aquí a = 0 y
0 2 1  
1
b=1
La matriz pedida está formada por estas coordenadas puestas en columnas.
1 
 1 0
Es  2  que es la d)
1 0 1
43.- Consideremos la base B = {(1, 0, 0)(0, 1, 1) (0, 0, 1)} de R3 y sea f la aplicación lineal
de R3 en R2 tal que: f(1, 0, 0) = (2, 0) ; f(0, 1, 1) = (1, 1) y f(0, 0, 1) = (0, 1). Entonces la
matriz asociada en las bases canónicas es:
2 1 0 2 1 0 2 0 0  2 0 0
a)   b)   c)   d)  
0 1 1
 0 0 1  0 1 1   0 1 1 
Sol: Las columnas de dicha matriz son las imágenes de los vectores de la base canónica de R 3.
 2 0
Por lo tanto la primera columna es  0  , la tercera es  1  ; pero la segunda no la sabemos
   
porque no tenemos f( 0, 1, 0). Para ello, ponemos dicho vector en función de la base B, o sea:
( 0, 1, 0) = a( 1, 0, 0) + b( 0, 1, 1) + c( 0, 0, 1) de donde a = 0 b = 1 y c =  1 .
59
Por tanto: f( 0, 1, 0) = f  ( 0 ,1,1 )  ( 0 , 0 ,1 )  f( 0, 1, 1)  f( 0, 0, 1) = ( 1, 1)  ( 0,
1) = ( 1, 0)
que es la columna que faltaba. La respuesta es la b)

a) 0 y 3 b) 1 y 2 c) 2 y 1 d) 3 y 0
Sol: Sabemos que las columnas de la matriz asociada, constituyen un sistema generador de la
Img f. Como son vectores de R2, tomando por ejemplo las dos primeras columnas ya tenemos
una base de R2 que es la Img f.
Luego la dimensión de la Img f es 2 y por el teorema de las dimensiones se ha de cumplir que
dim R3 = dim Ker f + dim Img f. De donde Dim Ker f = 1. La respuesta es la b)
a) {(  1, 2, 0) (1,  2, 0)} b) {(0, 1, 0)}
c) {(  1, 2, 0)} d) No tiene base pues Ker f = {( 0, 0, 0)}
Sol: Sabemos que el núcleo es de dimensión 1. Las únicas respuestas son la b ó la c).
Aplicamos la matriz a cada uno de los vectores para ver quien de ellos se transforma en el
 0   1
2 1 0   1 2 1 0    0
neutro    1     y    2     . La respuesta es la c)
0 0 1   0  0 0 0 1     0 
   0 
La aplicación lineal f verifica:
a) Es suprayectiva b) Es inyectiva c) Es un automorfismo d) Ninguna de ellas
Sol: Como Img f = R2 , es suprayectiva, pero como Ker f  {(0,0,0} no es inyectiva.
No es automorfismo por no ser isomorfismo y ser los espacios vectoriales distintos. Es la a)
1 0 1
  y considérese la base B = ( v1 , v2) de R2 formada por los vectores v1 = ( 1, 0)
0 2 1 
y v2 = ( 1, 1)
60
a) 0 y 3 b) 1 y 2 c) 2 y 1 d) 3 y 0
Sol: Las columnas de la matriz son un sistema generador de la Img f. Como son vectores de
R2 sólo puede haber a lo sumo dos linealmente independientes.
Las dos primeras columnas por ejemplo lo son. Luego dim img f = 2.
Por el teorema de las dimensiones dim Ker f = 1 que es la b)
a) {(– 2, 1, 2) ( 0, 1, 0)} b) {(1, 0, 1)}
c) {(– 2, 1, 2) } d) No tiene base pues Ker f = {( 0, 0, 0)}
Sol: Como la dimensión del Ker f es 1 las dos únicas respuestas posibles son la b) o la c)
1   2
1 0 1    2  1 0 1   0
Para averiguarlo calculamos 
0   0     ;    1     y la
 2 1
 1 1
0
 2 
1   0
   2 
respuesta es la c)
La matriz asociada a f en las bases canónica de R3 y B de R2 es:
1 0 1 1 2 0 1 2 0 1 0 2 
a)   b)   c)   d)  
0 2 1  0 2 1  0 2 1  0 1  2 
1 0 1
Sol: Por la matriz  0  que es la asociada a las bases canónicas, sabemos que
 2 1

f( 1, 0, 0) = ( 1, 0) ; f( 0, 1, 0) = ( 0, – 2) y f( 0, 0, 1) = (1, 1).
Como ahora en R2 tenemos la base B, hemos de poner estas imágenes en función de la base
B. Las coordenadas serán las nuevas columnas. Así
(1, 0) = a(1, 0) + b(1, 1) de donde a = 1 y b = 0
(0, – 2) = a(1, 0) + b(1, 1) de donde a = 2 y b = – 2
(1, 1) = a(1, 0) + b(1, 1) de donde a = 0 y b = 1
61
1 2 0
La matriz será  0  2 1  que es la b)
 
* *
Si ( v 1 , v 2 ) es la base dual de la base B, la imagen del vector ( 1, 1, 1) por la aplicación
v 1*  f es igual a:
a) 3 b) 1 c) – 1 d) (2, – 1)
 1
*  1 0 1 
Sol: Calculamos (v *
1  f)( 1, 1, 1) = *
v
1  f ( 1,1,1 ) = 1 
v
0 2
1  v1* ( 2 ,  1 ) .
1 
 1
(**)
Ahora ponemos el vector (2 , – 1) en función de la base B
( 2, – 1) = a( 1, 0) + b( 1, 1) de donde a = 3 b = – 1. Seguimos en (**)
v1* ( 2 ,  1 )  v1*  3( 1, 0 )  1( 1,1 ) = 3v1* ( 1, 0 )  v1* ( 1,1 ) = 3·1 – 0 = 3 que es la a)
62
EXAMENES GRADO
1.- Consideremos la base B = {(1, 0, 0)( 0, 1, 1) ( 0, 0, 1)} de R3 y sea f la aplicación lineal
de R3 en R2 tal que: f( 1, 0, 0) = ( 2, 0) ; f( 0, 1, 1) = ( 1, 1) y f( 0, 0, 1) = ( 0, 1). Entonces
la matriz asociada en las bases canónicas es:
2 1 0 2 1 0 2 0 0  2 0 0
a)   b)   c)   d)   (Enero
0 1 1
 0 0 1  0 1 1   0 1 1 
2011)
Sol: Las columnas de dicha matriz son las imágenes de los vectores de la base canónica de R 3.
 2 0
Por lo tanto la primera columna es  0  , la tercera es  1  ; pero la segunda no la sabemos
   
porque no tenemos f( 0, 1, 0). Para ello, ponemos dicho vector en función de la base B, o sea:
( 0, 1, 0) = a( 1, 0, 0) + b( 0, 1, 1) + c( 0, 0, 1) de donde a = 0 b = 1 y c =  1 .
Por tanto: f( 0, 1, 0) = f  ( 0 ,1,1 )  ( 0 , 0 ,1 )  f( 0, 1, 1)  f( 0, 0, 1) = ( 1, 1)  ( 0,

1) = ( 1, 0)
que es la columna que faltaba. La respuesta es la b)
2.- Las dimensiones respectivas de los subespacios vectoriales Ker f y Img f son:
a) 0 y 3 b) 1 y 2 c) 2 y 1 d) 3 y 0 (Enero 2011)
Sol: Sabemos que las columnas de la matriz asociada, constituyen un sistema generador de la
Img f. Como son vectores de R2, tomando por ejemplo las dos primeras columnas ya tenemos
una base de R2 que es la Img f.
Luego la dimensión de la Img f es 2 y por el teorema de las dimensiones se ha de cumplir que
dim R3 = dim Ker f + dim Img f. De donde Dim Ker f = 1. La respuesta es la b)
3.- Una base del Ker f es: (Enero 2011)
a) {(  1, 2, 0) (1,  2, 0)} b) {( 0, 1, 0)}
c) {(  1, 2, 0)} d) No tiene base pues Ker f = {( 0, 0, 0)}
63
Sol: Sabemos que el núcleo es de dimensión 1. Las únicas respuestas son la b ó la c).
Aplicamos la matriz a cada uno de los vectores para ver quien de ellos se transforma en el
 0   1
2 1 0   1 2 1 0    0
neutro  0  1    y    2     . La respuesta es la c)
 0 1     0  0 0 1     0 
 0  0 
4.- La aplicación lineal f verifica: (Enero 2011)
a) Es suprayectiva b) Es inyectiva c) Es un automorfismo d) Ninguna de ellas
Sol: Como Img f = R2 , es suprayectiva, pero como Ker f  {(0,0,0} no es inyectiva.

No es automorfismo por no ser isomorfismo y ser los espacios vectoriales distintos. Es la a)
1 0 1
  y considérese la base B = ( v1 , v2) de R2 formada por los vectores v1 = ( 1, 0)
0 2 1 
y v2 = ( 1, 1)
a) 0 y 3 b) 1 y 2 c) 2 y 1 d) 3 y 0 (Febrero 2011)
Sol: Las columnas de la matriz son un sistema generador de la Img f. Como son vectores de
R2 sólo puede haber a lo sumo dos linealmente independientes.
Las dos primeras columnas por ejemplo lo son. Luego dim img f = 2.
Por el teorema de las dimensiones dim Ker f = 1 que es la b)
6.- Una base de Ker f es: (Febrero 2011)
a) {( – 2, 1, 2) ( 0, 1, 0)} b) {( 1, 0, 1)}
c) {( – 2, 1, 2) } d) No tiene base pues Ker f = {( 0, 0, 0)}
Sol: Como la dimensión del Ker f es 1 las dos únicas respuestas posibles son la b) o la c)
64
1   2
1 0 1    2  1 0 1   0
Para averiguarlo calculamos 
0   0     ;    1     y la
 2 1
 1 1
0
 2 
1   0
   2 
respuesta es la c)
7.- La matriz asociada a f en las bases canónica de R3 y B de R2 es: (Febrero 2011)
1 0 1 1 2 0 1 2 0 1 0 2 
a)   b)   c)   d)  
0 2 1  0 2 1  0 2 1  0 1  2 
1 0 1
Sol: Por la matriz  0  2 1 que es la asociada a las bases canónicas, sabemos que
 
f( 1, 0, 0) = ( 1, 0) ; f( 0, 1, 0) = ( 0, – 2) y f( 0, 0, 1) = (1, 1).
Como ahora en R2 tenemos la base B, hemos de poner estas imágenes en función de la base
B,. Las coordenadas serán las nuevas columnas. Así
(1, 0) = a( 1, 0) + b( 1, 1) de donde a = 1 y b = 0
( 0, – 2) = a( 1, 0) + b( 1, 1) de donde a = 2 y b = – 2
(1, 1) = a( 1, 0) + b( 1, 1) de donde a = 0 y b = 1
1 2 0
La matriz será  0  2 1  que es la b)
 
8.- Si ( v 1* , v *2 ) es la base dual de la base B, la imagen del vector ( 1, 1, 1) por la


aplicación v 1* f es igual a: (Febrero 2011)
a) 3 b) 1 c) – 1 d) ( 2, – 1)
 1
 1 0 1 
Sol: Calculamos (v *
1  f)( 1, 1, 1) = v *
1  f ( 1,1,1 ) = v 
*
1
0 2
1  v1* ( 2 ,  1 ) .
1 
 1
(**)
Ahora ponemos el vector ( 2 , – 1) en función de la base B
( 2, – 1) = a( 1, 0) + b( 1, 1) de donde a = 3 b = – 1. Seguimos en (**)
v1* ( 2 ,  1 )  v1*  3( 1, 0 )  1( 1,1 ) = 3v1* ( 1, 0 )  v1* ( 1,1 ) = 3·1 – 0 = 3 que es la a)
65
2 1 3 1 
 
0 1 1  1 .
1 0 1 0 

a) 2y3 b) 3y1 c) 1y3 d) 2 y2
Sol: Las columnas de la matriz son un sistema generador de la Img f. Veamos cuántas hay L.I.
Las dos primeras lo son por no ser proporcionales. Si calculamos el determinante formado por
las tres primeras, vemos que nos da 0. Luego la tercera depende de las dos primeras. Lo
mismo ocurre con la cuarta. Luego sólo las dos primeras son L.I. y dim Img f = 2
Por el teorema de las dimensiones dim R4 = dim Img f + dim Ker f y de aquí dim Ker f = 2.
10.- El subespacio Ker f es igual a:
a) R ( 1 ,  1 ,  1 ,0 )  R ( 0 ,  1 ,0 ,  1 ) b) R (  1 , 1 , 1 ,0 )
c) {(0, 0, 0, 0)} d) ( x, y , z , t )  R 4
/ yzt  0;x y  0 
Sol: Com dim Ker F = 2 se descarta la b y la c. Probamos con la a). Calculamos
 1   0 
2 1 3 1    0 2 1 3 1    0
    1       1  
0 1 1  1   1   0  y 0 1 1  1  0   0
1 0 1 0     0  1 0 1 0     0 
   0      1
   
Como los dos vectores se transforman en el neutro la respuesta es la a)
11.- El subespacio vectorial Img f es igual a:
a) R3 b) ( x , y , z )  R 3
/ x  y  2z  0 
c) R( 2, 0, 1) d) R(2, 0, 1) + R(1, 1, 0)
Sol: Como dim Img f = 2 se descarta la a y la c. La b) es una ecuación cartesiana. Cogemos
las columnas de la matriz y comprobamos si la cumplen. Vemos que las cuatro lo hacen, por
lo tanto esta es la respuesta.

12.- La aplicación lineal es:
66
c) Un isomorfismo d) Ni inyectiva ni suprayectiva
Sol: No es inyectiva ya que Ker f no es el neutro y no es suprayectiva ya que la Imagen no es
R3. Es la d)
13.- Dada la base B= {(1, 0, 1) (0, 1, 0) (0, 1, 1)} de R3, los términos de la primera
columna de la matriz asociada a f en las bases canónicas de R4 y B de R3 son:
a) 2, 0 y 1 b) 2 , 1 y  1 c) 1, 0 y 1 d) 1, 1 y 1
Sol: Cogemos el primer vector de la base canónica de R4 y calculamos
f(1, 0, 0, 0) = (2, 0, 1) = a( 1, 0, 1) + b(0, 1, 0) + c( 0, 1, 1) y de aquí resolviendo el sistema
nos da a = 2 b = 1 y c =  1 que es la b)
1 1 1 2 
 
0 1 1  1 .
1 0 1  3 

a) 2y3 b) 3y1 c) 1y3 d) 2 y2
Sol: Las columnas de la matriz son un sistema generador de la Img f. Veamos cuántas hay L.I.
Las dos primeras lo son por no ser proporcionales. Si calculamos el determinante formado por
1 1 1
las tres primeras, nos da 0 1 1 3 0. Luego son L.I. y dim Img f = 3. No puede ser
1 0 1
mayor por ser vectores de R3
Por el teorema de las dimensiones dim R4 = dim Img f + dim Ker f y de aquí dim Ker f = 1.
La respuesta es la c)
15.- El subespacio Ker f es igual a:
a) R( 1 ,  1 , 2 , 1 ) b)
R(  1 , 1 ,  2 ,  1 )  R( 1 , 2 , 1 ,  1 )
c) {(0, 0, 0, 0)} d) ( x, y , z , t )  R 4
/ xzt  0 
67
Sol: Com dim Ker F = 1 se descarta la b y la c. Probamos con la a). Calculamos
 1 
1 1 1 2    0
    1   y es la a)
0 1 1  1  2   0
1 0 1  3    0 
   1 
 
16.- El subespacio vectorial Img f es igual a:
a) ( x, y , z )  R 3 / y  z  0 b) R3
c) R( 1, 0, 1) d) R(1, 0, 1) + R(1, 1, 0)
Sol: Como dim Img f = 3 y el conjunto final es R3 se deduce que Img f = R3 que es la b).
17.- La aplicación lineal es:
c) Un isomorfismo d) Ni inyectiva ni suprayectiva
Sol: No es inyectiva ya que Ker f no es el neutro y es suprayectiva ya que la Img f = R3

Es la b)
18.- Dada la base B = {(1, 0, 0) (0, 1, 0) (1, 1, 1)} de R3, los términos de la tercera columna
de la matriz asociada a f en las bases canónicas de R4 y B de R3 son:
a)  1 , 1 y 1 b)  2 , 0 y 1 c) 1, 0 y 1 d) 1, 1 y 1
Sol: Cogemos el tercer vector de la base canónica de R4 y calculamos
f(0, 0, 1, 0) = (  1 , 0, 1) = a( 1, 0, 0) + b(0, 1, 0) + c( 1, 1, 1) y de aquí resolviendo el sistema
nos da a =  2 b = 0 y c = 1 que es la b)
68

Tema Ii. Aplicaciones Lineales

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema Ii. Aplicaciones Lineales

Cargado por

Copyright:

Formatos disponibles

TEMA II.

1.- APLICACIÓN ENTRE CONJUNTOS

Así por ejemplo si A = {alumnos de la UNED de Elche} y B = {carreras que se pueden

En el ejemplo anterior la correspondencia de A a B es aplicación (suponiendo que no haya

2.- CLASES DE APLICACIONES

a) Suprayectiva. Una aplicación es suprayectiva si para cualquier elemento y de B

b) Inyectiva. Una aplicación es inyectiva si se cumple que dos elementos de A,

c) Biyectiva. Una aplicación es biyectiva cuando se verifica que es simultáneamente

3.- APLICACIÓN LINEAL.

Sean E y F dos espacios vectoriales sobre el mismo cuerpo K.

Sea f una aplicación de E en F f: E F. Se dice que es lineal si cumple

Se demostraría, aplicando las propiedades anteriores, que son ejemplos de aplicaciones

4.- MATRIZ ASOCIADA A UNA APLICACIÓN LINEAL

Sea f una aplicación lineal de E en F y sean B   v1 , v 2 ,....v m  B'   w1 , w2 ,......wn  dos

Sea la aplicación lineal f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) y sean B y B’ las bases canónicas

Nótese que los números en negrita están en las columnas de la matriz.

Sea la aplicación lineal f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) y sean B la base canónica de R 3 y

Sean la aplicación lineal f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) y sean B la base R3

Sea la aplicación lineal f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) y sea B la base R3

Nota importante: En el ejemplo 1) de este epígrafe teníamos la aplicación lineal

utilizar la expresión de f f (2,  1, 4)  [2  4, 2·2  (1)]  (6, 5) ó bien multiplicando la

Es el problema contrario a lo anterior. Se trata de, conociendo la matriz asociada a una

Sol: Se trata de calcular la expresión de f ( x1 , x 2 , x3 ) .

= x1 f (1, 0, 0)  x 2 f (0, 1, 0)  x3 f ( 0, 0, 1 ) = x1 ( 2, 0, 1)  x 2 ( 4, 3, 0)  x3 ( 1, 1, 1) =

= (2 x1  4 x 2  x3 , 3x 2  x3 , x1  x3 ) **** que es la expresión buscada.

6.- NÚCLEO DE UNA APLICACIÓN LINEAL

Sea f una aplicación lineal de E en F. El núcleo de la aplicación lineal lo constituyen todos

Ker f   v  E / f (v)  0 F  . Se puede demostrar que en toda aplicación lineal f (0 E )  0 F , es

Calcular el núcleo de la aplicación lineal definida por f ( x1 , x 2 )  ( x1  x 2 , 2 x1 ,  x 2 )

Sol: Como f ( x1 , x 2 )  0 F  ( 0, 0 ,0 ) = ( x1  x 2 , 2 x1 ,  x 2 ) de aquí

Calcular el núcleo de la aplicación lineal definida por f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 )

Sea la aplicación lineal de R3 en R2 definida por f ( x1 , x 2 , x3 )  ( x1  2 x 2 , x1  x 2  x3 )

7.- IMAGEN DE UNA APLICACIÓN LINEAL

Im g f   y  F /  al menos un x  E / f ( x)  y . Se demuestra al igual que con el núcleo,

La imagen de un sistema generador de E, es un sistema generador de la imagen de f.

Sea la aplicación lineal f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) , calcular un sistema generador de la

Luego Img f = R( 1, 2, – 1) + R( – 1, 1, 0)}

La matriz asociada a una aplicación lineal de R 4 en R3 en las bases canónicas es

8.1.- f es inyectiva  Ker f   0 E 

En el ejemplo 1 del apartado 5 la aplicación es inyectiva. En el ejemplo del apartado 7 la

10.- RANGO DE UNA APLICACIÓN LINEAL

El rango de una aplicación lineal es la dimensión del subespacio Img f es decir

La matriz asociada a una aplicación lineal de R 4 en R3 en las bases canónicas es

f es suprayectiva  rang f  dim F

12.- TEOREMA DE LAS DIMENSIONES ( MUY IMPORTANTE)

Si f es una aplicación lineal de E en F se cumple: dim Ker f + dim Img f = dim E

Sea f: R 3 R2 definida por f ( x1 , x 2 , x3 )  ( x1  x3 , 2 x1  x 2 ) .

Sol: También en el apartado 5, ejemplo 1, hemos visto que Ker f = ( 0, 0 ) y su dimensión es

En el epígrafe 7, ejemplo 1, hemos dicho que la dimensión de la imagen de f es 2. Según este

donde dim Ker f = 3

La matriz asociada a una aplicación lineal de R 4 en R3 en las bases canónicas es

13.- MONOMORFISMO, EPIMORFISMO, ISOMORFISMO Y AUTOMORFISMO

a) Un monomorfismo es una aplicación lineal que es inyectiva

= x1 f (1, 0, 0)  x 2 f (0, 1, 0)  x3 f ( 0, 0, 1 ) . ***

Si ahora sustituimos en ***

x1 f [1(1, 1, 0)  1(0 ,1, 0 )]  x 2 f (0, 1, 0)  x3 f [ 1(1, 1, 0 )  1(0 ,1, 0 )  1(1, 0 ,1 )]

15.- Suma de aplicaciones lineales

Supongamos dos aplicaciones lineales f y g de Rn en Rm cuyas matrices asociadas en unas

La aplicación f + g sería: ( f  g )( x1 , x 2 )  ( 2 x1  3x 2 ,4 x1  x 2 , x1  3 x 2 ) cuya matriz sería:

Para calcular la matriz C asociada a la aplicación compuesta en las bases canónicas se

Sea la aplicación f de R2 en R3 dada por la expresión

f ( x1 , x 2 )  ( x1  x 2 , x1  x 2 , 2 x1  x 2 ) y sea la aplicación lineal g de R 3 en R3 dada por la

Ahora escribimos la expresión de g aplicada al vector (t1 , t 2 , t 3 )