CALCULO

MATRICIAL

EJERCICIOS Y PROBLEMAS

f1
f

2
..
.
fn

f1
x1
f2
x1

f1
x2
f2
x2

fn
x1

fn
x2

= ..
.

...

...

f1
xn
f2
xn

CEMATH

...

fn
xn

Eduardo Mena Caravaca

A la memoria de mis padres Jose y Ana y de mi

maestro de primaria D. Antonio Hidalgo.
En agradecimiento a Toribio Hernandez Carvajal,
Hijo Adoptivo de mi ciudad, mi profesor y amigo.

Eduardo Mena Caravaca

Profesor de la Escuela Politecnica Superior de Algeciras
Universidad de C
adiz
La Lnea de la Concepcion, octubre de 2014

Indice general
1. Ejercicios

1.1. Operaciones con matrices. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2. Transformaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3. Cambio de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4. Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10

1.5. Autovalores y autovectores. Diagonalizacion . . . . . . . . . . . . . . . . . . . . . . . . . .

12

2. Problemas

17

2.1. Matrices y determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

2.2. Sistemas de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

2.3. Autovalores y autovectores

26

Indice alfab
etico

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31

Captulo 1

Ejercicios
1.1.

Operaciones con matrices. Determinantes

Ejercicio 1.1.1 Dadas las matrices1 :





1 3 2
1
4 0
A=
B=
0
2 4
2 6 1


C=

0
2

5 2
2
5

Efectuar las siguientes operaciones:

1. 3A B
2. C 2B
3. At + 2C t
4. AC t
Soluci
on

 
 
 

1 3 2
1
4 0
3 9 6
1
4 0
1. 3A B = 3

0
2 4
2 6 1
0
6 12
2 6 1


1
4 0
=
2 6 1



 
 

0
5 2
1
4 0
0
5 2
2
8 0
2. C 2B =
2
=

2 2
5
2 6 1
2 2
5
4 12 2


2 3 2
=
2 10
3

1 0
0
2
1 0
0
4
1
4
3. At + 2C t = 3 2 + 2 5 2 = 3 2 + 10 4 = 7 2
2 4
2
5
2 4
4 10
2 14





0
2
1 3 2
19 18
5 2 =
4. AC t =
0
2 4
2 16
2
5
1A

la matriz traspuesta de una matriz A se denota por At y es la que resulta de intercambiar las filas por las columnas

Eduardo Mena Caravaca

Ejercicio 1.1.2 Efectuar:

3
0
1
Soluci
on

3
0 1
1
0
2
4 2
1 1
0
0

0 1
1
2
4 2
1
0
0

4
0
6 + 2
2
1

4
0
6 + 2
2
1

3
5
2 = 4
1
3

5
2
1

10
0
20 + 2
10
1

5
3
2 = 6
1
2

15
22
9

Ejercicio 1.1.3 Efectuar:



Soluci
on


3
0



1
2

3
0

1
2


+

1
2

2

4
4

3
0

5
3


Ejercicio 1.1.4 Dadas las matrices A =
matricial:

2
1

5
3

9
0

=
1
3

4
4

5
4

5
3


B=

1
1

4
4


=

4
3

9
0

4
0

. Resolver el siguiente sistema

X + 2Y = A
2X + Y = B

Soluci
on
Multiplicamos la primera ecuaci
on por dos y reducimos la X.



X + 2Y = A
2X + 4Y = 2A
2

5Y = 2
2X + Y = B
2X + Y = B
1

Por tanto, Y =

1
5

3
3

2
6

1
3

1
1

2
6

4
0


Sustituyendo en la primera ecuaci
on X = A 2Y =

2
1

1
3

2
5

3
3

1
5

Ejercicio 1.1.5 Una matriz A se dice involutiva si A = I. Comprueba que la matriz

involutiva
Soluci
on
Vemos si A2 = I
A2 = AA =

1
3

0
1



1
3

0
1


=

1
0

0
1


=I

Luego A es involutiva.
Otra forma de definir una matriz involutiva es aquella que verifica A = A1

4
1

1
3

9
3
0
1


es

C
alculo Matricial





Ejercicio 1.1.6 Calcular el siguiente determinante 


Chi`
o

1
1
2
0

1
2
0
0


1
0 
1 3 
aplicando el metodo pivote o de
1 4 
2
3 

Soluci
on
Seguimos los siguientes pasos
1. Elegimos un 1 (pivote) de los elementos del determinante. Si no hubiese elegiramos cualquier otro.
2. De todos los 1 elegimos el que m
as cero tenga en su fila o en su columna.
3. Si elegimos la fila, hacemos transformaciones elementales por columnas y viceversa, para hacer ceros
todos los elementos, menos el pivote.
4. Desarrollamos por los adjuntos de la fila o columna del elemento pivote, reduciendo el determinante
a un orden menor.
En nuestro caso, tomamos el pivote el elemento
transformaciones elementales por fila.



 1 1 1
 1 1 1
0 



 1 2
 1 0
1 3 
3


 2 0 1 4  F2 2F1 =  2 0 1



 0 0
 0 0
2
3 
2


 1 3
3 

=  2 1 4 
F 2F1
 0
2
3  2

a12 y hacemos cero su columna, para ello hacemos




0 
 1
3 3 


3 
= 1 A21 =  2 1 4 
4 
 0
2
3 
3 



 1 3
3  

5 10 
5 10  = 
= 35
=  0
2
3 
 0
2
3 


 1+a
1
1

 1
1
+
a
1


1
1+a
Ejercicio 1.1.7 Calcular el siguiente determinante de orden n  1
 ..
..
..
 .
.
.

 1
1
1

..
.











1+a 
1
1
1
..
.

Soluci
on
A la primera columna le sumamos todas las demas

 
 1+a
1
1

1  

 1
1+a
1

1  

 1
1
1
+
a

1  = 

 ..
..
..
..
..  
 .
.
.
.
.  

 1
1
1
1 + a  

n+a
n+a
n+a
..
.
n+a

1
1
1+a
1
1
1+a
..
..
.
.
1
1

Sacamos el factor (n + a) de la primera columna y a cada fila le restamos




 1
 1 1 1
1
1

1 


 1 1+a

 0 a 0
1

1



 1


1
1
+
a

1
(n + a) 
 = (n + a)  0 0 a
 ..
 .. .. ..
..
..
..
.. 
 .
 . . .
.
.
.
. 


 1

 0 0 0
1
1
1 + a

..
.











1+a 
1
1
1
..
.

la primera fila.

1 
0 
0 
..
.. 
.
. 
a 

2 Felice Chi`
o (Crescentino, 29 de abril de 1813, Turn, 28 de mayo de 1871) fue un matem
atico italiano, principalmente
conocido por la regla que permite simplificar el c
alculo de determinantes.

Eduardo Mena Caravaca

Desarrollamos el determinante por los adjuntos


 a 0

 0 a

(n + a)  . .
 .. ..

 0 0

de la primera columna

0 
0 
n1
..
..  = (n + a)a

.
. 
a 





Ejercicio 1.1.8 Calcular el siguiente determinante 



a
b
c
d

a
a
a
a

a
b
b
b

a
b
c
c

a
a
a
0

a
b
b
0

a
a
b
b
c
c
0 dc

Soluci
on
A la cuarta fila le restamos la tercera

 a a

 a b

 a b

 a b
Desarrollamos por los adjuntos de



 a a a 
 a






a
b
b
(d c) 
 = (d c)  a
 a b c 
 0

a
b
c
c

a
b
c
d

la cuarta fila


a
a 
 a
b
b  = (d c)(c b) 
a
0 cb 


a 
= (d c)(c b)(b a)a
b 


 1
2
3

 1
0
3

 1 2
0
Ejercicio 1.1.9 Calcular el siguiente determinante de orden n 
 ..
..
..
 .
.
.

 1 2 3


n 
n 
n 
.. .. 
. . 
0 

Soluci
on
A cada fila












le sumamos la primera fila, y desarrollamos por los adjuntos

 

1
2
3 n   1 2 3
n  
2 6
1
0
3 n   0 2 6 2n  
0
3
1 2
0 n  =  0 0 3 2n  =  . .
..
..
..
.. ..   .. .. ..
..   .. ..
.
.
.
. .   . . .
.  
0 0
1 2 3 0   0 0 0
n 

de la primera columna.

2n 
2n 
..
..  = n!
.
. 

Ejercicio 1.1.10 Expresa este polinomio3 x2 + y 2 + z 2 2xy + 4yz en forma matricial.

Soluci
on

5x2 + 3y 2 + z 2 2xy + 4yz =

3 Esta

5
1
0

1 0
x
3 2 y
2 1
z

expresi
on se llama forma cuadr
atica, y su matriz asociada siempre es sim
etrica

C
alculo Matricial

1.2.

Transformaciones elementales

Definici
on 1 [1] Dada una matriz Amxm diremos que se ha efectuado en A una transformaci
on elemental de filas si hemos efectuado cualquiera de las siguientes tres operaciones:
1. Cambiar la fila i por la fila j. Se representa Fi Fj
2. Multiplicar la fila i por un n
umero (escalar) no nulo R . Se representa por Fi
3. Sumar a la fila i la fila j multiplicada por un n
umero R. Se representa por Fi + Fj
De igual forma podemos hacer transformaciones elementales por columnas. Las transformaciones
elementales no alteran ni la dimensi
on ni el rango de una matriz. La matriz obtenida B se dice que es
equivalente a la matriz dada y se representa por A <> B.

3 1 1
1 efectuar las transformaci
Ejercicio 1.2.1 Dada la matriz 0 2
on F3 + 3F1
2 0
3
Soluci
on

3
0
2

1
2
0

3 1
1
1
<> 0 2
F3 + 3F1
11 3
3

1
1
0

Definici
on 2 Definimos el rango de una matriz Amxm como el n
umero de submatrices filas (o columnas), no nulas de su matriz en forma escalonada y lo denotamos por Rg(A)

3
1 1
2
1
Ejercicio 1.2.2 Obtener el rango de la matriz 1
2 1 2
Soluci
on

3
1 1
1
1
3
2
1
F2 F1
2 1 2
2

3
El Rg 1
2

1
2
1
1 1 F2 3F1 0
1 2
F3 2F1
0

1
2
1
0 5 4
0
0
0

2
1
5 4
F3 + F2
5 4

1 1
2
1 =2
1 2

1
Ejercicio 1.2.3 Dada la matriz A = 1
1
Gauss4 y mediante determinantes aplicando

2
1
1 1 obtener la matriz inversa mediante el metodo de
1
0
la f
ormula de la inversa.

Soluci
on

1 2
1 1
1 1

1 1
1 0
0 0

0
1
0

0
1
0 F2 F1 0
1
F3 F1
0

2
1
1 0 0
1 2 1 1 0
1 1 1 0 1
F3 F2

4 Carl Friedrich Gauss (1777-1855) suya es la frase La Matem

atica es la reina de las ciencias y la teora de n
umeros es
la reina de la Matem
atica

Eduardo Mena Caravaca

1
0 0
2
1
1 2 1
1 0
0
1
0 1 1

1
0 0 1
0 1 0 1
0
0
0 1

1 1
3
1 2
= 1
0 1
1

1
0
0

Luego, A1

1
1 1
1
2 0
F + 2F2
F1 F3 0 1 0 1 1
2 1
F2 + 2F3
0
0 1
0 1
1

1 3
1 0 0 1 1
3
0 1 0
1 2
1
1 2
F2
1 1
0 1
1
0 0 1

Obtenemos la inversa por la f

ormula A1 =

1
t
(Adj(A))
|A|

Calculamos el determinante y los adjuntos


 1

|A| =  1
 1
A11
A21
A31


 1 1
= 
1
0

 2 1
= 
1 0

 2
1
= 
1 1



=1



=1



 = 3


2
1
1

1
1
0



 1 1 
 = 1

A12 = 
1
0 


 1 1 
 = 1
A22 = 
1 0 


 1
1 

=2
A32 = 
1 1 

La matriz inversa viene dada por:

A1 =
1

1
1
3




 = 1



 1 1
A13 = 
1 1

 1
A23 = 
1

 1 2
A33 = 
1 1

t
1
0
1
1
1 = 1
2 1
0



=0


2 
=1
1 


 = 1


1
3
1 2
1
1

Ejercicio 1.2.4 Obtener la matriz de Hermite

1
equivalente a la matriz A = 1
0

1
2
1

Soluci
on

F2 + F1

1 0 0
0 1 0
0 0 1

1 0 0
1 1 0
1 1 3

1
0
0

1
1
0
1
3
0

1 1 0
1
1
2 0 1
1
3F3 + F2
0

1 0
1 0
1 1
0 1 C2 C1 1
3 F2
1 1

1 0 0 1 0 1 1
1 1 0 0 1 0
1
3
3
1 1 3 0 0

1
La matriz de Hermite viene dada por H = 0
0


1 1
y Q=
siendo H = P AQ
0
1

0 0
1 0
0 1

1
0
0

1 1
3 0
1

1
0
0

0
3
0

1
0

0
0
3

0
1

1
1

1
0
1 Y las matrices de paso P = 13
0
1

0
1
0
3
1 3
0

5 Charles Hermite (1822-1901). El teorema que afirma que el n

mero e es un n
umero trascendente se suele conocer como
el teorema de Hermite

C
alculo Matricial

7


1
1

Ejercicio 1.2.5 Dada la matriz A =

3
1

2
0

comprueba que la matriz AAt es simetrica

Soluci
on

1
Obtenemos la matriz traspuesta At = 3
2
Calculamos el producto A At =


Comprobamos que es simetrica

1
1

3
1

13 2
2 2


t


=

0
1

Ejercicio 1.2.6 Dadas las matrices A =

1
1
0


1
2
3
0
2

1
1



1
13 2

1
=
2 2
0


13 2
2 2


yB=

2
4

3
1


resolver la siguiente ecuaci
on

matricial AX 3X + B = O
Soluci
on
AX 3X + B = O (A 3I)X = B

 3
A 3I es invertible ya que su determinante es distinto de cero. |A 3I| = 
1
Luego: (A 3I)X = B X = (A 3I)1 B

X=

3
1


1
2

1 



2
4

3
1


2 3
4 1

 

1
0 7
0 1
=
X=
14 0
2
0
7
X=

1
7

2
1

1
3


1 
=7
2 

Eduardo Mena Caravaca

1.3.

Cambio de bases

Ejercicio 1.3.1 Hallar la matriz de paso P de la base B1 = {(1, 1), (2, 3)} a B2 = {(2, 1), (3, 1)}
Soluci
on
Sea ~v un vector de R2 . Si (x1 , x2 ) son las coordenadas de ~v respecto de B1 y (y1 , y2 ) las
coordenadas respecto de B2 , podemos escribir:



1
2
x1
~v = x1 (1, 1) + x2 (2, 3) =
1 3
x2

~v = y1 (2, 1) + y2 (3, 1) =

2
1

3
1



y1
y2

Por tanto,


2
1

3
1



y1
y2


=

1
1

2
3



x1
x2

Luego,
 
1 


y1
2
3
1
2
x1
=
y2
1 1
1 3
x2

 



y1
1 3
1
2
x1
=
y2
1
2
1 3
x2

 


y1
2
7
x1
=
y2
1 4
x2


La matriz de paso viene dada por P =

2
1

7
4

Ejercicio 1.3.2 Hallar la matriz de paso P de la base B1 = {~u1 , ~u2 , ~u3 } a B2 = {~v1 , ~v2 , ~v3 } sabiendo
que verifica:

2~u1 ~u2 = ~v1 + ~v2

~u2 + ~u3 = ~v1 ~v2

~u1 + ~u3 = ~v2 + ~v3

Soluci
on
Escribimos en forma matricial la

2 1
0
1
1
0

relaci
on dada

0
~u1
1
1 ~u2 = 1
1
~u3
0

1 0
~v1
1 0 ~v2
1 1
~v3

Despejamos la matriz {~ui }

1
1 0
1
1 1 1
0 1
0

1 0
~v1
1 0 ~v2
1 1
~v3

1 1
1
2 2 1
1
2
0

1 0
~v1
1 0 ~v2
1 1
~v3

~u1
2
~u2 = 0
~u3
1

~u1
1
~u2 = 1
~u3
1

C
alculo Matricial

~u1
2
~u2 = 3
~u3
2

1 1
~v1
1 2 ~v2
2
2
~v3

Trasponemos

~u1

~u2

~u3

~v1

~v2

2
La matriz de paso viene dada por P = 1
1

~v3

2
1
1

3 2
1
2
2
2

3 2
1
2
2
2

Ejercicio 1.3.3 Sean B = {u~i } y B 0 = {e~j } dos bases de R3 con B 0 ortonormal, tales que

2x1 = x02

0
0
0
x1 x2 = x02 x03
~x = (x1 , x2 , x3 ) = (x1 , x2 , x3 ) se verifica

3x1 + 2x3 = x03 x02 x01

Calcular la matriz de paso de B a B 0
Soluci
on
Escribimos en forma matricial

2
0
1 1
3
0

las ecuaciones del cambio.

0

x1
x1
0
0 1
0
0 x2 = 0
1 1 x02
2
x3
1 1
1
x03

Despejamos la matriz {x0i }

x01
0
x02 = 0
1
x03

x01
0
x02 = 1
1
x03

1
2
1
0
1 1 1
3
1
1

2
1 1
0
0 1
1
0
3

x01
4
x02 = 2
3
x03

1
0
1

4 1
La matriz de paso viene dada por P = 2 0
3 1

x1
0 0
1 0 x2
x3
0 2

x1
0 0
1 0 x2
0 2
x3

x1
2
0 x2
0
x3

2
0
0

10

Eduardo Mena Caravaca

1.4.

Sistemas de ecuaciones lineales

Ejercicio 1.4.1 Resolver el siguiente sistema de ecuaciones lineales por el metodo de Gauss.

x + 2y z = 2
3x y + 2z = 7
.
Soluci
on


1
3

2 1 2
1
2 7


F2 3F1

1
0

2 1 2
7
5 1

5z 1
De la u
ltima fila obtenemos 7y + 5z = 1 y =
7
10z 2
16 3z
Sustituyendo en la primera fila obtenemos x +
z =2x=
7
7
Sistema Compatible Indeterminado
Ejercicio 1.4.2 Resolver el siguiente sistema de ecuaciones lineales por el metodo de Gauss.

x + 2y z = 2
x y+z =2

2x + y
=3
.
Soluci
on

1
2 1 2
1
1 1
1 2 F2 F1 0
2
1
0 3
0
F3 2F1

2
1
2 1
0
0
3
2
3
2 1
0
F3 F2

2 1
2
0
3
2
0
0 1

Sistema Incompatible
Ejercicio 1.4.3 Estudiar el siguiente sistema de ecuaciones lineales mediante el teorema de Rouche y
resolver por la regla de Cramer6

2x + y z = 1
3x y + 2z = 7

x 2y + 3z = 6
Soluci
on
Calculamos el rango de la matriz de los coeficientes y ampliada, mediante menores:

2
1 1 1
2
1 1
2 7
2 A = 3 1
C = 3 1
1 2
3
1 2
3 6


 2


1 1 


1 
 3 1
 = 6 + 2 + 6 1 9 + 8 = 0 ;  2
2
Rg(C) = 2


 3 1  = 2 3 = 5
 1 2
3 
Para calcular el rango de A ampliamos el menor principal de orden dos de C con la columna de los
terminos independientes.


 2
1 1 

 3 1 7  = 12 + 7 6 + 1 + 28 18 = 0 Rg(A) = 2


 1 2 6 
6 Gabriel Cramer (1704-1752). La regla de Cramer la public
o en 1750, aunque fue descubierta anteriormente (1729) por
MacLaurin.

C
alculo Matricial

11

El sistema es Compatible indeterminado. Resolvemos aplicando la regla de Cramer. Para ello,

tomamos las ecuaciones y las inc
ognitas que aparecen en el menor distinto de cero que hemos utilizado
para calcular el rango de la matriz de los coeficientes. La ecuacion tercera que es la que no aparece en ese
menor, la eliminamos y la inc
ognita que tampoco aparece en el menor, la pasamos al segundo miembro
y la consideramos un par
ametro, en este caso es la incognita z

2x + y = 1 + z
3x y = 7 2z
Aplicamos Cramer y obtenemos:


 1+z
1 

 7 2z 1 
1 z 7 + 2z
8z


=
=
x=

 2
5
5
1


 3 1 


 2
1 + z 

 3 7 2z 
14 4z 3 3z
7z 11
 =
y = 
=

5
5
1 
 2
 3 1 
Ejercicio 1.4.4 Resolver el siguiente sistema de ecuaciones lineales por el metodo de Gauss.

3x + 2y = 5
x 2y = 1

3x y = 2
Soluci
on

3
1
3

2
5
3
2 1 3F2 F1 0
1
2
F3 F1
0

2
5
3
0
8 8
3 3
8F3 F2
0

Sistema Compatible Determinado

De la segunda fila obtenemos 8y = 8 y = 1
Sustituyendo en la primera fila obtenemos 3x + 2 = 5 x = 1

2
5
8 8
0
0

12

Eduardo Mena Caravaca

1.5.

Autovalores y autovectores. Diagonalizaci

on

0
Problema 1.5.1 Dada la matriz A = 1
1
autovector asociado al autovalo = 2.

a 1
1
0 1 calcular el valor de a para que 1 sea un
1 0
1

Soluci
on
Para que sea un autovector asociado al

0 a
1 0
1 1

autovalor = 2 debe cumplir:

1
1
1
1 1 =2 1
0
1
1

Luego:

a+1=2a=1
2=2

2=2

7
Ejercicio 1.5.1 Dada la matriz A = 2
2

4 16
5
8 obtener los autovalores y sus autovectores7 .
2 5

Soluci
on
Los autovalores vienen dados por las soluciones de la ecuacion caracterstica: |A I| = 0

 7


2


2

4
5
2

 
  7
4
 
=
2
5

 
 
0 3

16
8
5

16
8
3

 
  7
 
=
2
 
 
0

12
16
3
8
0 3

(3 )[(7 )(3 ) + 24] = (3 )(2 4 + 3) = (3 )2 (1 )



Luego: (3 ) (1 ) = 0

1 = 0 = 1 simple
(3 )2 = 0 = 3 doble

Calculamos los autovectores asociados a cada autovalor:

Para = 1 sus vectores propios verifican

6
2
2

6
2
2

4 16
6
4
8 v 0
2 6
0


La soluci
on viene dada por
7 Tambi
en

x1
0
(A 1 I) x2 = 0
0
x3

4 16
x1
0
4
8 x2 = 0
2 6
x3
0

4 16
6
8
8 v 0
2 2
0

3x1 + 2x2 + 8x3 = 0

x2 + x3 = 0

4
1
0

16
3
1 v 0
0
0

2
1
0

8
1
0

x1 = 2x3
x2 = x3

llamados valores propios o valores caractersticos y vectores propios o vectores caractersticos.

C
alculo Matricial

13

Los vectores propios vienen dados por {(2t, t, t)}

x1
0
Para = 3 sus vectores propios verifican (A 3 I) x2 = 0
x3
0

4
4 16
x1
0
2
2
8 x2 = 0
2 2 8
x3
0

4
4 16
4 4 16
1 1
2
2
8 v 0 0 0 v 0 0
2 2 8
0 0 0
0 0

4
0
0

La soluci
on viene dada por x1 = x2 4x3 y los vectores propios por {(t 4s, t, s)}
Y una base de vectores propios viene dada por

3
Ejercicio 1.5.2 Diagonalizar la matriz A = 2
4

{(-2,-1,1)(-1,1,0)(-4,0,1)}

2 4
0 2
2 3

Soluci
on
Calculamos las soluciones de la ecuacion caracterstica: |A I| = 0


 3
2
4 


2
2  = (1 + )[(3 )(4 ) 20]


4
2 3 

= 1 doble
2
(1 + )( 7 8) = 0
=8
Calculamos los autovectores asociados a cada autovalor:

x1
0
Para = 8 sus vectores propios verifican (A 8 I) x2 = 0
0
x3
Luego:

5
2
4

 2
Tomamos el menor 
4


2
4
x1
0
8
2 x2 = 0
2 5
x3
0


8 
para resolverlo.
2 

2x1 8x2 = 2x3

4x1 + 2x2 = 5x3

x3
4x1 + 16x2 = 4x3
x2 =
x1 = x3
+4x1 + 2x2 = 5x3
2

Y los vectores propios asociados vienen dados por {(2t,t,2t)}

Para = 1 sus vectores propios verifican

x1
0
(A (1) I) x2 = 0
x3
0

Luego:

4
2
4

2
1
2

4
x1
0
2 x2 = 0
4
x3
0

14

Eduardo Mena Caravaca



Tomamos el menor  1  para resolverlo.
La soluci
on viene dada por x2 = 2x1 2x3
Los vectores propios asociados vienen dados por {(t,-2t-2s,s)}
Y una base de vectores propios viene dada por {(2,1,2)(1,-2,0)(0,-2,1)}

1
Ejercicio 1.5.3 Diagonalizar la matriz A = 1
1

1 1
1 1 .
0 0

Soluci
on
Calculamos los autovalores:
|A I| = 0


 1
1
1 


1 1
1  = (1 )(2 2)


1
0 

=1
= 1
(1 )(2 2) = 0

=2
Por tanto A tiene tres autovalores, = 1 ; = 1 ; = 2.
Calculamos los autovectores asociados a cada autovalor:

x1
0
Para = 1 sus vectores propios verifican (A I) x2 = 0
x3
0
Luego:

x1
0 1
1
1
0
1 x2
1
0 1
x3


x2 + x3 = 0

x1 + x3 = 0

0
= 0
0

x2 = x3
x1 = x3

Y los vectores propios asociados vienen dados por {(t,t,t)}

x1
0
Para = 1 sus vectores propios verifican (A + I) x2 = 0
x3
0
Luego:

1 1
x1
0
2 1 x2 = 0
0 1
x3
0


x1 + 2x2 + x3 = 0
x2 = x3

x1 + x3 = 0
x1 = x3
2
1
1

Los vectores propios asociados vienen dados por {(t,t,-t)}

x1
0
Para = 2 sus vectores propios verifican (A 2I) x2 = 0
x3
0

C
alculo Matricial

15

Luego:

1 1
1
x1
0
1 1
1 x2 = 0
1
0 2
x3
0


x1 x2 + x3 = 0
x2 = x3

x1 2x3 = 0
x1 = 2x3
Los vectores propios asociados vienen dados por {(2t,-t,t)}
Y una base de los vectores propios asociados viene dada por {(1,1,1)(1,1,-1)(2,-1,1)}
Luego, la matriz diagonal D, semejante a A, viene dada por:

1
0 0
D = 0 1 0
0
0 2
Siendo la matriz de paso 8 :

1
2
1 1
1
1

1
P = 1
1
Cumpliendose la igualdad D = P 1 AP

Teorema 1 (Cayley-Hamilton) Toda matriz cuadrada es raiz de su polinomio caracterstico.


Ejercicio 1.5.4 Dada la matriz A =

1
1

1
1

, calcular A8

Soluci
on
Calculamos su polinomio caracterstico:

 1
1


1 1



 = (1 )2 1 = 2 2


Aplicando el teorema de Cayley9 -Hamilton obtenemos:

A2 2A = O A2 = 2A
8

2 4

2 2

4 2

A = (A ) = (2A) = 2 A = 2 (A ) = 2 (2A) = 2 2 A = 2 (2A) = 2 A =

128 128
128
128

8 Matriz cuyas columnas son los autovectores asociados, en el mismo orden que se colocan los autovalores en la matriz
diagonal
9 Arthur Cayley (Richmond, 16 de agosto de 1821 - Cambridge, 26 de enero de 1895). Fue el primero que introdujo la
multiplicaci
on de las matrices. Es el tercer matem
atico m
as prolfico de la historia, sobrepasado tan solo por Euler y Cauchy.

Captulo 2

Problemas
2.1.

Matrices y determinantes

Problema 2.1.1 Si A es una matriz regular1 que verifica A2 + 4A I = O, calcula A3 y demuestra que
A1 = A + 4I
Soluci
on
Si A2 + 4A I = O A2 = I 4A
A3 = A2 A = (I 4A)A = A 4A2 = A 4(I 4A) = 17A 4I
Deducimos la matriz inversa de A
Si A2 + 4A I = O A(A + 4I) = I A1 = A + 4I

1
1

Problema 2.1.2 Estudiar el rango de la matriz A =

2
1
del par
amatro a

1
2 3 1
3 2 1 0
en funci
on de los valores
2
0 4 1
0
1 a 0

Soluci
on

1
1

2
1

1
2 3 1
1
0
3 2 1 0
F

F
2
1

<>
0
2
0 4 1 F3 2F1
0
1 a 0
F4 F1
0

1
0

0
0

1
2
4 4
0
0
0
0

1
2
3
4 4
2
4 4
2
1 1 a 3

3
1
2 1

0
0
4a 10 3

Luego, obtenemos que a R el Rg(A) = 3

1 Una

matriz cuadrada se dice regular si su determinante es distinto de cero

17

1
1

<>
1 F3 F2
1
4F4 F2

18

Eduardo Mena Caravaca

1
Problema 2.1.3 Dada la matriz A = 1
1

1
1 Calcular An con n N
1

1
1
1

Soluci
on
Calculamos A2

1
A2 = A A = 1
1

1
1
1

1
1
1 1
1
1

1
1
1

1
3
1 = 3
1
3

3
3
3

3
3 = 3A
3

Inducimos que An = 3n1 A.

Demostramos que n N la igualdad es cierta (induccion completa2 )
Comprobamos que es cierta para n = 1. En efecto si n = 1 A1 = 30 A = A
Suponemos cierta para n, es decir, que se cumple An = 3n1 A
Demostramos que la igualdad es cierta para n + 1. En efecto:

An+1

1
= An A = 3n1 A A = 3n1 1
1

1
1
1

1
1
1 1
1
1

1
1
1

1
3
1 = 3n1 3
1
3

3
3
3

3
3 = 3n A
3

Problema 2.1.4 [2]Dada la matriz A R(m,n) tal que At A es regular, construimos B = A(At A)1 At .
Demostrar que
a) B es simetrica
b) B 2 B = O
c) BA A = O
Soluci
on
a) Calculamos B t
B t = [A(At A)1 ]At

t

= (At )t [A(At A)1 ]

t

= A (At A)1

t

At = A (At A)t

1

At = A At A

1

Luego B t = B que B es simetrica.

b) Calculamos B 2
B 2 = A(At A)1 At A(At A)1 At = A[(At A)1 At A](At A)1 At = AI(At A)1 At = A(At A)1 At = B
Luego B 2 B = O
c) Calculamos BA
BA = A(At A)1 At A = A(At A)1 [At A] = AI = A
Luego BA A = 0
2 La

primera formulaci
on explcita sobre el principio de inducci
on completa fue establecida por el fsico y matem
atico
Blaise Pascal en su obra Trait
e du triangle Arithm
etique (1665).

At

C
alculo Matricial

19

1
Problema 2.1.5 Dada la matriz A = 0
1

0
1
0

1
0 Calcular An con n N
1

Soluci
on
Calculamos A2

0
1
0

1
1
0 0
1
1

0
1
0

1
2
0 = 0
1
2

0
1
0

2
0
2

0
1
0

2
1
0 0
2
1

0
1
0

1
4
0 = 0
1
4

0
1
0

4
0
4

1
A2 = A A = 0
1
Calculamos A3
2
A3 = A2 A = 0
2
2n1
Inducimos que An = 0
2n1

0 2n1

1 0
0 2n1

Demostramos que n N la igualdad es cierta.

211 0 211
=A
1 0
Comprobamos que es cierta para n = 1. En efecto si n = 1 A1 = 0
11
11
2
0 2
n1

2
0 2n1
n

0
1 0
Suponemos cierta para n, es decir, que se cumple A =
n1
n1
2
0 2

Demostramos que la igualdad es cierta para n + 1. En efecto:

2n1
n
=A A= 0
2n1

An+1

0 2n1
1
0
1 0
0 2n1
1

0
1
0

n
1
2
0 = 0
1
2n

0 2n
1 0
0 2n

Problema 2.1.6 Demostrar que si A es semejante a B y A es diagonalizable entonces B tambien lo es.

Soluci
on
Si A es diagonalizable P regular / A = P DP 1 . Siendo D la matriz diagonal semejante a A
Si A es semejante a B Q regular / A = Q1 BQ y sustituyendo, obtenemos:
A = P DP 1 Q1 BQ = P DP 1 B = (QP )D(QP )1
Luego, B es diagonalizable y su matriz de paso es QP
Problema 2.1.7 Demostrar que si A es involutiva entonces A es regular y su determinante vale 1.
Soluci
on
Si A es involutiva se verifica A2 = I |A2 | = |I| |A||A| = 1 |A|2 = 1 |A| = 1
Por ser |A| =
6 0 A tiene inversa, siendo A1 = A que es otra forma de definir las matrices involutivas.

20

Eduardo Mena Caravaca

Problema 2.1.8 Demostrar que si A es idempotente y regular entonces A = I.

Soluci
on
Si A es idempotente A2 = A. Si A es regular, entonces, tiene inversa A1
Si A2 = A AA = A multiplicando por A1 obtenemos AAA1 = AA1 A = I.
Problema 2.1.9 Demostrar que si A y B son matrices tales que AB = A y BA = B, entonces A y B
son idempotente.
Soluci
on
Veamos la expresi
on de A2
A2 = AA = (AB)(AB) = A(BA)B = ABB = AB = A

luego A es idempotente

Veamos la expresi
on de B 2
B 2 = BB = (BA)(BA) = B(AB)A = BAA = BA = B

luego B es idempotente

Problema 2.1.10 Demostrar que si A es ortogonal entonces A es regular y su determinante vale 1.

Soluci
on
Si A es ortogonal se verifica que At = A1
At = A1 |At | = |A1 | |A| =

1
|A|2 = 1 |A| = 1
|A|

Problema 2.1.11 Demostrar que, si A es involutiva y ortogonal, entonces A es simetrica.

Soluci
on
Una matriz A es simetrica si cumple At = A
 t
A = A1 por ser ortogonal
At = A A es simetrica
A1 = A por ser involutiva
Definici
on 3 Una matriz cuadrada A se dice nilpotente de orden n si n N/An = O y Ap 6= O p < n
Problema 2.1.12 Demostrar que si A es nilpotente entonces A es singular.
Soluci
on
Si A es nilpotente de orden n n N/An = O y Ap 6= O p < n
Si A fuese regular, entonces A1
A1 An = A1 O An1 = O, en contra de lo supuesto
Por tanto A es singular.
Problema 2.1.13 Demostrar que, si A es nilpotente de orden n, entonces I A es regular y, adem
as
(I A)1 = I + A + A2 + A3 + + An1

C
alculo Matricial

21

Soluci
on
Calculamos (I A)(I A)1 con An = O
(I A)(I A)1 = (I A)(I + A + A2 + A3 + + An1 )
= I + A + A2 + A3 + + An1 A A2 A3 An1 An = I
De igual forma (I A)1 (I A) = I
Problema 2.1.14 Demostrar que, si A es antisimetrica entonces, las potencias pares son simetricas y
las impares antisimetricas.
Soluci
on
Lo demostramos por inducci
on completa, cuando n es par
a) Lo comprobamos para n = 2
(A2 )t = (AA)t = At At = (A)(A) = A2 A es simetrica
b) Lo suponemos cierta para n
c) Lo demostramos para n + 2
(An+2 )t = (An A2 )t = (A2 )t (An )t = (A2 )(An ) = An+2 An+2 es simetrica
Veamos de igual forma cuando n es impar
a) Lo comprobamos para n = 1
(A)t = A A es antisimetrica
b) Lo suponemos cierta para n
c) Lo demostramos para n + 2
(An+2 )t = (An A2 )t = (A2 )t (An )t = (A2 )(An ) = An+2 An+2 es antisimetrica
Problema 2.1.15 Demostrar que, si An es antisimetrica de orden impar entonces, su determinante es
nulo.
Soluci
on
Si An es antisimetrica Atn = An , luego:
|Atn | = | An | |An | = (1)n |An | |An | = |An | 2|An | = 0 |An | = 0

22

Eduardo Mena Caravaca

2.2.

Sistemas de ecuaciones

Problema 2.2.1 Dado el sistema

x + 3y mz

2x y 2z
x + 2my

mx + y + mz

= 4
= 0
= m+2
= 0

Se pide
1. Discutirlo seg
un los valores de m
2. Resolverlo cuando sea compatible
Soluci
on
Obtenemos la matriz de los coeficientes

1
3 m

2
1
2
C=
1 2m
0
m
1
m
Calculamos los rangos.


1
3 m


2
1
2
|A| = 
1
2m
0

 m
1
m

4
0
m+2
0

C y la matriz ampliada A

1
3 m

2
1
2
A=

1 2m
0
m
1
m






2


 = 4  1



 m


1
2m
1

2
0
m

4
0

m+2
0





1


 (m + 2) 
2



 m


3 m 
1 2 
1
m 

= 4(4m2 + 2 4m2 m) (m + 2)(m + 6m 2m + m2 + 2 6m)

= 4m 8 (m + 2)(m2 3m + 2) = 4(m 2) (m + 2)(m 2)(m 1)
= (m 2)[4 (m + 2)(m 1)] = (m 2)(4 m2 + m 2m + 2)
= (m 2)(m2 m + 6) = (m 2)(m 2)(m + 3) = (m 2)2 (m + 3)

m 2 = 0 m = 2 solucion doble
Hacemos |A| = 0
m + 3 = 0 m = 3
PRIMER CASO

m 6= 2 y m 6= 3

Rg(C) = 3 Rg(A) = 4
SEGUNDO CASO

Sistema Incompatible

m=2

1
2
C=
1
2

3 2
1 2

4
0
1
2

1
2
A=
1
2

3 2 4
1 2 0

4
0 4
1
2 0

En C la cuarta fila es la opuesta de la segunda y la diferencia de la primera y segunda fila es la tercera

 1
3 
fila, siendo 
6= 0 Rg(C) = 2
2 1 
En A al igual que en C la cuarta fila es la opuesta de la segunda y la diferencia de la primera y
segunda fila es la tercera fila, luego Rg(A) = 2

C
alculo Matricial

23

El Sistema en Compatible Indeterminado.

Para resolverlo, obtenemos el sistema equivalente:


8z + 4
2z + 8
x + 3y = 2z + 4
x + 3y = 2z + 4

7x = 8z + 4 x =
y=
2x y = 2z
6x 3y = 6z
7
7
m = 3

TERCER CASO

1
2
C=
1
3

 1

El menor principal  2
 1

3
3
1 2

6
0
1 3

3
3
4
1 2
0

6
0 1
1 3
0

1
2
A=
1
3


3
3 
1 2  = 45 Rg(C) = 3 = Rg(A)
6
0 

El Sistema en Compatible Determinado.

Para resolverlo, obtenemos el sistema equivalente:

x + 3y + 3z
2x y 2z

x 6y
Y resolvemos por Cramer:


 4
3
3 

 0 1 2 


 1 6
0 
45
x=
=
= 1; y =
45
45


 1

 2

 1

=
=
=

4
0
1


4
3 
0 2 
1
0 
= 0; z =
45

Problema 2.2.2 Dado el sistema

x + 2y z + 3t
2x + 5y 5z + 7t
x + 3y 4z + (a2 5)t

4x + 10y 10z + (a2 + 5)t


 1

 2

 1

3
4
1
0
6 1
45

45
=1
45

= 1
= 4
= a
= a+5

Se pide
1. Discutirlo seg
un los valores de a.
2. Resolverlo cuando sea compatible.
Soluci
on
Aplicamos

1 2
2 5

1 3
4 10

el metodo de Gauss
1
5
4
10

1
0

0
0

3
7
a2 5
a2 + 5
2
1
1
0

1
3
3
0

1
4

a
a+5
F4 (F1 + F2 + F3 )

3
1

1
2

a 8 a1
F3 F2
0
0

1 2
2 5

1 3
0 0

1
4
F 2F1
a 2
F3 F1
0

1
2

a3
0

1
3
5
7
4 a2 5
0
0

1 2 1
3
0 1 3
1
0 0
0 a2 9
0 0
0
0

24

Eduardo Mena Caravaca

Calculamos los valores que anulen el elemento a34
a2 9 = 0

a = 3
a=3

PRIMER CASO a 6= 3 y a 6= 3 Sistema Compatible Indeterminado.

(a2 9)t = a 3 t =

a3
1
=
a2 9
a+3

1
2a + 5
= 3z +
a+3
a+3


2a + 5
1
3a + 10
x + 2y z + 3t = 1 x = 1 2y + z 3t = 1 2 3z +
+z3
= 5z
a+3
a+3
a+3
y 3z + t = 2 y = 2 + 3z t = 2 + 3z

SEGUNDO CASO a = 3 Sistema Incompatible.

0 t = 6 @t
TERCER CASO a = 3 Sistema Compatible Indeterminado.
y 3z + t = 2 y = 2 + 3z t
x + 2y z + 3t = 1 x = 1 2y + z 3t = 1 2(2 + 3z t) + z 3t = 3 5z tz
Problema 2.2.3 Discutir el siguiente sistema seg
un los valores de a.

x+y+z+t=1

ax + y + z + t = 2
x ay + z + t = 3

x + y az + t = 4

x + y + z at = 5
Soluci
on
Aplicamos el metodo de Gauss

1
1
1
1 1
1
1
1
1
1
a

1
1
1 2
1+a
1+a 2+a

F2 + aF1 0 1 + a

1 a

1
1 3 F3 F1 0 a 1
0
0
2

1
1 a
1 4 F4 F1 0
0
a 1
0
3
1
1
1 a 5
0
0
0
a 1
4
F5 F1

1
1
1
1
1
1
1
1
1
1
0 1+a 1+a
0 1+a 1+a 1+a 2+a
1+a 2+a

0
1+a
1+a 4+a
0
1+a 1+a 4+a

F + F3 0
0
0
0
a 1
0
3 4
0
0
1+a 7+a
4
4
0
0
0
a 1
0
0
0
a 1

1
1
1
1
1
0 1+a 1+a 1+a 2+a

0
0
1+a 1+a 4+a

0
0
0
1+a 7+a
11 + a
0
0
0
0
Calculamos los valores que anulen el elemento a44 y a55


1+a=0
a = 1

11 + a = 0
a = 11

F3 + F2

F5 + F4

C
alculo Matricial

25

PRIMER CASO a 6= 1 y a 6= 11 Rg(A) = 5 y Rg(C) 4 Sistema Incompatible.

SEGUNDO CASO a = 1

1 1 1 1
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0

1
1
3
6
10

Rg(A) = 2 y Rg(C) = 1 Sistema Incompatible.

TERCER CASO a = 11

1
0
0
0
0

1
1
1
1
10 10 10 9
0 10 10 7
0
0 10 4
0
0
0
0

Rg(A) = 4 y Rg(C) = 4 Sistema Compatible Determinado.

En este caso, para resolverlo, obtenemos la

matriz de un sistema equivalente:

1 1 1 1

1 1 1
10

0 1 1

10
4
0 0 1
10

La soluci
on viene dada por:

4
2

t=
=

10
5

7
4
3

=
z=
10 10
10

9
3
4
2
1

y=

=
=

10
10
10
10
5

2
3
4
1

x=1

=
10 10 10
10

26

Eduardo Mena Caravaca

2.3.

Autovalores y autovectores

2
Problema 2.3.1 Calcular a, b sabiendo que ~v = 1 es un autovector asociado a = 0 de la matriz
2

2 2
1
A = b 8 b .
a
b
b
Soluci
on
Para que sea un autovector asociado al autovalor = 0 debe cumplir:

2 2
1
2
2
b 8 b 1 = 0 1
a
b
b
2
2

2 2
1
2
0
b 8 b 1 = 0
a
b
b
2
0
Luego:

0=0
4b 8 = 0 b = 2

2a b = 0 a = 1
Problema 2.3.2 De una matriz A3x3 se sabe que (1, 1, 0) es un vector propio, que los autovectores
asociados al autovalor = 0 cumple la ecuaci
on x1 + 2x2 = 0 y que |A + I| = 0. Calcular A.
Soluci
on
Obtenemos los autovectores asociados a = 0

x1 = 2
x2 =
x1 + 2x2 = 0 x1 = 2x2

x3 =
Para = 1 y = 0 obtenemos el vector (2, 1, 0) y para = 0 y = 1 obtenemos el vector (0, 0, 1)
C
omo para = 0 obtenemos dos autovectores ello implica que es un autovalor doble.
Sabemos que |A + I| = 0 = 1 es un autovalor
Como el vector (1, 1, 0)
/ L {(2, 1, 0), (0, 0, 1)} (1, 1, 0) es el autovector asociado a = 1

0 0
0
0
Luego la matriz diagonal semejante a A es D = 0 0
0 0 1

2 0
1
La matriz de paso sera P = 1 0 1
0 1
0
Por tanto:
D = P 1 AP A = P DP 1

C
alculo Matricial

27

2 0
A = 1 0
0 1

1
0
1 0
0
0

0
0
0

1
A = 1
0

0
2
0 1
1
0

2 0
2 0
0 0

0
0
1

1
1
1
0

3 1
0
1 1 tiene un autovalor = 2. Calcular el resto de
Problema 2.3.3 La matriz A = 0

0
0
autovalores y el autovector asociado al autovalor = 2.
Soluci
on
Sus autovalores son las soluciones de |A I| = 0

 3
1
0

0 1 1
|A I| = 





 = 3 + 42 3 + = 0



Como = 2 es un autovalor 8 + 16 6 + = 0 = 2

1 = 2
3
2
2
2 = 1 + 2
+ 4 3 2 = 0 ( 2)( 2 1) = 0

3 = 1 2
El autovector asociado a = 2 viene dado por las soluciones de:

1 1
0
x1
0
0 1 1 x2 = 0
2
0 2
x3
0

Y resulta

x1 x2 = 0

x2 + x3 = 0

x1 = x2
x3 = x2

Los autovectores asociados a = 2 vienen dados por {(t, t, t)}

0
Problema 2.3.4 Estudiar en funci
on de a y b, la diagonalizaci
on de la matriz A =
b
Soluci
on
Calculamos los autovalores: |A I| = 0

 a
1
0


0
3

0


b
0 1




 = (a )(3 )(1 ) = 0



Por tanto A tiene tres autovalores, = a ; = 3 ; = 1.

PRIMER CASO: a 6= 3 y a 6= 1
Los tres autovalores son simples y por tanto es diagonalizable.

1 0
3 0
0 1

28

Eduardo Mena Caravaca

a
La matriz diagonal vendra dada por: D = 0
0

0 0
3 0
0 1

SEGUNDO CASO: a = 3
Los autovalores seran = 3 doble y = 1 simple.
Veamos si el orden de multiplicidad algebraica del autovalor = 3 coincide con el orden de multiplicidad geometrica.3
Calculamos el rango de (A 3I):

0
rg 0
b

1
0
0

0
0 =2
2

b R

Luego:

0 1
3 rg 0 0
b 0

0
0 = 1 6= 2 A no es diagonalizable.
2

TERCER CASO: a = 1
Los autovalores seran = 1 doble y = 3 simple.
Veamos si el orden de multiplicidad algebraica del autovalor = 1 coincide con el orden de multiplicidad geometrica.
Calculamos el rango de (A I):


0 1 0
2

0 2 0
=
rg
1
b 0 0

Por tanto, si a = 1 y b 6= 0:

0
3 rg 0
b

si
si

b 6= 0
b=0

1 0
2 0 = 3 2 = 1 6= 2 A no es diagonalizable.
0 0

si a = 1 y b = 0:

0
3 Rg 0
0

1
2
0

0
0 = 3 1 = 2 = 2 A es diagonalizable.
0

1
La matriz diagonal vendra dada por: D = 0
0

0
1
0

0
0
3

Problema 2.3.5 Demostrar que si dos matrices A y B son semejantes entonces tienen el mismo polinomio caractersticos.
3 El

orden de multiplicidad geom

etrica se define como n rg(A I)

C
alculo Matricial

29

Soluci
on
En efecto si A y B son semejantes P regular /B = P 1 AP
|B I| = |P 1 AP I| = |P 1 AP P 1 IP | = |P 1 (A I)P | = |P 1 ||A I||P | = |A I|

2 1
Problema 2.3.6 [4]Comprueba que estas dos matrices A = 2 3
1 1
tienen el mismo polinomio caractersticos pero no son semejantes.

1
2
2 y B= 1
2
1

0 3
2 2
1
3

Soluci
on
Hallamos el polinomio caracterstico de la dos matrices:


 2
1
1 

2 3
2  = 3 + T r(A)2 (A11 + A22 + A33 ) + |A| = 3 + 72 11 + 5
|A I| = 

1
1 2 


 2
0
3 

1 2
2  = 3 + T r(B)2 (B11 + B22 + B33 ) + |B| = 3 + 72 11 + 5
|B I| = 

1
1 3 
Calculamos los autovalores, aplicando Ruffini:
3

+ 7 11 + 5 = 0

Para esos autovalores, la matriz A es diagonalizable

1 0
D= 0 1
0 0

1 = 1 solucion doble
2 = 5
y por tanto semejante a una matriz diagonal D

0
0
5

En cambio, la matriz B no es diagonalizable, ya que para = 1 el Rg(B I) = 2 y el orden de

multiplicidad geometrico no coincide con el orden de multiplicidad algebraico.
Por tanto, como la matriz B no es semejante a D tampoco lo es a A.

Bibliografa

[1] Ariza, O., Camacho, J.C., S

anchez, A. (2000) Algebra
lineal y geometra. P
ag. 39 . Escuela Politecnica
Superior de Algeciras.

[2] Arves
u, J., Marcell
an, F., S
anchez, J. Problemas resueltos de Algebra
Lineal. Departamento de Matematicas. UNIVERSIDAD CARLOS III DE MADRID. Editorial Thomson Editores Spain. Paraninfo
S.A.
[3] De la Villa, A. (1991) Problemas de
algebra. Editorial Clagsa. Espa
na.

[4] Luz
arraga, A. (1970) Problemas resueltos de Algebra
Lineal. G.Planograf. Barcelona. Espa
na.

31

Indice alfab
etico
adjuntos, 4, 6
Arthur Cayley, 15
autovalor, 12
autovector, 12

sistemas de ecuaciones lineales, 10

submatrices, 5
tranformacion elemental, 5

Cramer, 11
determinante, 4
ecuaci
on caracterstica, 12
forma cuadr
atica, 4
Hermite, 6
inducci
on completa, 18
matriz ampliada, 10
matriz antisimetrica, 21
matriz de los coeficientes, 10
matriz de paso, 9
matriz diagonal, 15
matriz diagonalizable, 19
matriz equivalente, 5
matriz idempotente, 20
matriz inversa, 5
matriz involutiva, 2
matriz nilpotente, 20
matriz ortogonal, 20
matriz ortonormal, 9
matriz simetrica, 7
matriz traspuesta, 1
menor principal, 10
metodo de Chi`
o, 3
metodo de Gauss, 10
metodo pivote, 3
multiplicidad algebr
aica, 28
par
ametro, 17
polinomio caracterstico, 29
rango, 5
Rouche, 10
sistema
sistema
sistema
sistema
sistema

compatible determinado, 25
compatible indeterminado, 23
equivalente, 23
incompatible, 24
matricial, 2
32