Problemario

Fermn Acosta Magallanes Problemario de Matemticas II
UPIITA-IPN Ciencias Bsicas Pgina 1

Sistemas de Ecuaciones Lineales

Matrices Reducidas

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

1. Los renglones consistentes nicamente con ceros estarn en los ltimos renglones de la matriz.
2. Leyendo cada rengln no cero de izquierda a derecha, el primer elemento distinto de cero se
llama la entrada lder, y debe de ser un uno. Cada entrada lder estar colocada a la derecha de
las entradas lderes de los renglones superiores.
3. Cada columna que contenga una entrada lder uno debe tener ceros en lo que resta de la
columna.

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

Las entradas lderes generan variables lderes y aquellas variables que no sean lderes se llaman
variables libres o parmetros.

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

Eliminacin 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 lderes en trminos de las variables
libres que restan.

Eliminacin 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 lderes en trminos 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

Nmero de variables libres = n Rango de A

Definicin. Un sistema de ecuaciones lineales se llama homogneo si el trmino constante de cada
ecuacin es cero.

Lema. Si un sistema homogneo tiene m ecuaciones lineales y n variables, donde m < n, entonces el
sistema tiene un nmero infinito de soluciones.

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

Resuelve los sistemas de ecuaciones lineales usando el mtodo de Gauss-Jordan. Determine el rango
as como las variables lderes 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 inspeccin (i.e. sin realizar ningn clculo) si el sistema lineal con la matriz
aumentada dada tiene solucin nica, solucin 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 solucin, (b) solucin nica,
y (c) nmero 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 lnea de interseccin de los planos 1 2 3 = + + z y x y 5 4 2 = + z y x .

9. Determine si las lneas x = p + su y x = q + tv intersectan y, si lo hacen, encontrar el punto de
interseccin.
p =
(
(
(
0
1
3
, q =
(
(
(
1
1
1
, u =
(
(
(
1
0
1
, v =
(
(
(
1
3
2

Algebra de Matrices

Propiedades Algebraicas de la adicin y multiplicacin escalar.

Sean A, B y C matrices del mismo tamao 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 Multiplicacin de Matrices.

Sean A, B, y C matrices (cuyos tamaos son tales que las operaciones indicadas estn 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 mn Identidad multiplicativa

Propiedades de la Transpuesta

Sean A, B, y C matrices (cuyos tamaos son tales que las operaciones indicadas estn 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 22 tal que 0
2
= A .
4. Una fbrica elabora tres productos (cacharros, cachivaches, y trebejos) y los enva a dos bodegas
para su almacenamiento. El nmero de unidades de cada producto enviado a cada bodega est dado por
la matriz
(
(
(
=
125
100
75
100
150
200
A (donde
ij
a es el nmero de unidades del producto i enviado a la bodega j
y los productos se toman in orden alfabtico). El costo del envo de una unidad de cada producto por
camin es de $1.50 por cacharro, $1.00 por cachivache, y $ 2.00 por trebejo. Los correspondientes
costos por unidad en el envo por ferrocarril son $1.75, $1.50 y $1.00, respectivamente. Organice estos
costos en una matriz B y posteriormente utilice la multiplicacin de matrices para mostrar cmo la
fbrica puede comparar el costo del envo de sus productos a cada uno de las bodegas por camin o por
ferrocarril

5. En cada una de las siguientes, encontrar la matriz | |
ij
a A = 44 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 = 66 que satisface las condiciones dadas:
(a)
>
s +
=
j i if
j i if j i
a
ij
0
(b)
>
s
=
1 0
1 1
j i if
j i if
a
ij
(c)
s + s
=
caso otro cualquier
j i if
a
ij
0
8 6 1

7. Resuelva la ecuacin ( ) 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 combinacin 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 antisimtrica si A A
T
= .

11. (a) Probar que si A es una matriz nn, entonces
T
A A es antisimtrica.
(b) Probar que cualquier matriz A puede escribirse como la suma de una matriz simtrica y una
antisimtrica.
(c) Ilustrar la parte (b) para la matriz
(
(
(
=
9 8 7
6 5 4
3 2 1
A .
12. Demostrar que no hay matrices 22 A y B tal que
2
I BA AB = .
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 tamao, 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 condicin de
que A sea invertible.

1. Encontrar la matriz inversa, si existe, usando la formula para matrices 22 .
(

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 ecuacin 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 mtodo 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
=

Determinantes

Propiedades de los Determinantes.

Sea ( )
ij
a A = una matriz cuadrada.
a) Si A tiene un rengln 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 idnticos (columnas), entonces det A = 0.
d) Si B se obtiene multiplicando un rengln (columna) de A por k, entonces det B = k det A.
e) Si A, B y C son idnticas excepto que el rengln i-simo (columna) de C sea la suma de los i-
simos renglones (columnas) de A y B, entonces det C = det A + det B.
f) Si B se obtiene al sumar un mltiplo de un rengln (columna) de A a otro rengln (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 nn, entonces det (kA) = k
n
det (A).
3. Si A y B son matrices nn, 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 expansin de cofactores sobre cualquier rengln 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
(
(
(
=
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 nn 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

Espacios vectoriales y subespacios

Espacios vectoriales

Sea V un conjunto con dos operaciones, llamadas adicin y multiplicacin escalar. Si u y v estn 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 estn 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 est en V. Cerradura bajo multiplicacin escalar.
7. c(u + v) = cu + cv. Distributividad
8. (c + d)u = cu + du. Distributividad
9. c(du)= (cd)u.
10. 1u = u.

Subespacios

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

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

Determine si el conjunto dado, junto con las operaciones indicadas de suma y multiplicacin 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 unin del primer y tercer
cuadrante), con la suma y multiplicacin escalar usual.

2. R
2
, con la suma usual, pero la multiplicacin escalar definida por
(
=
(
y
cx
y
x
c .
3. El conjunto de todas las matrices triangulares superiores 22, con la suma de matrices y
multiplicacin escalar usual.

4. El conjunto de todas las matrices antisimtricas nn, con la suma y multiplicacin escalar usual.

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 est 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 = est 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 ) ( = est en el espacio(f(x),g(x)).

12. Est M
22
generado por
(
1 0
1 1
,
(
0 1
1 0
,
(
1 1
0 1
,
(

0 1
1 0
?

13. Est P
2
, generado por x + 1 ,
2
x x + ,
2
1 x + ?

Independencia lineal, Bases, y Dimensin

Definicin
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 slo si
al menos uno de los vectores puede ser expresado como una combinacin lineal de los otros.

Un conjunto infinito S de vectores en un espacio vectorial V es linealmente dependiente si contiene
un nmero 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.

Definicin
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 =


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 ms 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.

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

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

a. Cualquier conjunto linealmente independiente en V contiene a lo ms 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 combinacin lineal de las otras.

)
`
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 combinacin 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

4. Prueba si el conjunto de funciones son linealmente independiente en F. Si son linealmente
dependientes, expresa una de las funciones como combinacin 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
,
0 1
1 0
,
1 0
0 1
,
22
B M V

6.
)
`
= =
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
,
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 dimensin 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
)
`
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.


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

20.
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
=
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 estndar,
)
`
=
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
)
`
=
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.
Producto Interno

Definicin de Producto interno

Un producto interno sobre un espacio vectorial V es una operacin que asigna para cada par de
vectores u y v en V un nmero 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.

Definicin. 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 Pitgoras

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

Definicin. 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 = .

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 proyeccin 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 =

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 crculo 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. Evale la expresin w v w u + , .
12. Evale la expresin
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
,
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 + + = .

Transformaciones Lineales

Transformaciones Lineales

Definicin.
Una transformacin lineal de un espacio vectorial V a un espacio vectorial W es una funcin, 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 transformacin 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 transformacin 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 transformacin 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.

Composicin de funciones.

Definicin.
Si T : U V y S : V W son transformaciones lineales, entonces la composicin de S con T es el
mapeo S T definido por (S T) (u) = S(T(u)), donde u est en U.

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

Una transformacin lineal T : V W es invertible si existe una transformacin 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 transformacin lineal invertible, entonces su inversa es nica.

Determine si T es una transformacin 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 transformacin 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 transformacin 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 transformacin 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 as, hgalo.
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
.
El ncleo y la imagen de una transformacin lineal

Definicin Sea T : V W una transformacin lineal. El kernel o ncleo 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 algn v en V }

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

Definicin Sea T : V W una transformacin lineal. El rango de T es la dimensin de la imagen de T y se
denota por rank(T). La nulidad de T es la dimensin del kernel de T y se denota por nul(T).

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

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

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

Sea T : V W una transformacin 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 transformacin lineal uno-a-uno T : V W mapea una base de V a una
base de W.

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

Definicin : Isomorfismos de Espacios Vectoriales Una transformacin 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 dimensin finita. Entonces V es isomorfo a W si y solo si dim V = dim
W.

1. Sea
22 22
: M M T la transformacin definida por
(
=
(
d
a
d c
b a
T
0
0

(a) Cules, si es el caso, de las siguientes matrices se encuentran en el ncleo(T)?
(i)
(
3 1
2 1
(ii)
(
0 2
4 0
(iii)
(
3 0
0 3

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

2. Sea
2
2
: R P T la transformacin definida por
(
= + +
c b
b a
cx bx a T ) (
2

(a) Cules, si es el caso, de los polinomios siguientes se encuentran en el ncleo(T)?
(i) x + 1 (ii)
2
x x (iii)
2
1 x x +
(b) Cules, 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 ncleo(T) y la Im(T).

Encuentre las bases del ncleo 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
Matriz de una transformacin lineal

Encuentre la matriz | |
B C
T

de la transformacin 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 clculo 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
3
,
2
1
B ,
(
(
(
(
(
(
(
(
(
=
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
eigenvalores, eigenvectores, semejanza y diagonalizacin

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

Definicin Sea A matriz de nn y un eigenvalor de A. La coleccin de todos los eigenvectores
correpondientes a, junto con el vector cero, se denomina eigenespacio de y se denota por
E .

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

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

1. Calcule el polinomio caracterstico de ( ) I A det de A.
2. Encuentre los eigenvalores de A resolviendo la ecuacin caracterstica ( ) 0 det = I A para .
3. Para cada eigenvalor , encuentre el espacio nulo de la matriz A - I, es decir, resuelva la
ecuacin ( ) 0 = v I A . ste es el eigenespacio
E , los vectores distintos de cero que se

encuentran en este eigenespacio son los vectores de A correspondientes a .
4. Determine una base para cada eigenespacio.

Definicin La multiplicidad algebraica de un eigenvalor es su multiplicidad como raz del polinomio
caracterstico. La multiplicidad geomtrica de un eigenvalor se define como la dimensin de su
correspondiente eigenespacio.

Teorema
Supongamos que la matriz A de nn tiene eigenvectores
m
v v v ,..., ,
2 1
con los eigenvalores
correspondientes
m
,..., ,
2 1
. Si x es un vector de R
n
que pueda ser expresado como una combinacin
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 + + + = ...
2 2 2 1 1 1

Semejanza y diagonalizacin

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

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

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

Definicin Una matriz de A nn es diagonalizable si existe una matriz diagonal D tal que A sea
semejante a D; es decir, si existe una matriz P invertible de nn tal que D AP P =
1
.

Teorema. Sea A una matriz de nn. Entonces A es diagonalizable si y solo si A tiene n eigenvectores
linealmente independientes. Con ms precisin, 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 nn con n eigenvalores distintos, entonces A es diagonalizable.

Teorema de la diagonalizacin
Sea A una matriz de nn cuyos eigenvalores son
k
,..., ,
2 1
. Los enunciados siguientes son
equivalentes:

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

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 caracterstico de A, (b) Los eigenvalores de A, (c) Una base para cada
eigenespacio de A, y (d) la multiplicidad algebraica y geomtrica 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 22 con eigenvectores
(
=
1
1
1
v y
(
=
1
1
2
v correspondientes
a los eigenvalores
2
1
1
= y 2
2
= , respectivamente y
(
=
1
5
x .
5. Encontrar x A
10
6. Encontrar x A
k
. Qu 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 .

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 caracterstico 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 diagonalizacin encuentra
11
A si

|
|
|
.
|
\
|

=
2 15 0
0 1 0
1 7 1
A

Problemario

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Problemario

Uploaded by

Copyright:

Available Formats

Fermn Acosta Magallanes Problemario de Matemticas II

UPIITA-IPN Ciencias Bsicas Pgina 1

E , los vectores distintos de cero que se

You might also like