ÁLGEBRA.

Final extraordinario 2017

Los ejercicios se entregarán de forma separada. No deben figurar dos ejercicios distintos en un
mismo folio. Hay que indicar en TODAS las hojas el nombre y el grupo al que pertenece el
alumno.
1. (1 punto) Hallar x, y ∈ R tales que
1+i
= xeiy
1−i
1+i
Primero buscamos qué número complejo es
1−i
1+i 1+i 1+i 1 + i2 + 2 ∗ i
= · = =i
1−i 1−i 1+i 2

π π
Escrito en forma polar, i es el número complejo de módulo 1 y argumento , es decir que i = 1 · ei 2 ,
2
por lo que x = 1, y = π/2 satisfacen la ecuación.
Observación: Aunque no es la forma habitual de escribir un número complejo en forma polar, x = −1,
y = 3π
2 también es solución de la ecuación.

2. (1 punto) Dado el sistema de ecuaciones



 x + y + z + at = −1
x + y + az + t = 1


 x + ay + z + t = −1
x+y+z+t=1


se pide:

a) (0.5 puntos) Utilizar el método de eliminación gaussiana para discutir su compatibilidad en función
de a ∈ R.
Escribimos la matriz ampliada del sistema y realizamos transformaciones elementales por filas
para triangularla:
     
1 1 1 a −1 1 1 1 1 1 1 1 1 1 1
 1 a 1 1 −1 
; 0 a−1 0 −2 
 1 1 a 1 1  0
 1 a 1 1 −1  ;  1 1 a 1

   
1   0 0 a−1 0 0 
1 1 1 1 1 1 1 1 a −1 0 0 0 a − 1 −2

De la primera matriza a la segunda, se han permutado las filas 1 y 4, y las filas 2 y 3. De la segunda
matriz a la tercera, se ha restado la fila 1 a todas las demás. A partir de esta está claro que si
a 6= 1 el rango de la matriz ampliada es igual al de la matriz de coeficientes, igual al número de
variables, por lo que es un Sistema Compatible Determinado. Si a = 1 tenemos:
   
1 1 1 1 1 1 1 1 1 1
 0 1−1 0 −2 
0  ;  0 0 0 0 −2 
 

 0 0 1−1 0 0   0 0 0 0 0 
0 0 0 1 − 1 −2 0 0 0 0 −2

En este caso el rango de la matriz ampliada es 2 y el de la matriz de coeficientes es 1. Al no

coincidir, se trata de un Sistema Incompatible.
En resumen, el sistema propuesto es un Sistema Compatible Determinado para todo a ∈ R diferente
de 1 y un Sistema Incomptatible para a = 1.
 b) (0.5 puntos) Utilizar el método de Gauss-Jordan para resolver, si es posible, cuando a = −1. En
este caso tenemos:
   
1 1 1 1 1 1 1 1 1 1
 0 −1 − 1 0 −2 
0  ;  0 −2 0 0 −2 

 
 0 0 −1 − 1 0 0   0 0 −2 0 0 
0 0 0 −1 − 1 −2 0 0 0 −2 −2

Para completar el método de Gauss-Jordan, convertimos en 1 los pivotes y hacemos cero los
elementos por encima de la diagonal principal en la matriz de coeficientes. Para ello, primero
multiplicamos cada fila por −1/2 y después restamos a la primera fila cada una de las otras tres.
     
1 1 1 1 1 1 1 1 1 1 1 0 0 0 −1
 0 −2 0 0 −2 ; 0 1 0 0 1 ; 0 1 0 0 1 
  
 
 0 0 −2 0 0   0 0 1 0 0   0 0 1 0 0 
0 0 0 −2 −2 0 0 0 1 1 0 0 0 1 1

La solución es x = −1, y = 1, z = 0 y t = 1.

3. (1.75 puntos) Dados los subespacios de R5 :



 x1 = a
x2 = a − 2b
 

x1 − x3 + x5 = 0
U≡ W ≡ x3 = a + b
x2 − 2x4 = 0
x4 = a − b




x5 = b


Calcular unas ecuaciones implı́citas de U + W y de U ∩ W. ¿Son subespacios suplementarios? Comen-

cemos por la intersección. Si ~v ∈ U ∩ W tiene que satisfacer las ecuaciones que definen ambos expacios.
Podemos sustutuir x1 , . . . , x5 en las ecuaciones de U por su valor en la definición de W , obteniendo el
sistema: 
a − (a + b) + b = 0
U≡ ; a=0
a − 2b − 2(a − b) = 0
Sustituyendo ahora en la definición de W , tenemos que
   

 x1 = 0 
 0  
x2 = −2b −2

 
 
 

U ∩ W ≡ x3 = +b ; U ∩W ≡L  1 
 
x = −b −1
 
4

 
 

  
x5 = b 1
  

Nos falta describrir U ∩ W mediante ecuaciones implicitas, pero en este momento ya podemos contestar
a la segunda parte de la pregunta: como U ∩ W 6≡ {~0} estos dos espacios no son suplementarios.
Para hallar la ecuaciones implı́citas de la intersección impondremos que
   
0 x1 1 x5 
−2 x2  Poemos, por ejemplo, 0 x1 = 0
x

1
 
escalonar esta matriz x + 2x5 = 0

; Rg  0 x2 + 2x5  ; U ∩W ≡  x3 − x5 = 0
2
   
 1 x3  = 1 usando transformaciones
Rg   
−1 x4  0 x3 − x5  
elementales x4 + x5 = 0

1 x5 0 x4 + x5

Observamos que U ∩ W es un subespacio de R5 de dimensión 1, por lo que estamos buscando 4

ecuaciones, tal y como hemos hallado.
Para encontrar las ecuaciones implicitas de U + W , primero encontramos una base de U y una base de
W . Luego sacamos una base de la suma compuesta por vectores linealmente independientes de ambas
 bases y a partir de éstas calcularemos las ecuaciones implicitas de la suma del mismo modo que hemos
encontrado las de la intersección.
Resolviendo el sistema de ecuaciones homogéneo:


x1 = λ − γ
 x2 = 2µ
   

x1 − x3 + x5 = 0 1 0 −1 0 1 0
U≡ ; ; U≡ x3 = λ
x2 − 2x4 = 0 0 1 0 −2 0 0
x 4 =µ




x5 = γ


Ası́,
          
 1
 0 −1   1
 0  


 0 2  0   

 1 −2 
         
U ≡ L 1 , 0 ,  0 
      W ≡ L 1 ,  1 
    ;


0 1  0  



 1 −1 

   
0 0 1 0 1
   
         

 1 0 −1 1 0 


 0  2  0  1 −2 
         
U +W ≡L  1  , 0 ,  0  , 1 ,  1 
         


 0 1  0  1 −1 
 
0 0 1 0 1
 

Escalonamos haciendo transformaciones elementales por columnas:

       
1 0 −1 1 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0
0 2 0 1 −2 0 2 0 −1 −2 0 −1 0 2 0 0 1 0 0 0
1 0 0 1 1  ; 1 0 1 0
 ; 1 0 1 0 0 ; 1
       
   1    0 1 0 0
0 1 0 1 −1 0 1 0 0 −1 0 0 0 1 0 0 0 0 1 0
0 0 1 0 1 0 0 1 0 1 0 0 1 0 0 0 0 1 0 0

Finalmente, U + W tiene dimensión 4 y está definida por una única ecuación implı́cita dada por

1 0 0 0 x1 1 0 0 0 x1 1 0 0 0 x1
0 1 0 0 x2 0 1 0 0 x2 0 1 0 0 x2
1 0 1 0 x3 = 0 ; 0 0 1 0 x3 − x1 = 0 ; 0 0 1 0 x3 − x1 =0
0 0 0 1 x4 0 0 0 1 x4 0 0 0 1 x4
0 0 1 0 x5 0 0 1 0 x5 0 0 0 0 x1 − x3 + x5

; x1 − x3 + x5 = 0
4. (1.75 puntos) Dada la aplicación lineal f : R4 → R2 [x] definida por:

f (1, 0, 0, 0) = 1 + 2x + 3x2 , f (1, 1, 0, 0) = x + x2

f (1, 1, 1, 0) = 2 + x2 , f (1, 1, 1, 1) = 2 + x − x2

a) (0.5 puntos) Hallar la matriz asociada a f en las bases canónicas.

La matriz de f en la base B1 = {(1, 0, 0, 0), (1, 1, 0, 0), (1, 1, 1, 0), (1, 1, 1, 1)} de R4 y la base canóni-
ca de R2 [x] se construye escribiendo en columna las imágenes de los vectores de la base, que nos da
el enunciado. En la base canónica de R2 [x], {1, x, x2 }, los vectores correspondintes a los polinomios
que son imagen de los vectores de la base son (1, 2, 3), (0, 1, 1), (2, 0, 1), (2, 1, −1). Ası́,
 
0
1 0 2 2
M (f, B1 , B0 ) = 2 1 0 1 
3 1 1 −1
 0 0
Para obtener la matriz M (f, B0 , B0 ) debemos componer f : (R4 , B1 ) → (R2 [x], B0 ) con un cambio
de base de p : (R4 , B0 ) → (R4 , B1 ). La matriz asociada a p−1 es la formada por los vectores de la
base escritos en columna, ası́
 −1
  1 1 1 1
1 0 2 2 
0 0 0 1 1 1
M (f, B0 , B0 ) = M (f, B1 , B0 )M (f, B0 , B1 ) = 2 1 0 1 
0

0 1 1
3 1 1 −1
0 0 0 1
 
0
1 −1 2 0
M (f, B0 , B0 ) = 2 −1 −1 1
3 −2 0 −2
Observación: Podrı́amos haber llegado al mismo resultado observando que:

f (0, 1, 0, 0) = f (1, 1, 0, 0) − f (1, 0, 0, 0)

f (0, 0, 1, 0) = f (1, 1, 1, 0) − f (1, 1, 0, 0)
f (0, 0, 0, 1) = f (1, 1, 1, 1) − f (1, 1, 1, 0)

b) (1.25 puntos) Determinar Ker (f ) e Im (f ). ¿Es una aplicación inyectiva? ¿Y suprayectiva?

Ker(f ) = f −1 ((0, 0, 0)), es decir,
  
x1
x − x + 2x = 0
 
1 x 3
 
x
  
2 4
 ∈ R 2x1 − x2 − x3 + x4 = 0
Ker(f ) =  x3 
3x2 − 2x2 − 2x4 = 0

 

x4
 

Este es el núcleo de f dado a través de ecuaciones implı́citas. Im(f ) es el espacio generado por las
imágenes de los vectores de la base. Ası́,
                
 1 −1 2 0   1 0 2 2 
Im(f ) = L 2 , −1 , −1 ,  1  = L 2 , 1 , 0 ,  1 
3 −2 0 −2 3 1 1 −1
   

Todavı́a sin hacer ningún cálculo, podemos responder la primera pregunta: dim(R4 ) = 4 > 3 =
dim(R2 [x]) por lo que esta aplicación no puede ser inyectiva. Para decidir si es suprayectiva
0
escalonamos M (f, B0 , B0 ). Ası́ encontramos también una base de Im(f ) (y de paso de Ker(f )).

       
1 −1 2 0 1 0 0 0 1 0 0 0 1 0 0 0
2
 −1 −1 1
2
 1 −5 1
2
 1 0 0
2
 1 0 0 
3 −2 0 −2 3 1 −6 −2 3 1 −1 −3 3 1 -1 0 
0 ; 0 ; −1 ; 
       
1
 0 0 
1 1 −2 
1 1 3 
1 1 3 -10 

0
 1 0 0 
0
 1 0 0
0
 1 5 −1
0
 1 5 −16
0 0 1 0  0 0 1 0  0 0 1 0  0 0 1 −3 
0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1

Vemos que Rg(Im(f )) = 3 = Rg(R2 [x]), de modo que es suprayectiva. Una base de Im(f ) es
{(1, 2, 3), (0, 1, 1), (0, 0, −1)} = {1 + 2x + 3x2 , x + x2 , −x2 }, aunque también podrı́amos usar la
base canónica, o decir que Im(f ) = R2 [x]. Una base del Ker(f ) es {(10, 16, 3, −1)}.
5. (1.75 puntos) Dada la matriz  
a 1 0 1
 1 a 1 0 
A (a) = 
 0

1 a 1 
1 0 1 a

a) (0.75 puntos) Demuestra que el espectro de A(a) es

σ (A (a)) = {λ1 = a, α1 = 2; λ2 = a − 2, α2 = 1, λ3 = a + 2, α3 = 1} .

Para hallar el espectro de A(a) resolvemos det(A(a) − λId) = 0.

a−λ 1 0 1 a−λ 0 λ−a 0

1 a−λ 1 0 0 a−λ 0 λ−a
det(A(a) − λId) = =
0 1 a−λ 1 0 1 a−λ 1
1 0 1 a−λ 1 0 1 a−λ
1 0 −1 0 1 0 −1 0
0 12 0 −1 0 1 0 −1 a−λ 2
= (a − λ) = (a − λ)2 = (a − λ)2
0 1 a−λ 1 0 0 a−λ 2 2 a−λ
1 0 1 a−λ 0 0 2 a−λ
(a + 2) − λ (a + 2) − λ 1 1
= (a − λ)2 = (a − λ)2 ((a + 2) − λ)
2 a−λ 2 a−λ
= (a − λ)2 ((a + 2) − λ)((a − 2) − λ)

de donde es claro que los ceros son: a (doble), a + 2 y a − 2.

b) (0.5 puntos) Estudiar la diagonalizabilidad de A (a) en función de a ∈ R.
A(a) es una matriz simétrica para todo a ∈ R, ası́ que A(a) es diagonalizable para todo a ∈ R.
c) (0.5 puntos) Calcular los vectores propios de la matriz A (0) .
σ (A(0)) = {λ1 = 0, α1 = 2; λ2 = −2, α2 = 1, λ3 = +2, α3 = 1}. Los vectores propios asociados a
cada valor propio son, respectivamente, base de
     

 0 1 0 1   
 2 1 0 1   
 −2 1 0 1 

1 0 1 0 1 2 1 0 1 −2 1 0
     
Ker    , Ker    , Ker   

 0 1 0 1   
 0 1 2 1   
 0 1 −2 1  
1 0 1 0 1 0 1 2 1 0 1 −2
     

Ası́:
los vectores propios asociados a λ = 0 son (1, 0, −1, 0) y (0, 1, 0, −1).
el vector propio asociado a λ = −2 es (1, −1, , 1, −1).
el vector propio asociado a λ = 2 es (1, 1, , 1, 1).

6. (1.75 puntos) Sea S2 el espacio vectorial de las matrices simétricas 2 × 2.

a) (1 punto) Demuestra que la aplicación < ·, · >: S2 × S2 −→ R definida por < A, B >= tr(A · B),
donde tr(A) es la traza de A (es decir, la suma de los elementos de su diagonal principal), es un
producto escalar y encuentra su matriz de Gramm.
   
a b α β
Dadas dos matrices simétrices arbitrarias A = yB=
b c β γ
    
a b α β aα + bβ aβ + bγ
tr(A · B) = tr = tr = aα + 2bβ + cγ
b c β γ bα + cβ bβ + cγ

Veamos que cumple las propiedades del productuo escalar:

 Es commutativa: tr(B · A) = αa + 2βb + γ = aα + 2bβ + cγ = tr(A · B)
Es bilineal:
    
λa λb α β λ(aα + bβ) λ(aβ + bγ)
tr(λA·B) = tr = tr = λ(aα+2bβ+cγ)
λb λc β γ λ(bα + cβ) λ(bβ + cγ)
= λtr(A · B)

  
(a1 + a2 ) (b1 + b2 ) α β
tr(λ(A1 + A2 ) · B) = tr
(b1 + b2 ) (c1 + c2 ) β γ
 
(a1 + a2 )α + (b1 + b2 )β (a1 + a2 )β + (b1 + b2 )γ
= tr
(b1 + b2 )α + (c1 + c2 )β (b1 + b2 )β + (c1 + c2 )γ
= (a1 +a2 )α+2(b1 +b2 )β+(c1 +c2 )γ = (a1 α+2b1 β+c1 γ)+(a2 α+2b2 β+c2 γ) = tr(A1 ·B)+tr(A2 ·B)

Ası́ hemos visto que es lineal respecto a la primera variable. Como es commutativa, tenemos
la bilinealidad.
Definida positiva: tr(A · A) = a2 + 2b2 + c2 ≥ 0. Además, al ser suma de cuadrados,
a2 + 2b2 + c2 = 0 úniciamente si a = 0, b = 0 y c = 0, es decir, si A es la matriz cero.
Finalmente, para construir la matriz de Gramm, necesitamos una baso de S2 . Por ejemplo usamos
la base:      
1 0 0 1 0 0
B := , ,
0 0 1 0 0 1
Para esta base, la matriz de Gramm es:
         
1 0 1 0 1 0 0 1 1 0 0 0
tr tr tr
 0 0 0 0 0 0 1 0 0 0 0 1
  
   1 0 0
 0 1 1 0 0 1 0 1 0 1 0 0  

tr tr tr = 0 2 0
 1 0 0 0 1 0 1 0 1 0 0 1

   0 0 1
 0 0 1 0 0 0 0 1 0 0 0 0 
tr tr tr
0 1 0 0 0 1 1 0 0 1 0 1
   
1 0 0 1
b) (0.75 puntos) Encuentra una base ortonormal del subespacio de S2 , U ≡ L , .
0 1 1 0
  
1 0 0 1
tr = 0 sı́ que las dos matrices que generan U ya son ortognales. Sólo falta
0 1 1 0
normalizarlas para que sean una base ortonromal.
1/2
√
   
1 0 1 0 1 0
= tr = 2
0 1 0 1 0 1
1/2
√
   
0 1 0 1 0 1
= tr = 2
1 0 1 0 1 0
de modo que una base ortonormal de U es
( √ ! √ !)
2 2
2 0
√
0
√ 2
2
, 2
0 2 2 0
7. Dados los sigüientes comandos de matlab:
clc, det, diag, eig, eye, jordan, linspace, ones, poly, rank, roots, rref, solve, subs, syms, zeros,
di cuáles usarı́as, y de que modo para:

a) Estudiar el sistema de ecuaciones dado por la matriz ampliada

Aa =

[ 1, 1, a, 1, a]
[ 2, 3, -a, 0, a - 1]
[ 1, 2, 2*a, -a, 4]
[ 1, 2, 0, 3*a, a + 2]
Para definir la matriz dependiente del parámetro a usarı́amos syms para declarar el parámetro y
después podemos definir la matriz de la forma habitual; también podemos suponer la matriz dada.
Usariamos solve(det(Aa(:,1:4))) para encontrar los valores de a para los cuales la matriz de
coeficientes es singular. Ahora, rref(Aa) nos da la solución del sistema en función de a y ésta es
válida para todos los valores de a para los que la matriz de coeficientes no es singular. Para el
resto (que hemos encontrado antes) usamos el comando subs para sustituir el valor de a en Aa por
uno de estos y podemos volver a usar el comando rref.
b) Encontrar, usando la definción, el espectro de
A =

−4 −6 0
3 5 0
3 6 5
Usando la definición, tenemos que calcular el espectro de A resolviendo det(A − λId) = 0. Para
hacer esto en matlab:
Usamos syms para definir la variable λ: syms l
Usamos eye para definir la matriz identidad y det para calcular el determinante:
p=det(A-l*eye(3))
Usamos solve para encontrar los valores propios: solve(p)
c) Encontar el espectro y los valores propios de la matriz anterior.
Podemos encontrar el espectro y los vectores propios de una matriz a la vez usando el comando
eig: eig(A)