Métodos Numéricos Avanzados

2C 2021
1. Operaciones con vectores numéricos
1.1 Determina cuál de los siguientes vectores son iguales u 1 = (1, 2, 3), u 2 = (2, 3, 1), u 3 = (1, 3, 2), u 4 =
(2, 3, 1)
Rta: 4u = 2u

1.2 Considera los vectores de C3

w 1 = (2 + 3ı; 4 − ı; 3) w 2 = (3 − 2ı, 5ı, 4 − 6ı)

Determina w 1 + w 2 ; (5 − 2ı)w
w1
Rta: )ı6 − 51 ;ı31 − 81 ;ı11 + 61( = 1w)ı2 − 5(;)ı6 − 7 ;ı4 + 4 ;ı + 5( = 2w + 1w

1.3 Sean los vectores de R3

u = (2; −7; 1), v = (−3; 0; 4), w = (0; 5; −8)

Encuentra: a = 3uu − 4vv ; b = 2uu + 3vv − 5w

w.
Rta: )45 ;93− ;5−( = b ;)31− ;12 ;81( = a

1.4 Encuentra x y y, tal que verifiquen a) (x; 3) = (2; x + y); b)(4; y) = x(2; 3)
Rta: 6 = y ;2 = x )b ;1 = y ;2 = x )a

1.5 Escribe el vector de R2 v = (1, 2) como combinación lineal de los vectores

u 1 = (1; 1) u 2 = (1; −1) u 3 = (1; −3); ¿es única la solución?
Rta: γ − 2 − = β , γ + 23 = α ; γ nu odad ,acin ú se on n ióculos aL
1

1.6 Encuentra los factores a y b tal que

(2; 3)′ = a(1, 4)′ + b(−4, −16)′

Rta: .laenil n iócanibmoc omoc raserpxe edeup es on odad rotcev lE

1.7 Encuentra manualmente y con el software Octave los factores a; b ∈ C tal que ⃗u = a⃗v + b⃗w con
⃗u = (3 + 2ı; 0); ⃗v = (ı; 1); y ⃗w = (−1; 2ı )
Rta: ı0 + 01− = b ı7 + 0 = a

1.8 Repite el problema anterior pero con a; b ∈ R

Rta: n ióculos yah oN

1.9 Mediante cálculo manual y el software de cálculo Octave; determina los números α; β ; γ tal que el
vector v= (2, −5, 3) sea combinación lineal de los vectores wi es decir

⃗v = α⃗w1 + β ⃗w2 + γ⃗w3

con
⃗w1 = (1, −3, 2)′ , ⃗w2 = (2, −4, −1)′ , ⃗w3 = (1, −5, 1)′
1
Rta: 4− = γ ; 14 = β ; 43 = α

1.10 Sea el conjunto A = {⃗u;⃗v;⃗w}, donde ⃗u = (2, 1)′ ;⃗v = (2, 4)′ y ⃗w = (5, 4)′ Representa al vector ⃗w como
combinación lineal de ⃗u y ⃗v.
Rta: v⃗21 + u⃗2 = w⃗
2. Matrices y Determinantes
2.1 Sean las matrices A ∈ R2×3 ; B ∈ R2×3 y C ∈ R3×4
A + 2B
a) 3A B c) A − 5 B e) C ′ B ′
BC +C
b) AC + 5B C d) BC f ) AB′

Donde:
 
    1 −2 0 3
−1 2 4 −7 5 −3
A= B= C = 4 −5 1 2
−7 5 −3 −5 2 −6
2 3 1 4
Rta:
   
321 71 742− 721 3 61 71
)b )a
762 05 44− 561 12 91 13
   
91 2 84− 12− 81 32− 43−
)d )c
34 8 2− 52 72− 5− 81−
 
  52 12
72 8  2− 84−
)f   )e
36 56 8 2 
34 91
2.2 Determina todas las matrices B que conmutan con la siguiente matriz cuadrada:
 
3 1
A=
1 0
 
a b + a3
Rta: .selaer sorem nú b y a noc =B
b a

2.3 Exhibe todas las matrices A de R2×2 tal que a) A 2 = −I;b) A 2 = +I (Matrices involutivas de orden
2); c) A 2 = 0 (Matrices nilpotentes de orden 2);d) A 2 = A (Matrices idempotentes).
Rta:
   
2 b a c 0
1 = cb + a , = A )b = A )a
a− c 0 1c −
   
2 b a b 0
a = cb + a = A ) d 0 ≠ b 2 = A )c
a−1 c 0 ba −

2.4 Sea A ∈ R3×3 tal que:  

1 −1 0
0 1 0
2 0 1
Halla A −1 , b) (A
A′ )−1 .
Rta:
   
2− 1 1 0 1 1
2− 1 0 )b 0 1 0  )a
1 0 0 1 2− 2−

2.5 Sean la matrices Z ∈ C2×3 y W ∈ C2×3 . Halla Z W

 
  −2ı 1 − 4ı
1−ı 2ı −2 + ı
Z= W = −1 + 3ı 2 − 3ı 
;W
−3ı 3 − 2ı −1 − ı
−2 + ı −4 + ı
 
ı7 − 01 ı8 − 5
Rta:
ı31 − 7− ı21
 Propiedades útiles de los determinantes:

D.1 Si intercambiamos dos filas o dos columnas de una matriz cuadrada, su determinante cambia de
signo aunque son iguales en valor absoluto.
D.2 El determinante de una matriz cuadrada coincide con el determinante de su traspuesta, es decir:
Det(A) = Det(A′ )
D.3 Si A y B son dos matrices ∈ Rn×n entonces Det(A
AB ) = Det(A
A)Det(B
B)
A−1 = (Det(A
D.4 si A es inversible Det(A A))−1
D.5 Si multiplicamos todos los elementos de una fila o columna de una matriz cuadrada por un
número k, su determinante queda multiplicado por dicho número.
D.6 Si una matriz cuadrada tiene todos los elementos de una fila o columna nulos, su determinante
es cero.
D.7 Si una matriz cuadrada tiene dos filas o dos columnas iguales su determinante es cero.
D.8 Si una matriz cuadrada tiene dos filas o columnas proporcionales su determinante es cero.
D.9 todos los elementos de una fila o columna de una matriz cuadrada se descomponen en dos
sumandos, entonces su determinante es igual a la suma de dos determinantes que tienen en
dicha fila o columna el primero y el segundo sumando respectivamente, siendo los restantes
elementos iguales a los del determinante inicial.
     
a b c a b c a b c
Det  d e f  = Det  d e f  + Det  d e f 
g+ j h+k i+l g h i j k l

D.10 Si una fila o columna de una matriz cuadrada es combinación lineal de dos o más de las restantes
filas o columnas, su determinante es cero.
D.11 Si a una fila o columna de una matriz cuadrada se le suma otra paralela a ella, su determinante
no varı́a.
D.12 Si a una fila o columna de una matriz cuadrada se le suma otra paralela a ella multiplicada por
un número, su determinante no varı́a.

A) = −3. Calcule Det( 34 A −1 B ′ ) si B =

2.6 Sea Ai ∈ R3 y A ∈ R3×3 , tal que A = (A1 , A2 , A3 ) con Det(A
(A1 − 3A3 , A3 , A1 − A2 )
72
Rta: 46

A) = k ̸= 0. Calcule Det( 23 B −1 A 2 ) si
2.7 Sea Ai ∈ R4 y A ∈ R4×4 , tal que A = (A1 , A2 , A3 , A4 ) con Det(A
B = (A1 − A2 , A3 − 2A4 , A3 , A2 )
Rta: k 188

2.8 Sea A ∈ R3×3 y k ∈ R Halla los valores de k tal que la matrı́z A es singular
 
k − 1 −2 3
A= 0 k + 2 −1 
0 0 3−k

Rta: 3 = k ;1 = k ;2− = k

2.9 Halle los valores de k que hacen inversible a la matriz P

 
1 1 0
P =  −2 k − 1 2 
0 3 k

Rta: 2 = k ;3− = k
2.10 Estudiar el carácter del sistema según los valores de los parámetros a y b:

 x+ y+ z = a

x− y =0

3x+ y+ bz = 0

Rta: ametsis le 0 = a ;2 = b is ;)elbitapmocnI( n ó iculos etsixe on 0 ≠ a y 2 = b is

acin ú anu etsixe 2 ≠ b is y )odanimretedni elbitapmoC( senoiculos satinfini eneit
.)odanimreted elbitapmoc( n ióculos
2.11 Dado el sistema de ecuaciones 
−2x− 4y+ 6z = 4

−3x− 3y+ 8z = 4

 + 3y− z = k

a) Para qué valores de k el sistema es compatible determinado (tiene solución única).

b) Para qué valores de k el sistema es compatible indeterminado (tiene infinitas soluciones).
c) Para qué valor de k el sistema es incompatible (no tiene soluciones).
d) Halle las soluciones del sistema homogéneo.
e) halle las soluciones del sistema para el valor de k hallado en b).

Rta: z 13 + 23 − = y ;z 73 + 32 − = x )e ;z 13 = y ; z37 = x )d ;2 ≠ k )c ;2 = k )b ;acnun )a

3. Espacios Vectoriales, subespacios y bases

Diremos que (V; +; K; ·) es un espacio vectorial sobre un cuerpo de escalares K si:

v 1 , v 3 ∈ V ⇒ (vv1 + v 3 ) ∈ V. λ ∈ K, v ∈ V ⇒ λ · v ∈ V

Diremos que (S ⊆ V; +; K; ·) es un subespacio vectorial sobre un cuerpo de escalares K si:

S ̸= {} v 1 , v 3 ∈ S ⇒ (vv1 + v 3 ) ∈ S. λ ∈ K, v ∈ S ⇒ λ · v ∈ S

Está claro que si S es un subespacio de V, 0 ∈ S.

3.1 Probar que el conjunto V con la suma y el producto por escalares definidos a continuación, es un
espacio vectorial sobre R.

V ≡ RR = { f : R → R/ f es función}
+ : ( f + g)(x) = f (x) + g(x)∀x ∈ R
· : (k · f )(x) = k · f (x)∀x ∈ R

3.2 Prueba que el conjunto C k el conjunto de las funciones k veces derivable, con f (k) continua es un
espacio vectorial con la suma y producto por escalar definidos en el ı́tem anterior.

3.3 Caracterizar geométricamente todos los subespacios de R2 y de R3 .

Rta: ,onalp omsim le y negiro le rop asap euq satcer sal nos 2 R ed soicapsebus soL
3
R omsim le y negiro le rop nasap euq sonalp y satcer sal 3 R ed sol

3.4 Indique cual de los siguientes subconjuntos de R2 son un subespacio con la suma y producto por
escalar ordinario.
 n o n o
a) A = (x1 ; x2 ) ∈ R2 /x1 = 0 c) C = (x1 ; x2 ) ∈ R2 /3x1 − 2x22 = 0
n o n o
b) B = (x1 ; x2 ) ∈ R2 /2x1 − 2x − 2 = 0 d) D = (x1 ; x2 ) ∈ R2 /x1 ⩽ 0

Rta: .oN )d ;oN )c ;oN )b ;iS )a

3.5 Analiza en cada caso si S es un subespacio de V.
n o
4 4
a) V = R , K = R; S = x1 ∈ R /x1 + x2 − x4 = 0 c) V = C, K = R; S = {aı/a ∈ R}
d) V = Pn , K = C; S = {p ∈ Pn /gr(p) = 3}
b) V = R2×2 , K = R; S = A ∈ R2×2 /A

A singular

Rta: oN )d ;iS )c ,oN )b ,iS )a

3.6 Analiza para cada caso si S es un subespacio de V.
a) V = Pn S = {p ∈ Pn /p = 0 o gr(p) ⩽ n}
b) V = P2 S = {p ∈ P2 /a0 − a1 + a2 = 0 y 2a2 − a3 = 0}
Rta: iS )b ;iS )a
3.7 a) Determina si a = (1; −1; 3) es combinación lineal de b = (0; 2; 2); c = (1 − 1; 1). Hint: Utiliza
D.10.
b) Expresa el polinomio p(t) = t 2 + 4t − 3 como combinación lineal de (t 2 − 2t + 5; 2t 2 − 3t;t + 3).
c) Halla k ∈ R tal que (1; 2; 0) sea combinación lineal de {(1; 2; −1); (2; 2; 1); (2; 1 + k; k)}
Rta: )c ;)3 + t(4 + ) t3 − 2 t2(2 + )5 + t2 − 2 t(3− = ) t(p )b ;oN )a
3.8 Hallar todos los k ∈ R para los cuales cada uno de los siguientes subconjuntos de R3 es un conjuntos
de vectores linealmente independiente.
a) {(1; 2; k); (1; 1; 1); (0; 1; 1 − k)} .
b) {(k; 1; 0); (3, −1, 2); (k; 2; −2)} .
c)
    
1 0 0 1 0 k 0 3
0 1 1 0 1 −1 −k 1

Rta: 1 ≠ k)c ;k∀ )b ;1 ≠ k )a

3.9 Demuestra que B = {(1; 1; 0); (0; 1; 1); (1; 0; 1)} es una base de R3 .
3.10 Prueba que el conjunto {(1; 0; 0); (0; ı; 0); (1; 1; ı)} es base de C3 como C-espacio vectorial, pero no
como R-espacio vectorial. Calcula la dimensión de C 3 como R-espacio vectorial.
3.11 Qué dimensión tienen el conjunto de vectores generado por los siguientes conjuntos. Completa los
siguientes conjuntos L.I. a una base del K-espacio vectorial.
a) {(1, 1, 1, 1), (0, 2, 1, 1)}, V = R4 , K = R
b) {x3 − 2x + 1, x3 + 3x}, V = R3 [x], K = R.
c)
   
1 0 0 ı 0 2
ı 1 1 1 1 1

Rta: R erboS 3 )c 2 )b 2 )a
3.12 halla las coordenadas del vector (3; 1)′ (expresado en la base canónica) en la base B = {(3; 1)′ ; (2, 0)′ }
Rta: ′)0 ;1(
4. Transformaciones lineales
4.1 a) f : R3 → R3 tal que f ((x1 , x2 , x3 )) = (2x1 − 7x3 , 0, 3x2 + 2x3 );
b) f : R2 → R3 tal que f ((x1 , x2 )) = (x1 − x2 , 2x2 , 1 + x1 );
c) f : C → C tal que f (z) = z;
 
2×2 a11 a12
d) f : R → R, f = a11 a22 − a12 a21 ;
a21 a22
e) tr : Kn×n → K, con K = R o K = C;
A) = A ′ , con K = R o K = C;
f ) t : Kn×m → Km×n , t (A
g) T : C1 (R) → C (R), T ( f ) = 3 ( f ′ )2 ;
h) T : C1 (R) → C (R), T ( f ) = 3 f ′′ − 5 f ′ + 6 f .
Rb
i) T : RR → R, T ( f ) = a f (x) g(x) dx con g ∈ L1 .
Rta: artnoc nu artseum( oN h ;oN g ;iS f ;iS e ;ON d ;iS c ;) 3R0 ≠ ) 2R0( T( oN b ;iS )a
IS ;i ;)olpmeje
4.2 Sea f : Rn → Rm / f (X) = A .X; A ∈ Rm×n , f es el producto por una matriz; prueba que f es una
Transformación lineal.

4.3 Sea la transformación Lineal D : P2 → P2 tal que D(p) = p′ (x); encuentra la matriz asociada con esta
transformación.  
0 0 0
Rta:  0 0 2 
0 1 0

4.4 Interpretar geométricamente las siguientes transformaciones lineales f : R2 → R2 :

a) f (x, y) = (x, 0).

b) f (x, y) = (0, y).
c) f (x, y) = (x, −y).
x+y x+y

d) f (x, y) = 2 , 2 .
e) f (x, y) = (x cos (t) − y sin (t) , x sin (t) + y cos (t)).

4.5 Probar que existe una única transformación lineal f : R2 → R2 tal que f (1, 1) = (−5, 3) y f (−1, 1) =
(5, 2). Para dicha f , determinar f (5, 3) y f (−1, 2).

4.6 Sean B1 y B2 bases de R2 y  

1 1
P=
0 −3
la matriz cambio de base de B1 a B2 .

a) Si uB1 = (1; 4) Calcula uB2

b) si vB2 =(3;5) calcula vB1
c) si B1 = (1; 3); (0, 4) obtener B2 . ¿Es única?

Rta: )3/5− ;3/41( )b ;)21− ;3( )a

4.7 Determinar si existe una transformación lineal f : R2 → R2 tal que f (1, 1) = (2, 6), f (−1, 1) = (2, 1)
y f (2, 7) = (5, 3).
Rta: n iócamrofsnart lat etsixe oN
 4.8 Dada F : R3 → P1 cuya matriz asociada es:
 
1 0 1
MBE =
−1 0 0

Siendo B = {(1; 0; 0); (1; 1; 0); (1; 0; 1)} y E = {1,t}

a) Halla una base para el Nucleo de F,

b) un v ∈ R3 tal que F(v) = −1 + t

Rta: R ∈ a noc )0 ;a ;1−( = v )b ;})0 ;1 ;0({ = ) F(u NB )a

4.9 Hallar las coordenadas de v ∈ V respecto de la base B en los siguientes casos:

a) v = (1; 1; 1) ∈ R3 B = {(1; 0; 2); (2; 2, −3); (0; 2; 0)} K = R.

b) v = (2 − i; 2 + 3i) ∈ C2 B = {(1 + i; −i); (i; 1 − i)} K =C

Rta: )i7 ;i5 − 4( = B )b ;) 52 − ;3− ;5( )a

4.10 Sea la transformación lineal F : R2 → P1 tal que viene representada en las bases B1 de R2 y B2 de P1
 
1 2
A= ; B1 = {(1; 0); (1; 1)} B2 = {1; 1 − x}
1 2

a) Halla F[(2; 1)E ]

b) Halla una base del núcleo de F
c) Una base para la imagen de F

Rta: }x − 2{ = m IB )c;})1− ;1({ = u NB )b ;x3 − 6 )a

ı́tem Halla una transformación lineal T : R2 → R tal que su núcleo sea el generado por N ul(T ) =
4

{a1 x + a1 x2 : a1 ∈ R.

5. Producto interno y norma

5.1 Considere los siguientes pares de vectores:
     π   
1 −1 ei 4 1−i
x1 = , y1 = ; x2 = , y2 = π ;
−1 1 −1 ei 3
       
1 10 1 + 2i i
x 3 =  −1  , y 3 =  5  ; x 4 =  −1  , y 4 =  4 + 4i  .
2 −2 2−i −1

a) Verifique la desigualdad Cauchy-Schwarz para cada par.

b) Encuentre el ángulo formado por cada par de vectores en R2 o R3 .
c) Encuentre la proyección de x k sobre y k para k = 1, 2, 3, 4.

5.2 Interpretación geométrica de algunas normas.

a) Dibuje el espacio geométrico correspondiente al conjunto de vectores x ∈ R2 tal que ∥xx∥ p = 1

con p = 1, 2, ∞.
b) ¿Por qué a la norma 1 se la suele asociar con los nombre “distancia de Manhattan”, base de la
“geometrı́a del taxista”?

5.3 Sean a y b dos vectores cualquiera en R2 .

 a) Encuentre el valor de α que minimiza la función f (α) = ∥bb − αaa∥2 . Nota: αaa es la proyección
de b en la dirección de a .
b) Demuestre que el vector “error” e = b − αaa es perpendicular a a .

5.4 Determinar cuáles de las siguientes funciones pertenecen a L1 (R) y cuáles a L2 (R):
(
0 si x < 0
f1 (x) = −x , f2 (x) = e−|x| ,
e si x ≥ 0
( (
0 si x ≤ 0 0 si x ≤ 0
f3 (x) = 1 , f4 (x) = 1 ,
x si x > 0 x2
si x > 0
(
0 si x ≤ 0
f5 (x) = (−1+i)x , f6 (x) = cos(x).
e si x > 0

5.5 Determinar el producto interno entre cada par de funciones en L2 ([0, 2π]):

fk (x) = cos(kx), gk (x) = sin(kx),

con k ∈ N0 . Es decir, encuentre < fk , gn >, < fk , fn >, < gk , gn > para todo k, n = 0, 1, 2, · · · .

5.6 Determinar el producto interno entre cada par de funciones en L2 ([0, 2π]):

fk (x) = eikx ,

con k ∈ N0 . Es decir, encuentre < fk , fn > para todo k, n ∈ Z.

6. Ortogonalidad. Descomposición QR y LUP

6.1 Usando el método de ortogonalización de Gram-Schmidt, encuentre una base ortonormal del subes-
pacio generado por los vectores

a 1 = (1; −1; 0; 0)T , a 2 = (0; 1; −1; 0)T , a 3 = (0; 0; 1; −1)T .

Coloque la base resultante como vectores columna de una matriz Q . Muestre que

a) Q T Q = I 3 .
   
1 0
1  0 
b) Q Q T 
 
 1 =
  .
0 
1 0
¿Qué conclusiones puede obtener a partir de estos cálculos?

6.2 Consideremos el espacio vectorial P1 formado por el conjunto de polinomios de grado 1 con coefi-
cientes reales y el producto interno
D E
˙ 0 + b1 x) = a0 b0 + 2a1 b1
(a0 + a1 x)(b

Sea B = {1 + x; 1 − x} una base de P1 . Halla una base ortonormal de P1 a partir de ella.

Rta: })x − 2( 32√ ;)x + 1( 31√ { = oB
6.3 Encuentre la descomposición QR de las siguientes matrices (ejercicio tomado parcialmente de D.
Lay, Linear Algebra and Its Applications, Addison-Wesley, y de G. Strang, Linear Algebra and Its
Applications, 2da. Ed., Academic Press). Compare los resultados con la orden qr(A) y qr(A, 0) de
matlab/octave. Interprete las diferencias si las hay.
 
    1 1
1 2 3 0
A= , B= , C = 2 3 ,
2 4 4 5
2 1
 
  1 3 5
−1 6 6 −1 −3
 3 −8 1
3  
D=
 1 −2
, E =
 0 2 .
3
6  1 5 2
1 −4 −3
1 5 8
Rta:    )a
01 5 1 0 1 1
, √ =R , √ =Q
0 0 5 0 2 5

    )b
3√ 3 4− 3 1
=R , =Q
2 0 3 4 5

  )c
1
0 3
 2√
 
4 5 2
=R ,  2√ 3 = Q
3 0 2 2
2 − 3

  )d
  1− 3 1− √
1 6− 2 √ 1− 1 3  3
5 2 0 3 = R ,
3
 =Q
1 1  6
2 0 0
1 1− 3
6.4 Encuentre la factorización LU parcial de las siguientes matrices:
     
1 2 3 1 2 −3 1 3 0 1
A = 2 5 4 , B= 2 4 0 7 , D= 2 5
 4 .
3 0 1 −1 3 2 0 1 2 3

Rta: )a
     
1 0 3 0 0 1 1 0 0
.  031 5 0 = U , 0
 1 2
3
=L , 0 1 0 = P
4 2 1 0 0 1
3 0 0 1 5 3

)b
     
1 3− 2 1 0 0 1 0 0 1
. 1
 1− 5 0 = U , 0
 2 1− = L , 1 0 0 = P
5 6 0 0 2 0 2 0 1 0

)c
     
1 0 3 0 0 1 0 0 1
.  031 5 0 = U , 0
 1 2
3
=L , 0 1 0 = P
4 2 1 1 0 0
3 0 0 1 5 3

.aterpretnI
6.5 Se puede demostrar que los polinomios, P = {1, x, x2 , x3 , · · · } representan una base de las funciones
reales que tienen derivadas de todo orden en [−1, 1]. Utilizando el proceso de ortogonalización de
Gram-Schmidt, encuentre los primeros tres elementos de la base ortonormal con el producto interno
definido por:
Z +1
⟨pn (x) · pm (x)⟩ = pn (x)pm (x) dx.
−1
¿Te animas a dar una expresión de los infinitos elementos 
de la base? Házlo. 

1 2 03 q 3 q 1
Rta: 6− x 7 ;x 2 ; 2√

6.6 Sea U la matriz triangular superior, compruebe que resolver el sistema

U ∗b = c
No requiere de la inversión de ninguna matriz.
Desarrolla una función en Matlab/Octave llamada BackwardSust(U,c) tal que b=BackwardSust(U,c)
y aplı́cala para resolver el sistema
2 1 −1 1
     
x1 5
0 5 − 3 − 1  x2   − 3 
 2 2
14
2    2
7  · x  =  14 
0 0
5 − 5 3 5
7 x 14
0 0 0 2 4

Rta: )4 ;3 ;2 ;1( = ) 4x , 3x , 2x. 1x(

6.7 Sea L una matriz triangular inferior, compruebe que la resolución del sistema
L ∗b = c
No requiere de la inversión de ninguna matriz.
Desarrolle una función en Matlab/Octave llamada ForwardSust(L,c) tal que b=ForwardSust(U,c) y
aplı́quela para resolver el sistema
     
1 0 0 0 x1 1
−1 1 0 0  x2   1
   

−1 −3 1 · = 
0  x3  −4
1 −1 0 1 x4 3
Rta: )4 ;3 ;2 ;1( = ) 4x , 3x , 2x. 1x(
En base a los ejercicios anteriores, resolver el sistema de ecuaciones lineales
A·x = b

a) Utilizando la factorización QR A x = Q R x = b ; primero resolvemos

Q ·z = b y luego:
R ·x = z
Como Q es ortonormal, su inversa coincide con su traspuesta z = Q ′ b y como R es triangular
superior; se aplica el método del problema 6.6
b) Utilizando la factorización PLU. Sabemos que entonces para resolver A x = b Multiplicamos a
izquierda por P y aplicamos la factorización LU y el procedimiento para QR
Ax = b
PAx = Pb
LU x = P b Primero resolvemos
Lz = Pb según problema 6.7, y luego
Ux = z con el procedimiento del problema 6.6
 6.8 Resuelva los sistemas de ecuaciones lineales: a, b, empleando factorización QR y c, d empelando
factorización LU.
A ∗x = b
   
2 1 −1 1 5    
−1 2 3 −2 14
2 −1 −1  b =  −4  , b)
 
a) A= A= 2 4 −1 b =  27 ,
 1 1 2 −1   5
−2 1 8 52
−1 1 1 2 12
   
3 1 1 0 −2    
−6 −12 0 0 4 −8
2 2 2
c) A =   b =  , d) A =  1 3 2 b =  1 .
3 3 2 −1 7
2 8 4 6
3 7 2 0 −5

Rta: ′)4− ;3 ;2− : 1( )d ; ′)2− ;2 ;1−()c ;)7 ;6 ;5( )b ; ′)4 ;3 ;2 ;1( )a

7. Autovalores y autovectores
7.1 Considere las siguientes matrices:
 
    2 1 1  
1 0 7 2 1 −2
A= , B= , C = 2 3 2 D=
2 3 −15 −4 1 3
3 3 4
a) Encuentra los autovalores, los autovectores y la matriz de diagonalización (matriz de autovecto-
res) para cada matriz.
b) Verifica que la traza de las matrices es igual a la suma de los autovalores, su determinante al
producto y es un invariante (tiene el mismo valor que la traza de la matriz original).

Rta: ;}ı − 2 ;ı + 2{ : D ;}1 ,1 ,7{ : C ,}1 ,2{ : B ,}1 ,3{ : A serolavotuA

: C ,} ′)3− ;1( ; ′)5− ;2({ : B ,} ′)1− ;1( ; ′)1 ;0({ : A serotcevotuA
.} )ı + 1− ;2( ; ′)ı − 1− ;2({ : D ;} ′)1 ;0 ;1−( ; ′)0 ;1 ;1−( ; ′)3 ;2 ;1({
′

7.2 Dada las matrices:

   
3 −1 1 5 0 0
A=  0 2 0 y B =  0 −1 1 ,
1 −1 3 3 0 −1

halla, para cada una de ellas: su espectro1 , su radio espectral2 ; la multiplicidad algebraica de cada
autovalor y la multiplicidad geométrica. El los casos que sea posible la matriz de paso.
;}2 ;2 ;4{ ortcepse A
Rta: -aid se 2 = )2( gm ;2 = )2( am ;1 = )4( gm = )4( am ;4 = )A ( ρ 
1 1− 1
= )2( gm = )2( am ;}1− ;1− ;2{ ortcepse B ;2 0 0  = P ;elbazilanog
1 1 1
.elbazilanogaid se on ,1 = )1−( gm ;1 = )1−( am ;1
7.3 Encuentre una matriz que tenga como espectro de autovalores, el siguiente {1; −2; 3}.
 conjunto:
6− 0 0
Rta: 5 0 1
2 1 0

7.4 Se tiene una matriz A ∈ R2×2 cuyos elementos son desconocidos, pero se sabe que sus autovalores
son 3; 13 y los correspondientes autovectores son (1; 1)′ ; (−1; 1)′ Determine el vector A x si x = (9; 1)′ .
Rta: ′) 14 ; 94 (
3 3
1 Se llama espectro de una matriz al conjunto de autovalores
2 Se llama radio espectral al mayor módulo de sus autovalores
 7.5 Se sabe que los autovalores de una matriz B de 3 × 3 son 0, 1, 2. Esta información es suficiente para
encontrar tres de los cuatro incisos siguientes:

a) el rango de B ,
b) el determinante de B ′ B ,
c) los autovalores de B ′ B , y
d) B + I 3 )−1 .
los autovalores de (B
1 1
Rta: 3 ; 2 ;1 )d edeup es on )c ;0 )b ;2 )a

7.6 Calcular los valores propios reales λ y los subespacios fundamentales asociados con λ para la trans-
formación lineal definida por f (x, y, z) = (−x − z; −7x + 4y + 13z; x − 3z).
Rta: }2 ,4{

7.7 Si los autovalores de una matriz A de 3 × 3 son 1, 1, 2, ¿de cuáles de las siguientes afirmaciones se
tiene la certeza de que son verdaderas? Proporcione un razonamiento de por qué sı́ son verdaderas o
un ejemplo si no son verdaderas.

a) A es invertible.
b) A es diagonalizable.
c) A no es diagonalizable .
 
1 1 1
Rta: 1 2 0 )c .elbitrevni se 0 ≠ )A( te d )a
1 0 0
7.8 Suponga que A es una matriz simétrica de 3 × 3 con autovalores 0, 1, 2.

a) ¿Qué propiedades pueden garantizarse para los autovectores unitarios u , v , w correspondientes

a los autovalores 0; 1; 2, respectivamente?
b) En términos de u , v , w , describa el espacio nulo y el espacio columna de A .
c) Encuentre un vector x que cumpla A x = v + w . ¿Es x único?
d) ¿Qué condiciones debe cumplir b para que A x = b tenga una solución?
e) Si u , v , w son las columnas de S , ¿cuáles son S −1 y S −1 A S ?

Rta: ebed b )d ;w 21 + v + u α = )c ;}u { = Nnag ;}w ;v { = loCneg )b ;selanogotro noS )a

= S A 1−S ;lanogotro se S euq ay ′S = 1−S )e A ed anmuloc oicapse la recenetrep
)2 ;1 ;0(gai d

8. Apliaciones de autovalores
8.1 Encuentre, si existen, lı́mk→∞ yk y lı́mk→∞ zk si

yk+1 = 0,8yk + 0,3zk ,

zk+1 = 0,2yk + 0,7zk ,

con y0 = 0 y z0 = 5. También encuentre expresiones para yk y zk a partir de la diagonalización de la

matriz de recurrencia.
Rta: 2 = ∞z ;3 = ∞y etim lı́ le ne , )1−k(−2 + 2 = kz ; )1−k(−2 − 3 = ky

8.2 En lo profundo de los bosques de secuoias de California, viven las ratas de patas oscuras y los búhos
manchados. Las ratas de patas cortas forman la base de la alimentación de los búhos (80 %) su prin-
cipal depredador. Se censan las poblaciones de búhos y ratas a intervalos de tiempo regulares. Lla-
memos Bk la población de búhos en el intervalo k-esimo, y Rk la de ratas (en miles) en ese mismo
intervalo. Se encuentra que las poblaciones en el próximo perı́odo de observación está relacionado
 con las del actual mediante las ecuaciones (ver D. Lay, Linear Algebra and Its Applications, Addison-
Wesley Cap 5):
1 2
Bk+1 = Bk + Rk
2 5
11
Rk+1 = −pBk + Rk .
10
Donde p es un parámetro positivo a determinar. El termino 12 Bk en la primera de las ecuaciones indica
que en ausencia de ratas, la población de búhos disminuirá a la mitad (por falta de alimento) mientras
que el 11
10 Rk indica que en ausencia de depredadores la población de ratas aumenta en un 10 %. Si hay
suficiente alimento para los búhos, su población crecerá con una proporcionalidad 52 de la de ratas.
El término negativo −pBk indica la reducción de la población de ratas por efecto de su depredación.
13
Encuentra que con p = 125 , a tiempos largos (con k ≫ 1) ambas poblaciones se estabilizan con un
aumento aproximadamente del 2 % en cada intervalo de observación y que la razón de poblaciones
queda como 10 búhos cada 13000 ratas.

8.3 Se estudian los mercados de aceite de oliva y de aceite de semillas de un determinado paı́s. Estos dos
mercados estaban en equilibrio, pero una gran campaña publicitaria sobre los beneficios para la salud
del consumo del aceite de oliva ha generado considerables distorsiones en los mismos. La distorsión
en cualquiera de los mercados en el periodo t+1 es una función de la distorsión de los dos mercados
en el periodo anterior, y más concretamente según las relaciones:

xt+1 = 0,4xt + 0,5yt

yt+1 = 0,2xt + 0,1yt

Siendo x e y las distorsiones en los mercados de aceite de oliva y de aceite de semillas respectivamente.
¿Desaparecerán estas distorsiones a largo plazo? Rta:
otnat ol rop ,1 euq seronem nos ametsis led zirtam al ed serolavotua soL .iS
∞ → k odnauc 0 → ) ky ; kx(
8.4 En cada ciclo de un año se sabe que el 20 % de la gente que vive en la ciudad de Trulalá se va a vivir
fuera de ella y que el 10 % que vive fuera regresa. ¿Qué tendencia tiene la evolución de la población
en la ciudad de Trulalá?
Rta: . láalurT ne ráiviv laicini n iócalbop al ed oicret nu ,sogral sopmeit A

8.5 En una cierta región el tiempo atmosférico sigue la siguiente secuencia: Un dı́a se denomina soleado
(S) si el sol luce más de la mitad del dı́a, y se denomina nublado (N), si lo hace menos. Por experiencia,
se sabe que si hay un dı́a nublado, es igual de probable que el dı́a siguiente sea también nublado. Si el
dı́a es soleado hay una probabilidad de 23 de que sea también soleado. el estado del tiempo atmosférico
al dı́a hoy se relaciona con el de ayer mediante el siguiente sistema:
1 2  
pN
yk+1 = 21 23 yk , yj =
2 3
pS

a) Verifica que la matriz de de transición de este proceso es la dada.

b) Si hoy está nublado, ¿cuál es la probabilidad de que dentro de tres dı́as esté también nublado?
¿y de que esté soleado?
c) y ¿dentro de una semana?
d) Qué puedes decir del tiempo para un número muy grande de dias (k → ∞)

8.6 “El tesoro de Google” PageRank.

Te remito a la lectura de la pégina “http://www.ams.org/publicoutreach/feature-column/fcarc-pagerank”
(visitada el 26/VII/2021) para una descripción más detallada.
Supongamos una Internet que tiene 6 páginas, y un diagrama para sus link que viene dado por:
 2 1 3

4 5 6

a) Verifica que la matriz de Hiperlinks es:

 1 
0 0 0 0 2 0
1 0 0 0 0 0
4 1 
0 0 0 0 0
H = 2 
1 1 0 0 1
0
4 2 2 
1 0 1 1 0 1
4
1
4 0 0 0 0 0

b) Verifica que esta matriz tiene el autovalor 1.

c) Obtén el autovector asociado.
d) determina cual es la clasificación de las paginas.
Puede usar el comando de Matlab/octave [P d]=eig(H).

Rta: )3,2,6,1,4,5(
8.7 Para los grafos siguientes analiza si es coherente la clasificación que establece pagerank.

1 2 1 2

4 3 5 4 3

Figura 1: a) Figura 2: b)

0 0 12 0
 
0 1 0 1 
Rta: euq senoicacfiisalc ed rotcev lE . 2 3
0 0 1 1  se sknilrepih ed zirtam aL )a
2 3
1 12 0 31
le euq se amelborp le ,odrusba se euq )1 ;0 ;0 ;0( = rp se knaregap ecelbatse
se sknilrepih ed zirtam aL )b )”part redips“( a añra ed alet 
anu se ortauc odon
0 0 0 21 0
0 0 1 0 1 
-on le seup 1 amus on anmuloc atniuq ayuc zirtam anu se ; 2 3
0 0 0 1 1 
2 3
0 1 21 0 31
-enorreP ed ameroet le elbacilpa se on ;)”dne daed“( lanimret odon nu se 5 od
.rolavotua omoc 1 a eneit on ogeul ,suineborF
8.8 Implementa el método de la teleportación al grafo de la figuras 1 y 2 con β = 0,8 y verifica se se
puede calcular la clasificación pagerank con la matriz de hiperlinks modificada
1−β
H = βH + ones(H)
N
 Donde H es la matriz de hiperlinks original y ones(H) es una matriz de unos del mismo tamaño que
H y N es número total de nodos del grafo.
Rta: -er sol neneitbo es1 o4 ;−3 o3 ;2 o2 ;4 o1 atluser otneimanedro le )a ofarg le araP
suineborF norreP ed ameroet le elesracilpa redop eugis )b ofarg lE .sodatlus
8.9 Para mitigar el efecto del nodo terminal del grafo b) se utiliza el siguiente cambio: se reemplazan
todos los elementos de la fina nula de la matriz H por 1/N con N el número total de nodos del grafo
y se aplica el algoritmo de teleportación.
β 1−β
H = βH + ones(N)e′k + ones(H)
N N
Donde ones(N) es un vector de unos de N componentes y ek es un vector que tiene sus componentes
nulas salvo la fila k que es la nula de la matriz H ¿Cual es la clasificación que se obtiene en este caso
para el grafo b?
Rta: 5 o5 ;1 o4 ;−3 o3 ;2 o2 ;4 o1 atluser otneimanedro le atluser otneimanedro lE

9. Métodos numéricos para encontrar autovalores

9.1 Considera la siguiente matriz ∈ R2×2
 
3 −1
A=
−2 4
a) Calcula manualmente los 5 primeros términos de la serie de autovalores calculados por el méto-
do de la potencia partiendo a) de x0 = (1; 1)
b) Calcule los 5 primeros términos de la serie de autovalores partiendo de x0 = (2; 0)′ .
c) Calcule los autovalores y autovectores exactos de la matriz e interprete los resultados.
9.2 Considera las matrices.
   
1 −1 0 −5 3 −3
A = 2 4 −2 , B = −3 1 −9  ,
0 −1 1 −3 3 −11
   
4 1 1 1 5,0 −2,0 −0,5 1,5
1 3 −1 1 −2,0 5,0 1,5 −0,5
C = 1 −1 2 0 ,
 D=
−0,5
.
1,5 5,0 −2,0
1 1 0 2 1,5 −0,5 −2,0 5,0

a) Utiliza el script desarrollado para estimar el autovalor dominante y su correspondiente autovec-

tor, para las siguientes matrices: Utiliza los valores iniciales
       
+1,0 −1,0 +1,0 +0,0
x 0 = −0,5 , x 1 = +2,0 , x 2 = +0,0 , x 3 = +2,0 ;
+1,0 +2,0 +1,0 +1,0

para las matrices en R3×3 y    

+1 +1
+1 −1
y0 = 
+1 , y 0 = +1 .
  

+1 +1
Utiliza la función eig89 de Matlab/octave. Que diferencias y similitudes encuentras? ¿Qué con-
clusiones puede obtener?
b) Usando la ayuda de un programa matemático, busque el menor autovalor (en módulo) de las
cuatro matrices con un error menor a 10−5 . Para ello, utilice el método de potencias aplicado a
las matrices inversas.
 9.3 Utilizando la matriz A del problema anterior, calcula el autovalor predominante utilizando como
condición inicial:
x0 = 2−n (1; −3; 1)′ + (1; 0; 1)′

9.4 Modifica el código del script para que muestre el valor del autovalor y el autovector asociado variando
n entre 1 y 50. Analiza el comportamiento de la salida. ¿Que puedes decir de los resultados?

9.5 Utiliza Matlab/Octave para encontrar los autovalores y autovectores de la matriz A del problema 9.2 con
el comando [P, D] = eig(A). ¿Qué notas de raro en la salida?

9.6 Sea la matriz:  

0 −10p
A=
1 10 + p
Se puede verificar que sus autovalores son 10 y p; si |p| < 10 10 será el autovalor predominante.
Utilice el código generado para hallar el autovalor predominante corriendo p = 1; 2; 3; ...; 10 anote el
número de iteraciones que requiere la convergencia con un valor de tol=. ¿Qué conclusiones saca de
este estudio?

9.7 Calcula por el método de la potencia inversa el valor del mı́nimo autovalor de las matrices del ejercicio
9.2

9.8 Calcule los autovalores asociados con las matrices del problema 9.2. por la iteración QR. Discuta los
resultados.
Rta: D }70632,5 ;30816,3 ;79183,1 ;39367,0{ C ;}2− ;5− ;8−{ B }1 ;1 ;4{ A
}2 ;5 ;4 ;9{
9.9 Calcula, por el método QR todos los autovalores de la matriz
 
1 0 0
A = 0 0 −1
0 1 0

compara con lo que da la función eig() de Matlab/Octave. Discute los resultados.

9.10 Hallar los autovalores y autovectores de las siguiente matriz y, si es posible, obtén P tal que P−1 AP
es una matriz diagonal.  
3 −1 1
A = 0 2 0
1 −1 3
 
1 1 1
Rta: 0 1 1 = P ;}422{
1 1 0

10. Descomposición en valores singulares y cuadrados mı́nimos

10.1 Sea la matriz A :  
0 3 3
4
 1 −1

4 1 −1
0 3 3
Verifique que puede descomponerse en valores singulares (versión full) como:
    
0 3 3 1 −1 −1 1 6 0 0  
4 1 −1 1 1 2 2 1
1 1 1 0 6 0 1 
  
4 1 −1 = 3 1
   2 −1 −2
1 −1 −1 0 0 0 3
1 −2 2
0 3 3 1 −1 1 1 0 0 0
 O como (versión económica):
   
0 3 3 1 −1    
4 1 −1 1 1 1  6 0 1 2 2 1
4 1 −1 = 3 1
   
1 0 6 3 2 −1 −2
0 3 3 1 −1

10.2 Encuentra la descomposición en valores singulares y la pseudo-inversa de las siguientes matrices:

 
  1 1    
1 3 2 2 3 1
A= , B = 1 0  , C= , D= .
3 2 3 −2 1 3
0 1
 √ ! 3
√− 1√
01 −
Rta: 1− = ; V = ; S 0 1
1√
0 1
3√ = U ;)3 ;1( 011 = +A )a
0
01 01
−
 √  1
√− 0 2√ 
−
0 3 3 6  
 1√ 1√ 1√  1− 2 1 1 +
= V; 1 0 = S ;3
  − 6 − = U ; = A )b
1
2
1 1
2 1− 1 3
0 0 √ √ √−
3 2 6  
1− 1− 1√
  1 1− 2
    2 7
0 0 5 1 1 1√
= V; = S; = U; 7  2  514 = +C )c
0 0 0 1− 1 2
01− 01
 
0 3 3
 4
√ 1√− √1  √1
2 3
     2 2−
 2 2 2 2
0 4 1− 1− 1√ 1− 3 1 1−
= V; = S; = U; D = +D )d
2 0 1 1− 2 3 1− 8  
1− 1− 1√
1 1− 2
10.3 Considera las matrices:  
  −1 2 1
−2 11  3 4 7
A= B 
−10 5  5 6 11
8 9 17
Halla, mediante la descomposición SVD:

a) Su rango,
b) su matriz inversa/pseudoinversa,
c) Su determinante,
d) su norma 1, 2 y de Frobenius.

Resuelve mediante descomposición en valores singulares los siguientes problemas de cuadrados mı́ni-
mos.

10.4 Considera el conjunto de datos que se presentan en la tabla 1. Se desean ajustar estos puntos, usando
el método de cuadrados mı́nimos, a una lı́nea recta:

y = a1 x + a0 .

Encuentra el valor de a0 y a1 .
Rta: 061,1 = 0a 021,1 = 1a
 Tabla 1: Problema 10.4 Tabla 2: Problema 10.5 Tabla 3: Problema 10.6
x y x y x y
1 2,1 1 1,1 0 6,20
π
2 3,9 2 3,9 4 2,30
π
3 4,2 3 8,8 2 −1,95
4 5,5 4 15,5 3π
4 0,40
5 6,9 5 23,0 π 2,01

10.5 Considere el conjunto de datos que figura en la tabla 10.5: Se los desea ajustar, usando el método de
cuadrados mı́nimos, a la siguiente función:
y = a2 x2 + a1 x + a0 .
Halla el valor de los coeficientes.
Rta: 680,1 = 2a 3475,0− = 1a 0046,0 = 0a
10.6 Los datos de la tabla 3 se quieren ajustar por la función:
y = a0 + a1 cos(x) + a2 cos(2x)
Halla el valor de los coeficientes a j Rta:
3 = 2a ;2 = 1a ;1 = 0a
10.7 En el fichero pressure.dat se encuentran los datos de: presión máxima ps , edad e y masa corporal m
de 11 pacientes estadounoidenses. Se quiere encontrar una correlación del tipo:
p = p0 + p1 e + p2 m
¿Cuales son los valores de p0 , p1 y p2 ? Los datos son una modificación del dataset que se aloja en
https://college.cengage.com/mathematics/brase/understandable_statistics/7e/students/datasets/mlr/frames/frame.html
Rta: 9637,0 = 2p y 2368,0 = 1p ,6389,03 = 0p
10.8 Es importante conocer el volumen de madera aprovechable de un árbol, a partir de su diámetro en
el fichero trees.dat se encuentran datos de diámetro (en pulgadas) y volumen aprovechable (en pies
cúbicos) se establece una relación funcional del tipo:
V = p1 x p2
Determina el valor de p1 y p2
Problema tomado de la página ( https://online.stat.psu.edu/stat501/lesson/9/9.3)
Rta: 4465,2 = 2p 6650,0 = 1p
10.9 La descomposición SVD puede ser empleada para eliminar ruido de datos medidos (“denoising”).
Considere el dataset que se encuentra en el fichero denoise.dat, Calcule el error cuadrático medio de
las mediciones:
1 N
MSE = ∑ (yi − ŷi )2
N i=1
donde yi es el valor medido y el ŷi el valor estimado por una regresión lineal.
Construya la matriz de datos D = [xx y ]; haga la composición SVD y construya la matriz de datos
truncada con un sólo valor singular y ajústelos por una recta, calcule el MSE en este caso, ¿que puede
comentar?
10.10 La fotografı́a que dio lugar a la “invención” del formato jpg es la de la sueca “Lena” (Lena 512x512.tiff)3 .
Has una versión comprimida de ella empleando la técnica de SVD truncado; Cuantos valores singu-
lares hacen que la imagen truncada requiera menor espacio en memoria que la original? Decide “a
ojo” cuantos valores singulares serı́an requeridos para no perder excesiva calidad y calcula la com-
presión que se logra.para esto considera que la matriz truncada contenga un % (90 %) del contenido
energético de los modos originales.
3 Si tienes algún impedimento en usar esa imagen puedes usar Lena-Test-Image.jpg, o mandril.tiff