Álgebra (ETSI Industriales). TIPO A. Septiembre [O].

2016

Ejercicios 1 a 6: Deben ser contestados en hoja de lectura óptica. Cada respuesta correcta suma
1pto, incorrecta resta 0.33ptos, las dobles marcas o en blanco ni suman ni restan.
Problema: Se corregirá sólo si la nota obtenida en los 6 ejercicios es igual o superior a 2ptos.

Ejercicio 1 La matriz de filas (1, 0, a), (0, a, b), (0, c, a) siendo a, b, c ∈ R verifica:
A) Tiene rango 2 siempre que a2 = bc; B) Si a 6= 0, b > 0 y c < 0 entonces el rango
de la matriz es 2; C) NO puede tener rango 1; D) Ninguna de las anteriores.
Ejercicio 2 Para que los vectores {ū = (1, 2, −1), v̄ = (3, 1, 0), w̄ = (2, −1, 0),
s̄ = (2, 1, 0)} formen una base de R3 basta: A) Eliminar ū; B) Eliminar w̄; C)
NO es posible obtener una base de R3 con vectores de dicho sistema; D) Ninguna de
las anteriores.
Ejercicio 3 Considerando las aplicaciones f : R2 −→ R2 y g : R2 −→ R2 definidas
por f (x, y) = (1, −x) y g(x, y) = (x − 1, 0) se cumple: A) f ◦ g es lineal; B) g ◦ f es
lineal; C) f ◦ g y g ◦ f NO son lineales; D) Ninguna de las anteriores.
Ejercicio 4 Es cierto que: A) Toda matriz cuadrada posee una matriz de Jordan
asociada; B) Las matrices equivalentes tienen los mismos valores propios; C) El
vector cero (neutro) puede ser un vector propio de una matriz cuadrada; D) Ninguna
de las anteriores.
Ejercicio 5 Es cierto que: A) El valor absoluto del determinante de cualquier
matriz ortogonal siempre es el mismo; B) Las matrices ortogonales, consideradas como
transformaciones o aplicaciones lineales, NO respetan la norma; C) Los valores propios
de una matriz ortogonal cuadrada siempre son reales; D) Cualquier matriz ortogonal
cuadrada es una matriz singular.
Ejercicio 6 Es cierto que: A) Para usar la función draw2d se necesita evaluar o
cargar previamente un paquete; B) La cuádrica de expresión Q(x1 , x2 ) = 2x21 +3x1 x2 +
6x22 es semidefinida positiva; C) La matriz asociada a una cónica, en general, NO es
simétrica; D) Ninguna de las anteriores.
Problema
a) (1 pto.) Si A, B ∈ Mn×n siendo n > 1, estudie si es cierta la siguiente igualdad
det(A) + det(B) = det(A + B).
Nota: Si no es cierta, búsquese un contraejemplo.
 
2 2 0
b) (1 pto.) Obtenga los subespacios de vectores propios asociados a la matriz  3 3 0 .
4 1 2
c) (2 ptos.) Defina el problema de mı́nimos cuadrados (0.5ptos) y presentar su solución
mediante las ecuaciones normales (0.5ptos). Como aplicación, estableza un ejemplo
de mı́nimos cuadrados en R2 y halle su solución (1pto.).
 SOLUCIONES. Álgebra (ETSI Industriales). TIPO A.Feberero  [1]. 2016
1 0 a
Solución 1: Es cierta la opción D) La matriz dada A = 0 a b  verifica que
0 c a
sus menores de orden 2 valen: 0, a, b, c, a2 , −a2 , −ca, a2 − bc. Además, el determinante
de la matriz es: a2 − bc. Por tanto, la clasificación del rango de la matriz es:
a = 0; b=c=0 ⇒ rang(A) = 1
b = 0, c 6= 0 o bien c = 0, b 6= 0 ⇒ rang(A) = 2
bc 6= 0 ⇒ rang(A) = 3
a 6= 0; bc = a2 ⇒ rang(A) = 2
bc 6= a2 ⇒ rang(A) = 3
A) es falsa porque puede suceder que a2 = bc y a = b = c = 0 y, en este caso, la matriz
tiene rango 1.
B) es falsa porque si a 6= 0, b > 0 y c < 0 entonces NO puede suceder que bc = a2 porque
bc < 0 y a2 > 0. Por lo tanto, el rango de la matriz es 3 segÃo n la clasificación anterior.
C) es falsa porque si a = b = c = 0 entonces el rango es 1.
Solución 2: Es cierta la opción B)
(%i1) rank(matrix([1,2,-1],[3,1,0],[2,-1,0],[2,1,0]));
( %o1) 3
(%i2) rank(matrix([1,2,-1],[3,1,0],[2,-1,0]));
( %o2) 3
(%i3) rank(matrix([1,2,-1],[3,1,0],[2,1,0]));
( %o3) 3
(%i4) rank(matrix([3,1,0],[2,-1,0],[2,1,0]));
( %o4) 2
Solución 3: Es cierto B). Como (g ◦ f )(x, y) = g(1, −x) = (1 − 1, 0) = (0, 0) se
verifica que g ◦ f es la aplicación lineal nula. Por otro lado, (f ◦ g)(x, y) = f (x − 1, 0) =
(1, −x + 1) luego no es lineal ya que (f ◦ g)(0, 0) 6= (0, 0).
Solución 4: Es cierta A) como se puede comprobar en la bibliografı́a básica. En
concreto la definición 4.6 donde se afirma que x̄ 6= 0̄ si x̄ es un vector propio.
Solución 5: La sentencia de la opción A) es cierta. Veamos, si A es ortogonal,
entonces por definición y Teorema 5.5,
At A = I.
Además, su determinante (para que exista debe ser A cuadrada) verifica
|At A| = |At ||A| = |A|2 = |In | = 1
(de acuerdo a las propiedades de los determinantes). Luego siempre |A| = 1 o bien
|A| = −1. La sentencia de la opción B) es falsa porque, como se afirma en la teorı́a,

2
las matrices ortogonales son transformaciones o aplicaciones lineales que conservan la
norma. Asimismo, la sentencia de C) es falsa como se deduce del ejemplo siguiente:
(%i1) matrix([1,0,0],[0,0,1],[0,-1,0]);
 
1 0 0
( %o1) 0 0 1
0 −1 0
(%i2) eigenvectors(%);
( %o2) [[[−i, i, 1], [1, 1, 1]], [[[0, 1, −i]], [[0, 1, i]], [[1, 0, 0]]]] Nótese que en el Ejercicio 6 de
Autocomprobación, se prueba que si λ ∈ R es un valor propio de una matriz cuadrada
ortogonal A entonces λ = 1 o bien λ = −1. Es decir, si el valor propio es real, entonces
vale 1 o bien −1. Por lo tanto, hay que diferenciar este enunciado del de la opción C).
D) es falsa porque una matriz ortogonal cuadrada es siempre regular.
Solución 6: Es correcta la opción A). Se necesita cargar el paquete draw.
La cuádrica de la opción B) es definida positiva (Ejemplo 6.26).
C) es falsa como se puede comprobar en la bibliografı́a básica.
Solución Problemas:  
−1 1
a) No es cierto. En el caso de n = 2 un contraejemplo puede ser A = y
2 5
 
0 1
B= .
1 3
 
−1 2
Como det(A) = −7, det(B) = −1 y det(A + B) = det = −14 se verifica
3 8
que det(A + B) 6= det(A) + det(B).
b) Para calcular los subespacios de vectores propios, hay calcular previamente los
valores porpios asociados a dicha matriz. Es decir, las raı́ces del siguiente polinomio
caracterı́stico  
 2−λ 2 0 
 
 3
 3 − λ 0  = λ(2 − λ)(λ − 5)

 4 1 2−λ 
Como posee tres vectores propios distintos (0, 2, 5) es diagonalizable.
Para calcular los tres subespacios de vectores propios asociados, resolvemos los si-
guientes sistemas de ecuaciones. Con respecto al valor propio 0, el subesapcio de vectores
propios asociados está definido por las ecuaciones siguientes:
    
2−0 2 0 x 0 
x+y =0
 3 3−0 0  y  =  0  ⇔ .
4x + y + 2z = 0
4 1 2−0 z 0
Un sistema generador suyo es {(2, −2, −3)}.
Análogamente se calculan los vectores propios asociados al valor propio 2,
    
2−2 2 0 x 0 
x=0
 3 3−2 0  y  =  0  ⇔ .
y=0
4 1 2−2 z 0

3
Es decir, el subespacio generado por {(0, 0, 1)} y por último el subespacio de vectores
propios asociados al valor propio 5,
    
2−5 2 0 x 0 
3x − 2y = 0
 3 3−5 0  y  =  0  ⇔
4x + y − 3z = 0
4 1 2−5 z 0

que está generado por {(6, 9, 11)}.

Si lo comprobamos con MAXIMA, se obtiene:
(%i1) matrix([2,2,0],[3,3,0],[4,1,2]);
 
2 2 0
( %o1) 3 3 0
4 1 2
(%i2) eigenvectors(%);
3 3 11
( %o2) [[[0, 2, 5], [1, 1, 1]], [[[1, −1, − ]], [[0, 0, 1]], [[1, , ]]]]
2 2 6
c) En la teorı́a de la bibliografá básica se puede hallar la solución. Un ejemplo en
R2 puede ser el problema de mı́nimos cuadrados definido por el sistema incompatible
2x + 3y = 2; 2x + 3y = 0.