0

GAIA Asignatura ZBK. Núm.

Álgebra
IZENA Nombre DATA Fecha
22/01/2022

Duración: 3 horas y 45 minutos

Ejercicio 1 (1.5 pt)

a) (0.2 pt) Si el sistema de ecuaciones Ax = b es compatible determinado, ¿podrı́a ocurrir que

el sistema de ecuaciones Ax = v fuera compatible indeterminado? Justifique la respuesta.
Solución: Al ser Ax = b es compatible determinado, el sistema homogéneo asociado
Ax = 0 es también compatible determinado. Si Ax = v fuera compatible indeterminado,
el sistema homogéneo asociado Ax = 0 serı́a compatible indeterminado, llegando a una
contradicción. Por tanto, no es posible.

b) (0.5 pt) Sean A, B y C matrices cuadradas y regulares. En la siguiente sucesión de igual-

dades, encuentre todas las igualdades que tienen errores y justifique el porqué de cada
error.
(1) (2) (3)
(A (B + C))2 = (AB + AC)2 = (AB)2 + (AC)2 + 2ABAC = A2 B 2 + A2 C 2 + 2ABAC
(4) 2 2 (5)
(6)
= A B + A2 C 2 + 2A2 BC = A2 B 2 + C 2 + 2BC = A2 (B + C)2

Solución: La igualdad (1) es correcta. La igualdad (2) es incorrecta porque en general

ABAC 6= ACAB. La igualdad (3) es incorrecta porque (AB)2 6= A2 B 2 y (AC)2 6= A2 C 2 .
La igualdad (4) es incorrecta porque ABAC 6= A2 BC. La igualdad (5) es correcta. La
igualdad (6) es incorrecta porque BC 6= CB.

c) (0.8 pt) Usando exclusivamente el método de Gauss y/o el método de Gauss-Jordan,

discuta y resuelva cuando proceda el siguiente sistema de 3 ecuaciones con 3 incógnitas
que depende del parámetro real k:

 α1 + α2 = k−2
kα2 + 2α3 = 0
−α1 + kα2 + α3 = 0


Solución:

   
1 1 0 k−2 1 1 0 k−2
 0 k 2 0 ∼ 0 k 2 0 
−1 k 1 0 0 k+1 1 k−2
Si k = 0, el sistema es compatible determinado:
  
1 1 0 −2  α1 = 0
 0 0 2 0  −→ α2 = −2
0 1 1 −2 α3 = 0


Si k 6= 0 y k 6= −2, el sistema es también compatible determinado:

   k−2
1 1 0 k−2  α1 = k k+2
2k−4
 0 k 2 0  −→ α2 = k+2
k+2
0 0 − k k−2 α3 = k 2−k

k+2

Si k = −2, el sistema es incompatible.

 Ejercicio 2 (1.5 pt)

a) (0.3 pt) Sea E un espacio vectorial y BE = u1 , u2 , . . . , un una base de E. Si x ∈ E, ¿qué son

las componentes de x en la base BE ?
Solución: Ver apuntes

b) (0.5 pt) Sea E = Rn [t] el espacio vectorial de los polinomios reales de grado n. Demuestre
que el siguiente subconjunto F es un subespacio vectorial de Rn [t]:

F = {p(t) ∈ Rn [t] : p(3) = 0}

NOTA: Observe que F es el subconjunto de los polinomios de grado n que tienen una raı́z
en t = 3.
Solución: En primer lugar, F 6= ∅ puesto que el polinomio nulo está en F . Si p(t), q(t) ∈ F
y z(t) = p(t) + q(t), puesto que z(3) = p(3) + q(3) = 0 + 0 = 0, concluimos que z(t) ∈ F .
Por otro lado, si α ∈ R, p(t) ∈ F y w(t) = αp(t), puesto que w(3) = αp(3) = α0 = 0,
concluimos que w(t) ∈ F . Por tanto, F es un subespacio vectorial de Rn [t].

c) (0.7 pt) Sean F y G dos subespacios vectoriales de R3 dados por sus ecuaciones implı́citas:
 
α1 + α2 + α3 = 0 α1 + 2α2 + α3 = 0
F ≡ G≡
α1 − α2 + α3 = 0 α1 − α2 + α3 = 0

Halle la dimensión de F ∩ G y de F + G.

Solución: Juntando las implı́citas de F con las implı́citas de G y eliminando las ecuaciones
que son combinación lineal de otras, se llega a que F ∩ G tiene 2 ecuaciones implı́citas, por lo que
su dimensión es 3 − 2 = 1. Empleando el teorema de la dimensión, sabiendo que la dimensión
de F y G es también 1, se llega a que la dimensión de F + G es 1 + 1 − 1 = 1.
 Ejercicio 3 (1.5 pt)

a) (0.4 pt) Sea f : E 7→ F una aplicación lineal entre los espacios vectoriales E y F , de
dimensiones 2 y 4 respectivamente. Se sabe también que la nulidad de f vale 1.

• ¿Qué tamaño tendrı́a la matriz que representa a f en una base dada? 4 × 2

• ¿Cuántas filas linealmente independientes tendrı́a dicha matriz? 1

b) (0.4 pt) En un subespacio vectorial F de R4 se ha producido un cambio de base dado por

la matriz de paso  
2 1
S=
−1 2
Se conocen los vectores de la base antigua

BF = (2, 1, −1, 2), (1, 3, 2, 1)

Halle los vectores de la base nueva.

Solución: Las columnas de la matriz S son las componentes de los vectores de la base
nueva expresadas en la base antigua, por tanto:

u01 = 2(2, 1, −1, 2) − (1, 3, 2, 1) = (3, −1, −4, 3)

u02 = (2, 1, −1, 2) + 2(1, 3, 2, 1) = (4, 7, 3, 4)

c) (0.7 pt) Sea f : R3 [t] 7→ R2 [t] la aplicación lineal que representa la derivada de los polino-
mios de grados 3. Por ejemplo,

f (2t3 − 5t2 + 3t − 8) = 6t2 − 10t + 3

• (0.5 pt) Halle la matriz que representa a f en la base canónica de ambos espacios.
Solución:
f (1) = 0  
0 1 0 0
f (t) = 1
−→ A = [f ]Bc =  0 0 2 0 
f (t2 ) = 2t
0 0 0 3
f (t3 ) = 3t2
• (0.2 pt) Halle el rango y nulidad de f .
Solución: El rango es 3 y la nulidad es 1.
 Ejercicio 4 (1.5 pt)

a) (0.3 pt) Sea E un espacio vectorial complejo con producto escalar. Si x ∈ E y α ∈ C,

demuestre que kαxk = |α|kxk.
Solución: Ver apuntes

b) (0.5 pt) Demuestre que si un vector y es ortogonal a los vectores x1 , x2 , . . . , xp , entonces y

también es ortogonal a cualquier combinación lineal de x1 , x2 , . . . , xp .
Solución: Como hy, xi i = 0 para todo i ∈ {1, 2, . . . , p}, empleando la propiedad de ses-
quilinealidad tenemos que
* p + p
X X
y, αi xi = αi hy, xi i = 0
i=1 i=1

c) (0.7 pt) Con el producto escalar ordinario, calcule la proyección ortogonal del vector (1, 0, 0)
sobre el subespacio vectorial generado por los vectores (1, 1, 0) y (1, 0, 1).
Solución: En este caso particular, (1, 1, 0) y (1, 0, 1) tienen la misma norma y por tanto,
sumando y restando ambos vectores y dividiendo por sus normas, obtenemos una base
ortonormal del subespacio:
1 1
w1 = √ (2, 1, 1), w2 = √ (0, 1, −1)
6 2
Por tanto,
2 1 1 1
πx = hw1 , xiw1 + hw2 , xiw2 = √ √ (2, 1, 1) + 0 √ (0, 1, −1) = (2, 1, 1)
6 6 2 3
 Ejercicio 5 (2 pt)

a) (0.3 pt) Sean A y B dos matrices diagonalizables que tienen la misma base de vectores
propios (pero valores propios distintos). Demuestre que entonces AB = BA.
Solución: Como A y B tienen la misma base de vectores propios, ambas se diagonalizan
con una misma matriz S, es decir, A = SDA S −1 y B = SDB S −1 . Por tanto, puesto que
las matrices diagonales siempre conmutan,

AB = SDA S −1 SDB S −1 = SDA DB S −1 = SDB DA S −1 = SDB S −1 SDA S −1 = BA.

b) (0.7 pt) Se sabe que la siguiente matriz tiene valores propios 1, 0 y -1. Halle los valores
que faltan en la matriz:  
2 6 b
A=  0 a c 
−1 0 2
Solución: Empleando las fórmulas de Vieta, la traza de A tiene que ser 0 y por tanto
a = −4. La suma de los 3 menores principales de orden 2, tiene que ser igual a -1, por
tanto b = 11. El determinante de A tiene que ser 0, y por tanto, c = −10.

c) (1 pt) Obtenga los valores propios y una matriz ortogonal Q que diagonalice la siguiente
matriz simétrica A:  
1 2 3
A= 2 2
 2 
3 2 1

Solución: Como la matriz es singular, un valor propio tiene que ser cero. La suma de las
filas es constante y de valor 6, por lo que 6 también es un valor propio. Finalmente, de
la traza, se puede obtener el valor propio restante: -2. Se resuelven los subespacio propios
para cada valor propio (multiplicidad geométrica 1), y se obtiene
 1
√1 − √12

  √
0 0 0 6 3
 −2 √1 0 
D= 0 6 0  Q= √ 6 3 
0 0 −2 √1 √1 √1
6 3 2
 Ejercicio 6 (2 pt)

a) (0.6 pt) La matriz P de proyección ortogonal sobre R(A) permite encontrar la matriz de
proyección ortogonal de cualquier columna b sobre el subespacio R(A).

• Indique la expresión de P en función de la matriz pseudoinversa.

P = AA+
• Indique la expresión de la matriz pseudoinversa de A cuando A es de rango máximo
por columnas.

A+ = (A> A)−1 A>

• Utilice este último resultado para verificar que P es idempotente.

P 2 = P P = AA+ AA+ = A(A> A)−1 A> A(A> A)−1 A> = A(A> A)−1 A> = AA+ = P

b) (0.2 pt) ¿Qué es el pivotamiento parcial? ¿Por qué es útil en el método de Gauss?
Solución: El pivotamiento parcial es un paso previo a la eliminación Gaussiana en cada
fila que consiste en
seleccionar como pı́vot el valor más grande posible (en valor absoluto). El pivotamiento
parcial minimiza los errores de redondeo que comente un ordenador.

c) (1.2 pt) Sea A la siguiente matriz:

 
3 2 2
A=
2 3 −2

De la descomposición en valores singulares A = U ΣV > se conoce que σ1 = 5 y σ2 = 3 son

valores singulares de A y que las dos primeras columnas de V son
   
1 1
1 1
√  1  y √  −1 
2 0 3 2 4
respectivamente. Se pide calcular lo siguiente:

• Matriz matriz V
Solución: Puesto que V es ortogonal, la tercera columna tiene que ser ortonormal
respecto a las dos anteriores, por tanto
 1 1 2

√
2
√
3 2
− 3
V =  √12 − 3√1 2 

2 3 
4 1
0 √
3 2 3

• Mejor aproximación de A mediante una matriz de rango 1.

 
√1
1
Solución: Puesto que Av1 = σ1 u1 , se obtiene que u1 = y por tanto,
2 1
   
1 1 1   5 1 1 0
A1 = σ1 u1 v1> = 5√ √ 1 1 0 =
2 1 2 2 1 1 0
• Base ortonormal de la imagen de A
Solución: Como el rango de A es 2, las 2 primeras columnas de U forman
 una
 base
1
ortonormal de R(A). Puesto que Av2 = σ2 u2 , se obtiene que u2 = √12 y por
−1
tanto,    
1 1 1 1
bR(A) = √ ,√
2 1 2 −1