ÁLGEBRA LINEAL 2 DURACIÓN

2018 120
SEGUNDO EXAMEN PARCIAL 6/08/18
MINUTOS
APELLIDOS
UNIVERSIDAD
NOMBRES NRO. DE CÉDULA FILA

INDICACIONES:
PARTE TEÓRICA NACIONAL DE MÁXIMO 40 PUNTOS

ASUNCIÓN
➢ Marque su respuesta rellenando uno de los dos círculos previstos para cada tema, por ejemplo, si su
respuesta es V (verdadero) rellene así:
➢ Utilizar bolígrafo de tinta negra o azul.
➢ Una vez iniciado el examen no puede formular pregunta alguna.
➢ La puntuación es como sigue:
o Una respuesta correcta equivale a dos (2) puntos más.

FACULTAD DE INGENIERÍA
o Una respuesta incorrecta equivale a un (1) punto menos.
o Una respuesta no dada equivale a cero (0) puntos.
➢ Todos los espacios vectoriales son de dimensión FINITA.
1) Si todos los autovalores de una matriz son reales y distintos, la matriz es diagonalizable.
2) Si 𝑢, 𝑣 son autovectores de una matriz correspondientes a dos autovalores distintos, entonces 𝑢 𝑦 𝑣 son
ortogonales.
3) Si 𝐴 es una matriz compleja simétrica, entonces es diagonalizable.
4) Si dos matrices 2 × 2 poseen el mismo determinante y la misma traza, entonces poseen el mismo
polinomio característico.
5) Si 𝐴, 𝑛 × 𝑛, es una matriz real y simétrica, entonces todos sus autovectores son ortogonales.
6) En el espacio vectorial 𝕍 sobre el cuerpo ℂ, con producto interno <;>, < 𝑢; 𝑢 > es un número complejo
de componente imaginaria nula, para todo 𝑢 ∈ 𝕍.
ÁLGEBRA LINEAL 2
7) Si una matriz 𝐴 𝑛 × 𝑛 es diagonalizable y posee solo dos espacios propios 𝑈 y 𝑊 entonces ℝ𝑛 = 𝑈 + 𝑊.
8) Si 𝐴, 𝑛 × 𝑛, simétrica, es la representación matricial de un operador lineal 𝐹, entonces 𝐾𝑒𝑟𝐹 es el
complemento ortogonal de 𝐼𝑚 𝐹.
9) Si la matriz 𝐴, 𝑛 × 𝑛 , posee 𝑛 autovalores distintos, entonces existe una matriz 𝑃 ortogonal que
diagonaliza a A.
PRIMER EXAMEN FINAL Y DE
10) Si 𝑢, 𝑣 son autovectores correspondientes al mismo autovalor de una matriz simétrica entonces 𝑢 𝑦 𝑣
son linealmente independientes.
RECUPERACIÓN
11) Si 𝐴 y 𝐵 son dos matrices similares, entonces poseen el mismo polinomio característico.
12) Si 𝐹: 𝑈 → 𝑉 es una aplicación lineal no singular, entonces es invertible.
13) Si 𝐹: 𝑈 → 𝑉 es una aplicación lineal, la preimagen del 𝟎𝒗 ∈ 𝑉, es un subconjunto de 𝑈 que contiene al
𝟎𝒖 ∈ 𝑈.
14) Para todo par de vectores 𝑢, 𝑣 del espacio vectorial 𝕍, sobre el cuerpo ℂ, con producto interno <;>, se
verifica: < 𝑣, 𝑢 >=< 𝑣, 𝑢 >.
15) En el espacio vectorial 𝕍 sobre el cuerpo 𝕂, con producto interno <;>, la representación matricial del

GABARITO
producto interno con respecto a cualquier base siempre es invertible.
16) Si una matriz 𝐴, 𝑛 × 𝑛, es diagonalizable bajo similaridad pero posee un único autovalor, entonces 𝐴 es
una matriz diagonal.
17) Si una representación matricial de un operador lineal en un espacio vectorial de dimensión finita con
respecto a una base es invertible, entonces todas las representaciones matriciales con respecto a
AUTORES:
cualquier otra base, también son invertibles.
✓ Prof.
18) Si U y V son espacios vectoriales sobre Dr. H.C.cuerpo
un mismo MSc. Ing.
K y Civil Héctor
F: U → V unaAmílcar Rojas
aplicación Sanabria.
lineal inyectiva,
✓
entonces dim(𝑈) = dim(𝐾𝑒𝑟𝐹) + dim(𝐼𝑚 𝐹).MSc. Ing. Carlos Eugenio Sauer Ayala.
✓ Aux. Marcos
19) Si V es un espacio vectorial n-dimensional sobre elAntonio Benítez
cuerpo K, y 𝑆 unaOcampos.
base en 𝑉, entonces queda bien
definida una aplicación lineal 𝐹: 𝑉 → ℝ𝑛 como 𝐹(𝑣) = [𝑣]𝑆 y 𝐹 es invertible.
20) Si 𝐹: 𝑈 → 𝑉 es una aplicación lineal, y 𝑆 es una base en 𝑈, entonces 𝐹(𝑆) es una base en 𝑉.

25/08/2018
 ÁLGEBRA LINEAL 2 DURACIÓN
PRIMER EXAMEN FINAL Y DE 120
25/08/18
RECUPERACIÓN MINUTOS
APELLIDOS NOMBRES NRO. DE CÉDULA FILA
Nº
A
PARTE TEÓRICA MÁXIMO 40 PUNTOS
INDICACIONES:
➢ Marque su respuesta rellenando uno de los dos círculos previstos para cada tema, por ejemplo, si su
respuesta es V (verdadero) rellene así: V F
➢ Utilizar bolígrafo de tinta negra o azul.
➢ Una vez iniciado el examen no puede formular pregunta alguna.
➢ La puntuación es como sigue:
o Una respuesta correcta equivale a dos (2) puntos más.
o Una respuesta incorrecta equivale a un (1) punto menos.
o Una respuesta no dada equivale a cero (0) puntos.
➢ Todos los espacios vectoriales son de dimensión FINITA.
1) Si S es un subconjunto vacío de un espacio vectorial V sobre un cuerpo K, entonces lin{S}={∅}. V F
2) Si en un conjunto de vectores está incluido el vector nulo, entonces el conjunto es linealmente V F
dependiente.
3) Sea V y U espacios vectoriales sobre un cuerpo K, {v1, v2,…, vm} una base de V y {u1, u2,…, um} un conjunto V F
de vectores en U. Entonces existe una única aplicación lineal F:V⟶U tal que F(vi)=ui para i=1,2,…,m.
4) Dos espacios vectoriales U y V sobre el mismo cuerpo K son isomorfos si existe una aplicación lineal
V F
inyectiva F:V⟶U.
5) La dimensión del espacio solución W del sistema de ecuaciones lineales Ax=b es n-r donde n es el número V F
de incógnitas y r el rango de la matriz de los coeficientes de la matriz A.
6) Sean U y V espacios vectoriales de dimensión finita, además, dim(U)=dim(V)=n. En tal caso el orden de
V F
la matriz de cambio de base de una base de U a una base de V es nxn.
7) Si T es una aplicación lineal no singular entonces es invertible. V F
8) Si V es un espacio vectorial sobre un cuerpo K y S⊂V un conjunto de vectores de V, entonces lin{S} no es
V F
un subespacio vectorial de V.
9) Sea V un espacio vectorial sobre un cuerpo K y sean los vectores v1, v2,…, vm de V, los mismos son
V F
linealmente dependientes si existen ai del cuerpo K no todos cero tal que a1v1+ a2v2+…+ amvm=ʘ
10) Todo vector por si solo es linealmente independiente. V F
11) Sea V un espacio vectorial sobre un cuerpo K y sea U un subespacio vectorial de V y W un subconjunto
V F
de V, entonces (U∪W) ⊥⊥= U∪W.
12) Sea V un espacio vectorial sobre un cuerpo K, con producto interno y norma, si a un conjunto ortonormal
V F
linealmente independiente agregamos el vector nulo de V, este nuevo conjunto sigue siendo ortogonal.
13) Sea A una matriz simétrica real de orden nxn, entonces el conjunto de todos los vectores propios de dicha V F
matriz asociados a un valor propio 𝞴 de A es un subespacio vectorial de Kn.
14) Sea A una matriz del espacio vectorial de las matrices reales de orden mxn, con producto interno igual a V F
<A,B>=tr(BTA), entonces los valores propios de ATA son mayores o iguales a 0.
15) Sea A una matriz del espacio vectorial de las matrices reales de orden nxn, entonces los vectores propios V F
correspondientes a valores propios distintos no son necesariamente linealmente independientes.
16) Sea F:V⟶U una aplicación lineal, entonces la imagen de un conjunto de vectores linealmente V F
independiente es un conjunto linealmente dependiente.
17) Si 𝐕 es un espacio vectorial n-dimensional sobre el cuerpo 𝐊 y 𝐅: 𝐕 → 𝐕 una aplicación lineal, S y T son V F
bases en V, entonces las matrices que representan a F, respecto a una y otra base son similares.
18) Si 𝐕 es un espacio vectorial n-dimensional sobre el cuerpo 𝐊 y 𝐅: 𝐕 → 𝐕 una aplicación lineal
V F
sobreyectiva, entonces 𝐝𝐢𝐦(𝐈𝐦𝐅) = 𝐝𝐢𝐦(𝐕).
19) Si 𝐕 es un espacio vectorial sobre el cuerpo 𝐊, 𝐅: 𝐕 → 𝐕 una aplicación lineal no biyectiva, 𝐯𝟏 , 𝐯𝟐 ∈ 𝐈𝐦𝐅,
V F
𝐚𝟏 , 𝐚𝟐 ∈ 𝐊 entonces 𝐅(𝐚𝟏 𝐯𝟏 + 𝐚𝟐 𝐯𝟐 ) no necesariamente pertenece a V.
20) Si U y V son espacios vectoriales sobre un mismo cuerpo K, dim(U)=m; dim(V)=n y F:U⟶V una
aplicación lineal, entonces si A es la matriz que representa F respecto a las bases S y T en U y V, V F
respectivamente, y F(u)=v, se verifica A𝑇𝑠 [u]s = [v]S .
 A
A de ℝ2 con respecto a la recta 𝑦 = 𝑥.
TEMA 1) Sea 𝐿 el operador lineal que refleja los puntos
Por ejemplo, la reflexión del punto (0,1) es el punto (1,0).
a) (4p) Determinar, de ser posible, la expresión analítica del operador lineal 𝐿(𝑥, 𝑦).
b) (6p) Demostrar, de ser posible, que 𝑣1 = (1,1) y 𝑣2 = (1, −1) son vectores propios del operador L.
c) (10p) Demostrar, de ser posible, que el operador lineal 𝐿 es diagonalizable, hallando una base 𝑆 de
ℝ2 tal que la representación matricial de 𝐿 respecto a 𝑆 sea una matriz diagonal.
𝒂) 𝑃𝑎𝑟𝑎 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑙𝑎 𝑒𝑥𝑝𝑟𝑒𝑠𝑖ó𝑛 𝑎𝑛𝑎𝑙í𝑡𝑖𝑐𝑎 𝑑𝑒𝑙 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟 𝑙𝑖𝑛𝑒𝑎𝑙, 𝑏𝑎𝑠𝑡𝑎 𝑐𝑜𝑛 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑙𝑎 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛 𝑚𝑎𝑡𝑟𝑖𝑐𝑖𝑎𝑙
𝐴 𝑑𝑒𝑙 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟 𝑐𝑜𝑛 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑢𝑠𝑢𝑎𝑙 𝑦 ℎ𝑎𝑙𝑙𝑎𝑟 𝑎𝑠í 𝑙𝑎 𝑖𝑚𝑎𝑔𝑒𝑛 𝑑𝑒 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑔𝑒𝑛é𝑟𝑖𝑐𝑜.
⇒ 𝑁𝑒𝑐𝑒𝑠𝑖𝑡𝑎𝑚𝑜𝑠 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑙𝑎 𝑖𝑚𝑎𝑔𝑒𝑛 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑢𝑠𝑢𝑎𝑙, 𝑦 𝑐𝑜𝑚𝑜 𝑞𝑢𝑒 𝑒𝑙 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟 𝑟𝑒𝑓𝑙𝑒𝑗𝑎 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠
0 1
𝑝𝑢𝑛𝑡𝑜𝑠 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑦 = 𝑥 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 𝐿(1,0) = (0,1) ; 𝐿(0,1) = (1,0) ⇒ 𝐴 = [ ] ∴ 𝑳(𝒙, 𝒚) = (𝒚, 𝒙)
1 0
𝒃) 𝑆𝑖 ℎ𝑎𝑙𝑙𝑎𝑚𝑜𝑠 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠 𝑑𝑒 𝐴 𝑛𝑜𝑠 𝑞𝑢𝑒𝑑𝑎 → ∆(𝑥) = 𝜆2 − 1 ⇒ 𝝀𝟏 = 𝟏; 𝝀𝟐 = −𝟏
→ 𝐷𝑒𝑏𝑖𝑑𝑜 𝑎 𝑞𝑢𝑒 (1,1) 𝑒𝑠𝑡á 𝑠𝑜𝑏𝑟𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑦 = 𝑥 𝑠𝑢 𝑖𝑚𝑎𝑔𝑒𝑛 𝑠𝑒𝑟á 𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑣𝑒𝑐𝑡𝑜𝑟 ⇒ 𝐿(1,1) = (1,1) = 1(1,1)
𝑜 𝑠𝑒𝑎, 𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 (1,1) 𝑒𝑠 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑎𝑙 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑟𝑙𝑜 𝑝𝑜𝑟 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 𝜆1 𝑝𝑜𝑟 𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑣𝑒𝑐𝑡𝑜𝑟, 𝑜 𝑠𝑒𝑎
𝑒𝑠 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝐴.
→ 𝐸𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 (1, −1) 𝑒𝑠 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑒𝑟𝑝𝑒𝑛𝑑𝑖𝑐𝑢𝑙𝑎𝑟 𝑎 𝑙𝑎 𝑑𝑖𝑟𝑒𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑐𝑡𝑎 𝑦 = 𝑥 𝑝𝑜𝑟 𝑒𝑛𝑑𝑒 𝑠𝑢 𝑟𝑒𝑓𝑙𝑒𝑥𝑖ó𝑛 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎
é𝑠𝑡𝑎 𝑠𝑒𝑟á 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑖𝑠𝑚𝑎 𝑑𝑖𝑟𝑒𝑐𝑐𝑖ó𝑛 𝑦 𝑚ó𝑑𝑢𝑙𝑜 𝑝𝑒𝑟𝑜 𝑠𝑒𝑛𝑡𝑖𝑑𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜 ⇒ 𝐿(1, −1) = (−1,1) = −1(1, −1)
𝑜 𝑠𝑒𝑎, 𝑒𝑙 𝑣𝑒𝑐𝑡𝑜𝑟 (1, −1) 𝑒𝑠 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑎𝑙 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑟𝑙𝑜 𝑝𝑜𝑟 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐿 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 𝜆2 𝑝𝑜𝑟 𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑣𝑒𝑐𝑡𝑜𝑟, 𝑜 𝑠𝑒𝑎
𝑒𝑠 𝑢𝑛 𝑣𝑒𝑐𝑡𝑜𝑟 𝑝𝑟𝑜𝑝𝑖𝑜 𝑑𝑒 𝐴.
𝒄) 𝐷𝑒 ℎ𝑒𝑐ℎ𝑜 𝑞𝑢𝑒 𝑎𝑙 𝑡𝑒𝑛𝑒𝑟 𝑑𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠 𝑙𝑖𝑛𝑒𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 𝑎 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑝𝑟𝑜𝑝𝑖𝑜𝑠
𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜𝑠, 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 𝑒𝑠 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑖𝑧𝑎𝑏𝑙𝑒, 𝑝𝑎𝑟𝑎 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑢𝑛𝑎 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛 𝑚𝑎𝑡𝑟𝑖𝑐𝑖𝑎𝑙 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙, 𝑎𝑛𝑎𝑙𝑖𝑧𝑎𝑚𝑜𝑠 𝑙𝑜
𝑞𝑢𝑒 𝑠𝑖𝑔𝑢𝑒:
𝑆𝑎𝑏𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑐𝑢𝑚𝑝𝑙𝑒 𝐴𝑣 = 𝑢 … (∗), 𝑑𝑜𝑛𝑑𝑒 𝑢 𝑒𝑠 𝑙𝑎 𝑖𝑚𝑎𝑔𝑒𝑛 𝑑𝑒 𝑣 𝑦 𝑎𝑚𝑏𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑒𝑠𝑡á𝑛 𝑟𝑒𝑓𝑒𝑟𝑖𝑑𝑜𝑠 𝑎 𝑙𝑎 𝑏𝑎𝑠𝑒
𝑢𝑠𝑢𝑎𝑙 𝑑𝑒𝑏𝑖𝑑𝑜 𝑎 𝑞𝑢𝑒 𝐴 𝑒𝑠 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑒𝑙 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟 𝑙𝑖𝑛𝑒𝑎𝑙 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑢𝑠𝑢𝑎𝑙.
𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑐𝑜𝑚𝑜 𝑞𝑢𝑒𝑟𝑒𝑚𝑜𝑠 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑢𝑛𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑡𝑎𝑙 𝑚𝑎𝑛𝑒𝑟𝑎 𝑞𝑢𝑒 𝑙𝑎 𝑟𝑒𝑠𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛 𝑚𝑎𝑡𝑟𝑖𝑐𝑖𝑎𝑙 𝑑𝑒𝑙 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟
𝑙𝑖𝑛𝑒𝑎𝑙 𝑠𝑒𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙, 𝑠𝑢𝑝𝑜𝑛𝑔𝑎𝑚𝑜𝑠 𝑞𝑢𝑒 𝑑𝑖𝑐ℎ𝑎 𝑏𝑎𝑠𝑒 𝑠𝑒𝑎 𝑆 = {𝑠1 , 𝑠2 }, 𝑦 𝑠𝑎𝑏𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑐𝑢𝑚𝑝𝑙𝑒 𝑞𝑢𝑒:
→ 𝑣 = 𝑃[𝑣]𝑠 𝑑𝑜𝑛𝑑𝑒 𝑃 𝑒𝑠 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑐𝑎𝑚𝑏𝑖𝑜 𝑑𝑒 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑢𝑠𝑢𝑎𝑙 𝑎 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑆 𝑦 𝑠𝑢𝑠 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠
𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑆, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑛 (∗) ℎ𝑎𝑐𝑒𝑚𝑜𝑠 → 𝐴𝑃[𝑣]𝑠 = 𝑃[𝑢]𝑠 → 𝑃−1 𝐴𝑃[𝑣]𝑠 = [𝑢]𝑠 , 𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑐𝑜𝑛𝑐𝑙𝑢𝑖𝑟 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠
→ 𝑃−1 𝐴𝑃 = [𝐴]𝑠 𝑒𝑠 𝑙𝑎 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛 𝑚𝑎𝑡𝑟𝑖𝑐𝑖𝑎𝑙 𝑑𝑒𝑙 𝑜𝑝𝑒𝑟𝑎𝑑𝑜𝑟 𝑙𝑖𝑛𝑒𝑎𝑙 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑆, 𝑦 𝑠𝑖 𝑡𝑜𝑚𝑎𝑚𝑜𝑠 𝑙𝑎𝑠
𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 𝑑𝑒 𝑃 𝑐𝑜𝑚𝑜 𝑙𝑜𝑠 𝑎𝑢𝑡𝑜𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴, 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑃−1 𝐴𝑃 𝑒𝑠 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙, 𝑒𝑠 𝑚á𝑠 𝑠𝑢𝑠
𝑒𝑛𝑡𝑟𝑎𝑑𝑎𝑠 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙𝑒𝑠 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑎𝑢𝑡𝑜𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴 ∴ 𝑺 = {(𝟏, 𝟏); (𝟏, −𝟏)}
INDICADORES DE CORRECCIÓN
✓ Por determinar la expresión analítica del operador lineal L(x,y) ... hasta 4 puntos
o Por hallar algunas imágenes reflejadas de otros vectores … hasta 2 puntos
▪ Puede hallar de forma geométrica la imagen de los vectores para luego hallar la imagen de los
vectores de la base usual. Solo se requiere que sean imágenes correctas.
o Por hallar la imagen correcta por L de un vector genérico (x,y) … hasta 2 puntos
✓ Por demostrar que ambos vectores dados son vectores propios de L … hasta 6 puntos
o Por demostrar que 𝑣1 es un vector propio del operador L, al verificar que 𝐿(𝑣1 ) = 𝑣1 … hasta 3 puntos
o Por demostrar que 𝑣2 es un vector propio del operador L, al verificar que 𝐿(𝑣2 ) = −𝑣2 … hasta 3 puntos
▪ Obs: Alternativamente, puede hallar la representación matricial de L y hallar los vectores
propios. O bien, argumentar geométricamente que son vectores propios porque sus reflejos
permanecen sobre la misma recta.
✓ Por demostrar, de ser posible, que el operador lineal L es diagonalizable y hallar la base S que hace que la
representación matricial del operador L sea diagonal … hasta 10 puntos.
o Por indicar que si existe una base de autovectores linealmente independientes de ℝ2 , el operador es
diagonalizable… hasta 4 puntos
o Por encontrar una base S de autovectores linealmente independientes … hasta 2 puntos
o Por escribir las imágenes de los vectores de S, bajo el operador L, como combinación lineal de los
vectores de S…. hasta 2 puntos
o Por escribir la representación matricial del operador L con respecto a la base S… hasta 2 puntos
▪ Alternativamente, se puede partir de la representación matricial en la base usual y hacer todo
el proceso de diagonalización, pero tiene que estar justificado, así como se resolvió en este
gabarito.
▪ Por encontrar la representación matricial del operador L en la base usual… hasta 2 puntos
▪ Por identificar los valores propios de la representación matricial … hasta 2 puntos
▪ Por identificar la base S requerida para que la representación matricial sea diagonal … hasta 2
puntos
▪ Por encontrar la representación matricial diagonal del operador L con respecto a la base S sin
justificar … hasta 2 puntos
▪ Por justificar el por qué esa es la representación matricial, a través del cambio de base o de
escribir las imágenes de S bajo el operador L, con respecto a la base S… hasta 2 puntos

✓ Prof. Dr. H.C. MSc. Ing. Civil Héctor Amílcar Rojas Sanabria.
✓ MSc. Ing. Carlos Eugenio Sauer Ayala.
✓ Aux. Marcos Antonio Benítez Ocampos.
 A
TEMA 2) Considerando el espacio vectorial ℙ1 deAlos polinomios de grado menor o igual a uno con el
1
producto interno usual < 𝑝, 𝑞 > = ∫−1 𝑝(𝑡)𝑞(𝑡)𝑑𝑡.
a) (3p) Calcular < 𝑓, 𝑔 > si 𝑓(𝑡) = 2 y 𝑔(𝑡) = 3𝑡 + 4.
b) (4p) Encontrar, de ser posible, la representación matricial del producto interno 𝐴, con respecto a
la base {1, 𝑡}.
c) (5p) Calcular, de ser posible, < 𝑓, 𝑔 > utilizando la matriz 𝐴 hallada.
d) (8p) Calcular, de ser posible, una base S para el espacio vectorial ℙ1 de manera tal que la
representación matricial del producto interno con respecto a dicha base S, sea una matriz
identidad.
1
𝒂) < 𝑓(𝑡); 𝑔(𝑡) > =< 2 ; 3𝑡 + 4 > = ∫ (6𝑡 + 8)𝑑𝑡 = [3𝑡 2 + 8]−11 = 16
−1
𝒃) 𝑆𝑖 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑢𝑛𝑎 𝑏𝑎𝑠𝑒 𝑆 = {𝑠1 ; 𝑠2 } 𝑙𝑎 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛 𝑚𝑎𝑡𝑟𝑖𝑐𝑖𝑎𝑙 𝑑𝑒 𝑢𝑛 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖𝑛𝑡𝑒𝑟𝑛𝑜 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑒𝑠𝑎 𝑏𝑎𝑠𝑒 𝑒𝑠
1
1 1
1
𝑡2
∫ 1𝑑𝑡 ∫ 𝑡𝑑𝑡 [𝑡]−1 [ ] 𝟐 𝟎
< 𝑠1 ; 𝑠1 > < 𝑠1 ; 𝑠2 > −1 −1
2 −1
[< 𝑠 ; 𝑠 > < 𝑠 ; 𝑠 >] ⇒ 𝐿𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑝𝑒𝑑𝑖𝑑𝑎 𝑒𝑠 = 1 1 ⇒ 𝑨 = [ 𝟐]
1 1 𝟎
2 1 2 2
2 𝑡2 𝑡3 𝟑
∫ 𝑡𝑑𝑡 ∫ 𝑡 𝑑𝑡 [ ] [ ]
[ −1 −1 ] [ 2 3 ]
−1 −1
𝒄) 𝑆𝑎𝑏𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 < 𝑓; 𝑔 > = [𝑓]𝑇 𝐴[𝑔] 𝑑𝑜𝑛𝑑𝑒 [𝑓] 𝑦 [𝑔] 𝑠𝑜𝑛 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑐𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑜𝑠 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑢𝑠𝑢𝑎𝑙.
→ 𝑓(𝑡) = 2 = 2 ∗ 1 + 0𝑡 → [𝑓] = [2 0]𝑇 ; 𝑔(𝑡) = 4 ∗ 1 + 3𝑡 → [𝑔] = [4 3]𝑇
𝟐 𝟎
∴ < 𝒇(𝒕); 𝒈(𝒕) > = [𝟐 𝟎] [ 𝟐] [𝟒] = 𝟏𝟔
𝟎 𝟑
𝟑
𝒅) 𝑃𝑎𝑟𝑎 𝑞𝑢𝑒 𝑙𝑎 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛 𝑚𝑎𝑡𝑟𝑖𝑐𝑖𝑎𝑙 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑎 𝑢𝑛𝑎 𝑏𝑎𝑠𝑒, 𝑑𝑒 𝑢𝑛 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖𝑛𝑡𝑒𝑟𝑛𝑜 𝑠𝑒𝑎 𝑢𝑛𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑
𝑠𝑒 𝑛𝑒𝑐𝑒𝑠𝑖𝑡𝑎 𝑞𝑢𝑒 𝑑𝑖𝑐ℎ𝑎 𝑏𝑎𝑠𝑒 𝑠𝑒𝑎 𝑢𝑛𝑎 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙. 𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑐𝑜𝑚𝑜 𝑞𝑢𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑢𝑠𝑢𝑎𝑙 𝑦𝑎 𝑒𝑠 𝑜𝑟𝑡𝑜𝑔𝑜𝑛𝑎𝑙 (𝑐𝑜𝑛 𝑚𝑖𝑟𝑎𝑟 𝑙𝑎
𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑐𝑖ó𝑛 𝑚𝑎𝑡𝑟𝑖𝑐𝑖𝑎𝑙 𝐴 𝑠𝑒 𝑒𝑣𝑖𝑑𝑒𝑛𝑐𝑖𝑎), 𝑙𝑎 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑚𝑜𝑠 𝑑𝑖𝑣𝑖𝑑𝑖𝑒𝑛𝑑𝑜 𝑝𝑜𝑟 𝑒𝑙 𝑚ó𝑑𝑢𝑙𝑜 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑣𝑒𝑐𝑡𝑜𝑟.
𝟏 𝟑 𝑒𝑙 𝑚ó𝑑𝑢𝑙𝑜 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑢𝑛𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑎𝑙 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑠𝑒
∴ 𝑆𝑒𝑎 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑜𝑟𝑡𝑜𝑛𝑜𝑟𝑚𝑎𝑙 𝑒𝑠 𝑺 = { ; √ 𝒕} ( )
√𝟐 𝟐 𝑒𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑎 𝑒𝑛 𝑙𝑎 𝑑𝑖𝑎𝑔𝑜𝑛𝑎𝑙 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝐴.

INDICADORES DE CORRECCIÓN
✓ Por calcular el producto interno entre f y g … hasta 3 puntos.
o Obs.: Por utilizar un producto interno distinto al indicado … 0 puntos
✓ Por determinar la representación matricial respecto a la base usual A … hasta 4 puntos.
o Por determinar el producto interno entre los elementos de la base usual… hasta 3 puntos (1 por par)
o Por escribir la representación matricial del producto interno dado con respecto a la base usual.. hasta 1
punto
✓ Por calcular el producto interno entre f y g utilizando la matriz A … hasta 5 puntos.
o Por escribir f y g como vectores coordenados con respecto a la base usual … hasta 2 puntos
o Por escribir la expresión correcta de producto interno utilizando la matriz A y los vectores coordenados
… hasta 2 puntos.
o Por encontrar el producto interno correcto… hasta 1 punto
✓ Por determinar la base S que permite obtener la representación matricial del producto interno como una matriz
identidad… hasta 8 puntos.
o Por justificar que la base S necesita ser ortonormal para que la representación matricial del producto
interno sea la matriz identidad. … hasta 4 punto.
o Por hacer notar que la base usual ya es ortogonal…. hasta 2 punto
o Por normalizar cada elemento de la base usual … hasta 2 puntos
▪ Por escribir una base que es ortogonal pero mal normalizada … 0 puntos

✓ Prof. Dr. H.C. MSc. Ing. Civil Héctor Amílcar Rojas Sanabria.
✓ MSc. Ing. Carlos Eugenio Sauer Ayala.
✓ Aux. Marcos Antonio Benítez Ocampos.
 A
A vectoriales U y V están generados por
TEMA 3) En el espacio vectorial ℝ2𝑥2 los subespacios 𝑆=
2 2 2 1 0 −1 1 1 0 −1 1 0
{[ ],[ ],[ ]} y 𝑄 = {[ ],[ ],[ ]} respectivamente .
2 2 1 3 1 0 1 1 −1 1 0 3
a) (8p) Hallar, de ser posible, una base y dimensión de 𝑈 ∩ 𝑉.
b) (5p) Hallar, de ser posible, una base y dimensión de 𝑈 + 𝑉.
c) (7p) Encuentre un subespacio 𝑊 tal que 𝑊⨁(𝑈 ∩ 𝑉) sea igual al subespacio vectorial de las
matrices simétricas de ℝ2𝑥2 .
𝒂) 𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑏𝑎𝑠𝑡𝑎 𝑐𝑜𝑛 ℎ𝑎𝑙𝑙𝑎𝑟 𝑙𝑎 𝑓𝑜𝑟𝑚𝑎 𝑖𝑚𝑝𝑙í𝑐𝑖𝑡𝑎 𝑑𝑒 𝑎𝑚𝑏𝑜𝑠 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜𝑠 𝑝𝑎𝑟𝑎 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛,
𝑓𝑜𝑟𝑚𝑎𝑚𝑜𝑠 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑚𝑎𝑡𝑟𝑖𝑧, 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑑𝑜 𝑡𝑎𝑚𝑏𝑖é𝑛 𝑒𝑙 𝑐𝑜𝑛𝑐𝑒𝑝𝑡𝑜 𝑑𝑒 𝑖𝑠𝑜𝑚𝑜𝑟𝑓𝑖𝑠𝑚𝑜 𝑦 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑚𝑜𝑠:
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 1 1 3 0 −1 −1 1 0 −1 −1 1 0 −1 −1 1
→ 𝑃𝑎𝑟𝑎 𝑈: [ ]→[ ]→[ ]→[ ]
0 −1 1 0 0 0 2 −1 0 0 2 −1 0 0 2 −1
𝑥 𝑦 𝑧 𝑡 0 𝑦−𝑥 𝑧−𝑥 𝑡−𝑥 0 0 𝑧−𝑦 𝑡 − 2𝑥 + 𝑦 0 0 0 −4𝑥 + 𝑦 + 𝑧 + 2𝑡
𝒙 𝒚
∴ 𝑼 = {[ ] ∶ −𝟒𝒙 + 𝒚 + 𝒛 + 𝟐𝒕 = 𝟎}
𝒛 𝒕
1 1 1 1 1 1 1 1 1 1 1 1
0 −1 −1 1 0 −1 −1 1 0 −1 −1 1
→ 𝑃𝑎𝑟𝑎 𝑉: [
1 0 0 3] → [ 0 −1 −1 2 ] → [0 0 0 1 ]
𝑥 𝑦 𝑧 𝑡 0 𝑦−𝑥 𝑧−𝑥 𝑡−𝑥 0 0 𝑧 − 𝑦 𝑡 − 2𝑥 + 𝑦
1 1 1 1
0 −1 −1 1 𝒙 𝒚
→[ ] ∴ 𝑽 = {[ ] ∶ 𝒛 − 𝒚 = 𝟎}
0 0 0 1 𝒛 𝒕
0 0 𝑧−𝑦 0
𝐿𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑈 ∩ 𝑉 𝑠𝑒 −4𝑥 + 𝑦 + 𝑧 + 2𝑡 = 0 𝑃𝑎𝑟𝑎 𝑧 = 2, 𝑡 = 0 → 𝑦 = 2, 𝑥 = 1
∴ { 𝑉𝑎𝑟. 𝐿𝑖𝑏𝑟𝑒𝑠: 𝑧, 𝑡
𝑜𝑏𝑡𝑖𝑒𝑛𝑒 𝑟𝑒𝑠𝑜𝑙𝑣𝑖𝑒𝑛𝑑𝑜 𝑦 − 𝑧 = 0 𝑃𝑎𝑟𝑎 𝑧 = 0, 𝑡 = 2 → 𝑦 = 0, 𝑥 = 1
𝟏 𝟐 𝟏 𝟎
⇒ 𝐝𝐢𝐦(𝑼 ∩ 𝑽) = 𝟐 𝒚 𝒔𝒖 𝒃𝒂𝒔𝒆 𝒆𝒔 {[ ];[ ]}
𝟐 𝟎 𝟎 𝟐
2 2 2 2 2 2 2 2 2 2 2 2
2 1 1 3 0 −1 −1 1 0 −1 −1 1
𝑃𝑎𝑟𝑎 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒
0 −1 1 0 0 −1 1 0 0 0 2 −1
𝒃) 𝑈 + 𝑉 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑚𝑜𝑠 𝑙𝑎 → →
1 1 1 1 0 0 0 0 0 0 0 0
𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑚𝑎𝑡𝑟𝑖𝑧
0 −1 −1 1 0 −1 −1 1 0 0 0 0
[1 0 0 3] [0 −1 −1 2] [0 0 0 1]
𝟐 𝟐 𝟐 𝟏 𝟎 −𝟏 𝟏 𝟎
∴ 𝐝𝐢𝐦(𝑼 + 𝑽) = 𝟒 𝒚 𝒔𝒖 𝒃𝒂𝒔𝒆 𝒆𝒔 {[ ];[ ];[ ];[ ]}
𝟐 𝟐 𝟏 𝟑 𝟏 𝟑 𝟎 𝟑
𝑥 𝑦
𝒄) 𝐸𝑙 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎𝑠 𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑓𝑜𝑟𝑚𝑎 {[ ] ∶ 𝑧 − 𝑦 = 0} 𝑦 𝑠𝑢 𝑏𝑎𝑠𝑒 𝑒𝑠
𝑧 𝑡
1 0 0 1 0 0
{[ ];[ ];[ ]} , 𝑙𝑜 𝑞𝑢𝑒 𝑖𝑚𝑝𝑙𝑖𝑐𝑎 𝑞𝑢𝑒 𝑒𝑠 𝑑𝑒 𝑑𝑖𝑚𝑒𝑛𝑠𝑖ó𝑛 3.
0 0 1 0 0 1
𝐴𝑑𝑒𝑚á𝑠 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 dim(𝑊) + dim(𝑈 ∩ 𝑉) = 3 → 𝐝𝐢𝐦(𝑾) = 𝟏
𝐸𝑠 𝑑𝑒 𝑛𝑜𝑡𝑎𝑟 𝑞𝑢𝑒 𝑒𝑙 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑉 𝑒𝑠 𝑒𝑥𝑎𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒 𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑎𝑙 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎𝑠 2𝑥2 (𝑣𝑒𝑟 𝑙𝑎𝑠
𝑒𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑖𝑚𝑝𝑙𝑖𝑐𝑖𝑡𝑎𝑠), 𝑎𝑑𝑒𝑚á𝑠, 𝑒𝑙 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑈 ∩ 𝑉 𝑒𝑠 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠, 𝑡𝑎𝑙 𝑞𝑢𝑒, 𝑡𝑖𝑒𝑛𝑒 𝑎 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑐𝑜𝑚𝑢𝑛𝑒𝑠 𝑑𝑒𝑙
𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎𝑠 (𝑞𝑢𝑒 𝑒𝑠 𝑉) 𝑦 𝑎 𝑙𝑜𝑠 𝑞𝑢𝑒 𝑎 𝑠𝑢 𝑣𝑒𝑧 𝑠𝑜𝑛 𝑐𝑜𝑚𝑢𝑛𝑒𝑠 𝑎 𝑙𝑜𝑠 𝑑𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑈, 𝑦 𝑐𝑜𝑚𝑜
𝑏𝑢𝑠𝑐𝑎𝑚𝑜𝑠 𝑢𝑛 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑊 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑎𝑙 𝑠𝑢𝑚𝑎𝑟𝑙𝑜 𝑒𝑛 𝑠𝑢𝑚𝑎 𝑑𝑖𝑟𝑒𝑐𝑡𝑎 𝑐𝑜𝑛 𝑈 ∩ 𝑉 𝑛𝑜𝑠 𝑣𝑢𝑒𝑙𝑣𝑎 𝑎 𝑑𝑎𝑟 𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑑𝑒 𝑙𝑎𝑠
𝑚𝑎𝑡𝑟𝑖𝑐𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎𝑠, 𝑏𝑎𝑠𝑡𝑎 𝑐𝑜𝑛 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑐𝑢𝑎𝑙𝑒𝑠 𝑠𝑜𝑛 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑑𝑒 𝑉 𝑞𝑢𝑒 𝑛𝑜 𝑒𝑠𝑡á𝑛 𝑒𝑛 𝑈 ∩ 𝑉 𝑦 𝑒𝑠𝑎 𝑠𝑒𝑟á 𝑙𝑎
𝑏𝑎𝑠𝑒 𝑑𝑒𝑙 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑊. 𝑈𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑑𝑜 𝑖𝑠𝑜𝑚𝑜𝑟𝑓𝑖𝑠𝑚𝑜, 𝑐𝑜𝑙𝑜𝑐𝑎𝑚𝑜𝑠 𝑙𝑜𝑠 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑈 ∩ 𝑉 𝑦 𝑑𝑒 𝑉 𝑒𝑛 𝑢𝑛𝑎
𝑚𝑎𝑡𝑟𝑖𝑧 𝑦 𝑙𝑢𝑒𝑔𝑜 𝑙𝑎 𝑒𝑠𝑐𝑎𝑙𝑜𝑛𝑎𝑚𝑜𝑠:
1 2 2 0 1 2 2 0 1 2 2 0
1 0 0 2 0 −2 −2 2 0 −2 −2 2
𝟎 𝟎
→ 1 0 0 0 → 0 −2 −2 0 → 0 0 0 −2 ⇒ 𝐸𝑙 𝑠𝑢𝑏𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑊 𝑡𝑖𝑒𝑛𝑒 𝑐𝑜𝑚𝑜 𝑏𝑎𝑠𝑒 𝑎 {[ ]}
𝟎 𝟏
0 1 1 0 0 1 1 0 0 0 0 0
[0 0 0 1] [0 0 0 1] [0 0 0 0]
INDICADORES DE CORRECCIÓN
✓ Por determinar una base y dimensión de la intersección … hasta 8 puntos.
▪ Por encontrar las ecuaciones implícitas para el espacio U... hasta 2 puntos
▪ Por encontrar las ecuaciones implícitas para el espacio V… hasta 2 puntos
▪ Por resolver el sistema homogéneo conjunto … hasta 1 punto
▪ Por determinar la base para la intersección… hasta 2 puntos
• Obs: La base debe expresarse como matrices 2x2, caso contrario, 0 de los 2 puntos.
▪ Por determinar la dimensión de la intersección… hasta 1 punto
✓ Por determinar una base y dimensión de la suma … hasta 5 puntos.
▪ Por escribir todas las matrices que generan U y V, como vectores coordenados para escalonar como filas… hasta
1 punto
▪ Por escalonar correctamente… hasta 1 punto
▪ Por determinar la dimensión de la suma… hasta 1 punto
▪ Por determinar una base para la suma .. hasta 2 puntos
• Obs: La base debe expresarse como matrices 2x2, caso contrario, 0 de los 2 puntos.
✓ Por determinar el subespacio vectorial W … hasta 7 puntos.
▪ Por determinar una base y dimensión para el subespacio de matrices simétricas ... hasta 2 puntos
▪ Por determinar la dimensión de W… hasta 1 punto
▪ Por encontrar una base para el espacio W… hasta 4 puntos
✓ Prof. Dr. H.C. MSc. Ing. Civil Héctor Amílcar Rojas Sanabria.
✓ MSc. Ing. Carlos Eugenio Sauer Ayala.
✓ Aux. Marcos Antonio Benítez Ocampos.