U.M.S.A. F.C.P.N.

ANLISIS MATRICIAL
ALGEBRA LINEAL APLICADA

Docente:
MSc. Ernesto Cup C.

TRABAJO PRCTICO N 2

Gestin II/2017
PRIMERA PARTE
A1. Considere la matriz rectangular
1 0 1 1
A
1 1 1 0
a) Determine una base ortonormal para el espacio fila de A .
b) Determine una base ortonormal para el espacio columna de A .

A2. Considere la base B {u1 , u2 , u 3 } .

a) Aplicando el proceso de Gram-Schmidt a la anterior base, determine una base
ortogonal C {v1 , v2 , v3} para el subespacio generado por B .
b) A partir de la anterior, determine una base ortonormal D {w1 , w2 , w3 } para el
mismo subespacio.
c) Mostrar que la matriz de cambio de la base B a la base C es triangular superior.
d) Mostrar que la matriz de cambio de la base C a la base D es diagonal.

1 1 1
u1 0 , u2 1 , u1 1
0 0 1

1 1 1
A3. Dada la matriz A
1 1 2
a) Determine una transformacin lineal T : 3 2 tal que su representacin
matricial respecto a las respectivas bases cannicas sea A .
b) Determine la transformacin lineal adjunta T * : 2 3 y su representacin
matricial respecto a las respectivas bases cannicas.

Teorema de la proyeccin
A4. El vector x es la proyeccin ortogonal de x 3
sobre U V Lin{u, v} y tambin
sobre U W Lin{u, w} , con:
1 2 1 1 1

u 1 , v 1 , w 2 , x 1 , x 0
1 1 2 0 0
a) Muestre que, como establece el Teorema de la Proyeccin, x x es ortogonal al
plano U V Lin{u, v} y tambin al plano U W Lin{u, w} .
[Nota: Recuerde que, si no se dice lo contrario, se asume el producto interno cannico]
b) Muestre que x es el vector de U V Lin{u, v} ms cercano a x .
c) Verificar que PrU V x PrU x PrV x y PrU W x PrU x PrW x , donde
U Lin{u}, V Lin{v}, W Lin{w} . Explique por qu en el primer caso se da una
igualdad y en el segundo como una desigualdad.
Descomposicin Espectral y DVS

2 1 1 2
A5. Considere las matrices A , B .
1 2 2 1
a) Calcular la descomposicin espectral de ambas matrices ( A : A PDP ).
b) Calcular la descomposicin DVS de ambas matrices ( A : A V DU ).
c) Por qu ambas descomposiciones coinciden en un caso y no en otro?

2 1 1 1 0
A6. Considere las matrices cuadradas A , B .
1 1 0 1 1
a) Calcular manualmente la descomposicin espectral y DVS de cada matriz: A PDP
y A V DU .
b) Por qu ambas descomposiciones coinciden para la matriz A , pero no para la matriz
B?

Pseudoinversa
1 0
A7. Considere las matrices A 1 1 1 , B 1 1 .

0 1
a) Calcular la descomposicin DVS de ambas matrices .
b) Calcular la descomposicin Pseudoinversa de ambas matrices.
Nota: Se sugiere, en cada caso, usar software para calcular las races de la ecuacin caracterstica.

A8. Calcular la pseudoinversa A de cada una de las siguientes matrices:

3 0 1 0 0 1 1
A1 , A2 , A3
0 2 0 2 0 1 1
Nota: Note que las matrices A1 y A2 son diagonales, por lo que el clculo de la pseudoinversa es
inmediato.

1 1
A9. Considere la matriz A 2 1

1 1
Resolver el sistema de ecuaciones lineales Ax b , con
a) b 3 4 1 , es inconsistente el sistema?

b) b 3 2 1 , muestre previamente que el sistema es inconsistente.

Nota: Puede usar una computadora para el clculo de la pseudoinversa.

SEGUNDA PARTE
Teorema de la Proyeccin
n
B1. Sean S1 y S 2 dos subespacios ortogonales de , demostrar:
PrS1 S2 v PrS1 v PrS2 v
donde PrS v es la proyeccin ortogonal del vector v sobre el subespacio S .

B2. Sean G F H subespacios de H n . Sea xG la proyeccin ortogonal de x H

sobre G y sea x F la proyeccin ortogonal de x H sobre F . Entonces, la proyeccin
ortogonal de x F sobre G es simplemente xG .

B3. Demostrar que si A nxn es simtrica e idempotente, entonces Ax es la proyeccin

de x sobre el espacio columna de A (o Im( A) ). Por ello se dice que una matriz
simtrica e idempotente es una matriz proyeccin ortogonal o simplemente una matriz
proyeccin.
n
[Nota: Recuerde que, si no se dice lo contrario, se asume el producto interno cannico en ]

B4. Demostrar que P nxn

es una matriz proyeccin n
Im( P ) N ( P ) e
Im( P ) N ( P ) .

B5. Sea A mxn una matriz, no necesariamente cuadrada, con ran( A) n m .

Demostrar:
a) la proyeccin ortogonal sobre Im( A) est dada por M A( AA) 1 A
b) la proyeccin ortogonal sobre Im( A) est dada por N I M .

Descomposicin Espectral
B6. Demostrar que toda matriz simtrica A n x n puede descomponerse como
A 1M 1 n M n
con M i una matriz proyeccin ortogonal sobre el eigenespacio asociado al eigenvalor
i de la matriz A .

Pseudoinversa
B7. Demostrar que la pseudoinversa de Moore es la pseudoinversa de Penrose.

B8. Sea A mxn y A n xm su pseudoinversa, demostrar:

a) (k A) k 1 A , para todo k no nulo
 b) ( A) ( A )
c) ( A ) A

B9. Sea A mxn , demostrar:

a) Si rang ( A) m , entonces A A( AA) 1 y A A I .
b) Si rang ( A) n , entonces A ( AA) 1 A y A A I .
c) Si rang ( A) m n , entonces A A1

B10. Sea A mxn , demostrar:

a) P A A es una matriz proyeccin ortogonal sobre Im( A) Ker(A)
b) Q AA es una matriz proyeccin ortogonal sobre Im( A)

B11. Considere el sistema lineal de ecuaciones

Ax b
donde A mxn
es la matriz de coeficientes, b m el vector de trminos
independientes y x n el vector de incgnitas. Demostrar:
a) El sistema tiene solucin nica si b Im( A) y Ker ( A) {0} .
b) El sistema tiene infinitas soluciones si b Im( A) y Ker ( A) {0} .
c) El sistema no tiene solucin si b Im( A) . En este caso la mejor solucin est
dada por x A b , mejor en el sentido Ax b Ax b para todo x n .

Fecha de Entrega: Viernes 27 de octubre

Examen 2do. Parcial: Viernes 27 de octubre