2.4 ECUACIONES DE EIGENVALORES (2.4_AL_T_062, Revisión: )
|
|
- Inmaculada Cabrera Carmona
- hace 7 años
- Vistas:
Transcripción
1 .4 ECUACIONES DE EIGENVALORES (.4_AL 06, Revisión: ) 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 punto en D ( equivalentemente, podemos verlo como un mapeo de R en R ). x A y Eemplo. Si x=, y = 0 A (,) (,0) Si en vez de puntos consideramos radio-vectores podemos representar la transformación como: A De acuerdo a las operaciones básicas entre vectores, podemos ver que el vector x gira y se alarga: el giro está dado por tan - (½), mientras que la magnitud es ahora y = x. Podemos decir entonces que una matriz de nxn toma un radio-vector en R n y lo transforma en otro vector de R n que está girado y alargado. Consideremos ahora el caso: 0
2 x= y = Ax = Nótese que el vector no gira, sólo se hace veces más largo. El problema de eigenvalores y eigenvectores (valores propios y vectores propios) consiste en encontrar los vectores que no giran bao una transformación (i.e., multiplicación por una matriz). El eigenvalor nos da el cambio de longitud (nótese que si el eigenvalor es negativo se puede pensar en un giro de π radianes o en una inversión). y = Ax= λx, x 0 (0 0, pues A 0= 0) Buscamos entonces x tal que Ax= λx= λix, o equivalentemente:( A λi) x = 0 (*) Para resolver esto, notamos que si ( A λ I) existe x= ( A λi) 0= 0, i.e., obtenemos la solución trivial al problema. Por lo tanto, para que ( A λi no exista A λi = 0. ) Eemplo. λ A=, A λ = =0 λ Del determinante obtenemos el polinomio característico: λ = 4 4λ+ λ = λ 4λ+ = λ λ = 0 λ =, son los eigenvalores (o valores propios). Para encontrar el eigenvector asociado a λ utilizamos (*) x 0 x 0 Para λ = : = = x 0 x 0 α x = x x =, i.e., cualquier escalar α satisface esta condición. α Es conveniente construir eigenvectores cuya longitud sea, i.e., normalizar los eigenvectores: x = α + α = α = α =, para λ =, e = 0
3 x x 0 Similarmente, para λ = : = = x = x x x 0 eigenvector e = (Nótese que también es eigenvector) Con los eigenvectores normalizados podemos construir la matriz modal si los acomodamos por columnas, esto es: 0 Q = Λ = 0 Eigenvector Eigenvector para λ = para λ = Gráficamente podemos representar esto como: A = no gira y se hace veces más largo vectores en esta línea no girarán y mantienen su longitud.4. EOREMAS SOBRE OPERADORES AUOADJUNOS. I Si un operador L es auto-adunto, entonces: a) los eigenvalores λ i son reales b) los eigenvectores e i correspondientes a distintos eigenvalores son ortogonales. Demostración. Consideremos un par de eigenvalores λ y sus correspondientes eigenvectores e. De acuerdo al problema general de eigenvalores Le = λ e ; utilizando el producto interno podemos establecer que: 0
4 ( e, Le) = ( e, λe) = λ ( e, e ) ( Le, e) = ( λe, e) = λ( e, e ) Dado que L es auto-adunto, podemos tomar la diferencia entre ambos productos internos para establecer que: Puesto que ( ) * ( Le, e) = ( e, Le) = ( e, Le) 0 = ( λ λ )( e, e ) e 0, e, e 0 λ = λ, y los eigenvalores son reales. Consideremos ahora el producto interno ( ei, e ), y eigenvalores λi, λ, ( λi λ) Lei = λ i e i. ( L, ) = ( λi, ) = λi( ei e ei e ei, e ) ( ei, Le) = ( ei, λe) = λ (, ) ei e = λ ei, e Utilizando el carácter auto-adunto del operador: (eigenvalores reales) ( Lei, e) ( ei, Le) = 0 0 = ( λi λ)( ei, e ) Si λ λ e, e = 0 e es ortogonal a e. i i i, II Para cualquier operador L auto-adunto en un espacio con dimensiones finitas, se pueden encontrar eigenvectores ortogonales para un eigenvalor con multiplicidad. No importa si los eigenvalores son distintos o no, de cualquier manera los eigenvectores son ortogonales. III Los eigenvectores de cualquier operador auto-adunto L en un espacio con dimensiones finitas forman base. Construir eigenvectores construir una base para el espacio con dimensiones finitas. Nota: Un caso particular importante es el sistema de Sturm-Liouville en el espacio de funciones dim =. 04
5 .4. MÁS EJEMPLOS Y DEFINICIONES. Eemplo. Se puede demostrar mediante el problema general de eigenvalores que si: a b A =, λ, = a± b b a Eemplo 4. Consideremos ahora Ax = λx, con 0 0 A = 0 0 Nótese que A está separada por bloques; para este tipo de matrices podemos reconocer la forma de los eigenvectores y eigenvalores. En particular, en este caso podemos esperar que uno de los eigenvectores sea λ=. Los bloques pueden visualizarse de la siguiente manera: 0 0 A = 0, λ =, con eigenvector asociado Para verificar esto podemos utilizar la metodología usual: Ecuación característica: λ 0 0 A λi = 0= 0 λ 0 λ λ λ = λ λ λ = λ λ =0 λ = 0, λ =, λ = valores repetidos. Eigenvectores: Para λ =0: x 0 x = 0 x = 0 ( A λi) x = x = 0 x + x = 0 x = x 0 0x 0 05
6 0 0 0 x x= α, e = = α =. α α xx α 0 0 x 0 Para λ = : 0 x = 0 x + x = 0, x 0 x 0 β = x x = γ γ Nótese que se pueden encontrar eigenvectores ortogonales y además ambos son ortogonales a e. Podemos tomar: 0 e = 0, e = 0 Por lo tanto, para 0 0 A = tenemos λ = 0, e =, o bien 0 ; 0 λ =, e = 0, y finalmente λ =, e = 0. En este eemplo puede verse la utilidad de reconocer o agrupar bloques dentro de una matriz para obtener los eigenvalores. El bloque de un solo elemento da automáticamente el eigenvalor (en este caso ) y en este caso en particular, es fácil reconocer la forma que debe tener el eigenvector asociado. El bloque de x es una matriz simétrica, y de acuerdo al eemplo, los eigenvalores son 0 y. 06
7 Los eigenvalores de un matriz nos dan información sobre el determinante. En particular, en el eemplo 4 encontramos que λ = 0. Esto implica que A - no existe dado que A =λλλ = 0. Para matrices de x, la ecuación característica puede escribirse como: λ λ + λ =, I I I 0 en donde I, I, I son los invariantes de la matriz, dados por: a a (( A) A ) I tr( A ) traza = a+ a + a a a a a I tr tr = a a + a a + a a A = a a a I a a a a a a Si I =0 se puede ver que λ I λ I λ λ( λ I λ I ) los eigenvalores es cero. + = + =, lo que implica que uno de 0 Definiciones para operadores matriciales. De acuerdo al problema de Eigenvalores Ax = λx, donde A es el operador matricial, se establece que una matriz es: positivamente definida si x. Ax> 0 x 0 positivamente definida si λ > 0 i =,,... positivamente semi-definida si x. Ax 0 x 0 positivamente semi-difinida si λi 0 negativamente definida si xax < 0 x 0 negativamente definida si λ i < 0 i =,,.. negativamente semi-definida si xax 0 x 0 negativamente semi-definida si λ 0 i =,,... En el eemplo anterior 4, A es positivamente semi-definida. i i Eemplo 5. Del eemplo anterior podemos ver que para A = obtenemos: 07
8 λ = 0, = e λ =, e = Con este resultado y agrupando por bloques podemos obtener también: 0 A = 0 0 tenemos bloques 0 bloque x (, ) λ =, e = bloque x λ = 0, e =, Los eigenvectores son entonces: 0 λ = 0, e =0 ; λ =, e = ; 0 λ =, e =0 Similarmente, si A = obtenemos: λ = 0, e = ; λ 0, ; λ, ; λ4, 4 = e = = e = = = e Los bloques pueden también encontrarse intercalados; por eemplo, si: 08
9 A =, tenemos bloques intercalados de DIAGONALIZACIÓN DE UNA MARIZ, POENCIAS, INVERSAS, EXPONENCIALES, EC. Considerando operadores matriciales auto-aduntos, i.e.: A* = A, el problema de eigenvalores tiene la forma: Ae = λe λ, λ.., λ n con eigenvectores e,e,...e n De acuerdo a los teoremas vistos anteriormente, los λ s son reales y los eigenvectores son ortogonales, o inclusive, pueden hacerse ortonormales, i.e.: e e, e = e,e = δ i i i i Además, los eigenvectores { e,e,...,en} forman base para R n. Analicemos ahora la matriz modal y la matriz diagonal de eigenvalores asociada, ambas definidas por: ( ( n )) λ λ λ n Q e e e Λ Se puede ver que la matriz modal es una matriz ortogonal, i.e., Q = Q pues: e e QQ= e... e e e n ( ( n )) Algunas propiedades útiles de una matriz ortogonal: () El determinante es ± e e e e e en 0 0 e e e e e en 0 0 = = n n n n 0 0 e e e e e e QQ= I, QQ= Q =, Q= ±. () No cambia la longitud de vectores. Supongamos que y = Qx, y = y, y = xqqx = xx = x 09
10 Con esto vemos entonces que la matriz modal Q sólo gira vectores. La matriz modal se puede utilizar para escribir en forma canónica la matriz A. Consideremos el caso general: Pre-multiplicando por Q obtenemos: e e Q AQ = ( A) (( e)...( en) ) = Ae... Aen e n e n e λ 0 0 = ( ( λe)...( λnen) ) = 0 λ 0 Λ 0 λ e n n ( ) QQ AQ = QΛ AQ = QΛ Post-multiplicando por Q : AQQ = QΛQ A= QΛQ, y también: QAQ = Λ Expresar la matriz A en términos del producto de la matriz modal, la matriz diagonal de eigenvalores y la matriz modal transpuesta es útil para realizar varias operaciones matriciales de interés. Observemos que: Ae = λe, A e = A( Ae) = λae = λ e En general: n n Ae= λ e. Nótese también que Ae = ( QΛQ ) e = QΛ = Qλ = λe 0 0 Si expresamos la matriz en términos de la matriz modal y la matriz diagonal de eigenvalores:, ( )( A= QΛQ A = QΛQ QΛQ ) = QΛ Q A = QΛ Q m m 0
11 Donde: Λ m m λ 0 0 m 0 λ 0 = m 0 0 λ n Algunos casos particulares interesantes: 0 0 λ 0 0 λ = = =, = A QΛQ Q Λ Q QΛ Q Λ Si: A QΛ Q con Λ λ λ λ n 0 0 λ n Nótese que A A = QΛ QQΛ Q = QΛ Q = QΛQ = A En general, esta descomposición de la matriz A permite realizar cualquier operación matricial manipulando únicamente la matriz diagonal de eigenvalores. Supongamos, por eemplo, que queremos evaluar A A. Utilizando la descomposición se obtiene: λ λ 0 A A= QΛ Q QΛQ = Q Λ Λ Q = Q Q 0 λn λ n ( ) De igual forma, podemos evaluar la matriz exponencial: Utilizando la descomposición matricial: A! e A I+ A Λ Λ e A = = QIQ QΛQ Q Q QI Λ Q
12 λ e 0 0 λ A Λ Λ 0 e 0 e e, e = Q Q 0 λn 0 0 e.4.4 APLICACIONES. a) Consideremos Ax = c, A =. Para resolver este problema podemos: ) Despear x = A c (i.e., utilizar álgebra matricial). ) Utilizar una eigen-expansión. Sabemos que Ae = λe, y por la forma de la matriz obtenemos: λ =, e =, λ =, e = + Nótese que la matriz es auto-adunta y, por lo tanto, los eigenvectores son base ortonormal (ON) para el espacio vectorial. Esto implica que podemos expresar cualquier otro vector como una combinación lineal de ellos. Consideremos, por eemplo: (, ) (, ) c= c e e + c e e, x= αe+ βe Si encontramos los coeficientes α y β del vector x podremos encontrar la solución del problema. Expresando todo en términos de los eigenvectores obtenemos: Ax = A αe + βe = αae + βae = αλe + βλ e ( ce, ) ( ce, ) α = β = λ λ c = = = + = = c e c e Por lo tanto: α = 0, β = x = = Supongamos que, (, ) 0, (, ) b) Consideremos el caso Ax = Λ x + c, donde Λ es un escalar dado.
13 Podemos hacer de nuevo una eigen-expansión: (, ),, c = c e e x = α e Ax = A α e = α Ae = α λ e El sistema es entonces: αλe Λ αe c, e e = 0 α ( λ Λ) (, ) = 0, con,,..., n [ ] ce e e e e LI α λ Λ ce, e+ α λ Λ ce, e e n = 0 Puesto que los vectores base son LI, cada uno de los coeficientes tiene que ser cero. Si Λ λ, =,,..., entonces: λ, e α λ Λ Si Λ= [ ] ( ce, ) α =, x= α λ Λ [ ] ce, ) 0 ( ce, ) 0 e ce, e e = 0, ce, e = 0 En este caso, si ( el sistema no tiene solución; si solución para cualquier valor de, i.e.: n (, ) n ce = λ x= e + e Λ =, se puede añadir a la c) Consideremos un sistema masa-resorte en serie como se muestra en la figura. El obetivo de estos problemas es generalmente encontrar los desplazamientos de las masas. Nótese que el resorte que une a las dos masas (m) dará como resultado un acoplamiento entre los dos desplazamientos x y x, i.e., el modelo matemático de este sistema será un sistema de ecuaciones acopladas. m m x x El comportamiento del sistema está descrito por: mx = x x x = mx x x x
14 Consideremos el caso = m= ; las ecuaciones son ahora: x + x x = 0 x + x x = 0 Podemos expresar esto en forma matricial: x x x+ Ax= 0, x=, x=, con x x A = Nótese que el operador A es auto-adunto y los eigenvalores y eigenvectores son: λ =, e =, λ, e = = Utilicemos la matriz modal para realizar un cambio de coordenadas. Consideremos específicamente el cambio: x= Qx, Q = x= Qx Qx + AQx = 0 Pre-multiplicando por la matriz modal transpuesta: QQx + QAQx = 0, pero QQ= I, QAQ= Λ. El sistema se reduce entonces a x + Λx = 0. Esto puede expresarse equivalentemente como: x + x = 0, x + x = 0 Las soluciones son, respectivamente: ( φ ) ( φ ) x = A sen t+, x = A sen t+ Regresando a las coordenadas originales obtenemos: 4
15 x A sen t+ φ = Qx = x Asen ( t+ φ) x sen ( t + φ ) ( φ ) sen ( t + φ ) ( φ ) c c = + x sen t + sen t + El uso de la matriz modal desacopla el sistema de ecuaciones y la solución queda expresada en términos de una combinación lineal de los modos normales, o equivalentemente, en términos de las frecuencias naturales de oscilación del sistema. 5
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 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 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 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 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 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 detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 34 Álgebra matricial y vectores aleatorios Una matriz es un arreglo
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 detallesUna matriz es una tabla ordenada (por filas y columnas) de escalares a i j de la forma: ... ... a... ...
MATRICES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales. Tienen también muchas aplicaciones
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 detallesÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250)
Universidad Central de Venezuela Facultad de Ingeniería Ciclo Básico Departamento de Matemática Aplicada ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250) Semestre 1-2011 Mayo 2011 Álgebra Lineal y Geometría
Más detallesETSI 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 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 detallesContenido. 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 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 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 detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detalles40 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 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 detallesPROBLEMAS 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 detalles10. 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 detallesEspacio de estado.- el espacio n dimensional cuyos ejes de coordenadas consisten en el eje X1, X2... Xn y se denomina espacio de estado
ANÁLII DE ITEMA DE CONTROL CON EL EPACIO DE ETADO La teoria de control clásica se basa en técnicas gráficas de tanteo y error mientras el control moderno es mas preciso Además se puede usar en sistemas
Más detallesCombinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291)
Combinación lineal, Independencia Lineal, y Vectores que generan (Sección 6.3 pág. 291) I. Combinación Lineal Definición: Sean v 1, v 2, v 3,, v n vectores en el espacio vectorial V. Entonces cualquier
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 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 detallesTema 2. Grupos. 3. El conjunto de matrices de orden 2 con coeficientes enteros (o reales) con la suma es un grupo conmutativo.
Tema 2. Grupos. 1 Grupos Definición 1 Un grupo es una estructura algebraica (G, ) tal que la operación binaria verifica: 1. * es asociativa 2. * tiene elemento neutro 3. todo elemento de G tiene simétrico.
Más detalles2. 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 detallesAplicaciones 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 detallesHerramientas 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 detallesÁlgebra lineal Prof: Leonid Fridman
Álgebra lineal Prof: Leonid Fridman Vectores y subespacios lineales Vector: Un vector en Rn es una n-tupla de números reales Espacio lineal: Un conjunto no vacío L de elementos x, y, z, que satisface las
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 detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesFunciones Exponenciales y Logarítmicas
Funciones Exponenciales y Logarítmicas 0.1 Funciones exponenciales Comencemos por analizar la función f definida por f(x) = x. Enumerando coordenadas de varios puntos racionales, esto es de la forma m,
Más detallesProyecciones. Producto escalar de vectores. Aplicaciones
Proyecciones La proyección de un punto A sobre una recta r es el punto B donde la recta perpendicular a r que pasa por A corta a la recta r. Con un dibujo se entiende muy bien. La proyección de un segmento
Más detallesUniversidad de Jaén Departamento de Matemáticas Ingeniería Técnica en Informática de Gestión.
Universidad de Jaén Departamento de Matemáticas Ingeniería Técnica en Informática de Gestión. Algebra I I Relación de problemas 3. Espacios vectoriales. 1.-Estudiar si los siguientes conjuntos forman o
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 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 detalles1. 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 detallesSistema de ecuaciones algebraicas
Sistema de ecuaciones algebraicas Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com Universidad: ITESM CEM
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 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 detallescomo el número real que resulta del producto matricial y se nota por:
Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,
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 detallesTema 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 detallesSISTEMAS 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 detallesAP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
Capítulo 6 Diagonalización 6 Valores y vectores propios 6 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V, nos planteamos el problema
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 detallesEigenvalores y eigenvectores
Eigenvalores y eigenvectores Los dos problemas principales del álgebra lineal son: resolver sistemas lineales de la forma Ax = b y resolver el problema de eigenvalores. En general, una matriz actúa sobre
Más detallesPodemos 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 detallesdia G o n a l i z a c i ó n
Unidad elementos característicos dia G o n a l i z a c i ó n Objetivos: Al inalizar la unidad, el alumno: Encontrará los valores y los vectores característicos de una matriz. Utilizará los elementos característicos
Más detallesLección 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 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 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 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 detallesEcuaciones 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 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 detallesResumen de álgebra vectorial y tensorial
Apéndice A Resumen de álgebra vectorial y tensorial Se resumen aquí algunos conceptos y definiciones importantes de vectores y tensores, con pretensión de sencillez y brevedad. En aras de esta sencillez,
Más detallesTransformaciones Lineales
Capítulo 10 Transformaciones Lineales EL tema central de este capítulo es el estudio de una clase de funciones especiales, llamadas transformaciones lineales Una de las características importantes de las
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 22 de mayo de 213 Capítulo 11 Año 21 11.1. Modelo 21 - Opción A Problema 11.1.1 3 puntos Dada la función: fx
Más detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
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 detallesTEMA N 2 RECTAS EN EL PLANO
2.1 Distancia entre dos puntos1 TEMA N 2 RECTAS EN EL PLANO Sean P 1 (x 1, y 1 ) y P 2 (x 2, y 2 ) dos puntos en el plano. La distancia entre los puntos P 1 y P 2 denotada por d = esta dada por: (1) Demostración
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 detallesVECTORES EN EL ESPACIO
VECTORES EN EL ESPACIO Página 133 REFLEXIONA Y RESUELVE Relaciones trigonométricas en el triángulo Halla el área de este paralelogramo en función del ángulo a: cm a cm Área = sen a = 40 sen a cm Halla
Más detallesSESIÓN 4: ESPACIOS VECTORIALES
SESIÓN 4: ESPACIOS VECTORIALES Un espacio vectorial sobre un campo (como el cuerpo de los números reales o los números complejos) es un conjunto no vacío, dotado de dos operaciones para las cuales será
Más detallesCombinación Lineal. Departamento de Matemáticas, CCIR/ITESM. 10 de enero de 2011
Combinación Lineal Departamento de Matemáticas, CCIR/ITESM 10 de enero de 011 Índice.1. Introducción............................................... 1.. Combinación lineal entre vectores...................................
Más detallesEcuaciones 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 detallesFormas cuadráticas Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
1. Formas Cuadráticas Formas cuadráticas Notas para los cursos 1 y (J.L. Mancilla Aguilar) Después de las funciones lineales, las formas cuadráticas son las más usuales en las aplicaciones ingenieriles.
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 detallesSistemas de Ecuaciones y Matrices
Sistemas de Ecuaciones y Matrices 0.1 Sistemas de ecuaciones Consideremos las gráficas de dos funciones f y g como en la figura siguiente: P Q y = fx y = gx En la práctica, en ocasiones hay que encontrar
Más detallesTEMA 4: DERIVADAS. En símbolos, la pendiente de la curva en P = lim Q P (pendiente de P Q).
TEMA 4: DERIVADAS 1. La derivada de una función. Reglas de derivación 1.1. La pendiente de una curva. La pendiente de una curva en un punto P es una medida de la inclinación de la curva en ese punto. Si
Más detallesALGEBRA Y GEOMETRÍA II 2º semestre Año: 2012. Guía de Estudio y Ejercitación propuesta
ALGEBRA Y GEOMETRÍA II 2º semestre Año: 2012 1 Guía de Estudio y Ejercitación propuesta Esta selección de Temas y Ejercicios están extraídos del texto FUNDAMENTOS DE ALGEBRA LINEAL de R. Larson y D. Falvo.
Más detallesDicho punto fijo se llama centro, a la distancia de cualquier punto de la circunferencia al centro se acostumbra a llamar radio.
GEOMETRIA ANALITICA Capítulo 9 La Circunferencia 9.1. Definición Se llama circunferencia al lugar geométrico de los puntos de un plano que equidistan de un punto fijo del mismo plano. Dicho punto fijo
Más detallesPROGRAMA ANALÍTICO. I. Objetivos El alumno deberá: II. Contenidos del Programa Analítico. Año 2013
Año 013 PROGRAMA ANALÍTICO Asignatura: ÁLGEBRA Y GEOMETRÍA ANALÍTICA Departamento: Matérias Básicas Unidad Docente Básica: Matemática Bloque: Ciencias Básicas Especialidad: COMÚN A TODAS LAS ESPECIALIDADES
Más detallesUniversidad Alonso de Ojeda. Facultad de Ingeniería GUIA DE ESTUDIO ALGEBRA LINEAL.
UNIDAD IV: VECTORES EN R2 Y R3 VECTOR Se puede considerar un vector como un segmento de recta con una flecha en uno de sus extremos. De esta forma lo podemos distinguir por cuatro partes fundamentales:
Más detallesTEMA 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 detalles1. NUMEROS COMPLEJOS.
Apunte de Números complejos o imaginarios: Representación gráfica. Complejos conjugados y opuestos. Forma trigonométrica, de De Moivre, exponencial. Operaciones. Raíces.Fórmula de Euler. 1. NUMEROS COMPLEJOS.
Más detallesEspacios geométricos E 2 y E 3
Tema IV Espacios geométricos E 2 y E 3 1. El espacio afín. 1 Definición y propiedades. Definición 1.1 Sea E un conjunto no vacío. Se dice que E está dotado de estructura de espacio afín asociado a un espacio
Más detallesDesde la secundaria estamos acostumbrados a trabajar con polinomios, los cuales identificamos con expresiones de la forma
Polinomios Desde la secundaria estamos acostumbrados a trabajar con polinomios, los cuales identificamos con expresiones de la forma p(x) = a 0 + a 1 x +... + a n x n (1) donde x es la variable y a 0,
Más detallesTopología de R n. Beatriz Porras
Producto escalar, métrica y norma asociada. Topología de R n Beatriz Porras 1 Producto escalar, métrica y norma asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores
Más detallesEcuaciones 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 detallesTEMA 2: MATRICES. 2.2.1 Operaciones elementales y matrices elementales. 2.2.2 Proceso de escalonamiento de una matriz no nula.
TEMA 2: MATRICES 21 Generalidades sobre matrices 211 Definición de matriz Tipos de matrices 212 Operaciones algebraicas con matrices 213 Matriz traspuesta y traspuesta-conjugada 214 Submatrices 22 Proceso
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 detallesTema 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 detallesEs el lugar geométrico de los puntos del plano que equidistan de un punto fijo llamado foco y de una recta llamada directriz.
UNIDAD IV: LA PARABOLA. 4.1. Caracterización geométrica. 4.1.1. La parábola como lugar geométrico. Es el lugar geométrico de los puntos del plano que equidistan de un punto fijo llamado foco y de una recta
Más detalles1. Ecuaciones lineales con coeficientes constantes. Ecuaciones de primer orden. 2. Encontrar la solución de los siguientes problemas de valor inicial.
. Ecuaciones lineales con coeficientes constantes Ecuaciones de primer orden. Encontrar la solución de los siguientes problemas de valor inicial. ẋ =5x, x0) =.. ẋ + x =0, x) =.. ẋ + x = te t, x0) =. si
Más detalles1. Determinar las ecuaciones paramétricas y la ecuación continua de las rectas que pasan por el punto A y con el vector de dirección dado:
CAPÍTULO. GEOMETRÍA AFÍN.. Problemas. Determinar las ecuaciones paramétricas y la ecuación continua de las rectas que pasan por el punto A y con el vector de dirección dado: a) A(,, ), v = (,, ) ; b) A(0,
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 1 Matrices y determinantes Objetivos: Al inalizar la unidad, el alumno: Identiicará qué es una matriz y cuáles son sus elementos. Distinguirá los principales tipos de matrices. Realizará operaciones
Más detallesMatriz asociada a una transformación lineal respecto a un par de bases
Matriz asociada a una transformación lineal respecto a un par de bases Objetivos Definir la matriz asociada a una transformación lineal respecto a un par de bases y estudiar la representación matricial
Más detallesPolinomios. 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 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 detallesEjercicios de ECUACIONES DIFERENCIALES ORDINARIAS
Ejercicios de ECUACIONES DIFERENCIALES ORDINARIAS Grado en Matemáticas Curso 203-204 . Ecuaciones lineales con coeficientes constantes Ecuaciones de primer orden. Encontrar la solución de los siguientes
Más detallesÁlgebra Lineal. Tema 5 Ecuaciones diferenciales lineales
Álgebra Lineal. Tema 5 Dep. Matemática Aplicada. UMA Tasa relativa de crecimiento Si x(t representa alguna cantidad física como el volumen de una sustancia, la población de ciertas especies, o el número
Más detallesMatemáticas 4 Enero 2016
Laboratorio #1 Vectores I.- Calcule el producto escalar de los dos vectores y el coseno del ángulo entre ellos. 1) u = 3i + 2j 4k; v = i + 5j 3k 2) u = i + 2j 3k; v = 1i 2j + 3k 3) u = 1 2 i + 1 3 j +
Más detallesN = {1, 2, 3, 4, 5,...}
Números y Funciones.. Números Los principales tipos de números son:. Los números naturales son aquellos que sirven para contar. N = {,,, 4, 5,...}. Los números enteros incluyen a los naturales y a sus
Más detallesTEMA 6 Ejercicios / 3
TEMA 6 Ejercicios / 1 TEMA 6: RECTAS Y PLANOS EN EL ESPACIO 1. Ecuaciones de los planos cartesianos en forma vectorial, paramétrica e implícita. Ecuaciones del plano XY: Punto del plano P 0, 0, 0 Vectores
Más detallesUna forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.
Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES
Más detallesSubespacio generado por un conjunto finito de vectores (envoltura lineal de un conjunto finito de vectores)
Subespacio generado por un conjunto finito de vectores (envoltura lineal de un conjunto finito de vectores). Listas de vectores. Listas de vectores son personajes típicos de Álgebra Lineal. Una lista de
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de innovación didáctica Departamento de Matemáticas Universidad de Extremadura Índice Puntos y vectores en En R 3, conviene distinguir
Más detalles