FIUNA00P1b000911

1. Las entradas de las matrices son elementos de un cuerpo arbitrario.

2. Si A es una matriz invertible, entonces (A-1)T = (AT)-1.
3. Una matriz A es ortogonal si y sólo sí AT es ortogonal.
4. Una solución del sistema lineal de ecuaciones A x = B es solución de una combinación
lineal de las ecuaciones del sistema.
5. Si A x = B es un sistema lineal de n ecuaciones con n incógnitas y si las filas de A
son linealmente independientes, entonces el sistema tiene una solución y sólo una.
6. Si A x = 0 es un sistema lineal de n ecuaciones con n incógnitas y si las filas de A
son linealmente independientes, entonces el sistema tiene una solución y sólo una.
7. Ninguno de los axiomas que definen un espacio vectorial se deriva de los otros.
8. La unión de dos subespacios de un espacio vectorial, es un subespacio del mismo
espacio vectorial.
9. La intersección de dos subespacios de un espacio vectorial, es un subespacio del mismo
espacio vectorial.
10. La suma de dos subespacios de un espacio vectorial, es un subespacio del mismo
espacio vectorial.
11. Todo conjunto de vectores mutuamente ortogonales, constituye un conjunto de vectores
linealmente independiente.
12. Si un vector es combinación lineal de un conjunto de vectores linealmente dependiente,
entonces, dicha combinación lineal es única.
13. R2 es un subespacio de R3.
14. Todo conjunto de vectores linealmente independiente en un espacio vectorial V
constituye una base en V.
15. La unión de un conjunto generador de un espacio vectorial V con un conjunto cuyo único
elemento es un vector de V, es un nuevo conjunto generador de V.
16. El conjunto solución del sistema de ecuaciones Ax = b, es un espacio vectorial.
17. Si A y B son dos matrices compatibles para el producto, entonces (AB) T = ATBT
18. Si A y B son matrices no singulares y conmutan, entonces A-1 y B-1 conmutan.
19. Dos bases de un mismo espacio vectorial V de dimensión finita, no necesariamente
tienen el mismo número de elementos.
20. En el espacio vectorial de las matrices cuadradas de orden n, el subconjunto de las
matrices invertibles es un subespacio.
FIUNA00P2b001123
21. La definición de espacios vectoriales con producto interno involucra un cuerpo arbitrario
K.
22. Todo conjunto normado es un espacio vectorial con producto interno.
23. Si A y B son dos subespacios ortogonales, entonces no tienen elementos comunes.
24. Una matriz real A es normal si A AT = AT A = I.
25. Una matriz real A es ortogonal si sus columnas forman un conjunto ortogonal de vectores.
26. Si  es un valor propio de una matriz A no singular, entonces -1 es valor propio de A-1.
27. El espacio propio E, del valor propio  de la matriz cuadrada A, es el espacio solución
del sistema no homogéneo MX = B, donde M es la matriz I - A.
28. Los valores propios de una matriz A no dependen del cuerpo subyacente a A.
29. Para toda aplicación lineal F:V  U, la imagen de un conjunto linealmente independiente
es linealmente independiente.
30. Si T es un operador en un espacio vectorial finito, entonces la afirmación T es inyectivo
es .equivalente a T es suprayectivo.
31. El término constante del polinomio característico de la matriz n-cuadrada es (-1)n-1 detA.
32. Si el operador lineal T es singular, entonces es invertible.
33. Una aplicación lineal es biyectiva si y solo si es no singular.
34. La fórmula dim V = dim (Ker F) + dim (Im F) es válido para toda aplicación lineal F.
35. Dos espacios vectoriales V y U son isomorfos si existe una aplicación lineal inyectiva
F: V  U.
36. Toda matriz real simétrica es diagonalizable.
37. Todo espacio vectorial de dimensión finita, con producto interno, admite base
ortonormal.
38. En Rn a partir de una matriz real A definida positiva, puede definirse un producto
interno.
39. La condición necesaria y suficiente para que una matriz n-cuadrada real A defina un
producto interno en Rn es que detA  0.
40. La definición de producto interno para un espacio vectorial complejo es la misma que para
un espacio vectorial real.
FIUNA00F1b001218
41. Si A, B y C son matrices n-cuadradas con AB = BA y BC = CB, entonces AC = CA.
42. Si A y B son dos matrices simétricas del mismo orden y AB = BA, entonces AB es
simétrica
43. La matriz A es normal si es simétrica, ortogonal o antisimétrica.
44. La matriz A es singular si es producto de matrices elementales.
45. Una matriz B es congruente a otra matriz A, si existe una matriz P tal que: B = P TA P.
46. Para dos matrices A y B se cumple que det(AB) = det A . det B
47. El axioma para espacios vectoriales que dice: 1u = u puede derivarse del otro axioma
que dice: (a + b) u = a u + b u, con a = 1 y b = 0, siendo 1, a, b escalares y u un
vector.
48. Todo conjunto de vectores mutuamente ortogonales es linealmente independiente.
49. En un espacio vectorial, todo conjunto de vectores linealmente independiente constituye
una base.
50. Si P es la matriz de transición de la base S a T y Q la matriz de transición de la base
T a U, entonces PQ es la matriz de transición de la base S a U.
51. Si T : V  V es una transformación lineal, las matrices que representan T, relativas a
bases cualesquiera, son similares.
52. Si las matrices A y B son similares, entonces tr A = tr B.
53. En toda aplicación lineal T : V  W, dim T  dim Ker T
54. Toda matriz real admite al admite al menos un valor propio real.
55. Una matriz n-cuadrada es diagonalizable si admite n valores propios distintos.
56. Si  es un valor propio de la matriz A, entonces c valor propio de cA
57. Toda aplicación lineal T : V  W es invertible si y sólo sí es biyectiva.
58. Si  = 0 es un valor característico de la matriz A, entonces A es singular.
59. En un espacio vectorial real con producto interno, la norma de un vector depende de la
base elegida.
60. La matriz que representa el producto interno en un espacio vectorial sobre el cuerpo de
los complejos es hermítica.
FIUNA00F2b001226
61. Si A es una matriz real de orden mn, entonces ATA = AAT.
62. Toda matriz ortogonal real es cuadrada e invertible.
63. Una matriz A es equivalente por filas a otra matriz B, sí y sólo si existe una matriz no
singular P tal que B = PA.
64. Para toda matriz ortogonal, de orden 22, existe un ángulo  tal que la matriz toma la
 cos  sen 
forma:  
  sen cos  
65. En todo espacio vectorial está definida la ortogonalidad de vectores.
66. El conjunto de los números enteros pares sobre el cuerpo de los reales, con la operación
usual de adición y multiplicación, constituye un espacio vectorial.
67. El conjunto solución W de un sistema de ecuaciones lineales es un subespacio de Kn.
68. En toda matriz rectangular, el rango por filas es igual al rango por columnas.
69. El conjunto constituido por un único vector es linealmente independiente.
70. En un espacio vectorial, todo conjunto de vectores no nulos ortogonales entre sí,
constituye una base.
71. Dos sistemas de ecuaciones lineales son equivalentes si las matrices de los coeficientes
de las incógnitas, tienen el mismo espacio fila.
72. La matriz de cambio de base, en un mismo espacio vectorial es invertible.
73. Si W es el conjunto solución del sistema AX = B, entonces W es el complemento
ortogonal del espacio fila de A
74. Una matriz real A es definida positiva sí y sólo sí XTAX > 0 para todo X no nulo.
75. En un espacio vectorial, con producto interno, una matriz es ortogonal si sus filas
constituyen un conjunto ortogonal de vectores.
76. La definición de determinante de una matriz, es válida aún si las entradas de la matriz
son elementos de un anillo.
77. Los vectores propios v1, v2, ..., vn de una matriz A, perteneciente a valores propios
distintos 1, 2, ..., n son linealmente independientes.
78. Si  es un valor propio de una matriz A de multiplicidad geométrica k, entonces la
dimensión de su espacio propio es k.
79. Una aplicación lineal F:VU es biyectiva sí y sólo sí es no singular.
80. Si T:VV es un operador lineal no singular, entonces T es suprayectivo.
FIUNA01P1a010321
81. Si A es una matriz cuadrada invertible, el sistema homogéneo AX = 0 admite una
solución no nula.
82. Si u y v son las soluciones particular y general de un sistema inhomogéneo de
ecuaciones lineales, entonces la diferencia u - v es la solución general del sistema
homogéneo asociado.
83. Si un sistema de ecuaciones lineales tiene una ecuación degenerada, entonces el
sistema no admite solución alguna.
84. Si AX = B es un sistema de n ecuaciones con n incógnitas, y A es una matriz
triangular superior, con todos sus elementos diagonales no nulos, entonces el sistema
admite solución única.
85. Si P es un punto en R3 y n un vector no nulo, entonces el conjunto de puntos Q para
los que (Q – P).n = 0, constituye una recta en R3.
86. Si u y v son vectores no nulos. Entonces || u + v || = || u || + || v || si y sólo sí v es
múltiplo de u.
87. El producto vectorial de dos vectores está definido para todo par de vectores de R n.
88. Los vectores u y v constituyen un conjunto ortonormal de vectores si el producto
escalar de los mismos es la unidad.
89. Toda matriz nula está en forma canónica por filas.
90. Cualquier matriz A es equivalente por filas a una única matriz en forma canónica por
filas.
91. Si A y B son matrices triangulares superiores del mismo orden, entonces AB es
triangular superior del mismo orden.
 92. Toda matriz cuadrada A es el producto de matrices elementales.
93. Una matriz cuadrada es invertible si y solo si es el producto de matrices elementales.
94. Si A es una matriz ortogonal, A es invertible.
95. Si A es una matriz invertible, entonces AT es invertible con (AT)-1 = (A-1)T.
96. Si A es una matriz invertible, entonces es equivalente por filas a la matriz identidad.
97. Si A y B son matrices invertibles, entonces A+B es invertible.
98. Toda matriz simétrica es invertible.
99. Si A y B son dos matrices compatibles para el producto, entonces (AB)T = ATBT
100. Si las matrices A y B son compatibles para el producto y se verifica AB = 0, entonces
A = 0 o B = 0.
FIUNA01P2a010505
101. En todo espacio vectorial V sobre el cuerpo de los reales, u + u = 2u, con u  V,
independientemente de la definición de la suma de vectores.
102. El cuerpo de los números complejos, con las operaciones de suma de complejos y
producto por números reales, constituye un espacio vectorial sobre el cuerpo de los
números reales.
103. Los polinomios de grado 2 forman un subespacio del espacio vectorial de polinomios de
grado n con (n > 2).
104. lin S = lin ( S  { 0 }).
105. Para todo par de matrices A y B, rango (A + B) = rango A + rango B.
106. Sean U y W subespacios unidimensionales de R3, entonces U  W = { 0 }.
n (n  1)
107. La dimensión del espacio vectorial de las matrices n-cuadradas antisimétricas es
2
.
108. W es un subespacio de un espacio vectorial V si y sólo si (a u + b w)  V, con u, w  V
y a, b  K
109. Si S es un subconjunto de un espacio vectorial V, entonces S contiene a lin S.
110. Las filas de una matriz escalonada son linealmente independientes.
111. Todas las bases de un espacio vectorial V tienen el mismo número de vectores.
112. Los rangos por filas y por columnas de una matriz rectangular son iguales.
113. En todo espacio vectorial, las matrices de cambios de bases son singulares.
114. La unión de conjuntos de vectores linealmente independientes es un conjunto linealmente
independiente.
115. La ortogonalidad de vectores está definida únicamente en espacios vectoriales con
producto interno.
116. La desigualdad de Cauchy-Schwarz también se verifica en un espacio vectorial con
producto interno definido sobre el cuerpo de los números complejos.
117. En un espacio vectorial con producto interno, si u y v son dos vectores ortogonales,
entonces:
|| u + v ||2 = || u ||2 + || v ||2.
118. Si A es una matriz n-cuadrada y k un escalar, entonces det(kA) = kndet(A)
119. En todo espacio vectorial con producto interno, la matriz de representación de dicho
producto interno respecto a una base cualquiera es definida positiva.
120. Toda matriz real simétrica es congruente con la matriz unitaria.
FIUNA01F1a010619
121. Si B es una matriz con la primera y tercera columnas iguales, entonces para cualquier
matriz A, compatible con la multiplicación, también son iguales la primera y tercera
columnas de AB.
122. W es un subespacio de un espacio vectorial V, si y sólo si (au + bw)  W, con u, w 
W y a, b  K
123. Si A es una matriz con la primera y tercera filas iguales, entonces para cualquier matriz
B, compatible con la multiplicación, también son iguales la primera y tercera filas de AB.
124. En toda matriz, si sus columnas constituyen un conjunto de vectores linealmente
independientes, entonces sus filas también forman un conjunto de vectores linealmente
independientes.
125. Si Ax = 0 y ATy = b, x  y, entonces xTb = 0.
126. Si A y B son dos matrices simétricas que conmutan, entonces AB es simétrica.
127. Toda matriz triangular superior admite inversa.
128. Una matriz cuyos elementos son solamente ceros y unos, tiene determinante igual a 1, 0
ó –1
129. Los vectores propios no nulos, correspondientes a valores propios diferentes, forman un
conjunto linealmente independiente.
130. Si A y B son dos matrices que conmutan, entonces tienen los mismos vectores
propios.
131. Si A, B y M son matrices tales que B = M -1 A M, entonces A y B tienen los mismos
valores propios.
132. Todos los valores propios de una matriz definida positiva, son positivos.
133. Si A es una matriz diagonalizable, entonces An = P Dn P-1 para todo n entero y positivo.
134. Si  es un valor propio de la matriz A, entonces n es valor propio de An para todo n
entero y positivo.
135. Una aplicación lineal F:V  U es biyectiva si y sólo sí es no singular.
136. Si A y B son dos matrices tales que Av = v y Bv = v, entonces (AB)v = ()v.
137. Toda matriz es similar a su traspuesta.
138. Todos los valores propios de una matriz real simétrica son reales.
139. Si A y B son dos matrices n-cuadradas ortogonales, entonces AB es ortogonal.
140. Si S es un subconjunto cualquiera de un espacio vectorial con producto interno V,
entonces, S es un subespacio de V.
FIUNA01F2a010703
141. La definición de un espacio vectorial con producto interno involucra un cuerpo arbitrario
K.
142. En un espacio vectorial V con producto interno, una matriz P es ortogonal cuando las
filas de P forman un conjunto ortonormal de vectores.
143. Si P y Q son dos matrices ortogonales, entonces PQ es ortogonal.
144. Un determinante de orden n es igual a una combinación lineal de determinantes de
orden n – 1.
145. Los determinantes de dos matrices equivalentes son iguales.
146. Si A y B son dos matrices cuadradas que conmutan para el producto y tienen valores
propios distintos, entonces tienen los mismos vectores propios.
147. Si F:VV es una aplicación lineal tal que F(v) = 0, para algún v  0, entonces, la
imagen por F de cualquier conjunto de vectores linealmente independiente, es
linealmente independiente.
148. Las filas de una matriz en forma escalonada son linealmente independientes.
149. Si F:VU es una aplicación lineal, y k es un escalar no nulo, entonces, F y kF tienen
el mismo núcleo y la misma imagen.
150. La matriz cuadrada A es invertible si y sólo sí cada elemento diagonal aii  0.
151. Para que un sistema lineal pueda escribirse en forma escalonada, el número de
ecuaciones debe ser igual al número de incógnitas.
152. Si f y g son funciones cualesquiera en la variable x y A una matriz n-cuadrada,
entonces (f + g) (A) = f(A) + g(A).
153. Dos sistemas de ecuaciones lineales son equivalentes sí y sólo sí las matrices de los
coeficientes son equivalentes por filas, es decir, tienen el mismo espacio propio.
154. Una matriz real simétrica es definida positiva si al menos uno de sus menores principales
es positiva.
155. Una matriz B es equivalente por filas a otra matriz A, sí y sólo sí existe una matriz no
singular P tal que B = AP.
156. Si T:VV es una aplicación lineal tal que T(v) = 0 v  0  vV, entonces V = ImT
157. La función f:VV tal que f(x) = a x, cualquiera que sea x  V y a un escalar, es una
transformación lineal.
158. Un conjunto de vectores S = {u1, u2,...,un}, es una base de un espacio vectorial V, si
todo vector vV puede escribirse como combinación lineal de los vectores de S.
159. Todo conjunto de vectores mutuamente ortogonales, constituye un conjunto linealmente
independiente.
160. El espacio vectorial V es la suma directa de sus subespacios U y W si y sólo sí UW =
{0}
FIUNA01P1b010903
161. Un sistema homogéneo admite como solución única solamente a la solución trivial.
162. Toda ecuación lineal degenerada no admite solución.
163. El sistema de ecuaciones, cuya representación gráfica son dos rectas paralelas, admite
infinitas soluciones.
164. Un sistema de ecuaciones lineales está en forma triangular si no tiene ecuaciones
degeneradas.
165. Un sistema de ecuaciones lineales está en forma escalonada si no tiene ecuaciones
degeneradas.
166. Un sistema de ecuaciones lineales homogéneo puede admitir: a) solución única, b)
ninguna solución y c) un número infinito de soluciones.
167. Toda matriz rectangular no nula, es equivalente por filas a una única matriz en forma
canónica por filas
168. Todo sistema de ecuaciones lineales homogéneo, con más ecuaciones que incógnitas,
admite solución.
169. Los vectores u1, u2, ..., un en Rn son linealmente dependientes si existen escalares k1,
k2, ... , kn tal que: k1 u1 + k2 u2 + ...+ kn un = 0.
170. Para cualquier vector arbitrario u  Rn se verifica u  u  0; y u  u = 0, si y sólo si u =
0.
171. En el conjunto de vectores { 0, u1, u2, ... , un }, siendo 0 el vector nulo, 0 es ortogonal a
todos los ui.
172. El producto vectorial usual de vectores se define únicamente en R3.
173. Si para las matrices A, B y C se verifica que A B = A C, entonces B = C.
174. Si la matriz A es simétrica e invertible, entonces A-1 es invertible.
175. La matriz A es singular si y sólo si A es el producto de matrices elementales.
176. Si las matrices de dos sistemas de ecuaciones lineales son equivalentes por filas,
entonces dichos sistemas tienen el mismo conjunto solución.
177. Toda matriz no nula, es equivalente por filas a una matriz en forma escalonada por filas.
178. Es sistema de ecuaciones A X = 0 tiene solución única si y solo si A es no singular.
179. Si para las matrices A y B se cumple que AB y BA son del mismo orden, entonces A
y B son del mismo orden.
180. Si el sistema de ecuaciones A X = B tiene más de una solución, entonces admite infinitas
soluciones.
 FIUNA01P2b011009
181. Toda matriz real A es equivalente a una única matriz real en forma canónica por filas.
182. Si v0 es una solución particular de un sistema inhomogéneo AX = B, entonces la solución
general U del sistema puede expresarse como U = v0 + W = {v0 + w / wW}, donde W es
la solución general del sistema homogéneo asociado AX = 0.
183. Si S = {v1, v2, ... ,vr}  Rn, entonces S es linealmente dependiente si k1, k2, ... ,kr  R,
tal que k1v1 + k2v2 + ... + krvr = 0.
184. Si C es el cuerpo de los números complejos, entonces  z  C  z  (0, 0), z-1  C se
obtiene de la fórmula z-1 = z / ( z z ).
185. Si A, B, C son matrices reales mn, y k es un real, entonces: a) (ABt)C = A(BtC); b)
A(Bt + Ct) = ABt + ACt; c) (B + C)At = BAt + BCt y; d) k(ABt) = (kA)Bt = A(kBt).
186. Si A es una matriz compleja nn, entonces A es hermítica si AH = A, siendo AH = At.
187. Si A es una matriz real n-cuadrada invertible, entonces (At)-1 = (A-1)t.
188. Si A es una matriz compleja nn, entonces A es unitaria si AH = A-1.
189. Si A es una matriz compleja mn, entonces AAH es una matriz real mm.
190. Si V es un espacio vectorial sobre el cuerpo K, entonces K es el cuerpo de los reales o el
de los complejos.
191. Si V es un espacio vectorial sobre el cuerpo K, entonces en el conjunto V están definidas
dos operaciones internas.
192. Si V es un espacio vectorial sobre el cuerpo K, entonces el neutro de K para la suma es
el neutro para la suma en V .
193. Si V es un espacio vectorial sobre el cuerpo K y W un subespacio del mismo, entonces
W es un espacio vectorial sobre el mismo cuerpo K.
194. Si V es un espacio vectorial sobre el cuerpo K, entonces un subconjunto no vacío de
vectores de V, es un subespacio si es cerrado para el producto por escalares.
195. Los espacios fila y columna de toda matriz n-cuadrada A son iguales.
196. Todos los conjuntos generadores de un mismo espacio vectorial tienen el mismo número de
vectores.
197. Si en un espacio vectorial V sobre el cuerpo K, S es un conjunto de s vectores
linealmente independientes y T un conjunto de t vectores linealmente dependientes,
entonces t < s.
198. Si S es un conjunto de n vectores que genera el espacio n-dimensional V, entonces S
es una base en V.
199. El rango de una matriz A de orden mn es el menor de entre los números m y n.
200. Si V es el espacio vectorial de las matrices reales n-cuadradas, y W el conjunto de
matrices reales n-cuadradas invertibles, entonces W es un subepacio de V.
FIUNA01F1b011210
201. El sistema de ecuaciones lineales AX = b, con ARmn, XRn y bRm, tiene: i) una
única solución, ii) ninguna solución, o iii) un número infinito de soluciones.
202. Los sistemas de ecuaciones lineales A1X1 = b1 y A2X2 = b2, con A1Rmn, X1Rn,
b1Rm, A2Rpq, X2Rq y b2Rp, son equivalentes sí y sólo sí tienen: i) el mismo
conjunto solución y ii) m = p  n = q.
203. Para todo vector u, v  R3 se verifica: uv2 = (uu) (vv) - (uv)2.
204.  u, v  Cn   z  C se verifican: i) uv = vu, ii) (zu)v = z(uv), iii) u(zv) = z(uv).
205.  A, B, C  Rnn   k  R se verifican: i) (A + B)C = AC + BC, ii) k(AB) = (kA)B =
A(kB).
206. Si A  Rnn  Am = 0, entonces A = 0.
207.  A, B  Rnn  A, B invertibles, se verifican: i) (At)-1 = (A-1)t, ii) (AB)-1 = B-1A-1, iii) AB =
I
208. Si U y W son subespacios del espacio vectorial V, entonces U  W, lin(U, W) y U +
W son también subespacios de V.
209. En el espacio vectorial Cn sobre C, se verifica z(u + v) = zu + zv sólo si z es real.
210. Si W es el conjunto solución del sistema AX = b, con ARmn, XRn y bRm, se
verifica que W es un subespacio de Rn y dimW = n – rango(A).
211. En el espacio vectorial V sobre el cuerpo de los números complejos, si u es la
norma de u y d(u, v) la distancia entre los vectores u y v, entonces u y d(u, v) son
reales.
212. Si S es un subconjunto de vectores de un espacio vectorial con producto interno V,
entonces S  S = V.
213. En el espacio vectorial con producto interno V, si Proy(v, w) = cw, entonces cw es
ortogonal a v - cw.
214. Si A  Rnn  At = A, entonces sus vectores propios correspondientes a valores propios
distintos son ortogonales.
215. Si una matriz es definida positiva, su determinante es positivo.
216. Si T:VV es una aplicación lineal en el espacio vectorial V y T(v) = 0 v V,
entonces dim(ImT) = dimV.
217. El polinomio característico de A  Rnn es f si y sólo si f(A) = 0.
218. Si en el espacio vectorial V, A es la representación matricial de la aplicación lineal
T:VV relativa a una base S, entonces T es invertible si y sólo si A es no singular.
219. Si T:VV es una operador lineal en el espacio vectorial V, entonces  es un valor
propio de T si el operador lineal I - T es singular.
220. Si en los espacios vectoriales reales V y U, S = {v1, v2, ..., vm} y T = {u1, u2, ..., un} son
bases, respectivamente y F:VU una aplicación lineal, entonces  v  V   u  U
tal que F(v) = u, existe una matriz A  Rnm tal que A[v]S = [u]T.
FIUNA01F2b011219
221. El sistema de ecuaciones lineales AX = B, con ARmn, XRn y BRm, admite
solución única si y sólo si (A, B) = (A).
222. Si W es el conjunto solución del sistema lineal homogéneo AX = 0, con ARmn, XRn,
0Rm, entonces el conjunto solución U del sistema inhomogéneo AX = B, con BRm
 Av0 = B, puede obtenerse como: U = v0 + W = {v0 + w/wW}.
223.  u, v  Rn se verifica: u + v2 = u2 + v2
224.  u, v, w  Cn se verifican a) (u + v)w = uw + vw; b) w(u + v) = wu + wv; c) uv =
vu.
225. Si A, B  Rnn  A y B son congruentes, entonces A y B son similares.
226. Si A  Rnn  At = A, entonces A es no singular.
227. Si U es un subespacio del espacio vectorial V  S  V es una base en V, entonces
algún subconjunto de S es una base de U.
228. Si U y W son subespacios del espacio vectorial V, sobre un cuerpo K, y U  W = {0},
entonces dimU + dimW = dimV.
229. Si V es un espacio vectorial sobre el cuerpo de los números complejos C, entonces 
u, v  V  z  C, z(u + v) = zu + zv.
230. En el espacio vectorial Cn sobre C;  z, w  C   u Cn, se verifica: z(wu) = (zw)u,.
231. Si U es el conjunto solución del sistema AX = B, con ARmn, XRn y BRm,
entonces U es un subconjunto del espacio columna de A.
232. Si v  V, y V es un espacio vectorial con producto interno, entonces v  es un
subespacio de V.
233. Si V es un espacio vectorial con producto interno, v, w  V, c = v, w/w, w,
entonces Proy(v, w), cw = 0.
234. Si  es raíz de multiplicidad p de la ecuación característica de A  Rnn y q es la
dimensión de su espacio propio, entonces p  q.
235. Si A  Rnn es definida positiva, entonces  X  Rn  X  0, XtAX  0.
236. Si  es un valor propio de A  Rnn, entonces   R.
237. Si f(t) es un polinomio, A  Rnn y f(A) = 0, entonces f es múltiplo del polinomio
característico de A.
238. Si [T]S es la representación matricial del operador lineal T relativa a la base S en el
espacio vectorial real V y dimV = n, entonces [T]S  Rnn  ([T]S)t = [T]S.
239. Si [T]S es la representación matricial del operador lineal T relativa a la base S en el
espacio vectorial real V y dimV = n, entonces los valores propios de A son los de [T]S.
240. Si P es la matriz de cambio de base desde la base S hasta otra S’ en el espacio
vectorial V y Q la matriz de cambio de base desde la base T hasta otra T’ en el
espacio vectorial U, entonces para toda transformación lineal F:VU, F S '  Q 1 F S P .
T' T

FIUNA02P1a020321
241. Si A x = B es un sistema lineal y las filas de A son linealmente independientes,
entonces el sistema tiene una solución y sólo una.
242. Si A x = 0 es un sistema lineal homogéneo y las filas de A son linealmente
independientes, entonces el sistema tiene una solución y sólo una.
243. Si una ecuación es homogénea, entonces no es degenerada.
244. Si un sistema de ecuaciones lineales admite solución, entonces tiene un sistema
triangular equivalente.
245. Para que un sistema de ecuaciones lineales pueda reducirse a la forma escalonada,
debe tener igual número de incógnitas que de ecuaciones.
246. Los vectores de Rn no son casos particulares de Cn.
247. Para vectores arbitrarios u y v de Rn se verifica que: u – v  u + v
248. Es producto vectorial de vectores está definido sólo en R3.
249. Si A y B son dos matrices compatibles para el producto, entonces (AB) T = ATBT
250. La intersección de dos subespacios de un espacio vectorial, es un subespacio del mismo
espacio vectorial.
251. La unión de dos subespacios de un espacio vectorial, es un subespacio del mismo
espacio vectorial.
252. Si un espacio vectorial V es generado por n vectores, entonces todo conjunto
linealmente independiente de vectores de V tiene como máximo n vectores.
253. El axioma M4: 1u = u, puede derivarse del axioma A4: k(u + v) = ku + kv, haciendo
k=1 y v=0
254. Todo conjunto de vectores linealmente independiente en un espacio vectorial V, es una
base en V.
255. El conjunto de las matrices cuadradas constituye un espacio vectorial.
256. Si V es un espacio vectorial sobre un cuerpo K y W un subespacio del mismo,
entonces W es un espacio vectorial sobre el mismo cuerpo K.
257. Si V es un espacio vectorial sobre un cuerpo K, entonces en el conjunto V están
definidas dos operaciones internas.
258. En R3, el conjunto {0, i, j, k}, siendo 0 el origen de coordenadas e i, j, k los versores
coordenados, constituyen la base usual de R3.
259. Dos bases de un mismo espacio vectorial V de dimensión finita, no necesariamente
tienen el mismo número de vectores.
260. La unión de un conjunto generador de un espacio vectorial V con un conjunto cuyo único
elemento es un vector de V, es un nuevo conjunto generador de V.
FIUNA02P2a020513
261. Una ecuación de un sistema lineal homogéneo es degenerada. El conjunto solución del
sistema no se altera si se suprime dicha ecuación degenerada.
262. Todo sistema lineal de m ecuaciones con n incógnitas puede reducirse a la forma
triangular.
263. Todo sistema de ecuaciones lineales homogéneos tiene: i) Solución única; ii) Ninguna
solución; o iii) Infinitas soluciones.
264. Todo sistema lineal de ecuaciones que puede reducirse a la forma escalonada admite
solución.
265. Si A es idempotente (A2 = A), entonces I – A es idempotente.
266. Si A y B son matrices nilpotentes de clase p (Ap = Bp = 0  Ap-1  0  Bp-1  0),
entonces AB y BA son nilpotentes.
267. Si A es una matriz compleja, entonces AAH es hermítica. (Obs.: AH = At )
268. Toda matriz triangular es invertible.
269. El cuerpo de los complejos constituye un espacio vectorial sobre el cuerpo de los reales.
270. En todo espacio vectorial, un conjunto constituido por un único vector es linealmente
independiente.
271. En un espacio vectorial, todo conjunto de vectores linealmente independientes es una
base del mismo.
272. En toda matriz mxn, las dimensiones de los espacios fila y columna son iguales.
273. El conjunto solución del sistema lineal, de m ecuaciones con n incógnitas, AX = B, es un
subespacio de Kn.
274. Un espacio vectorial de dimensión n, admite subespacios solamente de dimensiones 1,
2, ..., n.
275. El conjunto de polinomios {t, t2, t3} es la base canónica del espacio vectorial de los
polinomios de grado menor o igual a tres.
276. En un espacio vectorial V sobre un cuerpo K, {u, v}  V, u  0  v  0 es linealmente
independiente si y sólo sí v = ku, con k  0.
277. U y W son subespacios de un espacio vectorial V, entonces UW y U+W son
subespacios de V y UW  U+W.
278. En un espacio vectorial V sobre un cuerpo K, de dimensión n, toda matriz de cambio de
base es no singular.
279. Todas las bases de un espacio vectorial tienen igual número de vectores.
280. En todo espacio vectorial V sobre un cuerpo K, el conjunto vacío de vectores Ø es un
subconjunto de V y linØ = {0}.
FIUNA02F1a020625
281. Si de un sistema de ecuaciones lineales se deriva otro, mediante una operación
elemental sobre una de las ecuaciones, entonces el conjunto solución no se altera.
282. Un sistema lineal de n ecuaciones con n incógnitas, admite al menos una solución.
283. El producto vectorial de dos vectores u y v de R3, es conmutativo.
284. Si z y w son números complejos y zw = 0, entonces z = 0 o w = 0.
285. Si A y B son matrices triangulares superiores del mismo orden, entonces AB no
necesariamente es triangular superior.
286. Si A es una matriz cuadrada invertible, entonces A es producto de matrices
elementales.
287. Si una matriz cuadrada A es congruente con una matriz diagonal D, entonces At  A.
288. El rango de una matriz es mayor que la dimensión de su espacio fila.
289. Si V es un espacio vectorial, sobre un cuerpo K, dimV = n, entonces todo conjunto
generador de V, con n vectores, es linealmente independiente.
290. Si S es una base de un espacio vectorial V de dimensión finita n, entonces v  V,
 puede escribirse de una única manera como combinación lineal de los vectores de S.
291. En un espacio vectorial V sobre un cuerpo K, puede hablarse de ortogonalidad de
vectores sí y sólo sí se ha definido una distancia en V.
292. Si  1 y  2 son dos normas distintas definidas en un espacio vectorial V sobre un
cuerpo K, y, si u  v  V  u1 = v2, entonces u = v.
293. En un espacio vectorial V, si P es la matriz de cambio de base, desde una base
ortonormal S hasta otra base T, también ortonormal, entonces P es ortogonal.
294. Toda matriz cuadrada compleja, tiene al menos un valor propio.
295. Si una matriz es simétrica, entonces es diagonalizable por similaridad.
296. Si todas las raíces de la ecuación característica de una matriz cuadrada A son distintas,
entonces su polinomio característico es su polinomio mínimo.
297. Si una matriz es diagonalizable por similaridad, entonces la multiplicidad algebraica de
cada uno de sus valores propios es igual a su multiplicidad geométrica.
298. Si F:VU es una aplicación lineal, entonces la imagen de un conjunto de vectores
linealmente independientes es linealmente independiente.
299. Si T:VV es una operador lineal inyectivo, entonces es suprayectivo.
300. Si F:VU es una aplicación lineal y, rango V = r. Existen bases de V y U en las que
 I 0
la matriz de representación de F, adopta la forma A    donde I es la matriz
 0 0
diagonal r-cuadrada.
FIUNA02F2a020716
301. Si la primera y la tercera columnas de una matriz B son iguales, también lo son la
primera y la tercera columnas de la matriz AB, siendo A una matriz compatible con B
par la multiplicación.
302. Si la primera y la tercera filas de una matriz B son iguales, también lo son la primera y la
tercera filas de la matriz AB, siendo A una matriz compatible con B par la
multiplicación.
303. Si A y B son dos matrices invertibles, entonces A–1 ( A + B ) B–1 = A–1 + B–1.
304. Si  u , v , w  es un conjunto de vectores linealmente independientes, entonces el
conjunto  u + v , u + w , v + w  es linealmente independiente.
305. Si A1 =  u1 , u2  es linealmente independiente y A2 =  u3 , u4  es linealmente
independiente, entonces la suma lin  u1 , u2   lin  u3 , u4  es directa.
306. Si f : R2  R2 es tal que f2 (x , y) = (0 , 0) para todo (x , y)  R2, entonces Im f  ker f .
307. Si U y V son dos subespacios vectoriales de un mismo espacio vectorial, dim U = 3 y
dim (U  V) = 1, entonces dim V = 2.
308. Si A es una matriz cuadrada, entonces AAT es simétrica.
309. Si A es una matriz cuadrada, entonces A + AT es simétrica.
310. La imagen del vector nulo dada por una transformación lineal es el vector nulo.
311. La imagen del opuesto de todo vector dada por una transformación lineal es igual al
opuesto de su imagen.
312. La inversa de una transformación lineal no singular es una transformación lineal.
313. Si una matriz A tiene n valores propios, entonces los n valores son raíces de la
ecuación característica de A.
314. Una matriz A admite n vectores propios linealmente independientes si y sólo si A es
diagonalizable.
315. Dos matrices A y B representan el mismo operador lineal T sí y sólo sí son similares.
316. Si S es el complemento ortogonal de un subconjunto S de vectores de un espacio
vectorial V, entonces S es un subespacio de V.
317. Dos conjuntos de vectores linealmente independientes de un mismo espacio vectorial
 tienen al menos un vector común.
318. La intersección de dos conjuntos generadores de un mismo espacio vectorial es un
conjunto generador del mismo espacio vectorial.
319. Una matriz A es definida positiva si XT A X > 0 para todo vector X  Rn.
320. Una matriz triangular es invertible si no tiene elementos nulos en la diagonal.
FIUNA02P1b020914
321. La ecuación 3x + y + ez = ln3 es una ecuación lineal. (e = 2,7182818...)
322. Si u = (a, b, c, d) es solución de un sistema lineal de ecuaciones, entonces v = (a, b, d,
c) es también solución (el orden en que se escriben las componentes no afecta).
323. La ecuación homogénea AX = 0 admite solución trivial si y sólo si la ecuación tiene al
menos una variable libre.
324. La ecuación Ax = b es homogénea si y sólo si el vector cero es una solución.
325. Para que un sistema de ecuaciones lineales pueda reducirse a la forma escalonada,
debe tener igual número de incógnitas que de ecuaciones.
326. Si A y B son matrices invertibles y conmutan, entonces sus inversas también
conmutan.
327. Toda matriz elemental E es invertible.
328. Cualquier secuencia de operaciones elementales de filas que reduzca la matriz A a la
matriz identidad I, también reduce I en A-1.
329. El producto de dos matrices invertibles es invertible
330. Si las matrices aumentadas de dos sistemas lineales son equivalentes por filas, entonces
los dos sistemas lineales tienen el mismo conjunto solución.
331. Si las matrices aumentadas de dos sistemas lineales tienen el mismo rango, entonces los
dos sistemas lineales tienen el mismo conjunto solución.
332. Dos matrices que tiene el mismo numero de filas, son equivalentes por filas
333. Si A es una matriz antisimétrica, entonces A2 es antisimétrica.
334. Si A es una matriz invertible y AB = 0, entonces la matriz B  0.
335. El conjunto de las matrices cuadradas constituye un espacio vectorial.
336. Si V es un espacio vectorial sobre un cuerpo K, entonces en el conjunto K están
definidas dos operaciones internas.
337. Si V es un espacio vectorial sobre un cuerpo K, entonces en el conjunto V están
definidas dos operaciones internas.
338. El conjunto de matrices simétricas con las operaciones usuales de suma de matrices y
multiplicación por escalares, es un espacio vectorial.
339. El conjunto de vectores (x, y) de R2 con y = – 3x + 1 es un espacio vectorial.
340. En el espacio vectorial V sobre el cuerpo K, se verifica k + v = v + k, kK  .vV.
FIUNA02P2b021109
341. Una matriz A es diagonalizable si y sólo si su polinomio mínimo es producto de factores
lineales distintos entre si.
342. A es una matriz escalar kIn si y sólo si su polinomio mínimo es m(t) = (t – k)n.
343. Una matriz real A mxn y su transpuesta At tienen el mismo número máximo de
columnas linealmente independientes.
344. Matrices no similares pueden tener el mismo polinomio característico.
345. El polinomio mínimo de una matriz A existe y es único.
346. Si A y B son matrices n-cuadradas invertibles, entonces AB y (BA)-1 tienen los mismo
valores propios.
347. Si A es una matriz real nxn cuyas columnas son linealmente independientes, entonces
A es diagonalizable por similaridad.
348. Si A es una matriz real n-cuadrada y k un número real, entonces det(kA) = kndet(A).
349. Un sistema de ecuaciones lineales homogéneo admite soluciones distintas de la trivial si y
sólo si el determinante de la matriz del sistema es nulo.
350. Si A es una matriz real no singular, entonces AtA es definida positiva.
351. Si P es una matriz ortogonal, entonces  u, v  V, con el producto interno usual  , ,
se verifica: Pu , Pv = u, v.
352. Si W es un subespacio de un espacio vectorial V de dimensión finita n, entonces
(W ) = W.
353. Si u y v son vectores cualesquiera de un espacio vectorial normado V, con norma ‖ ‖,
entonces: ‖u + v‖2 + ‖u - v‖2 = 2‖u‖2 + 2‖v‖2.
354. Todo espacio vectorial V con producto interno  ,  es un espacio vectorial normado,
con norma ‖v‖ = v, v.
355. El conjunto de polinomios {t, t2, t3} es la base canónica del espacio vectorial de los
polinomios de grado menor o igual a tres.
356. En un espacio vectorial V sobre un cuerpo K, {u, v}  V, u  0  v  0 es linealmente
independiente si y sólo sí v = ku, con k  K  k  0.
357. Si A es una matriz que representa un producto interno  ,  en el espacio vectorial
complejo V, entonces A es hermítica.
358. Si A y B son matrices mxn arbitrarias, entonces rango(A + B) ≤ rango(A) + rango(B).
359. Si S es un conjunto de vectores del espacio vectorial V, entonces lin (linS) = lin S
360. Si AX = B es un sistema lineal de m ecuaciones con n incógnitas sobre el cuerpo K,
entonces el conjunto solución del sistema es un subespacio de Kn.
FIUNA02F1b021220
361. Si una de las ecuaciones de un sistema lineal se reduce a una degenerada, entonces el
sistema no tiene solución.
362. El espacio solución W de un sistema de ecuaciones lineales Ax = b es el complemento
ortogonal del espacio fila de A.
363. Si A es una matriz normal, entonces es simétrica.
364. Si B es una matriz real no singular y M = BT B, entonces M es definida positiva.
365. Si en el sistema de ecuaciones lineales Ax = B el rango de la matriz ampliada ( AB ) es
mayor que el rango de la matriz A, entonces el sistema admite infinitas soluciones.
366. Una matriz cuadrada A es invertible si es equivalente por columnas a la matriz identidad.
367. Todo subconjunto de un espacio vectorial que contenga al elemento cero, es un
subespacio.
368. La envolvente lineal de un subconjunto de vectores de un espacio vectorial es un
subespacio.
369. En un espacio vectorial V, todo conjunto generador de vectores linealmente
independientes es una base en V.
370. El producto interno para vectores en Rn está dado únicamente por < u , v > = uT v.
371. Si A es una matriz cualquiera, entonces AAT es simétrica.
372. La suma de los valores propios de una matriz A es igual a la traza de A.
373. El producto de los valores propios de una matriz A es igual al determinante de A.
374.  es un valor propio de T si I – T es no singular.
375. Si una matriz A tiene todos sus valores propios diferentes, entonces es diagonalizable.
376. La matriz diagonal D obtenida por similaridad a partir de una matriz A, es única.
377. Si para dos matrices A y B se cumple que AB = BA, entonces dichas matrices tienen
los mismos vectores propios.
378. Si T:VU es una aplicación lineal y {v1, v2, ...,vn}  V son tales que T(vi) son
linealmente independientes, entonces los vi también lo son.
379. Ker A es el espacio solución del sistema A x = 0.
380. Todas las representaciones matriciales de un operador lineal son invertibles
FIUNA02F2b030113
381. Si en un sistema lineal de ecuaciones, una de las ecuaciones es combinación lineal de
otra, entonces el sistema admite infinitas soluciones.
382. Si de un sistema de ecuaciones lineales se obtiene otra, mediante una sucesión finita de
operaciones elementales, entonces ambos sistemas tienen el mismo conjunto solución.
383. Si una matriz está en forma escalonada, entonces está en forma canónica por filas.
384. Toda matriz ortogonal es una matriz cuadrada invertible.
385. Si en el espacio vectorial V sobre el cuerpo K, S  V  0  S, entonces todo vector de
S puede escribirse como combinación lineal de los demás.
386. Si W es un subespacio del espacio vectorial de dimensión finita V y dimW = dimV,
entonces W = V.
387. Si V es un espacio vectorial real n-dimensional, entonces V y Rn son isomorfos.
388. La envolvente lineal de un subconjunto de vectores de un espacio vectorial V es un
subespacio de V.
389. Si en un espacio vectorial V sobre un cuerpo K, los subconjuntos de vectores S y T
generan el mismo subespacio, entonces S = T.
390. Si A es la representación matricial del producto interno  ,  de vectores del espacio
vectorial real V, respecto a la base S = {u1, u2, ..., un}, entonces A = ( ui ,uj  )
391. Si V es un espacio vectorial complejo, con producto interno  , , entonces para todo
par de vectores u, v de V se verifica  u, v  =  v, u .
392. Si V es un espacio vectorial real, con producto interno  , , entonces las matrices que
representan a dicho producto interno respecto a distintas bases en V son congruentes.
393. Toda matriz cuadrada real tiene al menos un valor propio real.
394. Si  es un valor propio de A, entonces la matriz I – A es no singular.
395. Si una matriz n-cuadrada A tiene n vectores propios linealmente independientes,
entonces es diagonalizable por similaridad.
396. Los elementos de la matriz diagonal D obtenida por similaridad a partir de una matriz A
diagonalizable, son únicos.
397. Si dos matrices n-cuadradas A y B admiten los mismos vectores propios, entonces A
es diagonalizable por similaridad si y sólo si B lo es.
398. Si V y U son espacios vectoriales de dimensiones finitas sobre el mismo cuerpo K y
F:VU es una aplicación lineal, entonces dimV = dimU.
399. Si V y U son espacios vectoriales sobre el mismo cuerpo K y F:VU es una aplicación
lineal no singular, entonces si S  V es linealmente independiente F(S) también lo es.
400. Si T es un operador lineal en un espacio vectorial real n-dimensional V, entonces T
puede ser representado por una matriz real n-cuadrada A.
FIUNA03P1a030421:
401. Si u es una solución del sistema lineal homogéneo AX = 0, entonces para todo escalar
k, ku es también solución.
402. Un sistema de ecuaciones lineales en forma escalonada, con número de ecuaciones no
nulas igual al número de incógnitas, admite solución única.
403. Si u y v son soluciones del sistema lineal no homogéneo AX = B, entonces u + v es
también solución.
404. Si u, v, w  Rn  w  0, entonces: uw = vw  u = v .
405. Si k  R, u  Rn, u  0  ku = u, entonces k = 1.
406. Una matriz B es equivalente por filas a otra matriz A, si y sólo si, existe una matriz no
singular P tal que B = AP.
407. Si A y B son matrices de orden mn, entonces A y Bt son conformes para el producto
de matrices y ABt es una matriz cuadrada de orden m.
408. Sólo las matrices simétricas son congruentes con matrices diagonales.
409. El producto de dos matrices invertibles es invertible.
410. La suma de dos matrices invertibles es invertible.
411. Los elementos diagonales de una matriz antihermítica son nulos.
412. Si V es un espacio vectorial sobre el cuerpo K, entonces todo subconjunto de vectores
no vacío y cerrado para las suma de vectores, es un subespacio de V.
413. Si V es un espacio vectorial sobre el cuerpo K, entonces las operaciones definidas en V
son las mismas que las definidas en el cuerpo K.
414. Si un espacio vectorial V, sobre el cuerpo K, tiene dimensión n, entonces todo conjunto
de más de n vectores es linealmente dependiente.
415. Si V es un espacio vectorial sobre el cuerpo K, y S  V consta de vectores no nulos,
entonces existe v  S tal que v es combinación lineal de los demás elementos de S.
416. Si el sistema homogéneo a1x1 + a2x2 +....... + anxn = 0, con algún ai  0, admite una
solución no nula, entonces el sistema es linealmente dependiente
417. Los números complejos, con las operaciones suma de complejos y producto por reales,
constituye un espacio vectorial sobre los números reales.
418. El espacio solución W del sistema homogéneo AX = 0, es el complemento ortogonal del
espacio fila de A.
419. En el espacio vectorial complejo normado V, la norma de todo vector es un número real.
420. En el espacio vectorial V con producto interno  , , d(u, v) = u – v, u – v1/2 verifica
los axiomas de distancia.
FIUNA03P2a030614:
421. Si A es una matriz hermítica, entonces es invertible.
422. Si U es un subespacio del espacio vectorial V sobre el cuerpo K, entonces toda base
de U puede completarse hasta obtener una base en V.
423. En el espacio vectorial Rn la expresión utAv, con u, v  Rn y A una matriz n-cuadrada
real simétrica es un producto interno.
424. La matriz de representación de cualquier producto interno, es definida positiva.
425. Si los valores propios de una matriz simétrica son todos distintos entre sí, entonces los
respectivos vectores propios constituyen un conjunto ortogonal de vectores.
426. Si A es una matriz n-cuadrada invertible, entonces admite un valor propio igual a cero.
427. La multiplicidad geométrica de un valor propio de una matriz es siempre distinto de cero.
428. Los valores propios de una matriz triangular son las componentes diagonales de la matriz.
429. Los valores propios de una matriz real simétrica son reales.
430. Los valores propios de una matriz n-cuadrada real pueden ser números complejos.
431. Una matriz n-cuadrada A es diagonalizable bajo similaridad si y sólo si es simétrica.
432. El polinomio característico de una matriz n-cuadrada A es múltiplo de su polinomio
mínimo.
433. Si  es un valor propio de A, entonces  es cero del polinomio mínimo de A.
434. Si U y V son espacios vectoriales de dimensiones finitas sobre el mismo cuerpo K, y
F:UV es una aplicación tal que F(0) = 0, entonces F es una aplicación lineal.
435. Si U y V son espacios vectoriales de dimensiones finitas sobre el mismo cuerpo K, y
F:UV es una aplicación lineal, entonces la imagen de F tiene la misma dimensión del
dominio si y solo si F es singular.
436. Si T, U, V, y W son espacios vectoriales sobre un mismo cuerpo K, y f:TU,
g:UV y h:VW son aplicaciones lineales, entonces se verifica: (hg)f = h(gf),
siendo  el símbolo para indicar la composición de funciones.
437. La representación matricial de un operador lineal no es única. Pero las matrices que
representan a un mismo operador lineal tienen los mismos valores propios.
438. Si U y V son espacios vectoriales de dimensiones finitas sobre el mismo cuerpo K y W
es el conjunto de las aplicaciones lineales de U en V, entonces, W, con las
operaciones de suma de aplicaciones y producto por escalares es un espacio vectorial.
439. Si U y V son espacios vectoriales sobre el mismo cuerpo K y F:UV es una aplicación
lineal no singular, entonces dim(U) = dim(Im F).
440. Si T es un operador lineal en un espacio vectorial real n-dimensional V, entonces existe
una base en V, tal que el operador T tiene representación mediante una matriz
diagonal.
FIUNA03F1a030619:
441. Si W es el conjunto solución del sistema lineal de ecuaciones AX = B  W  ,
entonces W contiene un número finito de elementos.
442. Si A es una matriz real mn, entonces es equivalente por filas a una única matriz en
forma canónica por filas, con m filas no nulas.
443. Si un sistema de ecuaciones lineales no tiene variables libres, entonces admite una
solución y sola una.
444. El inverso multiplicativo de la unidad imaginaria es su opuesto aditivo.
445. Si e es una operación elemental entre filas de la matriz mn A, denotado por e(A), y
E la matriz m-cuadrada elemental correspondiente, entonces e(A) = EA.
446. Si V es un espacio vectorial n-dimensional sobre el cuerpo K y S un conjunto
generador de V con n+1 elementos, entonces si se suprime uno cualquiera de los
vectores de S se obtiene una base de V.
447. Si V es un espacio vectorial complejo n-dimensional, entonces V y Cn son isomorfos.
448. Si V es un espacio vectorial n-dimensional sobre el cuerpo K y S un conjunto
generador de V, entonces la envolvente lineal de S es V.
449. Si en un espacio vectorial V sobre un cuerpo K, los subconjuntos de vectores S y T
generan el mismo subespacio, entonces S y T tienen el mismo número de vectores.
450. Si en el espacio vectorial V, la representación matricial del producto interno  , ,
relativa a la base S = {u1, u2, ..., un}, es A, entonces A es no singular.
451. Si V es un espacio vectorial complejo con producto interno  , , S = {v1, v2, ..., vn}  V
 u  V, entonces se verifica que  u, vi  =  u, vi .
452. Si V es un espacio vectorial real n-dimensional, con producto interno  , , entonces
para cada base de V existe una matriz que representa  ,  relativa esa base.
453. Toda matriz cuadrada tiene un polinomio característico real.
454. Si las multiplicidades algebraicas de los valores propios de una matriz son iguales a las
dimensiones de sus espacios propios correspondientes, entonces A es diagonalizable.
455. Si A es una matriz n-cuadrada y tiene n vectores propios linealmente independientes,
entonces sus valores propios son todos distintos entre sí.
456. Toda matriz n-cuadrada tiene como máximo n vectores propios.
457. Si dos matrices n-cuadradas A y B admiten los mismos vectores propios, entonces A
es diagonalizable por similaridad si y sólo si B lo es.
458. Si V y U son espacios vectoriales de dimensiones finitas sobre el mismo cuerpo K y
F:VU una aplicación lineal, entonces la imagen de un conjunto de vectores linealmente
independiente de V es linealmente independiente en U.
459. Si V y U son espacios vectoriales de dimensiones finitas sobre el mismo cuerpo K y
F:VU una aplicación lineal no singular, entonces dimV = dimU.
460. Si V es un espacio vectorial real n-dimensional y T un operador lineal en V, entonces
T es invertible.
FIUNA03F2a030718:
461. Si A y B son matrices nn, entonces (A + B)2 = A2 + 2AB + B2.
462. Si x1 y x2 son soluciones del sistema lineal Ax = b, entonces x3 = ¼ x1 + ¾ x2 es
también una solución de Ax = b.
463. Si A es una matriz no singular, entonces el sistema homogéneo Ax = 0 admite una
solución no trivial.
464. Si c  R, u  Rn y cu = 0, entonces c = 0  u = 0.
465. Si los n vectores v1, v2, ..., vn generan un espacio vectorial W, entonces dim W = n.
466. Si U y W son subespacios de un mismo espacio vectorial, entonces UW  .
467. Si S y T son subconjuntos de vectores del espacio vectorial V, S  T, y T
linealmente independiente, entonces S es también linealmente independiente.
468. Si W es un subespacio del espacio vectorial V y dimW = dimV, entonces W = V.
469. Si V es un espacio vectorial real o complejo, con producto interno  , , entonces  u,
v  V,  u, v  es un número real positivo.
470. Si S es una base en un espacio vectorial complejo, con producto interno  , ,
entonces la matriz que representa  ,  respecto a la base S es hermítica.
471. Si en el espacio vectorial complejo V, se define el producto interno  , , entonces  v
 V se verifica:  v, v   R.
472. Si en el espacio vectorial complejo V, se define una distancia d( , ), entonces  u, v, w
 V, se verifica: d(u, v)  d(u, w) + d(w, v).
473. El grado del polinomio característico de una matriz real A es igual al orden de A.
474. Si  es raíz del polinomio característico de una matriz real A, entonces  es raíz de su
polinomio mínimo.
475. Si A y B tienen el mismo polinomio característico, entonces son matrices similares.
476. El polinomio mínimo y el característico de una matriz simétrica n-cuadrada real A, tienen
el mismo grado.
477. Si U y V son espacios vectoriales sobre un mismo cuerpo K, el conjunto de las
transformaciones lineales F:UV, con las operaciones de suma y multiplicación por
escalares, definidas usualmente para F, constituye un espacio vectorial.
478. Si U y V son espacios vectoriales sobre un mismo cuerpo K, de dimensiones m y n,
respectivamente, entonces el conjunto de las transformaciones lineales F:UV es
isomorfo al conjunto de matrices Knm.
479. Si V es un espacio vectorial, de dimensión finita, sobre el cuerpo K, T:VV es un
operador lineal, entonces T es invertible.
480. Si V es un espacio vectorial, de dimensión finita, sobre un cuerpo K, T:VV un
operador lineal y Ker T = { 0 }, entonces T es suprayectivo.
FIUNA03P1b030919:
481. Si u es una solución del sistema lineal AX = B, entonces kR, ku es también
solución.
482. Los sistemas de ecuaciones lineales, no degeneradas, de m ecuaciones con n
incógnitas, m  n, admiten infinitas soluciones.
483. Si u y v son soluciones del sistema lineal AX = 0, entonces  a, b  R, au + bv es
también solución.
484. Si u, v, w son vectores no nulos de Rn y uv = uw = 0 entonces { u, v, w } es un
conjunto ortogonales de vectores.
485. Si u, v  Cn y u = (u1, u2, ..., un), v = (v1, v2, ..., vn), entonces
producto escalar o interno en Cn.
uv  u v
i i es un

486. Si A y B son matrices complejas, de orden mn, y C = BtA entonces C es

hermítica.
487. Si A, B y C son matrices reales de orden mn, m  n, y, a, b son números reales,
entonces (aA + bB)C = aAC + bBC.
488. Si A y B son matrices reales congruentes, entonces son simétricas.
489. Si A es una matriz real no singular, entonces es el producto de matrices elementales.
490. Si A es una matriz cuadrada compleja, y AH = A, entonces A es una matriz unitaria.
491. Los elementos diagonales de una matriz antihermítica son ceros o bien son números
imaginarios puros.
492. Si V es un espacio vectorial sobre el cuerpo K, kK, vV  kv = 0, , entonces k = 0.
493. Si V es un espacio vectorial sobre el cuerpo K, y W  V es cerrado para las suma de
vectores, entonces W es un subespacio de V.
494. Si V es un espacio vectorial sobre el cuerpo K, y W  V es un subespacio de V,
entonces W es cerrado para el producto por escalares.
495. Si V es un espacio vectorial sobre el cuerpo K, S  V  0  S, entonces W = linS, es
un subespacio de V.
496. Si A es una matriz real, de orden mn, m  n,, con una columna nula. Entonces el
rango por filas de A es mayor que su rango por columnas.
497. Si en V = C, con la operación de suma de complejos; K = R, con :KV  V, definido
como el producto por reales por complejos. Entonces V es un espacio vectorial sobre K.
498. Si V es un espacio vectorial sobre el cuerpo K y S = {u i}  V, es tal que V = linS,
entonces vV, existen y son únicos los escalares ki tal que v = kiui.
499. En el espacio vectorial métrico complejo V, la distancia entre dos vectores cualesquiera,
es un número real.
500. En el espacio vectorial complejo V, con producto interno  , , u, v  V  u, v  R.
FIUNA03P2b031114:
501. Si V es un espacio vectorial sobre el cuerpo K, con producto interno  , :VVK,
entonces  u, v  R.
502. Si V es un espacio vectorial sobre el cuerpo R, con producto interno  , , entonces V
con d(u, v) =  ( u - v, u - v )1/2 ,  u, v  V, es un espacio métrico.
503. Si V es un espacio vectorial sobre el cuerpo K, con norma ║ ║, entonces u, v  V 
a, b  K, ║au + bv ║ = a║u║ + b║v ║.
504. En un espacio vectorial V sobre un cuerpo K, de dimensión n, con producto interno 
, . Todo conjunto ortogonal de n vectores no nulos, constituye una base de V.
505. Todo conjunto ortonormal de vectores de un espacio vectorial V sobre un cuerpo K, con
producto interno  , , es un conjunto de vectores linealmente independiente.
506. Si V es un espacio vectorial sobre el cuerpo K, de dimensión finita n, con producto
interno  , , entonces en V no pueden haber mas de n vectores ortogonales.
507. El determinante de toda matriz n-cuadrada real definida positiva, es un número positivo.
508. Si A es una matriz n-cuadrada con filas linealmente dependientes, entonces detA = 0.
509. Si A es una matriz simétrica de orden n, entonces admite n vectores propios
mutuamente ortogonales.
510. Todos los valores propios de una matriz simétrica son números reales distintos.
511. Una matriz n-cuadrada y su traspuesta tienen los mismos valores propios.
512. Una matriz n-cuadrada y su traspuesta tienen los mismos vectores propios.
513. En toda matriz n-cuadrada real, la multiplicidad algebraica de uno cualquiera de sus
valores propios es igual a la dimensión de su respectivo espacio propio.
514. Si V y U son espacios vectoriales, de dimensiones finitas, sobre un mismo cuerpo K y
F:VU una aplicación lineal, entonces KerF  .
515. Si V y U son espacios vectoriales, de dimensiones finitas, sobre un mismo cuerpo K y
F:VU una aplicación lineal, entonces la imagen por F de una base de V es una base
de ImF.
516. Si V y U son espacios vectoriales, de dimensiones finitas, sobre un mismo cuerpo K y
F:VU una aplicación lineal, entonces la imagen por F de un conjunto de vectores
 linealmente independientes de V es un conjunto linealmente independiente de U.
517. Si V y U son espacios vectoriales, de dimensiones finitas, sobre un mismo cuerpo K y
F:VU una aplicación lineal suprayectiva, entonces nulidad de F  rango de F.
518. Si V y U son espacios vectoriales, de dimensiones finitas, sobre un mismo cuerpo K y
F:VU una aplicación lineal inyectiva, entonces dimV = dim(ImF) = dimU.
519. Si V y U son espacios vectoriales de igual dimensión n, sobre un mismo cuerpo K,
F:VU una aplicación lineal suprayectiva, entonces dim(KerF) = 0.
520. Si V y U son espacios vectoriales, sobre un mismo cuerpo K, de dimensiones m y n,
respectivamente, y F:VU una aplicación lineal, entonces dimV  dim(ImF).
FIUNA03F1b031230:
521. Si un sistema de m ecuaciones lineales con n incógnitas tiene solución única, entonces
ninguna ecuación degenera durante el proceso de reducción por filas.
522. Si u = {u1, u2, ..., un} y v = {v1, v2, ..., vn} son vectores de Rn y se define uv = uivi,
entonces ║u║ = │(uu)1/2│, uRn, es una norma en Rn.
523. El conjunto de matrices reales n-cuadradas con la operación producto de matrices,
constituye una estructura de grupo.
524. El resultado de efectuar una operación elemental entre filas e sobre una matriz A puede
obtenerse premultiplicando A por la matriz elemental correspondiente E.
525. Si una matriz real n-cuadrada A es producto de matrices elementales, entonces es
invertible.
526. Si V es un espacio vectorial sobre el cuerpo K, entonces se tienen definidas dos
operaciones, una interna en V, y otra, que hace corresponder a cada elemento de K y
a uno de V, un único elemento de V.
527. Si V es un espacio vectorial sobre el cuerpo K, entonces todo subconjunto de V que
incluye al vector nulo, es un subespacio de V.
528. Si V es un espacio vectorial sobre el cuerpo K, entonces una condición necesaria para
que SV sea una base de V es que S sea linealmente independiente.
529. Si V es el espacio vectorial de las matrices reales mn, entonces dimV = mn.
530. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y
W es un subespacio de V de dimensión m, entonces, dimW = n – m.
531. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y
S es una base de V, entonces S es ortogonal o a partir de S puede obtenerse una
base ortogonal.
532. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y
S  V es un conjunto linealmente independiente, entonces S genera V.
533. Si A es una matriz compleja invertible entonces AH = A.
534. Si A es una matriz real n-cuadrada invertible, entonces todos sus valores propios son
distintos.
535. Si A es una matriz real n-cuadrada diagonalizable bajo similaridad, entonces ninguno
de los valores propios de A es igual a cero.
536. La matriz diagonal D obtenida por similaridad a partir de una matriz A, verifica An = Dn.
537. En toda matriz n-cuadrada A, el grado de su polinomio mínimo es menor que el grado de
su polinomio característico.
538. Si T es un operador lineal invertible en V, entonces dim(ImT) = dimV.
539. Si A es una matriz n-cuadrada real y se define xRn, Ax = y, entonces A es un
operador lineal inyectivo.
540. Si V y U son espacios vectoriales sobre un mismo cuerpo K, dimV = m, dimU = n, S y
T bases dadas de V y U, respectivamente, entonces a toda aplicación lineal F:VU le
T
corresponde una única matriz A S de orden nm que lo representa.
FIUNA03F2b040202:
541. Un sistema de m ecuaciones lineales con n incógnitas tiene i) solución única; ii) ninguna
solución, o iii) un número finito de soluciones.
542. Si u = {u1, u2, ..., un} y v = {v1, v2, ..., vn} son vectores de Cn, es decir ui , vi  C, el
producto escalar o interno de u y v se define uv = uivi.
543. La operación producto de matrices es distributiva respecto a la operación suma de
matrices, para las matrices mn (m  n).
544. Si A y B son matrices mn (m  n), se verifica (A + B)t = Bt + At.
545. Si una matriz real n-cuadrada A es invertible, se verifica (A–1)t = (At)–1.
546. Dados un conjunto V  , un cuerpo K y dos operaciones +:VVV y .:KVV, la
presencia del elemento neutro respecto a la operación +, es condición necesaria, pero no
suficiente, para que V sea un espacio vectorial sobre K.
547. Si U y V son subespacios no vacíos del espacio vectorial W sobre el cuerpo K, entonces
U  V y U + V son cerrados para las suma de vectores y el producto por escalares.
548. Si V es un espacio vectorial sobre el cuerpo K y dimV = n, entonces S  V, con n
elementos, es una base de V si S es linealmente independiente o si V = linS.
549. Si V es el espacio vectorial de matrices n-cuadrada reales, entonces W = { A / AV  trA
= 0 }, con las misma operaciones que en V, es un subespacio de V.
550. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S 
V no es un subespacio de V, S es un subespacio de V.
551. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S 
V es un conjunto ortogonal de n vectores, entonces S es una base de V.
552. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S 
V tiene n elementos y V = linS, entonces S es linealmente independiente.
553. Si AV y V es el espacio vectorial de matrices complejas n-cuadradas, entonces detA 
0.
554. Toda matriz real n-cuadrada invertible A, tiene todos sus valores propios reales.
555. Si A es una matriz real n-cuadrada, v un vector propio de A perteneciente al valor propio
 y k un escalar, entonces kv es un vector propio de A perteneciente al valor propio k.
556. La condición necesaria y suficiente para que una matriz real n-cuadrada A sea
diagonalizable bajo similaridad es que A admita n vectores propios no nulos.
557. Toda matriz n-cuadrada real A tiene uno y solo un polinomio mínimo.
558. Si T es un operador lineal en V, entonces T es invertible.
559. Si S = {u1, u2, ..., un} es una base del espacio vectorial V sobre el cuerpo K, T un operador
lineal en V y [T]S la representación matricial de T respecto a la base S, entonces se
verifica vV, [T]S[v]S = [T(v)]S.
560. Si F:VU es una aplicación lineal entre los espacios vectoriales V y U sobre un mismo
cuerpo K, dimV = m, dimU = n, S1 y S2 bases en V, T1 y T2 bases en U, y PKmxm y
QKnxn son tales que S2 = PS1 y T2 = QT1, entonces si  ATS11  K m  n es la representación
matricial a F respecto a las bases S1 y T1,  ATS22  Q ATS11 P es la representación matricial
de F respecto a las bases S2 y T2.
FIUNA04P1a040403:
561. Una ecuación lineal a1x1 + a2x2 + a3x3 + ... + amxm = b es una ecuación degenerada si no
admite solución alguna.
562. El sistema lineal de dos ecuaciones con dos incógnitas a 1x + b1y = c1, a2x + b2y = c2
admite solución única si y solo si a1b2 – a2b1 = 0.
563. Dos sistemas lineales son equivalentes si tienen, respectivamente, el mismo número de
ecuaciones y el mismo número de incógnitas.
564. Todo sistema lineal puede transformarse mediante un número finito de operaciones
elementales a otro sistema lineal equivalente en forma escalonada.
565. Un sistema lineal dado en forma escalonada, admite solución única.
566. Si u es un vector de Rm, v un vector de Rn y m  n, entonces el producto escalar de u
por v es cero.
567. Si u y v son vectores de Rn, entonces, si se representa con  e valor absoluto de un
número, con   la norma de un vector, y, con u·v el producto escalar del vector u por
el v, se verifica u.v  uv.
568. Para todo par de vectores u y v de Rn, si se representa con  la norma de un vector, se
verifica: u + vu+v.
569. Para todo para de vectores u y v de Rn, si se representa con  la norma de un vector,
con d(u, v) la distancia entre u y v, se tiene: d(u, v) = u – v.
570. Si u y v son vectores de Rn (n>3), entonces, el producto vectorial de u por v, denotado
por uv, permite obtener un vector ortogonal a u y a v.
571. La suma y el producto de matrices están definidos solamente para matrices del mismo
orden.
572. El producto de matrices, cuando la multiplicación es posible, es conmutativo.
573. La suma y el producto de matrices son operaciones asociativas.
574. Para multiplicar una matriz por un escalar, puede multiplicarse una cualquiera de las filas
de la matriz por el escalar.
575. El producto de matrices es distributivo por la izquierda y por la derecha respecto a la
suma de matrices.
576. Si A es una matriz n-cuadrada real, entonces tr A (traza de A), es un número entero.
577. Si I es la matriz unitaria de orden n, entonces para toda matriz n-cuadrada A, AI = IA = A.
578. Si una matriz n-cuadrada A, es invertible, entonces su inversa es única.
579. Si una matriz n-cuadrada real A es simétrica, entonces At = A. (At = transpuesta de A).
580. Si una matriz n-cuadrada compleja A es hermítica, entonces aii es real.
FIUNA04P2a040603:
581. Un sistema de m ecuaciones lineales con n incógnitas, admite al menos una solución.
582. El producto vectorial de dos vectores es una operación especial para vectores de R 3.
583. Si A, B y C son matrices reales compatibles para las operaciones indicadas, se verifican:
(AB)C = A(BC); A(B + C) = AB + AC; (A + B)C = AC + BC y k(AB) = (kA)B = A(kB).
584. Si W es el conjunto de matrices triangulares superiores de orden n, entonces W es
cerrado para la suma y producto de matrices.
585. Una matriz compleja A es unitaria si y sólo si sus filas (o columnas) forman un conjunto
ortogonal de vectores respecto al producto interno de vectores complejos.
586. Dada dos matrices A y B, se dice que a) son congruentes si existe una matriz no
singular P tal que B = PTAP y .b) son similares si existe una matriz no singular P tal
que B = P-1AP.
587. El conjunto de las matrices reales, con las operaciones suma de matrices y producto por
un número real, constituye un espacio vectorial sobre R.
588. Si V es un espacio vectorial sobre K, y W un subconjunto no vacío de V, cerrado para
la suma de vectores, entonces W es un subespacio de V.
589. Si V es un espacio vectorial sobre K, U y W son dos subespacios de V, entonces
UW y U + W son subespacios de V.
590. Los espacios fila y columna de una matriz real de orden n tienen la misma dimensión.
591. Si V es un espacio vectorial y S un conjunto de vectores no nulos linealmente
independientes, entonces S en una base de V.
592. El espacio vectorial V es la suma directa de los subespacios U y W si V = U + W y
UW = {0}.
593. El producto interno de vectores en un espacio vectorial sobre el cuerpo K, está definido
solo para K = R o K = C.
594. Si V es un espacio vectorial, con producto interno < , >, sobre el cuerpo K (K = R o K =
 C), entonces dicho producto interior es simétrico.
595. En un espacio vectorial con producto interno, el producto interno de un vector de ese
espacio vectorial por el vector nulo es nulo.
596. En un espacio vectorial con producto interno, a partir de dicho producto interno puede
definirse una norma para los vectores de dicho espacio vectorial.
597. De toda base de un espacio vectorial, puede derivarse una base ortonormal.
598. Todo conjunto de vectores ortogonales es linealmente independiente.
599. El complemento ortogonal de un conjunto de vectores es un subespacio.
600. Todo producto interior de un espacio vectorial real o complejo es siempre un número real
positivo.
FIUNA04F1a040629:
601. Un sistema de m ecuaciones lineales homogéneas con n incógnitas es siempre compatible y
admite infinitas soluciones si n > m.
602. Si u = {u1, u2, ..., un} y v = {v1, v2, ..., vn} son vectores de Rn, es decir ui , vi  R, el producto
escalar o interno de u y v se define uv = uivi.
603. La operación producto de matrices es distributiva respecto a la operación suma de matrices, para
las matrices mn (m  n).
604. Si A y B son matrices mn (m > n), se verifica ABt = BAt
605. En una matriz real n-cuadrada no singular A se verifica (A–1)t = (At)–1.
606. Dados un conjunto V  , un cuerpo K y dos operaciones +:VVV y .:KVV, entonces V es
un espacio vectorial sobre K.
607. Si U y V son subespacios no vacíos distintos del espacio vectorial W sobre el cuerpo K, entonces
U  V = {0}.
608. Si V es un espacio vectorial sobre el cuerpo K y dimV = n, entonces S  V, con n elementos, es
una base de V si S es linealmente independiente o si V = linS.
609. Si V es el espacio vectorial de matrices n-cuadrada reales, entonces W = { A / AV  At = A },
con las misma operaciones que en V, es un subespacio de V.
610. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S  V,
entonces S es un subespacio de V.
611. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S  V es
un conjunto ortogonal de n vectores, entonces S es una base de V.
612. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S  V tiene
n elementos y V = linS, entonces S es linealmente independiente.
613. Si AV y V es el espacio vectorial de matrices complejas n-cuadradas, entonces AH = A.
614. Toda matriz simétrica real n-cuadrada A, tiene todos sus valores propios reales.
615. Si A es una matriz real n-cuadrada, v un vector propio de A perteneciente al valor propio  y k un
escalar, entonces kv es un vector propio de A perteneciente al valor propio k.
616. La condición necesaria y suficiente para que una matriz real n-cuadrada A sea diagonalizable bajo
similaridad es que A admita n vectores propios distintos.
617. Toda matriz n-cuadrada real A tiene un polinomio mínimo de grado n.
618. Si T es un operador lineal en V, entonces T admite un operador inverso T–1.
619. Si S = {u1, u2, ..., un} es una base del espacio vectorial V sobre el cuerpo K, T un operador lineal
en V y [T]S la representación matricial de T respecto a la base S, entonces vV, [v]S[T]S =
[T(v)]S.
620. Si F:VU es una aplicación lineal entre los espacios vectoriales V y U sobre un mismo cuerpo K,
dimV = m, dimU = n, S y T bases en V y U, respectivamente, entonces si FS  K nm es la
T

representación matricial de F respecto a las bases S y T, entonces FS vS  F(v) T .

T

FIUNA04F2a040719:
621. En un sistema en forma escalonada, de m ecuaciones lineales con n incógnitas, cualquier
incógnita que no sea primera, es variable libre.
622. Una ecuación a1x1 + a2x2 + ... + anxn = b se dice degenerada si ai = 0 i = 1, n
623. Si A, B, C  V, y V es el conjunto de matrices complejas mn. a, b son números complejos
cualesquiera, se verifican: i) (A + B) + C = A + (B + C); ii) A + B = B + A; iii) a(A + B) = aA +
aB, iv) (a + b)A = aA + bA, v) (ab)A = a(bA) = b(aA)
624. Si A y B son matrices hermíticas de orden n, se verifica: (AB)H = AHBH
625. Si A y B son matrices cuadradas de orden n que conmutan, entonces AT = A y BT = B.
626. Si A es una matrices antihermítica, entonces tr(A) = 0
627. Para todo espacio vectorial V sobre un cuerpo K,  es un subespacio trivial del mismo.
628. Si V es un espacio vectorial sobre el cuerpo K, y W   y es cerrado para la suma y producto
por escalares, entonces W es un subespacio de V.
629. Si V es un espacio vectorial sobre el cuerpo K de dimensión n y V = linS = linT, entonces S y
T tienen igual número de vectores.
630. Si V es el espacio vectorial de matrices n-cuadrada reales, W  V y W  , entonces W es un
subespacio de V con las mismas operaciones de suma y producto de matrices.
631. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, y W un subespacio
de V, entonces  u, v  W, . <u , v>  W.
632. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S  V es
un conjunto ortonormal de n vectores, entonces S es una base de V.
633. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n, S  V un
conjunto ortogonal de m vectores no nulos, entonces existe un único conjunto T  V y n – m
vectores tal que ST es una base ortogonal de V.
634. Si p, q  V y V es el espacio vectorial de polinomios de grado menor o igual a tres sobre el
cuerpo de los reales, entonces pq, donde  indica el producto usual de polinomios, es un
producto interior en V.
635. Si A es una matriz n-cuadrada, v un vector propio de A perteneciente al valor propio  y k
un escalar, entonces kv es un vector propio de A perteneciente al mismo valor propio .
636. Si A es una matriz real n-cuadrada y D una matriz diagonal similar a A, entonces los
elementos de D son los valores propios de A.
637. En toda matriz n-cuadrada real A diagonalizable bajo similaridad se verifica Am = PDmP-1,
donde D es una matriz diagonal cuyos elementos son los valores propios de A y P una matriz
cuyos columnas son los vectores propios correspondientes.
638. Si T es un operador lineal en el espacio vectorial V con producto interno < , >, entonces existe
una representación matricial de T respecto a toda base S de V.
639. Si S = {u1, u2, ..., un} es una base del espacio vectorial V sobre el cuerpo K, T un operador lineal
en V entonces [T]S = <ui , uj>. es la representación matricial de T respecto a la base S.
640. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:UV una aplicación lineal, S
= {u1, u2, ,... , um} y T = {v1, v2, ..., vn} bases en U y V respectivamente, entonces A = (aij)T
donde los aij se obtiene de F(ui) = ai1v1 + ai2v2 + ... + ainvn con i = 1, m es la representación
matricial de F respecto a las bases S y T, respectivamente.
FIUNA04P1b040922:
641. Si una ecuación lineal a1x1 + a2x2 + a3x3 + ... + amxm = b es degenerada, entonces que
admita o no solución depende del valor de término independiente b.
642. Un sistema lineal de m ecuaciones con n incógnitas admite solución única si y sólo si
el sistema homogéneo asociado admite como única solución la trivial.
643. Dos sistemas de ecuaciones lineales son equivalentes si ambos son equivalentes a un
mismo sistema lineal en forma canónica.
644. Un sistema de m ecuaciones lineales con n incógnitas, puede admitir como conjunto
solución a un conjunto que tiene exactamente m vectores de n componentes.
645. Un sistema lineal dado en forma canónica admite una única solución.


n
n
646. Si u y v son vectores de C , el producto escalar de u por v se define: u.v = ui v i .
i 1

647. Si u y v son vectores de Cn, entonces el producto escalar de u por v es un número real.
648. Si u y v son vectores de Kn (K = R  K = C), entonces u.v ≤ uv.
649. Si u y v son vectores de Kn (K = R  K = C), y si se representa con  la norma de un
vector, entonces d(u, v) = u – v define una distancia en Kn.
650. Si dos matrices cuadradas A y B, de orden n, son equivalentes por filas, entonces
también son equivalentes por columnas.
651. Si dos matrices A y B, conformes para la multiplicación, son tales que AB = 0,
entonces A = 0 o B = 0.
652. Si una matriz compleja conmuta con su conjugada transpuesta, se dice que dicha matriz
es unitaria.
653. Si una matriz compleja es antihermítica, entonces sus elementos diagonales son ceros o
imaginarios puros.
654. Si A es una matriz hermítica, entonces su traza es un número real.
655. Si V es un espacio vectorial sobre un cuerpo K, entonces a, b  K  u, v  V, se
verifican: a(u + v) = au + av  (a + b)v = av + bv  (ab)v = a(bv)  av = v  a = 1.
656. Si V es un espacio vectorial sobre un cuerpo K y U un subespacio del mismo,
entonces a, b  K  u, v  U, se verifica au + bv  U.
657. Si U es un subespacio de un espacio vectorial V sobre un cuerpo K, S = {v1, v2, ... , vn}
es un subconjunto de vectores de U y W = linS, entonces W  U.
658. Si V es un espacio vectorial sobre un cuerpo K, dimV = n, S = {v1, v2, ... , vn}  V,
entonces V = linS.
659. Si V = linS y S = {v1, v2, ... , vn}, entonces algún subconjunto de S es una base de V.
660. Si V es un espacio vectorial sobre K, S = {u1, u2, ... , un}  V es linealmente
independiente y T = {v1, v2, ... , vm}  V es un conjunto generador, entonces m  n.
FIUNA04P2b041112:
661. El producto interno definido en un espacio vectorial real o complejo es una función
simétrica.
662. El producto interno definido en un espacio vectorial real o complejo asocia a todo par de
vectores un número real.
663. La norma definida en un espacio vectorial real o complejo asocia a todo vector no nulo un
número real no negativo.
664. La distancia puede definirse en un espacio vectorial real pero no en un espacio vectorial
complejo.
665. Si dos vectores de un espacio vectorial real, son ortogonales respecto a un producto
interno, son ortogonales respecto a cualquier otro producto interno definido en el mismo
espacio vectorial.
666. Si < , > es un producto interno definido en un espacio vectorial real o complejo V,
entonces una distancia en V puede definirse como d(u, v) = (<u – v, u – v >)1/2.
667. Si A es una matriz real n-cuadrada y k un número real, se verifica: det(kA) = kdet(A).
668. Si B es la matriz obtenida intercambiando dos filas de la matriz A, entonces det(B) =
det(A).
669. Si A es una matriz n-cuadrada real, entonces sus valores propios son números reales.
670. Toda matriz en un cero de su polinomio característico pero no necesariamente de su
polinomio mínimo.
671. A todo valor propio de una matriz A le corresponde un espacio propio de dimensión uno.
672. En toda matriz n-cuadrada real simétrica, las multiplicidades geométrica y aritmética de
uno cualquiera de sus valores propios son iguales.
673. Los vectores propios correspondientes a valores propios distintos de una matriz son
ortogonales.
674. Una forma cuadrática real es siempre diagonalizable bajo congruencia y bajo similaridad.
675. La aplicación F definida en R2 como F(x, y) = (x + 1, y + 1) es una aplicación lineal.
676. Si F:V  U es una aplicación lineal sobreyectiva, entonces dimV > dimU.
677. Si T:V  V es un operador lineal inyectivo y dimV es finito, entonces T es suprayectivo.
678. Si F:V  U es una aplicación lineal, dimV = m, dimU = n y S y T son bases de V y
U, respectivamente, entonces existe una matriz A de orden nm que representa F
 respecto a dichas bases.
679. Si T:V  V es un operador lineal, entonces las matrices que representan T respecto a
dos bases distintas S y T de V , son similares.
680. Si T:V  V es un operador lineal, entonces 0 es un valor propio de T, si sólo si T es
singular.
FIUNA04F1b041207:
681. Un sistema de m ecuaciones lineales homogéneas con n incógnitas, admite solución única si y
sólo sí n = m.
682. Si u = {u1, u2, ..., un} y v = {v1, v2, ..., vn} son vectores de Cn, es decir ui , vi  C, el producto
escalar o interno de u y v se define uv = uivi.
683. La transpuesta de la matriz (AB)C, producto de las matrices A, B y C, es igual al producto de
las transpuestas de C, B y A.
684. Si A y B son matrices hermíticas compatibles para la multiplicación, se verifica que AB es
hermítica.
685. Si A es una matriz triangular superior, entonces A2 es triangular superior.
686. El conjunto de matrices cuadradas reales, con las operaciones producto de matrices y producto
por escalares constituye un espacio vectorial.
687. Si U y W son subespacios distintos del espacio vectorial V sobre el cuerpo K, entonces U  V
≠ .
688. El rango de una matriz es la dimensión de su espacio fila.
689. Si V es un espacio vectorial sobre el cuerpo K, K = R  K = C, con producto interno < , >,
entonces < u , v >  R, u, v  V.
690. Si V es un espacio vectorial sobre el cuerpo K, K = R  K = C, con producto interno < , >,
dimV = n, entonces S  V, tal que V = linS y S linealmente independiente, existe una matriz
[A]  Kn×n, que representa < , > respecto a S.
691. Si V es un espacio vectorial sobre el cuerpo K, K = R  K = C, con producto interno < , >, dimV
= n y S  V es un conjunto ortonormal de n vectores, entonces S es una base de V.
692. Si V es un espacio vectorial sobre el cuerpo K, K = R  K = C, con producto interno < , >, dimV
= n y S  V es un conjunto generador de V, entonces S es una base en V.
693. Si A es una matriz real n-cuadrada, entonces si A es simétrica, detA > 0.
694. Toda matriz real n-cuadrada A, tiene todos sus valores propios reales.
695. Si A es una matriz real n-cuadrada, v un vector propio de A perteneciente al valor propio  y k un
escalar, entonces kv es un vector propio de A perteneciente al valor propio k.
696. Si A es una matriz real n-cuadrada que admite n valores propios distintos, entonces A es
diagonalizable bajo similaridad.
697. El grado del polinomio mínimo de una matriz es menor o igual al de su polinomio característico.
698. Si T es un operador lineal en V, entonces la imagen por T de una base en V es un conjunto
de vectores linealmente independiente.
699. Si S = {u1, u2, ..., un} es una base del espacio vectorial V sobre el cuerpo K, T un operador lineal
en V y [T]S la representación matricial de T respecto a la base S, entonces vV, [v]S[T]S =
[T(v)]S.
700. Si V y U espacios vectoriales sobre un mismo cuerpo K, F:VU una aplicación lineal, dimV = m,
dimU = n, S y T bases en V y U, respectivamente, entonces si FS  K nm es la
T

representación matricial de F respecto a las bases S y T, y FS vS  F(v) T .

T

FIUNA05P1050319:
701. Si Ax = b es un sistema lineal compatible con más incógnitas que ecuaciones, entonces
admite infinitas soluciones.
702. Si el sistema lineal Ax = b, de m ecuaciones con n incógnitas, es tal que el sistema
homogéneo asociado admite soluciones no triviales, entonces admite infinitas soluciones.
703. Si el sistema lineal Ax = b, de m ecuaciones con n incógnitas, admite solución única,
entonces el sistema Ax = c, con c  b  c  0, también admite solución única.
704. Si el sistema lineal Ax = b, de m ecuaciones con n incógnitas, admite como soluciones a
 los vectores x e y, entonces el vector x + y es también solución.
705. Si A y B son matrices cuadradas no nulas de orden n y B2 = AB, entonces A = B.
706. Si AX + B = I, es una ecuación, con A, B e I, matrices cuadradas del mismo orden,
entonces X = (I – B)A-1.
707. Las matrices n-cuadradas A y At, representan la misma forma cuadrática, es decir XtAX
= XtAtX.
708. Dada la forma cuadrática q(X) = XtAX, se verifica que B = (A + At)/2 es su matriz
simétrica asociada.
709. Toda matriz real n-cuadrada A es congruente con una matriz simétrica.
710. Si A y B son matrices equivalentes por filas y At = A, entonces Bt = B.
711. Si A y B son matrices equivalentes por filas y B es equivalente por filas a C, entonces A
y C, son equivalentes por filas.
712. Si una matriz compleja A es tal que At = A-1, se dice que dicha matriz es unitaria.
713. Si dos matrices n-cuadradas A y B son congruentes, y At = A, entonces Bt = B.
714. Si V es un espacio vectorial sobre un cuerpo K, y 1 es el neutro multiplicativo de K,
entonces v  V se verifica 1v = v.
715. Si S = {u, v, w} genera el espacio vectorial W, de dimensión dos (2), entonces w
puede escribirse como combinación lineal de u y v.
716. Si S = {u, v, w, s}  R4, u, v  lin{w, s} y {u, v} es linealmente independiente, entonces
{w, s} es una base de lin{u, v}.
717. Si W es un subespacio e Rn y U = {u: u = 2w  w  W}, entonces U es también un
subsepacio de Rn.
718. Si V = linS y S = {v1, v2, ... , vn}, entonces algún subconjunto de S es una base de V.
719. Si S = {u1, u2, ... , un} es un conjunto generador linealmente dependiente de V, entonces
si se suprime de S un vector uk, el conjunto S – {uk} es un generador de V.
720. Si S = {u1, u2, ... , un} es un conjunto generador de V, y T = {w1, w2, ... , wm} un conjunto
linealmente independiente de vectores de V, entonces n <= m.
FIUNA05P2050521:
721. Si S = {w1, w2, …, wn} es base de un espacio vectorial V, de dimensión finita, y u y v son
vectores de V tales que u = aiwi ; v = bjwi y ai = bi i = 1, n, entonces u = v
722. La matriz de cambio de base, para cualquier par de bases de un mismo espacio vectorial, es una
matriz singular.
723. En un espacio vectorial V sobre K dados dos subespacios W1 y W2 se verifica
W1  W2  (W1  W2 )
724. Si U y W son subespacios de un espacio vectorial V tales que V es la suma directa de U y W,
entonces W es el complemento ortogonal de U.
725. Si V un espacio vectorial de dimensión finita con producto interno, y, U un subespacio de V. Si
v  U, entonces v  U.
726. En un espacio vectorial con producto interno, si u y v son dos vectores ortogonales entonces
uv  uv
2 2
(donde la norma es la inducida por el producto interno).

727. Si V es un espacio vectorial complejo con producto interno , , entonces es un espacio

vectorial normado con norma u  u ,u .

728. Los valores propios de una matriz real son escalares no nulos.
729. Las matrices similares tienen los mismos vectores propios.
730. Si dos matrices son congruentes, entonces son similares.
731. La suma de dos valores propios de una matriz real n-cuadrada A es también un valor propio de A.
732. Si A es una matriz real n-cuadrada y v un vector propio de A correspondiente a un valor propio
. Para cada entero positivo m, v es un vector propio de Am correspondiente al valor propio m.
733. Dos vectores propios de A correspondientes a un mismo valor propio son linealmente
dependientes.
734. La matriz cuadrada A es diagonalizable bajo similaridad si y sólo si la multiplicidad algebraica de
 cada valor propio es igual a su multiplicidad geométrica.
735. Si A es similar a una matriz escalar I entonces A = I.
736. Sean A y B dos matrices cuadradas del mismo orden. Entonces las matrices AB y BA tienen el
mismo polinomio característico y, por tanto, los mismos valores y vectores propios.
737. Toda matriz real simétrica es diagonalizable tanto bajo congruencia como bajo similaridad.
738. Una aplicación lineal de R 3 en R 4 es inyectiva, si la dimensión de su núcleo es nula.
739. Una aplicación lineal de R 3 en R 4 es sobreyectiva, si la dimensión de su imagen coincide con la
dimensión de R 4 .
740. Si un operador lineal T en un espacio vectorial V de dimensión finita es inyectivo, entonces es
suprayectivo.
FIUNA05F1050627:
741. Toda matriz A es equivalente por filas a una única matriz en forma canónica por filas.
742. Si u y v son vectores cualesquiera de Rn, entonces uv = 0 no implica u = 0  v = 0, en
V F
tanto que uu = 0 implica u = 0.
743. Siendo A, B y C matrices compatibles para las operaciones indicadas, k un escalar, se verifican:
a) (AB)C = A(BC); b) A(B + C) = AB + AC; c) (A + B)C = AC + BC; d) k(AB) = (kA)B = A(kB) V F
744. Si A es una matriz compleja y AH es su traspuesta conjugada, entonces si AAH = AHA se dice
V F
que A es una matriz unitaria.
745. Si A es una matriz real y AT es su traspuesta, entonces si AAT = ATA se dice que A es una
V F
matriz ortogonal.
746. Si W es un subespacio de V, entonces W es cerrado para la suma de vectores y para el
producto por escalares. V F

747. Si U y W son dos subespacios de V, entonces U  W, U + W y U  W también son

V F
subespacios de V.
748. Si S = { w1. w2, w2, …, wr } es un conjunto de vectores linealmente dependientes de un espacio
vectorial V, entonces, si v  V puede escribirse como combinación lineal de los vectores de V F
S, dicha combinación lineal es única.
749. Si V es un espacio vectorial, con producto interno < , >, entonces si <u, v> = 0, u y v son V F
linealmente independientes.
750. Si V es un espacio vectorial con producto interno < , >, entonces la función : V  R , V F
definido como v = (<v, v>)1/2, satisface los axiomas de norma.
751. Una matriz cuadrada real es normal si conmuta con su traspuesta, entonces si V es el espacio
vectorial de matrices cuadradas reales de orden n, con producto interno <A, B> = tr(BTA), como V F
<A, B> = <B, A>, todas las matrices de V son normales.
752. Si V es un espacio vectorial complejo, con producto interno < , >, entonces vV, <v, v>R. V F
753. Si A es una matriz n-cuadrada que tiene dos filas proporcionales, entonces det(A) = 0. V F
754. Si p(t) es el polinomio característico de la matriz n-cuadrada A, entonces p(A) = N, donde N
V F
es La matriz nula de orden n.
755. Si m(t) es el polinomio mínimo de la matriz n-cuadrada A, entonces m(t) es un divisor del V F
polinomio característico de A.
756. Si  es un valor propio de la matriz n-cuadrada A y m(t) su polinomio mínimo, entonces m() V F
= 0.
757. Toda matriz real simétrica, no nula, es diagonalizable bajo congruencia y bajo similaridad. V F
3 4
758. Una aplicación lineal de R en R nunca es sobreyectiva. V F
759. Una aplicación lineal de R3 en R4 siempre es sobreyectiva,. V F
760. Si un operador lineal T en un espacio vectorial V de dimensión finita es inyectivo, entonces es
biyectivo. V F

FIUNA05F2050711:
761. Si una matriz cuadrada compleja A verifica AAH = I se dice que A es unitaria.
762. Si u, v, w son vectores de R3, tal que (uv)w = 0, entonces u, v, w son coplanares. V F
763. Si A, B y C son matrices n-cuadradas no singulares, entonces: a) (ABC)T = CTBTAT; V F
b) (ABC)-1 = C-1B-1A-1.
764. Si A es una matriz n-cuadrada compleja entonces AAH es real. V F
765. Si A es una matriz n-cuadrada real, entonces A puede escribirse como la suma de una
V F
matriz simétrica y una antisimétrica.
V F
766. Si W es un subespacio generado por m vectores de V, entonces dim(W) = m.
767. Si U y W son dos subespacios de V, entonces: dim(U  W) = dim(U) + dim(W) – V F
dim(U  W).
768. Si S = { w1. w2, w3, …, wn } es un conjunto de n vectores linealmente independientes
V F
de un espacio vectorial n-dimensional V, entonces S es una base de V.
769. Si V es un espacio vectorial real, con producto interno < , >, a, b dos escalares
V F
entonces: <u, av+bw> = a<u, v> + b<u, w>.
770. Si V es un espacio vectorial con producto interno < , >, y S = {v1, v2, …, vk} un
V F
conjunto de vectores linealmente independientes de V, entonces <vi, vj> = 0, i  j.
771. Si V es el espacio vectorial de las matrices cuadradas complejas de orden n, con V F
producto interno <A, B> = tr(BHA), entonces <A, B> = <B, A>.
772. Si V es un espacio vectorial complejo, con producto interno < , >, entonces vV y V F
v  0, v = (|<v , v>|)1/2 > 0.
773. Si A es una matriz n-cuadrada no singular, entonces det(A) = 0. V F
774. Si A y B son matrices similares, entonces A y B tienen el mismo polinomio mínimo. V F
775. Si m(t) es el polinomio mínimo de la matriz n-cuadrada A, entonces m(A) = 0. V F
776. Si  es un cero del polinomio mínimo m(t) de A, entonces  es un cero del polinomio
V F
característico de A.
777. Si A es una matriz real simétrica no nula, entonces tiene al menos un valor propio
V F
entero.
778. Si F:U  V, es una transformación lineal entre los espacios vectoriales U y V sobre un
V F
mismo cuerpo K, S y T son bases de U y V respectivamente, entonces F tiene
una representación matricial relativa a las bases S y T.
779. Si F es una aplicación lineal inyectiva de R3 en R4, entonces las imágenes por F de
V F
una base de R3 genera R4.
780. Si T es un operador lineal en un espacio vectorial V de dimensión finita n, entonces
las imágenes de los k vectores linealmente independientes de V, {v1, v2, …, vk} con k V F
< n, son linealmente independientes.
FIUNA05F3051206:
781. Si el sistema lineal Ax = 0, es compatible, también es compatible Ax = b, con b  0.
782. Si u, v, w son vectores de Rn, entonces (u – v)(u – w) = 0. V F
783. Si A, B y C son matrices del mismo orden, entonces ABt = CBt  A = C. V F
784. Si A es una matriz n-cuadrada compleja, entonces A + AH es una matriz hermítica. V F
785. Si A es una matriz n-cuadrada real, entonces A + At es simétrica. V F
786. Si V es un espacio vectorial sobre K, W un subespacio de V generado por m V F
vectores de V, entonces W es cerrado para la suma de vectores.
787. Si V es un espacio vectorial sobre K y U y W subespacios de V, entonces: dim(U) + V F
dim(W)  dim(V).
788. Si V es un espacio vectorial sobre K y S = { u1. u2, u3, …, um } un conjunto de m
V F
vectores linealmente independientes de V, entonces S es una base de V.
789. Si V es un espacio vectorial complejo, con producto interno < , >, entonces u, vV: V F
<u, v> = <v, u>.
790. Si V es un espacio vectorial real con producto interno < , >, y S = {v1, v2, …, vk} un
V F
conjunto de vectores ortogonales de V, entonces vi  0, i = 1, n.
791. Si V es el espacio vectorial de las matrices n-cuadradas complejas, con producto V F
interno <A, B> = tr(BHA), entonces <A, A>  R.
792. Si V es un espacio vectorial complejo, con norma ║.║, entonces vV y ║v║R. V F
793. Si A y B son matrices similares, entonces det(A) = det(B). V F
794. Si A y B son matrices similares, entonces tienen el mismo polinomio característico. V F
795. Si f(t) es el polinomio característico de la matriz n-cuadrada A y m(t) su polinomio V F
mínimo, entonces el grado de f(t) es mayor que el grado de m(t).
V F
796. Si  es un valor propio de la matriz n-cuadrada real A, entonces R.
797. Si  es un valor propio de la matriz n-cuadrada compleja A, entonces R. V F
798. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:U  V, una V F
transformación lineal sobreyectiva, entonces dim(ImF) = dim(V).
799. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:U  V, una V F
transformación lineal inyectiva, entonces dim(KerF) = 0.
800. Si V es un espacio vectorial sobre K, de dimensión finita n, T un operador lineal
V F
biyectivo en V y S una base de V, entonces la representación matricial de T relativa
a la base S es una matriz invertible.
FIUNA06P1060329:
801. Si en el proceso de escalonamiento de un sistema lineal de ecuaciones una de las
V F
ecuaciones degenera, entonces el sistema es incompatible,
802. Si el sistema homogéneo asociado al sistema lineal Ax = b, de m ecuaciones con n
V F
incógnitas, admite solución única, entonces el sistema Ax = b es compatible.
803. Si el sistema lineal Ax = b, es compatible, entonces cualquier subconjunto de sus V F
ecuaciones constituye un sistema lineal compatible.
804. Si un sistema lineal está en forma escalonada, entonces es compatible. V F
805. Si u, v son vectores de R3, y w = u  v, entonces w.u = w.v = 0. V F
806. Si A y B son matrices reales equivalentes, entonces, ambas tienen la misma forma
V F
canónica
807. Si A es una matriz hermítica mxn, entonces AHA = AAH. V F
808. Si A es una matriz real mxn, entonces es equivalente por filas a una única matriz en V F
forma canónica por filas.
809. Si se multiplican todas las entradas de una matriz cuadrada real A por un número, V F
entonces la matriz queda multiplicada por dicho número elevada a la enésima potencia.
810. Si A, B y C son matrices complejas compatibles para la multiplicación indicada, V F
entonces A(B + C) = (B + C)A.
811. Si A es una matriz n-cuadrada real, entonces existe otra matriz n-cuadrada real B tal V F
que (A + B)T = A + B.
812. Si A es una matriz n-cuadrada compleja, entonces B = A + AH es una matriz hermítica. V F
813. Si A es una matriz n-cuadrada compleja y AHA = AAH, entonces A es una matriz
V F
unitaria.
814. Si A es una matriz n-cuadrada real, entonces es la suma de una matriz simétrica y una
V F
antisimétrica.
815. A, B y C son matrices n-cuadradas reales, AB = AC y A es no singular, entonces B = C. V F
816. A y B son matrices n-cuadradas reales, tales que AB = 0 y A  0, entonces B = 0. V F
817. Si W es un subespacio del espacio vectorial V sobre el cuerpo K, entonces cualquier V F
de V puede escribirse como una combinación lineal de vectores de W.
818. Si V es un espacio vectorial sobre el cuerpo K, y SV es linealmente independiente, V F
entonces V = linS.
819. Si V es un espacio vectorial sobre el cuerpo K, SV y TV son bases de V, V F
entonces linS = linT.
820. Si V es un espacio vectorial sobre el cuerpo K, SV y TV son linealmente
V F
independientes, entonces S y T tienen el mismo número de vectores.
FIUNA06P2060519G1:
821. Si A es una matriz ortogonal, entonces detA = 1, V F
822. Si V es un espacio vectorial real o complejo, con producto interno < , >, entonces a
V F
partir de cualquier base S de V puede obtenerse una base ortonormal de V.
823. Si V es un espacio vectorial complejo, con producto interno < , > y u, v  V verifican <u, V F
v> = 0, entonces u y v son ortogonales para cualquier producto interno definido en V.
824. Si V es un espacio vectorial real, con producto interno < , >, y se define ║v║ = (<v, v>)½,
V F
vV, entonces ║ ║ verifica los axiomas de una norma en V.
825. En el espacio vectorial de matrices reales n-cuadradas, el producto de matrices verifica V F
los axiomas de un producto interno.
826. Si V es un espacio vectorial complejo, con producto interno < , >, entonces se verifica
V F
–║u║║v║ < <u, v> < ║u║║v║ donde ║u║ = (<u, u>)½, y ║v║ = (<v, v>)½.
827. Si A es una matriz real mxn, entonces el conjunto solución del sistema AX = 0 es el
V F
complemento ortogonal del espacio generado por las columnas de A.
828. Si A es una matriz real simétrica, entonces los vectores propios de A pertenecientes a V F
valores propios distintos son ortogonales.
829. Si A es una matriz compleja y  un número complejo que verifica Av = v, para algún V F
vector no nulo v, entonces  es raíz de la ecuación característica de A.
830. Si 1, 2 y 3 son valores propios de las matrices reales mxn A, B y C, V F
respectivamente, entonces 1 + 2 + 3 es un valor propio de A + B + C.
831. Si A es una matriz real simétrica y detA > 0, entonces A es definida positiva. V F
832. Si A es una matriz real definida positiva, entonces A es simétrica. V F
833. Si A es una matriz n-cuadrada compleja y AH = A-1, entonces A es unitaria. V F
834. Si A es una matriz n-cuadrada real, entonces todas las raíces de su ecuación
V F
característica son números reales.
835. Si A es una matriz n-cuadrada y una de las raíces de su polinomio característico tiene
multiplicidad geométrica menor que su multiplicidad algebraica, entonces A no es V F
diagonalizable bajo similaridad.
836. Si A es una matriz n-cuadrada compleja, entonces es diagonalizable bajo similaridad. V F
837. Si F:UV es una aplicación lineal y linS = KerF, entonces S en no vacío. V F
838. Si F:UV es una aplicación lineal, dim(KerF) = r, dimU = m y dimV = n, entonces m V F
= n + r.
839. Si F:UV es una aplicación entre los espacios vectoriales U y V sobre el mismo
V F
cuerpo K, entonces kK  uU, F(ku) = kF(u).
840. Si F:UV es una aplicación lineal sobreyectiva y F(u1) = F(u2), entonces u1 = u2. V F
FIUNA06P2060519G2:
841. Si A es una matriz ortogonal definida positiva, entonces detA = 1, V F
842. Si S es una base de un espacio vectorial real V, con producto interno < , >, entonces
V F
a partir de S puede obtenerse una base ortogonal de V y solo una.
843. Si V es un espacio vectorial complejo, con producto interno < , > y u, v  V verifican <u, V F
v> = 0, entonces u y v son linealmente independientes.
844. Si V es un espacio vectorial real, con producto interno < , >, y se define ║v║ = (<v, v>)½,
V F
vV, entonces ║u – v║ verifica los axiomas de distancia en V.
845. En el espacio vectorial de matrices reales n-cuadradas, la traza de matrices verifica los V F
axiomas de una norma.
846. Si V es un espacio vectorial real, con producto interno < , >, entonces se verifica
V F
–║u║║v║ < <u, v> < ║u║║v║ donde ║u║ = (<u, u>)½, y ║v║ = (<v, v>)½.
847. Si A es una matriz real mxn, entonces el conjunto solución del sistema AX = 0 es el
V F
complemento ortogonal del espacio generado por las filas de A.
848. Si A es una matriz real, entonces los vectores propios de A pertenecientes a valores V F
propios distintos son ortogonales.
849. Si A es una matriz compleja y  un número complejo que verifica Av = v, para algún V F
vector no nulo v, entonces  es raíz del polinomio mínimo de A.
850. Si 1, 2 y 3 son valores propios de las matrices reales mxn A, B y C, V F
respectivamente, entonces 123 es un valor propio de ABC.
851. Si A es una matriz real simétrica y detA < 0, entonces A no es definida positiva. V F
852. Si A es una matriz real definida positiva, entonces A es singular. V F
853. Si A es una matriz n-cuadrada compleja y AH = A, entonces A es unitaria. V F
854. Si A es una matriz n-cuadrada real, entonces todas las raíces de su ecuación
V F
 característica son raíces de su polinomio mínimo con igual multiplicidad.
855. Si A es una matriz n-cuadrada y la multiplicidad algebraica de ninguno de sus valores
propios excede a su multiplicidad geométrica, entonces es diagonalizable bajo V F
similaridad.
856. Si A es una matriz n-cuadrada diagonalizable bajo congruencia, entonces es V F
diagonalizable bajo similaridad.
857. Si F:UV es una aplicación lineal inyectiva, entonces {0} = KerF. V F
858. Si F:UV es una aplicación lineal biyectiva, entonces dimU = dimV. V F
859. Si F:UV es una aplicación entre los espacios vectoriales U y V sobre el mismo
V F
cuerpo K, entonces u, vV, F(u + v) = F(u) + F(v).
860. Si F:UV es una aplicación y F(u1) = F(u2), entonces u1 = u2. V F
FIUNA06F1060609:
861. Si u y v son soluciones del sistema lineal no homogéneo Ax = b, entonces u – v es una solución V F
del sistema homogéneo Ax = 0,
862. La solución general U del sistema lineal no homogéneo Ax = b, puede escribirse como U = x0
+ W, donde x0 es una solución particular de Ax = b y W es la solución general del sistema V F
homogéneo asociado.
863. Si u y v son vectores de Rn, entonces d = ║ v – u ║ es una definición de distancia entre los
V F
vectores u y v.
864. Si A y B son matrices mn y existe una matriz P no singular tal que B = AP, entonces A y
B son matrices equivalentes por columnas. V F

865. Si A es una matriz mn entonces, con operaciones exclusivamente sobre sus filas, puede
V F
transformarse en una matriz cuyas m entradas principales son iguales a uno.
866. Si A y B son matrices n-cuadradas y existe una matriz P no singular tal que B = PtAP, V F
entonces A y B son matrices simétricas.
867. Si A, B y P son matrices n-cuadradas, P ortogonal y B = PtAP, entonces A y B son
V F
congruentes y a la vez similares.
868. Si A es una matriz n-cuadrada real, entonces puede escribirse como un producto de matrices
V F
elementales.
869. Si V es un espacio vectorial real y S = { v1, v2, …, vr }  V es linealmente dependiente,
entonces existe k, 1 < k < r, tal que vk = vi. con i variando de 1 a k – 1. V F

870. Si V es un espacio vectorial complejo y S = { v1, v2, …, vr }  V es linealmente independiente, V F

entonces linS es parte de una base de V.
871. Si V es un espacio vectorial real, con producto interno < , >, y S = { w1, w2, …, wr }  V es
linealmente independiente, entonces vV, v = kiwi, con ki = <v, wi>/< wi, wi>. V F

872. Si V es un espacio vectorial complejo, con producto interno < , >, entonces  u, v  V, <u, v> V F
es un número real.
873. Si V es un espacio vectorial complejo, con producto interno < , >, entonces uV, <u, u> > 0. V F
874. Si A es una matriz n-cuadrada compleja, entonces detA es un número real. V F
875. Si A es una matriz n-cuadrada real,  un escalar y v un vector tal que Av = v, entonces 
es un número real. V F

876. Si A es una matriz n-cuadrada real, 1 y 2 son escalares distintos tal que Au = 1u y Av = V F
2v para los vectores u y v, entonces u y v son linealmente dependientes.
877. Si A es una matriz n-cuadrada real y At = A, entonces sus valores propios son números reales. V F
878. Si F:UV es una aplicación lineal, entre los espacios vectoriales U y V, sobre el mismo cuerpo
K y S = { u1, u2, …, ur }  V es linealmente independiente, entonces { F(u1), F(u2), …, F(u)r } V F
es linealmente independiente.
879. Si F:UV es una aplicación lineal biyectiva, entre los espacios vectoriales U y V sobre el
mismo cuerpo K, entonces KerF es un subespacio de V. V F

880. Si F:UV es una aplicación lineal entre los espacios vectoriales U y V sobre el mismo cuerpo V F
K, S = { u1, u2, …, um }  U y T = { v1, v2, …, vn }  V son bases de U y V, respectivamente,
entonces existe una matriz [F], no singular, de orden nm tal que uU [F][u]S = [v]T.
FIUNA06F2060626:
881. Si el sistema lineal no homogéneo Ax = b, es equivalente a un sistema en forma escalonada con
V F
 una sola variable libre, entonces el vector solución es único,
882. Para que el sistema lineal Ax = b, sea compatible es necesario y suficiente que el sistema
V F
homogéneo asociado Ax = 0 admita solución única.
883. Si u y v son vectores de R3, entonces uv = –vu, donde  es el signo del producto
V F
vectorial.
884. A es una matriz nilpotente de clase p si y sólo si Ap = 0 y Ap+ 1 ≠ 0. V F
885. La forma canónica por filas de una matriz mn A es B, entonces B es única. V F
886. A es una matriz normal si y sólo si AAt = AtA. V F
887. Si A y B son matrices simétricas, entonces AB es simétrica. V F
888. Si A y B son matrices n-cuadradas complejas, AB = BA, A es hermítica y B antihermítica,
V F
entonces AB es antihermítica.
889. Si S y T son bases de un espacio vectorial V sobre un cuerpo K, [v]S y [v]T los vectores
V F
coordenados de vV relativos a S y T, respectivamente, entonces existe y es única la matriz
no singular P tal que: [v]S = P[v]T.
890. Si V es un espacio vectorial complejo y S = { u1, u2, …, um } y T { v1, v2, …, vn } son
V F
subconjuntos de vectores linealmente independientes de V, entonces cada vector de S puede
escribirse como combinación lineal de los vectores de T.
891. Si V es un espacio vectorial complejo, con producto interno < , >, u, vV tal que < u, v > = 0,
V F
entonces si a y b son números complejos cualesquiera < au, bv > = 0.
892. Si V es un espacio vectorial real, con producto interno < , >, entonces  u, v  V, <u, v> es
V F
un número real positivo.
893. Si V es un espacio vectorial real normado, con norma ║.║, entonces uV, ║u║ ≥ 0. V F
894. Si A y B son matrices similares, entonces detA = detB. V F
895. Si A es una matriz n-cuadrada real diagonalizable bajo similaridad, 1, 2, 3, …, n sus valores
V F
propios, entonces i ≠ j, i ≠ j.
896. Si A es una matriz n-cuadrada real,  un escalar y v un vector no nulo, tal que Av = v,
V F
entonces Anv = nv para n entero y positivo.
897. Si 1, 2, 3, …, n son los valores propios de una matriz n-cuadrada real A y i ≠ j, i ≠ j,
V F
entonces el polinomio característico de A es su polinomio mínimo.
898. Si F:UV es una aplicación lineal biyectiva, entre los espacios vectoriales U y V, sobre el
V F
mismo cuerpo K, entonces dimV = dimU.
899. Si F:UV es una aplicación lineal sobreyectiva, entre los espacios vectoriales U y V sobre el
V F
mismo cuerpo K, entonces KerF = { 0 }.
900. Si F:UV es una aplicación lineal entre los espacios vectoriales U y V sobre el mismo cuerpo
V F
K, S = { u1, u2, …, um }  U y T = { v1, v2, …, vn }  V son bases de U y V, respectivamente y
KerF = { 0 }, entonces m = n.
FIUNA06F3061219:
901. Si los sistemas lineales Ax = 0 y Bx = 0 son equivalentes entonces A y B son equivalentes por
V F
filas.
902. Si el sistema lineal, de igual número de ecuaciones que incógnitas, Ax = b, es compatible,
V F
entonces admite solución única.
903. Si u y v son vectores de R3 tales que uv = 0, donde  es el producto vectorial, entonces,
V F
para algún escalar k, v = ku.
904. A es una matriz normal, entonces es invertible. V F
905. Si la forma escalonada de una matriz A, de orden mn, es B, entonces B es única. V F
906. A y B son matrices triangulares superiores, entonces AB es diagonal superior. V F
907. Si A y B son matrices normales, entonces AB es normal. V F
908. Si A es hermítica, entonces –A es antihermítica, V F
909. Si S y T son bases de un espacio vectorial V sobre un cuerpo K, entonces vV existen y
V F
son únicos los escalares (k1, k2, …kn) y (l1, l2, …ln) que son las coordenadas de v respecto a
las bases S y T, respectivamente,
910. Si V es un espacio vectorial real y S = { u1, u2, …, um } y T { v1, v2, …, vn } son subconjuntos
V F
de vectores linealmente dependientes de V, entonces cada vector de S es combinación lineal
 de los vectores de T.
911. Si V es un espacio vectorial, con producto interno < , >, y u, vV son ortogonales, entonces
V F
para cualquier par de escalares a, b, au y bv son ortogonales.
912. Si V es un espacio vectorial complejo, con producto interno < , >, entonces  u, v  V, <u,
V F
v> es un número real.
913. Si V es un espacio vectorial complejo normado, con norma ║.║, entonces uV, ║u║ ≥ 0. V F
914. Si A y B son matrices conguentes, entonces detA = detB. V F
915. Si A es una matriz n-cuadrada real, 1, 2, 3, …, n sus valores propios y i ≠ j, i ≠ j,
V F
entonces A es diagonalizable bajo similaridad.
916. Si A es una matriz n-cuadrada, v un vector propio asociado al valor propio , entonces para
V F
n entero y positivo se verifica Anv = nv .
917. Si A es una matriz n-cuadrada, P(t) su polinomio característico y M(t) su polinomio mínimo,
entonces M(t) divide a P(t). V F

918. Si F:UV es una aplicación lineal, entre los espacios vectoriales U y V, sobre el mismo cuerpo
V F
K, entonces dimV = dim(KerF) + dimU.
919. Si F:UV es una aplicación lineal, entre los espacios vectoriales U y V sobre el mismo cuerpo
V F
K y dimV = dimU, entonces KerF = { 0 }.
920. Si F:UV es una aplicación lineal entre los espacios vectoriales U y V sobre el mismo cuerpo
V F
K, S = { u1, u2, …, um }  U y T = { v1, v2, …, vn }  V son bases de U y V, respectivamente,
entonces existe una matriz nm , con elementos en K, que representa F respecto a las bases
S y T.
FIUNA07P1070331:
921. Efectuando operaciones elementales entre las filas de un sistema lineal, de igual número
V F
de ecuaciones que incógnitas, se obtiene una forma escalonada, entonces está en forma
triangular.
922. Si el sistema lineal Ax = b, de m ecuaciones con n incógnitas, admite solución única y
V F
al efectuar operaciones elementales entre sus filas, una de las ecuaciones degenera,
entonces se obtiene un sistema incompatible.
923. Si el sistema lineal Ax = b, es incompatible, entonces si se elimina cada ecuación que V F
degenera al efectuar operaciones entre sus filas puede obtenerse un sistema compatible.
924. Si un sistema lineal, mediante operaciones entre sus filas, se transforma en otro sistema
V F
cuya matriz está en forma canónica, entonces es compatible.
925. Si u, v son vectores de R3, entonces uv = vu, donde  indica producto vectorial, V F
926. Si A y B son matrices reales equivalentes por filas, entonces, son simétricas. V F
927. Si A es una matriz unitaria mxn, entonces es hermítica. V F
928. Si A y B son matrices reales tal que sus formas canónicas por filas son iguales,
entonces A y B son matrices equivalentes por filas. V F

929. Si A, B y C son matrices mxn, complejas compatibles para la multiplicación indicada,

V F
entonces A(B + C) = (B + C)A.
930. Si A y B son matrices cuadradas, entonces (AB) t = B t A t . V F
931. Si A y B son matrices cuadradas invertibles, entonces (A + B)–1 = A–1 + B–1. V F
932. Si A es una matriz n-cuadrada real, entonces existen matrices n-cuadrada real M y N V F
tal que A = M + N, siendo M t = M y N t = N.
933. Si A es una matriz n-cuadrada compleja, entonces B = A + AH es una matriz hermítica. V F
934. Si A es una matriz n-cuadrada compleja y AHA = AAH, entonces A es una matriz V F
normal.
935. Si A es una matriz n-cuadrada real, entonces es la suma de una matriz simétrica y una
V F
antisimétrica.
936. A, B y C son matrices n-cuadradas reales, AB = AC y A es singular, entonces B = C. V F
937. A y B son matrices n-cuadradas reales, tales que AB = 0 y A  0, entonces B = 0. V F
938. Si W es un subespacio del espacio vectorial V sobre el cuerpo K, entonces los V F
vectores de W verifican todos los axiomas de un espacio vectorial sobre el mismo
cuerpo K.
939. Si V es un espacio vectorial sobre el cuerpo K, y SV es linealmente dependiente, V F
entonces, por eliminación de vectores de S puede obtenerse una base de V.
940. Si V es un espacio vectorial sobre el cuerpo K, SV y TV son bases de V, V F
entonces S y T tienen el mismo número de vectores.
FIUNA07P2070521:
941. Toda matriz cuadrada real puede escribirse como producto de matrices elementales.
942. Si V es un espacio vectorial, de dimensión n, sobre un cuerpo K, entonces todo conjunto
V F
generador de V tiene n vectores.
943. Si V es un espacio vectorial real o complejo, de dimensión finita n, con producto interno <
V F
, >, entonces un conjunto ortogonal de vectores de V tiene como máximo n vectores.
944. Si V es un espacio vectorial real o complejo, de dimensión finita n, con producto interno <
V F
, >, entonces todo conjunto ortogonal con n vectores es una base de V.
945. Si V es un espacio vectorial real o complejo, de dimensión finita n, con norma ║ ║, V F
entonces a todo vector de V, es múltiplo escalar de un único vector unitario.
946. Si V es un espacio vectorial real, con norma ║ ║, entonces para todo par de vectores u, v
V F
de V se verifica ║u+v║ < ║u║ + ║v║.
947. Si V es un espacio vectorial complejo, con norma ║ ║, entonces para todo vector v de V V F
se verifica ║v║  0.
948. Si V es un espacio vectorial métrico real, con distancia d( , ), entonces para toda terna de
V F
vectores u, v, w de V se verifica d(u, v)  d(u, w) + d(w, v).
949. Si V es un espacio vectorial real o complejo, de dimensión finita n, con producto interno <
V F
, >, entonces con dicho producto interno puede definirse una distancia en V.
950. Si V es un espacio vectorial métrico complejo, con distancia d( , ), entonces para todo V F
par de vectores u, v de V se verifica d(u, v) es un número real no negativo.
951. Si A es una matriz ortogonal, entonces det(A)det(At) = 1. V F
952. Si 1 y 2 son valores propios distintos de una matriz cuadrada real A, entonces los
V F
vectores propios pertenecientes a dichos valores propios son ortogonales.
953. Si  es un valor propio de una matriz cuadrada real A, entonces  es un número real. V F
954. Si  es un valor propio de una matriz cuadrada compleja A, entonces  es un número
V F
complejo de componente imaginaria no nula.
955. Si A es una matriz n-cuadrada con n valores propios distintos, entonces existe una matriz
P, no singular, tal que P-1AP es diagonal, con elementos diagonales iguales a los valores V F
propios de A.
956. Si  es un valor propio, de multiplicidad geométrica dos, de una matriz n-cuadrada A, V F
entonces  admite dos vectores propios ortogonales.
957. Si A es una matriz n-cuadrada compleja entonces es diagonalizable bajo similaridad. V F
958. Si A es una matriz n-cuadrada real diagonalizable bajo similaridad, entonces At = A. V F
959. Si F:UV es una aplicación lineal entre los espacios vectoriales U y V sobre el mismo
V F
cuerpo K y dim(U) = dim(V) = n, entonces F es sobreyectiva.
960. Si F:UV es una aplicación lineal entre los espacios vectoriales U y V sobre el mismo V F
cuerpo K y dim(U) = dim(V) = n y A la representación matricial de F, respecto a las bases
S en U y T en V, entonces A es una matriz n-cuadrada no singular.
FIUNA07R1070928:
961. Si efectuando operaciones elementales sobre las filas de un sistema lineal de m
V F
ecuaciones con n incógnitas, se obtiene un sistema en forma escalonada, el sistema
admite solución única.
962. Si en el sistema lineal Ax = b, de m ecuaciones con n incógnitas, al efectuar
V F
operaciones elementales sobre sus filas, dos de sus ecuaciones degeneran, entonces el
sistema es incompatible.
963. Si el sistema lineal Ax = b, admite infinitas soluciones, entonces existe un sistema V F
constituido por un subconjunto de sus ecuaciones que admite solución única.
964. Si dos sistemas lineales son equivalentes, entonces tienen la misma forma canónica, por V F
filas.
965. Si u, v y w son vectores de R3, entonces u·vw = uv·w, donde · indica producto V F
 escalar y  producto vectorial,
966. Si A y B son matrices reales compatibles para la multiplicación de matrices, entonces V F
son equivalentes por filas.
967. Si A es una matriz real no nula mxn, entonces es equivalente por filas a una única V F
matriz en forma escalonada por filas.
968. Si A y B son matrices complejas compatibles para la multiplicación de matrices,
V F
entonces (AB)H = BHAH.
969. Si A, B y C son matrices mxn complejas compatibles para la multiplicación indicada, V F
entonces A(B + C) = AB + AC.
970. Si A y B son matrices n-cuadradas y A es invertible, entonces AB = 0 implica B = 0. V F
971. Si A y B son matrices n-cuadradas no nulas, entonces AB = 0 implica A = 0 o B = 0. V F
972. Si A es una matriz n-cuadrada compleja, entonces existen matrices n-cuadrada V F
complejas M y N tal que A = M + N, siendo M H = M y N H = –N.
973. Si A es una matriz n-cuadrada compleja, entonces B = A + AH es una matriz hermítica. V F
974. Si A es una matriz n-cuadrada compleja y AHA = AAH, entonces A es una matriz V F
normal.
975. Si V es un espacio vectorial sobre un cuerpo K, SV y S linealmente independiente, V F
entonces S es un conjunto generador de V.
976. Si U = linS y W = linT son subespacios de un espacio vectorial V sobre un cuerpo K, V F
S es linealmente independiente y T linealmente dependiente, entonces dimU < dimW.
977. Si U = linS y W = linT son subespacios de un espacio vectorial V sobre un cuerpo K, V F
entonces UW = lin(ST).
978. Si W es un subespacio n-dimensional de un espacio vectorial V de dimensión n, sobre V F
el cuerpo K, entonces una base de W es una base de V.
979. Si V es un espacio vectorial sobre el cuerpo K, y SV es linealmente independiente, V F
entonces puede encontrarse TV tal que ST sea una base de V.
980. Si A es una matriz real simétrica n-cuadrada definida positiva, entonces toda matriz
V F
diagonal congruente con A tiene todos su elementos diagonales positivos.
FIUNA07R2071027:
981. Toda matriz cuadrada compleja es equivalente por filas a una matriz unitaria.
982. Si M es una matriz n-cuadrada invertible, entonces es diagonalizable bajo congruencia. V F
983. Si V es un espacio vectorial real o complejo, de dimensión finita n, con producto interno
V F
< , >, entonces en V existen conjuntos ortogonales con n + 1 vectores.
984. Si V es un espacio vectorial real o complejo, de dimensión finita n, con producto interno V F
< , > y W un subespacio de V, entonces V = W + W.
985. Si V es un espacio vectorial real o complejo, de dimensión finita n, con norma ║ ║, V F
entonces todo vector no nulo de V, es múltiplo escalar de un vector unitario.
986. Si V es un espacio vectorial real, con norma ║ ║, entonces para todo par de vectores u
V F
y v de V se verifica ║u+v║ < ║u║ + ║v║.
987. Si V es un espacio vectorial complejo, con norma ║ ║, entonces para todo vector v de V F
V se verifica ║v║  0.
988. Si V es un espacio vectorial métrico complejo, con distancia d( , ), entonces para todo V F
par de vectores distintos u, v de V se verifica que d(u, v) es un numero real positivo.
989. Si V es un espacio vectorial métrico complejo, con distancia d( , ), entonces para toda
V F
terna de vectores distintos u, v, w de V se verifica d(u, v) < d(u, w) + d(w, v).
990. Si V es un espacio vectorial métrico complejo, de dimensión finita n, con producto V F
interno < , > y norma ║v║ = (|<v, v>|)1/2, entonces para toda terna de vectores u, v, w
se verifica: |< u – v, u – w >|  ║u – v║║u – w║.
991. Si A es una matriz ortogonal, entonces |det(A)| = 1. V F
992. Si  es una raíz doble de la ecuación característica de una matriz real n-cuadrada,
V F
entonces a  están asociados dos vectores propios linealmente independientes.
993. Si  es un valor propio de una matriz compleja A, entonces  no es un número real. V F
994. Si  es un valor propio de una matriz cuadrada compleja A, entonces  es un número
V F
 complejo de componente imaginaria no nula.
995. Si A es una matriz n-cuadrada simétrica real, entonces admite n vectores propios
V F
linealmente independientes.
996. Si  es un valor propio de una matriz n-cuadrada no singular A, entonces -1 es valor V F
propio de A-1.
997. Si A es una matriz n-cuadrada real, entonces define una aplicación líneal invertible en V F
Rn, definido como Y = AX.
998. Si F:UV es una aplicación lineal entre los espacios vectoriales U y V sobre el mismo V F
cuerpo K, entonces F es inyectiva.
999. Si F:UV es una aplicación lineal entre los espacios vectoriales U y V sobre el mismo
V F
cuerpo K y dim(U) < dim(V), entonces F no puede ser inyectiva.
1000. Si F:UV es una aplicación lineal entre los espacios vectoriales U y V sobre el mismo V F
cuerpo K, dim(U) = dim(V) = n y A la representación matricial de F, respecto a las bases
S en U y T en V, entonces A es una matriz n-cuadrada no singular.
FIUNA08P1080308A:
1001. Si un sistema de ecuaciones lineales se obtuvo de otro sistema, mediante una sucesión
V F
finita de operaciones elementales, entonces ambos sistemas tienen el mismo conjunto
solución.
1002. Un sistema lineal Ax = B, de m ecuaciones con n incógnitas, puede reducirse a un V F
sistema de forma escalonada mediante operaciones elementales.
1003. Si el sistema lineal Ax = B tiene variables libres, entonces admite una única solución. V F
1004. Si v0 es una solución del sistema lineal Ax = B y W es el conjunto solución del sistema V F
homogéneo asociado Ax = 0, entonces U = { v / v = v0 + w, wW } es el conjunto
solución de Ax = B.
1005. Un sistema lineal Ax = B, de m ecuaciones con n incógnitas, con n > m, es siempre V F
compatible.
1006. Si u, v y w son vectores de R3, entonces u.v = v.u, y (u + v).w = u.w + v.w, donde .
V F
indica producto escalar.
1007. Si A y B son matrices reales del mismo orden, entonces sus formas canónicas por filas V F
tienen las mismas filas no nulas.
1008. Si A y B son matrices compatibles para la multiplicación, entonces (AB)t = AtBt. V F
1009. A y B son matrices compatibles para la suma, entonces son compatibles para la V F
multiplicación.
1010. A y B son matrices compatibles para la multiplicación, entonces B y A son también V F
compatibles para la multiplicación.
1011. Si A, B y C son matrices cuadradas complejas, entonces (ABC)H = AHBHCH. V F
1012. Si A y B son matrices cuadradas, entonces (A + B) t = B t + A t . V F
1013. Si A y B son matrices n-cuadradas invertibles, entonces (AB)–1 = B–1A–1. V F
1014. Si A es una matriz n-cuadrada real, entonces AAt es una matriz simétrica. V F
1015. Si A es una matriz n-cuadrada compleja, entonces B = AAH es una matriz hermítica. V F
1016. Si A es una matriz n-cuadrada compleja y AH = A, entonces A es una matriz normal. V F
1017. Si A es una matriz n-cuadrada, entonces es diagonalizable bajo congruencia. V F
1018. Si W es un subespacio del espacio vectorial V sobre el cuerpo K, entonces las V F
operaciones suma de vectores y producto por escalares definidas en V son válidas en W.
1019. Si V es un espacio vectorial sobre el cuerpo K, vV, kK y kv = 0, entonces k = 0 o V F
v = 0.
1020. Si V es un espacio vectorial sobre el cuerpo K, U y W subespacios distintos de V,
V F
entonces UW = { 0 }.
FIUNA08P1080308B:
1021. Si un sistema de ecuaciones lineales tienen el mismo conjunto solución que otro sistema
V F
lineal, entonces éste puede obtenerse mediante una sucesión finita de operaciones
 elementales de la primera.
1022. Un sistema lineal Ax = B, de m ecuaciones con n incógnitas, es compatible si puede V F
reducirse a un sistema de forma escalonada mediante operaciones elementales.
1023. El sistema lineal Ax = B admite una única solución, V F
1024. Si el sistema lineal Ax = 0 admite solución única, entonces el sistema Ax = B también V F
admite solución única.
1025. Un sistema lineal Ax = B, de m ecuaciones con n incógnitas, con m > n, es siempre V F
compatible.
1026. Si u, v y w son vectores de R3, entonces uv = vu, y (u + v)w = uw + vw, donde V F
 indica producto escalar.
1027. Si A y B son matrices reales y sus formas canónicas por filas tienen las mismas filas no V F
nulas, entonces son del mismo orden.
1028. Si A y B son matrices compatibles para la suma, entonces (A + B)t = At + Bt. V F
1029. A y B son matrices compatibles para la multiplicación, entonces son compatibles para la V F
suma.
1030. A y B son matrices compatibles para la multiplicación, entonces Bt y At son también V F
compatibles para la multiplicación.
1031. Si A, B y C son matrices cuadradas complejas, entonces (A + B + C)H = AH + BH + CH. V F
1032. Si A y B son matrices cuadradas, entonces (AB) t = B t A t . V F
1033. Si A, B y C son matrices n-cuadradas y C es invertible, entonces AC = BC implica A = B. V F
1034. Si A es una matriz n-cuadrada real, entonces A + At es una matriz simétrica. V F
1035. Si A es una matriz n-cuadrada compleja, entonces B = A + AH es una matriz hermítica. V F
1036. Si A es una matriz n-cuadrada compleja y AH = A, entonces A es una matriz unitaria. V F
1037. Si A es una matriz n-cuadrada, no singular entonces es diagonalizable bajo V F
congruencia.
1038. Si W es un subespacio del espacio vectorial V sobre el cuerpo K, entonces los V F
vectores de V pueden escribirse como combinaciones lineales de los vectores de W.
1039. Si V es un espacio vectorial sobre el cuerpo K, vV y kK, entonces (–k)v = k(–v) = –kv. V F
1040. Si V es un espacio vectorial sobre el cuerpo K, U y W subespacios distintos de V,
V F
entonces ningún vector de U puede ser a la vez vector de W.
FIUNA08P2081027:
1041. Si un sistema lineal no homogéneo es compatible, entonces un subconjunto de sus V F
ecuaciones es compatible.
1042. Si el sistema lineal homogéneo 𝐴𝑋 = 0 admite solución única, entonces el sistema V F
𝐴𝑋 = 𝐵 admite solución única.
1043. Si 𝑢, 𝑣 ∈ 𝑅 3 y ∙, × representan los productos escalar y vectorial, respectivamente, V F
entonces 𝑢 ∙ (𝑣 × 𝑢) = 0.
1044. Si 𝐴 es una matriz 𝑚 × 𝑛, entonces 𝐵 = 𝐴𝐴𝑡 es una matriz simétrica. V F
1045. Si 𝐸 es una matriz elemental, entonces es no singular. V F
1046. Si 𝐴 es una matriz 𝑛-cuadrada compleja unitaria entonces es una matriz normal. V F
1047. Si 0 es el vector nulo de un espacio vectorial 𝑉 sobre el cuerpo 𝐾, entonces {0} es un V F
subespacio de 𝑉.
1048. Si 𝑆 es un conjunto de vectores linealmente independientes de un espacio vectorial 𝑉
V F
sobre un cuerpo 𝐾, entonces el vector nulo de 𝑉 puede escribirse de una única
manera como combinación lineal de los vectores de 𝑆.
1049. Si 𝑉 = 𝑙𝑖𝑛𝑆 y 𝑆 es linealmente dependiente, entonces del vector nulo pertenece a 𝑆. V F
1050. Si 𝑆 es un conjunto de 𝑛 vectores linealmente independientes de un espacio vectorial V F
𝑉 sobre un cuerpo 𝐾, entonces la dimensión de 𝑉 no puede ser mayor que 𝑛.
1051. Si 𝑉 es un espacio vectorial, de dimensión 𝑛, sobre el cuerpo 𝐾 y 𝑆 es un conjunto de V F
 𝑚 vectores linealmente dependientes, entonces 𝑛 ≤ 𝑚.
1052. Si 𝑈 y 𝑊 son subespacios de un espacio vectorial 𝑉 sobre un cuerpo 𝐾, 𝑆 una base V F
de 𝑈 y 𝑇 una base de 𝑊, entonces 𝑆 y 𝑇 tienen el mismo número de vectores.
1053. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con producto interno V F
〈 , 〉, entonces ∀𝑢 ≠ 0 ∈ 𝑉 , 〈𝑢, 𝑢〉 > 0 .
1054. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con producto interno V F
〈 , 〉, entonces ∀𝑢, 𝑣 ∈ 𝑉, 〈𝑢, 𝑣〉 es un número real no negativo.
1055. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con norma ‖. ‖, V F
entonces ∀𝑢, 𝑣 ∈ 𝑉, ‖𝑢 − 𝑣‖ = ‖𝑢‖ − ‖𝑣‖.
1056. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con norma ‖. ‖, V F
entonces ∀𝑢 ∈ 𝑉, ‖𝑢‖ es un número real no negativo.
1057. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con distancia 𝑑( , ), V F
entonces ∀𝑢, 𝑣 ∈ 𝑉, 𝑑(𝑢, 𝑣) es un número real no negativo.
1058. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con distancia 𝑑( , ), V F
entonces ∀𝑢, 𝑣, 𝑤 ∈ 𝑉, 𝑑(𝑢, 𝑣) ≤ 𝑑(𝑢, 𝑤) + 𝑑(𝑤, 𝑣).
1059. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz 𝑛-cuadrada, con 𝑎𝑖𝑖 = 0, ∀𝑖 = 1, 𝑛 entonces 𝑑𝑒𝑡(𝐴) = 0. V F
1060. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz 𝑛-cuadrada y 𝑑𝑒𝑡(𝐴) ≠ 0, entonces 𝐴 es una matriz singular. V F
FIUNA08F1080621:
1061. Si el sistema lineal 𝐴𝑥 = 𝐵 es compatible, entonces 𝐴𝑥 = 0 admite solución única.
1062. Si en el sistema lineal 𝐴𝑥 = 𝐵 de 𝑚 ecuaciones con 𝑛 incógnitas, se verifica que el V F
rango de la matriz 𝑀 = (𝐴, 𝐵) es igual al de la matriz 𝐴, entonces es compatible.
1063. Si 𝑢 y 𝑣 son vectores de 𝐶 𝑛 , entonces 𝑢 ∙ 𝑣 = ̅̅̅̅̅̅,
𝑣 ∙ 𝑢 donde ∙ es el producto escalar. V F
1064. Si 𝐴 es una matriz 𝑛-cuadrada nilpotente de clase 𝑝, entonces 𝐴𝑝+2 = 𝐴𝑝+1 = 𝐴𝑝 . V F
1065. Toda matriz real 𝐴, de orden 𝑚 × 𝑛, tiene una única forma canónica por filas. V F
1066. Si 𝐴 es una matriz compleja normal, entonces 𝐴𝐴𝐻 = 𝐴𝐻 𝐴. V F
1067. Si 𝐴 es una matriz real no singular, entonces es un producto de matrices elementales. V F
1068. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz real antisimétrica, entonces 𝑎𝑖𝑖 = 0, ∀𝑖 = 1, 𝑛. V F

1069. Si 𝑈 y 𝑊 son subespacios de un espacio vectorial 𝑉 sobre un cuerpo 𝐾 y 𝑈 ∪ 𝑊 = 𝑉, V F

entonces 𝑈 ∩ 𝑊 = ∅.
1070. Si 𝑉 es un espacio vectorial 𝑛 dimensional y 𝑆 = { 𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 } un conjunto V F
generador linealmente dependiente de 𝑉, entonces ∃𝑣𝑗 ∈ 𝑆 tal que 𝑆 − {𝑣𝑗 } es un
conjunto generador de 𝑉.
1071. Si 𝑉 es un espacio vectorial complejo, con producto interno 〈 , 〉, entonces si se definen V F
∀𝑢, 𝑣 ∈ 𝑉, ‖𝑣‖ = √〈𝑣 , 𝑣〉 y 𝑑(𝑢, 𝑣) = ‖𝑢 − 𝑣‖, con esta última función se tiene un
espacio vectorial métrico.
1072. Si 𝑉 es un espacio vectorial complejo métrico, con distancia 𝑑( , ), entonces 𝑑(𝑢, 𝑣) = V F
𝑑(𝑣, 𝑢) ∀𝑢, 𝑣 ∈ 𝑉.
1073. Si V es un espacio vectorial real o complejo, con norma ‖ ‖, entonces ‖𝑣‖ ≥ 0, ∀𝑣 ∈ 𝑉. V F
1074. Si A y B son matrices congruentes, entonces son equivalentes por filas. V F
1075. Si la multiplicidad algebraica de cada valor propio de una matriz 𝐴 es igual a su V F
multiplicad geométrica, entonces 𝐴 es diagonalizable bajo similaridad.
1076. El polinomio característico de una matriz 𝑛-cuadrada 𝐴 divide a todo polinomio que V F
admite a 𝐴 como cero.
1077. Si 𝜆 es raíz del polinomio característico de la matriz 𝑛-cuadrada 𝐴, entonces 𝜆 es V F
raíz del polinomio mínimo de 𝐴, con el mismo orden de multiplicidad.
1078. Si 𝐹: 𝑈 → 𝑉 y 𝐺: 𝑉 → 𝑊 son aplicaciones lineales en los espacios vectoriales 𝑈, 𝑉 𝑦 𝑊, V F
sobre el mismo cuerpo 𝐾, entonces (𝐺 ∘ 𝐹): 𝑈 → 𝑊 es una aplicación lineal.
1079. Si 𝐹: 𝑈 → 𝑉 es una aplicación lineal y 𝑑𝑖𝑚(𝐼𝑚𝐹) = 𝑑𝑖𝑚𝑉, entonces 𝐹 es sobreyectiva. V F
1080. Si 𝐹: 𝑈 → 𝑉 es una aplicación lineal entre los espacios vectoriales 𝑈 y 𝑉 sobre el
V F
mismo cuerpo 𝐾 y [𝑭]𝑇𝑆 es la representación matricial de 𝐹 respecto a las bases 𝑆 =
{𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 } ⊂ 𝑈 y 𝑇 = {𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 } ⊂ 𝑉, entonces 𝑡𝑟𝑎𝑧𝑎([𝑭]𝑇𝑆 ) es invariante para
cualquier cambio de coordenadas en 𝑈 y/o en 𝑉.
FIUNA08F2080704:
1081. Si el sistema lineal 𝐴𝑥 = 𝐵 es compatible, entonces 𝐴𝑥 = 𝐶 también lo es.
V F
(𝐴 ∈ 𝑅 𝑚×𝑛 ; 𝐵, 𝐶 ∈ 𝑅 𝑛 )
1082. Si en el sistema lineal 𝐴𝑥 = 𝐵 de 𝑛 ecuaciones con 𝑛 incógnitas, la matriz 𝐴 es no V F
singular, entonces es compatible para cualquier 𝐵 ∈ 𝑅 𝑛 .
1083. Si 𝑢 , 𝑣 y 𝑤 son vectores de 𝐶 𝑛 , entonces (𝑢 ∙ 𝑣)𝑤 = 𝑢(𝑣. 𝑤), donde ∙ es el producto V F
escalar en 𝐶 𝑛 .
1084. Si 𝐴 es una matriz unitaria, entonces 𝐴𝐻 = 𝐴. V F
1085. Si 𝐴 es una matriz 𝑛-cuadrada, entonces es producto de matrices elementales. V F
1086. Si 𝐴 es una matriz hermítica, entonces es simétrica. V F
1087. Si 𝐴 es una matriz 𝑛-cuadrada real cuyas columnas constituyen un conjunto de
V F
vectores ortonormales, entonces 𝐴 es ortogonal.
1088. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz antihermítica, entonces 𝑎𝑖𝑖 ∈ 𝑅, ∀𝑖 = 1, 𝑛. V F

1089. Si 𝑈 y 𝑊 son subespacios de un espacio vectorial 𝑉 sobre un cuerpo 𝐾, 𝑈 + 𝑊 = 𝑉, V F

𝑑𝑖𝑚𝑈 = 𝑝, 𝑑𝑖𝑚𝑊 = 𝑞, 𝑑𝑖𝑚𝑉 = 𝑛 y 𝑝 + 𝑞 = 𝑛, entonces 𝑉 es la suma directa de 𝑈 y
𝑊.
1090. Si 𝑉 es un espacio vectorial sobre un cuerpo 𝐾, 𝑆 = { 𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 } una base de 𝑉 y V F
𝑇 = { 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑚 } un conjunto generador de 𝑉, entonces 𝑚 ≥ 𝑛.
1091. Si 𝑉 es un espacio vectorial real, con producto interno 〈 , 〉, entonces 〈 𝑣 , 𝑢 〉 = 〈 𝑢 , 𝑣 〉 V F
∀𝑢, 𝑣 ∈ 𝑉.
1092. Si 𝑉 es un espacio vectorial métrico complejo, con distancia 𝑑( , ), entonces 𝑑(𝑢, 𝑣) V F
es un numero real no negativo ∀𝑢, 𝑣 ∈ 𝑉.
1093. Si V es un espacio vectorial sobre el cuerpo 𝐾, 𝐾 ∈ 𝑅 ∨ 𝐾 ∈ 𝐶, con norma ‖ ‖, V F
entonces ‖𝑘𝑣‖ = |𝑘|‖𝑣‖, ∀𝑘 ∈ 𝐾, con |𝑘| = 𝑎𝑏𝑠(𝑘) 𝑠𝑖 𝑘 ∈ 𝑅, |𝑘| = |√𝑎2 + 𝑏 2 | 𝑠𝑖 𝑘 ∈ 𝐶 y
∀𝑣 ∈ 𝑉.
1094. Si A y B son matrices 𝑛-cuadradas no singulares, entonces (𝐴𝐵)𝑡 = 𝐴𝑡 𝐵 𝑡 . V F
1095. Si la matriz 𝐴 es diagonalizable bajo similaridad, entonces los valores propios de 𝐴 V F
son reales.
1096. El polinomio característico de una matriz 𝑛-cuadrada 𝐴 es un polinomio racional y V F
entero de grado 𝑛.
1097. Si 𝜆 es un valor propio de la matriz 𝑛-cuadrada real 𝐴, entonces 𝜆 ∈ 𝑅. V F
1098. Si 𝐹: 𝑈 → 𝑉 y 𝐺: 𝑈 → 𝑊 son aplicaciones lineales en los espacios vectoriales 𝑈, 𝑉 𝑦 𝑊, V F
sobre el mismo cuerpo 𝐾, entonces 𝐹 + 𝐺 es una aplicación lineal.
1099. Si 𝐹: 𝑈 → 𝑉 es una aplicación lineal inyectiva, entonces 𝑑𝑖𝑚𝑈 = 𝑑𝑖𝑚(𝐼𝑚𝐹). V F
1100. Si 𝐹: 𝑉 → 𝑉 es una transformación lineal en el espacio vectorial 𝑉 sobre el cuerpo 𝐾 y
V F
[𝑭]𝑆 es la representación matricial de 𝐹 respecto a la base 𝑆 = {𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 } ⊂ 𝑉,
entonces [𝑭]𝑆 es no singular.
FIUNA08F3081202:
1101. Si el sistema lineal 𝐴𝑥 = 𝐵 es compatible, entonces las matrices (𝐴, 𝐵) 𝑦 𝐵 tienen el
V F
mismo rango.
1102. Si 𝑥1 𝑦 𝑥2 son soluciones del sistema lineal 𝐴𝑥 = 𝐵 de 𝑚 ecuaciones con 𝑛 incógnitas, V F
entonces 𝑥1 + 𝑥2 es solución del sistema 𝐴𝑥 = 2𝐵.
1103. Si 𝑢 , 𝑣 y 𝑤 son vectores de 𝐶 𝑛 y (𝑢 ∙ 𝑣)𝑤 = 𝑢(𝑣. 𝑤), donde ∙ es el producto escalar en V F
𝐶 𝑛 , entonces 𝑢 , 𝑣 y 𝑤 son coplanares.
1104. Si 𝐴 𝑦 𝐵 son matrices equivalentes por fila, entonces son del mismo orden. V F
1105. Si 𝐴 es una matriz 𝑚 × 𝑛, entonces es equivalente por filas a una única matriz V F

V F
 escalonada.
1106. Si 𝐴 es una matriz 𝑛-cuadrada real, entonces 𝐴𝐴𝑡 es simétrica.
1107. Si 𝐴 es una matriz 𝑛-cuadrada compleja, entonces 𝐴𝐴𝐻 es hermítica. V F
1108. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz antihermítica, entonces 𝑎𝑖𝑖 = 0, ∀𝑖 = 1, 𝑛. V F
1109. Si 𝑈 y 𝑊 son subespacios de un espacio vectorial 𝑉 sobre el mismo cuerpo 𝐾, entonces V F
𝑈 + 𝑊 = 𝑉.
1110. Si 𝑆 = { 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑚 } y 𝑇 = { 𝑤1 , 𝑤2 , ⋯ , 𝑤𝑛 } son conjuntos generadores del espacio V F
vectorial 𝑉 sobre un cuerpo 𝐾, entonces 𝑚 = 𝑛.
1111. Si 𝑉 es un espacio vectorial real o complejo, con producto interno 〈 , 〉, entonces V F
〈 𝑣 , 𝑢 〉 = 〈 𝑢 , 𝑣 〉, ∀𝑢, 𝑣 ∈ 𝑉.
1112. Si 𝑉 es un espacio vectorial complejo con norma ‖ ‖, entonces ∀𝑣 ∈ 𝑉, ‖𝑣‖ es un
número complejo de componente imaginaria no nula, excepto para 𝑣 = 0.
1113. Si V es un espacio vectorial real con distancia 𝑑( , ), entonces ∀𝑢, 𝑣 ∈ 𝑉, 𝑑(𝑢, 𝑣) = V F
𝑑(𝑣, 𝑢). V F
1114. Si 𝐴 𝑦 𝐵 son matrices 𝑛-cuadradas congruentes, entonces 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝐵.
1115. Si 𝐴 es una matriz real diagonalizable bajo similaridad, entonces las componentes de
V F
sus vectores propios son números reales.
1116. El polinomio característico de una matriz 𝑛-cuadrada real 𝐴 es un polinomio racional y
entero de grado 𝑛 − 1.
1117. Si 𝜆 es un valor propio de la matriz 𝑛-cuadrada real 𝐴, entonces 𝜆 ∈ 𝑅. V F
1118. Si 𝑇: 𝑉 → 𝑉 es un operador lineal en el espacio vectorial real 𝑉, entonces ∀𝑢, 𝑤 ∈ 𝑉,
𝑇(𝑢, 𝑤) = 𝑇(𝑢) + 𝑇(𝑤).
1119. Si 𝐹: 𝑈 → 𝑉 es una aplicación lineal sobreyectiva, entonces 𝑑𝑖𝑚(𝐼𝑚𝐹) = 𝑑𝑖𝑚𝑉. V F
1120. Si 𝐹: 𝑉 → 𝑉 es un operador lineal en el espacio vectorial 𝑉 sobre el cuerpo 𝐾 y [𝑭]𝑆 es la V F
representación matricial de 𝐹 respecto a la base 𝑆 = {𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 } ⊂ 𝑉, entonces [𝑭]𝑆
es no singular.
FIUNA08R1081023:
1121. El conjunto solución del sistema lineal homogéneo 𝐴𝑥 = 0 es un subconjunto del V F
conjunto solución del sistema lineal 𝐴𝑥 = 𝐵.
1122. Si en el sistema lineal 𝐴𝑥 = 𝐵, de 𝑚 ecuaciones con 𝑛 incógnitas, se tiene 𝑛 > 𝑚,
V F
entonces el sistema es compatible.
1123. Si el sistema lineal 𝐴𝑥 = 𝑏, es incompatible, entonces existe un sistema constituido por V F
un subconjunto de sus ecuaciones que si es compatible.
1124. Si 𝑢, 𝑣 𝑦 𝑤 son vectores de R3, entonces 𝑢 × (𝑣 + 𝑤) = 𝑢 × 𝑣 + 𝑢 × 𝑤 donde × indica V F
producto vectorial y + suma de vectores.
1125. Si 𝐴 𝑦 𝐵 son matrices reales equivalentes, entonces existen matrices no singulares V F
𝑃 𝑦 𝑄 tal que 𝐵 = 𝑃𝐴𝑄.
1126. Si 𝐴 es una matriz real no nula 𝑚 × 𝑛, entonces mediante premultiplicaciones por V F
matrices elementales puede transformarse en una matriz en forma escalonada por filas.
1127. Si 𝐴 𝑦 𝐵 son matrices complejas compatibles para la suma de matrices, entonces V F
(𝐴 + 𝐵)𝐻 = 𝐵 𝐻 + 𝐴𝐻 .
1128. Si 𝐴 𝑦 𝐵 son matrices complejas compatibles para la multiplicación indicada, entonces V F
𝐴(𝐵𝐶) = (𝐴𝐵)𝐶.
1129. Si 𝐴, 𝐵 𝑦 𝐶 son matrices 𝑛-cuadradas no nulas, y 𝐴(𝐵 − 𝐶) = 0 entonces 𝐴 = 0 𝑜 𝐵 = 𝐶. V F
1130. Si 𝐴 es una matriz 𝑛-cuadrada hermitica, entonces existen matrices 𝑛-cuadradas
V F
hermíticas 𝑀 𝑦 𝑁 tal que A = M + N.
1131. 𝐴 es una matriz nilpotente de clase 𝑝 si 𝐴𝑝 = 0 pero 𝐴𝑝−1 ≠ 0. V F
1132. Si 𝑉 es un espacio vectorial sobre un cuerpo 𝐾 𝑦 𝑆 ⊂ 𝑉 es un conjunto generador
V F
linealmente dependiente, entonces ∃𝑇 ⊂ 𝑆 tal que 𝑇 es una base de 𝑉.
1133. Si 𝑈 = 𝑙𝑖𝑛𝑆 y 𝑊 = 𝑙𝑖𝑛𝑇 son subespacios de un espacio vectorial 𝑉 sobre un cuerpo 𝐾, de
V F
dimensión 𝑛, y 𝑑𝑖𝑚𝑈 = 𝑑𝑖𝑚𝑊 = 𝑑𝑖𝑚𝑉, entonces 𝑈 = 𝑊 = 𝑉.
1134. Si 𝑈 = 𝑙𝑖𝑛𝑆 y 𝑊 = 𝑙𝑖𝑛𝑇 son subespacios de un espacio vectorial 𝑉 sobre un cuerpo 𝐾, de
V F
 dimensión 𝑛, entonces 𝑈 + 𝑊 es un subespacio de 𝑉.
1135. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 y 𝑆 ⊂ 𝑉 es linealmente dependiente, V F
entonces ∃𝑇 ⊂ 𝑆 tal que 𝑇 es una base de 𝑉.
1136. Si 𝐴 𝑦 𝐵 son matrices congruentes, entonces tienen los mismos valores propios. V F
1137. Si 𝐴 es una matriz real no singular, entonces es diagonalizable bajo similaridad. V F
1138. Si 𝐴, es una matriz diagonalizable bajo similaridad y 𝜆 un valor propio de 𝐴 de V F
multiplicidad algebraica tres, entonces la multiplicidad geométrica de 𝜆 es tres.
1139. Si 𝐹 es un operador lineal en el espacio vectorial 𝑉 sobre el cuerpo 𝐾, entonces la V F
imagen, por 𝐹, de un conjunto linealmente independiente de 𝑉, es linealmente
independiente.
1140. Si 𝑈 𝑦 𝑉 son espacios vectoriales sobre el mismo cuerpo 𝐾 y 𝐹: 𝑈 → 𝑉 es una aplicación V F
lineal cuya representación matricial, respecto a las bases 𝑆 de 𝑈 y 𝑇, es [𝐴]𝑇𝑆 , ∀𝑢 ∈ 𝑈 se
tiene . [𝐹(𝑢)]𝑇 = [𝐴]𝑇𝑆 [𝑢]𝑆 .
FIUNA09P1090404A:
1141. La operación elemental 𝐿𝑖 = 𝑘𝐿𝑖 + 𝐿𝑗 , 𝑐𝑜𝑛 𝑖 ≠ 𝑗 que altera la fila 𝑖 utilizando el escalar 𝑘 y V F
el vector fila 𝑗 no altera el conjunto solución del sistema.
1142. Los rangos de las matrices A y la ampliada M = (A, B), del sistema lineal Ax = B, de m V F
ecuaciones con n incógnitas, definen la compatibilidad del sistema.
1143. Si el sistema lineal Ax = B tiene solución única, entonces Ax = 0 también admite V F
solución única.
1144. Un sistema lineal Ax = B, de m ecuaciones con n incógnitas, si está en forma V F
escalonada admite solución única.
1145. Si W es la solución general de un sistema lineal homogéneo Ax = 0, de m ecuaciones V F
con n incógnitas, entonces existe un conjunto de vectores no nulos {u1, u2, …, us} tal
que todo vector solución v puede escribirse como combinación lineal de estas ui.
1146. Si 𝑢 = (𝑢1 , 𝑢2 , … , 𝑢𝑛 ) es un vector de Rn, entonces ‖𝑢‖ = √𝑢12 + 𝑢22 + ⋯ + 𝑢𝑛2 es la V F
norma del vector 𝑢.
1147. La traspuesta de una matriz verifica: 𝑖) (𝐴 + 𝐵)𝑡 = 𝐴𝑡 + 𝐵 𝑡 ; 𝑖𝑖) (𝐴𝐵)𝑡 = 𝐵 𝑡 𝐴𝑡 . V F
1148. Si A es una matriz ortogonal sus filas forman un conjunto ortogonal de vectores. V F
1149. Si A es una matriz invertible, entonces es hermítica. V F
1150. La matriz compleja A es unitaria si sus elementos diagonales son iguales a uno y los V F
demás elementos son iguales a cero.
1151. Si A es una matriz antisimétrica, entonces sus elementos diagonales son ceros. V F
1152. Si A es una matriz hermítica, entonces es invertible. V F
1153. Si A es una matriz real no singular, entonces puede escribirse como un producto de
V F
matrices elementales.
1154. Si A es una matriz nilpotente de clase p, entonces Ap = 0 pero Ap-1  0. V F
1155. Si V es un espacio vectorial sobre el cuerpo K, vV, kK y kv = 0, entonces k = 0 o V F
v = 0.
1156. Si V es un espacio vectorial sobre el cuerpo K, 0 el vector nulo en V, entonces W = {0}, V F
es un subespacio de V.
1157. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto de vectores, entonces V F
la envolvente lineal de S es el conjunto de vectores que pueden escribirse como
combinación lineal de los vectores de S.
1158. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto de vectores, entonces V F
S es un conjunto linealmente independiente o es un conjunto linealmente dependiente.
1159. Si V es un espacio vectorial sobre el cuerpo K, SV una base de V, entonces S es V F
linealmente independiente.
1160. El rango por filas de una matriz A es igual al número máximo de filas linealmente V F
independientes.
FIUNA09P1090404B:
1161. El La operación elemental 𝐿𝑖 = 𝐿𝑖 + 𝑘𝐿𝑗 , 𝑐𝑜𝑛 𝑖 ≠ 𝑗 que altera la fila 𝑖 utilizando el escalar V F
𝑘 y el vector fila 𝑗 no altera el conjunto solución del sistema.
1162. El rango r de la matriz ampliada M = (A, B), del sistema lineal Ax = B, de m ecuaciones V F
con n incógnitas, es igual al numero de variables libres en su conjunto solución.
1163. Si el sistema lineal Ax = B no admite solución, entonces Ax = 0 tampoco admite V F
solución.
1164. Un sistema lineal Ax = B, de n ecuaciones con n incógnitas, si está en forma V F
triangular admite solución única.
1165. Si W es la solución general de un sistema lineal homogéneo Ax = 0, de m ecuaciones V F
con n incógnitas, el conjunto de vectores no nulos {u1, u2, …, us} tal que todo vector
solución v puede escribirse como combinación lineal de estas ui, se dice que forman una
base de W.
1166. Si 𝑢 = (𝑢1 , 𝑢2 , … , 𝑢𝑛 ) es un vector no nulo de Rn, entonces 𝑢⁄‖𝑢‖ es un vector unitario. V F
−1 −1 −1 (𝐴𝐵)−1
1167. La inversa de una matriz, si existe, verifica: 𝑖) (𝐴 + 𝐵) =𝐴 +𝐵 ; 𝑖𝑖) = V F
𝐵 −1 𝐴−1 ; 𝑖𝑖𝑖) (𝐴−1 )−1 = 𝐴.
1168. Si A es una matriz ortogonal sus columnas forman un conjunto ortogonal de vectores. V F
1169. Si A es una matriz antihermítica, entonces es invertible. V F
1170. La matriz compleja A es normal si en el producto de matrices conmuta con su traspuesta
V F
conjugada.
1171. Si A es una matriz simétrica, entonces sus entradas son números reales. V F
1172. Si A es una matriz antihermítica, entonces es invertible. V F
1173. Si A es una matriz real no singular, entonces existe una matriz P, que es producto de V F
matrices elementales, tales que PA = I.
1174. Si A es una matriz idempotente, entonces A2 = A. V F
1175. Si V es un espacio vectorial sobre el cuerpo K, vV, kK y kv = 0, entonces k = 0 o
V F
v = 0.
1176. Si V es un espacio vectorial sobre el cuerpo K, 0 el vector nulo en V y W es un V F
subespacio de V, entonces {0}W.
1177. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto de vectores entonces V F
la envolvente lineal de S es un subespacio de V.
1178. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto de vectores, entonces V F
S es un conjunto linealmente independiente si toda combinación lineal de los vectores de
S da el vector nulo.
1179. Si V es un espacio vectorial sobre el cuerpo K, entonces SV es una base de V, si V F
genera V y es linealmente independiente.
1180. El rango por columnas de una matriz A es igual al número máximo de columnas
V F
linealmente independientes.
FIUNA09P1090404C:
1181. La operación elemental 𝐿𝑖 = 𝑎𝐿𝑖 + 𝑏𝐿𝑗 , 𝑐𝑜𝑛 𝑖 ≠ 𝑗 que altera la fila 𝑖 utilizando las constantes
V F
𝑎,
𝑏 y la fila 𝑗 no altera el conjunto solución del sistema.
1182. El sistema lineal Ax = B, de m ecuaciones con n incógnitas, admite solución única siV losF
rangos de la matrices A y la ampliada M = (A, B) son iguales.
1183. Si el sistema lineal Ax = B admite infinitas soluciones, entonces Ax = 0 admite también
V F
infinitas soluciones.
1184. Un sistema lineal Ax = B, de m ecuaciones con n incógnitas, si está en forma escalonada V F
admite infinitas soluciones.
1185. Si W es la solución general de un sistema lineal homogéneo Ax = 0, de m ecuaciones con V F n
incógnitas, el número s de vectores no nulos {u1, u2, …, us} tal que todo vector solución v puede
escribirse como combinación lineal de estas ui, se dice que es la dimensión de W.
1186. Si 𝑢 𝑦 𝑣 son vectores de Rn, entonces |𝑢 ∙ 𝑣| ≤ ‖𝑢‖‖𝑣‖.
1187. El producto de matrices verifica: 𝑖) 𝐴(𝐵 + 𝐶) = 𝐴𝐵 + 𝐴𝐶; 𝑖𝑖) (𝐵 + 𝐶)𝐴 = 𝐵𝐴 + 𝐶𝐴.
V F
V F
1188. Si las filas de una matriz forman un conjunto ortogonal de vectores, entonces la matriz V F
es
ortogonal.
V F
1189. Si A es una matriz hermítica, entonces es invertible.
1190. La matriz real A es normal si en el producto de matrices conmuta con su traspuesta.
V F
1191. Si A es una matriz antihermítica, entonces sus entradas diagonales son iguales a cero.
V F
1192. Si A es una matriz simétrica, entonces es invertible. V F
1193. Si A es una matriz que puede escribirse como producto de matrices elementales, entonces V F
es
no singular.
1194. Si A es una matriz escalar, entonces es producto de un escalar por la matriz identidad.
V F
1195. Si V es un espacio vectorial sobre el cuerpo K, vV, kK y kv = 0, entonces k = 0 o vV= 0. F
1196. Si V es un espacio vectorial sobre el cuerpo K, 0 el vector nulo en V, entonces todo
V F
subespacio de V incluye el 0.
1197. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto de vectores entonces la
V F
envolvente lineal de S incluye el vector nulo de V.
1198. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto de vectores, entonces V S esF
un conjunto linealmente dependiente si toda combinación lineal de los vectores de S da el
vector nulo.
1199. Si V es un espacio vectorial sobre el cuerpo K, entonces SV es una base de V, si todo
V F
vector de V puede escribirse de una única manera como combinación lineal de los vectores de
S.
1200. El rango por filas y por columnas de una matriz A son iguales.
V F
FIUNA09P1090404D:
1201. La operación elemental 𝐿𝑖 = 𝑘𝐿𝑗 , 𝑐𝑜𝑛 𝑖 ≠ 𝑗 que altera la fila 𝑖 utilizando el ecalar 𝑘 y la fila V𝑗 no
F
altera el conjunto solución del sistema.
1202. El sistema lineal Ax = B, de m ecuaciones con n incógnitas, no es compatible si los rangos V F
de la matrices A y la ampliada M = (A, B) son distintos.
1203. Si el sistema lineal Ax = B es incompatible, entonces el sistema Ax = 0 también es
V F
incompatible.
1204. Un sistema lineal Ax = B, de n ecuaciones con n incógnitas, si está en forma triangular V F
admite infinitas soluciones.
1205. Si W es la solución general de un sistema lineal homogéneo Ax = 0, de m ecuaciones con V F n
incógnitas, de un conjunto de vectores no nulos {u1, u2, …, us} que son soluciones de W se dice
que forman una base de W.
1206. Si 𝑢 𝑦 𝑣 son vectores de Rn, entonces ‖𝑢 + 𝑣‖ ≤ ‖𝑢‖ + ‖𝑣‖. V F
1207. La inversa de matrices verifica: 𝑖) (𝐴𝐵)−1 = 𝐵 −1 𝐴−1 ; 𝑖𝑖) (𝐴 + 𝐵)𝐴 = 𝐵𝐴 + 𝐶𝐴.
V F
1208. Si las columnas de una matriz forman un conjunto ortogonal de vectores, entonces la matriz V es F
ortogonal.
1209. Si A es una matriz invertible, entonces es hermítica. V F
1210. La matriz real A es una matriz elemental si fue obtenida efectuando una operación elemental V F
sobre las filas de la matriz unidad.
1211. Si A es una matriz hermítica, entonces sus entradas diagonales son iguales a uno.
V F
1212. Si A es una matriz antisimétrica, entonces es invertible. V F
1213. Si A es una matriz real singular, entonces puede escribirse como producto de matrices
V F
elementales.
1214. Si A es una matriz n-cuadrada compleja, entonces B = A + AH es una matriz hermítica.
V F
1215. Si V es un espacio vectorial sobre el cuerpo K, vV, kK y kv = 0, entonces k = 0 o vV= 0. F
1216. Si V es un espacio vectorial sobre el cuerpo K, W un subespacio del mismo, entonces W V F
es
un espacio vectorial sobre el mismo cuerpo K.
1217. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto de vectores entonces la
V F
envolvente lineal de S es un subespacio de V que contiene a S.
1218. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto de vectores linealmente
V F
independientes, entonces S es un conjunto generador de V.
1219. Si V es un espacio vectorial sobre el cuerpo K, entonces SV es una base de V, si Vtodo F
vector de V puede escribirse como combinación lineal de los vectores de S.
1220. El rango de una matriz A es igual al número máximo de filas linealmente independientes.
V F
FIUNA09P2090606:
1221. Si un sistema lineal 𝐴𝑋 = 𝐵 siempre admite al menos una solución.
1222. Si 𝑢, 𝑣 ∈ 𝑅 𝑛 y, × representa el producto vectorial, entonces ×∙ : 𝑅 𝑛 × 𝑅 𝑛 → 𝑅 𝑛 . V F
1223. Si 𝐴 es una matriz 𝑚 × 𝑛 𝑦 𝑚 > 𝑛, entonces el número de filas linealmente V F
independientes de 𝐴 es mayor que el número de columnas linealmente
independientes. V F
1224. Si 𝐴 es una matriz real 𝑛 × 𝑛, entonces es diagonalizable bajo congruencia.
1225. Si 𝑆 es un subconjunto de vectores de un espacio vectorial 𝑉 sobre un cuerpo 𝐾,
V F
entonces 𝑆 genera un subespacio de 𝑉.
1226. Si 𝑉 es un espacio vectorial real, con producto interno 〈 , 〉 entonces 〈𝑢, 𝑣〉 = 〈𝑣, 𝑢〉,
V F
∀𝑢, 𝑣 ∈ 𝑉.
1227. Si 𝑉 es un espacio vectorial complejo, con producto interno 〈 , 〉 entonces 〈𝑢, 𝑣〉 ∈ 𝑅 V F
∀𝑢, 𝑣 ∈ 𝑉.
1228. Si 𝑉 es un espacio vectorial real, con producto interno 〈 , 〉 entonces 〈𝑎𝑢, 𝑏𝑣〉 =
V F
𝑎𝑏〈𝑢, 𝑣〉 ∀𝑢, 𝑣 ∈ 𝑉 ∧ ∀𝑎, 𝑏 ∈ 𝑅.
1229. Si 𝑉 es un espacio vectorial real, con producto interno 〈 , 〉 entonces 〈𝑢, 𝑣〉 ≠ 0 ⇒ V F
{𝑢, 𝑣} es linealmente independiente.
1230. Si 𝐴 es una matriz 𝑛-cuadrada real y 𝑎𝑖𝑗 ≠ 𝑎𝑘𝑗 , ∀𝑘 ≠ 𝑖 , entonces 𝑑𝑒𝑡𝐴 ≠ 0. V F
1231. Si 𝐴 es una matriz 𝑛-cuadrada real, 𝑑𝑒𝑡𝐴 ≠ 0 y 𝜆 es un valor propio de A, entonces V F
𝜆≠0
1232. Si 𝐴 es una matriz 𝑛-cuadrada real y sus valores propios 𝜆𝑖 ≠ 𝜆𝑗 ; ∀𝑖 ≠ 𝑗; 𝑖, 𝑗 = 1, 𝑛,
V F
entonces A es diagonalizable bajo similaridad.
1233. Si 𝐴 es una matriz 𝑛-cuadrada real simétrica, entonces ∃𝑃 ∈ 𝑅 𝑛×𝑛 ortogonal y una V F
matriz real 𝐷 tal que 𝐴 = 𝑃 −1 𝐷𝑃.
1234. Si 𝑉 𝑦 𝑈 son espacios vectoriales sobre un mismo cuerpo 𝐾, de la misma dimensión 𝑛, V F
𝑆 = {𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 } una base en 𝑉 y 𝑇 = {𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 } una base en 𝑈, entonces existe
una única aplicación lineal 𝐹: 𝑉 → 𝑈 tal que 𝐹(𝑣𝑖 ) = 𝑢𝑖 ; ∀𝑖 = 1, 𝑛.
1235. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾, 𝐹: 𝑉 → 𝑉 𝑦 𝐺: 𝑉 → 𝑉 son aplicaciones V F
lineales, entonces 𝐹 𝐺 = 𝐺 𝐹.
1236. Si 𝑉 𝑦 𝑈 son espacios vectoriales sobre un mismo cuerpo 𝐾, 𝐹: 𝑉 → 𝑈 una aplicación V F
lineal, entonces ∀𝑢 ∈ 𝑈, ∃𝑣 ∈ 𝑉 tal que 𝑢 = 𝐹(𝑣).
1237. Si 𝑉 𝑦 𝑈 son espacios vectoriales sobre un mismo cuerpo 𝐾, 𝐹: 𝑉 → 𝑈 una aplicación V F
lineal, entonces ∀𝑣 ∈ 𝑉, ∃𝑢 ∈ 𝑈 tal que 𝑢 = 𝐹(𝑣).
1238. Si 𝑉 𝑦 𝑈 son espacios vectoriales sobre un mismo cuerpo 𝐾, 𝐹: 𝑉 → 𝑈 una aplicación V F
lineal, entonces 𝐹(0) = 0.
1239. Si 𝑉 𝑦 𝑈 son espacios vectoriales sobre un mismo cuerpo 𝐾, 𝐹: 𝑉 → 𝑈 una aplicación V F
lineal. 𝑆 = {𝑣1 , 𝑣2 , ⋯ , 𝑣𝑚 } una base en 𝑉 y 𝑇 = {𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 } una base en 𝑈, entonces
existe y es única la matriz [𝐹]𝑇𝑠 tal que [𝐹(𝑣)] 𝑇 = [𝐹]𝑇𝑠 [𝑣]𝑆 .
1240. Si 𝑃 es la matriz de cambio de base desde una base 𝑆 hasta otra 𝑆′ en 𝑉 y sea 𝑄 la V F
matriz de cambio de base desde una base 𝑇 hasta otra 𝑇′ en 𝑈, entonces para toda
aplicación lineal 𝐹: 𝑉 → 𝑈, [𝐹]𝑇′ −1 𝑇
𝑆′ = 𝑄 [𝐹]𝑆 𝑃.

FIUNA09F1090627:
1241. El conjunto solución del sistema lineal 𝐴𝑥 = 0, 𝐴 ∈ 𝑅 𝑚×𝑛 , 𝑥 ∈ 𝑅 𝑛 tiene tantos vectores V F
como variables libres tiene el sistema.
1242. Si 𝑥𝑖 es una solución del sistema lineal 𝐴𝑥 = 𝐵, 𝐴 ∈ 𝑅 𝑚×𝑛 , 𝐵 ∈ 𝑅 𝑚 , 𝑥 ∈ 𝑅 𝑛 entonces 𝑥𝑖 V F
es una combinación lineal de la columnas de 𝐴.
1243. Si 𝑢 y 𝑣 son vectores de 𝑅 𝑛 , entonces ‖𝑢 + 𝑣‖ ≤ ‖𝑢‖ + ‖𝑣‖. V F
1244. Si 𝐴, 𝐵 son matrices complejas del mismo orden y 𝑘 un escalar, entonces se verifican: V F
𝑎) (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵 𝑇 ; 𝑏) (𝐴𝑇 )𝑇 = 𝐴; 𝑐) (𝑘𝐴)𝑇 = 𝑘𝐴𝑇 ; 𝑑) (𝐴𝐵)𝑇 = 𝐵 𝑇 𝐴𝑇 .
1245. La solución general de un sistema inhomogéneo 𝐴𝑋 = 𝐵 puede obtenerse sumando el V F
espacio solución 𝑊 del sistema homogéneo 𝐴𝑋 = 0 a una solución particular 𝑣0 del
sistema inhomogéneo.
1246. Si 𝐴 es una matriz 𝑛-cuadrada real no nula, entonces 𝐴0 = 𝐼 siendo 𝐼 la matriz V F
identidad.
V F
1247. Si 𝐴 es una matriz 𝑛-cuadrada compleja, 𝑓(𝑥) 𝑦 𝑔(𝑥) dos polinomios de coeficientes
complejos, entonces 𝑓(𝐴)𝑔(𝐴) = 𝑔(𝐴)𝑓(𝐴).
1248. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz compleja unitaria, entonces 𝐴𝐻 = 𝐼. V F
1249. Si 𝑈 y 𝑊 son subespacios de un espacio vectorial 𝑉 sobre el cuerpo 𝐾, entonces 𝑈 + V F
𝑊; 𝑈 ∩ 𝑊 𝑦 𝑈 ∪ 𝑊 son subespacios de 𝑉.
1250. Si 𝑆 = { 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑚 } y 𝑇 = { 𝑤1 , 𝑤2 , ⋯ , 𝑤𝑛 } son conjuntos de vectores linealmente V F
 independientes del espacio vectorial 𝑉 sobre un cuerpo 𝐾, entonces 𝑆 ∪ 𝑇 es
linealmente independiente.
1251. Si 𝑉 es un espacio vectorial complejo, con producto interno 〈 , 〉, entonces 〈 𝑣 , 𝑢 〉 = V F
〈 𝑢 , 𝑣 〉, ∀𝑢, 𝑣 ∈ 𝑉.
1252. Si 𝑉 es un espacio vectorial complejo con norma ‖ ‖, entonces ∀𝑣 ∈ 𝑉, ‖𝑣‖ es un V F
número complejo de componente imaginaria no nula.
1253. Si V es un espacio vectorial métrico complejo con distancia 𝑑( , ), entonces ∀𝑢, 𝑣 ∈ 𝑉, V F
𝑑(𝑢, 𝑣) = 𝑑(𝑣, 𝑢).
1254. Si 𝐴 𝑦 𝐵 son matrices 𝑛-cuadradas similares, entonces 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝐵. V F
1255. Si todos los valores propios de la matriz 𝑛-cuadrada 𝐴 son números reales, entonces es V F
diagonalizable bajo similaridad.
1256. El polinomio característico de una matriz 𝑛-cuadrada real o compleja 𝐴 es un polinomio V F
mónico racional y entero de grado 𝑛, con coeficientes reales.
1257. Si 𝜆 es un valor propio de la matriz 𝑛-cuadrada compleja 𝐴, entonces det(𝜆𝐼 − 𝐴) = 0. V F
1258. Si 𝑇: 𝑉 → 𝑉 es un operador lineal en el espacio vectorial real 𝑉, entonces ∀𝑣 ∈ 𝑉 ∧ 𝑘 ∈ V F
𝑅, 𝑇(𝑘𝑣) = 𝑘𝑣.
1259. Si 𝑈 y 𝑉 son espacios vectoriales sobre un mismo cuerpo 𝐾 y 𝐹: 𝑈 → 𝑉 una aplicación V F
lineal biyectiva, entonces 𝑑𝑖𝑚(𝐼𝑚𝐹) = 𝑑𝑖𝑚𝑉 = 𝑑𝑖𝑚𝑈.
1260. Si 𝑆 𝑦 𝑇 son bases respectivas de los espacios vectoriales 𝑈 𝑦 𝑉 sobre el mismo cuerpo V F
𝐾, 𝐹: 𝑈 → 𝑉 una aplicación lineal y [𝐹]𝑇𝑆 la representación matricial de 𝐹 respecto a las
bases 𝑆 𝑦 𝑇, entonces [𝑢]𝑆 [𝐹]𝑇𝑆 = [𝑣] 𝑇 .
FIUNA09F2090704:
1261. El número de variables libres del sistema lineal 𝐴𝑥 = 𝐵, 𝐴 ∈ 𝑅 𝑚×𝑛 , 𝑥 ∈ 𝑅 𝑛 , 𝐵 ∈ 𝑅 𝑚 es V F
igual al número de ecuaciones que degeneran en el proceso de escalonamiento.
1262. Si 𝑢 𝑦 𝑣 son soluciones del sistema lineal 𝐴𝑥 = 𝐵, 𝐴 ∈ 𝑅 𝑚×𝑛 , 𝐵 ∈ 𝑅 𝑚 , 𝑥 ∈ 𝑅 𝑛 entonces V F
𝑢 + 𝑣 es también una solución.
1263. Si 𝑢 y 𝑣 son dos vectores ortogonales de 𝑅 𝑛 , entonces ‖𝑢 + 𝑣‖2 = ‖𝑢‖ + ‖𝑣‖. V F
1264. Si 𝐴, 𝐵 𝑦 𝐶 son matrices reales tales que, 𝐴 es equivalente con 𝐵 y 𝐵 es equivalente V F
con 𝐶, entonces 𝐴 es equivalente con 𝐶.
1265. El número de soluciones del sistema inhomogéneo 𝐴𝑋 = 𝐵 es igual al número de V F
variables libres que tiene el sistema.
1266. Si 𝐴 es una matriz idempotente, entonces 𝐼 − 𝐴 es idempotente. V F
1267. Si 𝐴 es una matriz 𝑛-cuadrada compleja, entonces 𝐴 = 𝑃 + 𝑖𝑄, siendo 𝑃 𝑦 𝑄 matrices 𝑛- V F
cuadradas reales del mismo orden que 𝐴 𝑒 𝑖 la unidad imaginaria.
1268. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz compleja y 𝐴𝐻 = 𝐴−1, entonces 𝐴 es una matriz unitaria. V F
1269. Si 𝑈 y 𝑊 son subespacios de un espacio vectorial 𝑉 sobre el cuerpo 𝐾, entonces 𝑈 + V F
𝑊 es también un subespacio de 𝑉 y 𝑑𝑖𝑚𝑈 + 𝑑𝑖𝑚𝑊 = 𝑑𝑖𝑚𝑉.
1270. Un conjunto de vectores de un espacio vectorial 𝑉 sobre un cuerpo 𝐾 es linealmente V F
dependiente si y sólo si, uno cualquiera de los vectores del conjunto puede escribirse
como combinación lineal de los demás
1271. Si 𝑉 es un espacio vectorial métrico complejo con distancia 𝑑( , ), entonces ∀𝑢, 𝑣 ∈ 𝑉, V F
𝑑(𝑢, 𝑣) es un número real no negativo.
1272. Si V es un espacio vectorial complejo, con producto interno 〈 , 〉, entonces ∀𝑣 ∈ 𝑉 se V F
tiene que ‖𝑣‖ = √〈𝑣, 𝑣〉 satisface los axiomas de una norma.
1273. Si 𝐴 𝑦 𝐵 son matrices 𝑛-cuadradas similares, entonces tienen igual traza. V F
1274. Si todos los valores propios de la matriz 𝑛-cuadrada 𝐴 son distintos, entonces es V F
diagonalizable bajo similaridad.
1275. El polinomio característico de una matriz 𝑛-cuadrada real o compleja 𝐴 es múltiplo de su V F
polinomio mínimo.
1276. Si 𝜆 es un valor propio de la matriz 𝑛-cuadrada real 𝐴, entonces 𝜆 ≠ 0. V F
1277. Si 𝑇: 𝑉 → 𝑉 es un operador lineal en el espacio vectorial real 𝑉, entonces es invertible. V F
1278. Si 𝑈 y 𝑉 son espacios vectoriales sobre un mismo cuerpo 𝐾 y 𝐹: 𝑈 → 𝑉 una aplicación
V F
lineal sobreyectiva, entonces 𝑑𝑖𝑚𝑉 = 𝑑𝑖𝑚𝑈.
1279. Si 𝑆 𝑦 𝑇 son bases respectivas de los espacios vectoriales 𝑈 𝑦 𝑉 sobre el mismo cuerpo V F
𝐾, 𝐹: 𝑈 → 𝑉 una aplicación lineal, entonces 𝐹 tiene una representación matricial
 respecto a las bases 𝑆 𝑦 𝑇.
1280. Si 𝐹: 𝑈 → 𝑉 𝑦 𝐺: 𝑈 → 𝑉 son transformaciones lineales, entonces 𝐻 = 𝐹 + 𝐺 es una V F
transformación lineal.
FIUNA09F2090704:
1281. Si A es una matriz cuadrada invertible, el sistema AX = B admite solución única.
1282. Si X1 y X2 son soluciones del sistema AX = 0, entonces, a1, a2  R, a1 X1 + a2 X2
es también solución.
1283. Si un sistema de ecuaciones lineales tiene una ecuación degenerada, entonces el
sistema no admite solución alguna.
1284. Si A1 X1 = B1 y A2 X2 = B2 son sistemas lineales de n ecuaciones con n incógnitas, y
A1 = A2, entonces, ambos sistemas admiten la misma solución.
1285. Si Q es un punto en R3 y n un vector no nulo, entonces la ecuación de la recta que
pasa por Q y tiene la dirección de n se escribe P = Q + tn, con P(x, y, z) y t
variable.
1286. Si Q es un punto en R3 y n un vector no nulo, entonces la ecuación del plano que
pasa por Q y cuya normal tiene la dirección de n se escribe P - Q = tn, con P(x, y, z)
y t variable.
1287. El producto vectorial de dos vectores de R3, es otro vector cuya dirección es
perpendicular al plano determinado por dichos vectores.
1288. Dos vectores u y v de Rn son ortogonales si el producto escalar de los mismos es
distinto de cero.
1289. Toda matriz no nula, puede transformarse en una matriz escalonada mediante
transformaciones elementales sobre las filas de la matriz.
1290. El producto de una matriz cualquiera, de orden m x n, por la matriz nula n x n, es una
matriz nula m x n.
1291. Si A y B son matrices triangulares superiores del mismo orden, entonces AB es
triangular superior del mismo orden.
1292. Toda matriz cuadrada, de orden n, es el producto de matrices elementales.
1293. Una matriz cuadrada es invertible si y solo si es el producto de matrices elementales.
1294. Si A es una matriz ortogonal, A es invertible.
1295. Si A es una matriz invertible, entonces kA es invertible con inversa k -1A-1, siendo k
R y k0
1296. Si A es una matriz cuadrada no invertible, entonces al reducirlo a la forma escalonada,
todas sus filas son nulas.
1297. Si A y B son matrices invertibles, entonces AB es invertible.
1298. Toda matriz cuadrada es invertible.
1299. Si A y B son dos matrices compatibles para el producto, entonces (AB) T = ATBT
1300. Si las matrices A y B son compatibles para el producto y se verifica AB = 0, entonces
A = 0 o B = 0.
FIUNA09P1090911A:
1301. La operación 𝐿𝑖 = 𝑎𝐿𝑖 + 𝑏𝐿𝑗 , 𝑐𝑜𝑛 𝑖 ≠ 𝑗, que modifica la ecuación 𝑖 utilizando los escalares V F
𝑎, 𝑏 y la ecuación 𝑗 del sistema lineal 𝐴𝑋 = 𝐵, afecta al conjunto solución si 𝑎 ≠ 0.
1302. El sistema lineal AX = B, de n ecuaciones con n incógnitas, es compatible si y sólo si el V F
sistema homogéneo asociado AX = 0 admite solución única.
1303. Sí las matrices de dos sistemas lineales no homogéneos son equivalentes por filas, V F
entonces dichos sistemas lineales son equivalentes.
1304. Un sistema lineal AX = B, de m ecuaciones con n incógnitas, es compatible si y sólo V F
si una de sus columnas es combinación lineal de las demás.
1305. Si W es el conjunto solución de un sistema lineal homogéneo AX = 0, de m ecuaciones V F
con n incógnitas, entonces la dimensión de W es igual al menor de los números m y n.
V F
1306. Si 𝑢 = (𝑢1 , 𝑢2 , … , 𝑢𝑛 ) es un vector de Rn, entonces ‖𝑢‖ ≤ 𝑢.
1307. La trasposición de matrices verifica: 𝑖) (𝑘𝐴)𝑡 = 𝑘𝐴𝑡 ; 𝑖𝑖) (𝐴𝐵)𝑡 = 𝐵 𝑡 𝐴𝑡 . V F
1308. Si A es una matriz compleja mn, con m  n, entonces AAH existe y es una matriz V F
cuadrada compleja.
1309. Toda matriz es equivalente por filas a sí misma. V F
1310. Las operaciones elementales sobre las filas de una matriz no alteran dicha matriz. V F
1311. Si una matriz compleja es antihermítica, entonces es antisimétrica. V F
1312. Si A es una matriz real simétrica, entonces es invertible. V F
1313. Toda matriz n-cuadrada real no singular es equivalente por filas a la matriz identidad. V F
1314. Si A es una matriz normal, entonces es no singular. V F
1315. Si V es un espacio vectorial sobre el cuerpo K, entonces  = { } es un subespacio de V. V F
1316. Si V es un espacio vectorial sobre el cuerpo K, entonces todo subespacio de V tiene por V F
subconjunto a { 0 }.
1317. Si V es un espacio vectorial sobre el cuerpo K, W un subespacio de V y SW un V F
conjunto no vacío de vectores, entonces la envolvente lineal de S está contenido en W.
1318. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto no vacío de vectores, V F
entonces S genera un subespacio de V si y sólo si es linealmente independiente.
1319. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto generador de V, V F
entonces existe un subconjunto de S que es una base de V.
1320. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto linealmente V F
independiente, entonces existe un subconjunto de S que es una base de V.
FIUNA09P1090911B:
1321. La operación 𝐿𝑖 = 𝑎𝐿𝑖 + 𝑏𝐿𝑗 , 𝑐𝑜𝑛 𝑖 ≠ 𝑗, que modifica la ecuación 𝑖 utilizando los escalares
V F
𝑎, 𝑏 y la ecuación 𝑗 del sistema lineal 𝐴𝑋 = 𝐵, afecta al conjunto solución si 𝑏 ≠ 0.
1322. El sistema lineal AX = B, de n ecuaciones con n incógnitas, es compatible si y sólo si el V F
sistema homogéneo asociado AX = 0 admite infinitas soluciones.
1323. Sí las matrices de dos sistemas lineales no homogéneos no son equivalentes por filas, V F
entonces dichos sistemas lineales no son equivalentes.
1324. Un sistema lineal AX = B, de m ecuaciones con n incógnitas, es compatible si y sólo V F
sí las columnas de A son linealmente independientes.
1325. Si W es el conjunto solución de un sistema lineal homogéneo AX = 0, de m ecuaciones V F
con n incógnitas, entonces la dimensión de W es igual al mayor de los números m y n.
1326. El producto escalar de todo vector 𝑢 = (𝑢1 , 𝑢2 , … , 𝑢𝑛 ) por si mismo, es un número V F
estrictamente positivo.
1327. La inversión de matrices verifica: 𝑖) (𝑘𝐴)−1 = 𝑘𝐴−1 ; 𝑖𝑖) (𝐴𝐵)−1 = 𝐵 −1 𝐴−1. V F
1328. Si A es una matriz compleja mn, con m  n, entonces las entradas diagonales de AAH V F
son números reales.
1329. Si A es una matriz equivalente por filas a B entonces B es equivalente por filas a A. V F
1330. Las operaciones elementales sobre las columnas de una matriz no alteran dicha matriz. V F
1331. Si una matriz compleja es simétrica, entonces es hermítica. V F
1332. Si A es una matriz compleja hermítica, entonces es invertible. V F
1333. Si A es una matriz n-cuadrada real no singular, entonces existe una matriz no singular P, V F
tal que P t AP es una matriz diagonal.
1334. Si A es una matriz idempotente, entonces es no singular. V F
1335. Si V es un espacio vectorial sobre el cuerpo K, entonces { 0 } es un subespacio de V. V F
1336. Si V es un espacio vectorial sobre el cuerpo K, entonces todo subconjunto de V genera V F
un subespacio de V.
1337. Si V es un espacio vectorial sobre el cuerpo K, W un subespacio de V y SV un conjunto V F
no vacío de vectores, entonces la envolvente lineal de S está contenido en W.
1338. Si V es un espacio vectorial sobre el cuerpo K, S = {v1, v2, …, vr}  V un conjunto de r  0 V F
 vectores, entonces S es un conjunto linealmente dependiente si y sólo si vr es
combinación lineal de los r – 1 vectores de S que le preceden.
1339. Si V es un espacio vectorial sobre el cuerpo K, SV es un conjunto que genera V V F
entonces es linealmente independiente.
1340. Si V es un espacio vectorial sobre el cuerpo K y SV es un conjunto linealmente V F
independiente, entonces S genera V.
FIUNA09P1090911C:
1341. La operación 𝐿𝑖 = 𝑎𝐿𝑖 + 𝑏𝐿𝑗 , 𝑐𝑜𝑛 𝑖 ≠ 𝑗, que modifica la ecuación 𝑖 utilizando los escalares V F
𝑎, 𝑏 y la ecuación 𝑗 del sistema lineal 𝐴𝑋 = 𝐵, afecta al conjunto solución si 𝑎 = 0.
1342. El sistema lineal AX = B, de m ecuaciones con n incógnitas es compatible V F
independientemente del número de soluciones del sistema homogéneo asociado AX = 0.
1343. La equivalencia por columnas de las matrices de dos sistemas lineales compatibles no V F
homogéneos implica que dichos sistemas lineales tienen el mismo conjunto solución.
1344. Un sistema lineal AX = B, de m ecuaciones con n incógnitas, es compatible si y sólo V F
si una de las filas de A es combinación lineal de las demás.
1345. Si W es el conjunto solución de un sistema lineal homogéneo AX = 0, de m ecuaciones V F
con n incógnitas, entonces la dimensión de W es menor que el menor de los números m
y n.
1346. Si 𝑢 𝑦 𝑣 son dos vectores de Rn y |𝑢 ∙ 𝑣| = 0, entonces 𝑢 = 0 o bien 𝑣 = 0. V F
1347. Las operaciones de matrices verifican: 𝑖) (𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶); 𝑖𝑖) (𝐵 + 𝐶)𝐴 = V F
𝐵𝐴 + 𝐶𝐴.
1348. Si A es una matriz compleja mn, con m  n, entonces AAH es una matriz cuadrada real. V F
1349. Si una matriz es equivalente por filas a otra y ésta a una tercera, entonces la primera es V F
equivalente por filas a la tercera.
1350. Las operaciones elementales sobre las filas y las columnas de una matriz no alteran V F
dicha matriz.
1351. Si una matriz compleja es antisimétrica, entonces es antihermítica. V F
1352. Si A es una matriz compleja antihermítica, entonces es invertible. V F
1353. Si A es una matriz n-cuadrada real singular, entonces no es congruente con una matriz
V F
diagonal.
1354. Si A es una matriz escalar, entonces es no singular. V F
1355. Si V es un espacio vectorial sobre el cuerpo K, entonces V es un subespacio de V. V F
1356. Si V es un espacio vectorial sobre el cuerpo K, entonces ningún subespacio de V consta
V F
de un solo vector.
1357. Si V es un espacio vectorial sobre el cuerpo K, W un subespacio de V y SV un conjunto V F
no vacío de vectores, entonces todos los vectores de la envolvente lineal de S son
vectores de W.
1358. Si V es un espacio vectorial sobre el cuerpo K, S = {v1, v2, …, vr}  V un conjunto de r  0 V F
vectores, entonces S es un conjunto linealmente independiente si vr no es combinación
lineal de los r – 1 vectores de S que le preceden.
1359. Si V es un espacio vectorial sobre el cuerpo K, SV es linealmente independiente,
V F
entonces todo vector de V puede escribirse de una única manera como combinación
lineal de los vectores de S.
1360. Si V es un espacio vectorial sobre el cuerpo K, SV es un conjunto generador de V, V F
entonces todo vector de V puede escribirse de una única manera como combinación
lineal de los vectores de S.
FIUNA09P1090911D:
1361. La operación 𝐿𝑖 = 𝑎𝐿𝑖 + 𝑏𝐿𝑗 , 𝑐𝑜𝑛 𝑖 ≠ 𝑗, que modifica la ecuación 𝑖 utilizando los escalares V F
𝑎, 𝑏 y la ecuación 𝑗 del sistema lineal 𝐴𝑋 = 𝐵, afecta al conjunto solución si 𝑏 = 0.
1362. El sistema lineal Ax = B, de m ecuaciones con n incógnitas, es compatible si y sólo si el V F
sistema homogéneo asociado Ax = 0 solo admite la solución trivial.
1363. La no equivalencia por columnas de las matrices de dos sistemas lineales no
V F
homogéneos implica que dichos sistemas lineales no tienen el mismo conjunto solución.
1364. Un sistema lineal Ax = B, de m ecuaciones con n incógnitas, es compatible si y sólo V F
si las filas de A son linealmente independientes.
1365. Si W es el conjunto solución de un sistema lineal homogéneo Ax = 0, de m ecuaciones V F
con n incógnitas, entonces la dimensión de W está comprendido entre m y n.
1366. Si 𝑢 𝑦 𝑣 son vectores de Rn, entonces 𝑢 ∙ 𝑣 ≥ 0. V F
1367. La inversión de matrices verifica: 𝑖) (𝐴 + 𝐵)−1 = 𝐵 −1 + 𝐴−1 ; 𝑖𝑖) (𝐴𝐵)−1 = 𝐵 −1 𝐴−1. V F
1368. Si A es una matriz compleja mn, con m  n, entonces AAH = AHA. V F
1369. Toda matriz es equivalente por filas a cualquiera de sus múltiplos escalares no nulos. V F
1370. Toda operación elemental sobre una matriz no altera dicha matriz. V F
1371. Si una matriz compleja es hermítica, entonces es simétrica. V F
1372. Si A es una matriz real antisimétrica, entonces es invertible. V F
1373. Si A es una matriz n-cuadrada real no singular, entonces conmuta con su traspuesta. V F
1374. Si A es una matriz n-cuadrada real, entonces B = A + At es una matriz antisimétrica. V F
1375. Si V es un espacio vectorial sobre el cuerpo K, entonces V y { 0 } son subespacios de V.
V F
1376. Si V es un espacio vectorial sobre el cuerpo K y W es un subespacio de V, entonces W V F
es un espacio vectorial sobre el mismo cuerpo K con las mismas operaciones definidas
en V.
1377. Si V es un espacio vectorial sobre el cuerpo K, W un subespacio de V que contiene a V F
linS, siendo SV un conjunto no vacío de vectores, entonces los vectores de S
pertenecen a W.
1378. Si V es un espacio vectorial sobre el cuerpo K, SV un conjunto de n vectores V F
linealmente independientes y Sv es linealmente dependiente vV, entonces S es una
base de V.
1379. Si V es un espacio vectorial sobre el cuerpo K, SV es linealmente dependiente, V F
entonces en S existe un subconjunto que es una base de V.
1380. Si V es un espacio vectorial sobre el cuerpo K, SV es un conjunto generador de V, V F
entonces si en S se suprimen todos los vectores que son combinaciones lineales de los
que le preceden, se obtiene una base de V.
FIUNA09P2090113A:
1381. Si el sistema lineal 𝐴𝑋 = 0 es compatible, entonces también es compatible 𝐴𝑋 = 𝐵, 𝐵 ≠ 0.
1382. Si 𝐴 𝑦 𝐵 son matrices reales 𝑚 × 𝑛, entonces existe una matriz no singular 𝑃, tal que 𝐵 = 𝑃𝐴. V F
1383. Si 𝐴 es una matriz real 𝑛 × 𝑛, entonces es diagonalizable bajo congruencia. V F
1384. Si 𝑆 ≠ ∅ es un subconjunto de vectores de un espacio vectorial 𝑉 sobre un cuerpo 𝐾, y es V F
cerrado para la suma y el producto de vectores, entonces 𝑆 es un subespacio de 𝑉.
1385. Si 𝑉 es un espacio vectorial real, con producto interno 〈 , 〉, 𝑆 = {𝑢, 𝑣} ⊂ 𝑉 𝑦 〈𝑢, 𝑣〉 = 0,
V F
entonces {𝑢, 𝑣} es linealmente independiente.
1386. Si 𝑉 es un espacio vectorial complejo, con producto interno 〈 , 〉, entonces 〈𝛼𝑢, 𝛽𝑣〉 = 𝛼̅𝛽〈𝑢, 𝑣〉,
V F
∀𝑢, 𝑣 ∈ 𝑉 ∧ ∀𝛼, 𝛽 ∈ 𝐶.
1387. Si 𝑉 es un espacio vectorial complejo normado, con norma ‖ ‖, entonces ‖𝑢 − 𝑣‖ = 0 ⇒ 𝑢 =
V F
𝑣.
1388. Si 𝑉 es un espacio vectorial real métrico, con distancia 𝑑( , ), entonces 𝑑(𝑢, 𝑣) ≠ 𝑑(𝑢, 𝑤) + V F
𝑑(𝑤, 𝑣) ∀𝑢, 𝑣, 𝑤 ∈ 𝑉.
1389. Si 𝑉 es un espacio vectorial real métrico, con distancia 𝑑( , ), entonces 𝑑(𝑢, 𝑣) es un producto V F
interno en 𝑉.
1390. Si 𝐴 es una matriz 𝑛-cuadrada real singular, entonces 𝑑𝑒𝑡𝐴 ≠ 0. V F
1391. Si 𝐴 es una matriz 𝑛-cuadrada real o compleja, entonces tiene un valor propio real o complejo.
V F
1392. Si 𝐴 es una matriz 𝑛-cuadrada real o compleja y 𝜆 un valor propio de multiplicidad algebraica
V F
𝑘, entonces la dimensión del espacio propio de 𝜆 es 𝑘 .
1393. Si 𝐴 es una matriz 𝑛-cuadrada real, diagonalizable bajo congruencia, entonces es V F
diagonalizable bajo similaridad.
1394. Si 𝐴 es una matriz 𝑛-cuadrada real, con 𝑛 valores propios, entonces es diagonalizable bajo
V F
similaridad.
1395. Si 𝜆 es un valor propio de una matriz 𝑛-cuadrada real 𝐴, entonces 𝜆2 es un valor propio de 𝐴2 . V F
1396. Si 𝑉 y 𝑈 son espacios vectoriales sobre el mismo cuerpo 𝐾, 𝐹: 𝑉 → 𝑈 una aplicación, entonces V F
𝐹(𝑎𝑢 + 𝑏𝑣) = 𝑎𝐹(𝑢) + 𝑏𝐹(𝑣), ∀𝑢, 𝑣 ∈ 𝑉 ∧ ∀𝑎, 𝑏 ∈ 𝐾.
1397. Si 𝑉 𝑦 𝑈 son espacios vectoriales sobre un mismo cuerpo 𝐾, 𝐹: 𝑉 → 𝑈 una aplicación lineal,
V F
entonces 𝐹 es inyectiva.
1398. Si 𝐴 es una matriz real 𝑚 × 𝑛, entonces 𝐴: 𝑅 𝑛 → 𝑅 𝑚 , definido como 𝐴𝑋 = 𝑌, es una aplicación V F
lineal.
1399. Si 𝑉 𝑦 𝑈 son espacios vectoriales sobre un mismo cuerpo 𝐾, 𝐹: 𝑉 → 𝑈 una aplicación lineal.
V F
𝑆 = {𝑣1 , 𝑣2 , ⋯ , 𝑣𝑚 } y 𝑇 = {𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 } bases en 𝑉 𝑦 𝑈, respectivamente, entonces las
coordenadas [𝐹(𝑣)] 𝑇 puede obtenerse mediante las coordenadas [𝑣]𝑆 y una matriz [𝐹]𝑇𝑠 .
1400. Si 𝑃 es la matriz de cambio de base desde una base 𝑆 hasta otra 𝑆′ en 𝑉 y sea 𝑄 la matriz de V F
cambio de base desde una base 𝑇 hasta otra 𝑇′ en 𝑈, entonces para toda aplicación lineal 𝐹: 𝑉 →
𝑈, [𝐹]𝑇′ −1 𝑇
𝑆′ = 𝑄 [𝐹]𝑆 𝑃.Asdf

1401. FIUNA09P2090113B:
1402. Si el sistema lineal 𝐴𝑋 = 𝐵 es compatible, entonces los rangos de las matrices 𝐴 𝑦 (𝐴, 𝐵) son V F
iguales.
1403. Si 𝐴 𝑦 𝐵 son matrices reales 𝑚 × 𝑛, entonces existe una matriz no singular 𝑄, tal que 𝐵 = 𝐴𝑄. V F
1404. Si 𝐴 es una matriz real congruente con una matriz diagonal, entonces 𝐴𝑡 = 𝐴. V F
1405. Si 𝑆 = {0}, donde 0 es el vector nulo del espacio vectorial 𝑉 sobre el cuerpo 𝐾, entonces 𝑆 es
V F
un subespacio de 𝑉.
1406. Si 𝑉 es un espacio vectorial real, con producto interno 〈 , 〉 y 〈𝑢, 𝑣〉 = 0, ∀𝑢 ∈ 𝑉, entonces 𝑣 =
V F
0.
1407. Si 𝑉 es un espacio vectorial real, con producto interno 〈 , 〉, entonces 〈𝑢, 𝛼𝑣 + 𝛽𝑤〉 = 𝛼〈𝑢, 𝑣〉 +
V F
𝛽〈𝑢, 𝑤〉, ∀𝑢, 𝑣 ∈ 𝑉 ∧ ∀𝛼, 𝛽 ∈ 𝑅.
1408. Si 𝑉 es un espacio vectorial complejo normado, con norma ‖ ‖, entonces ‖𝑘𝑣‖ = |𝑘|‖𝑣‖, V F
∀𝑣 ∈ 𝑉 ∧ ∀𝑘 ∈ 𝐶 .
1409. Si 𝑉 es un espacio vectorial real métrico, con distancia 𝑑( , ), entonces 𝑑(𝑣, 𝑣) > 0 ∀𝑣 ∈ 𝑉. V F
1410. Si 𝑉 es un espacio vectorial real normado, con norma ‖ ‖, entonces ‖𝑢 − 𝑣‖ es un producto V F
interno en 𝑉.
1411. Si 𝐴 es una matriz 𝑛-cuadrada real, entonces 𝑑𝑒𝑡(𝐴𝐵) ≠ 𝑑𝑒𝑡(𝐴)𝑑𝑒𝑡(𝐵). V F
1412. Si 𝐴 es una matriz 𝑛-cuadrada real o compleja, entonces tiene un polinomio característico real
V F
o complejo.
1413. Si 𝐴 es una matriz 𝑛-cuadrada real o compleja que admite 𝑛 vectores propios distintos,
V F
entonces es diagonalizable bajo similaridad.
1414. Si 𝐴 es una matriz 𝑛-cuadrada real diagonalizable bajo similaridad, entonces 𝐴𝑡 = 𝐴. V F
1415. Si 𝐴 es una matriz 𝑛-cuadrada real, con 𝑛 valores propios distintos, entonces es V F
diagonalizable bajo similaridad.
1416. Si 𝜆 es un valor propio de una matriz 𝑛-cuadrada real no singular 𝐴, entonces 𝜆−1 es un valor V F
propio de 𝐴−1 .
1417. Si 𝑉 𝑦 𝑈 son espacios vectoriales sobre un mismo cuerpo 𝐾, 𝐹: 𝑉 → 𝑈 una aplicación lineal, V F
entonces ∀𝑢 ∈ 𝑈, ∃𝑣 ∈ 𝑉 tal que 𝑢 = 𝐹(𝑣).
1418. Si 𝑉 𝑦 𝑈 son espacios vectoriales sobre un mismo cuerpo 𝐾, 𝐹: 𝑉 → 𝑈 una aplicación lineal, V F
entonces ∃𝐹 −1 𝑈 → 𝑉.
1419. Si 𝐴 es una matriz real 𝑚 × 𝑛, entonces 𝐴: 𝑅 𝑛 → 𝑅 𝑚 , definido como 𝐴𝑋 = 𝑌, 𝑐𝑜𝑛 𝑋 ∈ 𝑅 𝑛 ∧ 𝑌 ∈ V F
𝑅 𝑚 , es una aplicación lineal.
1420. Si 𝑉 𝑦 𝑈 son espacios vectoriales sobre un mismo cuerpo 𝐾, 𝐹: 𝑉 → 𝑈 una aplicación lineal.
V F
𝑆 = {𝑣1 , 𝑣2 , ⋯ , 𝑣𝑚 } y 𝑇 = {𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 } bases en 𝑉 𝑦 𝑈, respectivamente, entonces existe una
matriz [𝐹]𝑇𝑠 simétrica, que permite obtener [𝐹(𝑣)] 𝑇 teniendo [𝑣]𝑆 .
1421. Si 𝑃 es la matriz de cambio de base desde una base 𝑆 hasta otra 𝑆′ en 𝑉 y sea 𝑄 la matriz de
V F
cambio de base desde una base 𝑇 hasta otra 𝑇′ en 𝑈, entonces para toda aplicación lineal
𝐹: 𝑉 → 𝑈, [𝐹]𝑇′ −1 𝑇
𝑆′ = 𝑃 [𝐹]𝑆 𝑄.
1422. Sdfa
1423. sdf
FPUNAP2011120
1424. El sistema lineal AX = B, de n ecuaciones con n incógnitas, admite solución única si y
sólo si el sistema homogéneo asociado AX = 0, admite como única solución a la trivial.
1425. Si X1 y X2 son soluciones del sistema de ecuaciones lineales AX = B, con B  0,
entonces,  a1, a2  R, a1 X1 + a2 X2 es también solución.
1426. Si A, B y C son puntos fijos y X un punto genérico en R3, entonces, la ecuación del
 plano determinado por los puntos A, B y C se escribe (X – A)(B – A)(C – A) = 0.
1427. Los vectores u y v de Rn, son ortogonales si el producto escalar de los mismos es
nulo.
1428. Si A  Rmp, B  Rpq y C  Rqn , entonces: ABC = A(BC) = (AB)C  ABC  Rmn.
1429. Si A, B y C son matrices mn, entonces ABt, AtB y A(B + C) pueden obtenerse y
son matrices todas del mismo orden.
1430. Si D es una matriz diagonal, con elementos diagonales (d 1, d2, d3, ..., dn) entonces Dk
es diagonal con elementos diagonales (d1k , d2k, d3k, ..., dnk).
1431. Si A es una matriz simétrica, entonces es diagonalizable por congruencia.
1432. Si A es una matriz ortogonal, entonces las columnas de A forman un conjunto
ortogonal por no necesariamente un conjunto ortonormal de vectores.
1433. Si A y B son matrices diagonales del mismo orden, entonces A + B y AB son
matrices diagonales del mismo orden.
1434. Si S y T son bases de un espacio vectorial V sobre un cuerpo K, todo vector de T
puede escribirse como combinación lineal de los vectores de S.
1435. Si U es un subespacio de un espacio vectorial V sobre un cuerpo K y dimU = dimV,
entonces, U  V y no necesariamente V  U.
1436. Si S es un conjunto de vectores de un espacio vectorial V sobre un cuerpo K y 0  S,
entonces, S es linealmente independiente.
1437. Si V es un espacio vectorial sobre R, f:VV  R, y  u, v, w  V   a, b  R, se
verifican i) f(au + bv, w) = af(u, w) + bf(v, w); ii) f(u, v) = f(v, u) y iii) f(u, u)  0,
entonces f es un producto interior en V.
1438. Los axiomas que verifican la norma || ||:V  K en un espacio vectorial normado V sobre
el cuerpo K, son los mismos si K = R  K = C.
1439. Los axiomas que verifican la distancia d:VVK en un espacio vectorial métrico V
sobre el cuerpo K, son los mismos si K = R  K = C.
1440. Si A es una matriz cuadrada invertible, entonces det A > 0.
1441. Si A  Rnn y At = A, entonces los vectores propios de A correspondientes a valores
propios distintos son ortogonales.
1442. A es diagonalizable por similaridad si y sólo si los valores propios de A son positivos.
1443. Si A y B son matrices reales similares, entonces tienen los mismo valores propios.
FPUNAF1011206:
1444. Si el sistema lineal AX = B, de m ecuaciones con n incógnitas, admite solución,
entonces es reducible a la forma escalonada.
1445. Si el sistema lineal de n ecuaciones con n incógnitas, AX = B, con B  0 admite
solución única, entonces el sistema homogéneo asociado tiene infinitas soluciones.
1446. Si A, B y C son puntos fijos distintos en R3 y el producto escalar de A – C por B – C
es cero, entonces A, B y C son vértices de un triángulo rectángulo.
1447. Los vectores u y v de R3, son ortogonales si su producto vectorial es cero.
1448. Si A y B son matrices n-cuadradas simétricas, entonces AB es simétrica.
1449. lin{(0, 0, 1), (0, 1, 1), (1, 1, 1)} = R3.
1450. Las dimensiones de los espacios fila y columna de una matriz A  Rmn son iguales.
1451. Si S es un conjunto generador linealmente dependiente de un espacio vectorial V sobre
un cuerpo K, entonces algún subconjunto de S es una base de V.
1452. Si U y W son subespacios de un espacio vectorial V y U + W = {u + w/uU  wW},
entonces U + W es un subespacio de V.
1453. La suma de las dimensiones de dos subespacios de un mismo espacio vectorial es menor
que la dimensión de dicho espacio vectorial.
1454. Si S y T son bases de un espacio vectorial V sobre un cuerpo K, entoces ST es
 también una base de V.
1455. La desigualdad de Cauchy-Schwarz, u, v  uv, se cumple en los espacios
vectoriales reales pero no necesariamente en los espacios vectoriales complejos.
1456. La ortogonalidad de vectores está definida sólo en los espacios vectoriales con producto
interno.
1457. Si V es un espacio vectorial con producto interno y SV, entonces el complemento
ortogonal de S es un subespacio de V.
1458. Si S es una base en el espacio vectorial con producto interno V, a partir de S puede
construirse una base ortonormal de V.
1459. Si A es una matriz n-cuadrada sobre el cuerpo de los reales R. Entonces A tiene al
menos un valor propio.
1460. Si A es una matriz n-cuadrada que admite n vectores propios linealmente
independientes, entonces es diagonalizable por similaridad.
1461. Si V es un espacio vectorial sobre el cuerpo K y F:VV un operador lineal, entonces
F es invertible.
1462. Si T es un operador lineal suprayectivo en un espacio vectorial V de dimensión finita,
entonces T es invertible.
1463. Si A es la representación matricial del operador lineal T relativa a la base S en el
espacio vectorial V, entoces A es simétrica.
FPUNAF2011217:
1464. Si X1 y X2 son soluciones del sistema lineal AX = B, de m ecuaciones con n incógnitas,
entonces X1 + X2 también es solución.
1465. Si el sistema lineal homogéneo de n ecuaciones con n incógnitas, AX = 0, admite
solución única, entonces el sistema AX = B, con B  0, admite también solución única.
1466. Si A, B y C son puntos fijos distintos en R3 y B – A = k(C – B) con k  R, entonces
A, B y C determinan un plano.
1467. Si los vectores u y v de R3, son tales que uv = 0, entonces u y v son paralelos.
1468. Si A y B son matrices n-cuadradas antisimétricas, entonces AB es antisimétrica.
1469. Si u, v y w son vectores linealmente independientes de R3, entonces ellos generan R3.
1470. Si una matriz A  Rmn tiene rango tres, entonces tiene tres filas linealmente
independientes.
1471. Si S es un conjunto de n vectores linealmente independientes de un espacio vectorial V
de dimensión n, entonces S es una base de V.
1472. U y W son subespacios de un espacio vectorial V, tales que, U  V = { 0 }, entonces
dimU = dimV  dimW = dimV.
1473. Si S = , entonces linS = {0}.
1474. Si S y T son bases distintas de un espacio vectorial V sobre un cuerpo K, entonces
S  T = .
1475. El axioma referente al producto interno: au + bv, w = au, w + bv, w, con u, v,
w vectores, y, a, b escalares, es válido para los espacios vectoriales reales con
producto interno y no en los espacios vectoriales complejos con producto interno.
1476. Si V es un espacio vectorial con producto interno  , , entonces v  V, la
expresión v = (v ,v) 1 / 2 , es una norma en V.
1477. Si W es un subespacio del espacio vectorial V, con producto interno  , , y W  es el
complemento ortogonal de W, entonces W  W  = V.
1478. Todo espacio vectorial V, de dimensión finita n, con producto interno  , , admite
una base ortonormal.
1479. Si A es una matriz n-cuadrada simétrica, entonces es diagonalizable por similaridad.
1480. Si A es una matriz n-cuadrada y admite n vectores propios linealmente independientes,
 entonces es diagonalizable por similaridad.
1481. Si V y U son espacios vectoriales de dimensiones finitas sobre el mismo cuerpo K y
F:VU un operador lineal, entonces dim (Ker F)  dim (Im F).
1482. Si T es un operador lineal suprayectivo en el espacio vectorial V de dimensión finita n,
entonces T es inyectivo.
1483. Si T es un operador lineal invertible en el espacio vectorial V, de dimensión finita n,
entonces la representación matricial de T es independiente de la base adoptada en V.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
FPUNAF3020215:
1484. Una ecuación lineal es degenerada si no admite solución alguna.
1485. Si el conjunto solución del sistema lineal homogéneo de n ecuaciones con n incógnitas,
AX = 0, es no vacío, entonces el sistema AX = B, con B  0, admite al menos una
solución.
1486. Si A, B y C son puntos fijos distintos en R3 y (B – A)·(C – A) = 1, entonces B – A es
ortogonal a C - A.
1487. Si los vectores u y v de R3, son tales que u·v = 0, entonces u = 0  v = 0.
1488. Si A y B son matrices n-cuadradas simétricas, entonces A·B es simétrica.
1489. Si u, v y w son vectores que generan R3, entonces son linealmente independientes.
1490. Si una matriz A  Rmn tiene tres filas linealmente dependientes, entonces su rango es
tres.
1491. Si S es un conjunto de n vectores de un espacio vectorial V de dimensión n, entonces
linS es un subespacio de V.
1492. U y W son subespacios de un espacio vectorial V, tales que, U  W = {0}, entonces
U + W = V.
1493. Si S = {v1, v2, ..., vn}  V y S es linealmente independiente, entonces linS = V.
1494. Si S y T son bases distintas del mismo espacio vectorial V sobre un cuerpo K,
entonces no necesariamente linS = linT.
1495. Si V es un espacio vectorial real con producto interno  , , entonces v, v  0
vV.
1496. Si V es un espacio vectorial con norma ║·║, entonces ║u+v║ = ║u║ + ║v║.
u, v  V.
1497. Si V es un espacio vectorial con producto interno  ,  y S  V es ortogonal,
entonces S es linealmente independiente.
1498. Todo espacio vectorial V, de dimensión finita n, con producto interno  , , es un
espacio vectorial métrico, con distancia d(u, v) = ║u-v║ y ║u║= (<u,u>) 1 / 2 y
║v║= (<v,v>) 1 / 2 .
1499. Si A es una matriz n-cuadrada simétrica, entonces es diagonalizable por congruencia.
1500. Si A es una matriz n-cuadrada simétrica, entonces es diagonalizable por similaridad.
1501. Si V y U son espacios vectoriales, de dimensiones finitas, sobre el mismo cuerpo K y
F:VU un operador lineal, entonces dim (V) = dim (U).
1502. Si T es un operador lineal en el espacio vectorial V de dimensión finita n, entonces la
representación matricial de T es una matriz n-cuadrada.
1503. Si F y T son operadores lineales distintos en el espacio vectorial V, de dimensión finita
n, entonces las representaciones matriciales de F y T son matrices similares.
FPUNAP2021120:
1504. Se dice que A es una matriz hermítica si A H = A, siendo AH la matriz conjugada
traspuesta de la matriz A.
1505. Si A es una matriz ortogonal, entonces las filas o las columnas de A son ortogonales.
1506. Para que W sea un subespacio de V es necesario y suficiente que 0  W y W sea
cerrado para la suma de vectores.
1507. Si U y W son subespacios de V, entonces UW y U + W son subespacios de V.
1508. Si U es un subespacio de V, entonces dimU  dimV.
1509. Si en el espacio vectorial V sobre un cuerpo K (K = R o K = C) se define un producto
interno  , , entonces  v  V se verifica: v, v  0  v, v = 0  v = 0.
1510. Si en el espacio vectorial V sobre un cuerpo K (K = R o K = C) se define una norma
 , entonces  v  V se verifica: v R  v C.
1511. Si en el espacio vectorial V sobre un cuerpo K (K = R o K = C) se define una
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
distancia d( , ), entonces  u, v  V  u  v, se verifica: d(u, v)  0.
1512. Si V es un espacio vectorial sobre R, S una base en V y A una matriz real simétrica,
entonces  u, v  V, [u]tS A[v]S define un producto interno en V.
1513. Si S es una base en un espacio vectorial V sobre el cuerpo C, con producto interno 
, , entonces la matriz que representa  ,  respecto a la base S es real.
1514. Los valores propios de toda matriz real son números reales.
1515. Toda matriz A es raíz de su polinomio característico pero no necesariamente de su
polinomio mínimo.
1516. El grado del polinomio mínimo de una matriz real A es siempre menor que el grado del
polinomio característico de A.
1517. Si  es una raíz triple del polinomio característico de una matriz A, entonces  es un
valor propio de A de multiplicidad algebraica tres.
1518. Si A es diagonalizable por similaridad entonces no tiene valores propios repetidos.
1519. Si U y V son espacios vectoriales sobre un mismo cuerpo K y F:UV una aplicación
lineal, entonces la imagen por F del vector nulo en U es el vector nulo en V.
1520. Si U, V y W son espacios vectoriales sobre un mismo cuerpo K, F:UV  G:VW
aplicaciones lineales, entonces FoG = GoF, donde o indica la aplicación compuesta.
1521. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:UV  G:UV son
aplicaciones lineales y F(v) = G(v) para algún vV, entonces F = G.
1522. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:UV una aplicación
lineal y TV es la imagen por F de SU, entonces si S es linealmente independiente
también lo es T.
1523. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:UV una aplicación
lineal, entonces F-1:VU.
FPUNAF1021204:
1524. Un sistema de ecuaciones lineales en forma escalonada, tiene solución única si y sólo si el
número de ecuaciones es igual al número de incógnitas.
1525. El producto vectorial de vectores en Rn está definido para todo n natural.
1526. El producto de dos matrices de orden mn, m  n, es una matriz de orden mn.
1527. Cada operación elemental sobre las filas de una matriz puede considerarse como el resultado de
premultiplicar la matriz dada por la matriz elemental correspondiente a la operación elemental
entre filas.
1528. Si V es un espacio vectorial sobre K, todo subconjunto de V, con las mismas definiciones de
suma y producto de vectores, es un subespacio de V.
1529. Si V es un espacio vectorial sobre un cuerpo K, SV y TV son dos conjuntos generadores
de V, entonces S y T tienen el mismo número de vectores.
1530. Si V es un espacio vectorial sobre un cuerpo K, dimV = n, V = linS y S contiene n vectores,
entonces S es una base en V.
1531. Si V es un espacio vectorial sobre un cuerpo K, dimV = n, SV y V = linS. Entonces todo
vector de V puede representarse, de una manera única como combinación lineal de los vectores
de S.
1532. Si V es un espacio vectorial real o complejo, con producto interno  , , entonces  u, v  V,
puede definirse si son o no ortogonales.
1533. Si S es una base en un espacio vectorial real, con producto interno  , , entonces la matriz
que representa  ,  respecto a la base S es simétrica.
1534. Si en el espacio vectorial complejo V, se define una norma  , entonces  v  V se verifica:
v C.
1535. Si en el espacio vectorial complejo V, se define una distancia d( , ), entonces  u, v, w  V, se
verifica: d(u, v)  d(u, w) + d(w, v).
1536. El grado del polinomio característico de una matriz real A es siempre igual al orden de A.
1537. Si  es una raíz del polinomio característico de una matriz real A, entonces  es un número
real.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1538. Si A y B son matrices similares, entonces tienen el mismo polinomio característico.
1539. El grado del polinomio mínimo de una matriz n-cuadrada real A, es igual a n.
1540. Si U, V, W y S son espacios vectoriales sobre un mismo cuerpo K, y F:UV, G:VW 
H:WS son aplicaciones lineales, entonces (F + G)oH = FoH + GoH.
1541. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:UV  G:UV son
aplicaciones lineales distintas, entonces F(u)  G(u)  u  U.
1542. Si V es un espacio vectorial, de dimensión finita, sobre el cuerpo K, T:VV es un operador
lineal, entonces T es suprayectivo si y sólo si es inyectivo.
1543. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:UV una aplicación lineal,
entonces Ker(F)  .
FPUNAF2021218:
1544. Si una de las ecuaciones de un sistema lineal se reduce a una degenerada, entonces el
sistema no tiene solución.
1545. Si una de las ecuaciones de un sistema lineal homogéneo se reduce a una degenerada,
entonces el sistema no tiene solución.
1546. Si para dos matrices A y B se verifica AB = BA, entonces A –1 B–1 = B–1 A–1.
1547. Si A y B son dos matrices simétricas, entonces AB también es simétrica.
1548. Toda matriz ortogonal es invertible.
1549. Si A es una matriz normal, entonces es simétrica.
1550. El axioma para espacios vectoriales 1u = u puede derivarse del axioma
(a + b) u = au + bu, haciendo a = 1 y b = 0.
1551. Todo subconjunto de un espacio vectorial que contenga al elemento cero, es un
subespacio.
1552. La envolvente lineal de un subconjunto de vectores de un espacio vectorial es un
subespacio.
1553. Si en la expresión a1 v1 + a2 v2 + a3 v3+ ... + an vn = 0 algunos de los ai es no nulo,
entonces el conjunto v1, v2, v3, ... , vn es linealmente dependiente.
1554. Todo producto interno puede representarse con una matriz definida positiva.
1555. El teorema de Cauchy-Schwarz es aplicable únicamente a espacios vectoriales reales con
producto interno.
1556. La norma de un vector se define en espacios vectoriales con producto interno.
1557. La matriz diagonal D obtenida por similaridad a partir de una matriz A, es única.
1558. La condición necesaria y suficiente para que una matriz sea diagonalizable por
similaridad, es que sus valores propios sean distintos.
1559. Si  es un valor propio de la matriz A, entonces 2 es un valor propio de A2.
1560. El polinomio mínimo de una matriz no tiene factores repetidos.
1561. Si U y V son espacios vectoriales sobre un mismo cuerpo K y F:UV y T:UV son
aplicaciones lineales, entonces F + T también es una aplicación lineal.
1562. Un isomorfismo es una aplicación lineal.
1563. Si U y V son espacios vectoriales sobre un mismo cuerpo K y F:UV una aplicación
lineal, entonces la imagen por F de una base en U, es una base V.
FPUNAF3030211:
1564. Una ecuación lineal homogénea degenerada admite infinitas soluciones.
1565. Un sistema de ecuaciones lineales dada en su forma triangular, no tiene filas nulas.
1566. El producto de una matriz fila A y una matriz columna B no está definida si dichas
matrices tienen diferentes números de elementos.
1567. Si f(x) y g(x) son dos polinomios y A una matriz cuadrada, entonces se verifica
f(A) g(A) = g(A) f(A).
1568. Toda matriz nula es antisimétrica.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1569. Si u y v son vectores no nulos. Entonces || u + v || = || u || + || v || si y sólo sí v es
múltiplo escalar de u.
1570. Los cuatros primeros axiomas que define a V como un espacio vectorial sobre un cuerpo
K, con las operaciones + y , equivale a decir que (V, +) es un grupo abeliano.
1571. Todo subconjunto, no vacío, de vectores de un espacio vectorial V sobre un cuerpo K,
que es cerrado para la suma de vectores es un subespacio del mismo.
1572. Si de un conjunto de vectores linealmente dependientes, de un espacio vectorial V, se
eliminan aquellos que son combinaciones lineales de los precedentes, se obtiene una
base de V.
1573. En una matriz A de orden mxn (m  n), el número de filas linealmente independientes
es igual al número de columnas linealmente independientes.
1574. En un espacio vectorial, de dimensión finita, la matriz de cambio de base es no singular.
1575. Todo espacio vectorial V, con producto interno < , >, admite una base ortogonal.
1576. En un espacio vectorial V, con producto interno < , >, si u  V y u  0, se verifica <
u, u >  0.
1577. La definición de norma en un espacio vectorial V, es la misma sea que esté definido
sobre el cuerpo R o el cuerpo C.
1578. Si A es una matriz simétrica, todos sus valores propios son números enteros.
1579. Si dos matrices son similares, entonces tienen el mismo polinomio mínimo.
1580. Una matriz cuadrada A cuyas filas son linealmente dependientes, no es diagonalizable
por similaridad.
1581. Si U y V son espacios vectoriales sobre un mismo cuerpo K, y f:UV es una
aplicación lineal, entonces la imagen del vector nulo en U es el vector nulo en V.
1582. Si U y V son espacios vectoriales sobre un mismo cuerpo K, y f:UV es una
aplicación lineal, entonces el núcleo de f se reduce al vector nulo.
1583. Si U y V son espacios vectoriales sobre un mismo cuerpo K, y f:UV es una
aplicación lineal, entonces la imagen de f cubre todo el espacio vectorial V.
FPUNAP1030920:
1584. Si u es una solución del sistema lineal AX = 0, entonces kR, ku es también
solución.
1585. Los sistemas de ecuaciones lineales de m ecuaciones con n incógnitas, m  n,
admiten infinitas soluciones.
1586. Si u y v son soluciones del sistema lineal AX = B, entonces  a, b  R, au + bv es
también solución.
1587. Si u, v, w son vectores no nulos de Rn y uv = uw = 0 entonces v y w son

1588.
ortogonales.
Si u, v  Rny u = (u1, u2, ..., un), v = (v1, v2, ..., vn), entonces
uv  u v
i i
es un
productos escalar o interno en Rn.
1589. Si A y B son matrices simétricas, entonces AB es también simétrica.
1590. Si A, B y C son matrices complejas de orden mn, m  n, y, a, b son números
reales, entonces (aA + bB)C = aAC + bBC.
1591. Si A es una matriz simétrica, entonces es producto de matrices elementales.
1592. Si A es una matriz real no singular, entonces A es una matriz normal.
1593. Si A es una matriz hermítica, entonces AH = I.
1594. Los elementos diagonales de una matriz hermítica son ceros o bien son números
imaginarios puros.
1595. Si V es un espacio vectorial sobre el cuerpo K, kK, vV  kv = 0, , entonces v = 0.
1596. Si V es un espacio vectorial sobre el cuerpo K, W  V, W   y W es cerrado para el
producto por escalares, entonces W es un subespacio de V.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1597. Si V es un espacio vectorial sobre el cuerpo K, y W es un subespacio de V, entonces
W es cerrado para la suma de vectores.
1598. Si V es un espacio vectorial sobre el cuerpo K, S  V  T  V son tales que se
verifica linS = linT, entonces S = T.
1599. Si una matriz cuadrada real tiene iguales sus rangos por filas y por columnas, entonces
es una matriz simétrica.
1600. Si se consideran V = R y K = R, entonces V es un espacio vectorial sobre K.
1601. Si V es un espacio vectorial sobre el cuerpo K y W es un subespacio de V, entonces
dimW  dimV.
1602. Si V es un espacio vectorial sobre el cuerpo K y U, W son subespacios de V tales que
dimU = dimW , entonces V = U + W.
1603. Si S y T son bases de un espacio vectorial V sobre el cuerpo K, entonces S  T.
FPUNAP2031108:
1604. Si V es un espacio vectorial sobre el cuerpo K, con producto interno  , :VVK,
entonces K = R.
1605. Si V es un espacio vectorial sobre el cuerpo R, con producto interno  , :VVR,
entonces V con d(u, v) = ( u - v, u - v )1/2,  u, v  V, es un espacio métrico.
1606. Si V es un espacio vectorial normado, entonces es un espacio vectorial con producto
interno.
1607. Un conjunto de vectores ortogonales no nulos, de un espacio vectorial V sobre un
cuerpo K, con producto interno  , , es ortogonal para todo producto interno definido
en V.
1608. Todo conjunto de vectores ortogonales de un espacio vectorial V sobre un cuerpo K,
con producto interno  , , es un conjunto de vectores linealmente independientes.
1609. Si V es un espacio vectorial sobre el cuerpo K, de dimensión finita n, con producto
interno  , , entonces todo conjunto de vectores no nulos de V, mutuamente
ortogonales, no puede tener más de n elementos.
1610. El determinante de una matriz n-cuadrada real no singular, es positivo.
1611. Si A es una matriz n-cuadrada real no singular, entonces A(AdjA) = (detA)In.
1612. Ningún valor propio de una matriz n-cuadrada real A puede ser nulo.
1613. Los valores propios de una matriz simétrica son positivos.
1614. En toda matriz n-cuadrada real, los vectores propios pertenecientes a valores propios
distintos, son ortogonales.
1615. En toda matriz n-cuadrada real, la multiplicidad geométrica de uno cualquiera de sus
valores propios es mayor que la dimensión de su respectivo espacio propio.
1616. Si A es una matriz n-cuadrada, entonces admite un valor propio nulo sí y sólo sí detA =
0.
1617. Si V y U son espacios vectoriales, de dimensiones finitas, sobre un mismo cuerpo K y
F:VU una aplicación lineal, entonces dim(KerF)  dim(ImF).
1618. Si V y U son espacios vectoriales, de dimensiones finitas, sobre un mismo cuerpo K y
F:VU una aplicación lineal inyectiva, entonces la imagen por F de una base de V es
una base de U.
1619. Si V y U son espacios vectoriales, de dimensiones finitas, sobre un mismo cuerpo K y
F:VU una aplicación lineal, entonces la imagen por F de un conjunto de vectores
linealmente independientes de V es un conjunto linealmente independiente de U.
1620. Si V y U son espacios vectoriales, de dimensiones finitas, sobre un mismo cuerpo K y
F:VU una aplicación lineal, entonces la nulidad de F es igual al rango de F.
1621. Si V y U son espacios vectoriales, de dimensiones finitas, sobre un mismo cuerpo K y
F:VU una aplicación lineal suprayectiva, entonces dimV = dim(ImF) = dimU.
1622. Si V y U son espacios vectoriales de igual dimensión n, sobre un mismo cuerpo K,
F:VU una aplicación lineal, dim(KerF) = 0 y dim(ImF) = n, entonces, F es biyectiva.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1623. Si V y U son espacios vectoriales, sobre un mismo cuerpo K, de dimensiones m y n,
respectivamente, y F:VU una aplicación lineal, entonces dimU = dim(KerF) +
dim(ImF).
FPUNAF1031129:
1624. Un sistema de n ecuaciones lineales con n incógnitas, tiene solución única si y sólo si
una de las ecuaciones del sistema es múltiplo escalar de otra.
1625. Si u = {u1, u2, ..., un} y v = {v1, v2, ..., vn} son vectores de Cn y se define uv = uivi,
entonces ║u║ = │(uu)1/2│ uCn es una norma en Cn.
1626. El conjunto de matrices reales de orden mn, con la operación suma de matrices,
constituye un grupo abeliano.
1627. El resultado de efectuar una operación elemental entre columnas f sobre una matriz A
puede obtenerse posmultiplicando por la matriz elemental correspondiente F.
1628. Si una matriz real n-cuadrada A es invertible, entonces es producto de matrices
elementales.
1629. Si V es un espacio vectorial sobre el cuerpo K, entonces en V están definidas dos
operaciones internas.
1630. Si V es un espacio vectorial sobre el cuerpo K, entonces una condición necesaria para
que WV sea un subespacio de V es que W sea cerrado para la suma de vectores.
1631. Si V es un espacio vectorial sobre un cuerpo K, entonces para todo subespacio W de
V se verifica dimW  dimV.
1632. Si V es el espacio vectorial de la matrices complejas mn, entonces  A, B = tr(BtA)
es un producto interno en V.
1633. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, entonces 
S  V, S es un subespacio de V.
1634. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y
S  V es una base de V, entonces a partir de S puede obtenerse una base ortogonal.
1635. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y
S  V tiene n elementos y genera V, entonces S es linealmente independiente.
1636. Si A es una matriz real invertible entonces detA  0.
1637. Si A es una matriz real n-cuadrada diagonalizable bajo similaridad, entonces todos sus
valores propios son distintos.
1638. Si A es una matriz real n-cuadrada invertible, entonces al menos un valor propio de A
es cero.
1639. La matriz diagonal D, obtenida por similaridad a partir de una matriz A definida positiva,
tiene todos sus elementos diagonales positivos.
1640. Si A es una matriz real n-cuadrada cuyos valores propios son todos distintos, entonces
su polinomio característico es también su polinomio mínimo.
1641. Si T es un operador lineal invertible en V, entonces dimV = dim(ImT).
1642. Si F es un operador lineal en el espacio vectorial V sobre el cuerpo K y dimV = n,
entonces para cada base S de V existe una matriz n-cuadrada real que lo representa.
1643. Si V y U son espacios vectoriales sobre un mismo cuerpo K, dimV = m, dimU = n, S y
T bases de V y U, respectivamente, entonces a toda aplicación lineal F:VU le
corresponde una única matriz A TS de orden nm que lo representa.
FPUNAF2031213:
1644. Un sistema homogéneo de m ecuaciones lineales con n incógnitas (m  n), tiene al
menos una solución distinta de 0.
1645. Si u y v son vectores de R3 y w = uv es el producto vectorial de u y v, entonces { u, v,
w } constituye un conjunto ortogonal de vectores.
1646. Una matriz de componentes numéricas, de orden mn, es una matriz compleja si al
menos una de sus componentes es un número complejo.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1647. Toda matriz n-cuadrada A conmuta con su transpuesta en la operación producto de
matrices.
1648. Una matriz real n-cuadrada A es invertible, si y sólo si detA  0.
1649. Si V es un espacio vectorial sobre el cuerpo K, entonces W = { 0 }, siendo 0 el vector
nulo de V, es un subespacio de V.
1650. Si V es un espacio vectorial sobre el cuerpo K, entonces todo subespacio W de V es
cerrado para la suma de vectores y el producto por escalares.
1651. Si V es un espacio vectorial sobre un cuerpo K, entonces dimV es el número de
vectores de cualquier conjunto generador de V.
1652. El conjunto de la matrices complejas mn, con las operaciones suma de matrices y
producto por escalares, constituye un espacio vectorial sobre el cuerpo C de los
números complejos.
1653. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, entonces
para todo par de vectores de V puede obtenerse el ángulo que forman.
1654. Si U y W son subespacios de un espacio vectorial V sobre el cuerpo K, entonces UW y
UW son también subespacios de V.
1655. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y
S  V es un conjunto ortonormal de n vectores, entonces S es una base de V.
1656. Si A es una matriz real diagonalizable bajo congruencia, entonces A es no singular.
1657. Si A es una matriz real n-cuadrada diagonalizable bajo similaridad, entonces detA  0.
1658. Si A es una matriz real n-cuadrada invertible, entonces no tiene valores propios
repetidos.
1659. Los elementos de la matriz diagonal D, similar a una matriz n-cuadrada A, son los
valores propios de A.
1660. Si A es una matriz real n-cuadrada con todos sus valores propios reales, entonces es
diagonalizable bajo similaridad.
1661. Si T es un operador lineal inyectivo en un espacio vectorial V, de dimensión finita,
entonces es suprayectivo.
1662. Si F es un operador lineal en un espacio vectorial V sobre el cuerpo K, dimV = n y S
es una base de V, entonces existen más de una matriz n-cuadrada que representa F
respecto a S.
1663. Si V, U y W son espacios vectoriales sobre un mismo cuerpo K, dimV = m, dimU = n,
dimW = r, A, B y C bases de V, U y W, respectivamente, F:VU, G:UW aplicaciones
lineales, entonces G  FA  GB FA , donde GB , FA y G  FA son las matrices
C C B C B C

que representan las aplicaciones lineales G, F y GF relativas a las bases A, B y C,

respectivamente.

FPUNAF3040214:
1664. El sistema lineal Ax = b, de m ecuaciones con n incógnitas (m  n), tiene al menos una
solución si el sistema homogéneo correspondiente admite una solución distinta de 0.
1665. Si u, v y w son vectores no nulos de R3 y w = uv es el producto vectorial de u y v,
entonces u.w = v.w = 0, siendo éstos productos escalares.
1666. Si A, B y C son matrices, k un escalar y suponiendo que las operaciones indicadas
pueden efectuarse, se verifican: i) (AB)C = A(BC); ii) A(B + C) = AB + AC; iii) (A + B)C
= AC + BC; y iv) k(AB) = (kA)B = A(kB).
1667. Toda matriz n-cuadrada A que verifica AAt = AtA es simétrica.
1668. Una matriz compleja n-cuadrada A es unitaria, si y sólo si AH = A.
1669. Si V es un espacio vectorial sobre el cuerpo K, W un subespacio de V, entonces 0,
siendo 0 el vector nulo de V, pertenece a W.
1670. Si V es un espacio vectorial sobre un cuerpo K, dimV = n y S es un conjunto
linealmente independiente de n vectores, entonces todo subespacio W de V puede
considerarse generado por un subconjunto de vectores de S.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1671. Si V es un espacio vectorial sobre un cuerpo K, dimV = n y S un conjunto de n + 2
vectores, entonces S es linealmente dependiente.
1672. Si V es un espacio vectorial sobre un cuerpo C, dimV = n y S un conjunto no vacío de
vectores de V entonces S es linealmente dependiente.
1673. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, entonces a
partir de una base de V puede obtenerse otra que es ortonormal.
1674. Si U y W son subespacios de un espacio vectorial V sobre el cuerpo K, entonces U + W
es un subespacios de V.
1675. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y
S un conjunto de n vectores no nulos, entonces S es una base de V.
1676. Si A es una matriz simétrica, entonces es diagonalizable bajo similaridad.
1677. Si A es una matriz real n-cuadrada diagonalizable bajo similaridad, entonces A es
simétrica.
1678. Si A es una matriz real n-cuadrada cuya ecuación característica admite raíces múltiples,
entonces A no es diagonalizable bajo similaridad.
1679. Si D es la matriz diagonal similar a una matriz n-cuadrada A, entonces An = Dn.
1680. Si A es una matriz n-cuadrada sobre el cuerpo complejo C, entonces A tiene al menos
un valor propio.
1681. Si U y V son espacios vectoriales de dimensiones finitas sobre un mismo cuerpo K,
F:UV una aplicación lineal inyectiva, entonces F es suprayectiva.
1682. Si T es un operador lineal en un espacio vectorial V sobre el cuerpo K, dimV = n y S
es una base de V, entonces existen más de una matriz n-cuadrada que representa T
respecto a S.
1683. Si U y V son espacios vectoriales sobre un mismo cuerpo K, dimU = m y dimV = n, A y
B bases de V y U, respectivamente, F:VU una aplicación lineal , entonces existe una
matriz [F]  Kmxn que representa F respecto a las bases A y B.
FPUNAP1040911:
1684. Si una ecuación lineal es degenerada, entonces no admite solución alguna.
1685. El conjunto solución de un sistema lineal de ecuaciones no se altera si le agrega una
ecuación degenerada.
1686. Si un sistema de ecuaciones lineales se obtiene de otro mediante una sucesión finita de
operaciones elementales, entonces ambos sistemas tienen el mismo conjunto solución.
1687. El conjunto solución de un sistema lineal de ecuaciones no se altera si una de las
ecuaciones del sistema se multiplica por un número real.
1688. Si en un sistema de ecuaciones lineales que está en forma escalonada hay menos
ecuaciones que incógnitas, entonces tiene un número infinito de soluciones.
1689. Todo sistema lineal de m ecuaciones con n incógnitas puede reducirse, mediante
operaciones elementales, a un sistema en forma escalonada (o triangular).
1690. Toda matriz es equivalente por filas a una única matriz en forma canónica por filas.
1691. Un sistema de ecuaciones lineales admite solución única si y sólo si el sistema
homogéneo asociado admite como única solución la trivial.
1692. Todo sistema lineal homogéneo es compatible.
1693. Si un sistema de ecuaciones lineales tiene una única variable libre, entonces tiene una
única solución.
1694. La definición de producto escalar es la misma para vectores de Rn y de Cn.
1695. Si el producto escalar de dos vectores distintos es cero, entonces los vectores son
ortogonales.
1696. El producto vectorial de dos vectores está definido sólo para vectores de R3.
1697. La norma de un vector, tanto de Rn como de Cn es un número real no negativo.
1698. Si u es un número complejo, entonces uū es un número real positivo.
1699. Si A y B son matrices cuadradas del mismo orden y AB = 0, entonces A = 0 o B = 0.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1700. Si A y B son matrices cuadradas del mismo orden y AB = BA, entonces se dice que A y
B conmutan.
1701. Suponiendo que las operaciones indicadas para las matrices A, B y C, pueden efectuarse
y que k es un escalar, entonces i) (AB)C = A(BC); ii) A(B + C) = AB + AC; iii) (B + C)A
= BA + CA, iv) k(AB) = (kA)B = A(kB).
1702. Si A es una matriz compleja invertible, entonces es una matriz unitaria.
1703. Toda matriz cuadrada compleja A puede escribirse como la suma de dos matrices, una
hermítica y otra antihermítica.
FPUNAP2041106:
1704. El conjunto solución del sistema lineal Ax = B es no vacío, sí y sólo si la forma
escalonada de la matriz ampliada M = (A, B) no tiene una fila de la forma (0, 0, ..., 0, b)
con b  0.
1705. Si A y B son matrices cuadradas reales del mismo orden, se verifica (AB)t =.AtBt.
1706. Si A, B y P son matrices cuadradas reales del mismo orden, P es no singular y
B = PtAP se dice que A y B son matrices congruentes.
1707. Si V es un espacio vectorial sobre un cuerpo K, entonces { 0 } y V son subespacios de
V.
1708. Si V es un espacio vectorial sobre un cuerpo K, entonces {u1, u2, ..., ur}  V es
linealmente independiente si existen escalares k1, k2, ..., kr tal que ∑kiui = 0, p/ i = 1 a n.
1709. Si U y W son subespacios de un espacio vectorial V sobre un cuerpo K, y UW = { 0
}, entonces UW es un subespacio de V.
1710. Si S y T son subconjuntos no vacíos de un espacio vectorial V sobre un cuerpo K, y
linS = linT, entonces S = T.
1711. Si A es una matriz n-cuadrada de rango n, entonces f-lin A = c-lin A.
1712. Toda matriz rectangular es equivalente a una única matriz en forma escalonada por filas.
1713. Si S es un subconjunto no vacío de vectores de un espacio vectorial V sobre un cuerpo
K, entonces vV se verifica lin { S  { v } } = lin S.
1714. Si S = {u1, u2, ..., ur} es un subconjunto de vectores linealmente dependientes de un
espacio vectorial V sobre el cuerpo K, entonces uiS se verifica lin S = lin { S – { ui }
}.
1715. Si V es un espacio vectorial sobre un cuerpo K, dimV = n y S = {u1, u2, ..., un}  V es
linealmente independiente, entonces S es un conjunto generador de V.
1716. Si V es un espacio vectorial sobre un cuerpo K, K = R  K = C, con producto interno < ,
>, y S = {u1, u2, ..., un}  V es ortogonal, entonces S es linealmente independiente.
1717. Si V es un espacio vectorial sobre un cuerpo K, K = R  K = C, con producto interno < ,
>, entonces d( u, v )  u, u  v, v cumple con los axiomas de distancia en V.
1718. Si V es un espacio vectorial sobre un cuerpo K, K = R  K = C, con producto interno < ,
>, y S = {u1, u2, ..., un} es una base ortonormal de V, entonces vV,
n
v  v,u u .
i 1
i i

1719. Si S es un subconjunto generador de un espacio vectorial V, sobre un cuerpo K, K = R

 K = C, con producto interno < , >, entonces u,v  S, <u , v>  0.
1720. Si V es un espacio vectorial, sobre un cuerpo K, K = R  K = C, con producto interno < ,
>, entonces V y Kn son isomorfos.
1721. Si V es un espacio vectorial, sobre un cuerpo K, K = R  K = C, con producto interno < ,
>, y S  V, entonces existe una matriz A que representa < , > relativa a S.
1722. Si A = (aij) es la matriz que representa el producto interno < , > relativa a una base S,
en un espacio vectorial V sobre un cuerpo K, K = R  K = C, entonces aij  R, i 
j.
1723. Si [A]S y [B]T representan productos internos, relativas a las bases S y T, en los
espacios vectoriales U y V, de igual dimensión, entonces [A]S y [B]T son matrices del
mismo orden.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
FPUNAF1041127:
1724. En un sistema de m ecuaciones lineales con n incógnitas {x1, x2, ..., xn}, en forma escalonada,
se dice que xk es una variable libre si no es primera incógnita de ecuación alguna.
1725. Si u = {u1, u2, ..., un} y v = {v1, v2, ..., vn} son vectores de Rn y se define u·v = uivi, entonces proy
(u, v) = ((u·v) / ║u║2) v.
1726. Para matrices complejas A, B y C, de orden mn, se verifica At(B + C) = AtB + AtC.
1727. Si k es un escalar y A un matriz de orden mn, entonces (kA)t = kAt.
1728. Si A y B son matrices cuadradas triangulares superiores, entonces AB es triangular superior.
1729. Si A y B son matrices hermíticas, entonces AB es hermítica..
1730. Si V es un espacio vectorial sobre el cuerpo K, U un subespacio de V, W un subespacio de U
y WU, entonces W es un subespacio de V.
1731. Si V es un espacio vectorial sobre un cuerpo K y S = {v 1, v2, ..., vk, ..., vn } es linealmente
dependiente y V = linS entonces si T = S – {v k } se verifica V = linT.
1732. Si V es un espacio vectorial sobre un cuerpo K, V = linS = linT y S linealmente independiente,
entonces el número de vectores de T es menor o igual al número de vectores de S.
1733. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, entonces u, vV
se verifica |<u , v>|2 = <u , u><v , v>.
1734. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S  V
es un conjunto ortogonal que genera V, entonces S es linealmente independiente.
1735. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S  V
tiene n vectores y genera V, entonces S es linealmente independiente.
1736. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S  V
es una base de V, entonces al menos un par de vectores de S son ortogonales.
1737. Si V es un espacio vectorial sobre el cuerpo K, con producto interno < , >, dimV = n y S  V
es una base de V, entonces S es una base de V.
1738. Si A es una matriz real n-cuadrada invertible, entonces det A  0.
1739. La matriz diagonal D, obtenida por similaridad a partir de una matriz A definida positiva, tiene
todos sus elementos diagonales positivos.
1740. Si f es un polinomio en la variable t y A una matriz real n-cuadrada tal que f(A) = 0, entonces
se dice que A es un cero de f(t).
1741. Si f es el polinomio característico de una matriz A, entonces A es un cero de f(t).
1742. Si A es una matriz n-cuadrada real, At = A y Ax =  x , con x  0, entonces R.
1743. Si A es una matriz n-cuadrada real, Au = u, Av =  v,  R, u  0, v  0 y u  v,
entonces u y v son linealmente independientes.

FPUNAF2041211:
1744. Un sistema de m ecuaciones lineales homogéneas con n incógnitas, n > m, admite solución no
nula.
1745. Si la matriz M = A(B + C), entonces también M = (B + C)A.
1746. Si la matriz B es la inversa de la matriz A y C la inversa de B entonces A = C.
1747. Si A y B son matrices unitarias, entonces AB es unitaria.
1748. A es una matriz singular si y sólo si A es producto de matrices elementales.
1749. El conjunto de matrices cuadradas reales, con las operaciones producto de matrices y producto
por número reales constituye un espacio vectorial.
1750. Si U y W son subespacios del espacio vectorial V sobre el cuerpo K y U  W = , entonces
V = U + W.
1751. Si U y W son subespacios del espacio vectorial V sobre el cuerpo K, dimU = dimW y
dim(UW) = 0, entonces dimV = dimU = dimW.
1752. Si V es un espacio vectorial sobre el cuerpo K, K = R  K = C, con producto interno < , >,
entonces < u , v >2  < u , u >< v , v >.
1753. Si V es un espacio vectorial sobre el cuerpo K, K = R  K = C, con producto interno < , >,
entonces  v  V se verifica < v , v >  0.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1754. Si V es un espacio vectorial sobre el cuerpo K, K = R  K = C, con producto interno < , >,
dimV = n y S  V es un conjunto ortogonal de n vectores no nulos, entonces S es una base
de V.
1755. Si V es un espacio vectorial sobre el cuerpo K, K = R  K = C, con producto interno < , >,
dimV = n, entonces la proyección de v a lo largo de w se expresa: proy v, w  v, w w .

1756. Si V es un espacio vectorial sobre el cuerpo K, K = R  K = C, con producto interno < , >,
dimV = n, entonces V admite una base ortonormal.
1757. Si A = (aij) es una matriz n-cuadrada tal que aij = 0  i > j, entonces det A = a11 a 22 a 33…ann.
1758. El polinomio característico de un matriz n-cuadrada A real singular admite 0 como raíz.
1759. Si u  v son vectores propios pertenecientes al mismo valor propio  de una matriz real n-
cuadrada A  a, b  R, entonces au + bv es también un vector propio de A correspondiente al
mismo valor propio .
1760. Si las multiplicidades algebraicas y geométricas de todos los valores propios de una matriz real n-
cuadrada A son iguales, entonces A es diagonalizable bajo similaridad.
1761. El grado del polinomio mínimo de una matriz n-cuadrada A es n.
1762. Si U y V son espacios vectoriales sobre un mismo cuerpo K y F : U  V una aplicación lineal,
entonces  u, w  U, F(u + w) = F(u) + F(w).
1763. Si T es un operador lineal en un espacio vectorial n-dimensional V sobre el cuerpo K,
entonces dimV  dim(Ker T) + dim(ImT)
FPUNAF3050212:
1764. Si un sistema de ecuaciones lineales se obtiene de otro mediante una sucesión finita de
operaciones elementales, entonces ambos sistemas tienen el mismo conjunto solución.
1765. El vector u = [ a1, a2, ..., an ] es ortogonal al hiperplano a1x1 + a2x2 + ... + anxn = b.
1766. Si A y B son matrices complejas n-cuadradas, se verifica: (A + B)H = AH + BH.
1767. Si A y B son matrices simétricas de orden n, se verifica: AB = BA.
1768. Si A, B y C son matrices reales n-cuadradas, entonces (ABC) t = C t B t A t .
1769. Si V es un espacio vectorial sobre un cuerpo K, entonces vV  a, bK, (a + b)v = av + bv.
1770. Si V es un espacio vectorial sobre un cuerpo K, W un subespacio del mismo, entonces wW
 kK se verifica kwW.
1771. Si V es un espacio vectorial sobre un cuerpo K, U y W dos subespacios de V tal que V = U + W,
entonces UW = .
1772. Si V es un espacio vectorial n-dimensional sobre el cuerpo K, entonces todos los conjuntos
generadores linealmente independientes de V tienen igual número de vectores.
1773. Si V es un espacio vectorial sobre el cuerpo K, KR  KC, con producto interno < , >, y W
un subespacio de V, entonces u, vW, <u , v>W.
1774. Si V es un espacio vectorial sobre el cuerpo K, KR  KC, con producto interno < , >,
entonces u, v, wV  a, bK, <u , av + bw> = a<u , v> + b<u , w>.
1775. Si V es un espacio vectorial sobre el cuerpo K, KR  KC, con producto interno < , > y
uV es fijo, entonces v, wV  <u , v> = <u , w>  v = w.
1776. Si V es un espacio vectorial sobre el cuerpo K, KR  KC, con producto interno < , >, y S
= {v1. v2, v3, …, vm}  V linealmente independiente, entonces vV  k1. k2, k3, …, km  K tal
que v = k1v1 + k2v2 + k3v3 + … + kmvm.
1777. Si una de las filas de una matriz n-cuadrada A es la suma de otras dos, entonces det A = 0.
1778. Si  es un valor propio de una matriz n-cuadrada A, entonces los vectores propios, no nulos,
de A, pertenecientes al mismo valor propio  constituyen un espacio vectorial.
1779. Si A es una matriz real n-cuadrada, entonces PRnn, no singular, tal que D = P-1AP es
una matriz diagonal.
1780. En toda matriz n-cuadrada real A, diagonalizable bajo similaridad, se verifica AP = PD, donde
D es una matriz diagonal cuyos elementos son los valores propios de A y P una matriz cuyos
columnas son los vectores propios correspondientes.
1781. Si A es una matriz real n-cuadrada no nula, tal que A t = A, entonces A admite n vectores
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
propios ortonormales.
1782. Si V y U son espacios vectoriales sobre el mismo cuerpo K y F:V  U, una transformación
lineal, entonces F(0V) = 0U.
1783. Si T es un operador lineal en un espacio vectorial V con producto interno < , >, entonces u,
vV se verifica <T(u) , T(v)> = T(<u , v>).
FPUNAF3060218:
1784. Si el sistema lineal Ax = 0 admite infinitas soluciones, entonces Ax = B es compatible.
1785. Si u, v, w son vectores de R3 tal que w = u  v, entonces w = v  u. V F
1786. Si A  Rmn, entonces (AT )T = A. V F

1787. Si A  Cmn, entonces (AH )H = A. V F

1788. Si A  Rnn es normal, entonces AAT = ATA = I. V F

1789. Si A  Cmn es unitaria, entonces es hermítica. V F

1790. Si U y W son subespacios de un espacio vectorial V sobre un cuerpo K, entonces i) V F

U  W; ii) U  W y iii) U + W son también subespacios de V.
1791. Si V es un espacio vectorial sobre K, V = lin{ u1. u2, u3, …, um } y T = { v1. v2, v3, …, vn } V F
 V, es linealmente independiente, entonces m  n.
1792. Si V es un espacio vectorial sobre K, W un subespacio de V, S = { u1. u2, u3, …, um } V F
una base de W, entonces S genera V.
1793. Si V es un espacio vectorial, con producto interno < , > y vV se define || v || como V F
|| v ||= (<v, v>)1/2, entonces V es un espacio vectorial normado con norma || ||.
1794. Si V es un espacio vectorial complejo, con producto interno < , >, u, v  V, y k  C
V F
entonces <ku, v> = k<u, v> y <u, kv> = k<u, v>.
1795. Si V es un espacio vectorial complejo, con producto interno < , >, entonces u, vV,
V F
<u , v> = <v, u>.
1796. Si V es un espacio vectorial sobre K, con producto interno < , >, y S = {v1, v2, …, vm}V V F
es ortonormal, entonces S es linealmente independiente.
1797. Si A es una matriz n-cuadrada y detA = 0. entonces P no singular tal que PA = In. V F
1798. Si f(t) es el polinomio característico de la matriz n-cuadrada A y m(t) su polinomio V F
mínimo, entonces f(A) = m(A) = 0
1799. Si  es un valor propio de la matriz real n-cuadrada no singular A, entonces   0. V F
1800. Si u1 y u2 son vectores propios de la matriz real simétrica A asociadas a los valores V F
propios distintos  1 y 2, entonces u1 y u2 son linealmente independientes. V F
1801. Si  es un valor propio de la matriz n-cuadrada A, y f(t) su polinomio característico,
entonces para un escalar k, f(k) = 0. V F
1802. Si A es la representación matricial del operador lineal T, respecto a una base, y B la V F
representación matricial del mismo operador lineal T respecto a otra base, entonces i)
traza(A) = traza(B) y b) det(A) = det(B).
1803. Por error no se incluyó.
FPUNAP1060901:
1804. Si un sistema lineal es compatible, todo sistema constituido por un subconjunto de sus
V F
ecuaciones también lo es.
1805. Si el sistema lineal AX = 0 es compatible, entonces el sistema AX = B también lo es. V F
1806. Si el sistema lineal AX = B es compatible, entonces el sistema AX = 0 también lo es. V F
1807. Si el sistema lineal AX = B puede reducirse, mediante operaciones elementales sobre V F
sus filas, a CX = D, donde C es una matriz escalonada, entonces el sistema AX = B
admite solución única.
1808. Si u, v, w son vectores de Rn, entonces i) (u + v)w = uv + vw ii) w(u + v) = wu + V F
wv.
1809. Toda matriz real mn puede transformarse, mediante operaciones elementales sobre V F

V F
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
sus filas, en una matriz escalonada cuyas entradas principales son de la forma aii.
1810. Toda matriz real mn es equivalente por filas a una única matriz en forma escalonada.
1811. Toda matriz real mn puede transformarse, mediante operaciones elementales sobre
V F
sus filas, en una matriz en forma canónica por filas.
1812. Si dos matrices son equivalentes por filas, entonces tiene la misma forma canónica
V F
por filas.
1813. Si dos matrices invertibles conmutan, entonces sus inversas también conmutan. V F
1814. Toda matriz real simétrica es congruente con una matriz diagonal. V F
1815. Si A es una matriz nilpotente de clase p, entonces si k < p, Ak  0. V F
1816. Si A es una matriz hermítica, entonces es unitaria. V F
1817. Si A es una matriz real congruente con una matriz diagonal, entonces es simétrica. V F
1818. Si A es una matriz real idempotente, entonces B = A2 es idempotente. V F
1819. Si V es un espacio vectorial sobre K, u, v  S  V y v = ku, con k  K, entonces S es V F
linealmente dependiente.
1820. Si V es un espacio vectorial sobre K y SV es linealmente independiente, entonces en V F
S existe un vector que es combinación lineal de los demás vectores de S.
1821. Si V es un espacio vectorial sobre K y SV es un conjunto generador de V, entonces V F
S es linealmente independiente.
1822. Si V es un espacio vectorial sobre K y SV es una base de V, entonces TV no V F
puede tener más vectores que S.
1823. Si V es un espacio vectorial sobre K y SV es linealmente dependiente, entonces V F
existe al menos una combinación lineal de los vectores de S que no pertenece a V.
FPUNAF1061125:
1824. Si el sistema lineal Ax = b, admite solución única, entonces Ax = c, con c  b, también
admite solución única.
1825. Si u, v, w son vectores de R3, tal que w = kuv, donde k es un escalar y  indica el V F
producto vectorial, entonces w es paralelo a u
1826. Si A, B y C son matrices del mismo orden mn, entonces C(At + Bt) = CAt.+ CBt. V F
1827. Si A = (aij) es una matriz compleja mn y AH = A, entonces aii = 0. V F
1828. t
Si A es una matriz n-cuadrada real, entonces existe P, no singular, tal que P AP es V F
diagonal.
1829. Si V es un espacio vectorial sobre K, entonces u, v, w  V, (u + v) + w = u + (v + w). V F
1830. Si V es un espacio vectorial sobre K, entonces u, v  V  k  K; k(u + v) = ku + kv. V F
1831. Si V es un espacio vectorial sobre K, S = { u1. u2, u3, …, un } y T = { v1. v2, v3, …, vn } V F
son bases de V, entonces S  T = .
1832. Si V es un espacio vectorial real, con producto interno < , >, y S = { u1. u2, u3, …, un }
V F
una base de V, entonces v V , ai  K, i = 1, n, tal que v = aiui y ai = < v, ui >
1833. Si V es un espacio vectorial real, con producto interno < , >, S = { v1, v2, …, vn }  V, un V F
conjunto de n vectores no nulos, dimV = n y <vi, vj> = 0, i  j, entonces S es una base
de V.
1834. Si V es un espacio vectorial complejo, con producto interno < , >, entonces u, v  V  V F
k  K, <u, kv> = k<v, u>.
1835. Si V es un espacio vectorial real, con producto interno < , >, y S = {u1, u2, …, un} una
V F
base ortogonal de V, entonces vV, v = < v, ui >ui, para i = 1 a n.
1836. Si A es una matriz n-cuadrada compleja y n es par, entonces detA es real. V F
1837. Si A y B son matrices similares, entonces detA = detB. V F
1838. Si f(t) es el polinomio característico de la matriz n-cuadrada, no singular A y m(t) su
V F
polinomio mínimo, entonces el grado de f(t) es mayor que el grado de m(t).
1839. Si  es raíz de multiplicidad k del polinomio característico de la matriz real n-cuadrada V F
diagonalizable A, entonces  es raíz de igual multiplicidad de su polinomio mínimo.
V F
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1840. Si A es una matriz real singular, entonces 0 es raíz de su polinomio mínimo.
1841. Si A es una matriz real simétrica, entonces todos sus valores propios son reales. V F
1842. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:U  V, una V F
transformación lineal, entonces vV, uU tal que v = F(u).
1843. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:U  V, una V F
transformación lineal, S una base de U y T una base de V, entonces la imagen vV de
uU por F puede expresarse como vT  F S u S , donde F S depende sólo de F, S y
T T

T,
FPUNAF2061223:
1844. Si ninguna de las ecuaciones del sistema lineal Ax = b degenera al pasar a la forma
escalonada, entonces admite solución única.
1845. Si u y v son vectores de Rn, entonces puede calcularse w = uv, donde  indica el producto
V F
vectorial y w resulta ortogonal a u y a v.
1846. Si A y B son matrices del mismo orden mn, entonces ABt = BAt. V F
1847. Si A = (aij) es una matriz n-cuadrada, entonces es producto de matrices elementales. V F
1848. Si A es una matriz n-cuadrada compleja, entonces puede escribirse como suma de una matriz
V F
simétrica y otra antisimétrica.
1849. Si V es un espacio vectorial sobre K, k ≠ 0  K, u  V  ku = 0, entonces u = 0. V F
1850. Si V es un espacio vectorial sobre K, S una base de V y U es un subespacio de V, entonces V F
todo vector de U puede escribirse como combinación lineal de los vectores de S.
1851. Si V es un espacio vectorial sobre K, S = { u1. u2, u3, …, um } y T = { v1. v2, v3, …, vn } son
V F
generadores de V, entonces S  T es también un generador de V.
1852. Si V es un espacio vectorial real, con producto interno < , >, y S = { u1. u2, u3, …, un } un
conjunto generador ortogonal de V, entonces S es una base. V F
1853. Si V es un espacio vectorial real, con producto interno < , >, S = { v1, v2, …, vm }  V, un
V F
conjunto de m vectores no nulos y dimV = n, entonces dimS es n – m.
1854. Si V es un espacio vectorial complejo, con producto interno < , >, entonces V es un espacio
vectorial normado con norma ║v║ = (<v, v>)1/2. V F

1855. Si V es un espacio vectorial complejo, con norma ║ ║, entonces vV, ║v║ R. V F

1856. Si A es una matriz n-cuadrada y una de sus filas es combinación lineal de las otras, entonces
V F
detA = 0.
1857. Si A y B son matrices similares, entonces son congruentes. V F
1858. Si la matriz n-cuadrada A es tal que det A = 0, entonces  = 0 es una valor propio de A. V F
1859. Si cada valor propio de la matriz real n-cuadrada A, tiene multiplicidad algebraica igual a la
dimensión que su espacio propio, entonces A es diagonalizable bajo similaridad. V F

1860. Si A es una matriz real no singular, entonces P también no singular tal que A = P-1DP, V F
siendo D una matriz diagonal.
1861. Si A es una matriz real simétrica singular, entonces no es diagonalizable bajo similaridad. V F
1862. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:U  V, una aplicación,
V F
entonces u, v V,  a, b K, F(au + bv) = aF(u) + bF(v).
1863. Si U y V son espacios vectoriales sobre un mismo cuerpo K, dimU = m, dimV = n, F:UV, V F
una transformación lineal y S = { a1, a2, a3, …, am }  Km, entonces MKnm  T = { b1. b2, b3,
…, bn }  Kn tal que T = MS,
FPUNAF3070217:
1864. Si una ecuación del sistema lineal Ax = b degenera al transformarlo a la forma escalonada
mediante operaciones elementales sobre sus filas, entonces admite infinitas soluciones.
1865. Si u y v son vectores de R3, entonces puede calcularse w = uv, donde  indica el producto
V F
vectorial y w resulta ortogonal a u y a v.
1866. Si A y B son matrices del mismo orden mn, entonces está definida A + Bt . V F
1867. Si A = (aij) es una matriz n-cuadrada singular, entonces es producto de matrices elementales.
V F
1868. Si A es una matriz n-cuadrada compleja, entonces es la suma de una matriz hermítica y una
V F
antiehermítica.
1869. Si V es un espacio vectorial sobre K, k ≠ 0  K, u  V  (–k)u = k(–u) = –ku. V F
1870. Si V es un espacio vectorial sobre K, U un subespacio de V y S una base de U, entonces V F
todo vector de V puede escribirse como combinación lineal de los vectores de S.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1871. Si V es un espacio vectorial sobre K, S = { u1. u2, u3, …, um } y T = { v1. v2, v3, …, vn } son
V F
generadores de V, entonces m = n.
1872. Si V es un espacio vectorial real, con producto interno < , >, y S = { u1. u2, u3, …, un } un
conjunto generador ortonormal de V, entonces S es una base de V. V F
1873. Si V es un espacio vectorial real, con producto interno < , >, S = { v1, v2, …, vm }  V, un
V F
conjunto de m vectores linealmente dependientes y dimV = n, entonces dimS es n – m.
1874. Si V es un espacio vectorial normado, con norma ║ ║, entonces V es un espacio vectorial
V F
métrico con distancia definida como ║v – u║, u, v  V
1875. Si V es un espacio vectorial real, con producto interno < , >, entonces u, vV, <u , v> > 0. V F
1876. Si A es una matriz n-cuadrada y una de sus filas es combinación lineal de las otras, entonces
V F
detA = 0.
1877. Si A y B son matrices simétricas, entonces son congruentes. V F
1878. Si A es una matriz n-cuadrada real, con entradas todas positivas, entonces todo valor propio de
A es positivo. V F

1879. Si cada valor propio de la matriz real n-cuadrada A, tiene multiplicidad algebraica igual su V F
multiplicidad geométrica, entonces A es diagonalizable bajo similaridad.
1880. Si A es una matriz real simétrica, entonces es diagonalizable bajo similaridad. V F
1881. Si A es una matriz real no singular, entonces es diagonalizable bajo similaridad. V F
1882. Si U y V son espacios vectoriales sobre un mismo cuerpo K, F:U  V, una aplicación lineal,
V F
entonces u, v V,  a, b K, F(au + bv) = aF(u) + bF(v).
1883. Si U y V son espacios vectoriales sobre un mismo cuerpo K, dimU = m, dimV = n, F:UV, V F
una transformación lineal y S = { u1, u2, u3, …, um } una base de U, entonces { F(u1), F(u2),
F(u3), …, F(um) } es un conjunto generador de Im F,
FPUNAP1080901:
1884. Un sistema lineal no homogéneo es siempre compatible. V F
1885. Las operaciones elementales sobre las ecuaciones del sistema lineal AX = B, no V F
alteran el conjunto solución del sistema lineal.
1886. Si sobre las filas del sistema lineal AX = B, se efectúan operaciones elementales y
V F
ninguna ecuación degenera hasta reducirse a la forma escalonada, entonces admite
solución única.
1887. Si el sistema lineal AX = B es incompatible, entonces el sistema lineal homogéneo V F
asociado AX = 0, también es incompatible.
1888. Si el sistema lineal AX = B está en forma triangular, entonces admite solución única. V F
1889. Si v0 es una solución particular del sistema lineal AX = B y W es el conjunto solución V F
del sistema homogéneo asociado, AX = 0, entonces el conjunto solución U del
sistema inohomogéneo puede obtenerse como U = { u : u = v0 + w, wW }.
1890. Si u, v, w son vectores de R3, • indica el producto escalar, entonces (u + v)•w = u•w + V F
v•w.
1891. Si u, v, w son vectores de R3, • y  indica, respectivamente los productos escalar y V F
vectorial, entonces (u + v)•w = u•w + v•w y (u + v)w = uw + vw.
1892. Si u, v, w son vectores de R3, • y  indica, respectivamente los productos escalar y V F
vectorial, entonces (uv)•w = u•(vw).
1893. Si A, B y C son matrices reales compatibles para las operaciones abajo indicadas,
V F
entonces se verifican i) (AB)C = A(BC); ii) A(B + C) = AB + AC y iii) (B + C)A = BA +
CA.
1894. Si A es una matriz cuadrada real, entonces A y At son compatibles para la V F
multiplicación y AAt = AtA.
1895. Si A es una matriz compleja, la operación AH solo puede realizarse si A es una matriz V F
cuadrada.
1896. Si A y B son matrices complejas compatibles para las operaciones abajo indicadas, V F
entonces se verifican i) (A + B)H = AH + BH; ii) (AB)H = BHAH y iii) (B + C)A = BA + CA.
1897. Si A es una matriz cuadrada real, no nula, entonces es no singular. V F
1898. Si la matriz cuadrada compleja A verifica AHA = AAH, entonces es una matriz normal. V F
V F
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1899. Si la matriz cuadrada compleja A verifica AH = A-1, entonces es una matriz unitaria.
1900. Si A es una matriz cuadrada, entonces es igual a la suma de una matriz simétrica y V F
una antisimétrica.
1901. Si A es una matriz cuadrada real que verifica Ap = 0, y Ak  0 k < p, entonces A es V F
una matriz idempotente.
1902. Si A es una matriz cuadrada real que verifica A2 = I, entonces A es una matriz V F
nilpotente.
1903. Si la matriz cuadrada real A verifica At = A-1, entonces es una matriz ortogonal. V F
FPUNAP2081027:
1904. Si un sistema lineal no homogéneo es compatible, entonces un subconjunto de sus V F
ecuaciones es compatible.
1905. Si el sistema lineal homogéneo 𝐴𝑋 = 0 admite solución única, entonces el sistema V F
𝐴𝑋 = 𝐵 admite solución única.
1906. Si 𝑢, 𝑣 ∈ 𝑅 3 y ∙, × representan los productos escalar y vectorial, respectivamente, V F
entonces 𝑢 ∙ (𝑣 × 𝑢) = 0.
1907. Si 𝐴 es una matriz 𝑚 × 𝑛, entonces 𝐵 = 𝐴𝐴𝑡 es una matriz simétrica. V F
1908. Si 𝐸 es una matriz elemental, entonces es no singular. V F
1909. Si 𝐴 es una matriz 𝑛-cuadrada compleja unitaria entonces es una matriz normal. V F
1910. Si 0 es el vector nulo de un espacio vectorial 𝑉 sobre el cuerpo 𝐾, entonces {0} es un V F
subespacio de 𝑉.
1911. Si 𝑆 es un conjunto de vectores linealmente independientes de un espacio vectorial 𝑉
V F
sobre un cuerpo 𝐾, entonces el vector nulo de 𝑉 puede escribirse de una única
manera como combinación lineal de los vectores de 𝑆.
1912. Si 𝑉 = 𝑙𝑖𝑛𝑆 y 𝑆 es linealmente dependiente, entonces del vector nulo pertenece a 𝑆. V F
1913. Si 𝑆 es un conjunto de 𝑛 vectores linealmente independientes de un espacio vectorial V F
𝑉 sobre un cuerpo 𝐾, entonces la dimensión de 𝑉 no puede ser mayor que 𝑛.
1914. Si 𝑉 es un espacio vectorial, de dimensión 𝑛, sobre el cuerpo 𝐾 y 𝑆 es un conjunto de V F
𝑚 vectores linealmente dependientes, entonces 𝑛 ≤ 𝑚.
1915. Si 𝑈 y 𝑊 son subespacios de un espacio vectorial 𝑉 sobre un cuerpo 𝐾, 𝑆 una base V F
de 𝑈 y 𝑇 una base de 𝑊, entonces 𝑆 y 𝑇 tienen el mismo número de vectores.
1916. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con producto interno V F
〈 , 〉, entonces ∀𝑢 ≠ 0 ∈ 𝑉 , 〈𝑢, 𝑢〉 > 0 .
1917. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con producto interno V F
〈 , 〉, entonces ∀𝑢, 𝑣 ∈ 𝑉, 〈𝑢, 𝑣〉 es un número real no negativo.
1918. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con norma ‖. ‖, V F
entonces ∀𝑢, 𝑣 ∈ 𝑉, ‖𝑢 − 𝑣‖ = ‖𝑢‖ − ‖𝑣‖.
1919. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con norma ‖. ‖, V F
entonces ∀𝑢 ∈ 𝑉, ‖𝑢‖ es un número real no negativo.
1920. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con distancia 𝑑( , ), V F
entonces ∀𝑢, 𝑣 ∈ 𝑉, 𝑑(𝑢, 𝑣) es un número real no negativo.
1921. Si 𝑉 es un espacio vectorial sobre el cuerpo 𝐾 (real o complejo), con distancia 𝑑( , ), V F
entonces ∀𝑢, 𝑣, 𝑤 ∈ 𝑉, 𝑑(𝑢, 𝑣) ≤ 𝑑(𝑢, 𝑤) + 𝑑(𝑤, 𝑣).
1922. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz 𝑛-cuadrada, con 𝑎𝑖𝑖 = 0, ∀𝑖 = 1, 𝑛 entonces 𝑑𝑒𝑡(𝐴) = 0. V F
1923. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz 𝑛-cuadrada y 𝑑𝑒𝑡(𝐴) ≠ 0, entonces 𝐴 es una matriz singular. V F
FPUNAF1081129:
1924. Si el sistema lineal 𝐴𝑥 = 𝐵 es compatible, entonces el sistema 𝐴𝑥 = 0 sólo admite la
V F
solución trivial.
1925. Si 𝑢 = (𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 ) y 𝑣 = (𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 ) son vectores de 𝐶 𝑛 , entonces el producto V F
escalar 〈𝑢, 𝑣〉 = ∑𝑛𝑖=1 𝑢𝑖 𝑣𝑖 .
1926. Si 𝐴 𝑦 𝐵 son matrices reales 𝑚 × 𝑛, entonces existen matrices no singulares 𝑃 𝑦 𝑄 tal que V F

V F
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
𝐵 = 𝑃𝐴𝑄.
1927. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz hermítica, entonces es simétrica.
1928. Si 𝐴 es una matriz 𝑛 − 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎 no singular, entonces el sistema 𝐴𝑥 = 𝐵 admite V F
solución única.
1929. Si 𝑆 = {𝑣1 , 𝑣2 , 𝑣3 , ⋯ , 𝑣𝑛 } es un conjunto de vectores linealmente independientes del
V F
espacio vectorial 𝑛 − 𝑑𝑖𝑚𝑒𝑛𝑠𝑖𝑜𝑛𝑎𝑙 𝑉 sobre el cuerpo 𝐾, entonces es una base de 𝑉.
1930. Si 𝑆 = {𝑣1 , 𝑣2 , 𝑣3 , ⋯ , 𝑣𝑚 } es un conjunto linealmente independiente del subespacio 𝑊 del V F
espacio vectorial 𝑛 − 𝑑𝑖𝑚𝑒𝑛𝑠𝑖𝑜𝑛𝑎𝑙 𝑉 sobre el cuerpo 𝐾, entonces 𝑚 ≤ 𝑛.
1931. Si 𝑈 𝑦 𝑊 son subespacios del espacio vectorial 𝑉 sobre el mismo cuerpo 𝐾, entonces V F
𝑈 ∩ 𝑊 ≠ ∅.
1932. Si 𝑆 es una base del espacio vectorial, real o complejo 𝑉, con producto interno 〈 , 〉, V F
entonces existe un único vector de 𝑉 que es ortogonal a todos los vectores de 𝑆.
1933. Si 𝑈 𝑦 𝑊 son subespacios del espacio vectorial 𝑉, de dimensión 𝑛, real o complejo, con
V F
producto interno 〈 , 〉, 𝑑𝑖𝑚𝑈 = 𝑚 𝑦 𝑑𝑖𝑚𝑊 = 𝑛 − 𝑚, entonces 𝑈⨁𝑊 = 𝑉.
1934. Si 𝑉 es un espacio vectorial complejo, con norma ‖ ‖, entonces ∀𝑣 ∈ 𝑉, ‖𝑣‖ es un
V F
número real no negativo.
1935. Si 𝑉 es un espacio vectorial complejo, con distancia 𝑑( , ), entonces ∀𝑢, 𝑣 ∈ 𝑉, 𝑑(𝑢, 𝑣),
V F
es un número real positivo.
1936. Si 𝐴 es una matriz 𝑛 −cuadrada ortogonal, entonces 𝑑𝑒𝑡𝐴 = 1. V F
1937. Si 𝐴 𝑦 𝐵 son matrices similares, entonces tienen el mismo polinomio mínimo. V F
1938. Si 𝐴 es una matriz 𝑛 −cuadrada, entonces una raíz de su polinomio mínimo es raíz de su V F
ecuación característica.
1939. Si 𝜆 es una raíz del polinomio mínimo de la matriz 𝑛 −cuadrada 𝐴, entonces la matriz 𝐴 − V F
𝜆𝐼 es no singular.
1940. Si 𝜆 es raíz, de multiplicidad 𝑘 del polinomio característico de la matriz 𝑛 −cuadrada 𝐴, V F
entonces el espacio propio de 𝜆 tiene dimensión 𝑘.
1941. Si las multiplicidades algebraicas de los valores propios de la matriz 𝑛 −cuadrada 𝐴 son V F
respectivamente iguales a sus multiplicidades geométricas, entonces 𝐴 es no singular.
1942. Si 𝑈 𝑦 𝑉 son espacios vectoriales sobre el mismo cuerpo 𝐾 y 𝐹: 𝑈 → 𝑉 es una aplicación V F
lineal sobreyectiva, entonces 𝑑𝑖𝑚𝑈 = 𝑑𝑖𝑚𝑉.
1943. Si [𝑇]𝑆 es la representación matricial, relativa a la base 𝑆 del operador lineal 𝑇 en el V F
espacio vectorial 𝑉 sobre el cuerpo 𝐾, entonces [𝑇]𝑆 es no singular
FPUNAF2081213:
1944. Si el sistema lineal 𝐴𝑥 = 0 es compatible, entonces el sistema 𝐴𝑥 = 𝐵 también lo es.
1945. Si 𝑢 = (𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 ) y 𝑣 = (𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 ) son vectores de 𝑅 𝑛 , entonces el producto V F
vectorial 𝑢 × 𝑣 es un vector ortogonal a los vectores 𝑢 𝑦 𝑣.
1946. Si 𝐴 𝑦 𝐵 son matrices 𝑚 × 𝑛 equivalentes por filas, entonces una cualquiera de ellas V F
puede obtenerse transformando la otra mediante operaciones exclusivamente sobre
filas.
1947. Si 𝐴 = (𝑎𝑖𝑗 ) es una matriz compleja, entonces puede escribirse como la suma de dos V F
matrices, una real y otra cuyas componentes son imaginarios puros.
1948. Si 𝐴 es una matriz 𝑛-cuadrada no nula, entonces existe una matriz 𝐵 tal que 𝐴𝐵 = 𝐵𝐴 = V F
𝐼.
1949. Si 𝑆 = {𝑣1 , 𝑣2 , 𝑣3 , ⋯ , 𝑣𝑛 } es un conjunto generador del espacio vectorial 𝑛-dimensional
V F
sobre el cuerpo 𝐾, entonces es una base de 𝑉.
1950. Si 𝑆 = {𝑣1 , 𝑣2 , 𝑣3 , ⋯ , 𝑣𝑚 } es un conjunto generador linealmente dependiente del espacio V F
vectorial 𝑛-dimensional 𝑉 sobre el cuerpo 𝐾, entonces 𝑚 ≤ 𝑛.
1951. Si 𝑈 𝑦 𝑊 son subespacios distintos del espacio vectorial 𝑉 sobre el mismo cuerpo 𝐾, V F
entonces 𝑈 ∪ 𝑊 = 𝑉.
1952. Si 𝑆 = {𝑣1 , 𝑣2 , 𝑣3 , ⋯ , 𝑣𝑚 } es un conjunto de vectores ortogonales del espacio vectorial, V F
real o complejo 𝑛-dimensional 𝑉, con producto interno 〈 , 〉, entonces 𝑚 ≤ 𝑛.
1953. Si 𝑈 𝑦 𝑊 son subespacios ortogonales del espacio vectorial 𝑉, de dimensión 𝑛, real o
V F
complejo, con producto interno 〈 , 〉, entonces 𝑈 ∩ 𝑊 = {0}.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1954. Si 𝑉 es un espacio vectorial complejo, con producto interno 〈 , 〉, entonces ‖𝑣‖ = √〈𝑣, 𝑣〉 V F
satisface las condiciones de una norma.
1955. Si 𝑉 es un espacio vectorial complejo, con distancia 𝑑( , ), entonces ∀𝑢, 𝑣 ∈ 𝑉, V F
𝑑(𝑢, 𝑣) = 𝑑(𝑣, 𝑢).
1956. Si 𝐴 es una matriz 𝑛-cuadrada compleja, entonces 𝑑𝑒𝑡𝐴 ∈ 𝑅. V F
1957. Si 𝐴 𝑦 𝐵 son matrices similares, entonces tienen el mismo polinomio característico. V F
1958. Si 𝐴 es una matriz 𝑛-cuadrada, entonces admite al menos un valor propio, real o V F
complejo.
1959. Si 𝜆 es un valor propio de la matriz 𝑛-cuadrada 𝐴, entonces sus vectores propios se
V F
obtienen del sistema (𝐴 − 𝜆𝐼)𝑋 = 0.
1960. Si 𝐴 es una matriz diagonalizable bajo similaridad, entonces sus valores propios son V F
todos distintos entre sí.
1961. Si 𝐴 es una matriz simétrica real, entonces es diagonalizable tanto bajo congruencia V F
como bajo similaridad.
1962. Si 𝑈 𝑦 𝑉 son espacios vectoriales sobre el mismo cuerpo 𝐾 y 𝐹: 𝑈 → 𝑉 es una aplicación V F
lineal inyectiva, entonces 𝑑𝑖𝑚𝐾𝑒𝑟𝐹 = 0.
1963. Si [𝑇]𝑆 es la representación matricial del operador lineal 𝑇, relativa a la base 𝑆, en el
V F
espacio vectorial 𝑉 sobre el cuerpo 𝐾, entonces ∀𝑣 ∈ 𝑉, [𝑇]𝑆 [𝑣]𝑆 = [𝑇(𝑣)]𝑆 .
FPUNAF3090214:
1964. Si el sistema lineal 𝐴𝑥 = 0, de n ecuaciones con n incógnitas admite solución única, V F
entonces el sistema 𝐴𝑥 = 𝐵 también admite solución única.
1965. Si 𝑢 = (𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 ) y 𝑣 = (𝑣1 , 𝑣2 , ⋯ , 𝑣𝑛 ) son vectores de 𝑅 𝑛 , y para algún número real V F
k se verifica ku = kv, entonces u = v.
1966. Dos matrices 𝐴 𝑦 𝐵 de distinto orden, no pueden ser equivalentes por filas. V F
1967. Toda matriz n-cuadrada real 𝐴 = (𝑎𝑖𝑗 ) puede escribirse como la suma de dos matrices,
V F
una simétrica y otra antisimétrica.
1968. Si 𝐴 es una matriz 𝑛-cuadrada no nula, entonces es invertible. V F
1969. Si 𝑆 = {𝑣1 , 𝑣2 , 𝑣3 , ⋯ , 𝑣𝑘−1 , 𝑣𝑘 , 𝑣𝑘+1 , ⋯ , 𝑣𝑛 } es una base del espacio vectorial 𝑛- V F
dimensional sobre el cuerpo 𝐾, entonces 𝑆 − {𝑣𝑘 } = {𝑣1 , 𝑣2 , 𝑣3 , ⋯ , 𝑣𝑘−1 , 𝑣𝑘+1 , 𝑣𝑛 } es un
conjunto generador de 𝑉.
1970. Si 𝑆 = {𝑣1 , 𝑣2 , 𝑣3 , ⋯ , 𝑣𝑚 } es un conjunto generador linealmente independiente del V F
espacio vectorial 𝑛-dimensional 𝑉 sobre el cuerpo 𝐾, entonces 𝑚 = 𝑛.
1971. Si 𝑈 𝑦 𝑊 son subespacios del espacio vectorial 𝑉 sobre el cuerpo 𝐾, entonces 𝑈 ∩ 𝑊 ≠ V F
∅.
1972. Si 𝑆 = {𝑣1 , 𝑣2 , 𝑣3 , ⋯ , 𝑣𝑚 } es un conjunto de vectores ortogonales del espacio vectorial, V F
real o complejo 𝑛-dimensional 𝑉, con producto interno 〈 , 〉, entonces 𝑣𝑖 ≠ 0, ∀𝑖 = 1, 𝑚.
1973. Si 𝑈 𝑦 𝑊 son subespacios ortogonales del espacio vectorial 𝑉 sobre el cuerpo K, real o
V F
complejo, de dimensión 𝑛 con producto interno 〈 , 〉, entonces 𝑈 + 𝑊 = 𝑉.
1974. Si 𝑉 es un espacio vectorial complejo, con producto interno 〈 , 〉, entonces si se define
V F
‖𝑣‖ = √〈𝑣, 𝑣〉, la expresión 𝑑 =∥ 𝑣 − 𝑢 ∥ satisface los axiomas de distancia.
1975. Si 𝑉 es un espacio vectorial complejo, con distancia 𝑑( , ), entonces V es un espacio V F
vectorial con producto interno.
1976. 𝑑𝑒𝑡𝐴 está definido para toda matriz real A. V F
1977. Si 𝐴 𝑦 𝐵 son matrices similares, entonces 𝑑𝑒𝑡𝐴 = 𝑑𝑒𝑡𝐵. V F
1978. Si 𝐴 es una matriz 𝑛-cuadrada, entonces admite n valores propios linealmente V F
independientes.
1979. Si 𝜆 es un valor propio de la matriz 𝑛-cuadrada real 𝐴, entonces 𝜆 𝜖 𝑅. V F
1980. Si 𝐴 es una matriz n-cuadrada y admite n vectores propios linealmente independientes, V F
entonces es diagonalizable bajo similaridad.
1981. Si 𝐴 es una matriz real diagonalizable bajo similaridad, entonces es una matriz V F
simétrica.
1982. Si 𝑈 𝑦 𝑉 son espacios vectoriales sobre el mismo cuerpo 𝐾 y 𝐹: 𝑈 → 𝑉 es una aplicación V F
lineal y 𝑑𝑖𝑚𝐾𝑒𝑟𝐹 = 0, entonces 𝐹 es sobreyectiva.
 …
FIUNA – 2do.SEMESTRE – 2º. Ex. FINAL de ÁLGEBRA LINEAL – 26/06/2006
1983. Si 𝑇: 𝑉 → 𝑉 es operador lineal y 𝑆 es una base de 𝑉, entonces existe y es única la matriz
V F
[𝑇]𝑆 que es la representación matricial de 𝑇 relativa a la base 𝑆 en 𝑉.