MAT 0221 - Ejercicios de preparación y soluciones para el Examen Final Universidad San Francisco de Quito

1. Para el siguiente sistema de ecuaciones lineales, determina la forma escalonada y los pivotes según el valor de
d ∈ R:
2x 1 + 5x 2 + x 3 = 0
4x 1 + dx 2 + x 2 = 2
x2 − x3 = 15.
¿Cuántas soluciones tiene el sistema?

Solución: La matriz aumentada del sistema es

2 5 1 0
*.4 d 1 2 +/ .
,0 1 −1 15-

Usando la reducción por filas obtenemos

2 5 1 0 2 5 1 0 2 5 1 0
*.4 d 1 2 +/ ∼ *.0 1 −1 2 +/ ∼ *.0 1 −1 2 +/ .
,0 1 −1 15- ,0 d − 10 −1 15- ,0 0 d − 11 35 − 2d -

Distinguimos los siguientes casos:

Caso d = 11: En este caso el sistema es inconsistente ya que la última fila corresponde a la ecuación 0 = 13.
Caso d , 11: En este caso el sistema es consistente. Además, todas las columnas de la matriz coeficiente son pivote
así que hay una única solución.

2. Determina los valores de a para los cuales la siguiente ecuación tiene soluciones no triviales:

a 1 1
c1 *.1+/ + c2 *.2+/ + c3 *.3+/ = 0.
,0- ,1- ,2-

a 1 1 0
Solución: La ecuación vectorial corresponde al sistema lineal homogéneo con matriz aumentada *.1 2 3 0+/.
,0 1 2 0-
Reducción por filas da

a 1 1 0 1 2 3 0 1 2 3 0
*.1 2 3 0+/ ∼ *.0 1 2 0+/ ∼ *.0 1 2 0+/ .
,0 1 2 0- ,0 2−a 3−a 0- ,0 0 a − 1 0-

Distinguimos los siguientes casos:

Caso a = 1: En este caso la tercera variable es libre y el sistema tiene un número infinito de soluciones.
Caso a , 1: En este caso el sistema sólo tiene variables básica y por ende tiene únicamente la solución trivial.

3. Determina cuáles de las siguientes transformaciones son lineales y en caso de que son lineales determina su matriz
asociada. Justifíca tu respuesta.
! !
x1 x
(a) T1 : R2 → R2, 7→ 2
x2 x1

1
MAT 0221 - Ejercicios de preparación y soluciones para el Examen Final Universidad San Francisco de Quito

! !
x1 x1
(b) T2 : R2 → R2, 7 →
x2 x1
! !
x1 0
(c) T3 : R2 → R2, 7→
x2 x1
! !
x1 0
(d) T4 : R2 → R2, 7→
x2 1
x1 !
0
(e) T5 : R3 → R2, *. x 2 +/ 7→
x1
,x3-
Solución:

(a) T1 es lineal:
! !
x1 y1
Aditividad: Sean x = ,y = ∈ R2 . Tenemos
x2 y2

x 1 + y1 x 2 + y2
! ! ! ! ! !
x2 y2 x1 y1
T1 (x + y) = T1 = = + = T1 + T1 = T1 (x) + T1 (y)
x 2 + y2 x 1 + y1 x1 y1 x2 y2

así que T1 es aditivo.

!
x1
Multiplicatividad: Sean x = ∈ R2 , c ∈ R. Tenemos
x2
! ! ! !
cx 1 cx 2 x x
T1 (cx) = T1 = = c 2 = cT 1 = cT1 (x)
cx 2 cx 1 x1 x2

así que T1 es multiplicativo.

Para determinar la matriz de T1 recordemos la regla que en general la i-esima columna de la matriz estándar de
0
*. . +/
.. .. //
..0//
una transformación lineal contiene la imágen del i-esimo vector estándar ei = ..1//.
. /
..0//
.. ... //
.. //

! ! ! ! ,0-
1 0 0 1
En nuestro caso T1 (e1 ) = T1 = y T1 (e2 ) = T1 = . Deducimos que la matriz estándar asociada a
0 1 1 0
!
0 1
T1 es A1 = .
1 0
(b) También T2 es lineal, la demostración funciona de la misma manera
! como en (a) reemplazando la formula de T1
1 0
con la de T2 . La matriz estándar asociada a T2 es A2 = .
1 0
(c) También T3 es lineal, la demostración funciona de la misma manera
! como en (a) reemplazando la formula de T1
0 1
con la de T3 . La matriz estándar asociada a T3 es A3 = .
0 0
! !
1 1
(d) T4 no es lineal porque no es aditivo como muestra el siguiente contraejemplo: Sean v1 = y v1 = .
0 1
! !
0 0
Tenemos T (v1 + v2 ) = y T (v1 ) + T (v2 ) = .
1 2
(e) T5 es lineal:

2
MAT 0221 - Ejercicios de preparación y soluciones para el Examen Final Universidad San Francisco de Quito

x1 y1
Aditividad: Sean x = *. x 2 +/ , y3 = *. y2 +/ ∈ R3 . Tenemos
,x3- , y3 -

x 1 + y1 ! ! ! x1 y1
0 0 0
T5 (x + y) = T5 *. x 2 + y2 +/ = = + = T *. x 2 +/ + T5 *. y2 +/ = T5 (x) + T5 (y)
x 1 + y1 x1 y1
, x 3 + y3 - ,x3- , y3 -

así que T5 es aditivo.

x1
Multiplicatividad: Sean x = *. x 2 +/ ∈ R2 , c ∈ R. Tenemos
,x3-

cx 1 ! ! x1
c0 0
T5 (cx) = T5 *.cx 2 +/ = =c = cT5 *. x 2 +/ = cT5 (x)
cx 1 x1
,cx 3 - ,x3-

así que T5 es multiplicativo.

!
0 0 0
La matriz asociada a T5 es A5 = .
1 0 0

1 3 −1 4
4. Sea T : R p → Rq la transformación lineal definida por la matriz A = *. 2 4 3 5 +/.
,−1 −2 6 −7-

(a) Determina el dominio y el codominio de A, es decir los valores p y q.

(b) Determina una base y la dimensión de im(T ).
(c) Determina una base y la dimensión de ker(T ).

Solución:

(a) El dominio de T es R4 , el codominio es R3 .

(b) El espacio im(T ) coincide con el espacio col( A) que es generado por las columnas pivote de A (y no las columnas
1 0 0 17 5
pivote de una forma escalonada de A!). Reducción por filas nos da A ∼ .0 1 0 0 +/. Concluimos que las
*
3
,0 0 1 − 5 -
 * 1 + * 3 + *−1+ 

 
, ,

primeras tres columnas de A son pivote, así que una base de im(T ) es   . 2 / . 4 / . 3 /  y la dimensión de

 ,−1- ,−2- , 6 - 
 
im(T ) es 3.
(c) El espacio ker(T ) coincide con nul( A). Usando la versión reducida de A podemos concluir que la solución
− 17 − 17
*. 5 +/ *. 5 +/
0 0
general del sistema homogéneo Ax = 0 tiene la forma s .. 3 // con s ∈ R. En particular el vector .. 3 // forma
. 5 / . 5 /
, 1 - , 1 -
una base de ker(T ) cuya dimensión es 1.

3
MAT 0221 - Ejercicios de preparación y soluciones para el Examen Final Universidad San Francisco de Quito

5. Determina cuáles de las siguientes matrices son diagonalizables:

1 2 7 3 4 3 !
2 1
A = *.0 0 0 +/ , B = *.0 2 0+/ , C = .
0 2
,0 0 −2- ,0 0 2-

Justifíca tu respuesta.

Solución:

La matriz A es diagonalizable ya que tiene 3 valores propios distintos 1, 0, −2.

La matriz B tiene valores propios 3, 2 donde 2 tiene multiplicidad 2. Para probar si es diagonalizable tenemos
que determinar los espacios propios Hλ correspondientes.
λ = 3: Reduciendo la matriz aumentada (B − 313 0) obtenemos

0 4 3 0 0 1 0 0
*.0 −1 0 0+/ ∼ *.0 0 1 0+/ .
,0 0 −1 0- ,0 0 0 0-

1
Concluimos que v1 = *.0+/ es una base para el espacio propio H3 .
,0-

1 4 3 0
λ = 2: Reduciendo la matriz aumentada (B − 213 0) obtenemos *.0 0 0 0+/. Concluimos que en el sistema
,0 0 0 0-

 −4 −3 

lineal correspondiente x 2 y x 3 son variables libres y que  v = *. 1 +/ , v = *. 0 +/ 

 es una base de H2 .
 2 3 

 0
, - 1
, -


Se puede fácilmente ver que {v1, v2, v3 } es linealmente independiente as/’i que existe una base de R3 que
consiste en vectores propios de B. Concluimos que B es diagonalizable.
La matriz C tiene el único! valor propio 2 con multiplicidad 2. El sistema lineal con matriz aumentada
0 1 0
(C − 212 0) = tiene una variable libre x 1 . Eso implica que el espacio propio H2 tiene dimensión 1
0 0 0
así que no existe una base de R2 que consiste en vectores propios de C. Concluimos que C no es diagonalizable.

4 0 −2
6. Diagonaliza la matriz A = *.2 5 4 +/ y calcúla su k-esima potencia Ak . Puedes usar que los valores propios de A
,0 0 5-
son 4, 5.

Solución: Determinemos los espacios propios Hλ correspondientes a los valores propios 4 y 5: λ = 4: Reducimos
1
0 0 −2 0 1 2 0 0
la matriz aumentada ( A − 413 0) = *
.2 1 4 0+/ ∼ *.0 0 1 0/. Deducimos que el sistema tiene una variable
+
,0 0 1 0- ,0 0 0 0-
1
−2
libre x 2 y que el vector v1 = *. 1 +/ es una base de H4 .
,0-

4
MAT 0221 - Ejercicios de preparación y soluciones para el Examen Final Universidad San Francisco de Quito

−1 0 −2 0 1 0 2 0
λ = 5: Reducimos la matriz aumentada ( A − 513 0) = *. 2 0 4 0+/ ∼ *.0 0 0 0+/. Concluimos que el
, 0 0 0 0- ,0 0 0 0-

 0 −2 
sistema tiene 2 variables libres x 2, x 3 y que  v2 = , v3 = 0 +/ 
 
 *
.1 +
/ *
.  es una base de H5 .
,0- , 1 -
 


− 21 0 −2 4 0 0
Pongamos P = *. 1 1 0
+/ y D = *.0 5 0+/. De esta forma tenemos la diagonalización A = PDP−1 .
,0 0 1- ,0 0 5-

Finalmente calculemos la k-esima potencia de A. Tenemos Ak = PD k P−1 . Usando el método de la clase se puede
−2 0 −4
calcular P−1 = *. 2 1 4 +/. De esta forma obtenemos
,0 0 1-

− 12 0 −2 4k 0 0 −2 0 −4 4k 0 2(4k − 5k )
A =. 1
k*
1 0 /. 0
+* 5k 0 +/ *. 2 1 4 / = .2(5 − 4k )
+ * k 5k 4(5k − 4k ) +/ .
,0 0 1 -, 0 0 5k - , 0 0 1- , 0 0 5k -

0 −4
7. (a) Sean u = *.−5+/ , v = *.−1+/. Calcúla cos(θ), donde θ es el ángulo entre u y v. Calcúla dist(u, v).
,2- ,8-
1 7
(b) Sean u = *.a+/ , v = *.2+/ dos vectores en R3 . Determina todos los valores de a para los cuales u y v son
,0- ,a-
ortogonales.
! !
a x
(c) Sea u = , 0 un vector en R2 . Describe el conjunto v⊥ que consiste en todos los vectores x = 1 que son
b x2
ortogonales a v.

0 5
8. (a) Sea W ⊂ R3 el subespacio con base *.4+/ , *. 6 +/. Usa el método de Gram-Schmidt para determinar una base
,2- ,−7-
ortonormal de W .
1
(b) Usa el resultado del inciso (a) para calcular la proyección ortogonal proyW *.1+/.
,1-

9. Contesta verdadero (V) o falso (F) a los siguientes enunciados y justifica.

(a) Una matriz es equivalente por filas a una única matriz en forma escalonada.
(b) Un sistema de n ecuaciones tiene maximalmente n soluciones.
(c) Una recta en R3 es un subespacio de R3 .
(d) La dimensión del espacio columnas y la dimensión del espacio nulo de una matriz suman al número de filas de
A.
(e) La dimensión del espacio columnas de una matriz es el número de columnas pivote de A.
(f) Si A, B, C son matrices tales que los productos AB y AC están definidos, y si AB = AC, entonces B = C.

5
MAT 0221 - Ejercicios de preparación y soluciones para el Examen Final Universidad San Francisco de Quito

(g) Una matriz con determinante no cero es invertible.

(h) Si A es una matriz de n × n con det( A) = 2, entonces det( A3 ) = 6.
(i) Contesta verdadero (V) o falso (F) a los siguientes enunciados y justifica.
(j) Si λ + 5 es un factor del polinomio característico de una matriz A, entonces −5 es un valor propio de A.
(k) Si A es una matriz diagonalizable de n × n, entonces todos vectores de Rn pueden ser escritos como combinación
lineal de vectores propios de A.
(l) Si una matriz A contiene una fila o una columna de ceros, entonces 0 es un valor propio de A.
(m) Vectores propios por definición tienen que ser distintos de cero, pero valores propios pueden ser cero.
(n) La suma de dos vectores propios de una matriz también es un vector propio.
(ñ) Si A es una matriz diagonalizable, entonces las columnas de A son linealmente independientes.
(o) Para todos vectores u, v ∈ Rn : u · v − v · u = 0.
(p) Una matriz ortogonal es invertible
(q) La mejor aproximación de un vector y por elementos de un subespacio W es el vector y − proyW (y)
(r) Si {v1, v2, v3 }es una base ortogonal para W , entonces multiplicar v3 con un escalar c , 0 da una nueva base
ortogonal {v1, v2, cv3 }
(s) Si un vector x no está en un subespacio W , entonces x − proyW (x) no es cero.