Fermín Acosta Magallanes Problemario de Matemáticas II

UPIITA-IPN Ciencias Básicas Página 1
Sistemas de Ecuaciones Lineales

Matrices Reducidas

Una matriz está en su forma escalonada reducida por renglones si satisface las siguientes
propiedades:

1. Los renglones consistentes únicamente con ceros estarán en los últimos renglones de la matriz.
2. Leyendo cada renglón no cero de izquierda a derecha, el primer elemento distinto de cero se
llama la entrada líder, y debe de ser un uno. Cada entrada líder estará colocada a la derecha de
las entradas líderes de los renglones superiores.
3. Cada columna que contenga una entrada líder uno debe tener ceros en lo que resta de la
columna.

Una matriz con las propiedades 1 y 2 se dice que está en forma escalonada.

Las entradas líderes generan variables líderes y aquellas variables que no sean líderes se llaman
variables libres o parámetros.

El rango de una matriz es el número de renglones no cero en su forma escalonada reducida.

Eliminación de Gauss.

1. Escribe la matriz aumentada del sistema de ecuaciones lineales.
2. Utilice operaciones elementales por renglones para reducir la matriz aumentada a una matriz
escalonada.
3. Si el sistema es consistente, resuelve para las variables líderes en términos de las variables
libres que restan.

Eliminación de Gauss-Jordan.

4. Escribe la matriz aumentada del sistema de ecuaciones lineales.
5. Utilice operaciones elementales por renglones para reducir la matriz aumentada a una matriz
escalonada reducida.
6. Si el sistema es consistente, resuelve para las variables líderes en términos de las variables
libres que restan.


Teorema del Rango

Sea A la matriz de coeficientes de un sistema de ecuaciones lineales con n variables. Si el sistema es
consistente, entonces

Número de variables libres = n − Rango de A

Definición. Un sistema de ecuaciones lineales se llama homogéneo si el término constante de cada
ecuación es cero.

Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 2
Lema. Si un sistema homogéneo tiene m ecuaciones lineales y n variables, donde m < n, entonces el
sistema tiene un número infinito de soluciones.

Resolver el siguiente sistema de ecuaciones lineales usando el proceso de Gauss-Jordan. Determina las
variables líderes, libres y rango.


Resuelve los sistemas de ecuaciones lineales usando el método de Gauss-Jordan. Determine el rango
así como las variables líderes y libres.

1.
4 4
0 2
9 3 2
3 2 1
3 2 1
3 2 1
= + ÷
= + ÷
= ÷ +
x x x
x x x
x x x
2.
1 5 2
7 4
3 2
÷ = +
= +
= +
s r
s r
s r
3.
8 4 2
3
1
1 3
2
1
6
1
2 6
2
1
5 3 1
5 4 2 1
4 3 2 1
= ÷ ÷
÷ = + ÷ +
= ÷ ÷ +
x x x
x x x x
x x x x
4.
2
1
0
1 2
= + +
÷ = +
= + ÷ ÷
= + + +
z x w
y x
z y x w
z y x w


5. Determine por inspección (i.e. sin realizar ningún cálculo) si el sistema lineal con la matriz
aumentada dada tiene solución única, solución infinita, o no tiene soluciones. Justifica tu
respuesta.
(
(
(
¸
(

¸

0
0
0
12 11 10 9
8 7 6 5
4 3 2 1


Para cual(es) valor(es) de k, si es que existen, el sistema tiene (a) ninguna solución, (b) solución única,
y (c) número infinito de soluciones?

6.
1
1
= +
= +
y kx
ky x
7.
2
1
1
÷ = + +
= + +
= + +
z y kx
z ky x
kz y x


8. Encontrar la línea de intersección de los planos 1 2 3 ÷ = + + z y x y 5 4 2 = + ÷ z y x .

9. Determine si las líneas x = p + su y x = q + tv intersectan y, si lo hacen, encontrar el punto de
intersección.
p =
(
(
(
¸
(

¸

0
1
3
, q =
(
(
(
¸
(

¸

÷
÷
1
1
1
, u =
(
(
(
¸
(

¸

1
0
1
, v =
(
(
(
¸
(

¸

1
3
2


Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 3
Algebra de Matrices

Propiedades Algebraicas de la adición y multiplicación escalar.

Sean A, B y C matrices del mismo tamaño y sean c y d escalares. Entonces

1. A B B A + = + Conmutatividad
2. ( ) ( ) C B A C B A + + = + + Asociatividad
3. A A = + 0
4. ( ) 0 = ÷ + A A
5. ( ) cB cA B A c + = + Distributividad
6. ( ) ( )A cd dA c =
7. A A = 1

Propiedades de la Multiplicación de Matrices.

Sean A, B, y C matrices (cuyos tamaños son tales que las operaciones indicadas están bien definidas) y
sea k un escalar. Entonces

1. ( ) ( )C AB BC A = Asociatividad
2. ( ) AC AB C B A + = + Distributividad izquierda
3. ( ) BC AC C B A + = + Distributividad derecha
4. ( ) ( ) ( ) kB A B kA AB k = =
5.
n m
AI A A I = = si A es m×n Identidad multiplicativa

Propiedades de la Transpuesta

Sean A, B, y C matrices (cuyos tamaños son tales que las operaciones indicadas están bien definidas) y
sea k un escalar. Entonces

1. ( ) A A
T
T
=
2. ( ) ( )
T T
A k kA =
3. ( ) ( )
r
T
T
r
A A = para todos los valores enteros no negativos r
4. ( )
T T T
B A B A + = +
5. ( )
T T T
A B AB =
Sean
(
¸
(

¸

÷
=
5 1
0 3
A ,
(
¸
(

¸
÷
=
3 2 0
0 1 2 4
B ,
(
(
(
¸
(

¸

=
6 5
4 3
2 1
C Calcular las matrices indicadas, si es posible

1. ( )
T T T
CB C B ÷ 2.
3
A

3. Dar un ejemplo de una matriz A no cero 2×2 tal que 0
2
= A .
Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 4
4. Una fábrica elabora tres productos (cacharros, cachivaches, y trebejos) y los envía a dos bodegas
para su almacenamiento. El número de unidades de cada producto enviado a cada bodega está dado por
la matriz
(
(
(
¸
(

¸

=
125
100
75
100
150
200
A (donde
ij
a es el número de unidades del producto i enviado a la bodega j
y los productos se toman in orden alfabético). El costo del envío de una unidad de cada producto por
camión es de $1.50 por cacharro, $1.00 por cachivache, y $ 2.00 por trebejo. Los correspondientes
costos por unidad en el envío por ferrocarril son $1.75, $1.50 y $1.00, respectivamente. Organice estos
costos en una matriz B y posteriormente utilice la multiplicación de matrices para mostrar cómo la
fábrica puede comparar el costo del envío de sus productos a cada uno de las bodegas por camión o por
ferrocarril

5. En cada una de las siguientes, encontrar la matriz | |
ij
a A = 4×4 que satisface las condiciones dadas:
(a) ( )
j i
ij
a
+
÷ = 1 (b) i j a
ij
÷ = (c) ( )
j
ij
i a 1 ÷ = (d)
( )
|
.
|

\
| ÷ +
=
4
1
sin
t j i
a
ij


6. En cada una de las siguientes, encontrar la matriz | |
ij
a A = 6×6 que satisface las condiciones dadas:
(a)
¹
´
¦
>
s +
=
j i if
j i if j i
a
ij
0
(b)
¹
´
¦
> ÷
s ÷
=
1 0
1 1
j i if
j i if
a
ij
(c)
¹
´
¦ s + s
=
caso otro cualquier
j i if
a
ij
0
8 6 1


7. Resuelva la ecuación ( ) X B A 3 2 2 = + para X, dado que
(
¸
(

¸

=
4 3
2 1
A y
(
¸
(

¸
÷
=
1 1
0 1
B .

8. Escribe B como combinación lineal de las otras matrices, si es posible.

(
¸
(

¸

=
0 1 0
1 1 3
B ,
(
¸
(

¸
÷
=
0 1 0
1 0 1
1
A ,
(
¸
(

¸
÷
=
0 1 0
0 2 1
2
A ,
(
¸
(

¸

=
0 0 0
1 1 1
3
A

9. Determine si las matrices
(
¸
(

¸

4 3
2 1
,
(
¸
(

¸

1 2
3 4
son linealmente independientes.
10. Si
(
¸
(

¸

=
d c
b a
B , encontrar condiciones para a, b, c, y d tal que BA AB = ,
(
¸
(

¸

=
4 3
2 1
A .

Una matriz cuadrada se llama antisimétrica si A A
T
÷ = .

11. (a) Probar que si A es una matriz n×n, entonces
T
A A÷ es antisimétrica.
(b) Probar que cualquier matriz A puede escribirse como la suma de una matriz simétrica y una
antisimétrica.
(c) Ilustrar la parte (b) para la matriz
(
(
(
¸
(

¸

=
9 8 7
6 5 4
3 2 1
A .
12. Demostrar que no hay matrices 2×2 A y B tal que
2
I BA AB = ÷ .
Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 5
La inversa de una matriz

Propiedades de matrices invertibles
Si A es matriz invertible, entonces A
-1
es invertible y ( ) A A =
÷
÷
1
1
.
Si A es una matriz invertible y c es un escalar distinto de cero, entonces cA es una matriz invertible y
( )
1 1
1
÷ ÷
= A
c
cA .
Si A y B son matrices invertibles del mismo tamaño, entonces AB es invertible y ( )
1 1 1 ÷ ÷ ÷
= A B AB .
Si A es una matriz invertible, entonces
T
A es invertible y ( ) ( )
T
T
A A
1
1
÷
÷
= .
Si A es una matriz invertible, entonces
n
A es invertible para todos los enteros no negativos n y
( ) ( )
n
n
A A
1
1
÷
÷
=
Si A es una matriz invertible y n es un entero no negativo, entonces
n
A
÷
se define por
( ) ( )
1
1
÷
÷ ÷
= =
n
n
n
A A A
en general,
s r s r
A A A
+
= y ( )
rs
s
r
A A = , se satisfacen para todos los enteros r y s, con la condición de
que A sea invertible.

1. Encontrar la matriz inversa, si existe, usando la formula para matrices 2×2 .
(
¸
(

¸
÷ ÷
4 . 2 5 . 0
2 . 4 5 . 1

2. Resolver el sistema usando la matriz inversa.
2 3 5
1 2
= +
÷ = +
y x
y x

Resuelva la ecuación matricial para X. Suponga que todas las matrices son invertibles..
3. ( )
2
BA AXB = 4. A I B ABXA + =
÷ ÷ 1 1


Encuentre la inversa de la matriz elemental dada.
5.
(
(
(
¸
(

¸

÷
1 0 0
2 1 0
0 0 1
6. 0 ,
1 0 0
0 0
0 0 1
=
(
(
(
¸
(

¸

c c
Use el método de Gauss-Jordan para encontrar la matriz inversa (si existe)
7.
(
(
(
¸
(

¸

÷
÷
1 3 2
2 1 3
2 1 1
8.
(
(
(
¸
(

¸

a
a
a
1 0
0 1
0 0

9. Si A es una matriz cuadrada y A
n+1
= 0, demuestra que (I-A)
-1
=I+A+A
2
+…+A
n
.

10. Sea J
n
la matriz nxn que tiene unos en todas sus entradas. Demuestra que

n n n n
J
n
I J I
1
1
) (
1
÷
÷ = ÷
÷

Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 6
Determinantes

Propiedades de los Determinantes.

Sea ( )
ij
a A = una matriz cuadrada.
a) Si A tiene un renglón de ceros (columna), entonces det A = 0.
b) Si B se obtiene intercambiando dos renglones (columnas) de A, entonces det B = − det A.
c) Si A tiene dos renglones idénticos (columnas), entonces det A = 0.
d) Si B se obtiene multiplicando un renglón (columna) de A por k, entonces det B = k det A.
e) Si A, B y C son idénticas excepto que el renglón i-ésimo (columna) de C sea la suma de los i-
ésimos renglones (columnas) de A y B, entonces det C = det A + det B.
f) Si B se obtiene al sumar un múltiplo de un renglón (columna) de A a otro renglón (columna),
entonces det B = det A.

Teoremas

1. Una matriz cuadrada A es invertible si y solo si det A ≠ 0.
2. Si A es una matriz n×n, entonces det (kA) = k
n
det (A).
3. Si A y B son matrices n×n, entonces det (AB) = (det A)(det B).
4. Si A es invertible, entonces ( )
A
A
det
1
det
1
=
÷

5. Para cualquier matriz cuadrada A, det A = det A
T
.

Calcular los determinantes usando la expansión de cofactores sobre cualquier renglón o columna que
parezca conveniente.

1.
0 0 3
2 1 1
2 2 5
÷ 2.
1 2 4 1
0 0 1 0
6 2 5 2
3 0 1 1 ÷
3.
j i h g
f e d
c b
a
0
0 0
0 0 0



Encontrar el valor de los determinantes en los siguientes ejercicios, suponiendo que 4 =
i h g
f e d
c b a

4.
i h g
f e d
c b a 2 2 2
5.
i h g
c b a
f e d
6.
i h g
i f h e g d
c b a
3 2 3 2 3 2 ÷ ÷ ÷

7. Use el teorema 1 para encontrar todos los valores de k para los cuales A es invertible
Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 7
(
(
(
¸
(

¸

÷ ÷
+
÷
=
1 8
1 1 0
3
k k
k
k k
A
Usando las propiedades de los determinantes y suponiendo que A y B son matrices n×n con det A = 3 y
det B = −2,calcule el valor de los siguientes determinantes.

8. det (B
-1
A). 9. det (3B
T
)

10. Si A is idempotente (esto es, A
2
= A), Encuentre todos los valores posibles para el det (A).

11. Utilice la regla de Cramer para resolver el siguiente sistema

3
2
1
= ÷
= + +
= ÷ +
y x
z y x
z y x


Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 8
Espacios vectoriales y subespacios

Espacios vectoriales

Sea V un conjunto con dos operaciones, llamadas adición y multiplicación escalar. Si u y v están en V,
la suma de u y v se denota por u + v, y si c es multiplica escalarmente a u denotamos cu. Si los
siguientes axiomas se satisfacen para todos los elementos u, v y w en V y para todos los escalares c y d,
entonces V se llama espacio vectorial y sus elementos se llaman vectores.

1. u + v están en V Cerradura bajo la suma
2. u + v = v + u Conmutatividad
3. (u + v) + w = u + (v + w) Asociatividad
4. Existe un elemento 0 in V , llamado vector cero, tal que u + 0 = u.
5. Para cada u en V, existe un elemento –u en V tal que u + (–u) = 0.
6. cu está en V. Cerradura bajo multiplicación escalar.
7. c(u + v) = cu + cv. Distributividad
8. (c + d)u = cu + du. Distributividad
9. c(du)= (cd)u.
10. 1u = u.

Subespacios

Definición
Un subconjunto W de un espacio vectorial V se llama un subespacio de V si W es en sí mismo un
espacio vectorial utilizando los mismos escalares, suma, y multiplicación escalar de V.

Teorema
Sea V un espacio vectorial y sea W un subespacio no vacío de V. Entonces W es un subespacio de V si
y solo si las siguientes condiciones se satisfacen:
a) Si u y v están en W, entonces u + v está en W.
b) Si u está en V y c es un escalar, entonces cu está en W.

Determine si el conjunto dado, junto con las operaciones indicadas de suma y multiplicación escalar,
forma un espacio vectorial. Si no lo es, liste todos los axiomas que fallan para satisfacerlo.

1. El conjunto de todos los vectores
(
¸
(

¸

y
x
en R
2
con 0 > xy (i.e. la unión del primer y tercer
cuadrante), con la suma y multiplicación escalar usual.

2. R
2
, con la suma usual, pero la multiplicación escalar definida por
(
¸
(

¸

=
(
¸
(

¸

y
cx
y
x
c .
3. El conjunto de todas las matrices triangulares superiores 2×2, con la suma de matrices y
multiplicación escalar usual.

4. El conjunto de todas las matrices antisimétricas n×n, con la suma y multiplicación escalar usual.

Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 9
Determine si W es un subespacio de V.

5. V = R
2
, W =
(
(
(
¸
(

¸

÷
a
a
a
2
6. V = M
22
, W = bc ad
d c
b a
>
(
¸
(

¸

7. V = P
2
, W = { } 0 :
2
= + + + + c b a cx bx a 8. V = D, W = { } x all for x f D in f , 0 ) ( : > '

9. Determine si C está en el espacio( A,B), cuando
(
¸
(

¸

=
1 1
1 1
A
(
¸
(

¸
÷
=
0 1
1 1
B ,
(
¸
(

¸

=
4 3
2 1
C .

10. Sean x x p 2 1 ) ( ÷ = ,
2
) ( x x x q ÷ = y
2
3 2 ) ( x x x r + + ÷ = .Determine si
2
5 3 ) ( x x x s ÷ ÷ = está en el
espacio(p(x),q(x),r(x)).

11. Sean x x f
2
sin ) ( = y x x g
2
cos ) ( = . Determine si x x h 2 sin ) ( = está en el espacio(f(x),g(x)).

12. ¿Está M
22
generado por
(
¸
(

¸

1 0
1 1
,
(
¸
(

¸

0 1
1 0
,
(
¸
(

¸

1 1
0 1
,
(
¸
(

¸
÷
0 1
1 0
?

13. ¿Está P
2
, generado por x + 1 ,
2
x x + ,
2
1 x + ?

Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 10
Independencia lineal, Bases, y Dimensión

Definición
Un conjunto de vectores } ,..., , {
2 1 k
v v v de un espacio vectorial V es linealmente dependiente si existen
escalares c
1
,...,c
k
, al menos uno de los cuales no sea cero, tales que

0 ...
2 2 1 1
= + + +
k k
v c v c v c

Un conjunto de vectores que no es linealmente dependiente se dice que es linealmente independiente.

Teorema
Un conjunto de vectores } ,..., , {
2 1 k
v v v de un espacio vectorial V es linealmente dependiente si y sólo si
al menos uno de los vectores puede ser expresado como una combinación lineal de los otros.

Un conjunto infinito S de vectores en un espacio vectorial V es linealmente dependiente si contiene
un número finito de vectores linealmente dependientes. Un conjunto de vectores que no es linealmente
dependiente se dice que es linealmente independiente.

Bases
Un subconjunto B de un espacio vectorial V es una base para V si
a) B genera a V, y
b) B es linealmente independiente.

Definición
Sea B = } ,..., , {
2 1 n
v v v una base para un espacio vectorial V. Sea v un vector en V, que se pueda
expresar como
n n
v c v c v c v + + + = ...
2 2 1 1
. Entonces
n
c c c ,..., ,
2 1
se conocen como coordenadas de v
con respecto de B, y el vector columna

| |
(
(
(
(
¸
(

¸

=
n
B
c
c
c
v
...
2
1


se denomina vector coordenado de v con respecto a B.

Teorema
Sea B = } ,..., , {
2 1 n
v v v una base para un espacio vectorial V. Sean u y v vectores en V y sea c un
escalar. Entonces
a) | | | | | |
B B B
v u v u + = +
b) | | | |
B B
u c cu =




Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 11


Teorema
Sea B = } ,..., , {
2 1 n
v v v una base para un espacio vectorial V y sean
k
u u ,...,
, 1
vectores en V. Entonces
k
u u ,...,
, 1
es linealmente independiente en V si y solo si | | | | { }
B k B
u u ,...,
1
es linealmente independiente
en
n
R .

Teorema
Sea B = } ,..., , {
2 1 n
v v v una base para un espacio vectorial V.
a) Cualquier conjunto de más de n vectores en V debe ser linealmente dependiente.
b) Cualquier conjunto con menos de n vectores en V no puede generar a V.

Teorema de Bases.
Si un espacio vectorial V tiene una base con n vectores, entonces toda base para V tiene exactamente n
vectores.

Definición
Un espacio vectorial V se denomina de dimensión finita si tiene una base determinada por un número
finito de vectores. La dimensión de V, denotada mediante la expresión dim V, es el número de vectores
en una base para V. La dimensión del espacio vectorial {0}, se define como cero. Un espacio vectorial
que no tiene base finita se conoce como de dimensión infinita.

Teorema Sea V un espacio vectorial con dim V = n. Entonces

a. Cualquier conjunto linealmente independiente en V contiene a lo más n vectores.
b. Cualquier conjunto que genere a V contiene al menos n vectores.
c. Cualquier conjunto linealmente independiente de exactamente n vectores en V es una base para
V.
d. Cualquier conjunto que genere a V conteniendo exactamente n vectores es una base para V.
e. Cualquier conjunto linealmente independiente en V se puede extender a una base para V.
f. Cualquier conjunto que genere V se puede reducir a una base para V.



1. Prueba si las matrices son linealmente independientes en M
22
. Si son linealmente dependientes,
expresa una de las matrices como combinación lineal de las otras.

)
`
¹
¹
´
¦
(
¸
(

¸

÷
÷
(
¸
(

¸

÷
(
¸
(

¸

(
¸
(

¸

÷
÷
7 1
0 1
,
1 3
2 0
,
1 1
0 3
,
2 2
1 1

Prueba si los polinomios son linealmente independientes en P
1
. Si son linealmente dependientes,
expresa uno de los polinomios como combinación lineal de los otros.

2. { } x x + 1 , in P
1

3. { }
3 3 2 3 2
3 2 3 , 2 1 , 3 , 2 1 x x x x x x x x + + + + ÷ + ÷ in P
3


Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 12
4. Prueba si el conjunto de funciones son linealmente independiente en F. Si son linealmente
dependientes, expresa una de las funciones como combinación lineal de las otras.

( ) ( ) { }
2
ln , 2 ln , 1 x x

Determine si el conjunto B es una base para el espacio vectorial V.

5.
)
`
¹
¹
´
¦
(
¸
(

¸

÷
(
¸
(

¸

(
¸
(

¸
÷
(
¸
(

¸

= =
1 1
1 1
,
1 1
1 1
,
0 1
1 0
,
1 0
0 1
,
22
B M V

6.
)
`
¹
¹
´
¦
(
¸
(

¸

(
¸
(

¸

(
¸
(

¸

÷
(
¸
(

¸

(
¸
(

¸

= =
2 3
2 1
,
1 3
3 2
,
1 3
3 1
,
2 1
1 2
,
1 2
2 1
,
22
B M V

7. = V P
2
, { }
2 2
, 1 , 1 x x x x B ÷ ÷ ÷ =

8. = V P
2
, { }
2 2
2 , 3 , 2 , 1 x x x x B + ÷ ÷ =

9. Encuentre el vector coordenado de
(
¸
(

¸

=
4 3
2 1
A con respecto a la base
)
`
¹
¹
´
¦
(
¸
(

¸

(
¸
(

¸

(
¸
(

¸

(
¸
(

¸

=
1 1
1 1
,
0 1
1 1
,
0 0
1 1
,
0 0
0 1
B de M
22
.

10. Encuentre el vector coordenado
2
3 2 ) ( x x x p + ÷ = con respecto a la base { }
2
1 , 1 , 1 x x B + ÷ + = de
P
2.


Encuentre la dimensión del espacio vectorial V y una base para V.

11. { ) (x p V = en P
2
: } 0 ) 1 ( = p 12. { } erior triangular es A M en A V sup
22
=

13. { }
(
¸
(

¸

= = =
1 0
1 1
,
22
B donde BA AB M en A V
14. Extienda { }
2
1 , 1 x x x + + + a una base para P
2.


15. Extienda
)
`
¹
¹
´
¦
(
¸
(

¸
÷
(
¸
(

¸

(
¸
(

¸

0 1
1 0
,
0 1
1 0
,
1 0
0 1
a una base para M
22.


16. Encuentre una base para ) 2 , 1 , 1 ( x x espacio + en P
1.


17. Encuentre una base para ) 2 1 , 1 , , 1 (
2 2 2
x x x x x x espacio + ÷ ÷ ÷ ÷ en P
2.


18. Encuentre una base para ) 2 cos , cos , (sin
2 2
x x x espacio en F.

Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 13


En ejercicios 19, 20 :

a) Encontrar los vectores coordenados | |
B
x y | |
C
x de x con respecto a la base B y C,
respectivamente.
b) Encuentre la matriz de cambio de base
B C
P
÷
de B a C.
c) Usa tu respuesta de la parte (b) para calcular | |
C
x , y compare con la respuesta encontrada en la
parte (a).
d) Encuentre la matriz de cambio de base
C B
P
÷
de C a B.
e) Usa tus respuestas en las partes (c) y (d) para calcular | |
B
x , y compara tu respuesta con la
encontrada en la parte (a).

19.
)
`
¹
¹
´
¦
(
¸
(

¸

÷
(
¸
(

¸

)
`
¹
¹
´
¦
(
¸
(

¸

(
¸
(

¸

=
(
¸
(

¸

=
1
1
,
1
1
,
1
0
,
0
1
,
3
2
C B x en R
2


20.
¦
)
¦
`
¹
¦
¹
¦
´
¦
(
(
(
¸
(

¸

(
(
(
¸
(

¸

(
(
(
¸
(

¸

=
¦
)
¦
`
¹
¦
¹
¦
´
¦
(
(
(
¸
(

¸

(
(
(
¸
(

¸

(
(
(
¸
(

¸

=
(
(
(
¸
(

¸

÷
=
1
0
0
,
1
1
0
,
1
1
1
,
1
0
0
,
0
1
0
,
0
0
1
,
1
0
1
C B x en R
3
.

En ejercicios 21,22: Sigue las instrucciones de arriba usando ) (x p en lugar de x.

21. { } { } x x C x B x x p + = = ÷ = 1 , , , 1 , 2 ) ( en P
1
.

22. { } { }
2 2 2 2 2
, , 1 , , , 1 , 1 ) ( x x C x x x x x B x x p = + + + = + = en P
2
.

23. Sigue las instrucciones de arriba usando A en lugar de x.


(
¸
(

¸

÷
=
1 0
2 4
A B = la base estándar,
)
`
¹
¹
´
¦
(
¸
(

¸

(
¸
(

¸

(
¸
(

¸

(
¸
(

¸

÷
=
1 0
0 1
,
1 0
1 1
,
0 1
1 2
,
1 0
2 1
C en M
22.


24. Sigue las instrucciones de arriba usando f(x) en lugar de x.

{ } { } x x C x x x B x x x f cos , sin , cos , cos sin , cos 3 sin 2 ) ( = + = ÷ = en espacio( ) x x cos , sin

25. Sean B y C bases para R
2
. Sea
)
`
¹
¹
´
¦
(
¸
(

¸

(
¸
(

¸

=
3
2
,
2
1
C y la matriz de cambio de base de B a C es
(
¸
(

¸

÷
÷
=
÷
2 1
1 1
B C
P encontrar B.
Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 14
Producto Interno

Definición de Producto interno

Un producto interno sobre un espacio vectorial V es una operación que asigna para cada par de
vectores u y v en V un número real v u, tal que las siguientes propiedades se satisfacen para todos los
vectores u, v y w en V y todos los escalares c.

1. u v v u , , =
2. w u v u w v u , , , + = +
3. v u c v cu , , =
4. 0 , > u u y 0 , = u u si y solo si u = 0.

Propiedades del producto interno

Sean u, v y w vectores en un espacio con producto interno V y sea c un escalar.

a) w v w u w v u , , , + = +
b) v u c cv u , , =
c) 0 , 0 0 , = = u u

Longitud, distancia y ortogonalidad.

Definición. Sean u y v dos vectores en un espacio con producto interno V.

1. La longitud (o norma) de v es v v v , = .
2. La distancia entre u y v es v u v u d ÷ = ) , ( .
3. u y v se llaman ortogonales si 0 , = v u .
Un vector de longitud uno se llama vector unitario. La esfera unitaria en V es el conjunto formado
por todos los vectores unitarios en V.

Teorema de Pitágoras

Sean u y v vectores en un espacio con producto interno V. Entonces, u y v son ortogonales si y solo si

2 2 2
v u v u + = +

Proyecciones ortogonales y el proceso Gram-Schmidt

Definición. Un conjunto ortogonal de vectores en un espacio con producto interno V es un conjunto
{ }
k
v v v ,..., ,
2 1
de vectores de V tal que 0 , =
j i
v v siempre que
j i
v v = .
Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 15

Un conjunto ortonormal de vectores de vectores es un conjunto ortogonal de vectores unitarios.

Una base ortogonal (base ortonormal) para un subespacio W de V es una base para W que es un
conjunto ortogonal (conjunto ortonormal).

El proceso Gram- Schmidt

Sea { }
k
x x ,...,
1
una base para el subespacio W de un producto interno V, entonces definimos lo
siguiente
) ,..., , (
,
,
,
,
,
,
) , , (
,
,
,
,
) , (
,
,
) (
2 1 1
1 1
1
2
2 2
2
1
1 1
1
3 2 1 3 2
2 2
3 2
1
1 1
3 1
3 3
2 1 2 1
1 1
2 1
2 2
1 1 1 1
k k k
k k
k k k k
k k
x x x espacio W v
v v
x v
v
v v
x v
v
v v
x v
x v
x x x espacio W v
v v
x v
v
v v
x v
x v
x x espacio W v
v v
x v
x v
x espacio W x v
= ÷ ÷ ÷ =
= ÷ ÷ =
= ÷ =
= =
÷
÷ ÷
÷





Entonces para cada k i ,..., 1 = { }
i
v v ,...,
1
es una base ortogonal para
i
W . En particular, { }
k
v v ,...,
1
es una
base ortogonal para W.

Definiciones. La proyección ortogonal ) (v proy
W
de un vector v sobre un subespacio W de un espacio
con producto interno es = ) (v proy
W k
k k
k
u
u u
v u
u
u u
v u
,
,
...
,
,
1
1 1
1
+ + si { }
k
u u ,...,
1
es una base ortogonal para
W. Entonces la componente de v ortogonal a W es el vector ) ( ) ( v proy v v perp
W W
÷ = .

1. Considere
(
¸
(

¸

=
2
1
u
u
u ,
(
¸
(

¸

=
2
1
v
v
v en R
2
con el producto interno dado por
2 2 1 1
3 2 , v u v u v u + = .
Calcule (a) v u, (b)
u
(c) ) , ( v u d si
(
¸
(

¸

÷
=
1
2
u y
(
¸
(

¸

=
4
3
v .
2. Encuentre un vector no cero ortogonal a
(
¸
(

¸

÷
=
1
2
u con el producto dado en el ejercicio 1.

3. Considere P
2
, y los polinomios
2
2 1 0
) ( x a x a a x p + + = ,
2
2 1 0
) ( x b x b b x q + + = y el producto
interno dado por
2 2 1 1 0 0
) ( ), ( b a b a b a x q x p + + = . Calcule
(a) ) ( ), ( x q x p (b)
) (x p
(c) )) ( ), ( ( x q x p d
si
2
3 2 ) ( x x x p + ÷ = ,
2
3 1 ) ( x x q ÷ =

Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 16
4. Encuentre un vector no cero ortogonal a
2
3 2 ) ( x x x p + ÷ = con el producto interno dado por el
ejercicio 3.

5. Sean x x f sin ) ( = y x x x g cos sin ) ( + = en el espacio vectorial C| | t 2 , 0 con el producto interno
usual (dado por la integral
}
t 2
0
) ( ) ( dx x g x f ). Calcule
(a) g f , (b)
f
(c) ( ) g f d ,

Determine en los ejercicios 6 - 8 cual de los cuatro axiomas del producto interno no se satisfacen. Dar
un contraejemplo en cada caso.

6. Sean
(
¸
(

¸

=
2
1
u
u
u y
(
¸
(

¸

=
2
1
v
v
v en R
2
. Definimos
1 1
, v u v u =
7. Sean
(
¸
(

¸

=
2
1
u
u
u y
(
¸
(

¸

=
2
1
v
v
v in R
2
. Definimos
1 2 2 1
, v u v u v u ÷ =
8. En P
2
, definimos ) 1 ( ) 1 ( ) ( ), ( q p x q x p = .

9.
2 2 1 2 2 1 1 1
4 4 , v u v u v u v u v u + + + = define un producto interno sobre R
2
, donde
(
¸
(

¸

=
2
1
u
u
u y
(
¸
(

¸

=
2
1
v
v
v . Encuentre una matriz A tal que v A u v u
T
= ,

10. Bosqueje el círculo unitario en R
2
para el producto interno
2 2 1 1
4
1
, v u v u v u + =
En los ejercicios 11-12 suponga que u, v y w son vectores en un espacio vectorial con producto
interno en el cual se satisface que:
1 , = v u , 5 , = w u , 0 , = w v , 1 = u , 3 = v , 2 = w
11. Evalúe la expresión w v w u ÷ + , .
12. Evalúe la expresión
v u +
.

En los siguientes ejercicios aplique el proceso de Gram-Schmidt a la base B para obtener una base
ortogonal para el espacio con producto interno V definido con el producto interno dado.
13.
)
`
¹
¹
´
¦
(
¸
(

¸

(
¸
(

¸

= =
1
1
,
0
1
,
2
B R V , considere
(
¸
(

¸

=
2
1
u
u
u ,
(
¸
(

¸

=
2
1
v
v
v en R
2
con el producto interno dado por
2 2 1 1
3 2 , v u v u v u + = .
2
P V = , { }
2
1 , 1 , 1 x x x B + + + = . Sean
2
2 1 0
) ( x a x a a x p + + = ,
2
2 1 0
) ( x b x b b x q + + = y el producto
interno dado por
2 2 1 1 0 0
) ( ), ( b a b a b a x q x p + + = .

Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 17
Transformaciones Lineales

Transformaciones Lineales

Definición.
Una transformación lineal de un espacio vectorial V a un espacio vectorial W es una función, T : V →
W tal que, para toda u y v en V y para todos los esclares c,

1. T(u+v) = T(u)+T(v)
2. T(cu) = cT(u)

Si combinamos estas propiedades, obtenemos

T : V → W es una transformación lineal, si y solo si

T(c
1
v
1
+c
2
v
2
+…+c
k
v
k
) = c
1
T(v
1
)

+ c
2
T(v
2
)+…+ c
k
T(v
k
)

Para todos los vectores v
1
, … , v
k
en V y escalares c
1
, … , c
k
.

Propiedades de las transformaciones lineales

1. Sea T : V → W una transformación lineal. Entonces

a. T(0) = 0.
b. T(─ v) = ─ T(v) para todo v en V.
c. T(u ─ v ) = T(u) ─ T(v) para todo u y v en V.

2. Sea T : V → W una transformación lineal y B = { v
1
, …v
n
} un conjunto generador para V.
Entonces T(B) = { T(v
1
), …, T(v
2
) } genera la imagen de T.

Composición de funciones.

Definición.
Si T : U → V y S : V → W son transformaciones lineales, entonces la composición de S con T es el
mapeo S ◦ T definido por (S ◦ T) (u) = S(T(u)), donde u está en U.

Si T : U → V y S : V → W son transformaciones lineales, entonces S ◦ T : U → W es una
transformación lineal.

Una transformación lineal T : V → W es invertible si existe una transformación T' : W → V es tal que
T' ◦ T = I
v
y T ◦ T' = I
w
. En este caso, T' se llama la inversa de T.

Si T es una transformación lineal invertible, entonces su inversa es única.




Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 18
Determine si T es una transformación lineal.

1.
22 22
: M M T ÷ definida por
(
¸
(

¸

+
+
=
(
¸
(

¸

d c
b a
d c
b a
T
0
0


2.
nn nn
M M T ÷ : definida por AB A T = ) ( , donde B matriz fija n n× .

3. R M T
nn
÷ : definida por A tr A T = ) ( .

4.
2 2
: P P T ÷ definida por ( ) ( )
2 2
1 1 ) ( + + + + = + + x b x b a cx bx a T

5. Sea
2
2
: P R T ÷ una transformación lineal para la cual
x T 2 1
1
1
÷ =
(
¸
(

¸

y
2
2
1
3
x x T + =
(
¸
(

¸

÷
. Encuentre
(
¸
(

¸
÷
9
7
T y
(
¸
(

¸

b
a
T .

6. Sea
2 2
: P P T ÷ una transformación lineal para la cual
( )
2
1 1 x x T + = + , ( )
2 2
x x x x T ÷ = + , ( )
2 2
1 1 x x x T + + = + .
Encuentre ( )
2
3 4 x x T + ÷ y ( )
2
cx bx a T + + .

7. Sea R M T ÷
22
: una transformación lineal. Demuestre que existen escalares a, b, c y d tales que
dz cy bx aw
z y
x w
T + + + =
(
¸
(

¸

para toda
(
¸
(

¸

z y
x w
en
22
M .

8. Defina las transformaciones
22
2
: M R S ÷ y
2 2
: R R T ÷ mediante

(
¸
(

¸

÷
+
=
(
¸
(

¸

b a
b b a
b
a
S
0
y
(
¸
(

¸

÷
+
=
(
¸
(

¸

d
d c
d
c
T
2

Calcule ( )
(
¸
(

¸

1
2
oT S y ( )
(
¸
(

¸

y
x
oT S . ¿Puede calcular ( )
(
¸
(

¸

y
x
S o T ? Si es así, hágalo.
9. Verifique que S y T sean inversas.
2 2
: R R S ÷ definida por
(
¸
(

¸

+
+
=
(
¸
(

¸

y x
y x
y
x
S
3
4
y
2 2
: R R T ÷
definida por
(
¸
(

¸

+ ÷
÷
=
(
¸
(

¸

y x
y x
y
x
T
4 3
.
Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 19
El núcleo y la imagen de una transformación lineal

Definición Sea T : V→ W una transformación lineal. El kernel o núcleo de T, denotado por ker(T), es el
conjunto de todos los vectores en V que son mapeados por T a 0 en W.
Esto es, ker(T) = { v in V : T(v) = 0}.

La imagen de T, denotado por range(T) or Im(T), es el conjunto the todos los vectores en W que son imagen de
vectores en V bajo T. Es decir,
range(T) = { T(v) : v en V }
= { w en W : w = T (v) para algún v en V }

Teorema Sea T : V→ W una transformación lineal. Entonces
a. El kernel de T es un subespacio de V.
b. La imagen de T es un subespacio de W.

Definición Sea T : V→ W una transformación lineal. El rango de T es la dimensión de la imagen de T y se
denota por rank(T). La nulidad de T es la dimensión del kernel de T y se denota por nul(T).

El Teorema del Rango Sea T : V→ W una transformación lineal de un espacio vectorial de dimensión finita V
hacia un espacio vectorial W. Entonces
rank(T) + nul(T) = dim V

Definición Una transformación lineal T : V→ W se llama uno-a-uno si T transforma vectores distintos en V a
vectores distintos de W. Si range(T) = W, entonces T se llama sobre.

Definiciones equivalents de transformaciones uno-a-uno.
1. T : V→ W es uno-a-uno si, para todo u y v en V, u ≠ v implica T(u) ≠ T(v).
2. T : V→ W es uno-a-uno si, para todo u y v en V, T(u) = T(v) implica que u = v.

T : V→ W es sobreyectiva o sobre si, para todo w en W, existe al menos un v en V tal que w = T(v).

Una transformación lineal T : V→ W es uno-a-uno si y solo si ker(T) = {0}.

Teoremas
Sea dim V = dim W = n. Entonces una transformación lineal T : V→ W es uno-a-uno si y solo si es sobre.

Sea T : V→ W una transformación lineal uno-a-uno. Si S = { v
1
, … , v
k
} es un conjunto linealmente
independiente en V, entonces T(S) = { T(v
1
), … , T(v
k
) } es linealmente independiente en W.

Sean dim V = dim W = n. Entonces una transformación lineal uno-a-uno T : V→ W mapea una base de V a una
base de W.

Una transformación lineal T : V→ W es invertible si y solo si es uno-a-uno y sobre.

Definición : Isomorfismos de Espacios Vectoriales Una transformación lineal T : V→ W se llama
isomorfismo si es uno-a-uno y sobre. Si V y W son dos espacios vectoriales tales que existe un isomorfismo de
V a W, entonces decimos que V es isomorfo a W y escribimos V ~ W.

Sean V y W dos espacios vectoriales de dimensión finita. Entonces V es isomorfo a W si y solo si dim V = dim
W.

Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 20
1. Sea
22 22
: M M T ÷ la transformación definida por
(
¸
(

¸

=
(
¸
(

¸

d
a
d c
b a
T
0
0

(a) ¿Cuáles, si es el caso, de las siguientes matrices se encuentran en el núcleo(T)?
(i)
(
¸
(

¸

÷ 3 1
2 1
(ii)
(
¸
(

¸

0 2
4 0
(iii)
(
¸
(

¸

÷ 3 0
0 3

(b) ¿Cuáles, si es el caso, de las matrices del inciso (a) es encuentran en la Im(T)?
(c) Describa el núcleo(T) y la Im(T).

2. Sea
2
2
: R P T ÷ la transformación definida por
(
¸
(

¸

+
÷
= + +
c b
b a
cx bx a T ) (
2

(a) ¿Cuáles, si es el caso, de los polinomios siguientes se encuentran en el núcleo(T)?
(i) x + 1 (ii)
2
x x ÷ (iii)
2
1 x x ÷ +
(b) ¿Cuáles, si es el caso, de los siguientes vectores se encuentran en la Im(T)?

(i)
(
¸
(

¸

0
0
(ii)
(
¸
(

¸

0
1
(iii)
(
¸
(

¸

1
0


(c) Describa el núcleo(T) y la Im(T).

Encuentre las bases del núcleo y de la imagen de las transformaciones lineales T en los ejercicios
indicados. En cada caso, establezca la nulidad y el rango de T y verifique el teorema del rango.

3. Ejercicio 1
4. Ejercicio 2

Encuentre ya sea la nulidad o bien el rango de T y posteriormente utilice el teorema del rango para
encontrar el otro.

5.
2
22
: R M T ÷ definida por
(
¸
(

¸

÷
÷
=
(
¸
(

¸

d c
b a
d c
b a
T

6.
22 22
: M M T ÷ definida por ( ) AB A T = , donde
(
¸
(

¸

÷
÷
=
1 1
1 1
B
Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 21
Matriz de una transformación lineal

Encuentre la matriz | |
B C
T
÷
de la transformación lineal W V T ÷ : con respecto a las bases B y C de V
y W, respectivamente. Verifique el teorema 1 para el vector v mediante el cálculo de ) (v T de manera
directa y utilizando el teorema.

1.
1 1
: P P T ÷ definida por ( ) ax b bx a T ÷ = + , { } x C B , 1 = = , ( ) x x p v 2 4 + = = .
2.
2 2
: P P T ÷ definida por ( ) ( ) ( ) 2 + = x p x p T , { }
2
, , 1 x x B = , ( ) { }
2
2 , 2 , 1 + + = x x C ,
( )
2
cx bx a x p v + + = =
3.
2
2
: R P T ÷ definida por ( ) ( )
(
¸
(

¸

=
) 1 (
) 0 (
p
p
x p T , { }
2
, , 1 x x B = , { }
2 1
, e e C = , ( )
2
cx bx a x p v + + = =
4.
3 2
: R R T ÷ definida por
(
(
(
¸
(

¸

÷
+
=
(
¸
(

¸

b
a
b a
b
a
T
2
,
)
`
¹
¹
´
¦
(
¸
(

¸

÷
(
¸
(

¸

=
1
3
,
2
1
B ,
¦
)
¦
`
¹
¦
¹
¦
´
¦
(
(
(
¸
(

¸

(
(
(
¸
(

¸

(
(
(
¸
(

¸

=
1
1
1
,
0
1
1
,
0
0
1
C ,
(
¸
(

¸
÷
=
7
7
v
5.
22 22
: M M T ÷ definida por
T
A A T = ) ( { }
22 21 12 11
, , , E E E E C B = = ,
(
¸
(

¸

= =
d c
b a
A v
Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 22
eigenvalores, eigenvectores, semejanza y diagonalización

Definición Sea A una matriz de n×n. Un escalar ì es llamado un eigenvalor de A si existe un vector x
distinto de cero tal que x Ax ì = . Un vector de x de esta naturaleza se conoce como un eigenvector de
A correspondiente a ì .

Definición Sea A matriz de n×n yì un eigenvalor de A. La colección de todos los eigenvectores
correpondientes a, junto con el vector cero, se denomina eigenespacio de ì y se denota por
ì
E .

Los eigenvalores de una matriz cuadrada A son precisamente las soluciones ì de la ecuación
( ) 0 det = ÷ I A ì .

Para calcular eigenvalores, eigenvectores y eigenespacios. Sea A una matriz de n×n.

1. Calcule el polinomio característico de ( ) I A ì ÷ det de A.
2. Encuentre los eigenvalores de A resolviendo la ecuación característica ( ) 0 det = ÷ I A ì para ì .
3. Para cada eigenvalor ì , encuentre el espacio nulo de la matriz A - ì I, es decir, resuelva la
ecuación ( ) 0 = ÷ v I A ì . Éste es el eigenespacio
ì
E , los vectores distintos de cero que se
encuentran en este eigenespacio son los vectores de A correspondientes a ì .
4. Determine una base para cada eigenespacio.

Definición La multiplicidad algebraica de un eigenvalor es su multiplicidad como raíz del polinomio
característico. La multiplicidad geométrica de un eigenvalor se define como la dimensión de su
correspondiente eigenespacio.

Teorema
Supongamos que la matriz A de n×n tiene eigenvectores
m
v v v ,..., ,
2 1
con los eigenvalores
correspondientes
m
ì ì ì ,..., ,
2 1
. Si x es un vector de R
n
que pueda ser expresado como una combinación
lineal de estos eigenvectores, digamos,
m m
v c v c v c x + + + = ...
2 2 1 1
entonces, para cualquier entero k,
m
k
m m
k k k
v c v c v c x A ì ì ì + + + = ...
2 2 2 1 1 1


Semejanza y diagonalización

Definición Sean A y B matrices n×n. Decimos que A es semejante a B si existe una matriz P invertible
de n×n tal que B AP P =
÷1
. Si A es semejante a B, escribimos A ~ B.

Teorema Sean A y B matrices de n×n con A semejante a B. Entonces

a. det A = det B.
b. A es invertible si y solo si B también lo es.
c. A y B tienen el mismo rango.
d. A y B tienen el mismo polinomio característico.
e. A y B tienen los mismos eigenvalores.

Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 23
Definición Una matriz de A n×n es diagonalizable si existe una matriz diagonal D tal que A sea
semejante a D; es decir, si existe una matriz P invertible de n×n tal que D AP P =
÷1
.

Teorema. Sea A una matriz de n×n. Entonces A es diagonalizable si y solo si A tiene n eigenvectores
linealmente independientes. Con más precisión, existen una matriz invertible P y una matriz diagonal D
tales que D AP P =
÷1
si y solo si las columnas de P son n eigenvectores linealmente independientes de
A y las entradas diagonales de D son los eigenvalores de A correspondientes a los eigenvectores en P
en el mismo orden.

Teorema
Si A es una matriz de n×n con n eigenvalores distintos, entonces A es diagonalizable.

Teorema de la diagonalización
Sea A una matriz de n×n cuyos eigenvalores son
k
ì ì ì ,..., ,
2 1
. Los enunciados siguientes son
equivalentes:

a. A es diagonalizable
b. La unión B de las bases de los eigenespacios de A contiene n vectores.
c. La multiplicidad algebraica de cada eigenvalor iguala su multiplicidad geométrica.

Encontrar todos los eigenvalores de la matriz A. Encuentre una base para cada para cada uno de los
eigenespacios.

1.
(
¸
(

¸
÷
=
1 2
1 4
A 2.
(
¸
(

¸

=
2 0
5 2
A

Calcular (a) El polinomio característico de A, (b) Los eigenvalores de A, (c) Una base para cada
eigenespacio de A, y (d) la multiplicidad algebraica y geométrica de cada eigenvalor.

3.
(
(
(
¸
(

¸

÷ =
3 0 0
1 2 0
0 1 1
A 4.
(
(
(
¸
(

¸

÷ ÷ =
1 1 0
1 1 1
0 2 1
A

En los ejercicios 5 y 6, A es una matriz 2×2 con eigenvectores
(
¸
(

¸

÷
=
1
1
1
v y
(
¸
(

¸

=
1
1
2
v correspondientes
a los eigenvalores
2
1
1
= ì y 2
2
= ì , respectivamente y
(
¸
(

¸

=
1
5
x .
5. Encontrar x A
10
6. Encontrar x A
k
. ¿Qué pasa si k crece infinitamente (i.e., k ÷ ·)?.

Demostrar en los siguientes ejercicios que A y B no son similares.

7.
(
¸
(

¸

=
(
¸
(

¸

=
1 0
0 1
1 3
1 4
B A . 8.
(
(
(
¸
(

¸

=
4 0 0
3 2 0
4 1 2
A ,
(
(
(
¸
(

¸

=
1 0 2
0 1 0
1 1 2
B .
Fermín Acosta Magallanes Problemario de Matemáticas II
UPIITA-IPN Ciencias Básicas Página 24

Determine si A es diagonalizable y, si es posible, encontrar una matriz invertible P y matriz diagonal
D tal que D AP P =
÷1
.

9.
(
¸
(

¸

÷
÷
=
1 1
4 3
A 10.
(
(
(
¸
(

¸

=
0 1 1
1 1 0
1 0 1
A 11.
(
(
(
¸
(

¸

÷
0 1 1
1 0 1
1 2 1

12. Encuentra los eigenvalores de
9
A para

|
|
|
|
|
.
|

\
|
=
2 0 0 0
4 0 0 0
8 3
2
1
0
11 7 3 1
A


13. Demuestra que el polinomio característico de una matriz, 2X2, es

( ) ) det( ) (
2
A x trA x x f + ÷ = .
14. Demuestra que
|
|
.
|

\
|
=
d c
b a
A tiene:
a) Dos eigenvestores reales distintos si 0 4 ) (
2
> + ÷ bc d a .
b) Un eigenvalor real si 0 4 ) (
2
= + ÷ bc d a .
c) No tiene eigenvalores reales si 0 4 ) (
2
< + ÷ bc d a .

15. Usando diagonalización encuentra
11
A si

|
|
|
.
|

\
|
÷
÷ ÷
=
2 15 0
0 1 0
1 7 1
A