Grado en Administración y Dirección de Empresas — Matemáticas I

PRUEBA DE EVALUACIÓN CONTINUA

Curso 2019/2020

. Considérese el siguiente sistema de ecuaciones lineales: a) el sistema no puede ser compatible indeterminado;
 b) ♣ todas las soluciones del sistema son las ternas de
 x
 + z=a
la forma (a − λ, a + b − 3λ, λ) donde λ es un número
−x + y + 2z = b real;

x + pz = c,

c) ninguna de las anteriores.
donde p, a, b y c designan números reales. Este sistema
verifica: Solución. De acuerdo con lo visto en la cuestión anterior, el
sistema es compatible indeterminado con p = 1 y a = c, y en este
a) no puede ser compatible indeterminado; caso la matriz ampliada del sistema admite la siguiente forma
escalonada:  
b) es incompatible si p = 1; 1 0 1 a
b0 =  0 1 3 a + b  ,
A
c) ♣ si es incompatible, entonces a 6= c.
0 0 0 0

Solución. La matriz ampliada del sistema es esta: que ya está en forma escalonada reducida. Esta matriz es la
  ampliada del siguiente sistema:
1 0 1 a (
Ab =  −1 1 2 b  . x + z=a
1 0 p c y + 3z = a + b,

Para escalonarla, podemos aplicarle las transformaciones ele- donde hemos obviado la ecuación correspondiente a la fila nula.
mentales F2 ← F2 + F1 y F3 ← F3 − F1 , lo que nos lleva a Tomando z = λ (incógnita libre), las incógnitas restantes (in-
  cógnitas básicas) quedan ası́:
1 0 1 a
b0 =  0 1
A 3 a + b. x = a − λ, y = a + b − 3λ,
0 0 p−1 c−a
y podemos entonces afirmar que todas las soluciones del sistema
Si p − 1 6= 0, la matriz obtenida es escalonada y tiene tres pi- son las ternas de la forma (a − λ, a + b − 3λ, λ) donde λ es un
votes, tantos como incógnitas hay en el sistema, y ninguno de número real.
ellos en la última columna: sistema compatible determinado.
. Mismos datos que en la cuestión anterior: se considera
Si p − 1 = 0, la matriz también es escalonada, pero debe-
mos seguir analizando casos para saber si hay solo dos pivo- el sistema de ecuaciones lineales
tes o si hay tres; si c − a 6= 0, entonces habrı́a un tercer pi- 
vote, y justamente en la última columna: sistema incompatible;  x
 + z=a
si c − a = 0, entonces solo habrı́a dos pivotes (menos que el −x + y + 2z = b

número de incógnitas), y ninguno en la última columna: sis- 
x + pz = c,
tema compatible indeterminado.
Podemos resumir ası́ la discusión de este sistema: donde p, a, b y c designan números reales.
• si p 6= 1, entonces el sistema es compatible determinado; Si el valor de p, a, b y c es tal que el sistema es compatible
• si p = 1 y a 6= c, entonces el sistema es incompatible; determinado y (α, β, γ) designa su única solución, entonces
• si p = 1 y a = c, entonces el sistema es compatible inde- se verifica:
terminado.
c−a c−a
. Mismos datos que en la cuestión anterior: se considera a) ♣ γ = ; b) α = a + ;
p−1 p−1
el sistema de ecuaciones lineales
 c) el sistema no puede ser compatible determinado.

 x + z = a
−x + y + 2z = b Solución. El sistema es compatible determinado con p 6= 1. A
partir de la forma escalonada obtenida en la cuestión 1:

x + pz = c,

 
1 0 1 a
donde p, a, b y c designan números reales. b0 =  0
A 1 3 a + b,
Si el valor de p, a, b y c es tal que el sistema es compatible 0 0 p−1 c−a
indeterminado, entonces se verifica:


la transformación elemental F3 ← 1/(p − 1) F3 nos lleva a La matriz A es invertible si
  a) p 6= 2; b) ♣ p = 2; c) no puede ser invertible.
1 0 1 a
Solución. Una matriz cuadrada es invertible si y solo si su
 
0 1 3 a+b 
 ,
 c−a  determinante es no nulo. De acuerdo con la cuestión anterior,
0 0 1 se tiene: det(A) = p − 1, luego la matriz A es invertible si p 6= 1,
p−1
y no lo es si p = 1.
de donde ya podemos obtener el valor para la tercera compo-
nente de la solución única: γ = (c − a)/(p − 1). Llegamos a la . Mismos datos que en la cuestión anterior: se considera
forma escalonada reducida de la matriz anterior con las trans- la matriz  
formaciones adicionales F1 ← F1 − F3 y F2 ← F2 − 3F3 : 1 0 1
  A =  −1 1 2  ,
c−a 1 0 p
1 0 0 a−
p−1 


  donde p designa un número real.
 c−a  ,
0 1 0 a + b − 3 Si el valor de p es tal
que la matriz A es invertible, y se

p−1

denota por B = bij su inversa (es decir: B = A−1 ),

 
 c−a 
0 0 1 entonces el término b11 es igual a
p−1 p 1
a) ♣ ; b) 0; c) .
y aquı́ leemos la solución única (α, β, γ) en la última columna: p−1 p−1
c−a c−a c−a Solución. Ya sabemos, de la resolución de la cuestión anterior,
α=a− , β =a+b−3 y γ= .
p−1 p−1 p−1 que afirmar que la matriz A es invertible es tanto como afirmar
que p 6= 1. Para calcular el término de posición (1, 1) de la
inversa de A, escribimos la traspuesta de A y en ella calculamos
. Considérese la matriz el adjunto del elemento de posición (1, 1):
 
1 0 1
 
1 −1 1 
1 0

A =  −1 1 2  , At =  0 1 0  ,  =p
2 p
1 0 p 1 2 p

donde p designa un número real. Se tiene: (nótese que no hay que anteceder ningún signo negativo al de-
terminante de la submatriz). Finalmente, dividimos el adjunto
a) ♣ det(A) = p − 1 y tr(A) = p + 2; obtenido por el determinante de la matriz A:
b) det(A) = p y tr(A) = p; p
b11 = .
p−1
c) ninguna de las anteriores.
Para el estudiante interesado, la inversa de la matriz A es esta:
Solución. Si aplicamos a la matriz A las transformaciones ele-  
mentales F2 ← F2 + F1 y F3 ← F3 − F1 , obtenemos una ma- p 0 −1
1 
triz triangular superior, cuyo determinante se calcula fácilmente B = A−1 = p + 2 p − 1 −3  .
p−1
como el producto de los términos de la diagonal principal: −1 0 1
   
 1 0 1 1 0 1 
  
det(A) =  −1 1 2  =  0 1 3  = p − 1. . Una matriz cuadrada que es, a la vez , triangular supe-
 1 0 p 0 0 p − 1
rior y triangular inferior verifica:
(Recuérdese que el valor del determinante de una matriz no varı́a
a) no puede existir una matriz ası́;
si a esta se le aplica una transformación elemental de tipo iii;
¡y las dos transformaciones aplicadas a la matriz A son de este b) ♣ es diagonal;
tipo!)
c) es una matriz identidad.
Por otra parte, la traza de una matriz cuadrada es la suma de
los términos de su diagonal principal: tr(A) = p + 2.
Solución. Por ser triangular superior, la matriz tiene nulos los
. Mismos datos que en la cuestión anterior: se considera términos que quedan “por debajo” estrictamente de la diagonal
la matriz   principal, y por ser triangular inferior tiene nulos los términos
1 0 1 que quedan “por encima” estrictamente de la diagonal principal.
A =  −1 1 2  , Una matriz cuadrada que tiene nulos los términos de fuera de la
1 0 p diagonal principal es una matriz diagonal.
donde p designa un número real.
. Para que una matriz diagonal sea invertible, debe veri- Si p = 0, las coordenadas del vector (1, 1, 1) en la base
ficarse: formada por los tres vectores (en ese mismo orden) son

a) ♣ que todos los términos de la diagonal principal a) ♣ 1, 2 y 0; b) 1, 1 y 1;

sean no nulos;
c) en el caso p = 0 los vectores no forman base.
b) que alguno de los términos de la diagonal principal
sea no nulo; Solución. De acuerdo con la cuestión anterior, si p = 0, los
c) que sea una matriz identidad. tres vectores forman una base de R3 . Las coordenadas del vec-


tor (1, 1, 1) en esta base, que es: (1, −1, 1), (0, 1, 0), (1, 2, 0) ,
son los tres números α, β y γ tales que
Solución. Una matriz (cuadrada) es invertible si y solo si su
determinante es no nulo, y el determinante de una matriz diago- α(1, −1, 1) + β(0, 1, 0) + γ(1, 2, 0) = (1, 1, 1),
nal es igual al producto de los términos de la diagonal principal,
En consecuencia, para asegurar que el determinante de una ma- igualdad que es equivalente a estas tres igualdades:
triz diagonal es no nulo, y por tanto para asegurar que la matriz α + γ = 1, −α + β + 2γ = 1, α = 1.
diagonal es invertible, debe exigirse que todos los términos de la
diagonal principal sean no nulos. Se obtiene fácilmente que α = 1, β = 2 y γ = 0.
(Nótese que la solución obtenida es un caso particular de la
. Si una matriz cuadrada A es idempotente y nilpotente solución del sistema de ecuaciones lineales de la cuestión 3,
simultáneamente, entonces: tomando p = 0, y a = b = c = 1.)

a) A = I (matriz identidad); b) ♣ A = O; . Mismos datos que en la cuestión anterior: dado un

número real p, se consideran los vectores (1, −1, 1), (0, 1, 0)
c) no puede existir una matriz ası́. y (1, 2, p) de R3 .
Si p = 1, se denota por G el subespacio vectorial de R3
Solución. Por ser A idempotente, se tiene: A2 = A, y por ser generado por los tres vectores. Se verifica:
nilpotente: A2 = O. En consecuencia: A = A2 = O.
a) ♣ una ecuación implı́cita de G es x − z = 0;
. Dado un número p, considérense los vectores (1, −1, 1), b) G es la recta de vector director (−1, −3, 1);
(0, 1, 0) y (1, 2, p) de R3 . Los tres vectores forman una base
c) ninguna de las anteriores.
de R3 si
a) p 6= 2; b) ♣ p = 2; c) no pueden formar una base. Solución. De acuerdo con la cuestión 10, en el caso p = 1,
los tres vectores dados generan un subespacio vectorial de di-
Solución. Los tres vectores forman una base de R3 si su rango mensión igual a 2, con lo que G es un plano de R3 .
es igual a 3. La matriz que tiene estos tres vectores como vec-
tores columna es Ahora, dado que G es un plano, admite una base formada por
dos vectores. Entre los tres del enunciado: (1, −1, 1), (0, 1, 0)
 
1 0 1
A = −1 1 2 .
  y (1, 2, 1) (ya sustituimos p por 1), forman una base de G cua-
1 0 p lesquiera dos de ellos que no sean proporcionales (para ser li-
nealmente independientes); por ejemplo, nos valen los dos pri-
Escalonamos esta matriz aplicándole las transformaciones ele- meros: (1, −1, 1) y (0, 1, 0).
mentales F2 ← F2 + F1 y F3 ← F3 − F1 , que nos llevan a
Ası́, un vector (x, y, z) de R3 pertenece a G precisamente si
admite solución el sistema de ecuaciones lineales cuya matriz
 
1 0 1
A0 =  0 1 3 . ampliada es  
0 0 p−1 1 0 x
 −1 1 y  ,
0 1 0 z
Si p = 1, hay solo dos pivotes, y el rango de A (y por tanto el
de A) es igual a 2; y si p 6= 1, hay tres pivotes, y el rango es la cual podemos escalonar aplicando las transformaciones ele-
igual a 3. De esta forma, podemos concluir: mentales F ← F + F y F ← F − F ; ello nos conduce
2 2 1 3 3 1
• si p 6= 1, entonces los tres vectores forman una base de R3 ; a  
• si p = 1, entonces los tres vectores no forman base, y de 1 0 x
hecho generan un subespacio vectorial de R3 de dimensión 0 1 x + y .
igual a 2. 0 0 −x + z

. Mismos datos que en la cuestión anterior: dado un A la vista de esta matriz escalonada, apreciamos que el sistema
admite solución precisamente si −x + z = 0.
número real p, se consideran los vectores (1, −1, 1), (0, 1, 0)
El susbespacio vectorial G de R3 está determinado, pues, por la
y (1, 2, p) de R3 .
ecuación implı́cita x − z = 0.
. En el espacio vectorial R5 , la codimensión de una recta Solución. Denotemos por A la matriz del enunciado. La ma-
es igual a triz A es productiva si y solo si la matriz I − A es invertible y
su inversa es positiva: (I − A)−1 > O. (Aquı́ I denota la matriz
a) 1; b) 3; c) ♣ 4.
identidad de orden 2.)
Solución. Dado un subespacio vectorial F de Rn , se define la Se tiene:
codimensión de F como la diferencia n − dim F ; esto es:      
1 0 0 a 1 −a
I −A= − = ,
codim F = n − dim F. 0 1 0 0 0 1

Como la dimensión de una recta es igual a 1 (en cualquier espacio y la matriz I − A es invertible y de inversa positiva:
vectorial), la codimensión de una recta de R5 es igual a 5−1 = 4. 
 1 −a 
  
  = 1 6= 0, y (I − A)−1 = 1 a > O.
0 1 0 1
. Dada la matriz de coeficientes técnicos
  La matriz A es, pues, productiva cualquiera que sea el valor
0 0 1
de a > 0.
 2/5 0 0  ,
1/4 2/3 0 . Considérese la aplicación lineal f de R3 en R2 definida
por f (x, y, z) = (x + z, −x + y). El rango de f es igual a
se verifica:
a) 1; b) ♣ 2; c) 3.
a) es descomponible, pero no completamente descom-
Solución. Se tiene: rango f = dim(Im f ), y el subespacio Im f
ponible; 2
puede calcularse como el subespacio vectorial de R generado
b) es completamente descomponible; por la imagen por f de los vectores de una base de R3 . Si nos
fijamos, verbigracia, en la base canónica de R3 :
c) ♣ es indescomponible.


B C = (1, 0, 0), (0, 1, 0), (0, 0, 1) ,
Solución. Calculemos los conjuntos M (1), M (2) y M (3).
Para M (1), observamos que los bienes 2 y 3 son directamente se tiene:
necesarios en la producción del bien 1, pero no dejamos de
f (1, 0, 0) = (1, −1), f (0, 1, 0) = (0, 1), f (0, 0, 1) = (1, 0),
escribir el propio bien 1 (aunque sea nulo el término de posi-
ción (1, 1) en la matriz):

y entonces Im f = L (1, −1), (0, 1), (1, 0) = R2 . (Nótese que,
2 entre estos últimos tres vectores, los dos primeros, por ejemplo,
1
 no son proporcionales, luego solo ellos ya generan R2 .) Final-
@
R 3.
@ mente: rango f = 2.

Ası́: M (1) = {1, 2, 3}. . Mismos datos que en la cuestión anterior: se conside-
ra la aplicación lineal f de R3 en R2 definida de la for-
Para el bien 2, vemos que solo es directamente necesario el
bien 3, pero tampoco dejamos de escribir el mismo bien 2 (aunque ma f (x, y, z) = (x + z, −x + y).
sea nulo el término de posición (2, 2) en la matriz); a su vez, el El núcleo de f verifica:
bien 3 requiere como directamente necesario el bien 1. Esto es:
a) Ker f = {(0, 0, 0)}; b) ♣ ninguna de las otras;
2 - 3 - 1,
c) Ker f es la recta de vector director (1, 1, 1).
y ası́: M (2) = {1, 2, 3}.
Finalmente, podemos escribir: Solución. De acuerdo con lo obtenido en la cuestión anterior,
3 - 1 - 2, se tiene: dim(Ker f ) = dim R3 −dim(Im f ) = 3−2 = 1 (recuérdese
que la dimensión del núcleo más la dimensión de la imagen es
y también resulta: M (3) = {1, 2, 3}. igual a la dimensión del espacio de partida), y ası́ el subespa-
cio Ker f es una recta de R3 .
Vemos que todos los bienes figuran en los conjuntos M (1), M (2)
3
y M (3): todos los bienes son, pues, productos fundamentales, y Veamos de qué recta se trata, Un vector (x, y, z) de R pertenece
ası́ la matriz es indescomponible. a Ker f si y solo si f (x, y, z) = (0, 0), esto es:
  (x + z, −x + y) = (0, 0),
0 a
. Dado un número a > 0, la matriz verifica:
0 0 o bien: x+z = 0 y −x+y = 0, de donde y = x y z = −x. Vemos
que sus soluciones son todas las ternas de la forma (λ, λ, −λ)
a) ♣ es productiva cualquiera que sea a > 0;

donde λ es un número real. Es decir: Ker f = L (1, 1, −1) , o
b) si a > 0, no es productiva; bien: el núcleo de la aplicación lineal f es la recta de vector
director (1, 1, −1).
c) ninguna de las anteriores.
. Mismos datos que en la cuestión anterior: se conside- o bien (
3 2
ra la aplicación lineal f de R en R definida de la for- 2x1 + 2x2 = 0
ma f (x, y, z) = (x + z, −x + y). 2x1 + 2x2 = 0.
La aplicación lineal f verifica: Este sistema se reduce a una única ecuación: x1 +x2 = 0, que ad-
mite como solución todos los vectores que se pueden escribir de
a) ♣ es suprayectiva; b) es inyectiva; la forma (−λ, λ) para algún λ ∈ R. El subespacio vectorial pro-


pio de la matriz A asociado al autovalor 2 es, pues, L (−1, 1) ;
c) no es ni inyectiva ni suprayectiva.
los vectores no nulos de este subespacio son los autovectores
correspondientes.
Solución. De acuerdo con las cuestiones anteriores, sabemos
Para el autovalor λ = 6, planteamos: (A − 6I)X = O, que nos
que dim(Im f ) = 2 y dim(Ker f ) = 1, Como el número dim(Im f )
lleva a considerar el sistema de ecuaciones
coincide con la dimensión del espacio de llegada, la aplicación     
lineal f es suprayectiva; como el número dim(Ker f ) es distinto −2 2 x1 0
= ,
de 0, la aplicación lineal f no es inyectiva. 2 −2 x2 0

. Dada la matriz   que admite como solución todos los vectores de la forma (λ, λ)
4 2 para algún λ ∈ R. Es decir, el subespacio vectorial propio de
,

la matriz A asociado al autovalor 6 es L (1, 1) . De nuevo, los
2 4
autovectores correspondientes son los vectores no nulos de este
se verifica: subespacio.
a) admite un autovalor doble;
b) ♣ admite dos autovalores distintos y ambos son nú-
meros positivos;
c) admite un autovalor negativo y otro positivo.

Solución. Denotemos por A la matriz del enunciado. Los au-

tovalores de la matriz A son las soluciones de su ecuación carac-
terı́stica. El polinomio caracterı́stico de la matriz A es
 
4 − λ 2 
|A − λI| =  = λ2 − 8λ + 12,
2 4 − λ

y ası́ la ecuación caracterı́stica es λ2 −8λ+12 = 0. Esta ecuación

tiene dos soluciones: 2 y 6, ambas simples. Estos dos números,
positivos y distintos, son los autovalores de la matriz A. (Notese
que I designa la matriz identidad, en este caso la de orden 2.)

. Mismos datos que en la cuestión anterior: se considera

la matriz  
4 2
.
2 4
El subespacio vectorial propio asociado al autovalor mayor
de esta matriz es




a) ♣ L (1, 1) ; b) L (−1, 1) ; c) L (2, 1) .
Solución. Como en la cuestión anterior, sigamos denotando la
matriz del enunciado por A. Ya sabemos que sus autovalores
son 2 y 6. Calculemos los autovectores correspondientes.
El subespacio vectorial propio de la matriz A asociado a un
autovalor λ está formado por los vectores x = (x1 , x2 ) para los
que se verifica: (A − λI)X = O, donde
 
x1
X= .
x2

Para el autovalor λ = 2, nos planteamos: (A − 2I)X = O, es

decir:     
2 2 x1 0
= ,
2 2 x2 0