Algebra Lineal 2, FAMAT-UG, ene-jun, 2004

Examen final - soluciones

PARTE A “Cierto” o “Falso”
NOTA: los espacios vectoriales Rn y Cn que aparecen en los incisos están considrerados con su estructura
euclidieana y hermitiana (resp.) canónica.

1. Un operador lineal en C3 con polinomio caracterı́stico x(x2 + 1) es diagonalizable.

. Cierto, ya que tiene 3 valores propios distintos, 0, i, −i.
NOTA: el punto aquı́ es que el operador tiene 3 valores distintos, ası́ que 3 vectores propios asociados forman
una base de vectores propios. Cuando una raı́z tiene multiplicidad (algebráica) en el polinomio caracterı́stico
la situación es mas delicada y puede suceder que la dimensión del espacio propio asociado (la multiplicidad
geométrica) es menor que la multimplicidad algebráica de la raı́z (ejemplo?); en este caso el operador no va a
ser diagonalizable (“no tiene suficientes vectores propios”).

2. Todo operador normal en C3 es hermitiano.

. Falso. El operador con matriz diagonal (en la base canónica) con elementos en el diagonal i, 0, 0 es normal
pero no hermitiano (tiene valor propio no real).
NOTA: el converso es cierto.
√
3. El operador T : R2 → R2 dado por T (x, y) = (x √ + y, x − y)/√ 2 es una isometrı́a.
. Cierto. La imagen de la base canónica es {(1, 1)/ 2, (1, −1)/ 2}, lo cual es una base ortonormal.
NOTA: tambien se puede escribir la matriz de esta tranformación con respecto a una base ortonormal, digamos
la canónica, y verificar que es una matriz ortogonal: AAt = I. Acaba siendo la misma cuenta.

4. Existe un producto interno único en R3 tal que {(1, 2, 3), (4, 5, 6), (7, 8, 9)} es una base ortonormal.
. Falso. La matriz formada por estos 3 vectores como filas tiene det = 0, ası́ que estos 3 vectores son linealmente
dependientes (el segundo vector es el promedio de los otros dos).
NOTA: si este conjunto fuera linealmente independiente entonces el inciso es cierto.
   
1 4 5 1 7 8
5. Las matrices  0 2 6  y  0 2 9  son semejantes.
0 0 3 0 0 3
. Cierto. Ambos son diagonalizables con los mismos valores propios (1, 2, 3). La conjugación se efectua por la
matriz que manda la base de vectores propios de una matriz a la otra.
NOTA: si los elementos en el diagonal de ambos matrices fueran digamos 1, 2, 2 entonces ya no podemos concluir
tan facilmente que son semejantes y la rfespuesta depende del resto de los elementos de las matrices. Esto se
debe otra vez al hecho que cuando hay multiplicidad en los valores propios de un operador lineal las cosas se
complican, o sea el operador puede ser no diagonalizable.
 
1 1
6. Existe un operador normal en C2 , cuya matriz, con respecto a una cierta base en C2 , es .
0 1
. Falso. Un operador normal es diagonalizable, pero esta matriz no es diagonalizable (está en su forma de
Jordan).
NOTA: se puede ver facilmente que esta matriz no es diagonalizable sin usar el teorema de Jordan. El polinomio
caracterı́stico es (λ − 1)2 ası́ que el único valor propio es λ = 1. Luego se verifica directamente que el espacio
de vectores propios asociados es de dimensión 1 (generado por (1, 0)) ası́ que no existe una base de vectores
propios.

7. El conjunto de puntos (x, y) ∈ R2 que satisface 12x2 + 13xy + 14y 2 = x + 15 es una hipérbola.
. Falso. La determinante de la parte cuadrática es 12 · 14 − (13/2)2 > 0.
NOTA: el hecho que dicha determinante es positiva indica que el conjunto puede ser una elipse, pero no es
suficiente. Hay que trabajar mas, haciendo cambio de coordenadas (rotación y translación) para llevar la
ecuación a la forma “normal” Ax2 + By 2 = C, con A, B positivos. El valor de C determina si el conjunto es
una elipse “verdadera” o algun caso degenerado. No he hecho esta cuenta.

8. Matrices semejantes tienen los mismos valores propios.

1
2

. Cierto. B = P AP −1 =⇒ λI − B = P (λI − A)P −1 =⇒ det(λI − B) = det(λI − A) =⇒ tienen el mismo

polinomio caracterı́stico =⇒ mismos valores propios (raı́ces del polinomio caracterı́stico).
NOTA: aquı́ va otro argumento (mas directo). Si λ es un valor propio de A =⇒ existe un v 6= 0 tal que
Av = λv =⇒ B(P v) = P AP −1 P v = P Av = P λv = λP v =⇒ P v 6= 0 es un vector propio de B con valor
propio λ. De la misma manera, usando A = P −1 BP , demostramos que los valores propios de B son valores
propios de A.

9. Existe un operador T : C2 → C2 que satisface T (1, 2) = (3i, 4i), T ∗ (5, 6) = (7i, 8i).
(Sugerencia: considera (T ∗ (5, 6), (1, 2)).)
. Falso. Si T (1, 2) = (3i, 4i) =⇒ (T ∗ (5, 6), (1, 2)) = ((5, 6), T (1, 2)) = ((5, 6), (3i, 4i)) = −15i − 24i = −39i,
pero por otro lado T ∗ (5, 6) = (7i, 8i) =⇒ (T ∗ (5, 6), (1, 2)) = ((7i, 8i), (1, 2)) = 7i + 16i = 23i.

10. Si el rango de un operador T en R7 es 3, entonces la nulidad de T ∗ es 4.

. Cierto. En general, para un operador lineal T , el kernel de T ∗ es el complemento ortogonal de la imagen de
T.

11. La proyección ortogonal sobre un subespacio de un esapcio euclideano es un operador autoadjunto.

. Cierto. Sea p : V → V la proyección ortogonal sobre un subespacio W ⊂ V . Si v, v 0 ∈ V se puede escribir
v = v1 + v2 ,v 0 = v10 + v20 , donde v1 , v10 ∈ W, v2 , v20 ∈ W ⊥ , p(v) = v1 , p(v 0 ) = v10 , ası́ que (pv, v 0 ) = (v1 , v10 + v20 ) =
(v1 + v2 , v10 ) = (v, pv 0 ).
NOTA: otra manera de ver este inciso es escoger representar a p con respecto a una base ortonormal adaptada
a la situación y ver que la matriz es simétrica. Una tal base es una base cuyos primeros k = dim(W ) elementos
es una base de W , ası́ que el restos de los elementos es una base de W ⊥ , y la matriz de p en esta base es
diagonal (con k 1’s seguidos por n − k 0’s), ası́ que es una matriz simétrica.

12. Un conjunto ortogonal de 7 vectores no nulos en R7 es una base. P

. Cierto. UnPconjunto ortogonal {v1 , v2 , . . . } de vectores no nulos es linealmente independiente: i ci vi =
0 =⇒ 0 = ( i ci vi , vj ) = cj kvj k2 =⇒ cj = 0, para todo j, ya que vj 6= 0 =⇒ kvj k2 6= 0.

13. La suma directa de dos operadores invertibles es invertible.

. Cierto. La inversa es la suma directa de las inversas.

14. El producto de dos permutaciones impares es una permutación impar.

. Falso. El cuadrado de una transposición es la identidad.

15. Los valores propios de un operador autoadjunto en Cn son reales.

. Cierto. Sea λ ∈ C un valor propio de un operador T con vector propio v 6= 0; entonces (T v, v) = (λv, v) =
λkvk2 . Por otro lado, T = T ∗ =⇒ (T v, v) = (v, T v) = (v, λv) = λ̄kvk2 =⇒ λ̄kvk2 = λkvk2 =⇒ λ = λ̄, ya
que v 6= 0 =⇒ kvk2 6= 0.

PARTE B (40 puntos)

Sea T : R3 → R3 el operador lineal dado por T (x, y, z) = (y − z, x + z, y − x).

1. Demuestra que T es invertible y encuentra su inversa.

. Encontrando una inversa demuestra de una vez que es invertible: sea x0 = y−z, y 0 = x+z, z 0 = y−x; entonces
y 0 −z 0 = 2x+(z −y) = 2x−x0 =⇒ x = (x0 +y 0 −z 0 )/2, x0 +z 0 = 2y −(x+z) = 2y −y 0 =⇒ y = (x0 +y 0 +z 0 )/2,
y 0 − x0 = 2z + x − y = 2z − z 0 =⇒ z = (−x0 + y 0 + z 0 )/2.
NOTA: es tambien posible escribir la matriz de esta trasformación y luego invertir esta matriz mediante la
fórmula A−1 = adj(A)/det(A). Es un poco mas largo pero tambien funciona.

2. Demuestra que T es autoadjunto.

. La matriz de T , en la base canónica, es
 
0 1 −1
A= 1 0 1 .
−1 1 0
Esta es una matriz simétrica, ası́ que T es autoadjunta.
NOTA: estamos usando el hecho que la base canónica de Rn es ortonormal (con respecto al producto punto
canónico). Esto es necesario, ya que de otro modo, para una base no ortonormal, no tenemos necesariamente
 3

que la matriz de T ∗ es la traspuesta de la matriz de T , ası́ que no podemos usar el criterio “matriz simétrica”
para concluir que T es un operador autoadjunto.

3. Encuentra el polinomio
 caracterı́stico
 de T y sus valores propios.
λ −1 1
. det(λI − A) = det  −1 λ −1  = (λ + 2)(λ − 1)2 y los valores propios son 1, −2.
1 −1 λ

4. Sea A la matriz de T en la base canónica. Encuentra una matriz ortogonal P tal que P AP −1 es diagonal.
. Sea e1 , e2 , e3 la base canónica. Entonces P AP −1 es diagonal ssi P AP −1 ei = λi ei ssi AP −1 ei = λi P −1 ei ssi
v1 = P −1 e1 , v2 = P −1 e2 , v3 = P −1 e3 forman una base ortonormal de vectores propios de A. Pero estos son las
columnas de P −1 = P t , es decir las filas de P .
λ = −2 : las ecuaciones para resolver son
  
−2 −1 1 x √
 −1 −2 −1   y  = 0 =⇒ y = −z, x = z =⇒ v1 = (1, −1, 1)/ 3.
1 −1 −2 z
λ = 1 : Por la teorı́a general, sabemos que el espacio propio de λ = 1 es el complemento
√ ortogonal de hv1 i, lo
cual está dado por la ecuación x − y + z = 0. Una solución es v2 = (0, 1, 1)/ 2. La otra solución √
tiene que ser
ortogonal a v2 también, es decir y + z = 0. Resolviendo ambos ecuaciones nos da v3 = (2, 1, −1)/ 6. Tenemos
entonces  √ √ √ 
1/ 3 −1/√ 3 1/√3
P =  0√ 1/√2 1/ √2  .
2/ 6 1/ 6 −1/ 6
NOTA: en este problema podemos ver que vale la pena hacer algunas observaciones “conceptuales” que ahorran
trabajo (e impresionan al maestro...) antes de lanzarse a hacer las cuentas. Como λ = 1 es un valor con
multiplicidad 2 sabemos que su espacio propio tiene dimesión 2 (aquı́ usamos que el operador es auto-adjunto
ası́ que diagonalizable y multiplicidad geométrica=multiplicidad algebráica). Ası́ que si encontramos un vector
propio (cualquera) para λ = −2 ya podemos olvidar del operador T : normalizamos este vector propio, y lo
completamos a cualquer base ortonormal. La matriz P cuyas filas son los elementos de esta base es la matriz
requerida. Si queremos verificar directamente que la P que obtenemos satisface que P AP −1 es diagonal, es
útil notar que para matriz ortogonal P −1 = P t (la transpuesta), algo que tambien ahorra trabajo.

5. Encuentra el polinomio mı́nimo de T .

. Como T es diagonalizable, el polinomio mı́nimo es m(λ) = (λ + 2)(λ − 1).
NOTA: en general, si un operador es diagonalizable (como en nuestro caso), el polinimio mı́nimo es el producto
de los factores lineales distintos del polinomio caracterı́stico. Esto es facil de demostrar con la matriz diagonal
D que representa a T . Las entradas en el diagonal de D son los valores propios de T , λ1 , . . . , λn , y para
cualquer polinomio f (λ), la matriz f (D) es una matriz diagonal con entradas en el diagonal f (λ1 ), . . . , f (λn ).
Ası́ que f (D) = 0 ssi los valores propios de T son raices de f . El polinomio de grado mı́nimo que satiface esta
condición es el producto de los factores lineales distintos en el polinomio caracterı́stico de T .