PARCIAL II ALGEBRA LINEAL

SOLUCIONES

JOHN GOODRICK

Estas soluciones son para el tema blanco. Las soluciones para el tema
verde son muy parecidas, pero OJO que en el Punto II, la matriz A si era
diagonalizable en el tema verde (aunque tenia el mismo polinomio caracteristico
y los mismos valores propios).

Punto I. Sea W el subespacio vectorial de R3 definido como

x
3
W = y R | 2x + y + 2z = 0 .
z

(i) Encuentre una base ortogonal BW para W .

Solucion: Para empezar, encontramos una base cualquiera para W . Fijese

que se trata de un sistema lineal con tan solo una ecuacion y tres variables, asi
que podemos resolverlo por el proceso del capitulo 1:
   
2 1 2 | 0 1 1/2 1 | 0 ,
que nos da que una solucion general es x = 1/2y z con las dos variables
y, z libres (pues el primer 1 es un pivote).  
Por lo tanto, el espacio W , que es el espacio nulo de 2 1 2 , se puede
escribir como

1/2y z
W = y | y, z R
z

1/2 1
= y 1 + z 0 | y, z R ,
0 1

asi que una base para W es el conjunto de dos vectores

1/2 1
1 , 0 .
0 1
1
2 JOHN GOODRICK

(NOTA: Al calificar este punto, estuve muy decepcionado por la cantidad

de estudiantes que no se aprovechaban de este proceso muy fundamental, y
que, al parecer, trataban de adivinar una base para W al azar.)

Ahora que tenemos una base para W , hallamos una base ortogonal para W
usando el proceso Gram-Schmidt (vease la seccion 6.2 del texto): si (~a1 , ~a2 ) es
la base que acabamos de encontrar, entonces la base nueva sera (~v1 , ~v2 ) donde
~v1 = ~a1 y

1 1/2
0 1
1 1 0 1/2
~a2 ~v1
~v2 = ~a2 ~v1 = 0 1
~v1 ~v1 1 1/2 1/2 0
1 1
0 0

1 1/2 1 1/5 4/5
1/2
= 0 1 = 0 2/5 = 2/5 .
1 5/4 0 1 0 1
Por lo tanto, una base ortogonal BW para W es

1/2 4/5
1 , 2/5 .
0 1

(NOTA: No debe confundir el concepto de base ortogonal para W con el

concepto de base para el complemento ortogonal W de W !)

(ii) Encuentre una base BW para W , el complemento ortogonal de W .

Solucion: Usando la primera base para W que encontramos en la parte (i)

y el proceso explicado en la seccion 6.1, notamos que W es el espacio nulo de
la matriz
 
1/2 1 0
C=
1 0 1
(cuyas filas son los dos vectores de esa base para W ). Ahora resolvemos el
sistema lineal C ~v = ~0:
   
1/2 1 0 | 0 1/2 1 0 | 0

1 0 1 | 0 0 2 1 | 0
   
1 2 0 | 0 1 0 1 | 0
.
0 1 1/2 | 0 0 1 1/2 | 0
 PARCIAL II ALGEBRA LINEAL SOLUCIONES 3

Esto nos da que

z
W = z/2 | z R
z


1
= z 1/2 |zR ,
1

asi que una base para W es el conjunto de tan solo un vector

1
1/2 .
1

Este conjunto nos sirve para una base ortogonal BW . No hay necesidad de
aplicar el proceso Gram-Schmidt, pues hay solamente un vector!

(iii) Explique por que el conjunto formado por la union de BW y BW es

una base para R3 .

Solucion: Hay varias explicaciones validas. Sea B la union de los dos

conjuntos BW y BW , es decir,

1/2 4/5 1
B = 1 , 2/5 , 1/2 .
0 1 1

Explicacion 1: Primero, note que el conjunto B es ortogonal, pues los dos

primeros vectores (de BW ) son ortogonales, y ademas el tercer vector (de BW )
es ortogonal a cualquier vector en W , asi que en particular el tercer vector es
ortogonal a cada uno de los primeros dos.
Ahora notamos que cualquier conjunto ortogonal de vectores en Rn
tal que cada miembro es distinto a ~0 sera linealmente independente.
(Este hecho se noto en la clase y en el capitulo 6 del texto.) Por lo tanto, B
es linealmente independente. Ahora recordamos que cualquier conjunto de 3
vectores en R3 que es linealmente independiente generara R3 , asi que B es una
base para R3 .

Explicacion 2: Note que todo vector ~v en R3 se puede escribir como ~v =

~vW + ~vW donde ~vW esta en W y ~vW esta en W . (Este se observo en la
seccion 6.1 del texto.) Esto implica que la union de W y W genera R3 .
Ademas, el conjunto B genera R3 , pues los dos vectores de BW generan W
y el vector de BW genera W , asi que la union B generara en su turno todo
R3 por el hecho en negrito arriba.
4 JOHN GOODRICK

Ahora todo conjunto de 3 vectores en R3 que genera R3 es lineal-

mente independiente, y por lo tanto B es linealmente independente, y B es
una base para R3 .

Explique geometricamente por que = 1 es un valor propio de la matriz

de proyeccion ortogonal sobre W .

Solucion: Sea P la matriz de proyeccion ortogonal sobre W .

Nota: Esto quiere decir que multiplicar un vector ~v en R3 por la matriz P

nos da la proyeccion ortogonal sobre W . Esto no quiere decir que la matriz P
es ortogonal, en el sentido de la seccion 6.3! De hecho, la matriz P no es una
matriz ortogonal.

Si ~v es un vector cualquiera en W que no es igual a ~0, entonces P ~v es la

proyeccion ortogonal de ~v sobre W , que sera igual a ~v (pues cuando el vector
~v ya este en W , la proyeccion ortogonal no cambiara ~v ).
En simbolos,

P ~v = ~v = 1 ~v ,
y por la definicion misma de valor propio, ~v es un vector propio de P con
valor propio = 1.

1
(iv) Sea ~b = 1 R3 . Encuentre dos vectores ~bW W y ~bW W
1
tales que
~b = ~bW + ~bW .
Solucion: Note que el vector ~bW sera la proyeccion ortogonal de ~b sobre W
y ~bW sera la proyeccion ortogonal de ~b sobre W (como en la seccion 6.1 del
texto).
La manera mas facil para encontrar estos vectores es la siguiente: calculamos

la proyeccion ~bW sobre W , que resulta facil ya que la dimension de W es
uno. Usamos la formula para la proyeccion sobre una recta de la seccion 6.1
para calucular:

1 1
1 1/2
1 1 1 1
~bW = 5/2
1/2 = 1/2
1 1 1 9/4 1
1/2 1/2
1 1
 PARCIAL II ALGEBRA LINEAL SOLUCIONES 5

10/9
= 5/9 .
10/9
Ahora que sabemos ~bW , hallamos ~bW por subtraccion:

1/9
~bW = ~b ~bW = 4/9 .
1/9

Nota: Hay un par de otros metodos validos para resolver este problema,
pero resultaron mas complicado. Por ejemplo, era posible calcular la matriz
P de proyeccion sobre W (usando la formula en la seccion 6.4) y entonces
calcular ~bW = P ~b. Sin embargo, esta calculacion resulto mucho mas larga.
En general, no es recomendable calcular la matriz de proyeccion para hallar las
proyecciones ortogonales; normalmente es mejor usar el metodo de la seccion
6.1.

2. Considere la matriz

2 4 3
A = 4 6 3 .
3 3 1

1
(i) Demuestre que el vector ~x = 1 es vector propio de la matriz A
1
con valor propio = 1.

Solution: Al calcular el producto A ~x, encontramos que es igual a

2 4 3 1 24+3 1
4 6 3 1 = 4 + 6 3 = 1 ,
3 3 1 1 33+1 1
asi que A ~x = ~x = 1 ~x.

(ii) Encuentre los demas valores propios de A.

Solucion: Usamos la ecuacion carectaristica para A, y expandimos la de-

terminante por la tercera columna:
 
 2 4 3       
 4 6   2 4 
+(1)  2 4
   
0 =  4 6 3  = 3 
  +3  
3 3   3 3   4 6 
 3 3 1 
= 3 (12 + 3 + 18 3 + 6 12) + (1 ) 2 + 4 + 4


6 JOHN GOODRICK

= (3 0) + (1 )( + 2)( + 2) = (1 )( + 2)2 .
Esto nos da que la unica otra solucion para la ecuacion caracteristica es
= 2.
(iii) Diga si A es diagonalizable.
Solucion: Hay que verificar si para cada valor propio, la multiplicidad al-
gebraica es igual a la multiplicidad geometrica.
Para = 2, la multiplicidad algebraica es 2 (vea la factorizacion en la
parte (ii) arriba). Para la multiplicidad geometrica, calculamos la dimension
del espacio nulo de A + 2I3 :

2+2 4 3 | 0 4 4 3 | 0
4 6 + 2 3 | 0 = 4 4 3 | 0
3 3 1+2 | 0 3 3 3 | 0

4 4 3 | 0 4 4 3 | 0
0 0 0 | 0 0 0 3/4 | 0 ,
0 0 3/4 | 0 0 0 0 | 0
que tiene 2 pivotes, asi que la dimension del espacio nulo sera 3 2 = 1.
Ya que la multiplicidad geometrica para = 2 es 1 pero su multiplicidad
algebraica es 2, la matriz A no es diagonalizable.