Grado en Ingeniería de Tecnologías Industriales. Curso 2022-2023.

Matemáticas I. Examen de prueba.

Ejercicios resueltos
Ejercicio 1. 2 3 2 3
1 1 1 0
6 1 a 3 7 6 a 7
a) [7.5 puntos] Para a 2 R considera la matriz A = 6
4 a 1
7 y el vector b = 6 7.
2+a 5 4 a 5
2
a a 0 0
Se pide:
a.1) Analizar según los valores de a la existencia de factorización LU de A o de P A. Hallar
dichas factorizaciones describiendo todas las matrices elementales usadas.
a.2) Estudiar la naturaleza del sistema Ax = b, según los valores de a:
a.3) Para a = 0; hallar unas ecuaciones implícitas y una base de Col(A) y N ul(A):
a.4) Para a = 0, obtener la matriz B asociada a la transformación lineal T : R4 ! R2 que
veri…ca:
–los vectores de Col(A) pertenecen al núcleo de T , ker(T );
2 1
–T (e4 ) = y T (e2 + e4 ) = donde fe1 ; e2 ; e3 ; e4 g es la base canónica de R4 :
3 2
a.5) Preguntas cortas:

- Para a = 0; la imagen del vector x = e1 + e2 + e3 + e4 por T es T (x) =

- Para a = 0 la dimensión del subespacio N ul(AT ) es dim N ul(AT ) =

2 3
2
4
- Para a = 0; ¿pertenece el vector 1 5 al subespacio Col(A)?
1

b) [2.5 puntos] b.1) Clasi…car, según los valores de a 2 R, la familia de cuádricas

x2 + (a + 1)y 2 + az 2 2x + 4az = 4 3a:

b.2) Preguntas cortas:

- El valor de a para que el corte de la cuádrica correspondiente con el plano z = 2 sea una
hipérbola equilátera es a =
- Para a = 6; las ecuaciones del eje de la cuádrica correspondiente son

1
 -Solución-

(a) a.1) Comenzamos aplicando el método de Gauss a la matriz A teniendo en cuenta que no
podemos cambiar de …las salvo que sea estrictamente necesario
2 3 2 3
1 1 1 1 1 1
6 1 a 3 7 M1 6 0 a 1 2 7
A=6 4 a 1
7 ! M1 A = 6 7:
2 + a 5 F2 !F2 F1 4 0 1 a 2 5
F3 !F3 aF1
a a2 0 F4 !F4 aF1 0 a2 a a
Caso 1. Si a 6= 1 podemos tomar a 1 como pivote y no necesitamos cambiar de …las. Conti-
nuamos con el proceso de Gauss
2 3 2 3
1 1 1 1 1 1
6 0 a 1 2 7 M2 6 0 a 1 2 7
M1 A = 6 4 0 1 a
7 ! M2 M1 A = 6 7:
2 5 F3 !F3 +F2 4 0 0 0 5
F4 !F4 aF2
0 a2 a a 0 0 3a
El lugar a33 del siguiente pivote lo ocupa un cero, así que nos vemos con la necesidad de
permutar …las si fuese 3a 6= 0: Así
Subcaso 1.1. Si a 6= 0 y a 6= 1
2 3 2 3
1 1 1 1 1 1
6 0 a 1 7
2 7 P34 6 0 a 1 2 7
M 2 M1 A = 6
4 0 5 ! P34 M2 M1 A = 64
7 = U:
0 0 F3 !F4 0 0 3a 5
0 0 3a 0 0 0
Como hemos cambiado …las lo que se tiene es una factorización LU de la matriz P A: Concre-
tamente

P34 M2 M1 A = U; es decir,
P34 M2 P34 P34 M1 P34 P34 A = U; pues P34 P34 = I; con lo cual
M^ 2M
^ 1 P34 A = U; siendo M
^ i = P34 Mi P34 ; para i = 1; 2:

^ 1 1M
Por tanto P34 A = M ^ 2 1 U = LU; donde

2 3 2 3 2 3
1 0 0 0 1 0 0 0 1 0 00
6 1 1 0 0 7 6 1 1 0 0 7 6 1 1 00 7
M1 = 6
4 a 0
7; ^1 = 6
M 7; ^
M 1
=6 7;
1 0 5 4 a 0 1 0 5 1 4 a 0 10 5
a 0 0 1 a 0 0 1 a 0 01
2 3 2 3 2 3
1 0 0 0 1 0 0 0 1 0 0 0
6 0 1 0 0 7 6 0 1 0 0 7 6 0 1 0 0 7
M2 = 6
4 0 1
7; ^2 = 6
M 7; ^
M 1
=6 7;
1 0 5 4 0 a 1 0 5 2 4 0 a 1 0 5
0 a 0 1 0 1 0 1 0 1 0 1
2 3 2 3
1 0 0 0 1 0 0 0
6 0 1 0 0 7 6 1 1 0 0 7
P34 = 6
4 0 0 0
7; ^ 1M
L=M ^ 1
=6 7:
1 5 1 2 4 a a 1 0 5
0 0 1 0 a 1 0 1

2
Subcaso 1.2. Si a = 0 no hace falta intercambiar …las y ya se habría llegado al …nal de la
eliminacion gaussiana. Más concretamente,
2 3
1 1 1
6 0 1 2 7
M2 M1 A = 6
4 0
7 = U0
5
0 0
0 0 0
y en este caso existe factorización LU de la matriz A:
M 2 M 1 A = U 0 ) A = M 1 1 M 2 1 U 0 = L0 U 0 :
2 3 2 3
1 0 0 0 1 0 0 0
6 1 1 0 0 7 6 7
M1 = 6 7 ; M1 1 = 6 1 1 0 0 7 ;
4 0 0 1 0 5 4 0 0 1 0 5
0 0 0 1 0 0 0 1
2 3 2 3 2 3
1 0 0 0 1 0 0 0 1 0 0 0
6 0 1 0 0 7 6 0 1 0 0 7 6 0 7
M2 = 6 7 ; M2 1 = 6 7 ; L0 = M 1 1 M2 1 = 6 1 1 0 7:
4 0 1 1 0 5 4 0 1 1 0 5 4 0 1 1 0 5
0 0 0 1 0 0 0 1 0 0 0 1
Caso 2. Si a = 1, después de aplicar Gauss al primer pivote con la matriz M1 nos ha quedado
2 3
1 1 1
6 0 0 2 7
M1 A = 6
4 0 0
7:
2 5
0 0 1
Para seguir buscando pivotes observamos que el lugar a22 lo ocupa un cero y por debajo de él
solo hay ceros, luego en la segunda columna no podemos conseguir ningún pivote. Sin embargo,
en la tercera columna el elemento a23 = 2 6= 0 sí puede ser considerado el segundo pivote y
podemos continuar con la eliminación gaussiana hasta el …nal sin necesidad de realizar ninguna
permutación.
2 3 2 3
1 1 1 1 1 1
6 0 0 2 7 M20 6 0 0 2 7
M1 A = 64 0 0
7 ! M 0
M A = 6 7
4 0 0 0 5=U :
00
2 5 F3 !F3 +F2 2 1
F4 !F4 +1=2F2
0 0 1 0 0 0
En este caso existe factorización LU de la matriz A:
1
M20 M1 A = U 00 ) A = M1 1 (M20 ) U 00 = L00 U 00 :
2 3 2 3 2 3
1 0 0 0 1 0 0 0 1 0 0 0
6 1 1 0 7
0 7 6 1 1 0 0 77 6 0 7
M1 = 6 ; M1 1 = 6 00 1 0 1 6 1 1 0 7
4 1 0 1 0 5 4 1 0 1 0 5 ; L = M1 (M2 ) = 4 1 1 1 0 5
1 0 0 1 1 0 0 1 1 1=2 0 1
2 3 2 3
1 0 0 0 1 0 0 0
6 0 1 0 0 77 6 0 1 0 0 7
= 6 6 7:
1
M20 4 0 1 ; (M 0
) =
1 0 5 2 4 0 1 1 0 5
0 1=2 0 1 0 1=2 0 1

3
a.2) Para estudiar la compatibilidad de Ax = b usamos de nuevo el método de Gauss a la matriz
ampliada [A jb ]
2 3 2 3
1 1 1 0 1 1 1 0
6 1 a 3 a 7 6 0 a 1 2 a 7
[A jb ] = 6
4 a 1
7 ! 6 7: ( )
2+a a 5 F2 !F2 F1 4 0 1 a 2 a 5
F 3 !F 3 aF 1
a a2 0 0 F4 !F4 aF1 0 a2 a a 0

Caso 1. Si a 6= 1 podemos tomar a 1 como pivote y continuar con el proceso de Gauss.

2 3 2 3
1 1 1 0 1 1 1 0
6 0 a 1 2 a 7 6 0 a 1 2 a 7
6 7 ! 6 7:
4 0 1 a 2 a 5 F3 !F3 +F2 4 0 0 0 0 5
F4 !F4 aF2
0 a2 a a 0 0 0 3a a2

Subcaso 1.1. Si a 6= 0 y a 6= 1
2 3 2 3
1 1 1 0 1 1 1 0
6 0 a 1 2 a 77 6 0 a 1 2 a 7
6 ! 6 7:
4 0 0 0 0 5 F3 !F4 4 0 0 3a a2 5
0 0 3a a2 0 0 0 0
Como en la columma de términos independientes no hay pivote y todas las columnas de la
matriz de coe…cientes tienen pivote podemos asegurar que en este caso el sistema es compatible
determinado.

Subcaso 1.2. Si a = 0 habríamos llegado a

2 3
1 1 1 0
6 0 1 2 0 7
6 7
4 0 0 0 0 5
0 0 0 0

que es un sistema compatible por ser homogéneo e indeterminado porque no todas las
columnas de la matriz de coe…cientes tienen pivote.

Caso 2. Para a = 1; seguimos haciendo eliminación gaussiana a partir de ( )

2 3 2 3
1 1 1 0 1 1 1 0
6 0 0 2 1 7 6 0 0 2 1 7
6 7 !6 7
4 0 0 2 1 5 F3 !F3 +F2 4 0 0 0 0 5;
F4 !F4 +1=2F2
0 0 1 0 0 0 0 1=2

que es claramente un sistema incompatible porque la columna de términos independientes

tiene un pivote.
2 3
1 1 1
6 1 0 3 7
a.3) Para a = 0, la matriz es A = 6
4 0 1
7 y, por el apartado primero, se transforma
2 5
0 0 0

4
 2 3
1 1 1
6 0 1 2 7
tras la eliminación gaussiana en U 0 = 6
4 0
7 : De aquí deducimos que las primera y
0 0 5
0 0 0
segunda columnas de A son linealmente independientes al tener cada una de ellas un pivote y
que la tercera columna depende de las dos primeras. Así pues, como el subespacio Col(A) está
generado por las columnas de la matriz A, una base de Col(A) es
82 3 2 39
>
> 1 1 >
<6 7 6 7> =
6 1 7;6 0 7 :
> 4 0 5 4 1 5>
>
: >
;
0 0

Para hallar las ecuaciones implícitas de Col(A) tenemos en cuenta que

Col(A) = y 2 R4 tales que Ax = y es un sistema compatible :

Aplicando de nuevo la eliminación gaussiana sobre un sistema con matriz A y término inde-
pendiente un vector y genérico, se obtiene
2 3 2 3
1 1 1 y1 1 1 1 y1
6 1 0 3 y2 7 6 0 1 2 y2 y1 7
[A jy ] = 64 0 1
7
5 !6 4
7
5
2 y3 F2 !F2 F1 0 1 2 y3
0 0 0 y4 0 0 0 y4
2 3
1 1 1 y1
6 0 1 2 y y1 7
!6 2 7
F3 !F3 +F2 4 0 0 0 y3 + y2 y1 5
0 0 0 y4

De ahí que Ax = y es compatible si y sólo si

y3 + y2 y1 = 0
Ecuaciones implícitas de Col(A):
y4 = 0

Por otro lado N ul(A) es el subespacio formado por los vectores x 2 R3 que veri…can el sistema
homogéneo Ax = 0: Tras la eliminación gaussiana dicho sistema es equivalente a U 0 x = 0; luego
dichos vectores deben satisfacer
2 3 2 3
1 1 1 2 3 0
6 0 7 x1 6
6 1 2 74 0 7
7 ) x1 + x2 + x3 = 0
4 0 5 x2 5 = 64
0 0 0 5 x2 + 2x3 = 0
x3
0 0 0 0

siendo estas unas ecuaciones implícitas de N ul(A): Resolviendo dicho sistema (tomando como
variable libre x3 ) llegamos a que los elementos de N ul(A) son del tipo
2 3 2 3 2 3
x1 3 3
x = 4 x2 5 = 4 2 5 = 4 2 5
x3 1

5
 82 39
< 3 =
y, por tanto una base de N ul(A) es 4 2 5 :
: ;
1
a.4) La transformación lineal T : R4 ! R2 tiene asociada la matriz B = [T (e1 )jT (e2 )jT (e3 )jT (e4 )]
siendo fe1 ; e2 ; e3 ; e4 g la base canónica de R4 : Usemos la información que nos da el ejercicio para
obtener B:
2
- En primer lugar, sabemos que T (e4 ) = :
3
1
- En segundo lugar, sabemos que T (e2 + e4 ) = y la linealidad de T nos permite
2
deducir que

1 1 1 2 1
T (e2 ) + T (e4 ) = ) T (e2 ) = T (e4 ) = = :
2 2 2 3 1

- En tercer lugar, sabemos que los vectores de Col(A) pertenecen al núcleo de T: En par-
ticular, los vectores que forman una base de Col(A) estarán en el núcleo de T: Luego debe
tenerse que
02 31 02 31
1 1
B6 1 7C 0 B6 0 7C
TB 6 7C yTB 6 7C = 0 ;
@4 0 5A = 0 @ 4 1 5A 0
0 0
0 0
T (e1 + e2 ) = y T (e1 + e3 ) = :
0 0

De nuevo, la linealidad de T permite deducir que

0 1
T (e1 ) + T (e2 ) = ) T (e1 ) = T (e2 ) = ;
0 1
0 1
T (e1 ) + T (e3 ) = ) T (e3 ) = T (e1 ) = :
0 1

1 1 1 2
Con todo ello B = :
1 1 1 3
a.5) Preguntas cortas:
- Para a = 0; la imagen del vector x = e1 + e2 + e3 + e4 por T es
2 3
1
1 1 1 2 6 1 7
6
7= 1
T (x) = Bx = :
1 1 1 3 4 1 5 2
1

- Para a = 0 la matriz A tiene dimensión 4 3 y, por los apartados anteriores, dim(N ul(A)) = 1 y
dim(Col(A)) = rango(A) =no pivotes= 2: Teniendo en cuenta que la matriz AT tiene dimensión
3 4, el teorema del rango para la matriz AT establece que

dim(Col(AT )) = rango(AT ) = rango(A) = 2

6
y que

dim(N ul(AT )) + dim(Col(AT )) = no columnas de AT ;

dim(N ul(AT )) + 2 = 4;
dim(N ul(AT )) = 2:

a = 30; la matriz A tiene dimensión 4 3 y Col(A) es un subespacio de R4 . Luego el

- Para 2
2
4
vector 1 5 no puede pertenecer al subespacio Col(A) por estar en R3 y no en R4 :
1

(b) b.1) Para clasi…car la familia de cuádricas de ecuación

x2 + (a + 1)y 2 + az 2 2x + 4az = 4 3a;

necesitamos en primer lugar encontrar su ecuación reducida. Para ello comenzamos agrupando
términos y sacando factor común los coe…cientes que acompañan a las variables que están
elevadas al cuadrado en la ecuación que describe la cuádrica.

x2 2x + (a + 1)y 2 + a z 2 + 4z = 4 3a:

Completamos cuadrados en la expresión anterior y queda

x2 2x + 1 1 + (a + 1)y 2 + a z 2 + 4z + 4 4 =4 3a;

es decir,

x2 2x + 1 1 + (a + 1)y 2 + a(z 2 + 4z + 4) 4a = 4 3a;

2 2 2
(x 1) + (a + 1)y + a (z + 2) = 5 + a:

Basta hacer el cambio de variables

8 9
< X=x 1 =
Y =y
: ;
Z =z+2

para deducir que la ecuación reducida es

X 2 + (a + 1)Y 2 + aZ 2 = 5 + a:

Notemos que, el coe…ciente de X 2 es siempre positivo; el coe…ciente de Y 2 es negativo si a < 1

y positivo si a > 1; el coe…ciente de Z 2 es negativo si a < 0 y positivo si a > 0; y el término
independiente es negativo si a < 5 y positivo si a > 5. Así que estos tres valores de a
dividen a la recta real en 4 subintervalos en los que los signos de los coe…cientes y del término
independiente pueden cambiar dando lugar a la siguiente familia de cuádricas:
–Si a < 5; los signos son (+)( )( ) = ( ) o, equivalentemente, ( )(+)(+) = (+) y se tiene
un hiperboloide de una hoja (hiperboloide hiperbólico).
–Si 5 < a < 1; los signos son (+)( )( ) = (+) o, equivalentemente, ( )(+)(+) = ( ) y se
tiene un hiperboloide de dos hojas (hiperboloide elíptico).

7
– Si 1 < a < 0; los signos son (+)(+)( ) = (+) y se tiene un hiperboloide de una hoja
(hiperboloide hiperbólico).
–Si a > 0; los signos son (+)(+)(+) = (+) y se tiene un elipsoide.
Quedan los casos en los que se anula alguno de los coe…cientes o el término independiente.
Para a = 5 tenemos la ecuación X 2 4Y 2 5Z 2 = 0 que corresponde a un cono: Para
a = 1 tenemos la ecuación X 2 Z 2 = 4 que corresponde a un cilindro hiperbólico. Para
a = 0 tenemos la ecuación X 2 + Y 2 = 5 que corresponde a una cilindro elíptico y, más
concretamente, un cilindro circular.
b.2) Preguntas cortas:
- Al cortar cada una de las cuádricas con el plano z = 2 se obtienen (en dicho plano) las
cónicas de ecuaciones

(x 1)2 + (a + 1)y 2 = 5 + a;
X 2 + (a + 1)Y 2 = 5 + a:

En general para que una cónica de ecuación AX 2 + BY 2 = C sea una hipérbola equilátera debe
ocurrir que A = B y C 6= 0. En nuestro caso debe veri…carse que

1= (a + 1) y 5 + a 6= 0 ) a = 2:

- Para a = 6; la ecuación de la cuádrica es

(x 1)2 5y 2 6 (z + 2)2 = 1;
2 2 2
X 5Y 6Z = 1;
2 2 2
X + 5Y + 6Z = 1;

que corresponde a un hiperboloide de una hoja con centro el punto (X; Y; Z) = (0; 0; 0); equiva-
lentemente, el punto (x; y; z) = (1; 0; 2) y cuyo eje es el eje X de ecuaciones fY = 0; Z = 0g,
equivalentemente, la recta paralela al eje x que pasa por el centro de la cuádrica y que tiene
por ecuaciones fy = 0; z = 2g :

8
Ejercicio 2. 2 3
a 0 a 1
a) [7.5 puntos] Para cada a 2 R considera la matriz A = 4 a 1 1 a 1 5.
a 1 0 a
Se pide:
a.1) Estudiar la diagonalizabilidad de la matriz A según los valores de a 2 R:
a.2) Para a = 1; hallar una base B de R3 formada por autovectores y autovectores genera-
lizados de A.
a.3) Para a = 1; sea S el subespacio generado por los autovectores asociados al autovalor
= 1: Hallar las matrices de las proyecciones PS y PS ? :
a.4) Preguntas cortas:
- ¿Para qué valor de a es la matriz A ortogonalmente diagonalizable? a =
2 3
1
- Para a = 1; la proyección ortogonal sobre S del vector v = 4 1 5 es proyS (v) =
1
- Para a = 1; clasi…ca la forma cuadrática asociada a la matriz A.
p p
(1 + 3) + i( 1 + 3)
b) [2.5 puntos] b.1) Expresa el número complejo z0 = en forma binómi-
1+i
ca y en forma polar y halla las raíces cuartas de z0 :
b.2) Preguntas cortas:
- Escribe un polinomio p(z) que tenga como ceros justamente dichas raíces cuartas de z0 .
p(z) =
- Representa dichas raíces cuartas en el plano complejo.
-Solución-
a) a.1) Sabemos que una matriz A es diagonalizable si y solo si para cada autovalor de A
se tiene que la multiplicidad algebraica de , ma ( ); coincide con la multiplicidad geométrica
de , mg ( ): De esta manera, para averiguar los valores del parámetro a para los que nuestra
matriz es diagonalizable debemos empezar encontrando sus autovalores, es decir, los ceros del
correspondiente polinomio característico det(A I): Desarrollamos dicho determinante por la
segunda columna que es la más sencilla:
a 0 a 1
a a 1
det(A I) = a 1 1 a 1 =( 1 ) =
a 1 a
a 1 0 a
= ( 1 ) (a )2 ( a 1)2 = ( 1 ) (a )2 (a + 1)2
= ( 1 ) [(a + (a + 1)) (a (a + 1))] ;
usando en la última igualdad que la expresión entre corchetes es una diferencia de cuadrados
y que, por tanto, coincide con una suma por una diferencia. Tenemos que los autovalores de A
son los valores que satisfacen que
( 1 ) [(2a + 1 )( 1)] = 0:

9
Como el polinomio característico ya está factorizado, es fácil ver cuál serían sus ceros, tenemos
entonces que los autovalores de la matriz A son f 1; 1; 2a + 1g :

A continuación debemos analizar sus multiplicidades algebraicas y geométricas. Nos podemos

encontrar en diferentes situaciones dependiendo del valor de a:
Caso 1. Si 1 6= 2a + 1; esto es, a 6= 1; en este caso los autovalores son:
1 con multiplicidad algebraica ma ( 1) = 2.
2a+1 con multiplicidad algebraica ma (2a+1) = 1 y, teniendo en cuenta que las multiplicidades
veri…can que 1 mg (2a + 1) ma (2a + 1) = 1, deducimos que mg (2a + 1) = ma (2a + 1) = 1:
Para ver si la matriz es diagonalizable o no solo nos quedaría averiguar la multiplicidad geo-
métrica del autovalor 1 y comprobar si coincide o no con su multiplicidad algebraica. Tenemos
que

mg ( 1) = dim (Nul(A + I)) = 3 r(A + I):

En ese caso
2 3 2 3
a+1 0 a 1 0 1 1
A+I = 4 a 1 0 a 1 5 !4 a 1 0 a 1 5
1
F1 ! a+1 F1
a 1 0 a+1 1 0 1
1
F3 ! a+1 F3
2 3
1 0 1
!4 0 0 2 (a 1) 5 :
F2 !F2 (a 1)F1
0 0 0
F3 !F3 +F1

Subaso 1.1. Si a 1 6= 0; es decir, si a 6= 1 entonces tenemos 2 pivotes

2 3
1 0 1
6 7
4 0 0 2 (a 1) 5
0 0 0

y r(A + I) = 2; por lo que

mg ( 1) = dim (Nul(A + I)) = 3 r(A + I) = 3 2 = 1 6= ma ( 1)

y la matriz A no sería diagonalizable en este subcaso.

Subcaso 1.2. Si a 1 = 0, es decir, si a = 1 entonces nos quedaría
2 3
1 0 1
4 0 0 0 5
0 0 0

por lo que solo habría un pivote y r(A + I) = 1 así que

mg ( 1) = dim (Nul(A + I)) = 3 r(A + I) = 3 1 = 2 = ma ( 1)

y la matriz A SÍ sería diagonalizable para a = 1: Observemos que a = 1 es el único caso en el

que la matriz A es real y simétrica y por tanto, no solo es diagonalizable sino que además es
ortogonalmente diagonalizable.

10
 2 3
1 0 0
Caso 2. Si a = 1; la matriz es A = 4 2 1 2 5 y el único autovalor es:
0 0 1
1 con multiplicidad algebraica ma ( 1) = 3:
Para ver si la matriz es diagonalizable o no, nos quedaría averiguar la multiplicidad geométrica
del autovalor 1 y comprobar si coincide o no con su multiplicidad algebraica. Tenemos que

mg ( 1) = dim (Nul(A + I)) = 3 r(A + I) = 3 1 = 2 6= ma ( 1)

puesto que 2 3 2 3
0 0 0 2 0 2
A+I =4 2 0 2 5 !4 0 0 0 5:
F1 !F2
0 0 0 0 0 0
Deducimos, por tanto, que la matriz no es diagonalizable si a = 1.
Concluímos que A nunca es diagonalizable salvo en el caso a = 1:

a.2) Para a = 1 los autovalores son f 1; 1; 1g y, por el apartado anterior, tenemos que la
matriz A no es diagonalizable. Como mg ( 1) = 2; obtendremos dos autovectores linealmente
independientes asociados al autovalor = 1; y como ma ( 1) = 3 el tercer vector para formar
una base de R3 será un autovector generalizado.
Comenzamos buscando los autovectores para el autovalor = 1, que son aquellos vectores v
no nulos para los cuales (A I) v = 0; en este caso, (A + I) v = 0: Si resolvemos el sistema
por eliminación gaussiana,
2 3 2 3
0 0 0 0 2 0 2 0
[A + Ij0] = 4 2 0 2 0 5 !4 0 0 0 0 5;
F1 !F2
0 0 0 0 0 0 0 0

observamos que los autovectores asociados a = 1 son aquellos vectores de R3 no nulos tales
que sus componentes veri…can 2x1 2x3 = 0, x2 = y x3 = ; estos son todos los de la forma
2 3 2 3 2 3
0 1
4 5 = 4 1 5 + 4 0 5:
0 1
2 3 2 3
0 1
Tomamos, por ejemplo, v1 = 4 1 5 y v2 = 4 0 5 :
0 1
Los autovectores generalizados asociados a = 1 son aquellos vectores v no nulos para los
cuales (A I)k v = 0; en este caso, (A + I)k v = 0; donde, como mucho, k = 3 = ma ( 1):
Comenzamos calculando (A + I)2
2 32 3 2 3
0 0 0 0 0 0 0 0 0
(A + I)2 = 4 2 0 2 54 2 0 2 5 = 4 0 0 0 5:
0 0 0 0 0 0 0 0 0

Como hemos obtenido la matriz nula signi…ca que cualquier vector v de R3 veri…ca el sistema
(A + I)2 v = 0; por lo que todos los vectores v no nulos serían autovectores generalizados de A:

11
Para obtener una base de R3 basta tomar cualquier vector v3 que sea linealmente independiente
2 3
1
con los autovectores v1 y v2 que ya tenemos. En ese caso podemos tomar v3 = e1 = 4 0 5 ;
0
puesto que 2 3
1 0 1
v3 j v1 j v2 = 4 0 1 0 5
0 0 1
es una matriz escalonada con rango 3 y B = fv1 ; v2 ; v3 g es entonces una base de R3 :
2 3 2 3
0 1
a.3) Por el apartado anterior sabemos que v1 = 4 1 5 y v2 = 4 0 5 son dos autovectores
0 1
independientes asociados al autovalor = 1; y que
S = Genfv1 ; v2 g;
con lo cual, dim(S) = 2: Para calcular la matriz de la proyección sobre S necesitamos una
base ortonormal. Observemos que v1 ?v2 ; por lo que fv1 ; v2 g es ya base ortogonal de S; así que
para tener una base ortonormal solo tenemos que normalizar dichos vectores. Por un lado v1
p 1
ya es un vector de norma 1, solo queda normalizar v2 ; como kv2 k = 2 tomamos u2 = p v2 y
2
fv1 ; u2 g ya sería una base ortonormal del subespacio S: De teoría sabemos que la matriz de la
proyección sobre S; PS ; viene dada por PS = U U T ; donde U = v1 j u2 : Por tanto
2 1 32 2 3
0 p 3 1 1
6 2 7 0 1 0 6 2 0 2 7
6 74 1 1 5 6 7
PS = 6 1 0 7 = 6 0 1 0 7:
4 1 5 p 0 p 4 1 1 5
0 p 2 2 0
2 2 2
Sabemos también de teoría que PS + PS ? = I; con lo cual
2 3 2 3
2 3 1 1 1 1
1 0 0 6 2 0 2 7 6 2
0
2 7
6 7 6 7
P S ? = I PS = 4 0 1 0 5 6 0 1 0 7=6 0 0 0 7:
4 1 1 5 4 1 1 5
0 0 1 0 0
2 2 2 2
NOTA: Si no hubiésemos tenido una base ortogonal de S desde el principio y hubiéramos tenido
que recurrir al método de Gram-Schmidt para calcularla quizás hubiera sido más interesante
comenzar calculando PS ? pues dim(S ? ) = 1:

a.4) Preguntas cortas:

- Ya hemos visto que la matriz es ortogonalmente diagonalizable si y solo si es simétrica y
real y esto solo ocurre cuando a = 1:
- Si a = 1; la proyección del vector v sobre S vendrá dada por
2 3
0
proyS v = PS v = 1 5 :
4
0

12
 - Si a = 1 los autovalores de A quedan f 1; 1; 3g; es decir, son de ambos signos. En ese
caso la forma cuadrática asociada a A es inde…nida.

b) b.1) Debemos calcular en forma binómica y polar el número complejo

p p
1+ 3 +i 1+ 3
z0 = ;
1+i
para ello comenzamos multiplicando y dividiendo por el conjugado del denominador,
p p
1 + 3 + i 1 + 3 ( 1 i)
z0 =
( 1 + i) ( 1 i)
p p p p
1+ 3 + 1+ 3 +i 1+ 3 1+ 3
=
p 2
[ 2] + i 2 3 p
= = 1 3i:
2
p
Lo escribimos, a continuación, en forma polar. Su módulo viene dado por = 1 + 3 = 2 y
uno de sus argumentos debe cumplir que

2 cos = 1;
p
2 sen = 3;

por tanto es un ángulo del tercer cuadrante que cumple

1
cos = ;
2p
3
sen = ;
2
4 4
es decir, es el ángulo del tercer cuadrante, = + : Por tanto z0 = 2ei 3 :
=
3 3 3 p
Las raíces cuartas de z0 vendrán dadas, según la teoría, por wk = 4 2ei k ; donde
4
+ 2k
= 3 ;
k
4
para k = 0; 1; 2; 3: En ese caso
p
2ei 3 ;
4
w0 =
p p
2ei( 3 + 2 ) = 2ei 6 ;
4 4 5
w1 =
p p
2ei( 3 + ) = 2ei 3 ;
4 4 4
w3 =
p 3 p
2ei( 3 + 2 ) = 2ei 6 :
4 4 11
w3 =

b.2) Preguntas cortas:

- Para buscar un polinomio cuyos ceros sean los valores wk solo nos debemos de dar cuenta
que wk son las raíces cuartas de z0; con lo cual wk son los ceros del polinomio
p
p(z) = z 4 z0 = z 4 + 1 + 3i:

13
También podríamos haber escrito

p(z) = (z w0 ) (z w1 ) (z w2 ) (z w3 )

-Una representación de dichos valores en el plano complejo es

complejos

1 :png

14