Contenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada
|
|
- María Cristina Espejo Vargas
- hace 7 años
- Vistas:
Transcripción
1 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 8 Versión 5 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 Av λv ½ λ es valor propio de A En ese caso decimos v es vector propio asociado a λ También decimos que (λ v) es un par valor-vector propio de A Polinomio característico p(λ) det(a λi) Los valores propios de A son las raíces del polinomio característico λ valor propio p(λ)
2 Resumen y ejemplos Tema 5: Valores y vectores propios Cálculo de vectores propios Para cada valor propio λ resolvemos el 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) {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) max{ λ : λ es valor propio de A} Diagonalización Sea A una matriz n n SiA tiene n valores propios distintos λ λ n y v v n son vectores propios asociados entonces D V AV D es la matriz diagonal λ λ λ n V (v v v n ) tiene en columnas los vectores propios 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) Valores propios Polinomio característico p(λ) A λi 3 λ λ 3 λ p(λ) (3 λ) ( λ) (3 λ) (3 λ) (3 λ)[(3 λ)( λ) ] (3 λ) (λ 5λ +4) {z } factorizamos λ 5λ +4 λ 5 ± 5 6 p(λ) (λ )(3 λ)(λ 4) Valores propios Soluciones de p(λ) ( λ λ 3 λ 3 4 El espectro de A es σ(a) { 3 4} El radio espectral de A es ρ(a) 4 (b) Cálculo de vectores propios Vectores propios asociados a λ Resolvemos Obtenemos ( a + a ) a (A I) v x y z x y x + y z y +z y z x + y z y +z x t y t z t t R ½ y z x + y z
4 Resumen y ejemplos Tema 5: Valores y vectores propios 4 Vectores propios asociados a λ v tv conv Vectores propios asociados a λ 3 ½ x y z y Vectores propios asociados a λ 3 (A 3I) v x y z v tv con v Vectores propios asociados a λ 4 Vectores propios x y x y z y z x t y z t t R (A 4I) v x y z ½ x + y y + z (c) Diagonalización Base de vectores propios ( a 3 a ) ( a ) v t v 3 con v 3 x t y t z t t R B (v v v 3 ) x y x y y z
5 Resumen y ejemplos Tema 5: Valores y vectores propios 5 Matriz de cambio Diagonalización donde V V D V AV /6 /3 /6 / / /3 /3 /3 Verificamos la diagonalización V AV V AV Ejemplo Cálculo de V por Gauss-Jordan Partimos de (V I 3 ) ( a a ) ( a ) (3 a a ) (3 a ) ( 3 a ) ( a ) ( a ) (3 a ) (3 a + a ) (3 a ) 3 3 3
6 Resumen y ejemplos Tema 5: Valores y vectores propios 6 a ( a ) 3 3 a (3 a ) ( a a 3 a ) ( a ) V /6 /3 /6 / / /3 /3 /3 / / /3 /3 /3 /6 /3 /6 / / /3 /3 /3 Método de la potencia Definiciones Valor propio dominante Es el valor propio 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 v j es una componente dominante si v j kvk Normalizamos un vector dividiéndolo por una componente dominante esto es si v dom es una componente dominante de v entonces el vector ˆv v v dom está normalizado Si un vector ˆv está normalizado se cumple kˆvk además ˆv tiene una componente dominante igual a Ejemplo Dado el vector v 4 determina una componente dominante y calcula un vector normalizado
7 Resumen y ejemplos Tema 5: Valores y vectores propios 7 Componente dominante v dom v 3 4 vemos que Vector normalizado ˆv v dom v v 3 kvk 4 4 /4 / /4 Observamos que la componente dominante el vector normalizado vale Método de la potencia Partimos de una matriz A de dimensión n n con valores propios λ > λ > > λ n y vectores propios asociados v v v n Supongamos que x () es un vector que se puede escribir x () α v + + α n v n con α 6 Método y (j+) Ax (j) c j+ componente dominante de y (j+) x (j+) c j+ y (j+) Normalizado de y (j+) 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
8 Resumen y ejemplos Tema 5: Valores y vectores propios 8 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 () Fase 3 x () 3 y (3) Ax () 3 3 c 3 / Fase 4 c x (3) y (4) Ax (3)
9 Resumen y ejemplos Tema 5: Valores y vectores propios 9 Fase 5 Fase 6 Fase 7 Fase 8 Fase 9 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 x (7) y (7) 9996 c 7 y (8) Ax (7) c x (8) y (8) 9999 c 8 y (9) Ax (8)
10 Resumen y ejemplos Tema 5: Valores y vectores propios Fase c x (9) y (9) c 9 y () c 4 x () x (9) Vemos que la sucesión de componentes dominantes c j tiende al valor λ 4 por su parte la sucesión de vectores normalizados x (j) tiende al vector v En el ejemplo hemos visto que A tiene valores los propios λ 4 λ 3 λ 3 y que los vectores propios asociados a λ son de la forma v t tv esto es el método de la potencia ha determinado el valor propio dominante y un vector propio asociado normalizado 3 Método de la potencia inversa Objetivo Calcular el valor propio de módulo mínimo Esdecirsiλ λ λ n son los valores propios de A quecumplen λ > λ > > λ n > queremos calcular λ n Valores propios de la matriz inversa Veamos en primer lugar la relación entre los valores propios de una matriz y su inversa Sean (λ v) par valor-vector propio de A
11 Resumen y ejemplos Tema 5: Valores y vectores propios A invertible Entonces λ v es un par valor-vector propio de A Demostración Sabemos que se cumple Av λv premultiplicamos ambos miembros por la matriz inversa A (Av) A (λv) (A A)v λ(a v) Iv λ A v v λ A v Notemos que los valores propios de una matriz invertible son no nulos por lo tanto A v λ v Método Partimos de una A matriz n n invertible con valores propios λ > λ > > λ n > y vectores propios asociados v v n Sabemos que la matriz A tiene valores propios µ j λ j < < < es decir λ λ λ n µ < µ < < µ n con vectores propios asociados v v n Calculamos A y se cumple Aplicamos el método de la potencia a A y obtenemos el par µmax v ½ µmax valor propio dominante de A v vector propio asociado a µ max Si A admite un valor propio nulo se cumple Av λv ~ para un vector v no nulo Por o tanto el sistema Av ~ es compatible indeterminado es decir det A y A es no invertible
12 Resumen y ejemplos Tema 5: Valores y vectores propios 3 Entonces λ min es el valor propio de módulo mínimo de A µ max v 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 valor inicial µ x () (b) Verifica el resultado calculando los valores y vectores propios de A (a) Empezamos calculando la inversa de A A A µ µ 6 4 3/6 /3 8 3/ µ A Aplicamos el método de la potencia a A Fase µ x () Fase µ µ y () A x () µ Fase y () A x () c 666 x () µ y () c 486 µ µ 486 µ
13 Resumen y ejemplos Tema 5: Valores y vectores propios 3 Fase 3 Fase 4 Fase 5 Fase 6 Fase 7 Fase 8 c 738 µ x () 4839 y (3) A x () µ c x (3) µ y (3) c y (4) A x (3) µ c 4 56 x (4) µ y (4) c y (5) A x (4) µ c x (5) µ y (5) c y (6) A x (5) µ c 6 58 x (6) µ y (6) c y (7) A x (6) µ c 7 56 x (7) µ y (7) c µ y (8) A x (7) 5 5 c 8 5
14 Resumen y ejemplos Tema 5: Valores y vectores propios 4 Fase 9 x (8) c 8 y (8) y (9) A x (8) µ 5 µ 5 5 c 9 5 x (9) µ y (9) c 9 5 Podemos tomar el valor propio de módulo máximo de A µ max 5 y el vector propio asociado de µ max µ v 5 Ahora calculamos el valor propio de módulo mínimo de A el valor propio asociado a λ min es λ min µ max 5 v µ 5 (b)verificamos el resultado calculando los valores y vectores propios de A µ 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 (
15 Resumen y ejemplos Tema 5: Valores y vectores propios 5 λ 6 λ Vemos que efectivamente el valor propio de módulo mínimo de A es λ min Vector propio asociado a λ min µ 4 4 ½ x +4y x +4y ½ (A I) v µ x y x t y t t R Los vectores propios son de la forma v tv con µ v si normalizamos obtenemos ˆv µ / µ ½ x +y x +y 4 Método de la potencia inversa desplazada Objetivo Aproximar un valor propio λ a partir de una estimación λ w λ Valores propios de B (A αi) Veamos la relación que existe entre los valores propios de una matriz A y de la matriz (A αi) Sea (λ v) par de valor-vector propio de A Entonces (λ α v) es par valor-vector propio de B (A αi) Demostración Sabemos que se cumple Av λv restamos αv de los dos miembros de la igualdad Av αv λv αv
16 Resumen y ejemplos Tema 5: Valores y vectores propios 6 aplicando las propiedades distributivas resulta (A αi) v (λ α) v Bv (λ α) v por lo tanto µ λ α es un valor propio de B con vector propio asociado v Fundamento del método Si λ está próximo al valor propio λ de A entonces B A λi tiene un valor propio δ λ λ con δ pequeño y podemos aplicar el método de la potencia inversa a B para determinar δ λ λ Empezamos con A matriz n n con valores propios λ > λ > > λ j > > λ n y vectores propios v v v n y supongamos que disponemos de una estimación inicial λ w λ j Calculamos B A λi que tiene un valor propio de módulo mínimo δ min λ j λ Calculamos B 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 Dada la matriz A 3 3 obtener un valor propio próximo a λ 8 y un vector propio asociado Empieza las iteraciones con 5 x ()
17 Resumen y ejemplos Tema 5: Valores y vectores propios 7 Calculamos B A λi Calculamos B B B A λi Aplicamos el método de la potencia a B y determinamos µ max Fase 5 x () Fase y () B x () Fase x () c y () y () B x () x () c c
18 Resumen y ejemplos Tema 5: Valores y vectores propios 8 Fase 3 Fase 4 Fase 5 Fase 6 Fase 7 y (3) B x () c x (3) y (3) c y (4) B x (3) c x (4) y (4) c y (5) B x (4) c x (5) y (5) c y (6) B x (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) B x (7) c 8 5 x (8) y (8) 84 6 c Hemos obtenido el valor propio de módulo máximo de B µ max 5 con el vector propio asociado v Ahora calculamos el valor propio de A próximo a λ 8 el vector propio asociado es λ µ max 5 v
E.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 detallesContenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada.
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
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 detallesTEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.
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
Más detallesMatrices, 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 detallesMétodos Numéricos: Resumen y ejemplos Tema 5: Resolución aproximada de ecuaciones
Métodos Numéricos: Resumen y ejemplos Tema 5: Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 009,
Más detallesDiagonalización 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 detalles1 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 detallesEjercicios 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 detallesE.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 9: Sistemas de EDOs lineales
ETS Minas: Métodos Matemáticos Resumen y ejemplos Tema 9: Sistemas de EDOs lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Noviembre
Más detallesMatriz 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 detallesValores 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 detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Sistemas Lineales / 8 Contenidos Introducción Métodos directos Gauss Gauss
Más detallesCálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.2 Determinación aproximada de extremos: Método de Newton-Raphson
Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.2 Determinación aproximada de extremos: Método de Newton-Raphson Francisco Palacios Escuela Politécnica Superior de Ingeniería
Más detallesλ = 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 detallesENDOMORFISMOS 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 detallesTema 6: Resolución aproximada de sistemas de ecuaciones lineales
Métodos Numéricos: Resumen y ejemplos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de
Más detallesTema 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 detalles7. Forma de Lagrange para el polinomio interpolador. 9. Forma de Newton para el polinomio interpolador
Métodos Numéricos: Resumen y ejemplos Tema 2: Aproximación e interpolación Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Febrero 2008, Version
Más detallesTema 4 Álgebra Lineal Numérica
Tema 4 Álgebra Lineal Numérica Departamento de Matemática Aplicada Universidad de Málaga Escuela Politécnica Superior Qué es un Sistema Lineal? Qué es un Sistema Lineal? Conocimientos previos Definiciones.
Más detallesMatrices. 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 detallesTema 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 detallesSolución 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 detallesAutovalores 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 detallesIES Francisco Ayala Modelo 1 (Septiembre) de 2007 Solución Germán Jesús Rubio Luna. Opción A
IES Francisco Ayala Modelo (Septiembre) de 7 Germán Jesús Rubio Luna Opción A Ejercicio n de la opción A de septiembre, modelo de 7 3x+ Sea f: (,+ ) R la función definida por f(x)= x. [ 5 puntos] Determina
Más detallesARITMÉTICA 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 detallesOperaciones con matrices
Operaciones con matrices Problemas teóricos En todos los problemas de esta lista se supone que F es un campo (cuerpo). Si no conoce bien el concepto de campo, entonces puede pensar que F = R. Operaciones
Más detallesÁLGEBRA 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 detallesEjemplo 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 detallesE.T.S. Minas: Métodos Matemáticos Soluciones Tema 4 Métodos iterativos para sistemas de ecuaciones
ETS Minas: Métodos Matemáticos Soluciones Tema Métodos iterativos para sistemas de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3
ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión
Más detallesExamen de Junio de 2011 (Común) con soluciones (Modelo )
Opción A Junio 011 común ejercicio 1 opción A ['5 puntos] Se desea construir un depósito cilíndrico cerrado de área total igual a 54 m. Determina el radio de la base y la altura del cilindro para que éste
Más detallesCapítulo 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 detallesIndependencia lineal y rango Ejemplos. Rango. Rango y matriz inversa Teorema de Rouché-Frobenius revisitado
Independencia lineal y rango Ejemplos. Rango. Rango y matriz inversa Teorema de Rouché-Frobenius revisitado c Jana Rodriguez Hertz p. /2 Independencia lineal Si el sistema x A + x 2 A 2 + + x n A n = O
Más detallesCurso Propedéutico de Cálculo Sesión 2: Límites y Continuidad
y Laterales Curso Propedéutico de Cálculo Sesión 2: y Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico y Esquema Laterales 1 Laterales 2 y Esquema Laterales
Más detallesMatrices, Determinantes y Sistemas de ecuaciones lineales
Tema 1 Matrices, Determinantes y Sistemas de ecuaciones lineales 1.1. Matrices Definición: Una MATRIZ es un conjunto de números reales dispuestos en forma de rectángulo, que usualmente se delimitan por
Más detallesTema 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 detalles1.- Sean A i B dos matrices cuadradas invertibles. Es verdad que:
1.- Sean A i B dos matrices cuadradas invertibles. Es verdad que: (B -1 A -1 - (A B) -1 + A) B = A B? Justifica tu respuesta. De hecho el problema consiste en demostrar que: B A (A B) = Expresión que es
Más detallesVectores 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 detallesCurso 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 detallesTema 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 detallesMatrices triangulares y matrices ortogonales
Matrices triangulares y matrices ortogonales Problemas para examen Matrices diagonales 1. Sea a R n. Se denota por diag(a) la matriz diagonal con entradas a 1,..., a n : diag(a) = [ a j δ j,k ] n j,k=1.
Más detallesPROBLEMAS DE ÁLGEBRA II - 1ER CUATRIMESTRE HTTP://FISICAUNED.WORDPRESS.COM ÍNDICE
PROBLEMAS DE ÁLGEBRA II - ER CUATRIMESTRE ÍNDICE Parte. Teoría básica Endomorfismos vectoriales con significado geométrico 3 Diagonalización de matrices 4 Matrices diagonalizables 5 Definiciones que aparecen
Más detallesDiagonalización 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 detallesSistemas 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 detallesEspacios 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 detallesMatemáticas Febrero 2013 Modelo A
Matemáticas Febrero 0 Modelo A. Calcular el rango de 0 0 0. 0 a) b) c). Cuál es el cociente de dividir P(x) = x x + 9 entre Q(x) = x +? a) x x + x 6. b) x + x + x + 6. c) x x + 5x 0.. Diga cuál de las
Más detallesJUNIO 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 detallesVALORES Y VECTORES PROPIOS
VALORES Y VECTORES PROPIOS En diversos campos de la ingeniería y las matemáticas surge el problema de calcular los valores escalares λ y los vectores x 0 tales que para la matriz cuadrada A se cumple Ax
Más detallesλ autovalor / valor propio v autovector / vector propio
1. INTRODUCCIÓN Problema estándar Problema generalizado CÁLCULO DE AUTOVALORES λ autovalor / valor propio v autovector / vector propio Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada
Más detallesTEMA 3: Matrices y sistemas de ecuaciones lineales. Álgebra y estructuras finitas/discretas (Grupos A)
TEMA 3: Matrices y sistemas de ecuaciones lineales Álgebra y estructuras finitas/discretas Grupos A Curso 2007-2008 1 2 1 Anillos y cuerpos Definición 1 Un anillo viene dado por un conjunto R y por dos
Más detallesCálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 2: Recursos avanzados Tema 2.1 Resolución numérica de ecuaciones
Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 2: Recursos avanzados Tema 2.1 Resolución numérica de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad
Más detallesÁlgebra 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 detallesEjercicios desarrollados
Algebra FCE Primer Parcial EMA 3 6-0 - 7 Ejercicios desarrollados x 6 y a z ) Sea L : y el plano que contiene al punto P (4; 5;4) y es ortogonal al vector ( 3; ;) b a) Hallar a y b sabiendo que P (4; 5;4)
Más detallesMétodos Numéricos: Ejercicios resueltos
Métodos Numéricos: Ejercicios resueltos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica
Más detalles(a) (0.5 puntos) Compruebe que esta ecuación tiene exactamente una solución en el intervalo
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERÍA. INSTITUTO DE CIENCIAS BÁSICAS. Cálculo Numérico, Control 1. Semestre Otoño 007 Problema 1. Se desea encontrar una raíz de la función f(x) = cos (x) x.
Más detallesUna matriz es una arreglo rectangular ordenado de elementos, comúnmente llamados escalares, dispuestos en m renglones y n columnas.
MATRICES Las matrices tienen una importancia fundamental en el análisis económico sobre todo en el estudio de sistemas de ecuaciones lineales, como en el modelo insumo-producto. Cuando trabajamos con modelos
Más detalles1.2 Valores y vectores propios. Método de las potencias y Rayleigh.
20 Prelininares. 1.2 Valores y vectores propios. Método de las potencias y Rayleigh. 1.2.1 Cálculo del Polinomio Caracterstico: ALGORITMO DE SOURIAU. ENTRADA: la matriz A 1 = A, p 1 = traza(a 1 ), n =
Más detallesP. 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 detallesIES Fco Ayala de Granada Septiembre de 2013 (Modelo 3 Especifico) Solucíon Germán-Jesús Rubio Luna. Opción A
Opción A Ejercicio opción A, modelo 3 Septiembre 03 específico x Sea f la función definida por f(x) = para x > 0, x (donde ln denota el logaritmo neperiano) ln(x) [ 5 puntos] Estudia y determina las asíntotas
Más detallesDIAGONALIZACIÓN DE MATRICES CUADRADAS
DIAGONALIZACIÓN DE MATRICES CUADRADAS.- Considerar los vectores u = (, -, ) y v = (, -, ) de : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué
Más detallesa a a a
JUNIO 2012 GENERAL 1. Se consideran las matrices: A = 3 1 0 1 3 0 0 0 2 e I 3 = 1 0 0 0 1 0 a) Resuelve la ecuación det (A x I 3 ) = 0. (1 punto) JUNIO 2012 ESPECÍFICA a 1 2 a 1 2. Dado el número real
Más detallesDefinición de la matriz inversa
Definición de la matriz inversa Ejercicios Objetivos Aprender la definición de la matriz inversa Requisitos Multiplicación de matrices, matriz identidad, habilidades básicas de resolver sistemas de ecuaciones
Más detallesConjuntos y matrices. Sistemas de ecuaciones lineales
1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución
Más detallesUna matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. ) ( + ( ) ( )
MATRICES Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. Ejemplo 1. Algunos ejemplos de matrices ( + ( ) ( + ( ) El tamaño o el orden de una
Más detallesBLOQUE 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 detallesForma canónica de Jordan. Ejemplos 2 2 y 3 3
Forma canónica de Jordan. Ejemplos 2 2 y 3 3 GAL2 IMERL 26 de agosto de 2010 forma canónica de Jordan forma canónica de Jordan repaso (forma canónica de Jordan) forma canónica de Jordan forma canónica
Más detallesTema 6: Autovalores y autovectores
Tema 6: Autovalores y autovectores Curso 216/217 Ruzica Jevtic Universidad San Pablo CEU Madrid Referencias Lay D. Linear algebra and its applications (3rd ed). Chapter 5. 2 Autovalores y autovectores
Más detallesÁlgebra Lineal - Grado de Estadística. Examen final 27 de junio de 2014 APELLIDOS, NOMBRE:
Álgebra Lineal - Grado de Estadística Examen final 7 de junio de 4 APELLIDOS, NOMBRE: DNI: irma Primer parcial Ejercicio Consideremos matrices A m m, B, C n n, Pruebe que bajo la hipótesis de que las inversas
Más detallesResumen Tema 3: Derivadas. Concepto. Propiedades. Cálculo de derivadas. Aplicaciones.
Resumen Tema 3: Derivadas. Concepto. Propiedades. Cálculo de derivadas. Aplicaciones. 0.. Concepto de derivada. Definición. Sea f : S R R, a (b, c) S. Decimos que f es derivable en a si existe: f(x) f(a)
Más detalles2.4 ECUACIONES DE EIGENVALORES (2.4_AL_T_062, Revisión: 15-10-06)
.4 ECUACIONES DE EIGENVALORES (.4_AL 06, Revisión: 5-0-06) Consideremos la multiplicación de una matriz por un vector, i.e.: y = Ax ; en D esto es y x = y x A transforma x y, esto es, un punto en D a otro
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 6 de julio de 2016 2 Índice general 1. Álgebra 5 1.1. Año 2000............................. 5 1.2. Año 2001.............................
Más detallesCapitulo 6. Matrices y determinantes
Capitulo 6. Matrices y determinantes Objetivo. El alumno aplicará los conceptos fundamentales de las matrices, determinantes y sus propiedades a problemas que requieran de ellos para su resolución. Contenido.
Más detallesE.T.S. Minas: Métodos Matemáticos Ejercicios Tema 2 Aproximación e interpolación
E.T.S. Minas: Métodos Matemáticos Ejercicios Tema 2 Aproximación e interpolación Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Curso 2006/07
Más detallesSeno 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 detallesPráctica 2 Métodos de búsqueda para funciones de una variable
Práctica 2 Métodos de búsqueda para funciones de una variable Introducción Definición 1. Una función real f se dice que es fuertemente cuasiconvexa en el intervalo (a, b) si para cada par de puntos x 1,
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES ) 2a 2c 2b 2u 2w 2v. a b c. u v w. p q r. a b c.
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES ) - Calcular los siguientes determinantes: 3 3 a) b) 3 5 5 3 4 5 Hoja : Matrices y sistemas de ecuaciones lineales
Más detallesIES Fco Ayala de Granada Septiembre de 2013 (Modelo 2 ) Solución Germán-Jesús Rubio Luna. Opción A
IES Fco Ayala de Granada Septiembre de 01 (Modelo ) Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo Septiembre 01 ['5 puntos] Un alambre de 10 metros de longitud se divide en dos trozos.
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 05 de abril de 2018 1 hora y 15 minutos. NOMBRE Y APELLIDOS CALIFICACIÓN 1. Dadas las matrices A ( 2 1 1 2 ), B ( 0 1 ) e I la matriz identidad de
Más detallesSISTEMAS DE ECUACIONES
Universidad de Granada Máster de Profesorado U. D. SISTEMAS DE ECUACIONES Director del trabajo : D. Antonio López Megías SISTEMAS DE ECUACIONES Pilar FERNÁNDEZ CARDENETE Granada,
Más detallesCapítulo 9: Diagonalización de matrices
Capítulo 9: Diagonalización de matrices 1. Lección 33. Transformaciones lineales Del mismo modo que el estudio de las funciones usuales es importante para analizar las relaciones y la evolución de magnitudes
Más detallesEJERCICIOS DE SELECTIVIDAD LOGSE en EXTREMADURA MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES
EJERCICIOS DE SELECTIVIDAD LOGSE en EXTREMADURA MATRICES DETERMINANTES Y SISTEMAS DE ECUACIONES JUNIO 06/07. a) Calcula el rango de la matriz A según los valores del parámetro a 3 a A = 4 6 8 3 6 9 b)
Más detallesRango de una matriz. Jana Rodriguez Hertz GAL 1. 2 de abril de 2013 IMERL
Rango de una matriz Jana Rodriguez Hertz GAL IMERL 2 de abril de 203 rango rango recordemos: rango si A = {A, A 2,..., A n } conjunto de vectores de K n llamamos rango(a) a la máxima cantidad de vectores
Más detalles1. Ecuaciones lineales en cuerpos finitos
1. Ecuaciones lineales en cuerpos finitos Un cuerpo es un conjunto F dotado de dos operaciones suma y producto, usualmente denotadas por + y que satisfacen los axiomas de los números reales, exceptuando
Más detallescuadrada de 3 filas y tres columnas cuyo determinante vale 2.
PROBLEMAS DE SELECTIVIDAD. BLOQUE ÁLGEBRA MATEMÁTICAS II 0 2 0. Se dan las matrices A, I y M, donde M es una matriz de dos 3 0 filas y dos columnas que verifica M 2 = M. Obtener razonadamente: a) Todos
Más detallesUNIVERSIDAD 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 detallesA = [a 1 a 2 a 3. El sistema Ax = c tiene infinitas soluciones N. Existe un único vector x tal que T (x) = c X. T es suprayectiva
Asignatura: ÁLGEBRA LINEAL Fecha: 6 de Julio de Fecha publicación notas: 6 de Julio de Fecha revisión examen: de Julio de Duración del examen: horas y media APELLIDOS Y NOMBRE: DNI: Titulación:. ( punto:,
Más detallesMatrices y determinantes
Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna
Más detalles1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO
1 1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO Muchos de los fenómenos que se investigan en la geometría utilizan nociones como las de longitud de un vector y ángulo entre vectores. Para introducir estos dos
Más detallesÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 2 de julio de 2012 Duración del examen: 3 horas Fecha publicación notas: 11 de julio
ÁLGEBRA LINEAL EXAMEN EXTRAORDINARIO 2 de julio de 22 Duración del examen: 3 horas Fecha publicación notas: de julio Fecha revisión examen: 3 de julio Apellidos: Nombre: Grupo: Titulación: ESCRIBA EL APELLIDO
Más detallesEjercicios 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 detallesIES Fco Ayala de Granada (Modelo 2 del 2012) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada (Modelo del 01) Soluciones Germán-Jesús Rubio Luna PRUEBA DE ACCESO A LA UNIVERSIDAD MATEMÁTICAS II DE ANDALUCÍA CURSO 011-01 Opción A Ejercicio 1, Opción A, Modelo de 01 Sea la
Más detallesResolución. Resolución gráfica de problemas de optimización
Resolución de problemas de optimización Para resolver mente un problema de optimización como éste empezamos representando sus restricciones con igualdad. (0, 4) (0, 4) (4, 0) Para resolver mente un problema
Más detallesÁlgebra lineal. Noviembre 2018
Álgebra lineal. Noviembre 08 Opción A Ejercicio. (Puntuación máxima:,5 puntos) Sea el siguiente sistema de ecuaciones lineales: 4ax + 4ay + z = a ax + y az = a, se pide: 4ax + 4ay + az = 4 (,5 puntos)
Más detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2006-2007 Valores y vectores propios Valor propio Se dice que el número
Más detallesTema 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 detallesTransformaciones Lineales
Transformaciones Lineales En lo que sigue denotaremos por K al conjunto R ó C Definición Sean V y W dos K-ev (espacios vectoriales sobre K Se llama transformación lineal de V en W a toda función T : V
Más detallesa) Lo primero que hacemos es buscar las imágenes de los vectores de la base canónica: f(1,0,0) = (3, 5, 6) f(0,1,0) = ( 2, 3, 4) f(0,0,1) = (1, 2, 3)
. Sea f: R 3 R 3 la aplicación lineal definida por las ecuaciones: f(x, y, z) = (3x y + z, 5x 3y + z, 6x 4y + 3z) a) Encontrar la matriz A de f en las bases canónicas. b) Es f biyectiva? Si lo es, encontrar
Más detallesSISTEMAS DE ECUACIONES LINEALES MÉTODO DE LA MATRIZ INVERSA
MÉTODO DE LA MATRIZ INVERSA Índice Presentación... 3 Método de la matriz inversa... 4 Observaciones... 5 Ejemplo I.I... 6 Ejemplo I.II... 7 Ejemplo II... 8 Sistemas compatibles indeterminados... 9 Método
Más detalles