Grado en Ingenierı́a de Tecnologı́as Industriales. Curso 2021-2022.

Matemáticas I. Examen de prueba.

Ejercicios resueltos
Ejercicio 1.
a) [8 puntos] Para cada a ∈ R considera la matriz A y el vector b dados por
   
1 a −2a 1
 −1 0  2
a  y b =  a − 1 .

A=  2 a −3a   a+2 
1 −a a a2 + 1
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 y resolverlo para a = 0.
a.3) Hallar unas ecuaciones implı́citas del subespacio Col(A), según los valores de a.
a.4) Para a = 1, obtener el vector proyCol(A) (b) y el vector proy(Col(A))⊥ (b).
a.5) Preguntas cortas:
- Para a = 1, la dimensión del subespacio N ul(A) es dim (N ul(A)) = .....
3 4
 la transformación lineal T : R → R que tiene a A como matriz asociada
- Para a =1considera
−1
y halla T  1  .
2
- Para a = 0, la dimensión del subespacio (N ul(A))⊥ es dim (N ul(A))⊥ = .....
b) [2 puntos]
b.1) Halla las soluciones de la ecuación compleja
z 3 + 8 z 3 − 8 = 0,

exprésalas en forma binómica y represéntalas en el plano complejo.

b.2) Preguntas cortas:
1
- La parte imaginaria del número z = es Im(z) = ....
i
- La distancia de z = 1 + i a w = 4 + 5i es dis(z, w) = .....
-Solución-
(a) a.1) Comenzamos aplicando el método de Gauss a la matriz A teniendo en cuenta que
no podemos cambiar de filas salvo que sea estrictamente necesario, lo cual ocurre cuando nos
encontramos un cero en el lugar del pivote
   
1 a −2a 1 a −2a
 −1 0 a  M1  0 a −a 
A=  −−−− − −−→  .
 2 a −3a  F2 →F2 +F1  0 −a a 
F3 →F3 −2F1
1 −a a F4 →F4 −F1 0 −2a 3a

1
Caso 1. Si a 6= 0 podemos tomar a como pivote y no necesitamos cambiar de filas. Continuamos
con el proceso de Gauss
   
1 a −2a 1 a −2a
 0 a −a 
 −−−− M2  0 a −a 

 0 −a −−−→  .
a  F3 →F3 +F2  0 0 0 
F4 →F4 +2F2
0 −2a 3a 0 0 a
El lugar a33 del siguiente pivote lo ocupa un cero, ası́ que nos vemos con la necesidad de
permutar filas    
1 a −2a 1 a −2a
 0 a −a  P34  0 a −a 
  −→   = U.
 0 0 0  F3 ←→F4  0 0 a 
0 0 a 0 0 0
Como hemos cambiado filas 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
M̂2 M̂1 P34 A = U, siendo M̂i = P34 Mi P34 , para i = 1, 2.

Por tanto P34 A = M̂1−1 M̂2−1 U = LU, donde

     
1 0 0 0 1 0 0 0 1 0 0 0
 1 1 0 0   1 1 0 0  −1 1 0 0 
M̂1−1 = 

M1 =   −2 0 1 0  , M̂1 =  −1
  , ,
0 1 0   1 0 1 0 
−1 0 0 1 −2 0 0 1 2 0 0 1
     
1 0 0 0 1 0 0 0 1 0 0 0
 0 1 0 0   0 1 0 0  0 1 0 0 
, M̂2−1 = 
 
M2 =   0 1 1 0  , M̂2 =  0 2
 
 0 −2
,
1 0  1 0 
0 2 0 1 0 1 0 1 0 −1 0 1
   
1 0 0 0 1 0 0 0
 0 1 0 0  −1 −1
 −1 1 0 0 
P34 =   0 0 0 1  , L = M̂1 M̂2
 = 1 −2 1 0  .


0 0 1 0 2 −1 0 1
Caso 2. Si a = 0, después de aplicar Gauss al primer pivote con la matriz M1 nos ha quedado
 
1 0 0
 0 0 0  0
 0 0 0 =U.
M1 A =  

0 0 0
Por tanto la matriz ya está escalonada y no hemos tenido que intercambiar filas, en este segundo
caso sı́ existe factorización LU de A, concretamente

M1 A = U 0 ,
A = M1−1 U 0 = L0 U 0

2
donde M1 es la misma matriz descrita en el caso 1 y
 
1 0 0 0
−1 1 0 0 
M1−1 = L0 = 

.
 2 0 1 0 
1 0 0 1

a.2) Para estudiar la compatibilidad de Ax = b usamos de nuevo el método de Gauss a la

matriz ampliada [A |b ]
   
1 a −2a 1 1 a −2a 1
2
 −1 0 a a − 1   0 a −a a2 
[A |b ] =   −−−−−−−→  .
 2 a −3a a+2  F2 →F2 +F1  0 −a a a 
2 F3 →F3 −2F1
1 −a a a +1 F4 →F4 −F1 0 −2a 3a a2

Caso 1. Si a 6= 0 podemos tomar a como pivote y continuar con el proceso de Gauss.

   
1 a −2a 1 1 a −2a 1
 0
 a −a a2 
 −−−−−−−→  0 a −a
 a2  
 0 −a a a  F3 →F3 +F2  0 0 0 a + a2 
F4 →F4 +2F2
0 −2a 3a a2 0 0 a 3a2

Repitiendo el proceso que hicimos en el primer apartado, intercambiamos las filas 3 y 4

   
1 a −2a 1 1 a −2a 1
2
 0 a −a a 
 0
 a −a a2 
2  −→ 
  
 0 0 0 a+a F3 ←→F4 0 0 a 3a2 
0 0 a 3a2 0 0 0 a + a2

Como posible pivote tenemos ahora el número a + a2 = a(1 + a). Será pivote si no es cero.
Vemos que a(1 + a) = 0 si a = 0 o a = −1. Como estamos en el caso 1 es seguro que a 6= 0,
con lo cual nos queda ver si a = −1 o no.

Caso 1.1. Si a 6= −1, el elemento a(1 + a) serı́a pivote y al estar en el término independiente el
sistema serı́a incompatible.
Caso 1.2. Sin embargo si a = −1, el término independiente no serı́a pivote por lo que el sistema
sı́ serı́a compatible. Como además en el caso a = −1 todas las columnas de A son pivote el
sistema serı́a compatible determinado.

Caso 2. Para a = 0, el sistema queda

 
1 0 0 1
 0
 0 0 0 
,
 0 0 0 0 
0 0 0 0

que es claramente un sistema compatible por no haber pivotes en el término independiente,

y es compatible indeterminado por haber columnas que no tienen pivote. Si resolvemos este

3
sistema vemos que las columnas 2 y 3 son las que no tienen pivote por lo que corresponden a
variables libres x2 = α, x3 = β. La única ecuación que hay nos da x1 = 1. La solución queda
       
1 1 0 0
x = α = 0 + α 1 + β 0 .
      
β 0 0 1

a.3).Para hallar las ecuaciones implı́citas de Col(A) tenemos en cuenta que

Col(A) = y ∈ 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
Caso 1. Si a 6= 0
   
1 a −2a y1 1 a −2a y1
 −1 0 a y2 
  0 a −a y2 + y1 
[A |y ] =  −−−−−−−→  
 2 a −3a y3  F2 →F2 +F1  0 −a a y3 − 2y1 
F3 →F3 −2F1
1 −a a y4 F4 →F4 −F1 0 −2a 3a y4 − y1
 
1 a −2a y1
 0 a −a y2 + y1 
−−−−−−−→  
F3 →F3 +F2  0 0 0 y3 − y1 + y2 
F4 →F4 +2F2
0 0 a y4 + y1 + 2y2
 
1 a −2a y1
 0 a −a y2 + y1 
−→  .
F3 ←→F4  0 0 a y4 + y1 + 2y2 
0 0 0 y3 − y1 + y2
De ahı́ que Ax = y es compatible si y sólo si
{y3 − y1 + y2 = 0} Ecuación implı́cita de Col(A).
Caso 2. Si a = 0,
   
1 0 0 y1 1 0 0 y1
 −1 0 0 y2   0 0 0 y2 + y1 
[A |y ] =   −−−−−−−→  
 2 0 0 y3  F2 →F2 +F1  0 0 0 y3 − 2y1 
F3 →F3 −2F1
1 0 0 y4 F4 →F4 −F1 0 0 0 y4 − y1
De ahı́ que Ax = y es compatible si y sólo si
 
 y2 + y1 = 0, 
y3 − 2y1 = 0, Ecuaciones implı́citas de Col(A).
y4 − y1 = 0
 

a.4) Para a = 1 tenemos que calcular proyCol(A) (b) y proyCol(A)⊥ (b), siendo
 
1
 0 
b=  3 .


4
Como a 6= 0 sabemos de los apartados anteriores que todas las columnas de A tienen pi-
vote ası́ que todas son linealmente independientes, en consecuencia dim(Col(A)) = 3. Como
dim(Col(A)) + dim(Col(A)⊥ ) = 4, deducimos que dim(Col(A)⊥ ) = 1. Ası́ que es mejor pro-
yectar en el subespacio Col(A)⊥ que tiene una dimensión menor y a partir de dicha proyección
encontraremos también la proyección sobre el subespacio Col(A). Necesitamos una base de
Col(A)⊥ , por teorı́a sabemos que de unas ecuaciones implı́citas de Col(A) se puede obtener
una base de Col(A)⊥ . En el apartado anterior hallamos una ecuación implı́cita de Col(A),

y3 − y1 + y2 = 0,

por lo que una base de Col(A)⊥ viene dada por

  

 −1 

  1 
B = v1 =   1  .


 
0
 

Ası́ que ya podemos entender que es una base ortogonal al estar formada por un solo vector,
por lo que la proyección de b sobre Col(A)⊥ viene dada por
 
−1
b · v1 2 1 .

proyCol(A)⊥ (b) = 2 v1 =
kv1 k 3  1 
0

Usamos ahora que b = proyCol(A) (b) + proyCol(A)⊥ (b), por lo que

     
1 −1 5
 0  2 1  1  −2 
proyCol(A) (b) = b − proyCol(A)⊥ (b) = 
 3 − 3 1
  = 
 3  7 .


2 0 6

a.5) Preguntas cortas:

- Para a = 1 sabemos que dim(Col(A)) = 3, como

dim(N ul(A)) + dim(Col(A)) = 3

deducimos que dim(N ul(A)) = 0.

- Para a = 1 la matriz asociada a la transformación lineal T es
 
1 1 −2
 −1 0 1 
A= .
 2 1 −3 
1 −1 1
Luego,    
  1 1 −2   −4
−1  −1 0 −1
1 
  3 
T  1  =  1 = .
 2 1 −3   −7 
2 2
1 −1 1 0

5
 = 1, como dim(Col(A)) = dim(Col(At )) = dim N ul(A)⊥ , dedu-


- Para a = 0, dim(Col(A))
cimos que dim N ul(A)⊥ = 1.

(b) b.1) Debemos hallar las soluciones de la ecuación (z 3 + 8)(z 3 − 8) = 0. Se trata de una
ecuación polinómica, es decir, debemos encontrar los ceros de un polinomio de grado 6. Sabemos
por el teorema fundamental del Álgebra que esta ecuación tendrá por solución 6 raı́ces que
pueden ser reales o complejas. Como (z 3 + 8)(z 3 − 8) = 0, entonces o bien z 3 + 8 = 0 o bien
z 3 − 8 = 0. Comenzamos por la primera de ellas
√
z 3 + 8 = 0 → z 3 = −8 → z = 3 −8.
Para hallar las raı́ces de un número complejo tenemos que escribirlo en forma exponecial. Como
−8 es real y negativo√su módulo coincide con su valor absoluto y uno de sus argumentos es
3
θ = π. Ası́ pues z = 8eiπ . Aplicando la fórmula para calcular raı́ces sabemos que −8 tiene 3
raı́ces cúbicas distintas zk = |zk | eiθk , k = 0, 1, 2 dadas por
√
3
|zk | = 8 = 2,
π + 2kπ
θk = .
3
En ese caso
i π3
 π π √
z0 = 2e = 2 cos + i sen = 1 + 3i,
3 3
i 3π
z1 = 2e = 2 (cos π + i sen π) = −2,
3

√
 
i 5π 5π 5π
z2 = 2e 3 = 2 cos + i sen = 1 − 3i.
3 3
√
Resolvemos ahora z 3 − 8 = 0, en este caso z 3 = 8, por lo que z = 3 8. Escribimos el número 8
en forma exponencial, como es real y positivo √ su módulo coincide con su valor absoluto y uno
3
de sus argumentos es θ = 0. Ası́ pues z = 8ei0 . Aplicamos de nuevo la fórmula para calcular
las raı́ces cúbicas de un número, quedando ahora las 3 raı́ces cúbicas wk = |wk | eiφk , k = 0, 1, 2,
dadas por
√3
|wk | = 8 = 2,
0 + 2kπ
φk = .
3
Ahora tenemos
w0 = 2ei0 = 2,
√
 
i 2π 2π 2π
w1 = 2e 3 = 2 cos + i sen = −1 + 3i,
3 3
√
 
4π 4π 4π
w2 = 2ei 3 = 2 cos + i sen = −1 − 3i.
3 3
También podrı́amos haber encontrado las soluciones de esta ecuación razonando de la siguiente
forma. Observamos que (z 3 +8)(z 3 −8) es una identidad notable de la forma suma por diferencia
con lo cual se puede escribir como diferencia de cuadradados

2
z 3 − 82 = 0,
z 6 − 64 = 0.

6
Ası́ que las soluciones de esta ecuación vienen dadas por z 6 = 64, es decir z serı́an las 6 raı́ces
sextas de 64, √6
z = 64.
Para hallar dichas raı́ces escribimos el número 64 en forma exponencial, como es√un número
6
real y positivo su módulo es 64 y uno de sus argumentos es θ = 0, por lo que z = 64ei0 y sus
raı́ces sextas serı́an zk = |zk | eiθk , k = 0, 1, 2, 3, 4, 5, donde
√6
|zk | = 64 = 2,
0 + 2kπ
θk = .
6
Para k = 0, · · · , 5, se obtendrı́an los mismos valores que ya obtuvimos antes.
Una representación de dichos valores en el plano complejo es

y como corresponden a las raı́ces sextas de un número, forman un hexágono regular.

b.2) Preguntas cortas:
−1 1
- Como i2 = −1, tenemos que i = , por lo que = −i, ası́ que Im(z) = −1.
i i √
- dist(1 + i, 4 + 5i) = |1 + i − (4 + 5i)| = |−3 − 4i| = 9 + 16 = 5.

7
Ejercicio 2.  
2a a + 1 a2 − 1
a) [7 puntos] Para cada a ∈ R considera la matriz A =  0 0 a − 3 .
0 a−3 0
Se pide:
a.1) Estudiar la diagonalizabilidad de la matriz A según los valores de a ∈ R.
a.2) Para a = 1, hallar una base B de R3 formada por autovectores y autovectores generalizados
de A.
 
−1
a.3) Para a = 1, hallar las coordenadas del vector u =  3  respecto de la base B.
1
a.4) Preguntas cortas:
- Para a = 1, el determinante de la matriz A3 − 5I es det (A3 − 5I) = ....
- La matriz A es ortogonalmente diagonalizable para a = ....
- Para a = −1, clasifica la forma cuadrática Ψ asociada a la matriz A .

b) [3 puntos] Para cada a ∈ R considera la familia de cuádricas

a2 x2 + 2ax + (a − 1)y 2 − 2(a − 1)y + (a − 3)z 2 = −3.

Se pide:
b.1) Clasificar la familia según los valores de a.
b.2) Preguntas cortas:
- Para a = 2, la cuádrica correspondiente tiene por centro el punto C = ....
- Para a = 2, la cónica obtenida al cortar la cuádrica correspondiente con el plano z = 1 es...
- Para a = 2, la cónica obtenida al cortar la cuádrica correspondiente con el plano z = 2 es...

-Solución-

a) a.1) Sabemos que una matriz A es diagonalizable si y solo si para cada autovalor λ de A
se tiene que la multiplicidad algebraica de λ, ma (λ), coincide con la multiplicidad geométrica
de λ, mg (λ). 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 caracterı́stico det(A − λI). Teniendo en cuenta que

2a − λ a + 1 a2 − 1
−λ a − 3
det(A − λI) = 0 −λ a − 3 = (2a − λ)
a − 3 −λ
0 a − 3 −λ
= (2a − λ) λ2 − (a − 3)2 = (2a − λ) [λ − (a − 3)] [λ + (a − 3)] ,
 

descubrimos que dicho polinomio se anula para los valores λ para los que se tiene 2a − λ = 0,
λ − (a − 3) = 0 o λ + (a − 3) = 0. Esto ocurre si λ = 2a, λ = a − 3 o λ = −a + 3, luego los
autovalores de la matriz A son {2a, a − 3, −a + 3} .
A continuación debemos estudiar sus multiplicidades algebraicas y geométricas. Para ello anali-
zamos en primer lugar cuándo estos autovalores coinciden. Notamos que los autovalores primero

8
y segundo coinciden cuando 2a = a − 3, es decir, si a = −3; los autovalores segundo y tercero
coinciden si a − 3 = −a + 3, es decir, si a = 3; y los autovalores primero y tercero coinciden si
2a = −a + 3, es decir, si a = 1.
Se presentan cuatro casos:
Caso 1. Si a 6= 1, a 6= 3 y a 6= −3, los autovalores son:
∗ 2a con multiplicidad algebraica ma (2a) = 1.
∗ a − 3 con multiplicidad algebraica ma (a − 3) = 1.
∗ −a + 3 con multiplicidad algebraica ma (−a + 3) = 1.
Como los tres autovalores son simples podemos garantizar que la matriz A es diagonalizable en
este caso.
 
2 2 0
Caso 2. Si a = 1, la matriz es A =  0 0 −2  y los autovalores son:
0 −2 0
∗ 2 con multiplicidad algebraica ma (2) = 2;
∗ −2 con multiplicidad algebraica ma (−2) = 1 y, como 1 ≤ mg (−2) ≤ ma (−2) = 1, deducimos
que mg (−2) = ma (−2) = 1.
Para ver si la matriz es diagonalizable o no solo nos quedarı́a averiguar la multiplicidad geo-
métrica del autovalor 2 y comprobar si coincide o no con su multiplicidad algebraica. Tenemos
que
mg (2) = dim (Nul(A − 2I)) = 3 − r(A − 2I) = 3 − 2 = 1 6= ma (2)
puesto que
     
0 2 0 0 2 0 0 2 0
A − 2I = 0 −2 −2 −→ 0
   0 −2 −→ 0
  0 −2  .
0 −2 −2 0 0 −2 0 0 0

Deducimos, por tanto, que la matriz no es diagonalizable si a = 1.

 
6 4 8
Caso 3. Si a = 3, la matriz es A =  0 0 0  y los autovalores son:
0 0 0
∗ 0 con multiplicidad algebraica ma (0) = 2;
∗ 6 con multiplicidad algebraica ma (6) = 1 y, teniendo en cuenta que 1 ≤ mg (6) ≤ ma (6) = 1,
deducimos que mg (6) = ma (6) = 1.
Para ver si la matriz es diagonalizable o no solo nos quedarı́a averiguar la multiplicidad geo-
métrica del autovalor 0 y comprobar si coincide o no con su multiplicidad algebraica. Tenemos
que
mg (0) = dim (Nul(A)) = 3 − r(A) = 3 − 1 = 2 = ma (0)
puesto que  
6 4 8
A= 0 0 0 .
0 0 0
Deducimos, por tanto, que la matriz sı́ es diagonalizable si a = 3.

9
  
−6 −2 8
Caso 4. Si a = −3, la matriz es A =  0 0 −6  y los autovalores son:
0 −6 0
∗ −6 con multiplicidad algebraica ma (−6) = 2;
∗ 6 con multiplicidad algebraica ma (6) = 1 y, como 1 ≤ mg (6) ≤ ma (6) = 1, deducimos que
mg (6) = ma (6) = 1.
Para ver si la matriz es diagonalizable o no solo nos quedarı́a averiguar la multiplicidad geo-
métrica del autovalor −6 y comprobar si coincide o no con su multiplicidad algebraica. Tenemos
que
mg (−6) = dim (Nul(A + 6I)) = 3 − r(A + 6I) = 3 − 2 = 1 6= ma (−6)
puesto que
     
0 −2 8 0 −2 8 0 −2 8
A + 6I = 0 6 −6 −→ 0
   0 18  −→ 0
 0 18  .
0 −6 6 0 0 −18 0 0 0

Deducimos, por tanto, que la matriz no es diagonalizable si a = −3.

Resumiendo, la matriz A siempre es diagonalizable salvo en los casos a = 1 y a = −3.

 
2 2 0
a.2) Para a = 1 la matriz es A =  0 0 −2  que tiene como autovalores λ = 2 con
0 −2 0
ma (2) = 2 y mg (2) = 1 y λ = −2 con mg (−2) = ma (−2) = 1.
Sabemos por el primer apartado que A es una matriz no diagonalizable. En ese caso se puede
encontrar una base B de R3 formada por dos autovectores de A, v1 (asociado al autovalor
λ = −2) y v2 (asociado al autovalor λ = 2), y un autovector generalizado v3 asociado también
al autovalor λ = 2.
Para el autovalor λ = −2, los autovectores son aquellos vectores v no nulos para los cuales
(A + 2I) v = 0. Si resolvemos el sistema por eliminación gaussiana,
   
4 2 0 0 4 2 0 0
[A + 2I|0] = 0 2 −2 0 −→
   0 2 −2 0 ,
0 −2 2 0 0 0 0 0

observamos que los autovectores asociados a λ = −2 son aquellos vectores de R3 no nulos tales
que sus componentes verifican 4x1 + 2x2 = 0, 2x2 − 2x3 = 0 y x3 = α, estos son todos los de la
forma    
−α/2 −1
 α  = α  2 .
2
α 2
 
−1
Tomamos, por ejemplo, v1 =  2  .
2

10
Para el autovalor λ = 2, los autovectores son aquellos vectores v no nulos para los cuales
(A − 2I)v = 0. Si resolvemos el sistema por eliminación gaussiana,
     
0 2 0 0 0 2 0 0 0 2 0 0
[A − 2I|0] = 0 −2 −2 0 −→ 0 0 −2 0 −→ 0 0
     −2 0 ,
0 −2 −2 0 0 0 −2 0 0 0 0 0
observamos que los autovectores asociados a λ = 2 son aquellos vectores de R3 no nulos tales
que sus componentes verifican 2x2 = 0, −2x3 = 0 y x1 = α, estos son todos los de la forma
   
α 1
 0  = α 0 .
0 0
 
1
Tomamos, por ejemplo, v2 = 0  .

0
El vector v3 debe ser autovector generalizado para el autovalor λ = 2. Los autovectores genera-
lizados son aquellos vectores v no nulos para los cuales (A − λI)k v = 0, para algún k ∈ N, en
este caso, (A − 2I)k v = 0. Sabemos además que el valor de k es, como mucho, la multiplicidad
algebraica de λ = 2, es decir, k = 2. Si resolvemos el sistema (A − 2I)2 v = 0 por eliminación
gaussiana,    
0 −4 −4 0 0 −4 −4 0
(A − 2I)2 |0 =  0 8
 
8 0 → 0 0 0 0 ,
0 8 8 0 0 0 0 0
observamos que son autovectores generalizados asociados a λ = 2 aquellos vectores de R3 no
nulos tales que sus componentes verifican −4x2 − 4x3 = 0, x1 = α y x3 = β, estos son todos los
de la forma      
α 1 0
 −β  = α  0  + β  −1  .
β 0 1
 
0
Tomamos, por ejemplo, v3 = −1  , que es linealmente independiente con v1 y v2 .

   1   
 −1 1 0 
Ası́ B = v1 =  2  , v2 =  0  , v3 =  −1  es una base de R3 formada por autovec-
2 0 1
 
tores y autovectores generalizados de la matriz A.
a.3) Primera forma. Consideramos en R3 dos bases:
- por un lado la base canónica BC = {e1 , e2 , e3 }
- y, por otro lado, la base obtenida en el apartado anterior B = {v1 , v2 , v3 } .
Por la fórmula de cambio de base sabemos que para todo x ∈ R3 se tiene que
[v1 |v2 |v3 ] . [x]B = [e1 |e2 |e3 ] . [x]BC
[x]B = [v1 |v2 |v3 ]−1 [e1 |e2 |e3 ]. [x]BC
| {z }
I
−1
[x]B = [v1 |v2 |v3 ] . [x]BC

11
  
−1
Las coordenadas del vector u dado respecto de la base canónica es [u]BC =  3 , luego
1
 −1  
−1 1 0 −1
[u]B = [v1 |v2 |v3 ]−1 . [u]BC =  2 0 −1  .  3  .
2 0 1 1
 
−1 1 0
Necesitamos hacer la inversa de la matriz  2 0 −1  . Para ello haremos uso del método
2 0 1
de Gauss- Jordan.
   
−1 1 0 1 0 0 −1 1 0 1 0 0
 2 0 −1 0 1 0  −−−−−−−→  0 2 −1 2 1 0  −−−−−−→
F2 →F2 +2F1 F3 →F3 −F2
2 0 1 0 0 1 F3 →F3 +2F1 0 2 1 2 0 1
   
−1 1 0 1 0 0 1 −1 0 −1 0 0
 0 2 −1 2 1 0  −−→  0 1 −1/2 1 1/2 0  −−−−−−−−→
−F1 F2 →F2 +1/2F3
0 0 2 0 −1 1 F2 /2 0 0 1 0 −1/2 1/2
F3 /2
   
1 −1 0 −1 0 0 1 0 0 0 1/4 1/4
 0 1 0 1 1/4 1/4  −−−−−−→  0 1 0 1 1/4 1/4  .
F1 →F1 +F2
0 0 1 0 −1/2 1/2 0 0 1 0 −1/2 1/2
Finalmente
 −1  
−1 1 0 −1
[u]B =  2 0 −1  .  3 
2 0 1 1
     
0 1/4 1/4 −1 1
=  1 1/4 1/4  .  3  =  0  .
0 −1/2 1/2 1 −1
Segunda forma. Por definición, sabemos que  las
 coordenadas del vector u respecto de la base
a
B = {v1 , v2 , v3 } vienen dadas por [u]B =  b  donde a, b y c son los únicos coeficientes que
c
permiten expresar u como combinación lineal de v1 , v2 y v3 , esto es,
u = av1 + bv2 + cv3 .
En nuestro caso, deben cumplir
       
−1 −1 1 0
 3  = a  2  + b  0  + c  −1  ,
1 2 0 1

−1 = −a + b 
3 = 2a − c → a = 1, b = 0, c = −1.
1 = 2a + c


12
  
1
Luego, [u]B =  0  .
−1
a.4) Preguntas cortas:
- Para a = 1, el determinante de la matriz A3 − 5I es det (A3 − 5I) = −117 porque el determi-
nante de una matriz coincide con el producto de los autovalores de dicha matriz.
Como los autovalores de A son {2, −2,  2}, la propiedades de los autovalores nos permiten
asegurar que los autovalores de A3 son 23 , (−2)3 , 23 = {8, −8, 8} y los autovalores de A3 − 5I
son {8 − 5, −8 − 5, 8 − 5} = {3, −13, 3} . Ası́,

det A3 − 5I = −3,13,3 = −117.

- La matriz A es ortogonalmente diagonalizable para a = −1 porque las únicas matrices orto-

gonalmente diagonalizables son las simétricas y reales. En nuestro caso, para que nuestra matriz
real A sea simétrica debe ocurrir que A = AT ,
   
2a a + 1 a2 − 1 2a 0 0
 0 0 a−3  =  a+1 0 a−3 
0 a−3 0 a2 − 1 a − 3 0

a+1=0
→ a = −1.
a2 − 1 = 0

- Para a = −1, la forma cuadrática Ψ asociada a la matriz A es indefinida porque sus autovalores
son {2a, a − 3, −a + 3} = {−2, −4, 4} y observamos que tiene autovalores de distinto signo.

b) b.1) Para clasificar la familia de cuádricas de ecuación

a2 x2 + 2ax + (a − 1)y 2 − 2(a − 1)y + (a − 3)z 2 = −3,

necesitamos en primer lugar encontrar su ecuación reducida. Para ello comenzamos agrupando
términos y sacando factor común los coeficientes que acompañan a las variables que están
elevadas al cuadrado en la ecuación que describe la cuádrica. Observamos que si a 6= 0 entonces
 
2
a x + x + (a − 1) y 2 − 2y + (a − 3)z 2 = −3.
2 2


a

Completamos cuadrados en la expresión anterior y queda

 
2 1 1
a x + x + 2 − 2 + (a − 1) y 2 − 2y + 1 − 1 + (a − 3)z 2 = −3,
2 2


a a a

es decir,
 
2 2 2 1
− 1 + (a − 1) y 2 − 2y + 1 − a + 1 + (a − 3)z 2 = −3,


a x + x+ 2
a a
 2
1
2
a x+ + (a − 1) (y − 1)2 + (a − 3)z 2 = −3 + a.
a

13
Basta hacer el cambio de variables
1 
 
 X =x+ 

a
 Y =y−1 
Z=z
 

para deducir que la ecuación reducida es

a2 X 2 + (a − 1)Y 2 + (a − 3)Z 2 = −3 + a.
Notemos que, para a 6= 0, el coeficiente de X 2 es siempre positivo; el coeficiente de Y 2 es
negativo si a < 1 y positivo si a > 1; el coeficiente de Z 2 es negativo si a < 3 y positivo si
a > 3; y el término independiente es negativo si a < 3 y positivo si a > 3. Ası́ que estos dos
valores de a dividen a la recta real en 3 subintervalos en los que los signos de los coeficientes y
del término independiente pueden cambiar dando lugar a la siguiente familia de cuádricas:
– Si a < 1 con a 6= 0, los signos son (+)(−)(−) = (−) o, equivalentemente, (−)(+)(+) = (+) y
se tiene un hiperboloide de una hoja (hiperboloide hiperbólico).
– Si 1 < a < 3, los signos son (+)(+)(−) = (−) y se tiene un hiperboloide de dos hojas
(hiperboloide elı́ptico).
– Si a > 0, los signos son (+)(+)(+) = (+) y se tiene un elipsoide.
Quedan los casos en los que se anula alguno de los coeficientes o el término independiente.
Para a = 1 tenemos la ecuación X 2 − 2Z 2 = −2 que corresponde a un cilindro hiperbólico.
Para a = 3 tenemos la ecuación 9X 2 + 2Y 2 = 0 que corresponde a una recta (de ecuaciones
X = 0, Y = 0). Para a = 0 no es válido este razonamiento desde el momento en el que tuvimos
que dividir entre a y habrá que analizarlo de manera particular.
En el caso a = 0, la ecuación de la cuádrica es
−y 2 + 2y − 3z 2 = −3
− y 2 − 2y + 1 − 1 − 3z 2 = −3

− (y − 1)2 − 3z 2 = −4
(y − 1)2 + 3z 2 = 4
(y − 1)2 z2
+ = 1
4 4/3
que corresponde a un cilindro elı́ptico.
b.2) Preguntas cortas:  
1
- Para a = 2, la cuádrica correspondiente tiene por centro el punto C = − , 1, 0 porque, en
2
este caso, la ecuación reducida es
 2
1
4 x+ + (y − 1)2 − z 2 = −1
2
- Para a = 2, la cónica obtenida al cortar la cuádrica correspondiente con el plano z = 1 es un
punto porque dicha cónica tiene de ecuación
 2  2
1 2 1
4 x+ 2
+ (y − 1) − 1 = −1 → 4 x + + (y − 1)2 = 0
2 2

14
  
1
y esta ecuación solo la verifica el punto (x, y) = − , 1 del plano z = 1.
2
- Para a = 2, la cónica obtenida al cortar la cuádrica correspondiente con el plano z = 2 es una
elipse en el plano z = 2 porque dicha cónica tiene de ecuación
 2
1
4 x+ + (y − 1)2 − 22 = −1
2
 2
1
4 x+ + (y − 1)2 = 3
2

2
x + 21 (y − 1)2
+ = 1
3/4 3

15