Tema 5

Examen | 2018-2019 | Término 2 | Tercera Evaluación | Tema 5

Sea V un espacio vectorial definido sobre un campo \mathbb{K} y sea U un conjunto no vacío de V. Demuestre que U es un subespacio de V si, y sólo si, \alpha u + v \in U para todo u,v \in V y \alpha \in \mathbb{K}.

Tema 4

Examen | 2018-2019 | Término 2 | Tercera Evaluación | Tema 4

Sea A=M_{4\times 4}{(\mathbb{R})}, si sus subespacios propios son:\begin{aligned} L_1&=gen\begin{Bmatrix} \begin{pmatrix} x\\y\\z\\w \end{pmatrix} \in \mathbb{R}^4 \ : \ \begin{aligned} 8x+y+z+4w&=0\\4x+y+z+2w&=0\\4x+z+2w&=0 \end{aligned} \end{Bmatrix} \\ \\L_2&=gen\begin{Bmatrix} \begin{pmatrix} \begin{array}{r} -1\\0\\1\\0 \end{array} \end{pmatrix} \end{Bmatrix}\\ \\ L_3&=gen\begin{Bmatrix} \begin{pmatrix} 1\\0\\0\\0 \end{pmatrix} \end{Bmatrix} \end{aligned}a) Determine si A es diagonalizable.
b) ¿Es A es una matriz simétrica? Justifique su respuesta.

Tema 3

Examen | 2018-2019 | Término 2 | Tercera Evaluación | Tema 3

De ser posible, construya una transformación lineal T de P_2(\mathbb{R}) en \mathbb{R}^3 tal que \; T\begin{pmatrix} x^2+1 \end{pmatrix}=\begin{pmatrix} \begin{array}{r} 1\\-1\\0 \end{array} \end{pmatrix} y \; T\begin{pmatrix} x+1 \end{pmatrix}=\begin{pmatrix} \begin{array}{r} 0\\2\\1 \end{array} \end{pmatrix} .

Tema 2

Examen | 2018-2019 | Término 2 | Tercera Evaluación Evaluación | Tema 2

Sea V=P_3(\mathbb{R}) el espacio vectorial de los polinomios de grado menor o igual a 3, con coeficientes reales. Considere los conjuntos H_1=\{ p\in V\ {:}\ p'(1)=0\} y H_2=gen\{ x-1,x^2-3x \}.

a) Determine una base para el subespacio H_1\cap H_2.
b) Determine una base para el subespacio H_1 + H_2.

Tema 1

Examen | 2018-2019 | Término 2 | Tercera Evaluación | Tema 1

A continuación se presentan cuatro enunciados cada uno de los cuales tienen cuatro posibles opciones de respuesta (más de una puede ser correcta en cada caso). Rellene el círculo de aquella o aquellas opciones correctas.

Literal a. Sean V un espacio vectorial definido sobre un campo \mathbb{K}. Es cierto que:

\bigcirc Si W_1 y W_2 son subconjuntos de V entonces ( W_1 \cap W_2 ) es un subespacio.
\bigcirc Si W_1, W_2 y W_3 son subespacios de V entonces (W_1 \cap W_2) + W_3 es un subespacio de V.
\bigcirc Si \mathbb{K}=\mathbb{R} y para cada número complejo a+bi se define (a+bi)v=av entonces con esta nueva multiplicación por escalar, V es un espacio vectorial complejo.
\bigcirc Si W_1 y W_2 son subespacios de V entonces W_1+W_2 es el menor subespacio de V que contiene a W_1 \cup W_2.

Literal b. Sean V y W espacios vectoriales de dimensión finita, definidos sobre un mismo campo \mathbb{K}. Si B=\{ u_1,u_2,...,u_n \} es una base del espacio V, entonces es cierto que:

\bigcirc Existe una única transformación lineal tal que T(u_1)=T(u_2)=...=T(u_n).
\bigcirc Si T:V\longrightarrow W y G:V\longrightarrow W son dos transformaciones lineales entonces T\circ G es una transformación lineal.
\bigcirc Si T:V\longrightarrow W y G:V\longrightarrow W son dos transformaciones lineales entonces T+G es una transformación lineal.
\bigcirc T es un isomorfismo sí, y solo si, \{ T(u_1),T(u_2),...,T(u_n) \} es una base de W.

Literal c. Sea V un espacio vectorial, de dimensión finita, definido sobre un campo \mathbb{K}. Suponga que {\langle \cdotp | \cdotp \rangle} define un producto interno en V. Es cierto que:

\bigcirc {\langle v | v \rangle} puede ser un número complejo.
\bigcirc d(x,y)\le d(z,x)+d(y,z).
\bigcirc Si S es un conjunto ortonormal de vectores en V, entonces S es un conjunto linealmente independiente.
\bigcirc Si S es un conjunto ortogonal de vectores en V, entonces S es un conjunto linealmente independiente.

Literal d. Sean u_1 y u_2 dos vectores propios de la matriz A\in M_n(\mathbb{R}) asociada a los autovalores \lambda_1 y \lambda_2 respectivamente. Es cierto que:

\bigcirc u_1-u_2 es vector propio asociado a A.
\bigcirc \{ u_1,u_2 \} es un conjunto linealmente independiente en \mathbb{R}^n.
\bigcirc Si A es una matriz simétrica, existe un escalar \alpha tal que u_1=\alpha u_2.
\bigcirc Si A es una matriz simétrica y \lambda_1 \neq \lambda_2 entonces \{ u_1,u_2 \} es un conjunto ortogonal.

Planificación Académica


Año lectivo 2020-2021 | Periodo Académico Extraordinario

\scriptsize {\bold{CT:}\; Componente\; teórico\;\;\, |\; Nelson\; Cordova}
\scriptsize {\bold{CP:}\; Componente\; práctico\; |\; Fernando\; Tenesaca}

SemanaFechaContenido
1 CTLun. 16 MarzoTeoría
    Sistema de Ecuaciones Lineales
  • Definición de ecuaciones lineales
  • Tipos de ecuaciones lineales
  • Método de eliminación de Gauss Jordan
  • Aplicaciones de los sistemas lineales
  • Representación matricial de los sistemas de ecuaciones
  • Ejercicios
1 CTMar. 17 MarzoQuiz
Teoría
    Espacios Vectoriales
  • Definición de un espacio vectorial sobre un campo K
  • Ejemplos de espacios vectoriales
  • Demostración de propiedades fundamentales de espacios vectoriales
  • Definición y caracterización de subespacios vectoriales
  • Ejercicios
1 CPMié. 18 MarzoControl de avance
Taller
Control de cierre
2 CTLun. 23 MarzoTeoría
    Espacios Vectoriales
  • Combinación lineal
  • Conjunto generador
  • Demostraciones y ejercicios de suma e intersección
  • Demostración de un espacio generado por un conjunto
  • Dependencia e independencia lineal y propiedades relacionadas
  • Ejercicios
2 CTMar. 24 MarzoQuiz
Teoría
    Espacios Vectoriales
  • Bases y dimensiones
  • Teoremas de completación y extracción de bases
  • Ejercicios
2 CPMié. 27 MarzoControl de avance
Taller
Control de cierre
3 CTLun. 30 MarzoTeoría
    Espacios Vectoriales
  • Aplicación de teorema de completación y extracción de bases
  • Bases para espacios importantes. Suma e intersección
  • Teoremas relacionados con bases de subespacios
  • Coordenadas de un vector
  • Matriz de cambio de base
  • Ejercicios
3 CTMar. 31 MarzoQuiz
Teoría
    Espacios Vectoriales
  • Espacios asociados a una matriz
  • Transformaciones Lineales
  • Definición, propiedades y ejemplos de Transformaciones Lineales
  • Núcleo e imagen de una transformación lineal
  • Ejercicios
3 CPMié. 01 AbrilControl de avance
Ejercicios
Taller
3 PEVie. 03 AbrilPrimera Evaluación
4 CTLun. 06 AbrilTeoría
    Transformaciones Lineales
  • Teorema de la dimensión
  • Representación matricial de una transformación lineal
  • Operaciones con transformaciones lineales
  • Ejercicios
4 CTMar. 07 AbrilQuiz
Teoría
    Transformaciones Lineales
  • Isomorfismo e inversas
  • Producto Interno
  • Definición de producto interno de un espacio vectorial
  • Ejercicios

4 CPMié. 08 AbrilControl de avance
Taller
Control de cierre
5 CTLun. 13 AbrilTeoría
    Producto Interno
  • Propiedades de la norma
  • Ángulo entre vectores
  • Ortogonalidad y ortonormalidad
  • Bases ortonormales
  • Proceso de Gram-Schmidt
  • Ejercicios
5 CTMar. 14 AbrilQuiz
Teoría
    Producto Interno
  • Complemento y proyecciones ortogonales
  • Valores y Vectores Propios
  • Definición
  • Ejercicios
5 CPMié. 15 AbrilControl de avance
Taller
Control de cierre
6 CTLun. 20 AbrilTeoría
    Valores y Vectores Propios
  • Espacios característicos
  • Multiplicidad algebraica y geométrica
  • Diagonalización
  • Bases ortonormales
  • Proceso de Gram-Schmidt
  • Ejercicios
6 CTMar. 21 AbrilQuiz
Teoría
    Valores y Vectores Propios
  • Diagonalización ortogonal
  • Formas cuadráticas
  • Ejercicios
6 CPMié. 22 AbrilControl de avance
Ejercicios
Taller
6 SEVie. 24 AbrilSegunda Evaluación
7 TEVie. 01 MayoTercera Evaluación
8 PF04-08 MayoProceso Final

Fuente: Coordinación de la materia | Última actualización: 19-febrero-2020

Tema 6

Examen | 2018-2019 | Término 2 | Segunda Evaluación | Tema 6

Sea (V,{\langle \cdotp | \cdotp \rangle}) un espacio con producto interno definido sobre un campo \mathbb{K} y sea W un subespacio de V. Demuestre que el complemento ortogonal de W, W^{\perp}, es un subespacio de V y determine el conjunto W\cap W^{\perp}.

Tema 5

Examen | 2018-2019 | Término 2 | Segunda Evaluación | Tema 5

Considere el siguiente teorema: Si V y U son dos espacios vectoriales sobre un campo \mathbb{K}, V de dimensión finita y L:V\longrightarrow U una transformación lineal, entoncesRango\,(L)+Nulidad\,(L)=dim\,(V)
A continuación, se presenta un conjunto de pasos que ordenados pertinentemente representan la demostración de este teorema para el caso en que k=Nulidad\,(L)<dim\,(V)=n. En cada círculo en blanco indique el orden que corresponda al paso adjunto para que la demostración sea expresada de manera correcta.

\bigcirc Si u\in Im\,(L), entonces existe un vector v\in V tal que L(v)=u y v=\alpha_1 v_1+\alpha_2 v_2+...+\alpha_n v_n con \alpha_1,\alpha_2,...,\alpha_n \in \mathbb{K}.
\bigcirc Se obtiene entonces que
{Rango\,(L)+Nulidad\,(L)=(n-k)+k=n=dim\,(V)}.
\bigcirc Sea B_1=\{v_1,v_2,...,v_k\} una base para el Ker\,(L).
\bigcirc T debe ser inyectiva.
\bigcirc Existen entonces c_1,c_2,...,c_k\in \mathbb{K} tales que \gamma_{k+1}v_{k+1}+...+\gamma_{n}v_{n}=c_1 v_1+c_2 v_2 +...+c_k v_k, de donde c_1 v_1 + c_2 v_2 +...+c_k v_k -\gamma_{k+1}v_{k+1}-...-\gamma_{n}v_{n}=0_V.
\bigcirc Se pueden elegir vectores v_{k+1},v_{k+2},...,v_{n} tales que B=\{v_1,v_2,...,v_n\} sea una base para V.
\bigcirc Se tiene entonces que c_1=c_2=...=c_k=\gamma_{k+1}=...=\gamma_n=0 por lo tanto \{ L(v_{k+1}),...,L(v_n) \} es linealmente independiente y base de Im(L).
\bigcirc Si \gamma_{k+1}L(v_{k+1})+...+\gamma_{n}L(v_{n})=0_U se tiene que L(\gamma_{k+1}v_{k+1}+...+\gamma_{n}v_n)=0_U, esto es \gamma_{k+1}v_{k+1}+...+\gamma_{n}v_n\in Ker(L).
\bigcirc Luego, u=\alpha_{k+1}L(v_{k+1})+...+\alpha_n L(v_n), por lo tanto \{ L(v_{k+1}),...,L(v_n) \} genera a Im(L).

Tema 4

Examen | 2018-2019 | Término 2 | Segunda Evaluación | Tema 4

Demuestre que si V es un espacio vectorial sobre un campo \mathbb{K}, con producto interno {\langle \cdotp | \cdotp \rangle}, entonces para todo a\in \mathbb{K} y v_1,v_2,v_3\in V se tiene que {\langle v_1 | \alpha v_2+v_3 \rangle}=\overline{\alpha}{\langle v_1 | v_2 \rangle}+{\langle v_1 | v_3 \rangle}.