TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.

Save this PDF as:
Tamaño: px
Comenzar la demostración a partir de la página:

Download "TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas."

Transcripción

1 TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A es semejante a B si existe una matriz cuadrada P invertible tal que A = P 1 BP Propiedades de las matrices semejantes 1 Si A es semejante a B, entonces A = B 2 Si A es semejante a B, A k es semejante a B k 3 Si A es semejante a B y p(t) es un polinomio con coeficientes en R, entonces p(a) es semejante a p(b) 4 Si A es semejante a B y A es regular, entonces B es regular y A 1 es semejante a B 1 2 Autovalores y Autovectores Definición 2 Dada una matriz cuadrada A, decimos que λ K es un autovalor o valor propio de A si X K n, X Θ / AX = λx Al vector X se le llama autovector o vector propio asociado al autovalor λ Definición 3 Se llama espectro de A, y se designa σ(a), al conjunto de todos los autovalores de la matriz A σ(a) {λ K /λ es autovalor de A} Definición 4 (Subespacio propio) Al conjunto de todos los autovectores asociados a un autovalor λ junto con el vector 0 se le suele notar A λ y se le llama subespacio propio asociado al autovalor λ A λ = {X / AX = λx} { 0} 21 Propiedades de los autovalores 1- Dos autovalores distintos } no tiene autovectores comunes λ 1, λ 2 σ(a) A λ 1 λ λ1 A λ2 = { 0} 2 Es equivalente a decir: Un autovector X admite sólo un autovalor El recíproco, en general, no es cierto 2- A y A t tienen los mismos autovalores 3- Si λ es autovalor de A, kλ es un autovalor de ka 4- Si λ es un autovalor de A, λ k es un autovalor de A ki ITI MECÁNICA Curso 2006/07 1 FUNDAMENTOS MATÉMATICOS

2 TEMA 11 F MATEMÁTICOS 5- Si λ es un autovalor de A, y A es regular ( A = 0), 1 λ es autovalor de A 1 6- Autovectores correspondientes a autovalores distintos son linealmente independientes 7- Si λ es autovalor de A, λ k es autovalor de A k 3 Polinomio característico λ K es un autovalor o valor propio de A si X K n, X Θ / AX = λx En este caso AX λx = Θ = (A λi)x = Θ Esta última relación representa un sistema homogéneo Recordemos que para que un sistema homogéneo admita solución distinta de la trivial, debe ocurrir que el determinante de la matriz del sistema sea cero, es decir A λi = 0 Para obtener pues, los autovalores de A, bastará resolver la ecuación A λi = 0, llamada ecuación característica de A a 11 λ a 12 a 1n a 21 a 22 λ a 2n A λi = = 0 a n1 a n2 a nn λ que desarrollando se obtiene el polinomio en λ llamado polinomio característico de A P (λ) = a 0 λ n + a 1 λ n a n 1 λ + a n = 0 Los autovalores de A son, pues, los ceros de su polinomio característico Definición 5 (Multiplicidad algebraica) Si λ 0 es una raíz de multiplicidad α de la ecuación característica de A, se dirá que λ 0 es un autovalor de orden α de A A α se le llama multiplicidad algebraica de λ y se suele notar m a (λ) Se observa fácilmente que: a 0 = ( 1) n a 1 = ( 1) n 1 traza(a) a n = A Teniendo en cuenta las relaciones existentes entre los coeficientes de una ecuación y sus soluciones, se observa que si λ 1, λ 2,, λ n son las raíces del polinomio característico (no necesariamente autovalores de A, pues pudiera darse el caso de que λ i / K) λ 1 + λ λ n = traza(a) λ 1 λ 2 λ n = A Una vez resuelta la ecuación característica y obtenidos por tanto, los autovalores de A, para calcular los autovectores habrá que resolver el sistema (A λ i I)X = Θ para obtener los autovectores correspondientes Nota- De la igualdad λ 1 λ 2 λ n = A, se deduce que si A es una matriz regular, no puede tener ningún autovalor nulo Proposición 6 Si B y A son semejantes, tienen el mismo polinomio característico y, por lo tanto, los mismos autovalores ITI MECÁNICA Curso 2006/07 2 FUNDAMENTOS MATÉMATICOS

3 TEMA 11 F MATEMÁTICOS Cálculo del polinomio característico de una matriz mediante sus menores diagonales Anteriormente, al estudiar el polinomio característico A λi de una matriz, sólo obtuvimos tres de sus coeficientes Intentamos ahora calcular esos coeficientes que restan sin necesidad de desarrollar A λi Definición 7 (Menor diagonal) Se llama menor diagonal de orden p de una matriz a los menores de las submatrices de orden p que están situadas simétricamente respecto de la diagonal; esto es, aquellas que se obtienen tomando los índices de sus filas iguales a los de sus columnas Teorema 1 Se verifica A λi = ( 1) n λ n + ( 1) n 1 Traza(A)λ n 1 + a n 2 λ n a 2 λ 2 + a 1 λ + A [ ( ) ] n donde a h = ( 1) h suma de los menores de orden n h de A h 4 Subespacios invariantes Proposición 8 El subespacio propio asociado a un autovalor λ (A λ ) de una matriz es un subespacio vectorial invariante Definición 9 (Multiplicidad geométrica) Se llama multiplicidad geométrica de λ al número de autovectores linealmente independientes asociados o, lo que es lo mismo, a dim(a λ ) Se suele notar m g (λ) Proposición 10 Sea A M n y λ σ(a) La dimensión del subespacio vectorial propio A λ por dim(a λ ) = dim(n(a λi)) = n rango(a λi) viene dado Proposición 11 Sea A M n y λ σ(a) Si m a (λ) = r entonces la multiplicidad geométrica de λ verifica 1 m a (λ) r 5 Teorema de Cayley-Hamilton Teorema 2 (Teorema de Cayley-Hamilton) Toda matriz cuadrada A sobre un cuerpo K es raíz de su polinomio característico Es decir, si p(λ) = a 0 λ n + a 1 λ n a n es el polinomio característico y Θ n es la matriz nula de orden n, entonces p(a) = a 0 A n + a 1 A n a n I = Θ n ITI MECÁNICA Curso 2006/07 3 FUNDAMENTOS MATÉMATICOS

4 TEMA 11 F MATEMÁTICOS 51 Aplicación al cálculo de A 1 51 Aplicación al cálculo de A 1 Sea A una matriz invertible (es decir, A = 0 ) Teniendo en cuenta que a 0 A n + a 1 A n a n I = Θ n, se obtiene a 0 A n + a 1 A n a n 1 A = a n I Al ser a n = A = 0, I = a 0 A n a 1 A n 1 a 2 A n 2 a n 1 A a n a n a n Multiplicando por A 1 A 1 = a 0 A n 1 a 1 A n 2 a 2 A n 3 a n 1 I a n a n a n a n a n 6 Matrices diagonalizables Definición 12 (Matriz diagonalizable) Sea A M n (K) Diremos que A es diagonalizable sobre K si es semejante a una matriz diagonal Dada una matriz A K n, queremos ver si es semejante a una matriz diagonal, es decir, si P M n tal que P 1 AP = D Supongamos P = X 1 X 2 X n D = D{d 1,, d n } = d 1 d 2 dn Si σ(a) = {λ 1, λ 2,, λ n } y existe una base de A λ formada por autovectores B = { x 1, x 2,, x n }, entonces se verifica que P 1 AP = D{λ 1,, λ n } Recíprocamente, si A es diagonalizable, entonces P M n tal que P 1 AP = D y, por lo tanto, B = { x 1, x 2,, x n }, donde las coordenadas de cada vector x i vienen dadas por las componentes de la columna i de la matriz A, es una base formada por autovectores Así pues, es bastante importante obtener la mencionada base formada por autovectores Es siempre posible encontrar dicha base? En general, la respuesta es NO Teorema 3 La condición necesaria y suficiente para que una matriz sea diagonalizable sobre el cuerpo K es: a) que el polinomio característico se pueda factorizar en K b) que la multiplicidad de cada autovalor λ sea igual a la dimensión del subespacio propio asociado A λ, es decir, que las multiplicidades algebraica y geométrica coincidan m a (λ) = m g (λ) ITI MECÁNICA Curso 2006/07 4 FUNDAMENTOS MATÉMATICOS

5 TEMA 11 F MATEMÁTICOS 7 Forma canónica de Jordan Hasta ahora hemos visto cuándo una matriz es diagonalizable Hemos dado condiciones en las cuales una matriz cuadrada A era semejante a una matriz diagonal Ahora bien, ese resultado no es siempre posible (basta encontrar autovalores múltiples cuya multiplicidad algebraica no coincida con su multiplicidad geométrica, o bien que el polinomio característico no se pueda factorizar en el cuerpo en que estemos trabajando) Ejemplo- La matriz cuadrada de orden n : J (n) λ = λ λ λ λ λ 1 0 λ no es diagonalizable (estas matrices se conocen con el nombre de bloques de Jordan) El problema es que aunque λ tiene multiplicidad algebraica igual a n, no da lugar a n autovectores independientes sino a uno sólo Finalizaremos con el resultado más conocido para matrices no diagonalizables: el teorema de Jordan Este teorema prueba que cualquier matriz cuadrada es semejante a una matriz formada por bloques de Jordan Teorema 4 Sea A una matriz cuadrada Entonces existen r autovalores λ 1, λ 2,, λ r (que pueden ser iguales) y r números naturales m 1, m 2,, m r tales que A es semejante a la matriz diagonal por bloques: J = J (m 1) λ 1 J (m 2) λ 2 J (mr) λ r Esta matriz recibe el nombre de forma canónica de Jordan de la matriz A En ella un mismo autovalor λ aparece en tantos bloques como indica m g (λ) y el número de veces que aparece en la diagonal de J es m a (λ) Si P es la matriz que reduce A a su forma de Jordan, entonces sus m 1 primeras columnas satisfacen: Ax 1 = λ 1 x 1, ie, x 1 es un autovector correspondiente a λ 1 Ax i = λ 1 x i + x i 1 i = 2,, m 1 Los vectores x i (i = 2,, m 1 ) se llaman autovectores generalizados de A, y la sucesión x 1,, x m1 se dice que es una cadena de Jordan correspondiente a λ 1 Naturalmente, cada bloque tiene su cadena correspondiente En el caso de que haya autovalores complejos (simples o múltiples), la forma canónica real de Jordan de la matriz A adopta la forma ITI MECÁNICA Curso 2006/07 5 FUNDAMENTOS MATÉMATICOS

6 TEMA 11 F MATEMÁTICOS P 1 AP = B = D I 2 D I 2 D I 2 D [ ] [ ] a b 1 0 siendo D = e I b a 2 = para λ = a ± ib, pues si λ es un autovalor, 0 1 también lo es su conjugado λ y con la misma multiplicidad Para clarificar los conceptos veamos un ejemplo: Sea A una matriz cuadrada de orden 9 con λ 1 autovalor real simple siendo x 1 su correspondiente autovector, λ 2 autovalor real doble siendo x 2 su autovector y x 3 su autovector generalizado, λ 3 = a + ib autovalor complejo simple y x 4 = u 1 +i v 1 su correspondiente autovector y por último λ 4 = c+id autovalor complejo doble con x 5 = u 2 + i v 2 como autovector y x 6 = u 3 + i v 3 como autovector generalizado: A x 1 = λ 1 x 1 A x 2 = λ 2 x 2 A x 3 = λ 2 x 3 + x 2 { A u1 = a u A x 4 = λ 3 x 4 A( u 1 + i v 1 ) = (a + ib)( u 1 + i v 1 ) 1 b v 1 { A v 1 = b u 1 + a u 1 A u2 = c u A x 5 = λ 4 x 5 A( u 2 + i v 2 ) = (c + id)( u 2 + i v 2 ) 2 d v 2 A v 2 = d u 2 + c u { 2 A u3 = c u A x 6 = λ 4 x 4 + x 5 A( u 3 + i v 3 ) = (c + id)( u 3 + i v 3 ) + ( u 2 + i v 2 ) 3 d v 3 + u 2 A v 3 = d u 3 + c u 3 + v 2 En definitiva, AP=PB siendo P = x 1 x 2 x 3 u 1 v 1 u 2 v 2 u 3 v 3 y B = λ 1 [ λ2 1 λ 2 ] [ a b ] b a [ ] [ ] c d 1 0 d c [ 0 1 ] c d d c 8 Método de Caros para el cálculo de J 1 ō Se calculan los autovalores de A λ 1, λ 2,, λ k con sus multiplicidades correspondientes m 1, m 2,, m k 2 ō Para cada autovalor λ de multiplicidad m se calculan los rangos de las matrices (A λi) p (a lo sumo habría que calcular la potencia (A λi) m rg(a λi) = r 1 x 1 = n r 1 si x 1 < m, seguimos rg(a λi) 2 = r 2 x 2 = r 1 r 2 si x 1 + x 2 < m, seguimos rg(a λi) p = r p x p = r p 1 r p si x 1 + x x p = m, FIN ITI MECÁNICA Curso 2006/07 6 FUNDAMENTOS MATÉMATICOS

7 TEMA 11 F MATEMÁTICOS x 1 + x x p = multiplicidad de λ 3 ō Al valor propio λ le corresponden: x 1 x 2 bloques de Jordan de orden 1 x 2 x 3 bloques de Jordan de orden 2 x p 1 x p bloques de Jordan de orden p 1 x p bloques de Jordan de orden p 9 Cálculo de P Una vez calculada la matriz J por el método de CAROS, procedemos a calcular la matriz P Para ello, llamemos N k,λ = N(A λi) k Tomemos un vector v i N i,λ \ N i 1,λ o lo que es lo mismo, un vector para el cual, según el método de CAROS, exista un bloque de Jordan de orden i Una vez obtenido v i, calculamos: v i 1 v i 2 = (A λi) v i = (A λi) v i 1 v 2 = (A λi) v 3 v 1 = (A λi) v 2 y el vector v 1 resulta ser un autovector de A (o una combinación lineal de ellos) y los vectores { v j } j = 2,, i son sus autovectores generalizados Esta operación se repite para cada bloque de Jordan que nos indique el método de CAROS, obteniendo así m autovectores (propios o generalizados) asociados al autovalor λ Repitiendo el proceso para cada λ llegamos a obtener la matriz P ITI MECÁNICA Curso 2006/07 7 FUNDAMENTOS MATÉMATICOS

8 TEMA 11 F MATEMÁTICOS Ejercicios 1 Calcular los autovalores y subespacios invariantes asociados a las matrices: A = B = Diagonalizar las siguientes matrices, calculando la matriz de paso A = B = Determinar la matriz A = (1ad2be3cf de manera que admita por autovectores a los vectores (1,0,1), (-1,1,0) y (0,1,-1) 4 Sea la matriz A = a b 1 2 p q c 1 r Sabiendo que admite como autovectores (1, 1, 0), ( 1, 0, 2), (0, 1, 1), hallar los autovalores y los elementos de la matriz 5 Sea A = Expresar A 1 en función de I 3 y de A Dada la matriz A = a a) Calcular los valores de a para los que A es diagonalizable b) Para dichos valores de a, calcular los autovalores y los autovectores de A 1 c) Para dichos valores de a, calcular A n 7 Dada la matriz A = 3 1 b 3 0 a 2 0 c a) Calcular A de forma que (2, 0, 1) sea un autovector cuyo autovalor correspondiente es λ = 1 b) Hallar los demás autovalores y autovectores 8 Estudiar para qué valores de los parámetros a y b, la matriz A = b es diagonalizable Calculando: 3 0 a a) Forma canónica de Jordan y matriz de paso para los valores a = 1 y b = 1 b) Forma canónica de Jordan y matriz de paso para a = 1 y b = 10 Calcular en este caso A a) Determinar una matriz A cuadrada de orden tres, sabiendo que tiene por autovalores λ = 1 (doble) y λ = 0 y siendo los autovectores para λ = 1 el (1, 2, 1) y su vector asociado es (0,1,0) y el autovector asociado a λ = 0 es (1,-2,0) b) Dada la matriz A = ( , obtener la forma canónica de Jordan y su matriz de paso 10 Sabiendo que la matriz A = 0 c a 1 0 b es diagonalizable, tiene un autovector de la forma (d, 0, 1) con d > 0, y el autovalor correspondiente a (d, 0, 1) es doble, calcular a, b y c ITI MECÁNICA Curso 2006/07 8 FUNDAMENTOS MATÉMATICOS

9 TEMA 11 F MATEMÁTICOS 11 Estudiar, según los diferentes valores de a y b, la diagonabilidad de la matriz A = 9 a b 12 0 b Obtener la forma de Jordan y la matriz de paso para a = 2 y b = 3 12 Dada la matriz A = 2α α 2α 0 4 α (a) Estudiar para qué valores de α es diagonalizable (b) Calcular la forma canónica de Jordan y la matriz de paso para α = 0 13 Hallar la forma canónica de Jordan de la matriz, calculando la matriz de paso, de las matrices: A = B = Resolver la ecuación en diferencias Z n = Z n Z n 2 con valores iniciales Z 1 = 2 y Z 2 = 1 15 Resolver la ecuación en diferencias dada por x n = 3x n 1 + 4x n 2, con x 1 = 1 y x 2 = 4 16 Obtener la expresión general de la sucesión {X n } dada por la ecuación en diferencias X n = 2 n 1 + 3X n 2, X 1 = 1, X 2 = 2 17 Resolver la ecuación en diferencias D n = 5D n 1 6D n 2, D 1 = 5, D 2 = 19 ITI MECÁNICA Curso 2006/07 9 FUNDAMENTOS MATÉMATICOS

Autovalores y autovectores Diagonalización y formas canónicas

Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,

Más detalles

Autovalores y autovectores. Diagonalización y formas canónicas

Autovalores y autovectores. Diagonalización y formas canónicas Capítulo 4 Autovalores y autovectores Diagonalización y formas canónicas Dado un homomorfismo, nos hemos planteado el problema de elegir bases cualesquiera de manera que la matriz del homomorfismo sea

Más detalles

1 Aplicaciones lineales

1 Aplicaciones lineales UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Aplicaciones lineales y diagonalización. El objetivo principal de este tema será la obtención de una matriz diagonal

Más detalles

Diagonalización de matrices.

Diagonalización de matrices. Diagonalización de matrices. 1. Diagonalización de matrices. Definición 1.1 Sea A una matriz cuadrada,, decimos que es un autovalor de A si existe un vector no nulo tal que En esta situación decimos que

Más detalles

λ = es simple se tiene que ( )

λ = es simple se tiene que ( ) Sección 6 Diagonalización 1- (enero 1-LE) Sea 1 1 = 1 1 a) Es diagonalizable la matriz? En caso afirmativo, calcula las matrices P y D tales que 1 P P = D b) Existe algún valor de a para el que ( 3, 6,

Más detalles

Valores y Vectores Propios

Valores y Vectores Propios Valores y Vectores Propios Departamento de Matemáticas, CSI/ITESM de abril de 9 Índice 9.. Definiciones............................................... 9.. Determinación de los valores propios.................................

Más detalles

Matrices, determinantes, sistemas de ecuaciones lineales.

Matrices, determinantes, sistemas de ecuaciones lineales. UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m

Más detalles

Ejercicios resueltos del capítulo 1

Ejercicios resueltos del capítulo 1 Ejercicios resueltos del capítulo Ejercicios impares resueltos..b Resolver por el método de Gauss el sistema x +x x +x 4 +x = x x +x 4 = x +x +x = x +x x 4 = F, ( ) F 4, () F, ( ) F, () 8 6 8 6 8 7 4 Como

Más detalles

Tema 5: Sistemas de Ecuaciones Lineales

Tema 5: Sistemas de Ecuaciones Lineales Tema 5: Sistemas de Ecuaciones Lineales Eva Ascarza-Mondragón Helio Catalán-Mogorrón Manuel Vega-Gordillo Índice 1 Definición 3 2 Solución de un sistema de ecuaciones lineales 4 21 Tipos de sistemas ecuaciones

Más detalles

1. SISTEMAS DE ECUACIONES DIFERENCIALES

1. SISTEMAS DE ECUACIONES DIFERENCIALES 1 1 SISTEMAS DE ECUACIONES DIFERENCIALES 11 SISTEMAS LINEALES DE PRIMER ORDEN Un sistema de ecuaciones diferenciales del tipo dx 1 dt a 11 tx 1 + a 1n tx n + f 1 t dx n dt a n1 tx 1 + a nn tx n + f n t

Más detalles

ENDOMORFISMOS Y DIAGONALIZACIÓN.

ENDOMORFISMOS Y DIAGONALIZACIÓN. ENDOMORFISMOS Y DIAGONALIZACIÓN. En lo que resta de este tema, nos centraremos en un tipo especial de aplicaciones lineales: los endomorfismos. Definición: Endomorfismo. Se llama endomorfismo a una aplicación

Más detalles

Contenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada

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 detalles

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES

CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES CAPÍTULO 3: DETERMINANTES Y SISTEMAS DE ECUACIONES Parte A: determinantes. A.1- Definición. Por simplificar, consideraremos que a cada matriz cuadrada se le asocia un número llamado determinante que se

Más detalles

ARITMÉTICA Y ÁLGEBRA

ARITMÉTICA Y ÁLGEBRA ARITMÉTICA Y ÁLGEBRA 1.- Discutir el siguiente sistema, según los valores de λ: Resolverlo cuando tenga infinitas soluciones. Universidad de Andalucía SOLUCIÓN: Hay cuatro ecuaciones y tres incógnitas,

Más detalles

Tema 5: Diagonalización de matrices

Tema 5: Diagonalización de matrices Tema 5: Diagonalización de matrices La intención en este tema es dada una matriz cuadrada ver si existe otra matriz semejante a ella que sea diagonal Recordemos (ver Tema : Matrices determinantes y sistemas

Más detalles

Tema 2. Sistemas de ecuaciones lineales

Tema 2. Sistemas de ecuaciones lineales Tema 2. Sistemas de ecuaciones lineales Estructura del tema. Definiciones básicas Forma matricial de un sistema de ecuaciones lineales Clasificación de los sistemas según el número de soluciones. Teorema

Más detalles

Ejercicios resueltos del capítulo 4

Ejercicios resueltos del capítulo 4 Ejercicios resueltos del capítulo 4 Ejercicios impares resueltos..a Calcular los autovalores y subespacios invariantes asociados a la matriz: A = Calculamos el polinomio característico y resolvemos: λ

Más detalles

Sistemas de Ecuaciones Lineales

Sistemas de Ecuaciones Lineales Sistemas de Ecuaciones Lineales 1 Sistemas de ecuaciones y matrices Definición 1 Una ecuación lineal en las variables x 1, x 2,..., x n es una ecuación de la forma con a 1, a 2... y b números reales. a

Más detalles

ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; (A ) = A. 2. La inversa de A 1 es A; (A 1 ) 1 = A. 3. (AB) = B A.

ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; (A ) = A. 2. La inversa de A 1 es A; (A 1 ) 1 = A. 3. (AB) = B A. ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; A = A. 2. La inversa de A 1 es A; A 1 1 = A. 3. AB = B A. 4. Las matrices A A y AA son simétricas. 5. AB 1 = B 1 A 1, si A y B son no singulares. 6. Los escalares

Más detalles

Tema 5: Diagonalización de matrices

Tema 5: Diagonalización de matrices Tema 5: Diagonalización de matrices La intención en este tema es, dada una matriz cuadrada, ver si existe otra matriz semejante a ella que sea diagonal. Recordemos del Tema 4 que dos matrices cuadradas

Más detalles

Aplicaciones Lineales. Diagonalización de matrices.

Aplicaciones Lineales. Diagonalización de matrices. Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición

Más detalles

Herramientas digitales de auto-aprendizaje para Matemáticas

Herramientas digitales de auto-aprendizaje para Matemáticas real de con Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura real de con Índice real de con real de con.

Más detalles

ETSI de Topografía, Geodesia y Cartografía

ETSI de Topografía, Geodesia y Cartografía Prueba de Evaluación Continua Grupo A 9-04-14 ESPACIOS VECTORIALES-DIAGONALIZACIÓN (parte sin DERIVE) 1. a) Definir sistema ligado de vectores de un espacio vectorial V. b) Demostrar que si un sistema

Más detalles

Matriz sobre K = R o C de dimensión m n

Matriz sobre K = R o C de dimensión m n 2 Matrices y Determinantes 21 Matrices Matriz sobre K = R o C de dimensión m n A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn Tipos de matrices: Cuadrada: n n = (a ij) i=1,,m j=1,,n Nula: (0) i,j 1 0

Más detalles

2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U.

2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U. 2 Ortogonalidad En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U 1 Vectores ortogonales Definición 11 Dos vectores x, ȳ U se dicen ortogonales si: x ȳ = 0 Veamos algunas propiedades

Más detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 1 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad

Más detalles

EJERCICIOS RESUELTOS DE SISTEMAS LINEALES

EJERCICIOS RESUELTOS DE SISTEMAS LINEALES EJERCICIOS RESUELTOS DE SISTEMAS LINEALES 1. Dado el sistema de ecuaciones lineales: 2x + 3y 3 4x +5y 6 a) Escribir la expresión matricial del sistema. b) Discutir el sistema. c) Resolver el sistema por

Más detalles

TEMA III: DIAGONALIZACIÓN.

TEMA III: DIAGONALIZACIÓN. TEMA III: DIAGONALIZACIÓN. OBJETIVOS: Generales: 1. Captar el motivo que justifica el problema de la diagonalización de endomorfismos. 2. Resolver y aplicar dicho problema cuando sea posible. Específicos:

Más detalles

Dada la proporción =, calcula el producto de extremos menos el producto de medios. 4. Halla los determinantes de las siguientes matrices: Solución:

Dada la proporción =, calcula el producto de extremos menos el producto de medios. 4. Halla los determinantes de las siguientes matrices: Solución: 3 Determinantes. Determinantes de orden y 3 por Sarrus Piensa y calcula 3 6 Dada la proporción =, calcula el producto de extremos menos el producto de medios. 4 8 3 8 6 4 = 4 4 = 0 Aplica la teoría. Calcula

Más detalles

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos

Vectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los

Más detalles

Diagonalización de matrices

Diagonalización de matrices 7 Diagonalización de matrices 7.1. Matrices diagonalizables Existen diversos procesos en los que el estado en cada uno de sus pasos se puede representar por un determinado vector y en los que, además,

Más detalles

AUTOVALORES Y AUTOVECTORES

AUTOVALORES Y AUTOVECTORES 12 de Julio de 2011 AUTOVALORES Y AUTOVECTORES (Clase 01) Departamento de Matemática Aplicada Facultad de Ingeniería Universidad Central de Venezuela 1 Puntos a tratar 1. Valores y vectores propios 2.

Más detalles

Solución de problemas I 1

Solución de problemas I 1 Universidad Autónoma de Madrid Álgebra II. Físicas. Curso 5 6 Solución de problemas I Álgebra II Curso 5-6. Proyecciones en el producto escalar estándar Ejercicio 7.7. (a) Dada la ecuación x + y z, dar

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Este tema resulta fundamental en la mayoría de las disciplinas, ya que son muchos los problemas científicos y de la vida cotidiana que requieren resolver simultáneamente

Más detalles

RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS

RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS 1. Determinantes El determinante de una matriz cuadrada n n A = a 21 a 22 a 2n a n1 a n2 a nn es un número real, y se representa por: A = a 21 a 22 a 2n a

Más detalles

P. A. U. LAS PALMAS 2005

P. A. U. LAS PALMAS 2005 P. A. U. LAS PALMAS 2005 OPCIÓN A: J U N I O 2005 1. Hallar el área encerrada por la gráfica de la función f(x) = x 3 4x 2 + 5x 2 y la rectas y = 0, x = 1 y x = 3. x 3 4x 2 + 5x 2 es una función polinómica

Más detalles

Tema 21. Exponencial de una matriz Formas canónicas de Jordan.

Tema 21. Exponencial de una matriz Formas canónicas de Jordan. Tema 21 Exponencial de una matriz En este tema vamos a definir y calcular la exponencial de una matriz cuadrada mediante una expresión formalmente análoga al desarrollo en serie de potencias de la exponencial

Más detalles

Lección 1. Algoritmos y conceptos básicos.

Lección 1. Algoritmos y conceptos básicos. Página 1 de 8 Lección 1. Algoritmos y conceptos básicos. Objetivos. La primera lección del curs está dedicada a repasar los conceptos y algoritmos del álgebra lineal, básicos para el estudio de la geometría

Más detalles

1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS

1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS 1 1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS Sea f : V V un endomorfismo de V, f End(V, con V un K-espacio vectorial de dimensión n, y sean B = {e 1,..., e n } B = {e 1,..., e n} bases de V. La matriz de f

Más detalles

Ejemplo 1. Ejemplo introductorio

Ejemplo 1. Ejemplo introductorio . -Jordan. Ejemplo 1. Ejemplo introductorio. -Jordan Dos especies de insectos se crían juntas en un recipiente de laboratorio. Todos los días se les proporcionan dos tipos de alimento A y B. 1 individuo

Más detalles

Formas canónicas reales

Formas canónicas reales Capítulo 7 Formas canónicas reales Introducción Sea V un espacio vectorial sobre C, f End(V y M B (f = A M(n n Sea λ = a + bi es una autovalor complejo de f de multiplicidad m Para tal autovalor complejo

Más detalles

Tema 1: Matrices y Determinantes

Tema 1: Matrices y Determinantes Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz

Más detalles

Tema 11.- Autovalores y Autovectores.

Tema 11.- Autovalores y Autovectores. Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica

Más detalles

Geometría afín y proyectiva, 2016 SEMANA 4

Geometría afín y proyectiva, 2016 SEMANA 4 Geometría afín y proyectiva, 2016 SEMANA 4 Sonia L. Rueda ETS Arquitectura. UPM September 30, 2016 Geometría afín y proyectiva 1. Álgebra Lineal 2. Geometría afín y eucĺıdea 3. Cónicas y cuádricas Álgebra

Más detalles

GEOMETRÍA EN EL ESPACIO.

GEOMETRÍA EN EL ESPACIO. GEOMETRÍA EN EL ESPACIO. Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas

Más detalles

Espacios vectoriales con producto interior

Espacios vectoriales con producto interior Espacios vectoriales con producto interior Longitud, norma o módulo de vectores y distancias entre puntos Generalizando la fórmula pitagórica de la longitud de un vector de R 2 o de R 3, definimos la norma,

Más detalles

Diagonalización de matrices

Diagonalización de matrices Diagonalización de matrices María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 1 / 22 Valores y vectores propios de una matriz Definición

Más detalles

Diagonalización de Endomorfismos

Diagonalización de Endomorfismos Tema 5 Diagonalización de Endomorfismos 5.1 Introducción En este tema estudiaremos la diagonalización de endomorfismos. La idea central de este proceso es determinar, para una aplicación lineal f : E E,

Más detalles

BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES.

BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES. BLOQUE DE ÁLGEBRA: TEMA 1: MATRICES. Matrices: Se llama matriz de dimensión m n a un conjunto de números reales dispuestos en m filas y n columnas de la siguiente forma: 11 a 12 a 13... a 1n A= a a 21

Más detalles

Determinante de una matriz

Determinante de una matriz 25 Matemáticas I : Preliminares Tema 3 Determinante de una matriz 31 Determinante de una matriz cuadrada Definición 67- Sea A una matriz cuadrada de orden n Llamaremos producto elemental en A al producto

Más detalles

Matrices y Determinantes.

Matrices y Determinantes. Matrices y Determinantes. Definición [Matriz] Sea E un conjunto cualquiera, m, n N. Matrices. Generalidades Matriz de orden m n sobre E: a 11 a 12... a 1n a 21 a 22... a 2n...... a m1 a m2... a mn a ij

Más detalles

COLEGIO UNIVERSITARIO CARDENAL CISNEROS. Libro de Ejercicios de Matemáticas Empresariales II

COLEGIO UNIVERSITARIO CARDENAL CISNEROS. Libro de Ejercicios de Matemáticas Empresariales II COLEGIO UNIVERSITARIO CARDENAL CISNEROS Libro de Ejercicios de Matemáticas Empresariales II Manuel León Navarro 2 Capítulo 1 Ejercicios lección 1 1. Sea el conjunto de las matrices cuadradas de orden 2

Más detalles

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos.

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada

Más detalles

Proposición Sea V un espacio vectorial sobre K de dimensión n y B una base de V. Gl(n, K) = {A M(n n, K) A = 0}.

Proposición Sea V un espacio vectorial sobre K de dimensión n y B una base de V. Gl(n, K) = {A M(n n, K) A = 0}. Tema 6 Formas canónicas 6.1 Introducción Proposición 6.1.1. Sea V un espacio vectorial sobre K de dimensión n y B una base de V. La aplicación Φ B : End(V ) M(n n, K) definida por Φ B (f) = M B (f), es

Más detalles

Valores y Vectores Propios

Valores y Vectores Propios Respuestas Guía de ejercicios N 7 parte Complemento Valores y Vectores Propios. λ 7 λ λ λ λ + 3λ. Sea v el vector propio asociado al valor propio λ 3 y v el vector propio asociado al valor propio λ. Para

Más detalles

Álgebra Lineal, Ejercicios

Álgebra Lineal, Ejercicios Álgebra Lineal, Ejercicios MATRICES 1 Se llama traza de una matriz cuadrada a la suma de los elementos de su diagonal principal Sea G el conjunto de todas las matrices cuadradas de orden n con traza nula

Más detalles

Polinomios. 1.- Funciones cuadráticas

Polinomios. 1.- Funciones cuadráticas Polinomios 1.- Funciones cuadráticas Definición 1 (Función polinomial) Sea n un entero no negativo y sean a n, a n 1,..., a, a 1, a 0 número s reales con a n 0. La función se denomina función polinomial

Más detalles

Seno y coseno de una matriz

Seno y coseno de una matriz Miscelánea Matemática 5 (200 29 40 SMM Seno y coseno de una matriz Rafael Prieto Curiel Instituto Tecnológico Autónomo de México ITAM rafaelprietocuriel@yahoocom Introducción En muchas áreas de las matemáticas

Más detalles

Ecuaciones diferenciales lineales con coeficientes constantes

Ecuaciones diferenciales lineales con coeficientes constantes Tema 4 Ecuaciones diferenciales lineales con coeficientes constantes Una ecuación diferencial lineal de orden n tiene la forma a 0 (x)y (n) + a 1 (x)y (n 1) + + a n 1 (x)y + a n (x)y = b(x) (41) Vamos

Más detalles

Podemos pues formular los dos problemas anteriores en términos de matrices.

Podemos pues formular los dos problemas anteriores en términos de matrices. Tema 5 Diagonalización 51 Introducción Valores y vectores propios 511 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V de dimensión

Más detalles

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. Prácticas de Matemáticas I y Matemáticas II con DERIVE-5 6 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar

Más detalles

Sucesiones y series de números reales

Sucesiones y series de números reales Capítulo 2 Sucesiones y series de números reales 2.. Sucesiones de números reales 2... Introducción Definición 2... Llamamos sucesión de números reales a una función f : N R, n f(n) = x n. Habitualmente

Más detalles

Ecuaciones de segundo grado

Ecuaciones de segundo grado Ecuaciones de segundo grado 11 de noviembre 009 Ecuaciones de segundo grado con una incógnita método de solución, formula general e incompletas Algebra Ecuaciones de segundo grado con una incógnita Las

Más detalles

. Calcular como en el ejercicio 3: A 1 1. i 0., iii) 1 i i a

. Calcular como en el ejercicio 3: A 1 1. i 0., iii) 1 i i a Primer Cuatrimestre 2006 Álgebra Lineal - Práctica 8 1 Sea A C n n y sean λ 1,, λ n las raíces del polinomio característico de A contadas con multiplicidad (a) Probar que det(a) = (b) Probar que tr(a)

Más detalles

ÁLGEBRA LINEAL I Práctica 7

ÁLGEBRA LINEAL I Práctica 7 ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2015 2016) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0. 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores

Más detalles

Tema 1. Álgebra lineal. Matrices

Tema 1. Álgebra lineal. Matrices 1 Tema 1. Álgebra lineal. Matrices 0.1 Introducción Los sistemas de ecuaciones lineales aparecen en un gran número de situaciones. Son conocidos los métodos de resolución de los mismos cuando tienen dos

Más detalles

2 Polinomio característico de una matriz

2 Polinomio característico de una matriz Lección 4: Teoría de Operadores 1 Semejanza Sean A, B M n,n. Se dice A es semejante con B cuando existe una matriz regular P GL n de suerte que B = P 1 AP. Si A es semejante con B, entonces B es semejante

Más detalles

Tema 4.- Espacios vectoriales. Transformaciones lineales.

Tema 4.- Espacios vectoriales. Transformaciones lineales. Ingeniería Civil Matemáticas I -3 Departamento de Matemática Aplicada II Escuela Superior de Ingenieros Universidad de Sevilla Tema 4- Espacios vectoriales Transformaciones lineales 4- Espacios y subespacios

Más detalles

Dependencia e independencia lineal

Dependencia e independencia lineal CAPíTULO 3 Dependencia e independencia lineal En este capítulo estudiaremos tres conceptos de gran importancia para el desarrollo del álgebra lineal: el concepto de conjunto generador, el concepto de conjunto

Más detalles

Matrices. p ij = a ik b kj = a i1 b 1j + a i2 b 2j + + a in b nj.

Matrices. p ij = a ik b kj = a i1 b 1j + a i2 b 2j + + a in b nj. Matrices Introducción Una matriz de m filas y n columnas con elementos en el cuerpo K es un rectángulo de elementos de K (es decir, números) del tipo a a 2 a n a 2 a 22 a 2n A = (a ij ) = a m a m2 a mn

Más detalles

Sesión 18: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K

Sesión 18: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K Sesión 8: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K ) Calculamos los valores propios de A y sus multiplicidades algebraicas con: d A λ = det A λi nxn = Si d A

Más detalles

Capítulo V. Valores y vectores propios. Diagonalización de operadores lineales.

Capítulo V. Valores y vectores propios. Diagonalización de operadores lineales. Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede

Más detalles

10. 1 Definición de espacio euclídeo.

10. 1 Definición de espacio euclídeo. ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA MATEMATICAS 10. ESPACIOS EUCLÍDEOS 10. 1 Definición de espacio euclídeo. Producto escalar

Más detalles

40 Matemáticas I. Parte II. Álgebra Lineal. I.T.I. en Electricidad. Prof: José Antonio Abia Vian

40 Matemáticas I. Parte II. Álgebra Lineal. I.T.I. en Electricidad. Prof: José Antonio Abia Vian 40 Matemáticas I Parte II Álgebra Lineal 41 Matemáticas I : Álgebra Lineal Tema 4 Espacios vectoriales reales 4.1 Espacios vectoriales Definición 88.- Un espacio vectorial real V es un conjunto de elementos

Más detalles

ÁLGEBRA LINEAL Problemas, 2006/2007

ÁLGEBRA LINEAL Problemas, 2006/2007 ÁLGEBRA LINEAL Problemas, 2006/2007 Nota: si no se especifíca lo contrario suponemos que las matrices y espacios vectoriales están definidos sobre un cuerpo K arbitrario 1 Una matriz A de orden n n se

Más detalles

Ecuaciones de rectas y planos. Un punto O y una base B B = { i, j,

Ecuaciones de rectas y planos. Un punto O y una base B B = { i, j, Ecuaciones de rectas y planos. Coordenadas en el espacio. Planos coordenados. El vector OP tiene unas coordenadas( x, y, z ) respecto de la base B, que se pueden tomar como coordenadas del punto P respecto

Más detalles

JUNIO 2010. Opción A. 1 1.- Dada la parábola y = 3 área máxima que tiene un lado en la recta y los otros dos vértices en la gráfica de la parábola.

JUNIO 2010. Opción A. 1 1.- Dada la parábola y = 3 área máxima que tiene un lado en la recta y los otros dos vértices en la gráfica de la parábola. Junio 00 (Prueba Específica) JUNIO 00 Opción A.- Dada la parábola y 3 área máima que tiene un lado en la recta y los otros dos vértices en la gráfica de la parábola., y la recta y 9, hallar las dimensiones

Más detalles

UNIVERSIDAD CARLOS III DE MADRID

UNIVERSIDAD CARLOS III DE MADRID UNIVERSIDAD CARLOS III DE MADRID Departamento de Economía Tema 1: Matrices y sistemas de ecuaciones lineales Empezaremos por recordar conceptos ya conocidos de álgebra lineal como las matrices, determinantes,

Más detalles

Ejercicios de Matrices, determinantes y sistemas de ecuaciones lineales. Álgebra 2008

Ejercicios de Matrices, determinantes y sistemas de ecuaciones lineales. Álgebra 2008 Ejercicios de Matrices, determinantes sistemas de ecuaciones lineales. Álgebra 8 - Dado el sistema de ecuaciones lineales 5 (a) ['5 puntos] Clasifícalo según los valores del parámetro λ. (b) [ punto] Resuélvelo

Más detalles

Álgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas

Álgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas Álgebra Lineal Tema 8. Valores y vectores propios Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR

Más detalles

PROBLEMAS DE HOMOTECIAS Y SEMEJANZAS EN EL ESPACIO

PROBLEMAS DE HOMOTECIAS Y SEMEJANZAS EN EL ESPACIO PROBLEMAS DE HOMOTECIAS Y SEMEJANZAS EN EL ESPACIO 82 Sea T una transformación afín definida por sus ecuaciones: = 2+ 2x y ' = 2+ 2y z' = 2+ 2z a) Clasificar T y hallar sus elementos característicos b)

Más detalles

Práctica 5. Autovalores y autovectores. Diagonalización de matrices y de transformaciones lineales.

Práctica 5. Autovalores y autovectores. Diagonalización de matrices y de transformaciones lineales. Práctica 5 Autovalores y autovectores Diagonalización de matrices y de transformaciones lineales Nota: salvo indicación particular, se considera que todas las matrices pertenecen a C n n 1 Encuentre los

Más detalles

TEMA 4: Espacios y subespacios vectoriales

TEMA 4: Espacios y subespacios vectoriales TEMA 4: Espacios y subespacios vectoriales 1. Espacios vectoriales Sea K un cuerpo. Denominaremos a los elementos de K escalares. Definición 1. Un espacio vectorial sobre K es un conjunto V cuyos elementos

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS DE ECUACIONES LINEALES 1 SISTEMAS DE ECUACIONES LINEALES Una ecuación es un enunciado o proposición que plantea la igualdad de dos expresiones, donde al menos una de ellas contiene cantidades desconocidas llamadas variables

Más detalles

Isabel Eguia Ribero Aitziber Unzueta Inchaurbe Elisabete Alberdi Celaya

Isabel Eguia Ribero Aitziber Unzueta Inchaurbe Elisabete Alberdi Celaya FUNDAMENTOS DEL ÁLGEBRA LINEAL. EJERCICIOS Y CUESTIONES. SOLUCIONES CON MATHEMATICA Isabel Eguia Ribero Aitziber Unzueta Inchaurbe Elisabete Alberdi Celaya ISBN: 978-84-606-6054-5 Depósito legal: BI-355-2015

Más detalles

Aplicaciones lineales y matrices.

Aplicaciones lineales y matrices. Tema 2 Aplicaciones lineales y matrices. 2.1. Introducción. Supondremos al alumno familiarizado con la idea de matriz o tabla de orden n, m con n, m números naturales que denotan el número de filas y columnas,

Más detalles

Curso de Álgebra Lineal

Curso de Álgebra Lineal Curso de Álgebra Lineal 1. NÚMEROS COMPLEJOS 1.1 Definición, origen y operaciones fundamentales con números complejos Definición. Un número complejo, z, es una pareja ordenada (a, b) de números reales

Más detalles

ÁLGEBRA LINEAL I Práctica 7

ÁLGEBRA LINEAL I Práctica 7 ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2016 2017) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores

Más detalles

Álgebra II(61.08, 81.02) Segundo cuatrimestre 2017 Práctica 4. Autovalores y autovectores de matrices. Diagonalización.

Álgebra II(61.08, 81.02) Segundo cuatrimestre 2017 Práctica 4. Autovalores y autovectores de matrices. Diagonalización. Álgebra II(6108, 8102) Segundo cuatrimestre 2017 Práctica 4 Autovalores y autovectores de matrices Diagonalización Nota: salvo indicación particular, se considera que todas las matrices pertenecen a C

Más detalles

Diagonalización de Matrices Cuadradas.

Diagonalización de Matrices Cuadradas. de Matrices Cuadradas. * Vector propio * Valor propio * Polinomio característico * Cómo se hallan? * Diagonalizabilidad. * Criterios * Aplicaciones Cuadernos Genius, el secreto de los mejores. Tema: de

Más detalles

1. Si están situados en rectas paralelas: la recta que une los orígenes, deja sus extremos en un mismo semiplano.

1. Si están situados en rectas paralelas: la recta que une los orígenes, deja sus extremos en un mismo semiplano. CAPÍTULO El plano vectorial Consideremos P como el plano intuitivo de puntos: A,,C..... El espacio vectorial de los vectores Definición. Vectores fijos Dado dos puntos cualesquiera A e del espacio nos

Más detalles

Capítulo 1: Diagonalización de matrices

Capítulo 1: Diagonalización de matrices Capítulo : Diagonalización de matrices Matrices y determinantes Definición Una matriz es un arreglo rectangular de números reales a a a m a A a a m a n a n a nm La matriz es de orden n m si consta de n

Más detalles

Tema 3: Forma canónica de Jordan de una matriz.

Tema 3: Forma canónica de Jordan de una matriz. Forma canónica de Jordan de una matriz 1 Tema 3: Forma canónica de Jordan de una matriz. 1. Planteamiento del problema. Matrices semejantes. Matrices triangularizables. El problema que nos planteamos en

Más detalles

Matrices escalonadas y escalonadas reducidas

Matrices escalonadas y escalonadas reducidas Matrices escalonadas y escalonadas reducidas Objetivos. Estudiar las definiciones formales de matrices escalonadas y escalonadas reducidas. Comprender qué importancia tienen estas matrices para resolver

Más detalles

MATRICES Y SISTEMAS DE ECUACIONES

MATRICES Y SISTEMAS DE ECUACIONES MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n a A = 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales

Más detalles

ÁLGEBRA LINEAL I Práctica 7

ÁLGEBRA LINEAL I Práctica 7 ÁLGEBRA LINEAL I Práctica 7 Endomorfismos (Curso 2017 2018) 1. Dada la matriz: 3 2 0 0 0 1 0 0 0 0 A = 0 0 1 0 0. 0 0 0 1 0 0 0 0 1 1 (a) Estudiar si es triangularizable por semejanza. (b) Hallar sus autovalores

Más detalles