Espacios Vectoriales, Valores y Vectores Propios
|
|
- Ramón Botella Vidal
- hace 7 años
- Vistas:
Transcripción
1 , Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas de Potencia Noviembre de 2008, espacios propios
2 Contenido Independencia Lineal 2 Bases y Dimensión 3 Subespacios asociados a matrices 4 Teorema fundamental del álgebra lineal 3 Valores y vectores propios 1 Diagonalización 2 Solución de ecuaciones diferenciales lineales, espacios propios
3 Introducción El álgebra trata con conjuntos de diversos tipos de objetos, tales como: números, arreglos numéricos vectoriales, matrices y funciones, así como también con operaciones bien de nidas como la suma y el producto entre cada uno de estos objetos. Todos estos conjuntos poseen una cierta Estructura, que está dada por esa suma y ese producto., espacios propios
4 Dependiendo del conjunto de objetos tratados, las operaciones de nidas y las propiedades generadas se establece una estructura algebraica que puede ir desde la más sencilla que es un Grupo, hasta una de las más completas que es el Espacio Vectorial., espacios propios
5 Grupos Anillos Cuerpos Las estructuras algebraicas son conjuntos en los cuales se han de nido Operaciones entre elementos de los conjuntos., espacios propios
6 Grupos Anillos Cuerpos Grupos De nición de Grupo Un Grupo es un Conjunto G en el cual se ha de nido una operación + con las siguientes propiedades: 1 + es Asociativa: x + (y + z) = (x + y) + z 8x, y, z 2 G 2 Neutro: Existe el elemento neutro denotado 0 2 G tal que x + 0 = 0 + x = x 8x 2 G 3 Inverso: 8x 2 G existe el inverso de x, denotado x 0 2 G tal que x + x 0 = x 0 + x = 0, espacios propios
7 Grupos Anillos Cuerpos De nition Si además la operación es Conmutativa, es decir, 8x, y 2 G se cumple que x + y = y + x, entonces el Grupo se dice Conmutativo o Abeliano, espacios propios
8 Grupos Anillos Cuerpos Ejemplos: Los Enteros Z con la operación de suma son un grupo, espacios propios
9 Grupos Anillos Cuerpos Ejemplos: Los Enteros Z con la operación de suma son un grupo Los Números pares Z 2 con la operación de suma son un grupo, espacios propios
10 Grupos Anillos Cuerpos Ejemplos: Los Enteros Z con la operación de suma son un grupo Los Números pares Z 2 con la operación de suma son un grupo Los múltiplos de k 2 Z denotados Z k con también son un grupo con la operación suma., espacios propios
11 Grupos Anillos Cuerpos Ejemplos: Los Enteros Z con la operación de suma son un grupo Los Números pares Z 2 con la operación de suma son un grupo Los múltiplos de k 2 Z denotados Z k con también son un grupo con la operación suma. Los Enteros con la operación multiplicación no son un grupo, pues no se pueden de nir inversos., espacios propios
12 Grupos Anillos Cuerpos Ejemplos: Los Enteros Z con la operación de suma son un grupo Los Números pares Z 2 con la operación de suma son un grupo Los múltiplos de k 2 Z denotados Z k con también son un grupo con la operación suma. Los Enteros con la operación multiplicación no son un grupo, pues no se pueden de nir inversos. Los racionales Q f0g con la multiplicación sí forman un grupo, lo mismo pasa con R f0g, C f0g., espacios propios
13 Grupos Anillos Cuerpos Ejemplos: Los Enteros Z con la operación de suma son un grupo Los Números pares Z 2 con la operación de suma son un grupo Los múltiplos de k 2 Z denotados Z k con también son un grupo con la operación suma. Los Enteros con la operación multiplicación no son un grupo, pues no se pueden de nir inversos. Los racionales Q f0g con la multiplicación sí forman un grupo, lo mismo pasa con R f0g, C f0g. El conjunto de los polinomios de grado n con coe cientes reales, denotados R n [x] forman un grupo con la suma., espacios propios
14 Grupos Anillos Cuerpos Ejemplo El conjunto R nn de Matrices cuadradas invertibles forma un grupo no abeliano con la operación producto matricial., espacios propios
15 Grupos Anillos Cuerpos Ejemplo El conjunto R nn de Matrices cuadradas invertibles forma un grupo no abeliano con la operación producto matricial. [Z] k denota al conjunto de los enteros módulo k que son los residuos de dividir un entero entre el entero k, es decir, [Z] k = fz 2 Z jz=x mod k, para algún x 2 Zg es un grupo abeliano con la suma usual:, espacios propios
16 Grupos Anillos Cuerpos Ejemplo El conjunto R nn de Matrices cuadradas invertibles forma un grupo no abeliano con la operación producto matricial. [Z] k denota al conjunto de los enteros módulo k que son los residuos de dividir un entero entre el entero k, es decir, [Z] k = fz 2 Z jz=x mod k, para algún x 2 Zg es un grupo abeliano con la suma usual: Por ejemplo, [Z] 5 = f0, 1, 2, 3, 4g. En este conjunto por ejemplo 2+2=4, pero 2+3=0, espacios propios
17 Grupos Anillos Cuerpos Ejemplo: Una Función de un conjunto A en un conjunto B denotada f : A! B es una regla que asigna a cada elemento x 2 A uno y solo un elemento f (x) 2 B. Al conjunto A se le llama Dominio de la función y al conjunto B se le llama Rango o codominio. Al elemento f (x) se le llama imagen de x bajo f., espacios propios
18 Grupos Anillos Cuerpos Ejemplo: Una Función de un conjunto A en un conjunto B denotada f : A! B es una regla que asigna a cada elemento x 2 A uno y solo un elemento f (x) 2 B. Al conjunto A se le llama Dominio de la función y al conjunto B se le llama Rango o codominio. Al elemento f (x) se le llama imagen de x bajo f. Una Función se dice inyectiva o uno a uno si f (x 1 ) 6= f (x 2 ) 8 x 1 6= x 2., espacios propios
19 Grupos Anillos Cuerpos Ejemplo: Una Función de un conjunto A en un conjunto B denotada f : A! B es una regla que asigna a cada elemento x 2 A uno y solo un elemento f (x) 2 B. Al conjunto A se le llama Dominio de la función y al conjunto B se le llama Rango o codominio. Al elemento f (x) se le llama imagen de x bajo f. Una Función se dice inyectiva o uno a uno si f (x 1 ) 6= f (x 2 ) 8 x 1 6= x 2. Una función se dice suprayectiva o sobre si 8y 2 B existe x 2 A tal que y = f (x)., espacios propios
20 Grupos Anillos Cuerpos Ejemplo: Una Función de un conjunto A en un conjunto B denotada f : A! B es una regla que asigna a cada elemento x 2 A uno y solo un elemento f (x) 2 B. Al conjunto A se le llama Dominio de la función y al conjunto B se le llama Rango o codominio. Al elemento f (x) se le llama imagen de x bajo f. Una Función se dice inyectiva o uno a uno si f (x 1 ) 6= f (x 2 ) 8 x 1 6= x 2. Una función se dice suprayectiva o sobre si 8y 2 B existe x 2 A tal que y = f (x). Una función se dice biyectiva si es inyectiva y suprayectiva. También se dice que f de ne un isomor smo de A en B., espacios propios
21 Grupos Anillos Cuerpos Ejemplo: Una Función de un conjunto A en un conjunto B denotada f : A! B es una regla que asigna a cada elemento x 2 A uno y solo un elemento f (x) 2 B. Al conjunto A se le llama Dominio de la función y al conjunto B se le llama Rango o codominio. Al elemento f (x) se le llama imagen de x bajo f. Una Función se dice inyectiva o uno a uno si f (x 1 ) 6= f (x 2 ) 8 x 1 6= x 2. Una función se dice suprayectiva o sobre si 8y 2 B existe x 2 A tal que y = f (x). Una función se dice biyectiva si es inyectiva y suprayectiva. También se dice que f de ne un isomor smo de A en B. El conjunto de funciones biyectivas de variable real S R = ff : R! R, g con la operación (composición de funciones) forman un grupo abeliano., espacios propios
22 Grupos Anillos Cuerpos Tarea: 1) Cual es el elemento neutro para el grupo S R y cual para el grupo R 3 [x]? 2) Son las siguientes funciones de variable real inyectivas, suprayectivas o biyectivas? Cual es su Dominio y su Rango para cada una de ellas? Si alguna de ellas es biyectiva pertenece a S R por lo tanto tiene un inverso, encuentra el inverso. a) f (x) = sen(x) b) g(x) = x 2 c) h(x) = e x d) i(x) = x 3, espacios propios
23 Grupos Anillos Cuerpos Tarea: 3) Sea C un conjunto cualquiera y sea el conjunto de subconjuntos de C fs(c ) = S j S C g. Se de ne la operación llamada diferencia simétrica de conjuntos como: A B = (A [ B) (A \ B). Es S(C ) un grupo con esta operación? Es Abeliano?, Cual es el neutro si lo hay?, dado un A 2 S(C ), cual es el inverso de A? 4) Cuales son los elementos del conjunto [Z] 7? cuál es el neutro?, cuál es el inverso de cada uno de sus elementos?, espacios propios
24 Grupos Anillos Cuerpos Anillos De nición de Anillo Un Anillo es un conjunto R en el cual se han de nido dos operaciones: + y con las siguientes propiedades: 1 R es un grupo abeliano con la operación + 2 La operación es asociativa y tiene elemento neutro denotado 1. 3 La operación es Distributiva sobre la operación +, es decir, 8x, y, z 2 R: 4 x (y + z) = x y + x z y también (x + y) z = x z + y z. 5 Si además la operación es conmutativa se dice que R es un Anillo conmutativo, espacios propios
25 Grupos Anillos Cuerpos Ejemplos: Los conjuntos Z, Q, R, y C son Anillos conmutativos con las operaciones de suma y producto usuales., espacios propios
26 Grupos Anillos Cuerpos Ejemplos: Los conjuntos Z, Q, R, y C son Anillos conmutativos con las operaciones de suma y producto usuales. El conjunto Z k es un anillo conmutativo con las mismas operaciones., espacios propios
27 Grupos Anillos Cuerpos Ejemplos: Los conjuntos Z, Q, R, y C son Anillos conmutativos con las operaciones de suma y producto usuales. El conjunto Z k es un anillo conmutativo con las mismas operaciones. R n [x] también es un anillo con la suma y multiplicación de polinomios., espacios propios
28 Grupos Anillos Cuerpos Ejemplos: Los conjuntos Z, Q, R, y C son Anillos conmutativos con las operaciones de suma y producto usuales. El conjunto Z k es un anillo conmutativo con las mismas operaciones. R n [x] también es un anillo con la suma y multiplicación de polinomios. El conjunto de funciones continuas de variable real ff : R! R, g con la suma y producto usuales es un anillo conmutativo., espacios propios
29 Grupos Anillos Cuerpos Ejemplos: Los conjuntos Z, Q, R, y C son Anillos conmutativos con las operaciones de suma y producto usuales. El conjunto Z k es un anillo conmutativo con las mismas operaciones. R n [x] también es un anillo con la suma y multiplicación de polinomios. El conjunto de funciones continuas de variable real ff : R! R, g con la suma y producto usuales es un anillo conmutativo. El conjunto R nn de Matrices cuadradas forma un anillo no conmutativo con las operaciones de suma y producto matricial., espacios propios
30 Grupos Anillos Cuerpos Ejemplos: Los conjuntos Z, Q, R, y C son Anillos conmutativos con las operaciones de suma y producto usuales. El conjunto Z k es un anillo conmutativo con las mismas operaciones. R n [x] también es un anillo con la suma y multiplicación de polinomios. El conjunto de funciones continuas de variable real ff : R! R, g con la suma y producto usuales es un anillo conmutativo. El conjunto R nn de Matrices cuadradas forma un anillo no conmutativo con las operaciones de suma y producto matricial. El conjunto [Z] k de los enteros módulo k es un anillo conmutativo con la suma y producto usuales., espacios propios
31 Grupos Anillos Cuerpos Ejemplos En un anillo no necesariamente se cumple la ley de cancelación, es decir si x, y son elementos de un anillo y x y = 0, no necesariamente x = 0 o y = 0,, espacios propios
32 Grupos Anillos Cuerpos Ejemplos En un anillo no necesariamente se cumple la ley de cancelación, es decir si x, y son elementos de un anillo y x y = 0, no necesariamente x = 0 o y = 0, Por ejemplo en el anillo [Z] 4 = f0, 1, 2, 3, 4g, espacios propios
33 Grupos Anillos Cuerpos Ejemplos En un anillo no necesariamente se cumple la ley de cancelación, es decir si x, y son elementos de un anillo y x y = 0, no necesariamente x = 0 o y = 0, Por ejemplo en el anillo [Z] 4 = f0, 1, 2, 3, 4g en este conjunto, por ejemplo: 22=0, espacios propios
34 Grupos Anillos Cuerpos Ejemplos En un anillo no necesariamente se cumple la ley de cancelación, es decir si x, y son elementos de un anillo y x y = 0, no necesariamente x = 0 o y = 0, Por ejemplo en el anillo [Z] 4 = f0, 1, 2, 3, 4g en este conjunto, por ejemplo: 22=0 En el anillo de las matrices R 22, por ejemplo = , espacios propios
35 Grupos Anillos Cuerpos Tarea: 5) Es un anillo S(C ), el conjunto de subconjuntos de S con las operaciones y \? es conmutativo? Cual es el neutro de la operación \? 6) Para los anillos R 22 y [Z] 7 cuales son los neutros de la suma y del producto?, espacios propios
36 Grupos Anillos Cuerpos Campos De nition Un Cuerpo, también llamado Campo es un conjunto K con dos operaciones + y tales que K es una anillo conmutativo y además todo elemento de K, excepto el cero tiene inverso multiplicativo, Es decir: 1 K es un grupo abeliano con la operación + 2 K f0g es un grupo abeliano con la operación 3 Se cumple la propiedad distributiva de con respecto a +., espacios propios
37 Grupos Anillos Cuerpos Ejemplos Los conjuntos Q, R, y C son Cuerpos con las operaciones de suma y producto usuales. [Z] k es un cuerpo solamente si k es primo. Tarea: 7) Porqué [Z] 4 no es un cuerpo? 8) [Z] 7 sí es un cuerpo. Encuentra los inversos multiplicativos para cada elemento de este cuerpo., espacios propios
38 Introducción Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal De nición de Espacio Vectorial Sea K un cuerpo cuyos elementos llamaremos Escalares y sea V un conjunto cuyos elementos llamaremos Vectores. Sea + una operación en V llamada suma de vectores y sea una operación de K V en V denominada producto vector por escalar. V es un Espacio Vectorial sobre K si: 1 V es un grupo abeliano con la operación +. 2 La operación satisface las siguientes propiedades: 1 1 v = v 8v 2 V, donde 1 es el neutro multiplicativo en K 2 a (v + w) = a v + a w 8a 2 K, 8v, w 2 V 3 (a + b) v = a v + b v 8a, b 2 K, 8v 2 V 4 (ab) v = a (b v) 8a, b 2 K, 8v 2 V, espacios propios
39 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Observación Obsérvese que en un espacio vectorial NO está de nido el producto de vectores., espacios propios
40 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Para averiguar si un conjunto dado es un espacio vectorial se deben checar las 7 propiedades anteriores, es decir, las tres propiedades de la suma de vectores (+) y las cuatro del producto por escalar (). En los siguientes ejemplos de espacios vectoriales se cumplen punto por punto cada una de ellas., espacios propios
41 Ejemplos de Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal R es un espacio vectorial sobre sí mismo con la suma y producto usuales., espacios propios
42 Ejemplos de Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal R es un espacio vectorial sobre sí mismo con la suma y producto usuales. C es un espacio vectorial sobre R con la suma de números complejos usual y el producto real por complejo., espacios propios
43 Ejemplos de Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal R es un espacio vectorial sobre sí mismo con la suma y producto usuales. C es un espacio vectorial sobre R con la suma de números complejos usual y el producto real por complejo. El conjunto R 1n de los vectores renglón con componentes reales, es decir R 1n = f[x 1, x 2,..., x n ] j x 1, x 2,..., x n 2 Rg así como el conjunto R n1 de los vectores columna con componentes reales son espacios vectoriales con las operaciones de suma de vectores y producto por escalar usuales., espacios propios
44 Ejemplos de Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal R es un espacio vectorial sobre sí mismo con la suma y producto usuales. C es un espacio vectorial sobre R con la suma de números complejos usual y el producto real por complejo. El conjunto R 1n de los vectores renglón con componentes reales, es decir R 1n = f[x 1, x 2,..., x n ] j x 1, x 2,..., x n 2 Rg así como el conjunto R n1 de los vectores columna con componentes reales son espacios vectoriales con las operaciones de suma de vectores y producto por escalar usuales. El conjunto R nm de las matrices de n renglones por m columnas con componentes reales es un espacio vectorial con las operaciones usuales de suma de matrices y producto por escalar., espacios propios
45 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal En forma similar C nm el conjunto de matrices con componentes complejas es un espacio vectorial sobre el cuerpo C, aunque también lo es sobre R., espacios propios
46 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal En forma similar C nm el conjunto de matrices con componentes complejas es un espacio vectorial sobre el cuerpo C, aunque también lo es sobre R. El conjunto de los polinomios de grado n con coe cientes reales R n [x] son un espacio vectorial con la suma de polinomios y el producto escalar por polinomio., espacios propios
47 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal En forma similar C nm el conjunto de matrices con componentes complejas es un espacio vectorial sobre el cuerpo C, aunque también lo es sobre R. El conjunto de los polinomios de grado n con coe cientes reales R n [x] son un espacio vectorial con la suma de polinomios y el producto escalar por polinomio. El conjunto de las funciones de variable real ff : R! Rg con la suma de funciones de nida como (f + g)(x) = f (x) + g(x) 8x 2 R. y el producto por escalar: (k f ) (x) = kf (x) 8x 2 R., espacios propios
48 Subespacios Introducción Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal De nition Un subconjunto W de un espacio vectorial V sobre el cuerpo K se dice Subespacio del espacio vectorial V si W es en sí mismo un espacio vectorial sobre K, espacios propios
49 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Para veri car si W V es un subespacio del espacio vectorial V sobre K, no es necesario checar las 7 propiedades anteriores, basta solamente con checar las siguientes 3 propiedades: 1 El vector 0 está en W. 2 Si x, y 2 W entonces x + y 2 W 3 Si k 2 K y v 2 W entonces k v 2 W Observación: las propiedades 2 y 3 se pueden reemplazar por: Si x, y 2 W, k 2 R 2 entonces x + ky 2 W, espacios propios
50 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplos Dado un Espacio vectorial V el subconjunto f0g formado exclusivamente por el vector 0 y el propio V son siempre subespacios, por ello se denominan los subespacios triviales de V., espacios propios
51 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplos Dado un Espacio vectorial V el subconjunto f0g formado exclusivamente por el vector 0 y el propio V son siempre subespacios, por ello se denominan los subespacios triviales de V. Sea el espacio vectorial R 2 qué vectores debe contener W R 2 para ser un subespacio no trivial de R 2?, espacios propios
52 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplos Dado un Espacio vectorial V el subconjunto f0g formado exclusivamente por el vector 0 y el propio V son siempre subespacios, por ello se denominan los subespacios triviales de V. Sea el espacio vectorial R 2 qué vectores debe contener W R 2 para ser un subespacio no trivial de R 2? Sea x = [x 1 x 2 ] 6= 0 2 W, por la propiedad 3 kx = [kx 1 kx 2 ] 8k 2 R 2 también debe estar en W por lo tanto W es toda la recta que pasa por el origen en dirección x., espacios propios
53 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Subespacio vectorial W R 2 x 2 x kx x 1 W, espacios propios
54 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Veri car que el conjunto W = f[x 1, x 2 ] j x 1 = 2x 2 g es un subespacio de R 2., espacios propios
55 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Veri car que el conjunto W = f[x 1, x 2 ] j x 1 = 2x 2 g es un subespacio de R 2. La propiedad 1 se cumple, pues el vector cero se puede escribir como 0 = [2(0), 0] 2 W., espacios propios
56 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Veri car que el conjunto W = f[x 1, x 2 ] j x 1 = 2x 2 g es un subespacio de R 2. La propiedad 1 se cumple, pues el vector cero se puede escribir como 0 = [2(0), 0] 2 W. Sean x, y 2 W, es decir, x = [2x 2, x 2 ], y = [2y 2, y 2 ]. Las propiedades 2 y 3 se cumplen, pues z = x + ky = [2z, z], donde z = x 2 + ky 2, espacios propios
57 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Veri car que el conjunto W = f[x 1, x 2 ] j x 1 = 2x 2 g es un subespacio de R 2. La propiedad 1 se cumple, pues el vector cero se puede escribir como 0 = [2(0), 0] 2 W. Sean x, y 2 W, es decir, x = [2x 2, x 2 ], y = [2y 2, y 2 ]. Las propiedades 2 y 3 se cumplen, pues z = x + ky = [2z, z], donde z = x 2 + ky 2 De hecho, W es el conjunto de puntos de la recta que pasa por el origen x 1 = 2x 2, espacios propios
58 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Tarea: 9.- Cual de los siguientes subconjuntos de R 2 es un subespacio de R 2?. En caso de ser subespacio, gra ca la recta que de ne. W 1 = f[x 1, x 2 ] j x 1 = 0g W 2 = f[x 1, x 2 ] j x 1 = x 2 g W 3 = f[x 1, x 2 ] j x 1 = 1 + x 2 g 10.- Veri car las tres propiedades de los subespacios en R 3 para el subconjunto W 4 = f[x 1, x 2, x 3 ] j x 1 = x 2 g. Qué tipo de región de ne en el espacio tridimensional R 3? 11.- Veri car que R 2 [x] se comporta como un subespacio de R 3 [x] checando las tres propiedades., espacios propios
59 Generadores de subespacios: Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Dado un vector no nulo x 2 V siempre podemos generar un subespacio de V formado por todos los múltiplos de x la siguiente manera: W = fkx j k 2 K g. En R n W corresponde a la recta que pasa por el origen en dirección de x. Al subespacio anterior se le llama subespacio de V generado por x y se denota W = spanfxg., espacios propios
60 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal La idea anterior se puede generalizar a cualquier conjunto de vectores: Así, por ejemplo en R 3, el subespacio generado por v 1, v 2 2 R 3 sería el plano que contiene al origen y a ambos vectores, es decir, es el conjunto de vectores de la forma k 1 v 1 + k 2 v 2 donde k 1, k 2 2 R. De nition En general, si fv 1, v 2,..., v n g son vectores de un espacio V sobre el campo K entonces spanfv 1, v 2,..., v n g = fk 1 v 1 + k 2 v k n v n j k 1, k 2,..., k n 2 K g, espacios propios
61 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplos: En R 2 : 1 span es la recta con pendiente unitaria que pasa por 1 el origen, espacios propios
62 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplos: En R 2 : 1 span es la recta con pendiente unitaria que pasa por 1 el origen span,, es todo el espacio R , espacios propios
63 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplos: En R 2 : 1 span es la recta con pendiente unitaria que pasa por 1 el origen span,, es todo el espacio R En R 3 :, espacios propios
64 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplos: En R 2 : 1 span es la recta con pendiente unitaria que pasa por 1 el origen span,, es todo el espacio R En R 8 3 : 2 < span 4 : (1,1,1) = 5 es la recta que pasa por el origen y el punto ;, espacios propios
65 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal En R 3 : 82 < Sea W = span 4 : , = 5. W es el plano que ; contiene los primeros dos ejes cartesianos pues cualquier vector x en ese plano se puede escribir como:, espacios propios
66 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal En R 3 : 82 < Sea W = span 4 : , = 5. W es el plano que ; contiene los primeros dos ejes cartesianos pues cualquier vector x en ese plano se puede escribir como: x x = 4 x 2 5 = x x , espacios propios
67 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal x 3 82 < W = span 4 : , = 5 ; x 1 x W x 2, espacios propios
68 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Tarea: 12.- A 82que 3plano 2 en3 R2 3 corresponde 39 el subespacio < = span 4 0 5, 4 1 5, 4 1 5? Escribe un vector cualquiera en : ; ese plano como una combinación lineal de estos tres vectores, espacios propios
69 Independencia Lineal Introducción Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal El conjunto de vectores fv 1, v 2,..., v n g V se dice Linealmente Independiente si la combinación lineal k 1 v 1 + k 2 v k n v n es el vector cero solamente en el caso trivial, es decir, solo cuando k 1 = k 2 =... = k n = 0. De lo contrario el conjunto se dice Linealmente Dependiente, o simplemente Dependiente., espacios propios
70 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplos: Sean dos vectores v 1, v 2 2 R 2 formemos la combinación lineal k 1 v 1 + k 2 v 2 = 0. Si son dependientes podemos suponer por ejemplo que k 1 6= 0; entonces v 1 = kv 2, donde k = k 2 k 1. Es decir, uno es múltiplo del otro, o lo que es lo mismo: ambos están sobre la misma recta que pasa por el origen., espacios propios
71 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplos: Sean dos vectores v 1, v 2 2 R 2 formemos la combinación lineal k 1 v 1 + k 2 v 2 = 0. Si son dependientes podemos suponer por ejemplo que k 1 6= 0; entonces v 1 = kv 2, donde k = k 2 k 1. Es decir, uno es múltiplo del otro, o lo que es lo mismo: ambos están sobre la misma recta que pasa por el origen. x 2 v 2 v 1 =kv 2 x 1, espacios propios
72 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Sean tres vectores v 1, v 2, v 3 2 R 3 formemos la combinación lineal k 1 v 1 + k 2 v 2 + k 3 v 3 = 0. Si son dependientes podemos suponer por ejemplo que k 1 6= 0; entonces v 1 = k 2 k k 1 v 3 2 k 1 v 3. Es decir,v 1 2 spanfv 2, v 3 g, o bien, los tres están sobre el mismo plano que contiene al origen., espacios propios
73 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Sean tres vectores v 1, v 2, v 3 2 R 3 formemos la combinación lineal k 1 v 1 + k 2 v 2 + k 3 v 3 = 0. Si son dependientes podemos suponer por ejemplo que k 1 6= 0; entonces v 1 = k 2 k k 1 v 3 2 k 1 v 3. Es decir,v 1 2 spanfv 2, v 3 g, o bien, los tres están sobre el mismo plano que contiene al origen. x 3 x 2 v 1 x 1 span{v 2,v 3 }, espacios propios
74 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: La manera más e ciente de averiguar si un conjunto de vectores fv 1, v 2,..., v k g en R n es linealmente independiente es tomarlos como las de una matriz y averiguar el rango de la matriz con el proceso de eliminación gaussiana., espacios propios
75 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: La manera más e ciente de averiguar si un conjunto de vectores fv 1, v 2,..., v k g en R n es linealmente independiente es tomarlos como las de una matriz y averiguar el rango de la matriz con el proceso de eliminación gaussiana. Por ejemplo, 2 3consideremos el3siguiente conjunto de vectores en R , 4 5 5, , espacios propios
76 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal 2 Formamos la matriz A = operaciones 2 elementales 3 por 2 la A , y aplicamos 3 5, espacios propios
77 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal 2 Formamos la matriz A = operaciones 2 elementales 3 por 2 la A , y aplicamos Por lo tanto, rank(a) = 2 ) Solo dos las de A son Linealmente independientes. 3 5, espacios propios
78 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Tarea: 13.- Averiguar si los vectores , , son Linealmente independientes 14.- En R 2, hallar un vector linealmente independiente al vector En R2 3, hallar 3 un 2 vector 3 linealmente independiente a los 1 1 vectores 4 1 5, , espacios propios
79 Bases y Dimensión Introducción Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Base de un espacio vectorial El conjunto nito fv 1, v 2,..., v n g V se dice que es una Base del espacio vectorial V si: 1 V = spanfv 1, v 2,..., v n g 2 fv 1, v 2,..., v n g es Linealmente Independiente., espacios propios
80 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Observación: El número de vectores de cualquier base de un espacio vectorial es el mismo. De nition Al número de vectores de una base cualquiera de un espacio vectorial se le llama la dimensión del espacio y si este número es nito, se dice que el espacio es de dimensión nita., espacios propios
81 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplos: La base de R n formada 82 por 3 los 2 vectores 3 unitarios >< fe 1, e 2,..., e n g = >:, ,..., 6 0 >= se le llama la >; base canónica de R n. de acuerdo a lo anterior, la dimensión de R n es n., espacios propios
82 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: La base canónica de los polinomios R n [x] es f1, x, x 2,..., x n g : Es evidente que cualquier polinomio se puede escribir como una combinación lineal de elementos de esta base y además es L.I., pues k 0 + k 1 x + k 2 x k n x n es el polinomio nulo solamente si k 0 = k 1 =... = k n = 0., espacios propios
83 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Cual de los siguientes conjuntos de vectores es una base de R 2?, espacios propios
84 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Cual de los siguientes conjuntos de vectores es una base de R 2? 1 1 a),. No son una base porque son L. D. (solo 1 1 generan la recta a 45 o que pasa por el origen), espacios propios
85 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Cual de los siguientes conjuntos de vectores es una base de R 2? 1 1 a),. No son una base porque son L. D. (solo 1 1 generan la recta a 45 o que pasa por el origen) b),,. No son una base pues son 3 vectores y la dimensión de R 2 es 2. (Generan a R 2 pero son L. D.), espacios propios
86 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal 82 < 16.- Veri car que el conjunto 4 : , , = 5 es una ; base de R Veri car que el conjunto f1, 1 + x, 1 + x + x 2 g es una base de R 2 [x], espacios propios
87 Subespacios asociados con matrices Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Dada una matriz A 2 R mn Existen 4 subespacios asociados a ella: El Espacio Fila de A (R A T): es el subespacio de R 1n generado por las las de A. El Espacio Columna de A (R A ): es el subespacio de R m1 generado por las columnas de A. El Núcleo o Espacio Nulo de A (N A ): es el subespacio de R n1 que consta de los vectores x 2 R n1 tales que Ax = 0. El Espacio Nulo Izquierdo de A (N A T): es el subespacio de R m1 que consta de los vectores x 2 R m1 tales que x T A = 0, o bien, A T x = 0., espacios propios
88 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal El espacio la de una matriz A se puede escribir como los vectores la y T 2 R 1n tales que y T = x T A, ya que este producto es una combinación lineal de las de A El espacio columna de una matriz A se puede escribir como los vectores columna y 2 R m1 tales que y = Ax, ya que este producto es una combinación lineal de columnas de A, espacios propios
89 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Escribir el producto Ax como 2 una 3 combinación 2 lineal 3 de x columnas de A, con x = 4 x 2 5, A = =) x x 1 + x 3 Ax = 4 x 2 + 2x 3 5 x 1 + x 3, espacios propios
90 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Escribir el producto Ax como 2 una 3 combinación 2 lineal 3 de x columnas de A, con x = 4 x 2 5, A = =) x Ax = 4 x 1 + x 3 x 2 + 2x 3 x 1 + x es decir, Ax = x x x , espacios propios
91 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Escribir el producto Ax como 2 una 3 combinación 2 lineal 3 de x columnas de A, con x = 4 x 2 5, A = =) x Ax = 4 x 1 + x 3 x 2 + 2x 3 x 1 + x es decir, Ax = x x x 3 4 es decir, Ax de ne el espacio generado por las columnas de A , espacios propios
92 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Encontrar una base del Espacio columna y del espacio nulo de la matriz del ejemplo anterior., espacios propios
93 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Encontrar una base del Espacio columna y del espacio nulo de la matriz del ejemplo anterior < = Solución: R A = span 4 0 5, 4 1 5, : ; 1 0 1, espacios propios
94 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Ejemplo: Encontrar una base del Espacio columna y del espacio nulo de la matriz del ejemplo anterior < = Solución: R A = span 4 0 5, 4 1 5, : ; Pero 82como3 sólo 2 dos 39columnas son L.I., por lo tanto, la base < 1 0 = es: 4 0 5, : ; 1 0, espacios propios
95 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Para 2 N A formamos 3 2 3el sistema 2 3Ax = 0: x x 2 5 = x 3 0, espacios propios
96 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Para 2 N A formamos 3 2 3el sistema 2 3Ax = 0: x x 2 5 = x 3 0 Que 2 en la forma 3 2 reducida 3 2por 3 las es: x x 2 5 = x 3 0, espacios propios
97 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Obtenemos: 82 x 1 = 3 x 3, x 2 = 9 2x 3, x 3 arbitrario, es decir, < x 3 = N A = 4 2x 3 5 j x : 3 2 R ;, x 3, espacios propios
98 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Obtenemos: 82 x 1 = 3 x 3, x 2 = 9 2x 3, x 3 arbitrario, es decir, < x 3 = N A = 4 2x 3 5 j x : 3 2 R ;, x es decir, N A es la recta generada por el vector 4 2 5, el 1 cual es la base buscada., espacios propios
99 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Tarea: Para la matriz A = , y el vector x = 4 escribir el producto x T A como una combinación lineal de las las de A Encontrar una base para el espacio la de A y una base para el espacio nulo izquierdo de A. x 1 x 2 x 3 3 5,, espacios propios
100 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Teorema fundamental del Algebra Lineal: Para cualquier matriz A 2 R mn se cumple lo siguiente: 1 rango de A = M dimensión de R A T = dimensión de R A T = r 2 dimensión de N A T = m r 3 dimensión de N A = n r, espacios propios
101 Subespacios Generación de subespacios. Independencia Lineal Bases y Dimensión Subespacios asociados a matrices Teorema Fundamental del Algebra Lineal Tarea: 20.- Veri car el teorema fundamental del álgebra lineal para la matriz A = , espacios propios
102 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At El problema de valores y vectores propios, también llamados valores y vectores característicos, eigen-valores y eigen-vectores, o autovalores y autovectores surge en diversos campos de aplicación del álgebra lineal, tales como: - Ecuaciones diferenciales - Estabilidad de sistemas lineales - Sistemas eléctricos (componentes simétricas) - Polos y ceros de funciones transferencia - Diagonalización de matrices, espacios propios
103 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At De nition Sea A 2 R nn una matriz cuadrada, se dice que el vector no nulo x 2 R n es un vector propio de A correspondiente al escalar λ llamado valor propio si se cumple que Ax = λx, espacios propios
104 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Observación: Para un vector x en general el producto Ax es otro vector con dirección completamente diferente a x, sin embargo, la de nición de vector propio pide que Ax vaya en la misma dirección de x: x 2 Ax λx x x 1, espacios propios
105 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At En otras palabras, de existir dichos vectores propios, serán aquellos vectores x a los que A no les cambia de dirección al premultiplicarlos., espacios propios
106 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At De la de nición, para que x sea un vector propio de A correspondiente al valor propio λ se requiere que Ax = λx Es decir, x debe satisfacer la ecuación: (λi A)x = 0 En otras palabras, x pertenece al Espacio Nulo de (λi A), espacios propios
107 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At De esta manera el problema de encontrar los valores y vectores propios de A se convierte en el problema de encontrar el espacio nulo de la matriz cuadrada (λi A). Como el espacio nulo de una matriz es un subespacio de R n al espacio nulo de (λi A) se le llama el subespacio propio de A y está formado por puros vectores propios de A., espacios propios
108 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Si la dimensión del espacio nulo de (λi A) es cero el único vector que contiene dicho espacio es el vector cero, el cual por de nición no es un vector propio. Por lo tanto, para que exista algún vector propio de A se requiere que la dimensión del espacio nulo de (λi A) sea diferente de cero, es decir, que la ecuación (λi A)x = 0 tenga una solución no nula, o bien, det(λi A) = 0, espacios propios
109 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At De nition Al determinante det(λi A) se le llama polinomio característico de A y a la ecuación det(λi A) = 0 se le llama ecuación característica de la matriz A. Dada una matriz A de n n, su polinomio característico es de grado n, la ecuación característica deberá tener hasta n soluciones para λ, es decir, habrá hasta n valores propios para cualquier matriz A de n n. Obsérvese que los valores propios pueden ser reales o complejos., espacios propios
110 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Calcular los valores propios de la matriz A = Solución: , espacios propios
111 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Calcular los valores propios de la matriz A = Solución: La ecuación característica es , espacios propios
112 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Calcular los valores propios de la matriz A = Solución: La ecuación característica es λ 4 5 det = 0 2 λ , espacios propios
113 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Calcular los valores propios de la matriz A = Solución: La ecuación característica es λ 4 5 det = 0 2 λ + 3 es decir, λ 2 λ 2 = (λ + 1)(λ 2) = , espacios propios
114 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Calcular los valores propios de la matriz A = Solución: La ecuación característica es λ 4 5 det = 0 2 λ + 3 es decir, λ 2 λ 2 = (λ + 1)(λ 2) = de donde obtenemos dos valores propios: λ 1 = 1, λ 2 = 2., espacios propios
115 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Los vectores propios para la matriz anterior se pueden obtener como sigue:, espacios propios
116 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Los vectores propios para la matriz anterior se pueden obtener como sigue: Para λ 1 = 1 el sistema (λ 1 I A)x = 0 queda, espacios propios
117 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Los vectores propios para la matriz anterior se pueden obtener como sigue: Para λ 1 = 1 el sistema (λ 1 I A)x = 0 queda 5 5 x1 0 = x 2, espacios propios
118 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Los vectores propios para la matriz anterior se pueden obtener como sigue: Para λ 1 = 1 el sistema (λ 1 I A)x = 0 queda 5 5 x1 0 = x 2 de donde los vectores propios tienen la forma k 1 1 T, espacios propios
119 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Los vectores propios para la matriz anterior se pueden obtener como sigue: Para λ 1 = 1 el sistema (λ 1 I A)x = 0 queda 5 5 x1 0 = x 2 de donde los vectores propios tienen la forma k 1 Para λ 2 = 2 el sistema (λ 1 I A)x = 0 queda 1 T, espacios propios
120 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Los vectores propios para la matriz anterior se pueden obtener como sigue: Para λ 1 = 1 el sistema (λ 1 I A)x = 0 queda 5 5 x1 0 = x 2 de donde los vectores propios tienen la forma k 1 Para λ 2 = 2 el sistema (λ 1 I 2 5 x1 0 = x 2 A)x = 0 queda 1 T, espacios propios
121 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Ejemplo: Los vectores propios para la matriz anterior se pueden obtener como sigue: Para λ 1 = 1 el sistema (λ 1 I A)x = 0 queda 5 5 x1 0 = x 2 de donde los vectores propios tienen la forma k 1 Para λ 2 = 2 el sistema (λ 1 I 2 5 x1 0 = x 2 A)x = 0 queda de donde los vectores propios tienen la forma k 5 1 T 2 T, espacios propios
122 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Observación: como los vectores propios correspondientes a un valor propio dado no son únicos, se acostumbra obtener los vectores propios unitarios. Para el ejemplo anterior el vector propio unitario correspondiente al 1 valor propio λ 1 = 1 es p2 1, mientras que para el valor 1 1 propio λ 2, es p , espacios propios
123 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At La suma de los n valores propios de la matriz A es igual a su traza: traza(a) = λ 1 + λ λ n El producto de los n valores propios de la matriz A es igual a su determinante: det(a) = λ 1 λ 2...λ n. Una consecuencia inmediata de esta propiedad es que det(a) = 0 si y solo si algún valor propio de A es cero. Los valores propios de una matriz triangular (superior o inferior) son los valores de su diagonal., espacios propios
124 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Tarea: 21.- Calcula los valores propios y vectores propios unitarios 0 1 correspondientes para la matriz A =. Veri ca las dos 2 3 primeras propiedades anteriores., espacios propios
125 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Diagonalización De nition Dada una matriz cuadrada A, y una matriz invertible T, a la operación T 1 AT se le llama transformación de similaridad y a la matriz B = T 1 AT se le llama matriz similar a la matriz A, espacios propios
126 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At La relación de similaridad entre dos matrices se dice que es una relación de equivalencia y cumple con las siguientes propiedades: 1 Propiedad re exiva: Una matriz A es similar a sí misma. 2 Propiedad simétrica: si A es similar a B entonces B es similar a A. 3 Propiedad transitiva: Si A es similar a B y B es similar a C, entonces A es similar a C. Otros ejemplos de relaciones de equivalencia son: La igualdad numérica, la semejanza de triángulos, el paralelismo entre líneas rectas, etc., espacios propios
127 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Tarea: 22.- Veri car las tres propiedades para la relación de similaridad entre matrices de nida como: A similar a B si B = T 1 AT 23.- Dar otro ejemplo de relación de equivalencia., espacios propios
128 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Otras propiedades: Las siguientes características de una matriz A no se alteran bajo una transformación de similaridad: el determinante la traza los valores y vectores propios, espacios propios
129 Diagonalización Solución de ecuaciones diferenciales lineales Cálculo de la matriz exponencial e At Tarea: Para las matrices A = y T = calcula B = T 1 AT. Veri ca las propiedades anteriores para A y B., espacios propios
520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesIntroducción a los espacios vectoriales
1 / 64 Introducción a los espacios vectoriales Pablo Olaso Redondo Informática Universidad Francisco de Vitoria November 19, 2015 2 / 64 Espacios vectoriales 1 Las 10 propiedades de un espacio vectorial
Más detallesAutovalores 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 detallesUn subconjunto no vacío H de un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura:
4 Subespacios 29 b) x 5 [25;5], 5 [;24], z 5 [4;4] Use a 5 2, a 5 / a 5 2 / 2 c) Su propia elección de x,, z /o a 2 a) Elija algunos valores para n m genere tres matrices aleatorias de n m, llamadas X,
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 detallesTrabajo Práctico N 5: ESPACIOS VECTORIALES
Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio 1: Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesDEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES
ALGEBRA DE MATRICES DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES DEFINICIONES 2 Las matrices y los determinantes son herramientas
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 detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesTrabajo Práctico N 5: ESPACIOS VECTORIALES. Ejercicio 1:
6 Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio : Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique
Más detallesMatrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =
Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente
Más detallesEspacios vectoriales
Espacios vectoriales [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación
Más detallesTema 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 detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesÁlgebra Lineal V: Subespacios Vectoriales.
Álgebra Lineal V: Subespacios Vectoriales. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx
Más detallesDefinición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.
UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.
Más detallesCONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero
Fundamento Científico del Currículum de Matemáticas en Enseñanza Secundaria CONCEPTOS BÁSICOS DE ESPACIOS VECTORIALES Alumno. Cristina Mª Méndez Suero ESPACIOS VECTORIALES DEFINICIÓN... 1 PROPIEDADES DE
Más detallesUna operación interna: Suma Una operación externa: Multiplicación por un escalar
El conjunto R n Es el conjunto de las n-adas formadas por el producto cartesiano RRR.R, donde R es el conjunto de los números reales. Así pues, dos elementos X y Y de R n serán iguales si y solo si tienen
Más detalles1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS
1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes
Más detallesALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República
ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto
Más detallesTema 2: Espacios Vectoriales
Tema 2: Espacios Vectoriales José M. Salazar Octubre de 2016 Tema 2: Espacios Vectoriales Lección 2. Espacios vectoriales. Subespacios vectoriales. Bases. Lección 3. Coordenadas respecto de una base. Ecuaciones.
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 detallesMATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).
1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesde la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).
INTRODUCCIÓN. MATRICES Y DETERMINANTES 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.
Más detallesLEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS
LEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS Sea una estructura formada por un conjunto A, sobre cuyos elementos se ha definido una operación o ley interna, comúnmente denotada por " * ", que
Más detallesUna matriz es un arreglo rectangular de elementos. Por ejemplo:
1 MATRICES CONCEPTOS BÁSICOS Definición: Matriz Una matriz es un arreglo rectangular de elementos. Por ejemplo: es una matriz de 3 x 2 (que se lee 3 por 2 ) pues es un arreglo rectangular de números con
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesTema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.
Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz
Más detallesFunción inversa. ExMa-MA0125 W. Poveda 1
Función inversa. ExMa-MA01 W. Poveda 1 Objetivos. Interpretar y aplicar los conceptos de función inyectiva, función sobreyectiva función biyectiva, función invertible Función Inyectiva De nición. Sea una
Más detallesDefinición 1 Un semigrupo es un conjunto E provisto de una operación binaria asociativa sobre E, se denota por (E, ).
ALGEBRA La primera parte del presente libro está dedicada a las estructuras algebraicas. En esta parte vamos a iniciar agregándole a los conjuntos operaciones. Cuando las operaciones tienen determinadas
Más detallesÁlgebra Lineal IV: Espacios Vectoriales.
Álgebra Lineal IV: Espacios Vectoriales José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detallesCapítulo 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 detalles1 ÁLGEBRA DE MATRICES
1 ÁLGEBRA DE MATRICES 1.1 DEFINICIONES Las matrices son tablas numéricas rectangulares. Se dice que una matriz es de dimensión m n si tiene m filas y n columnas. Cada elemento de una matriz se designa
Más detallesEspacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1
Espacios Vectoriales 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Espacios Vectoriales... 4 1.1 Definición de espacio vectorial... 4 1.2 Definición de subespacio vectorial...
Más detallesEs trivial generalizar la definición al caso de varios conjuntos: A B C, etc.
Tema 1 Espacios Vectoriales 1.1 Introducción Estas notas están elaboradas pensando simplemente en facilitar al estudiante una guía para el estudio de la asignatura, y en consecuencia se caracterizan por
Más detallesCURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
CONCEPTO MATRICES Se llama matriz de orden (dimensión) m n a un conjunto de m n elementos dispuestos en m filas y n columnas Se representa por A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn j=1,2,,n
Más detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más detallesMatrices, Determinantes y Sistemas Lineales.
12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión
Más detalles1 0 4/ 5 13/
1 1 1 7 1 0 4/ 5 13/ 5 R1 R 1+1/5R3 0 0 0 2 R2 R3 0 5 9 22 0 5 9 22 0 0 0 2 Como la matriz tiene un renglón (0, 0, 0, 2) indica que el sistema no tiene solución ya que no existe un número que sea 2 y al
Más detallesEspacios Vectoriales. Tema Introducción. 1.2 Repaso de Estructuras Algebraicas
Tema 1 Espacios Vectoriales 1.1 Introducción Estas notas se han escrito con el ánimo de facilitar al estudiante una guía para el estudio de la asignatura, y no como un libro de texto o manual de Álgebra
Más detallesTema 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso
Tema 4: Matrices y Determinantes Algunas Notas sobre Matrices y Determinantes Álgebra Lineal Curso 2004-2005 Prof. Manu Vega Índice 1. Determinantes 3 2. Regla de Sarrus 3 3. Propiedades de los determinantes
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detallesAlgebra Lineal Tarea No 22: Valores y vectores propios Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No : Valores y vectores propios a algunos problemas de la tarea (al 9 de junio de 04. Para la matriz A A Indique cuáles vectores son vectores propios: ( ( ( v, v, v 3 3 Recordemos
Más detallesObjetivos formativos de Álgebra
Objetivos formativos de Álgebra Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera como objetivo
Más detallesUNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS
UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.
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 detallesAlgebra Lineal XIX: Rango de una Matriz y Matriz Inversa.
Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email:
Más detallesMATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES
CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno
Más detallesBase y Dimensión de un Espacio Vectorial
Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un
Más detallesÁlgebra Lineal VII: Independencia Lineal.
Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detallesCapítulo 7. Espacios vectoriales. 7.1 Definición y ejemplos
Capítulo Espacios vectoriales.1 Definición y ejemplos Un espacio vectorial sobre un cuerpo K (que supondremos conmutativo es un conjunto no vacío junto con 1. una operación interna, +, a la que llamaremos
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina
Más detallesÁlgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes
Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción
Más detallesESPACIOS VECTORIALES
MATEMÁTICA I - - Capítulo 8 ------------------------------------------------------------------------------------ ESPACIOS VECTORIALES.. Espacios Vectoriales y Subespacios... Definición. Un espacio vectorial
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detalles1.2 Si a y b son enteros impares, entonces a + b es par. 1.4 Si el producto de enteros a y b es par, entonces alguno de ellos es par.
Sesión 1 Demostraciones Demostración directa 1.1 Si n es un número entero impar, entonces n 2 es impar. 1.2 Si a y b son enteros impares, entonces a + b es par. Demostración indirecta 1.3 Si n 2 es par,
Más detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detallesEs decir, det A = producto de diagonal principal producto de diagonal secundaria. Determinante de una matriz cuadrada de orden 3
1.- DETERMINANTE DE UNA MATRIZ CUADRADA Determinante de una matriz cuadrada de orden 1 Dada una matriz cuadrada de orden 1, A = (a), se define det A = det (a) = a Determinante de una matriz cuadrada de
Más detallesMATRICES. Rango de una matriz. Matriz Inversa. Determinante de una matriz cuadrada. Sistemas de Ecuaciones Lineales. Nociones de espacios vectoriales
MATRICES Rango de una matriz Matriz Inversa Determinante de una matriz cuadrada Sistemas de Ecuaciones Lineales Nociones de espacios vectoriales MATRICES -DEFINICIÓN DE MATRIZ. -ALGUNOS TIPOS DE MATRICES.
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 detallesTema 1: MATRICES. OPERACIONES CON MATRICES
Tema 1: MATRICES. OPERACIONES CON MATRICES 1. DEFINICIÓN Y TIPO DE MATRICES DEFINICIÓN. Una matriz es un conjunto de números reales dispuestos en filas y columnas. Si en ese conjunto hay m n números escritos
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que
Más detallesProblemas de exámenes de Aplicaciones Lineales y Matrices
1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector
Más detallesDescomposición en forma canónica de Jordan (Segunda versión)
Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin
Más detallesEspacios vectoriales. Capítulo Espacios vectoriales y subespacios Preliminares
Capítulo 1 Espacios vectoriales En diversos conjuntos conocidos, por ejemplo los de vectores en el plano o en el espacio (R 2 y R 3 ), o también el de los polinomios (R[X]), sabemos sumar sus elementos
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 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 detallesDefinición 1. Dado un conjunto C una aplicación definida por : C C C
ESTRUCTURAS ALGEBRAICAS. En matemáticas aparecen distintos conjuntos cuyos elementos podemos operar de alguna manera. Los conjuntos de números usuales: N, Z, Q, y R son unos ejemplos claros. Otros ejemplos
Más detallesEjercicios del Tema 2: Estructuras algebraicas básicas
Ejercicios del Tema 2: Estructuras algebraicas básicas En los ejercicios 1, 2, 8 y 9 se utilizará que si G = {g 1,...,g n } es un conjunto finito y * una operación interna definida en G, podemos utilizar
Más detallesMatrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1
Matrices José Vicente Romero Bauset ETSIT-curso 2009/2010 José Vicente Romero Bauset Tema 1- Matrices 1 Introducción Por qué estudiar las matrices? Son muchas las situaciones de la vida real en las que
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 detallesACTIVIDADES SELECTIVIDAD MATRICES
ACTIVIDADES SELECTIVIDAD MATRICES Ejercicio 1 Para qué valores de m tiene solución la ecuación matricial? (b) Resuelve la ecuación matricial dada para. Ejercicio 2 Siendo I la matriz identidad de orden
Más detallesUniversidad Alonso de Ojeda. Facultad de Ingeniería GUIA DE ESTUDIO ALGEBRA LINEAL.
UNIDAD V: ESPACIOS VECTORIALES Estamos acostumbrados a representar un punto en la recta como un número real; un punto en el plano como un par ordenado y un punto en el espacio tridimensional como una terna
Más detallesTema 5: Sistemas de ecuaciones lineales.
TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1
Más detallesMATRICES DETERMINANTES
MATRICES Y DETERMINANTES INTRODUCCIÓN, MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de
Más detallesMATEMÁTICASII Curso académico BLOQUE GEOMETRÍA. TEMA 1: VECTORES
MATEMÁTICASII Curso académico 2015-2016 BLOQUE GEOMETRÍA. TEMA 1: VECTORES 1.1 VECTORES DEL ESPACIO. VECTORES LIBRES DEL ESPACIO Sean y dos puntos del espacio. Llamaremos vector (fijo) a un segmento orientado
Más detallesPAIEP. Complemento Ortogonal
Programa de Acceso Inclusivo, Equidad y Permanencia PAIEP Universidad de Santiago de Chile Complemento Ortogonal Veamos ahora una aplicación de los vectores ortogonales a la caracterización de subespacios
Más detalles!MATRICES INVERTIBLES
Tema 4.- MATRICES INVERTIBLES!MATRICES INVERTIBLES!TÉCNICAS PARA CALCULAR LA INVERSA DE UNA MATRIZ REGULAR 1 Hemos hablado anteriormente de la matriz cuadrada unidad de orden n (I n ).. Es posible encontrar
Más detallesTema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS
1 Tema I 1. EL CUERPO DE LOS REALES, EL CUERPO DE LOS COMPLEJOS 1.1 Los Números Naturales. Los números naturales aparecen por la necesidad que tiene el hombre (primitivo) tanto de contar como de ordenar
Más detallesEstos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.
TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detallesEstructuras algebraicas
Estructuras algebraicas Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Relaciones binarias 11 Recordatorio Definición Dados dos conjuntos A y B se llama producto cartesiano de A por B
Más detalles3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE
3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.1.1. Resolución de sistemas de ecuaciones lineales. Método
Más detallesEJERCICIOS DE SELECTIVIDAD DE ÁLGEBRA
EJERCICIOS DE SELECTIVIDAD DE ÁLGEBRA 2003 (4) Ejercicio 1. Considera los vectores u = (1,1,1), v = (2,2,a) y w = (2,0,0), (a) [1'25 puntos] Halla los valores de a para que los vectores u, v y w sean linealmente
Más detallesEspacios vectoriales y aplicaciones lineales
resumen05 1 Espacios vectoriales y aplicaciones lineales Espacios y subespacios vectoriales Un espacio vectorial sobre un conjunto de números K es intuitivamente un conjunto en el que tenemos definida
Más detallesApuntes de álgebra lineal. Eduardo Liz Marzán. Enero de 2015.
Apuntes de álgebra lineal Eduardo Liz Marzán Enero de 2015 Índice general 1 Introducción 7 11 Operaciones internas y estructura de cuerpo 7 12 Números complejos 8 13 Vectores 10 2 Matrices y determinantes
Más detallesAlgebra Lineal Tarea No 9: Espacios vectoriales Maestra Dora Elia Cienfuegos, Enero-Mayo 2017
Algebra Lineal Tarea No 9: Espacios vectoriales Maestra Dora Elia Cienfuegos, Enero-Mayo 2017 Grupo: Matrícula: Nombre: Tipo:-1 1. Suponga que V = R 2 y que se definen las operaciones: y Si Calcule: 1.
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 detallesÍNDICE TEMÁTICO. Operadores Lineales en Espacios con Producto Interno
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN LICENCIATURA: INGENIERÍA EN TELECOMUNICACIONES, SISTEMAS Y ELECTRÓNICA DENOMINACIÓN DE LA ASIGNATURA: Álgebra IDENTIFICACIÓN
Más detallesMatrices 1. Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
Matrices 1 Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se
Más detalles