Contenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada.
|
|
- Josefina Rubio Roldán
- hace 8 años
- Vistas:
Transcripción
1 Métodos Numéricos: Resumen y ejemplos Tema 7: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 9 Versión 7 Contenido Definiciones y propiedades Método de la potencia 3 Método de la potencia inversa 4 Método de la potencia inversa desplazada Definiciones y propiedades Notaciones A matriz cuadrada n n v vector de dimensión n λ escalar Objetivo Buscar escalares λ y vectores no nulos v tales que ½ λ valor propio de A Av λv v vector propio asociado a λ Polinomio característico p(λ) det(a λi) Los valores propios de A son las raíces del polinomio característico λ valor propio p(λ) Cálculo de vectores propios
2 Resumen y ejemplos Tema 5: Valores y vectores propios Para cada valor propio λ resolvemos el siguiente sistema de ecuaciones lineales (A λi) v que debe ser un sistema compatible indeterminado Espectro Radio espectral El espectro de una matriz es el conjunto de sus valores propios lo representamos por σ(a) σ(a) {λ : λ es valor propio de A} El radio espectral de la matriz es el módulo máximo de sus valores propios lo representamos por ρ(a) ρ(a) max{ λ : λ es valor propio de A} Diagonalización Sea A una matriz n n Si A tiene n valores propios distintos λ λ n y v v n son vectores propios asociados entonces D V AV D es matriz diagonal λ λ λ n V (v v v n ) tiene en columnas los vectores propios de A Ejemplo Dada la matriz A calcula: (a) Valores propios Radio espectral (b) Vectores propios asociados (d) Diagonaliza la matriz A 3 3
3 Resumen y ejemplos Tema 5: Valores y vectores propios 3 (a) Cálculo de los valores propios Empezamos por calcular el polinomio característico 3 λ p(λ) A λi λ 3 λ p(λ) (3 λ) ( λ) (3 λ) (3 λ) (3 λ)[(3 λ)( λ) ] (3 λ) (λ 5λ +4) {z } factorizamos Factorizamos el polinomio característico λ 5λ +4 λ 5 ± 5 6 ( p(λ) (λ )(3 λ)(λ 4) Los valores propios son las soluciones de la ecuación característica p(λ) El espectro de A es λ λ 3 λ 3 4 σ(a) { 3 4} El radio espectral de A es ρ(a) 4 (b) Cálculo de vectores propios Para cada valor propio λ tenemos que resolver el sistema (A λi) v Vectores propios asociados a λ Resolvemos el sistema por reducción ( a + a ) a (A I) v x y z x y x + y z y +z y z x + y z y +z
4 Resumen y ejemplos Tema 5: Valores y vectores propios 4 Eliminamos la tercera ecuación y resolvemos paramétricamente ½ x t y z y t x + y z z t t R Los vectores propios asociados a λ son de la forma v tv conv Vectores propios asociados a λ 3 Tenemos el sistema (A 3I) v x y z ½ x y z y x t t R y z t Los vectores propios asociados a λ 3son de la forma v tv con v Vectores propios asociados a λ 4 Resolvemos x y x y z y z (A 4I) v x y z ½ x + y y + z Vectores propios asociados a λ 4 ( a a ) ( a ) x t t R y t z t v t v 3 con v 3 x y y z y z
5 Resumen y ejemplos Tema 5: Valores y vectores propios 5 (c) Diagonalización Formamos la base de vectores propios B (v v v 3 ) La matriz de cambio tiene en columnas los vectores propios V Diagonalización Se cumple donde D es una matriz diagonal D V AV D 3 4 Verificamos la diagonalización /6 /3 /6 V / / 6 /3 /3 /3 V AV V AV Ejemplo Cálculo de V por Gauss-Jordan Partimos de (V I 3 ) yoperamosporfilas hasta obtener (I 3 V )
6 Resumen y ejemplos Tema 5: Valores y vectores propios 6 Resulta ( a a ) ( a ) 3 (3 a a ) (3 a ) ( 3 a ) ( a ) ( a ) (3 a ) 3 (3 a + a ) (3 a ) 3 a ( a ) / / 3 3a (3 a ) /3 /3 /3 /6 /3 /6 ( a a 3 a ) ( a ) / / /3 /3 /3 V /6 /3 /6 / / /3 /3 /3 Método de la potencia Definiciones Valor propio dominante Es el de mayor módulo Si λ > λ > > λ n entonces λ es el valor propio dominante Vector normalizado Dado un vector v v v v n decimos que la componente v j es una componente dominante si v j kvk max v j j
7 Resumen y ejemplos Tema 5: Valores y vectores propios 7 Observa que un vector puede tener más de una componente dominante pero todas las componentes dominantes deben tener el mismo valor absoluto Un vector está normalizado si sus componentes dominantes valen ± Si v dom es una componente dominante de v podemos obtener un vector normalizado ˆv en la dirección de v ˆv v v dom Ejemplo Dado el vector v 4 determina las componente dominantes y calcula un vector normalizado La componente dominante es vemos que Vector normalizado ˆv v dom v v dom v 3 4 v 3 kvk 4 4 /4 / /4 Observamos que la componente dominante el vector normalizado vale Método de la potencia Dada una matriz A matriz de dimensión n n el objetivo es calcular el valor propio dominante y un vector propio asociado Supondremos que la matriz A tiene valores propios distintos λ > λ > > λ n con vectores propios asociados v v v n También suponemos que tenemos un vector inicial x () que se puede escribir x () α v + + α n v n con α 6
8 Resumen y ejemplos Tema 5: Valores y vectores propios 8 Método y (j+) Ax (j) c j+ componente dominante de y (j+) x (j+) c j+ y (j+) Normalizado de y (j+) Si las hipótesis citadas son ciertas entonces se cumple: La sucesión de escalares (c j ) tiende al valor propio dominante λ c c c j j λ La sucesión de vectores x (j) tiende a un vector propio normalizado asociado a λ x () x () x (j) j ˆv Ejemplo Aproxima el valor propio dominante y un vector propio asociado de la matriz 3 A 3 Inicia las iteraciones con x () Fase Fase y () Ax () 3 3 c (componente dominante de y () ) x () y() y () Ax () x () c 3 /3 6667
9 Resumen y ejemplos Tema 5: Valores y vectores propios 9 Fase 3 y (3) Ax () Fase 4 Fase 5 Fase 6 Fase 7 c x (3) 99 y (4) Ax (3) c x (4) y (4) 9767 c 4 y (5) Ax (4) c x (5) y (5) 994 c 5 y (6) Ax (5) c x (6) y (6) 9985 c 6 y (7) Ax (6) c
10 Resumen y ejemplos Tema 5: Valores y vectores propios Fase 8 x (7) y (7) c 7 y (8) Ax (7) c x (8) y (8) 9999 c 8 Fase y (9) Ax (8) c x (9) y (9) c 9 Fase 4 y () 4 4 C 4 x () x (9) El valor propio dominante es λ limc j 4 j y un vector propio asociado es v limx (j) j En el Ejemplo hemos visto que A tiene valores propios λ 4 λ 3 λ 3 y que los vectores propios asociados a λ son de la forma v t tv v está normalizado
11 Resumen y ejemplos Tema 5: Valores y vectores propios 3 Método de la potencia inversa Objetivo Calcular el valor propio de módulo mínimo y un vector propio asociado Es decir si los valores propios de A quecumplen λ > λ > > λ n > queremos calcular λ n Valores propios de la matriz inversa Sean (λ v) par valor-vector propio de A A invertible Entonces λ v es un par valor-vector propio de A Demostración Sabemos que se cumple Av λv premultiplicamos por la matriz inversa A (Av) A (λv) I n v λ A v v λ A v Si una matriz es invertible sus valores propios no pueden ser nulos ( por qué?) por lo tanto podemos multiplicar la útima igualdad por /λ yresulta A v λ v Es decir μ /λ es un valor propio de A con vector propio asociado v Método Sea A matriz n n invertible con valores propios λ > λ > > λ n > y vectores propios asociados v v n Según hemos visto la matriz B A tiene valores propios μ j λ j
12 Resumen y ejemplos Tema 5: Valores y vectores propios Como se cumple resulta < < < λ λ λ n μ < μ < < μ n Además v j es un vector propio asociado a μ j Calculamos B A Aplicamos el método de la potencia a B y obtenemos el par μmax v ½ μmax valor propio dominante de B A v vector propio asociado a μ max 3 Entonces λ min eselvalorpropiodemódulomínimodea μ max v es un vector propio asociado a λ max Ejemplo 3 Dada la matriz A µ (a) Calcula el valor propio de módulo mínimo y un vector propio asociado Toma como vector inicial µ x () (b) Verifica el resultado (a) Empezamos calculando la inversa de A A Fase A µ µ 6 4 3/6 /3 8 3/ µ B A x () µ
13 Resumen y ejemplos Tema 5: Valores y vectores propios 3 Fase y () Bx () µ µ µ Fase y () Bx () c 666 x () µ y () c 486 µ µ 486 µ Fase 3 Fase 4 Fase 5 Fase 6 c 738 µ x () 4839 y (3) Bx () µ c x (3) µ y (3) c µ y (4) Bx (3) c 4 56 x (4) µ y (4) c µ y (5) Bx (4) c x (5) µ y (5) c µ y (6) Bx (5) c 6 58 x (6) µ y (6) c
14 Resumen y ejemplos Tema 5: Valores y vectores propios 4 Fase 7 Fase 8 Fase 9 y (7) Bx (6) µ c 7 56 x (7) µ y (7) c y (8) Bx (7) µ 5 5 c 8 5 x (8) µ y (8) c 8 5 y (9) Bx (8) µ 5 5 c 9 5 x (9) µ y (9) c 9 5 Podemos tomar como valor propio de módulo máximo de A μ max 5 vector propio asociado de μ max v µ 5 Entonces el valor propio de módulo mínimo de A será λ min μ max 5 con vector propio asociado v µ 5 (b) Para verificar el resultado calculamos los valores y vectores propios de A µ 8 4 A 6
15 Resumen y ejemplos Tema 5: Valores y vectores propios 5 Polinomio característico p (λ) A λi 8 λ 4 6 λ ( 8 λ)(6 λ) + 48 λ 8λ + Valores propios p(λ) λ 8x + λ 8 ± ± 6 ( λ 6 λ El vector propio de módulo mínimo es λ Calculamos los vectores propios asociado al valor propio de módulo mínimo µ 4 4 ½ x +4y x +4y (A I) v µ x y ½ x t y t t R µ ½ x +y x +y Los vectores propios asociados a λ son de la forma µ v tv con v Un vector propio normalizado es ˆv µ / 4 Método de la potencia inversa desplazada Objetivo Aproximar un valor propio λ y un vector propio asociado a partir de una estimación λ w λ Valores propios de C (A αi) Sea (λ v) par de valor-vector propio de A
16 Resumen y ejemplos Tema 5: Valores y vectores propios 6 Entonces (λ α v) es par valor-vector propio de C (A αi) Demostración Av λv Av αv λv αv (A αi) v (λ α) v Fundamento del método Si λ está próximo al valor propio λ de A entonces C A λi tiene un valor propio δ λ λ con δ pequeño y podemos aplicar el método de la potencia inversa a C para determinar δ λ λ Partimos de una matriz A de orden n n con valores propios λ > λ > > λ j > > λ n y vectores propios asociados v v v n Disponemos además de una estimación inicial λ w λ j El objetivo es aproximar el valor de λ j yobtener un vector propio asociado Calculamos C A λi que tiene un valor propio de módulo mínimo δ min λ j λ Calculamos B C que tiene un valor propio dominante μ max δ min λ j λ y aplicamos el método de la potencia a B para obtener μ max yun vector propio asociado v 3 Entonces μ max λ j λ λ j μ max + λ Ejemplo 4 Sabemos que la matriz 3 A 3 tiene un valor propio λ 8 Calcula el valor de λ y determina un vector propio asociado Empieza las iteraciones con el vector 5 x ()
17 Resumen y ejemplos Tema 5: Valores y vectores propios 7 Tenemos la aproximación λ 8 Calculamos C A λi 3 8 C A λi Vamos a calcular el valor propio de módulo mínimo de C aplicando el método de la potencia inversa Calculamos B C B Aplicamos el método de la potencia a B y determinamos μ max Fase 5 x () Fase y () Bx () Fase x () c y () y () Bx () c x () c
18 Resumen y ejemplos Tema 5: Valores y vectores propios 8 Fase 3 Fase 4 Fase 5 Fase 6 Fase 7 y (3) Bx () c x (3) y (3) c y (4) Bx (3) c x (4) y (4) c y (5) Bx (4) c x (5) y (5) c y (6) Bx (5) c x (6) y (6) c y (7) B x (6) c 7 5 x (7) y (7) c
19 Resumen y ejemplos Tema 5: Valores y vectores propios 9 Fase 8 y (8) Bx (7) c 8 5 x (8) y (8) 84 6 c Podemos tomar como valor propio de módulo máximo de B C μ max 5 El vector propio asociado de μ max con 4 decimales es v El valor propio de A próximo a λ 8 es y el vector propio asociado es λ + μ λ +8 3 max 5 v
Contenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada
ETS Minas: Métodos Matemáticos Resumen y ejemplos Tema 5: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Octubre
Más detallesValores y vectores propios de una matriz. Juan-Miguel Gracia
Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-
Más detallesPrácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística.
Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Índice General 1 PRACTICAS CON MATHEMATICA 2 1.1 Introducción...
Más detallesFORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración
Más detallesValores propios y vectores propios
Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
Más detallesUNIVERSIDADES DE ANDALUCIA PRUEBAS DE ACCESO A LA UNIVERSIDAD. Miguel A. Jorquera
UNIVERSIDADES DE ANDALUCIA PRUEBAS DE ACCESO A LA UNIVERSIDAD Miguel A. Jorquera BACHILLERATO MATEMÁTICAS II JUNIO 2 ii Índice General 1 Examen Junio 2. Opción B 1 2 SOLUCIONES del examen de junio 2 Opción
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Problemas teóricos Sistemas de ecuaciones lineales con parámetros En los siguientes problemas hay que resolver el sistema de ecuaciones lineales para todo valor del parámetro
Más detallesCálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3 Aplicaciones Tema 3.3 Sistemas de ecuaciones lineales: regla de Cramer
Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3 Aplicaciones Tema 3.3 Sistemas de ecuaciones lineales: regla de Cramer Francisco Palacios Escuela Politécnica Superiror de Ingeniería Manresa
Más detallesE.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 5: Valores y vectores propios
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 5: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Curso
Más detallesDiferenciabilidad de funciones de R n en R m
Diferenciabilidad de funciones de R n en R m Cálculo II (2003) En este capítulo generalizamos la noción de diferenciabilidad para funciones vectoriales de variable vectorial, que también llamamos aplicaciones.
Más detallesMÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES
CAPÍTULO 4 EJERCICIOS RESUELTOS: MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES Ejercicios resueltos 1 1. Determine el número de operaciones aritméticas necesarias para calcular
Más detallesMATRICES SELECTIVIDAD
MATRICES SELECTIVIDAD 1.- Sea K un número natural y sean las matrices a) Calcular A k. b) Hallar la matriz X que verifica que A K X = B C. Solución: 1 K K 0 0 0 ; X 1 1 0 0 1 1 1 K A 0 1 0 1 1 1 A 0 1
Más detallesCálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.7 Polinomio interpolador
Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.7 Polinomio interpolador Francisco Palacios Escuela Politécnica Superior de Ingeniería Manresa Universidad Politécnica
Más detallesÁlgebra Vectorial. Principios de Mecánica. Licenciatura de Física. Curso 2007-2008. 1
Álgebra Vectorial Principios de Mecánica. Licenciatura de Física. Curso 2007-2008. 1 Indice. 1. Magnitudes Escalares y Vectoriales. 2. Vectores. 3. Suma de Vectores. Producto de un vector por un escalar.
Más detallesTema 7: Valores y vectores propios
Tema 7: es y clausura s Espacios y Permutaciones es y clausura Una permutación p = {p 1, p 2,..., p n } de los números {1, 2,..., n} es una nueva ordenación de los elementos {1, 2,..., n}, es decir, un
Más detallesPROPIOS. DIAGONALIZACIÓN DE MATRICES CUADRADAS
Tema 7.- VALORES Y VECTORES PROPIOS. DIAGONALIZACIÓN DE MATRICES CUADRADAS VALORES Y VECTORES PROPIOS MATRICES CUADRADAS DIAGONALIZABLES DIAGONALIZACIÓN N ORTOGONAL DE MATRICES CUADRADAS SIMÉTRICAS 1 Un
Más detallesOpción A Ejercicio 1 opción A, modelo 4 Septiembre 2014
IES Fco Ayala de Granada Septiembre de 014 (Modelo 4) Soluciones Germán-Jesús Rubio Luna [ 5 puntos] Sabiendo que Sabiendo que 0 0 cos(3) - e + a sen() Opción A Ejercicio 1 opción A, modelo 4 Septiembre
Más detallesObservaciones del profesor:
Calificación total máxima: 10 puntos. Tiempo: 60 minutos. OPCIÓN A Ejercicio 1. (Puntuación máxima: 4 puntos) Se considera la matriz: A=( ) a) Determina la matriz B= A 2-2A 1,5 PUNTOS b) Determina los
Más detalles1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
Más detalles1. INVERSA DE UNA MATRIZ REGULAR
. INVERSA DE UNA MATRIZ REGULAR Calcular la inversa de una matriz regular es un trabajo bastante tedioso. A través de ejemplos se expondrán diferentes técnicas para calcular la matriz inversa de una matriz
Más detallesx : N Q 1 x(1) = x 1 2 x(2) = x 2 3 x(3) = x 3
3 Sucesiones - Fernando Sánchez - - Cálculo I de números racionales 03 10 2015 Los números reales son aproximaciones que se van haciendo con números racionales. Estas aproximaciones se llaman sucesiones
Más detallesSoluciones de los ejercicios de Selectividad sobre Matrices y Sistemas de Ecuaciones Lineales de Matemáticas Aplicadas a las Ciencias Sociales II
Soluciones de los ejercicios de Selectividad sobre Matrices y Sistemas de Ecuaciones Lineales de Matemáticas Aplicadas a las Ciencias Sociales II Antonio Francisco Roldán López de Hierro * Convocatoria
Más detallesTema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +
Más detallesÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.
ÁLGEBRA DE MATRICES Página 49 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará
Más detallesOperaciones lineales en R 3 y sus propiedades
Operaciones lineales en R 3 y sus propiedades Ejercicios Objetivos. Aprender a demostrar propiedades de las operaciones lineales en R 3. Requisitos. Conjunto de los números reales R, propiedades de las
Más detallesGEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008
1. Sean los puntos A (1, 0,-1) y B (,-1, 3). Calcular la distancia del origen de coordenadas a la recta que pasa por A y B. Calculemos la recta que pasa por A y B. El vector AB es (1,-1,4) y por tanto
Más detallesE 1 E 2 E 2 E 3 E 4 E 5 2E 4
Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),
Más detallesTEMA 6. EIGENVALORES Y EIGENVECTORES
TEMA 6. EIGENVALORES Y EIGENVECTORES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST TEMA 6. EIGENVALORES Y EIGENVECTORES
Más detallesPolinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo
Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo P (x) = a 0 x n + a 1 x n 1 +... + a n Donde n N (número natural) ; a 0, a 1, a 2,..., a n son coeficientes reales
Más detalles6.1 Definición de valores y vectores característicos de una matriz cuadrada
6.Valores y Vectores Característicos 6. Definición de valores y vectores característicos de una matriz cuadrada El cálculo de los valores propios y de los vectores propios de una matriz simétrica tiene
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 3 espacios vectoriales Objetivos: Al inalizar la unidad, el alumno: Describirá las características de un espacio vectorial. Identiicará las propiedades de los subespacios vectoriales. Ejempliicará
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesMatemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales
Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2
Más detallesÁlgebra y Matemática Discreta Sesión de Prácticas 10
Álgebra y Matemática Discreta Sesión de Prácticas 10 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 18 Nov 2013-24 Nov 2013 Núcleos e Imágenes Definición Sea f : V W una aplicación lineal. Se
Más detallesDefinición operacional, independientemente de cualquier sistema de referencia
Carácter de las magnitudes físicas: Magnitudes escalares y vectoriales. Vectores unitarios, Operaciones con vectores. No todas las magnitudes físicas tienen las mismas características matemáticas El carácter
Más detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detallesSistemas de Ecuaciones Lineales y Matrices
Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre
Más detalles3.- DETERMINANTES. a 11 a 22 a 12 a 21
3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles
Más detalles3. Equivalencia y congruencia de matrices.
3. Equivalencia y congruencia de matrices. 1 Transformaciones elementales. 1.1 Operaciones elementales de fila. Las operaciones elementales de fila son: 1. H ij : Permuta la fila i con la fila j. 2. H
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás de mayo de 013 Capítulo 13 Año 01 13.1. Modelo 01 - Opción A Problema 13.1.1 (3 puntos) Dados los puntos A(1,
Más detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más detallesEjercicios de Programación Lineal
Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de
Más detallesÍndice Introducción Números Polinomios Funciones y su Representación. Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones
Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones Leandro Marín Dpto. de Matemática Aplicada Universidad de Murcia 2012 1 Números 2 Polinomios 3 Funciones y su Representación
Más detallesy λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.
Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =
Más detallesTeóricas de Análisis Matemático (28) - Práctica 4 - Límite de funciones. 1. Límites en el infinito - Asíntotas horizontales
Práctica 4 - Parte Límite de funciones En lo que sigue, veremos cómo la noción de límite introducida para sucesiones se etiende al caso de funciones reales. Esto nos permitirá estudiar el comportamiento
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES )
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS SOLUCIONES HOJA 5: Optimización 5-1. Hallar los puntos críticos de las siguiente funciones y clasificarlos: a fx, y = x y + xy.
Más detallesComenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.
Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas
Más detallesTema 3 Resolución de Sistemas de Ecuaciones Lineales
Tema Resolución de Sistemas de Ecuaciones Lineales Índice Introducción 2 Método de Gauss 2 Resolución de sistemas triangulares 22 Triangulación por el método de Gauss 2 Variante Gauss-Jordan 24 Comentarios
Más detallesMatrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
Más detallesMATEMÁTICAS II. Departamento de Matemáticas I.E.S. A Xunqueira I (Pontevedra)
MATEMÁTICAS II 1 José M. Ramos González Este libro es totalmente gratuito y solo vale la tinta y el papel en que se imprima. Es de libre divulgación y no está sometido a ningún copyright. Tan solo se
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesJuegos Cooperativos. Core
Curso : Juegos Cooperativos Core J. Oviedo Universidad Nacional de San Luis 1. Juegos Cooperativos En estos juegos se permite la comunicación entre los jugadores, también pueden firmar contratos de cooperación.
Más detallesE. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid. Grado en Ingeniería en Tecnologías Industriales. Grado en Ingeniería Química
E. T. S. de Ingenieros Industriales Universidad Politécnica de Madrid Grado en Ingeniería en Tecnologías Industriales Grado en Ingeniería Química Apuntes de Álgebra ( Curso 2014/15) Departamento de Matemática
Más detallesRESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES 1 La ecuación 2x - 3 = 0 se llama ecuación lineal de una variable. Obviamente sólo tiene una solución. La ecuación -3x + 2y = 7 se llama ecuación lineal de
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesNUMERO DE CONDICION Y DETERMINANTE DE UNA MATRIZ Jorge Lemagne Pérez, Facultad de Matemática y Computación, Universidad de La Habana
REVISTA INVESTIGACION OPERACIONAL Vol. 2, No., 2000 NUMERO DE CONDICION Y DETERMINANTE DE UNA MATRIZ Jorge Lemagne Pérez, Facultad de Matemática y Computación, Universidad de La Habana RESUMEN En la resolución
Más detalles13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL... 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL... 275 13.3.
ÍNDICE 13.TRANSFORMACIONES LINEALES 273 13.1. DEFINICIÓN DE TRANSFORMACIÓN LINEAL............. 273 13.2. DETERMINACIÓN DE UNA TRANSFORMACIÓN LINEAL...... 275 13.3. REPRESENTACIÓN MATRICIAL DE UNA TRANSFORMACIÓN
Más detallesCongruencias de Grado Superior
Congruencias de Grado Superior Capítulo 3 3.1 Introdución En el capítulo anterior vimos cómo resolver congruencias del tipo ax b mod m donde a, b y m son enteros m > 1, y (a, b) = 1. En este capítulo discutiremos
Más detallesMatrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
Más detallesLÍMITES DE FUNCIONES Y DE SUCESIONES
LÍMITES DE FUNCIONES Y DE SUCESIONES Índice: 1.Funciones reales de variable real-------------------------------------------------------------- 1 2. Límite finito de una función en un punto.---------------------------------------------------
Más detallesPolinomios y fracciones algebraicas
UNIDAD Polinomios y fracciones algebraicas U n polinomio es una expresión algebraica en la que las letras y los números están sometidos a las operaciones de sumar, restar y multiplicar. Los polinomios,
Más detallesLa suma se realiza miembro a miembro. La suma de polinomios goza de las mismas propiedades que la suma de números. Ejemplo:
Tema 4. Polinomios 1. Definición Un polinomio es una expresión hecha con constantes, variables y exponentes, que están combinados. Los exponentes sólo pueden ser 0, 1, 2, 3,... etc. No puede tener un número
Más detallesAl consejero A no le gusta ninguno de sus colegas como presidente. Dos consejeros (C y E) están de acuerdo en los mismos candidatos (B, C y D).
ÁLGEBRA DE MATRICE Página 48 Ayudándote de la tabla... De la tabla podemos deducir muchas cosas: Al consejero A no le gusta ninguno de sus colegas como presidente. B solo tiene un candidato el C. Dos consejeros
Más detallesConceptos Básicos de Algebra Lineal y Geometría Multidimensional. Alvaro Cofré Duvan Henao
Conceptos Básicos de Algebra Lineal y Geometría Multidimensional Alvaro Cofré Duvan Henao ii Índice general 1 Sistemas de ecuaciones lineales 1 11 El método de eliminación de Gauss 3 12 Determinantes 8
Más detallesDiagonalización de matrices
diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla
Más detalles3 Espacios Vectoriales
Prof. Susana López 31 3 Espacios Vectoriales 3.1 Introducción Un ector fijo en el plano no es más que un segmento orientado en el que hay que distinguir tres características: -dirección: la de la recta
Más detallesUna desigualdad se obtiene al escribir dos expresiones numéricas o algebraicas relacionadas con alguno de los símbolos
MATEMÁTICAS BÁSICAS DESIGUALDADES DESIGUALDADES DE PRIMER GRADO EN UNA VARIABLE La epresión a b significa que "a" no es igual a "b ". Según los valores particulares de a de b, puede tenerse a > b, que
Más detallesUNIDAD I NÚMEROS REALES
UNIDAD I NÚMEROS REALES Los números que se utilizan en el álgebra son los números reales. Hay un número real en cada punto de la recta numérica. Los números reales se dividen en números racionales y números
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesMATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN CLASES # 13 y #14
MATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN CLASES # 3 y #4 Desigualdades Al inicio del Capítulo 3, estudiamos las relaciones de orden en los número reales y el signi cado de expresiones
Más detallesEste documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental
Más detallesMaterial elaborado por la Profesora Ana Aída Sforzini - Año 2009 1
UNIVERSIDAD NACIONAL DE RIO CUARTO FACULTAD DE CIENCIAS ECONOMICAS Cátedra: ÁLGEBRA LINEAL UNIDAD V ESPACIOS VECTORIALES 1.V Definición de vector VECTOR EN R n y PUNTO EN EL ESPACIO N-DIMENSIONAL SON,
Más detallesApuntes de Matemática Discreta 11. Teorema Fundamental de la Aritmética
Apuntes de Matemática Discreta 11. Teorema Fundamental de la Aritmética Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 11 Teorema Fundamental
Más detallesMatrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
Más detallesLÍMITES DE FUNCIONES. CONTINUIDAD
LÍMITES DE FUNCIONES. CONTINUIDAD Página REFLEXIONA Y RESUELVE Algunos ites elementales Utiliza tu sentido común para dar el valor de los siguientes ites: a,, b,, @ c,, 5 + d,, @ @ + e,, @ f,, 0 @ 0 @
Más detallesMétodos Numéricos: Guía de estudio Tema 6 Métodos iterativos para sistemas de ecuaciones lineales
Métodos Numéricos: Guía de estudio Tema 6 Métodos iterativos para sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesPolinomios y Fracciones Algebraicas
Tema 4 Polinomios y Fracciones Algebraicas En general, a lo largo de este tema trabajaremos con el conjunto de los números reales y, en casos concretos nos referiremos al conjunto de los números complejos.
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detalles1. ESPACIOS VECTORIALES
1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,
Más detallesLÍMITES Y CONTINUIDAD
UNIDAD 5 LÍMITES Y CONTINUIDAD Páginas 0 y Describe las siguientes ramas: a) f () b) f () no eiste c) f () d) f () + e) f () f) f () + g) f () h) f () no eiste; f () 0 i) f () + f () + j) f () 5 4 f ()
Más detallesÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de
E.T.S. DE INGENIERÍA INFORMÁTICA Apuntes de ÁLGEBRA LINEAL para la titulación de INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN Fco. Javier Cobos Gavala Amparo Osuna Lucena Rafael Robles Arias Beatriz Silva
Más detallesTema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea
Más detalles1-Comportamiento de una función alrededor de un punto:
Matemática II 7 Modulo Límites continuidad En esta sección desarrollaremos el concepto de límite, una de las nociones fundamentales del cálculo. A partir de este concepto se desarrollan también los conceptos
Más detallesNivelación de Matemática MTHA UNLP 1. Vectores
Nivelación de Matemática MTHA UNLP 1 1. Definiciones básicas Vectores 1.1. Magnitudes escalares y vectoriales. Hay magnitudes que quedan determinadas dando un solo número real: su medida. Por ejemplo:
Más detallesFRACCIONES. Una fracción tiene dos términos, numerador y denominador, separados por una raya horizontal.
FRACCIONES Las fracciones representan números (son números, mucho más exactos que los enteros o los decimales), Representa una o varias partes de la unidad. Una fracción tiene dos términos, numerador y
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesMATEMÁTICAS CCSS JUNIO 2010 (COMÚN MODELO5) SELECTIVIDAD ANDALUCÍA
IES Fco Ayala de Granada Junio de 010 (General Modelo 5) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS JUNIO 010 (COMÚN MODELO5) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 Sea el recinto definido
Más detalles4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Más detallesPara hallar el límite de una sucesión podemos utilizar algunas técnicas como: El concepto de límite de una función:
Tema 3 Sucesiones y Series 3.1. Sucesiones de números reales Definición 3.1.1 Una sucesión de números reales { } es una aplicación que asigna a cad N un número real: : N R a 1, a 2, a 3... son los términos
Más detallesEjercicio 1 Dada la matriz A = 1. Calcula los valores propios. 2. Determina una base de vectores propios. 3. Diagonaliza la matriz.
Métodos Numéricos: soluciones Tema 7: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Mayo 8 Versión. Ejercicio Dada
Más detallesEjercicios Propuestos Tema 2
Ejercicios Propuestos Tema 2 1 Programar la función: fx, A, X = a 0 + a 1 x x 1 + a 2 x x 1 x x 2 + + a n x x 1 x x 2 x x n, donde A = [a 0, a 1,, a n ], X = [x 1, x 2,, x n ], con x R Calcular todas las
Más detallesProblema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).
Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid
Más detallesRecurrencias lineales
Recurrencias lineales Juan-Miguel Gracia 10 de febrero de 2008 Recurrencias lineales 68 Las recurrencias lineales son ecuaciones en las que la incógnita es una sucesión numérica (x k ) k=0 que aparece
Más detallesTema 3: Producto escalar
Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica
Más detallesGEOMETRÍA. Septiembre 94. Determinar la ecuación del plano que pasa por el punto M (1,0, la recta x 1 y z
GEOMETRÍA Junio 94. 1. Sin resolver el sistema, determina si la recta x 3y + 1 = 0 es exterior, secante ó tangente a la circunferencia (x 1) (y ) 1. Razónalo. [1,5 puntos]. Dadas las ecuaciones de los
Más detallesSolución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009)
ÁLGEBRA Solución a los problemas adicionales Aplicaciones lineales (Curso 2008 2009) I. Se considera el homomorfismo f : P 2 (IR) P 2 (IR) definido por las siguientes condiciones: (1) Los polinomios sin
Más detalles