SOLUCIONES

PROBLEMA 1.

(a) Dado que la expresión matricial de f es

 
    x
x+y−t 1 1 0 −1  y 
f (x, y, z, t) =  x + 2y − z − 3t  =  1 2 −1 −3  
 z
,

3x + 5y − 2z − 7t 3 5 −2 −7
t

la matriz asociada a f es  
1 1 0 −1
A= 1 2 −1 −3  .
3 5 −2 −7
Para calcular su forma escalonada reducida, hacemos operaciones elementales sobre las filas de A:
   
1 1 0 −1 F21 (−1) 1 1 0 −1
A =  1 2 −1 −3  −→  0 1 −1 −2 
3 5 −2 −7 F31 (−3) 0 2 −2 −4

   
F32 (−2) 1 1 0 −1 F12 (−1) 1 0 1 1
−→  0 1 −1 −2  −→  0 1 −1 −2  = rref(A).
0 0 0 0 0 0 0 0

(b) En primer lugar calculamos una base de Ker (A). Si denotamos A0 = rref(A), sabemos que Ker (f ) =
Ker (A) = Ker (A0 ). Por tanto:
 
x+z+t=0
Ker (f ) = Ker (A0 ) = (x, y, z, t) ∈ R4 / =
y − z − 2t = 0
 
4 x = −z − t
= (x, y, z, t) ∈ R / = {(−z − t, z + 2t, z, t) / z, t ∈ R} =
y = z + 2t

= {z(−1, 1, 1, 0) + t(−1, 2, 0, 1) / z, t ∈ R} =< {(−1, 1, 1, 0), (−1, 2, 0, 1)} > .

Por lo tanto, la dimensión del núcleo de f es 2 y una base es B1 = {(−1, 1, 1, 0), (−1, 2, 0, 1)}.

Denotemos v1 = (−1, 1, 1, 0), v2 = (−1, 2, 0, 1). Para ortonormalizar la base B1 , utilizamos el proce-
dimiento de ortonormalización de Gram-Schmidt:
 
v1 1 −1 1 1
u1 = = √ (−1, 1, 1, 0) = √ , √ , √ , 0 ;
kv1 k 3 3 3 3
 
3 −1 1 1
ũ2 = v2 − hv2 , u1 iu1 = (−1, 2, 0, 1) − √ √ , √ , √ , 0 = (−1, 2, 0, 1) − (−1, 1, 1, 0) = (0, 1, −1, 1);
3 3 3 3
 
ũ2 1 −1 1
u2 = = 0, √ , √ , √ .
kũ2 k 3 3 3
El conjunto    
−1 1 1 1 −1 1
B2 = {u1 , u2 } = √ , √ , √ , 0 , 0, √ , √ , √
3 3 3 3 3 3

2
es una base ortonormal del núcleo de f .

(c) La imagen de f es el subespacio vectorial de R3 generado por las columnas de la matriz asociada A,
es decir:
Im (f ) =< {(1, 1, 3), (1, 2, 5), (0, −1, −2), (−1, −3, −7)} > .
Para calcular una base de la imagen de f hacemos operaciones elementales para eliminar los vectores
linealmente dependientes:

       
1 1 3 1 1 3 1 1 3 1 0 1
 1 F21 (−1) F32 (1) F12 (−1)
 2 5 
 −→
 0
 1 2 
 −→
 0
 1 2 
 −→
 0
 1 2 
.
 0 −1 −2   0 −1 −2   0 0 0   0 0 0 
F41 (1) F42 (2)
−1 −3 −7 0 −2 −4 0 0 0 0 0 0
Por tanto, dim(Im (f )) = 2 y una base de Im (f ) es B = {(1, 0, 1), (0, 1, 2)} .
Por otra parte,

α=1
f (1, 1, 1, 1) = (1, −1, −1) = α(1, 0, 1) + β(0, 1, 2) ⇐⇒
β = −1
En consecuencia, f (1, 1, 1, 1) = (1, −1)B .

PROBLEMA 2.

(a1) Si p(x) = a0 + a1 x + a2 x2 + · · · + an xn entonces p0 (x) = a1 + 2a2 x + · · · + nan xn−1 . Por tanto, U

se puede escribir como
 
a + a1 + · · · + an = 0
U = p(x) = a0 + a1 x + · · · + an xn ∈ Πn (R) / 0 .
a1 + 2a2 + · · · + nan = 0
Como U está definido por 2 ecuaciones linealmente independientes,
dim(U ) = dim (Πn (R)) − 2 = n + 1 − 2 = n − 1.
(a2) Para n = 2:
   
2 a+b+c=0 2 b = −2c
U = p(x) = a + bx + cx ∈ Π2 (R) / = a + bx + cx / =
b + 2c = 0 a=c

= c − 2cx + cx2 / c ∈ R = c(1 − 2x + x2 ) / c ∈ R =< {1 − 2x + x2 } > .

 

Por tanto, una base de U es BU = {1 − 2x + x2 }.

(b1) Veamos que A = 2uut − vv t es simétrica:

At = (2uut − vv t )t = 2(uut )t − (vv t )t = 2(ut )t ut − (v t )t v t = 2uut − vv t = A.
(b2) Para probar que u y v son autovectores de A, hacemos los productos Au y Av. Tenemos en cuenta
que, como S = {u, v} es una base ortonormal, se cumplen las siguientes relaciones:
v t u = hv, ui = 0 ; ut v = hu, vi = 0 ; ut u = hu, ui = kuk2 = 1 ; v t v = hv, vi = kvk2 = 1 .
Ası́,
Au = (2uut − vv t )u = 2uut u − vv t u = 2u(ut u) − v(v t u) = 2u

Av = (2uut − vv t )v = 2uut v − vv t v = 2u(ut v) − v(v t v) = −v = (−1)v.

3
 De aquı́ se deduce que u es un autovector de A asociado al autovalor λ1 = 2 y v es un autovector
de A asociado al autovalor λ2 = −1.
Como A ∈ M2×2 (R), sus únicos autovalores son 2 y −1, por lo que Sp(A) = {2, −1}.

(b3) Los valores singulares de A son las raı́ces cuadradas positivas de los autovalores de B = At A. Como
A es simétrica y Sp(A) = {2, −1}, se tiene:
B = At A = AA = A2 =⇒ Sp(B) = 22 , (−1)2 = {4, 1} .


√ √
Por tanto, los valores singulares de A son σ1 = 4 = 2, σ2 = 1 = 1.

PROBLEMA 3.

(a) Dado que λ = 7 es un autovalor triple de A y A ∈ M4×4 (R), el espectro de A es Sp(A) = {λ, µ},
donde µ es un autovalor simple. Para calcular µ utilizamos que la traza de A es la suma de sus autovalores,
contados con su multiplicidad. Ası́,
tr (A) = 3λ + µ = 21 + µ = 3 + 6 + 7 + 3 = 19 =⇒ µ = 19 − 21 = −2.
Por tanto, Sp(A) = {7, −2}, con m.a. (7) = 3, m.a. (−2) = 1.

(b) La matriz A es diagonalizable porque es una matriz simétrica real. Para calcular una base de R4
formada por autovectores de A, hallamos una base de cada uno de los subespacios propios V (7) =
Ker (A − 7I) y V (−2) = Ker (A + 2I). En primer lugar,
 
−4 −2 0 4
 −2 −1 0 2 
A − 7I = 
 0
.
0 0 0 
4 2 0 −4
Esta matriz tiene rango 1 y por tanto
V (7) = Ker (A − 7I) = {(x, y, z, t) ∈ R4 / − 2x − y + 2t = 0} = {(x, y, z, t) ∈ R4 / y = −2x + 2t} =
= {(x, −2x + 2t, z, t) / x, z, t ∈ R} = {x(1, −2, 0, 0) + z(0, 0, 1, 0) + t(0, 2, 0, 1) / x, z, t ∈ R} =
=< {(1, −2, 0, 0), (0, 0, 1, 0), (0, 2, 0, 1)} > .
Para calcular V (−2), hacemos operaciones elementales en la matriz A + 2I:

     
5 −2 0 4 −2 8 0 2 1 −4 0 −1
 −2 F12  F1 (−1/2) 
8 0 2  −→  5 −2 0 4   5 −2 0 4 

A + 2I = 
 0 −→ 
0 9 0   0 0 9 0   0 0 9 0 
4 2 0 5 4 2 0 5 4 2 0 5
   
1 −4 0 −1 1 −4 0 −1
F21 (−5)  F42 (−1) 
0 18 0 9 
 −→  0 18 0 9 
−→   0

0 9 0   0 0 1 0 
F41 (−4) F3 (1/9)
0 18 0 9 0 0 0 0
   
1 −4 0 −1 1 0 0 1
F2 (1/9)  F12 (2) 
0 2 0 1 
 −→  0 2 0 1 
−→   0

0 1 0   0 0 1 0 
0 0 0 0 0 0 0 0

4
Por tanto
V (−2) = Ker (A + 2I) = {(x, y, z, t) ∈ R4 / x + t = 0, 2y + t = 0, z = 0} =

= {(x, y, z, t) ∈ R4 / x = 2y, z = 0, t = −2y} = {(2y, y, 0, −2y) / y ∈ R} = {y(2, 1, 0, −2) / y ∈ R} =

=< {(2, 1, 0, −2)} > .
Finalmente, una base de R4 formada por autovectores de A es
C = {(1, −2, 0, 0), (0, 0, 1, 0), (0, 2, 0, 1), (2, 1, 0, −2)}
(c) Si denotamos p(x) = x − 7 entonces A − 7I = p(A). Dado que Sp(A) = {7, −2}, con m.a. (7) = 3,
m.a. (−2) = 1, se tiene que
Sp(A − 7I) = Sp(p(A)) = {p(7), p(−2)} = {0, −9},
con m.a. (0) = 3, m.a. (−9) = 1. Por tanto, el polinomio caracterı́stico de A − 7I es
q(x) = x3 (x + 9) = x4 + 9x.
(d) Razonando como antes, el espectro de A + αI es
Sp(A + αI) = {7 + α, −2 + α},
con m.a. (7 + α) = 3, m.a. (−2 + α) = 1.
Como el signo de los autovalores determina la clasificación de la forma cuadrática, estudiamos el
signo de 7 + α y −2 + α según los distintos valores de α. Es claro que 7 + α > 0 ⇐⇒ α > −7 y
−2 + α > 0 ⇐⇒ α > 2. Por lo tanto ωα es
definida negativa si α < −7;
semidefinida negativa si α = −7;
indefinida si −7 < α < 2;
semidefinida positiva si α = 2;
definida positiva si α > 2.

PROBLEMA 4.

(a) Los valores singulares de M son las raı́ces cuadradas positivas de los autovalores de M t M .
 
  2 −1 2  
2 1 2 1 10 0 6
1 1 −1
M t M =  −1
 
1 1 −1    2
 =  0 4 0 .
1 2 
2 −1 2 −1 6 0 10
1 −1 −1
Calculamos el polinomio caracterı́stico de M t M :
 
 10 − x 0 6    F12 (1)  
 = (4 − x)  10 − x 6  16 − x 16 − x 
|M t M − xI| = 
   
0 4−x 0  = (4 − x)  =
  6 10 − x   6 10 − x 
 6 0 10 − x 
 
 1 1  = (4 − x)2 (16 − x).

= (4 − x)(16 − x) 
6 10 − x 
Por tanto, Sp(A) = {4, 16}, con m.a. (4) = 2, m.a. (16) = 1 y los valores singulares de M son
√ √
σ1 = 16 = 4 , σ2 = σ3 = 4 = 2.

5
(b) La la solución en el sentido de mı́nimos cuadrados del sistema M x = b es la solución del sistema
M t M x = M t b. Ya hemos calculado M t M en el apartado anterior.
 
    1  
10 0 6 2 1 2 1 5
1 
M t M =  0 4 0  ; M t b =  −1

1 1 −1    =  1 .
 1 
6 0 10 2 −1 2 −1 3
0

Por tanto, el sistema resulta:

     
10 0 6 x 5  10x + 6z = 5
 0 4 0   y  =  1  ⇐⇒ 4y = 1
6 0 10 z 3 6x + 10z = 3


De la primera y la tercera ecuaciones se obtiene que x = 1/2, z = 0. De la segunda obtenemos y = 1/4.

Por tanto, la solución de mı́nimos cuadrados es
   
x 1/2
 y  =  1/4  .
z 0