Resumen de Teoría de Matrices

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Resumen de Teoría de Matrices"

Transcripción

1 Resumen de Teoría de Matrices Rubén Alexis Sáez Morcillo Ana Isabel Martínez Domínguez 1 de Octubre de Matrices. Generalidades. Definición 1.1. Se llama matriz de orden m n sobre un cuerpo K a un conjunto de (mn) escalares de k ordenados en m filas y n columnas. a 11 a a 1n a 21 a a 2n M = a m1 a m2... a mn Definición 1.2. Para matrices del mismo orden, A m n y B m n, se define la matriz suma, C m n = A m n + B m n, de la siguiente forma: m n c ij = a ij + b ij, i = 1,..., m, j = 1,..., n. Definición 1.3. Dada la matriz A m n y un escalar α K, entonces la matriz C = αa (producto de un escalar por una matriz) se obtiene como c ij = αa ij, i = 1,..., m, j = 1,..., n. Definición 1.4. Dadas dos matrices B l m y A m n, se define la matriz producto C l n = B l m A m n como sigue m c ij = b ir a rj, i = 1,..., l, j = 1,..., n. r=1 Nota 1.1 (Propiedades de la suma y producto por un escalar de matrices). Sean A, B M m n y α, β R a) La suma de matrices cumple que: 1. A + B = B + A. 2. A + (B + C) = (A + B) + C M m n /A + 0 = A A M m n. 4. A M m n, ( A) M m n /A + ( A) = 0. b) El producto de una matriz por un escalar verifica que: 5. α(a + B) = αa + αb. 6. (α + β)a = αa + βa. 7. (αβ)a = α(βa) R/1 A = A, A M m n. Nota 1.2. Que se cumplan estas ocho operaciones implica que el conjunto M m n de todas las matrices, dotado de las operaciones suma y producto por un escalar, es un espacio vectorial. Además, dicho espacio vectorial será de dimensión mn. 1

2 Nota 1.3 (Propiedades del producto de matrices). Sean A, B, C y D matrices de números reales cualesquiera, tales que A M m p, B M p q y C, D M q n. El producto de matrices verifica que: 1. No es conmutativo. 2. (AB)C = A(BC). 3. I m, I p, A M m p /I m A = A, AI p = A. 4. A m p 0 p s = 0 m s, 0 s m A m p = 0 s p. 5. B(C + D) = BC + BD. 6. rg(ab) mín {rg(a), rg(b)}. 7. Si rg(a) = r mín {m, p} = C 1 m r, C 2 r p/a = C 1 C 2. Definición 1.5. Dada una matriz A m n, se dice que es cuadrada si m = n. Definición 1.6. Dada una matriz cuadrada A n, se dice que es la matriz identidad si verifica que: { 0 si i = j a ij =. 1 si i j Definición 1.7. Dada una matriz cuadrada A n, se dice que la matriz cuadrada B n es la inversa de la matriz A si verifica que AB = BA = I n, y se denota B = A 1. Proposición 1.1. Dada A n n se verifica que existe A 1 si, y sólo si, la matriz A es de rango completo, esto es, rg(a) = n. Nota 1.4 (Propiedades de la inversa de una matriz). Sean A, B M n /rg(a) = rg(b) = n. Se verifica que: 1. A 1 matriz inversa de A, y ésta es única. 2. (A 1 ) 1 = A. 3. (AB) 1 = B 1 A Si C M n, rg(c) = n, AC = I n = CA = I n y C = A 1. Recíprocamente, si CA = I n = AC = I n y C = A 1. Definición 1.8. Dada una matriz cuadrada A de orden n, se define la traza de A, que se denota por tr(a), como el valor de la suma de todos los elementos de la diagonal principal de A, es decir, Proposición 1.2. Se tiene que: tr(a) = n a ii. i) Sean A n, B n M n y α R, entonces tr(a + B) = tr(a) + tr(b) y tr(αa) = αtr(a). ii) Sean A m n y B n m, entonces tr(ab) = tr(ba). Nota 1.5. Cabe destacar que: a) La aplicación tr : M n K es lineal. i=1 b) No es cierto, en general, que la traza del producto de matrices sea equivalente al producto de las trazas de dichas matrices (tomar A = B = I n ). c) Si A es una matriz invertible, no se que cumple que tr(a 1 ) = 1 tr(a) (tomar una matriz diagonal cuyos elementos de la diagonal principal sean no nulos). 2

3 Definición 1.9. Dada una matriz A m n, se define la matriz traspuesta, M n m = A t, como: m ij = a ji, i = 1,..., n, j = 1,..., m. Proposición 1.3. Dadas A, B M m n, C M n p y α R se cumple que: 1. (A + B) t = A t + B t y (αa) t = αa t. 2. (AC) t = C t A t. 3. (A t ) t = A. 4. rg(a) = rg(a t ). 5. Si A M n = tr(a) = tr(a t ) y A = A t. 6. Si A M n y es invertible = (A 1 ) t = (A t ) Si A t A = 0 n = A = 0 n. 8. Si tr(a t A) = 0 = A = 0 n. 9. rg(a) = rg(a t A) = rg(aa t ). En particular, si m > n y rg(a) = n, la matriz A t A es no singular. Definición Sea A n una matriz cualquiera, se denomina determinante de la matriz A, a la aplicación f : M n R A α R, y se denota por A o det(a). Nota 1.6 (Propiedades de los determinantes). Dadas A n, B n, C n M n y α R, se verifica que i) Si las matrices A, B y C difieren exclusivamente en los elementos de la columna j 0 siendo los elementos de esta columna para la matriz C la suma de los respectivos elementos de la columna j 0 de las matrices A y B, entonces A + B = C. El mismo resultado se cumple cuando las tres matrices difieren de igual forma en una fila. ii) Si se multiplica sólo una fila (o columna) de A por un escalar α, el valor del determinante también queda multiplicado por α. iii) αa = α n A. iv) Si A = 0 n = A = 0. v) Si A es una matriz con una fila (o columna) cuyos elementos son todos nulos, entonces A = 0. vi) La suma de los productos de los elementos de una fila (o columna) de una matriz A por los adjuntos de una fila (o columna) paralela diferente es igual a cero. vii) Si en una matriz A a una de sus filas (o columnas) se le suma una combinación lineal de las filas (o columnas) paralelas, el determinante de la matriz resultante es también A. viii) Se tiene que: a) AB = A B. b) A k = A k, k N. c) Si A es no singular, entonces A 1 = 1 A. Definición Dadas dos matrices, A m n y B m n, se dice que son equivalentes si existen matrices invertibles, P m m y Q n n, tales que A = P BQ (B = P 1 AQ 1 ). 3

4 Definición Dadas dos matrices, A n y B n, se dice que son semejantes si existe una matriz invertible Q n tal que A = QBQ 1 (B = Q 1 AQ). Definición Dada una matriz A n, se dice que es triangular superior si a ij = 0, i > j, i, j = 1,..., n. Se dice que A n es triangular inferior si a ij = 0, i < j, i, j = 1,..., n. Se dice que A n es diagonal si a ij = 0, i j, i, j, = 1,..., n. Proposición 1.4. Dadas A, B M m n matrices triangulares superiores (inferiores) y α R, se verifica: 1) A + B y αa son triangulares superiores (inferiores). 2) AB es triangular superior (inferior). 3) Si A tiene inversa, A 1 es triangular superior (inferior). 4) El rango de A es siempre mayor o igual al número de elementos de la diagonal principal de A no nulos. 5) A = n i=1 a ii Nota 1.7. Se debe tener en cuenta que: a) En general, el resultado que se indica en la cuarta propiedad no se verifica con igualdad. b) De la cuarta propiedad se puede extraer la siguiente proposición: A es regular o invertible a ii 0, i = 1,..., n. c) Al verificarse la primera propiedad, el conjunto de las matrices triangulares superiores (inferiores, diagonales) forman un subespacio vectorial sobre el cuerpo K. Proposición 1.5. Toda matriz cuadrada se puede descomponer como producto de una matriz triangular superior por una matriz triangular inferior. Definición Dada una matriz A n, se dice que es simétrica si A = A t. Por contra, se dirá que es antisimétrica si A = A t. Proposición 1.6. Sean las matrices A n y B n, y α R. Si A y B son simétricas, se verifica que: 1) A + B y αa son simétricas. 2) A es simétrica si, y sólo si, A = A t. 3) Cuando AB = BA = AB es simétrica. Sin embargo, esto no es cierto si A y B no conmutan en el producto. 4) Si A es invertible, entonces A 1 es simétrica. 5) Dada una matriz cualquiera C m n = CC t y C t C son simétricas. Si A y B son antisimétricas, se cumple que: 6) A + B y αa son antisimétricas. 7) A es antisimétrica si, y sólo si, A = A t. 8) Cuando AB = BA = AB es antisimétrica. Sin embargo, esto no es cierto si A y B no conmutan en el producto. 9) Si A es invertible, entonces A 1 es antisimétrica. 10) A = ( 1) n A y, en particular, para n impar, A = 0. Nota 1.8. Al cumplirse las propiedades primera y sexta, se tiene que las matrices simétricas o antisimétricas del mismo orden forman un subespacio vectorial sobre K. 4

5 Proposición 1.7. Toda matriz se puede expresar como suma de una matriz simétrica y una matriz antisimétrica. Proposición 1.8. Si A n es una matriz antisimétrica, entonces x t Ax = 0, x K n. Definición Dada una matriz A n, se dice que es hermítica si m ij = m ji, i, j = 1,..., n, donde m ij es el conjugado del número complejo m ij. Proposición 1.9. Sean A n y B n matrices hermíticas y α R. Entonces, 1) A + B y αa son hermíticas. 2) Si AB = BA, la matriz AB es hermítica. Sin embargo, si A y B no son conmutativas en el producto, en general AB no es hermítica. 3) A t es hermítica. 4) La matriz conjugada de A, esto es Ā, es hermítica. 5) Si A es invertible, su matriz inversa, A 1, es hermítica. 6) El determinante de A es un número real. Nota 1.9. Cabe destacar que a) Por cumplirse la primera propiedad, el conjunto de matrices hermíticas forman un subespacio vectorial sobre el cuerpo K. b) Los elementos de la diagonal principal han de ser números reales, ya que deben cumplir la definición (a = ā = a R). Definición Dada una matriz A m n, se dice que es no negativa si a ij 0, i, j. Se denota por A m n 0 m n. Se dice que A m n es semipositiva si a ij 0, i, j y A m n 0 m n. Lo denotaremos por A m n > 0 m n. Se dice que A m n es positiva si a ij > 0, i, j. Se denota como A m n >> 0 m n. Nota La suma de matrices no negativas sigue siendo una matriz no negativa del mismo tipo. Sin embargo, esta propiedad no se verifica con el producto de matrices. Proposición Si A n y B n son positivas y α R +, se tiene que: 1) A + B y αa son positivas. 2) AB es una matriz positiva. 3) k N, A k es positiva. 4) A t es una matriz positiva. Nota Los coeficientes de las matrices no negativas siempre pertenecen al cuerpo de los números reales, ya que en los complejos no está definido un orden total. Definición Dada una matriz A n, se dice que es ortogonal si AA t = A t A = I n. Proposición Sean A n y B n matrices ortogonales, entonces 1) AB y BA son matrices ortogonales, pero en general, no lo son A + B y αa, α R. 2) El valor de A es igual a 1 ó 1. 3) El rango de A es n. 4) A es invertible, su inversa, A 1, es ortogonal y A 1 = A t. 5

6 5) Si C es una matriz cuadrada tal que CC t = I n entonces, C t C = I n y, recíprocamente, si C t C = I n se tiene también que CC t = I n. Por tanto, basta que C cumpla una de las dos condiciones para que sea ortogonal. 6) Si C n es antisimétrica entonces, A = (I n C)(I n + C) 1 es una matriz ortogonal. 7) Si h t h = 1 entonces, A = I n 2hh t es una matriz ortogonal. Las matrices así definidas se les denomina matrices Householder. Definición Dada una matriz A n, se dice que es - idempotente si A 2 = A. - unipotente si A 2 = I n. - nilpotente si A 2 = 0 n. Proposición Sean A n y B n a) Si A y B son idempotentes, se verifica que 1. AB es idempotente siempre que AB = BA. 2. Dada cualquier C n, si C t C = C, la matriz C es simétrica e idempotente. 3. El valor de A es 0 ó 1. Si A = 1 se tiene que A = I n. 4. rg(a) = tr(a). 5. Si A es simétrica con rg(a) = r, entonces existe C n r con rg(c) = r tal que A = CC t y C t C = I r. 6. I n A es una matriz idempotente y rg(i n A) = n rg(a). Sin embargo, A I n no es idempotente. 7. Si C n k con k < n y rg(c) = k, entonces la matriz A = C(C t C) 1 C t es simétrica e idempotente, al igual que à = I n A. b) Sea A n una matriz unipotente, entonces se verifica que 8. A = 1 ó A = rg(a) = n y, por tanto, existe A 1 y, además, A 1 = A. c) Sea A n una matriz nilpotente, entonces se verifica que 10. A = 0 y, por tanto, nunca existe A 1 y rg(a) < n. 11. La matriz I n A es invertible y su inversa es (I n A) 1 = I n + A. Definición Una matriz A n 0 se dice que es estocástica si la suma de los elementos de cada fila es igual a la unidad, es decir, A. = Se dice que es doblemente estocástica si A y A t son estocásticas. Proposición Si A n y B n son estocásticas (doblemente estocásticas) se verifica 1. AB es estocástica (doblemente estocástica). 2. k N, A k es estocástica (doblemente estocástica). 3. Cuando A es doblemente estocástica, A t también lo es. Definición Una matriz A n 0 se dice que es primitiva si existe k N tal que A k >> 0. 6

7 Nota Es obvio que si la matriz es positiva, también será primitiva. Definición Una matriz cuadrada, A n, con coeficientes reales, se dice que tiene diagonal dominante si n a jj > a ij, j. 2. Autovalores y autovectores. i=1,i j Definición 2.1. Un escalar λ K se dice que es un autovalor de la matriz A n n, si existe un vector v, v 0, tal que Av = λv. Al vector v se le denomina autovector o vector propio. Nota 2.1. Cabe destacar que a) El autovector v asociado a un autovalor λ no es único, ya que si Av = λv, entonces, α K se verifica que A(αv) = λ(αv) y, por tanto, αv es también un vector propio de A asociado a λ. b) Si λ es una autovalor de A, el conjunto E(λ) = {v/av = λv} es un subespacio vectorial no trivial, E(λ) {0}. c) Un autovector está asociado a un único valor propio. Proposición 2.1. Las siguientes condiciones son equivalentes: i) λ K es autovalor de A. ii) El sistema homogéneo (A λi n )x = 0 es compatible indeterminado. iii) A λi n = 0. Definición 2.2. Dada una matriz A cuadrada de orden n, se denomina polinomio característico de A al polinomio de orden n P n (λ) = A λi n. Siendo P n (λ) = 0 la ecuación característica de la matriz A. Nota 2.2. Cabe tener en cuenta que a) Es claro que los autovalores de una matriz A M n son las raíces de su ecuación característica P n (λ) = A λi n = 0. b) Si el polinomio característico P n (λ) de la matriz A se puede expresar en la forma P n (λ) = (λ λ i ) r Q n r (λ), siendo Q n r (λ) un polinomio de orden n r, (r < n) tal que Q n r (λ i ) 0. Entonces, se dice que λ i es un autovalor de A con multiplicidad algebraica m i = r. c) Dada una matriz A, si λ es uno de sus autovalores, todos los vectores no nulos solución del sistema homogéneo de n ecuaciones compatible indeterminado (A λ I n )x = 0 serán autovectores asociados a λ. d) Si P n (λ) = A λi n es el polinomio característico de la matriz A M n, entonces, para cualquier B M n no singular, se verifica que las matrices C = BAB 1 y D = B 1 AB tienen el mismo polinomio característico que A. Teorema 2.1 (de Cayley Hamilton). Toda matriz cuadrada A n es raíz de su polinomio característico. Proposición 2.2. Si A es una matriz de orden n, se tiene que A λi n = ( λ) n + ( λ) n 1 tr(a) + ( λ) n 2 tr 2 (A) + ( λ) n 3 tr 3 (A) A, siendo tr i (A), i = 2, 3,..., n 1, la suma de todos los menores de orden i que contienen en su diagonal principal i elementos de la diagonal principal de A. 7

8 Nota 2.3. Si λ 1, λ 2,..., λ n son las raíces de P A (λ) entonces, P A (λ) = ( λ) n + ( λ) n 1 (λ 1 + λ λ n ) + ( λ) n 2 tr 2 (A) (λ 1 λ 2 λ n ). Además, los coeficientes de ( λ) n k, k = 2, 3,..., n 1, es la suma de los k productos distintos de las raíces. Proposición 2.3. Sean A M n y B M m dos matrices cuyos autovalores son los escalares λ 1,..., λ n y µ 1,..., µ m, respectivamente. Estos autovalores pueden ser reales o complejos, iguales o distintos. Se verifica que: i) Los autovalores de A t coinciden con los de la matriz A. ii) El número de autovalores nulos de una matriz A de rango r < n es mayor o igual que n r. iii) A = n i=1 λ i. iv) tr(a) = n i=1 λ i. v) Los autovalores de la matriz αa, α R (o C), con α 0 son αλ i, i = 1,..., n. vi) Si A es no singular, entonces los autovalores de A 1 son 1 λ i, i = 1,..., n. vii) Para cualquier número natural k no nulo, los autovalores de A k son λ k i, i = 1,..., n. viii) Si A es una matriz de orden n con elementos pertenecientes a R tal que sus autovalores λ i, i = 1,..., n, son reales, entonces para todo p, número natural impar, los autovalores de A 1/p son λ 1/p i, i = 1,..., n. Si p es par esta propiedad se verifica siempre que λ i 0, i = 1,..., n. ix) Si λ i 1, i = 1,..., n, entonces I n + A es invertible, siendo 1 + λ i, i = 1,..., n, sus autovalores y 1 1+λ i, i = 1,..., n, los de su inversa. Nota 2.4. Dadas dos matrices A y B de orden n, la suma de un autovalor de A con uno de B en general no es un autovalor de A + B, a pesar de verificarse iv) y que tr(a + B) = tr(a) + tr(b). Del mismo modo, aunque AB = A B y se cumple la propiedad iii), no se verifica que si λ y µ son autovalores de A y B, respectivamente, entonces λµ lo sea de AB. Proposición 2.4. Sea A M n, a ij K con i, j = 1,..., n, una matriz de orden n cuyos autovalores son λ 1,..., λ r K, con multiplicidades algebraicas m 1,..., m r, respectivamente, siendo r i=1 m i = n. Se verifica que i) Los autovectores correspondientes a autovalores distintos son linealmente independientes. ii) Si K = C y la matriz A tiene como autovalor λ C y su conjugado λ entonces, el autovector v asociado a λ es el conjugado del autovector w asociado a λ. Proposición 2.5. Dada una matriz A de orden n triangular superior (respectivamente inferior o diagonal), se verifica que los autovalores de A son los elementos de su diagonal principal, es decir, a ii, i = 1,..., n. Proposición 2.6. Dada una matriz simétrica cuyos elementos son números reales y u, v son autovectores de A asociados con autovalores λ, µ, (λ µ) entonces, u, v son ortogonales (u t v = 0). Proposición 2.7. Dada una matriz simétrica A, cuyos elementos son números reales, se verifica que sus autovalores son números reales. Proposición 2.8. Dada una matriz A cuadrada de orden n se verifica que a) Si A es idempotente, entonces 1. Sus autovalores son iguales a 0 ó a tr(a) = rg(a). 8

9 3. Si m 0 es la multiplicidad algebraica de λ = 0 y m 1 la de λ = 1, entonces la dimensión de los subespacios de vectores V (0) y V (1) es m 0 y m 1, respectivamente. b) Si A es unipotente, entonces 4. Todos sus autovalores son iguales a 1 ó 1. c) Si A es nilpotente, entonces 5. Todos sus autovalores son nulos. Proposición 2.9. Sea A = (a ij ) con a ij 0, es decir, una matriz semipositiva. Entonces se verifica que i) A es estocástica si, y sólo si, λ = 1 es un autovalor de A con autovector asociado v = (1,..., 1). ii) A es doblemente estocástica si, y sólo si, λ = 1 es uno de los autovalores tanto de A como de A t, siendo v = (1,..., 1) su autovector asociado. Teorema 2.2 (del círculo de Gershgorin). Si A n es una matriz cuadrada de orden n y λ es un valor propio de A entonces, n n λ D i con D i = z C/ z a ii a ij i=1 j=1,j i Corolario 2.1. Dada A n una matriz cuadrada de orden n y λ un valor propio de A se verifica que ( n ) ( n ) λ D i, donde los D t i son los D i de A t. i=1 Nota 2.5. Como consecuencia del Teorema del Círculo i=1 λ a ii λ a ii = λ D t i n a ij = r i. Es decir, a la anterior suma le añadimos el elemento a ii por lo que ahora el valor absoluto de los λ lo calcularemos sumando filas. De esta forma j=1 λ máx {r 1, r 2,..., r n } = r, λ. Si cogemos la suma más grande se cumplirá que todos los autovalores están en la bola de centro cero y radio el valor de dicho máximo. Razonando de modo análogo, el resultado para las columnas sería λ máx {c 1, c 2,..., c n } = c, λ. Además, por el corolario del Teorema del Círculo, se cumplirá que λ mín {c, r }, λ. Como todas las bolas están centradas en el origen, nunca podemos descartar que λ = 0 sea autovalor (y, por tanto, a priori no sabemos si tiene inversa). A este resultado se le conoce como Teorema de Fisher. Nota 2.6. En las matrices con diagonal dominante Y, por tanto, se tiene que λ 2 a ii para algún i. λ 2 máx { a 11, a 22,..., a nn }. Definición 2.3. Dadas dos matrices A m n y B m n se dice que λ es un autovalor generalizado de A con respecto a B si existe un vector v R n (ó C n ), v 0, de modo que Av = λbv. Al vector v se le denomina autovector generalizado asociado a λ. 9

10 3. Matrices semipositivas. Definición 3.1 (permutaciones fila columna). Se realiza una permutación fila columna si al intercambiar la fila i con la fila j, i j, a continuación se intercambia la columna i por la columna j. Definición 3.2. Una matriz A n n se dice que es descomponible si mediante permutaciones fila columna se puede expresar de la forma ) (Ã11 Ã 12, 0 Ã 22 donde Ã11 y Ã22 son submatrices cuadradas. En caso contrario, se dice que la matriz es indescomponible. Proposición 3.1. Sea A n n, A 0 una matriz indescomponible y x > 0, entonces Ax > 0. Nota 3.1. La anterior proposición se puede escribir como: A n n 0 indescomponible = Ker(A) R n + = {0}, donde R n + = { x R n /x i 0, i}, lo cual no implica que el núcleo sea cero, sino que en el núcleo no hay vectores con todas las componentes no negativas. Proposición 3.2. Si A n n 0 es indescomponible, entonces (αi + A) n >> 0, α R +, es decir, (αi + A) es primitiva. Corolario 3.1. Si A n n 0 es indescomponible y a ii > 0, i = 1,..., n, entonces A n >> 0, es decir, A es primitiva. Nota 3.2. Del corolario anterior deducimos que una matriz descomponible jamás será primitiva. Nota 3.3. Dada A = (a ij ) n n llamamos a ij (k) al término (i, j) de la matriz A k. Proposición 3.3. Si A n n 0, indescomponible, entonces para todo (i, j) existe una potencia k, tal que a ij (k) > 0. Nota 3.4. Este resultado no implica que la matriz sea primitiva, sino que para una determinada potencia el término (i, j) es positivo, pero nada nos asegura que en las potencias anteriores o siguientes lo sea. Corolario 3.2. Si A n n 0 es primitiva, entonces es indescomponible. Definición 3.3. Dada una matriz A n n, se llama espectro (o radio espectral) de A al número real ρ(a) = máx { λ, λ autovalor de A}. Teorema 3.1 (de Perron). Dada una matriz positiva, A n n >> 0, entonces posee un autovalor λ > 0 tal que λ posee asociado un autovector v >> 0 y λ = ρ(a). Corolario 3.3. En las condiciones del Teorema de Perron, se verifican las siguientes propiedades adicionales: P1) λ > λ, λ autovalor de A, λ λ. P2) Si B > A >> 0 entonces, λ B > λ A. P3) Ningún autovalor λ λ A posee asociado un autovector u > 0. Proposición 3.4. Sea A n n 0, entonces mín r j λ A máx r j, j = 1,..., n, donde n r j = a jk. k=1 10

11 Nota 3.5. Como los autovalores son iguales para una matriz y su traspuesta, la proposición anterior equivale a: Sea A n n 0, entonces donde mín c j λ A máx c j, j = 1,..., n, c j = n a kj. k=1 Proposición 3.5. Sea A n n 0 una matriz estocástica, entonces λ = 1 es un autovalor de A, cuyo autovector asociado es α(1,..., 1), α R \ {0}. Además, λ = 1. Proposición 3.6. A n n 0 es estocástica si, y sólo si, λ A = 1 con v = (1,..., 1). Proposición 3.7. A n n 0 es doblemente estocástica si, y sólo si, λ A = 1 con v = (1,..., 1) autovector asociado para A y A t. Proposición 3.8. Sea A n n 0 estocástica, si λ 1 es autovalor de A, entonces n n λ mín 1 mín a ij, máx a ij 1 i i. 4. Diagonalización de matrices cuadradas. j=1 Definición 4.1. Una matriz cuadrada A de orden n, se dice diagonalizable si existe una matriz regular P n tal que A = P DP 1, siendo D n una matriz diagonal (D = P 1 AP ). Proposición 4.1. Una matriz cuadrada A de orden n es diagonalizable si, y sólo si, posee una base de autovectores. Lema 4.1. Dada una matriz cuadrada A de orden n y λ autovalor de A, el subespacio vectorial E λ = {v R n /Av = λv} verifica que 1 dim(e λ ) multiplicidad de λ. Proposición 4.2. Una matriz cuadrada A, de orden n, es diagonalizable si, y sólo si, λ, λ autovalor de A, se cumple que dim(e λ ) =multiplicidad de λ. Corolario 4.1. Si todos los autovalores de una matriz son simples, entonces es diagonalizable. Nota 4.1. Si la matriz cuadrada de orden n, A, es diagonalizable, cabe destacar que: 1. A t y αa, α K, son diagonalizables. 2. Si A es no singular, A 1 es diagonalizable. 3. Que A y B sean diagonalizables no implica que también lo sean A + B y AB. Definición 4.2. Dada una matriz cuadrada A de orden n, se denomina polinomio mínimo de A a un polinomio en λ mónico, del menor grado posible, m A (λ) tal que m A (A) = 0 n. Proposición 4.3. Si p(λ) es un polinomio tal que p(a) = 0 n, entonces p(λ) es múltiplo de m A (λ). Corolario 4.2. El polinomio característico de A es múltiplo del polinomio mínimo de A, es decir, p A (λ) = q(λ)m A (λ). Proposición 4.4. Dos matrices semejantes tienen el mismo polinomio mínimo. Proposición 4.5. Si λ i es un autovalor de A, entonces λ i es raíz de m A (λ). Nota 4.2. El polinomio mínimo y el polinomio característico no tienen por qué ser iguales. Si poseen el mismo grado se verifica que m A (λ) = p A (λ) para grado par y m A (λ) = p A (λ) para grado impar. j=1 11

12 Definición 4.3. Se dice que dos polinomios son polinomios primos cuando no tienen divisores en común. Proposición 4.6 (identidad de Bezout). Si p(x) y q(x) son polinomios primos, entonces existen polinomios s 1 (x) y s 2 (x) tales que s 1 (x)p(x) + s 2 (x)q(x) 1. Proposición 4.7. Dada una matriz cuadrada A de orden n de manera que p A (λ) = s (λ i λ) βi. Entonces, A es diagonalizable si, y sólo si, el polinomio mínimo es el de menor grado posible, m A (λ) = i=1 s (λ λ i ). Proposición 4.8. Dada una matriz A cuadrada de orden n, se cumple que 1. Si A es simétrica cuyos elementos son reales, entonces es diagonalizable. 2. Si A es no nula e idempotente, entonces es diagonalizable. 3. Si A es no nula y nilpotente, entonces no es diagonalizable. i=1 Definición 4.4. Dada una matriz cuadrada A de orden n y λ autovalor de A, se llama vector principal de orden k asociado a λ a un vector v 0 tal que } (A λi) k v = 0 (A λi) k 1. v 0 En particular, un vector principal de orden uno es un vector propio. Proposición 4.9. Si v es un vector principal de orden p > 1, entonces w = (A λi)v es un vector principal de orden p 1. Proposición Sea v un vector principal de orden p > 1, entonces los vectores v p = v v p 1 = (A λi)v p v p 2 = (A λi)v p 1 = (A λi) 2 v p.. v 1 = (A λi)v 2 = (A λi) p 1 v p son linealmente independientes. Definición 4.5. Sea A una matriz cuadrada de orden n y λ autovalor de A. Se denomina w(λ) al conjunto de vectores principales asociados a λ unión con el vector cero, es decir, w(λ) = (vectores principales asociados a λ) {0} = {v/(a λi) p v = 0 para algún p}. Proposición Siempre existe una base de vectores principales. 12

13 5. Formas cuadráticas. Definición 5.1. Se denomina forma cuadrática a toda función f : R n R que se puede expresar en la forma n n f(x 1, x 2,..., x n ) = a ij x i x j. i=1 j=1 Proposición 5.1. Dada una forma cuadrática f(x 1,..., x n ) existe una matriz simétrica S n n, y sólo una, tal que f(x) = x t Sx, donde x = (x 1,..., x n ). A esta matriz la llamaremos matriz de la forma cuadrática. Definición 5.2. Una forma cuadrática f(x 1,..., x n ) se dice que es - definida positiva si f(x 1,..., x n ) > 0, x R n \ {0}. - definida negativa si f(x 1,..., x n ) < 0, x R n \ {0}. - semidefinida positiva si f(x 1,..., x n ) 0, x R n \ {0}. - semidefinida negativa si f(x 1,..., x n ) 0, x R n \ {0}. - indefinida si x, x/f( x) > 0 y f( x) < 0. Nota 5.1. La anterior clasificación no es excluyente, una forma cuadrática definida positiva también es semidefinida positiva. Definición 5.3. Se llama modo canónico de una forma cuadrática a una expresión de la misma, donde solo aparecen los cuadrados (no aparecen los dobles productos), es decir, q(y) = n d i yi 2, d i R, i = 1,..., n. Proposición 5.2. Una forma cuadrática expresada en modo canónico se dice i=1 - definida positiva si d i > 0, i = 1,..., n. - definida negativa si d i < 0, i = 1,..., n. - semidefinida positiva si d i 0, i = 1,..., n. - semidefinida negativa si d i 0, i = 1,..., n. - indefinida si d i, d j, i j/d i > 0, d j < 0. Teorema 5.1 (espectral). Si A n n es simétrica, existe una matriz U ortogonal tal que A = UDU 1 = UDU t, con D una matriz diagonal en cuya diagonal principal están ubicados los autovalores de A. Corolario 5.1. Sea q(x) = x t Ax una forma cuadrática con matriz asociada A, cuyos autovalores son λ 1, λ 2,..., λ n. Entonces, se dice que q(x) es - definida positiva si λ i > 0, i = 1,..., n. - definida negativa si λ i < 0, i = 1,..., n. - semidefinida positiva si λ i 0, i = 1,..., n. - semidefinida negativa si λ i 0, i = 1,..., n. - indefinida si λ i, λ j, i j/λ i > 0, λ j < 0. Definición 5.4. Dada una matriz A n n, se denominan menores principales de orden l, (l < n) a los determinantes de las submatrices l l donde se han eliminado las mismas filas y columnas. Se denotan H l. 13

14 Nota 5.2. A partir de este momento, haremos uso de los menores principales izquierda. Los denotaremos por D l, l = 1,..., n y se caracterizan por ser aquellos que se obtienen orlando a partir del elemento a 11. Proposición 5.3. Dada la forma cuadrática q(x) = x t Ax, con A simétrica tal que los menores principales D 1, D 2,..., D n 1 son no nulos, entonces se verifica que q(y) = D 1 y1 2 + D 2 y2 2 + D 3 y D n y D 1 D 2 D n. 2 n 1 Corolario 5.2. Dada la forma cuadrática q(x) = x t Ax con D i 0, i = 1, 2,..., n 1, se verifica que si q es definida (positiva o negativa), entonces A 0. Corolario 5.3. Si una forma cuadrática q(x) = x t Ax es definida (positiva o negativa), entonces D i 0, i = 1,..., n. Corolario 5.4. Sea q(x) = x t Ax una forma cuadrática con matriz asociada A, cuyos menores principales son D 1, D 2,..., D n, con D i 0, i = 1,..., n 1. Entonces, se dice que q(x) es - definida positiva si D 1 > 0 y Di D i 1 > 0, i = 2,..., n. - definida negativa si D 1 < 0 y Di D i 1 < 0, i = 2,..., n. - semidefinida positiva si D 1 0 y Di D i 1 0, i = 2,..., n. - semidefinida negativa si D 1 0 y Di D i 1 0, i = 2,..., n. - indefinida si i, j, i j/d i < 0 y D j > 0. Corolario 5.5. Sea q(x) = x t Ax una forma cuadrática tal que A = 0. Entonces, se verifica que - q es semidefinida positiva si, y sólo si, H l 0, l. - q es semidefinida negativa si, y sólo si, ( 1) l H l 0, l. Definición 5.5. Dadas las matrices A n y B m n con m < n y rg(b) = m, se dice que la forma cuadrática restringida } q(x) = x t Ax sujeta a Bx=0 es - definida positiva si, y sólo si, x R n, x 0/Bx = 0, entonces q(x) > 0. - definida negativa si, y sólo si, x R n, x 0/Bx = 0, entonces q(x) < 0. - semidefinida positiva si, y sólo si, x R n, x 0/Bx = 0, entonces q(x) 0. - semidefinida negativa si, y sólo si, x R n, x 0/Bx = 0, entonces q(x) 0. - indefinida si x 1, x 2, x 1 0, x 2 0/Bx 1 = 0, Bx 2 = 0, entonces q(x 1 ) > 0, q(x 2 ) < 0. Nota 5.3. Si una forma cuadrática es definida positiva (negativa) cuando le añadamos restricciones seguirá siendo definida positiva (negativa). Una matriz semidefinida positiva (negativa) bajo las restricciones puede conservar su carácter o pasar a ser definida positiva (negativa). Si fuese la forma cuadrática indefinida, al someterla a restricciones no podemos asegurar nada de su carácter. Proposición 5.4. Sea la forma cuadrática q(x) = x t Ax con x R n tal que Bx = 0, donde B m n con m < n y rg(b) = m. Si se denota por µ a las soluciones de la ecuación 0 m B B A µi n = 0, entonces se verifica que 14

15 i) la forma cuadrática restringida q es definida positiva (negativa) si, y sólo si, las soluciones de la ecuación son positivas (negativas), µ i > 0 (µ i < 0). ii) la forma cuadrática restringida q es semidefinida positiva (negativa) si, y sólo si, las soluciones de la ecuación son no negativas, µ i 0 (no positivas, µ i 0). iii) la forma cuadrática restringida q es indefinida si µ 1, µ 2 tal que µ 1 > 0 y µ 2 < Inversa generalizada. Definición 6.1. Dada una matriz A m n, se llama c inversa de A a una matriz B n m tal que A = ABA. Se denotará como A c. Proposición 6.1. Dada una matriz cuadrada A, de orden n, de manera que A es regular, la única c inversa de A es A 1. Proposición 6.2. Para toda matriz A m n existe, al menos, una c inversa. Proposición 6.3. Dada una matriz A m n y A c una c inversa de A, entonces cualquier c inversa de A es de la forma M = A c A c ABAA c + B, siendo B n m una matriz cualquiera. Nota 6.1 (Propiedades de las c inversas). Se verifican las siguientes propiedades: 1. (A c ) t es una c inversa de A t. 2. Si A = ( ) A11 0, entonces 0 A 22 es una c inversa de A (con los ceros del tamaño adecuado). 3. rg(a c ) rg(a) y rg(a) = rg(aa c ) = rg(a c A). ( ) (A11 ) c 0 0 (A 22 ) c 4. Dada la matriz A m n y una c inversa (A c ) n m de A, las matrices AA c, A c A, I m AA c e I n A c A son idempotentes. Definición 6.2. Dada una matriz A m n, se llama g inversa (Moore Penrose) de dicha matriz a una matriz A g que verifica 1) AA g A = A; 2) A g AA g = A g ; 3) AA g es simétrica; 4) A g A es simétrica. Nota 6.2. Cabe tener en cuenta que: a) A g es una c inversa, por lo que podemos calcular A g y luego, mediante la fórmula dada en una proposición anterior, obtener la familia de c inversas. b) Si A es regular, entonces A g = A 1. Lema 6.1 (descomposición de rango completo). Dada una matriz A m n tal que rg(a) = r, entonces A = A 1 A 2 con (A 1 ) m r, (A 2 ) r n y rg(a 1 ) = rg(a 2 ) = r. Lema 6.2. Dada una matriz A r n con rg(a) = r, se cumple que (AA t ) r r es regular. Teorema 6.1 (de existencia de la g inversa). Dada una matriz A m n cualquiera, entonces siempre existe A g. 15

16 Teorema 6.2 (de unicidad de la g inversa). La matriz g inversa es única. Nota 6.3. Se verifican las siguientes propiedades 1. Dada la matriz A m n, si rg(a) = n, entonces A 2 = I y A = A 1 = A g = (A t A) 1 A t. De forma análoga, si rg(a) = m = A g = A t (A t A) (A g ) t = (A t ) g. 3. (A g ) g = A. 4. rg(a) = rg(a g ) g = (αa) g = 1 α A g 7. Si A es simétrica, entonces (A 2 ) g = (A g ) Si A es simétrica e idempotente, entonces A g = A. No se cumplen en general 9. (AB) g = B g A g. 10. AA g = A g A. 11. Si λ 0 es autovalor de A, entonces 1 λ es autovalor de A g. Definición 6.3. Dada una matriz cuadrada A de orden n, se llama inversa grupo de A a una matriz A # n n que cumple 1. AA # A = A; 2. A # AA # = A # ; 3. AA # = A # A; 4. A 2 A # = A; 5. A(A # ) 2 = A #. Teorema 6.3 (de existencia de la inversa grupo). Dada una matriz cuadrada A de orden n, se cumple que A # existe si, y sólo si, rg(a) = rg(a 2 ). Teorema 6.4 (de unicidad de la inversa grupo). La inversa grupo, si existe, es única. Proposición 6.4. Si λ 0 es autovalor de A, y existe A #, entonces se cumple que 1 λ A #. es autovalor de Proposición 6.5. El sistema [S] es compatible si, y sólo si, AA c b = b, siendo A c una c inversa de A (y la solución del sistema será x = A c b). Proposición 6.6. Si el sistema [S] es compatible, sus soluciones son todas de la forma con d R n un vector cualquiera. x = A c b + (I n A c A)d, Proposición 6.7. Dado un sistema compatible [S]Ax = b, existe una única solución de norma mínima x = A g b. Proposición 6.8. Dado el sistema [S]Ax = b, x = A g b es solución aproximada mínimo cuadrática. 16

MATRICES Y SISTEMAS DE ECUACIONES

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

Más detalles

APÉNDICE A. Algebra matricial

APÉNDICE A. Algebra matricial APÉNDICE A Algebra matricial El estudio de la econometría requiere cierta familiaridad con el álgebra matricial. La teoría de matrices simplifica la descripción, desarrollo y aplicación de los métodos

Más detalles

Tema 11.- Autovalores y Autovectores.

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

Más detalles

RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS

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

Más detalles

Matrices y determinantes (Curso )

Matrices y determinantes (Curso ) ÁLGEBRA Práctica 3 Matrices y determinantes (Curso 2008 2009) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz triangular

Más detalles

AUTÓNOMA DE MADRID. Dpto. Análisis Económico: Economía Cuantitativa UNIVERSIDAD. Soluciones de los ejercicios de Álgebra Lineal.

AUTÓNOMA DE MADRID. Dpto. Análisis Económico: Economía Cuantitativa UNIVERSIDAD. Soluciones de los ejercicios de Álgebra Lineal. Soluciones de los ejercicios de Álgebra Lineal Curso 016/017 Versión 4-1-017 Índice general 1. Espacios vectoriales 1.1. Cuestiones test................................. 1.. Problemas.....................................

Más detalles

Autovalores y autovectores Diagonalización y formas canónicas

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

Más detalles

Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES

Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...

Más detalles

c-inversa o inversa generalizada de Rao

c-inversa o inversa generalizada de Rao c-inversa o inversa generalizada de Rao Definición.- Sea A m n. Se dice que una matriz A c de orden n m es una c-inversa o inversa generalizada en el sentido de Rao si y sólo si se verifica AA c A = A.

Más detalles

Matrices y sistemas de ecuaciones lineales. Autovalores y autovectores.

Matrices y sistemas de ecuaciones lineales. Autovalores y autovectores. Tema 5 Matrices y sistemas de ecuaciones lineales Autovalores y autovectores 5 Introducción Una matriz es una disposición ordenada de elementos de la forma: a a a m a a a m a n a n a nm Sus filas son las

Más detalles

ALGEBRA y ALGEBRA LINEAL

ALGEBRA y ALGEBRA LINEAL 520142 ALGEBRA y ALGEBRA LINEAL Primer Semestre, Universidad de Concepción CAPITULO 7. MATRICES DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Matriz Sean

Más detalles

Capítulo 1: Diagonalización de matrices

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

Más detalles

Algunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices

Algunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices Matrices Una matriz de orden m n es un conjunto ordenado de m n números reales dispuestos en m filas y n columnas de la forma: A = a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n a i1 a i2 a ij a in a m1 a m2

Más detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)

Más detalles

Aquella que tiene nulos los elementos nos situados en la diagonal principal. Los elementos situados por encima de la diagonal principal son nulos.

Aquella que tiene nulos los elementos nos situados en la diagonal principal. Los elementos situados por encima de la diagonal principal son nulos. Álgebra lineal Matrices Rango de una matriz Orden del mayor menor complementario no nulo. Matriz regular det A Diagonal principal Elementos a ii de la matriz. Si la matriz es cuadrado son los elementos

Más detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)

Más detalles

a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2

a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x i x j + a ij + a ji x j x i = s ij x i x j + s ji x j x i 2 68 Matemáticas I : Álgebra Lineal Tema 7 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado, pues el cuadrado

Más detalles

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

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

Más detalles

Matrices, Determinantes y Sistemas Lineales.

Matrices, 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 detalles

Diagonalización de matrices. Kepler C k

Diagonalización de matrices. Kepler C k Kepler C k 24 Índice. Problema de diagonalización 3.. Semejanza de matrices................................. 3.2. Valores propios y vectores propios........................... 3.3. Matrices y valores propios...............................

Más detalles

Tema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.

Tema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2. Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané

Más detalles

Contenido. 2 Operatoria con matrices. 3 Determinantes. 4 Matrices elementales. 1 Definición y tipos de matrices

Contenido. 2 Operatoria con matrices. 3 Determinantes. 4 Matrices elementales. 1 Definición y tipos de matrices elementales Diciembre 2010 Contenido Definición y tipos de matrices elementales 1 Definición y tipos de matrices 2 3 4 elementales 5 elementales Definición 1.1 (Matriz) Una matriz de m filas y n columnas

Más detalles

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. MATRICES Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento

Más detalles

1 Autovalores y autovectores asociados a un endomor smo f. Diagonalización.

1 Autovalores y autovectores asociados a un endomor smo f. Diagonalización. utovalores y autovectores asociados a un endomor smo f Diagonalización Dado un endomor smo f de un espacio vectorial real V y jada una base B de V obtenemos una única matriz asociada a f respecto de la

Más detalles

Definición 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.

Definición 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 detalles

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.

Más detalles

Matrices. 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 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 detalles

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

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

Más detalles

Matemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5

Matemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5 Matemáticas II Prácticas: Matrices y Determinantes. Sean las matrices cuadradas siguientes: 4 5 6 B = 9 8 7 6 5 4 C = 5 7 9 0 7 8 9 Se pide calcular: a A B + C. b A AB + AC. c A B AB + ACB.. Sean las matrices:

Más detalles

ÁLGEBRA LINEAL Problemas, 2006/2007

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

Más detalles

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3

ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 010 011). Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí. Demostrar

Más detalles

TEMA III: DIAGONALIZACIÓN.

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

Más detalles

Tema 1: Matrices. Sistemas de ecuaciones. Determinantes

Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Tema 1: Matrices. Sistemas de ecuaciones. Determinantes José M. Salazar Octubre de 2016 Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Lección 1. Matrices. Sistemas de ecuaciones. Determinantes

Más detalles

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos.

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

Más detalles

Estos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.

Estos 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 detalles

MATRICES OPERACIONES BÁSICAS CON MATRICES

MATRICES OPERACIONES BÁSICAS CON MATRICES MATRICES OPERACIONES BÁSICAS CON MATRICES ANTECEDENTES En el año 1850, fueron introducidas por J.J. Sylvester El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A.

Más detalles

6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas...

6.5.7 Orientación de un espacio vectorial eucĺıdeo Producto vectorial Diagonalización de formas bilineales simétricas... Contents 6 Formas Bilineales y Producto Escalar 3 6.1 Formas bilineales............................... 3 6.1.1 Matriz de una forma bilineal....................... 4 6.1. Formas bilineales simétricas.......................

Más detalles

Matrices. Álgebra de matrices.

Matrices. Álgebra de matrices. Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,

Más detalles

Matrices y Determinantes.

Matrices y Determinantes. Tema II Capítulo 1 Matrices Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC Tema II Matrices y Determinantes 1 Matrices 1 Definiciones básicas Definición 11 Una matriz A de

Más detalles

Clase 7 Herramientas de Álgebra Lineal

Clase 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 detalles

Matrices, determinantes y sistemas de ecuaciones lineales

Matrices, determinantes y sistemas de ecuaciones lineales Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente

Más detalles

Matrices y determinantes. Sistemas de ecuaciones lineales

Matrices y determinantes. Sistemas de ecuaciones lineales Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo

Más detalles

Tema 2: Diagonalización

Tema 2: Diagonalización TEORÍA DE ÁLGEBRA II: Tema 2. DIPLOMATURA DE ESTADÍSTICA 1 Tema 2: Diagonalización 1 Introducción Sea f : R n R n lineal. Dada una base B de R n podemos asociar a f la matriz A 1 = [f, B] M n. Si C es

Más detalles

Diagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios

Diagonalización. 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 detalles

Tema 4: Estructura vectorial de R n.

Tema 4: Estructura vectorial de R n. TEORÍA DE ÁLGEBRA I: Tema 4. DIPLOMATURA DE ESTADÍSTICA 1 Tema 4: Estructura vectorial de R n. 1 Definiciones y propiedades Definición. 1.1 Denotaremos por R n al conjunto de todas las n-tuplas de números

Más detalles

Aplicaciones Lineales. Diagonalización de matrices.

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

Más detalles

Soluciones de los problemas de álgebra lineal

Soluciones de los problemas de álgebra lineal Soluciones de los problemas de álgebra lineal HOJA :. a. a. b,d 4. b,c. b. (a) 4A +C t = 6 6 µ 6 4 7 6, (b) (BA) t C = 7 6 0 8 4 µ (c) B + AC = 0 9 4, (d) CA =, 0 µ (e) (B I) =, (f) (CA) = 6 4 0 6 8 7

Más detalles

Matrices, determinantes, sistemas de ecuaciones lineales.

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

Más detalles

Tema 3: Espacios vectoriales

Tema 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 detalles

Matrices Particionadas Traza de una Matriz

Matrices Particionadas Traza de una Matriz CAPÍTULO Matrices Particionadas Traza de una Matriz Este capítulo consta de tres secciones Las dos primeras versan sobre matrices particionadas La tercera sección trata sobre la traza de una matriz En

Más detalles

MATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES

MATEMÁTICAS 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 detalles

Definición (matriz): Definición (dimensión de una matriz): Si una matriz tiene m renglones y n columnas se dice que es de dimensión m n.

Definición (matriz): Definición (dimensión de una matriz): Si una matriz tiene m renglones y n columnas se dice que es de dimensión m n. Índice general 1. Álgebra de Matrices 1 1.1. Conceptos Fundamentales............................ 1 1.1.1. Vectores y Matrices........................... 1 1.1.2. Transpuesta................................

Más detalles

f(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).

f(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t). Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y

Más detalles

a) La adición y la multiplicación de matries cuadradas del mismo orden, están bien definidas.

a) La adición y la multiplicación de matries cuadradas del mismo orden, están bien definidas. MATRICES CUADRADAS Definición: ( Cuadradas Una matriz A es una matriz cuadrada de orden n, si y solo si, A es de oreden n n, es decir, A tiene n filas y n columnas: a 11 a 1n a n1 a nn Observación: a La

Más detalles

TEMA 7. Matrices y determinantes.

TEMA 7. Matrices y determinantes. TEMA 7 Matrices y determinantes. 1. Matrices. Generalidades Definición 1 Sea E un conjunto cualquiera, m, n IN. Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12... a 1n a 21

Más detalles

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

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

Más detalles

Es decir, det A = producto de diagonal principal producto de diagonal secundaria. Determinante de una matriz cuadrada de orden 3

Es 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 detalles

Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Departamento de Matemática Segundo Cuatrimestre de 2002 ÁLGEBRA LINEAL

Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Departamento de Matemática Segundo Cuatrimestre de 2002 ÁLGEBRA LINEAL Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Departamento de Matemática Segundo Cuatrimestre de 2002 ÁLGEBRA LINEAL Práctica N 2: Matrices Ejercicio 1 Probar que los siguientes

Más detalles

Esta 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 )

Esta 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 detalles

A = , B = 2 2. a 11 a 1n a 21 a 2n A = a m1 a mn

A = , B = 2 2. a 11 a 1n a 21 a 2n A = a m1 a mn Máster en Materiales y Sistemas Sensores para Tecnologías Medioambientales Erasmus Mundus NOTAS DE CÁLCULO NUMÉRICO Damián Ginestar Peiró ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA DEL DISEÑO UNIVERSIDAD POLITÉCNICA

Más detalles

MATRICES. M(n) ó M nxn A =

MATRICES. M(n) ó M nxn A = MTRICES Definición de matriz. Una matriz de orden m n es un conjunto de m n elementos pertenecientes a un conjunto, que para nosotros tendrá estructura de cuerpo conmutativo y lo denotaremos por K, dispuestos

Más detalles

Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.

Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Matrices 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 denomina

Más detalles

Valores y Vectores Propios

Valores y Vectores Propios Valores y Vectores Propios Iván Huerta Facultad de Matemáticas Pontificia Universidad Católica de Chile ihuerta@mat.puc.cl Segundo Semestre, 1999 Definición Valores y Vectores Propios Valores y Vectores

Más detalles

Capítulo 2. Determinantes Introducción. Definiciones

Capítulo 2. Determinantes Introducción. Definiciones Capítulo 2 Determinantes 2.1. Introducción. Definiciones Si nos centramos en la resolución de un sistema A x = b con A una matriz n n, podemos calcular A 1 y la resolución es inmendiata. El problema es

Más detalles

Valores y vectores propios

Valores y vectores propios Valores y vectores propios Problemas teóricos El los siguientes problemas se denota por L(V ) conjunto de los operadores lineales en un espacio vectorial V (en otras palabras, de las transformaciones lineales

Más detalles

1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS

1 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 detalles

Geometría afín y proyectiva, 2016 SEMANA 4

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

Más detalles

Preparaduría V. 1.- Sea A una matriz diagonal n n cuyo polinomio característico es

Preparaduría V. 1.- Sea A una matriz diagonal n n cuyo polinomio característico es Preparaduría V 1.- Sea A una matriz diagonal n n cuyo polinomio característico es (x c 1 ) d1 (x c 2 ) d2... (x c k ) d k donde los c 1,..., c k son distintos dos a dos. Sea V el espacio de matrices n

Más detalles

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

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

Más detalles

Algebra lineal Matrices

Algebra lineal Matrices Algebra lineal Matrices Una matriz A un arreglo rectangular de números dispuestos en m renglones (filas) y n columnas. Fila 1 La componente o elemento ij de A, denotado por es el número que aparece en

Más detalles

1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS

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

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios y subespacios vectoriales Espacios Vectoriales 1. Demuestre que con la suma y multiplicación habituales es un espacio vectorial real.. Considere el conjunto C de los números complejos con la suma

Más detalles

Matemá'cas generales

Matemá'cas generales Matemá'cas generales Matrices y Sistemas Patricia Gómez García José Antonio Álvarez García DPTO. DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN Este tema se publica bajo Licencia: Crea've Commons

Más detalles

Tema 9: REDUCCIÓN POR SEMEJANZA DE UNA MATRIZ. DIAGONALIZACIÓN

Tema 9: REDUCCIÓN POR SEMEJANZA DE UNA MATRIZ. DIAGONALIZACIÓN Álgebra I - Curso 2005/06 - Grupos M1 y M2 Tema 9: REDUCCIÓN POR SEMEJANZA DE UNA MATRIZ DIAGONALIZACIÓN por Mario López Gómez 1 Valores y vectores propios Definición- Dada una matriz cuadrada A K n n,

Más detalles

ALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República

ALN. 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 detalles

UNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA

UNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA AL GEBRA III UNIVERSIDAD DE CONCEPCION FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA MATEMATICA ALGEBRA III DEFINICION : Sea L : V V un operador lineal sobre el espacio vectorial

Más detalles

6.7. Clasificación de formas cuadráticas

6.7. Clasificación de formas cuadráticas 6.7 Clasificación de s s 1.1. Definición de s s en R n El concepto básico que sirve para definir una es el de polinomio homogéneo de segundo grado en varias variables. En toda esta sección sobreentenderemos

Más detalles

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 =

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 = 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 detalles

Grado en Ciencias Ambientales. Matemáticas. Curso 10/11.

Grado en Ciencias Ambientales. Matemáticas. Curso 10/11. Grado en Ciencias Ambientales. Matemáticas. Curso 0/. Problemas Tema 2. Matrices y Determinantes. Matrices.. Determinar dos matrices cuadradas de orden 2, X e Y tales que: 2 2X 5Y = 2 ; X + 2Y = 4.2. Calcular

Más detalles

Parte 3. Vectores y valores propios

Parte 3. Vectores y valores propios Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2006-2007 Valores y vectores propios Valor propio Se dice que el número

Más detalles

Matrices y Sistemas de Ecuaciones lineales

Matrices y Sistemas de Ecuaciones lineales Matrices y Sistemas de Ecuaciones lineales Llamaremos M m n (K) al conjunto de las matrices A = (a ij ) (i = 1, 2,..., m; j = 1, 2,..., n) donde los elementos a ij pertenecen a un cuerpo K. Las matrices,

Más detalles

1. Matrices y determinantes

1. Matrices y determinantes A-PDF Page Cut DEMO: Purchase www.apuntesdemates.weebly.com from www.a-pdf.com to remove the watermark 1. Matrices y determinantes 1.1 Notación y definiciones Definición 1.1 [Matriz] Una matriz es una

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas 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 detalles

1 Vectores de R n. Tema 1. Álgebra matricial. 1.2 Dependencia lineal

1 Vectores de R n. Tema 1. Álgebra matricial. 1.2 Dependencia lineal Diplomatura en Estadística 1 Tema 1. Álgebra matricial 1. Vectores 1.1 Definiciones básicas 1.2 Dependencia lineal 2. Matrices 2.1 Rango de una matriz 2.2 Matrices cuadradas 3. Vectores y valores propios

Más detalles

Matrices: Una ordenación de números dispuestos en filas y columnas, encerrados entre corchetes

Matrices: Una ordenación de números dispuestos en filas y columnas, encerrados entre corchetes Matrices: Una ordenación de números dispuestos en filas y columnas, encerrados entre corchetes Ejemplos: Verifican ciertas reglas o algebra, denominada algebra de matrices.la matriz representa en general

Más detalles

TEMA 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. 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 detalles

Tema 5: Determinantes.

Tema 5: Determinantes. Tema 5: Determinantes. 1. El grupo simétrico. Definición. Una permutación del conjunto {1,..., n} es una aplicación biyectiva de {1,..., n} en si mismo. Se define el conjunto Σ n = {f : {1,..., n} {1,...,

Más detalles

Guía de Matrices 2i, para i = j

Guía de Matrices 2i, para i = j Wilson Herrera Guía de Matrices { i, para i = j. Escribir la matriz [a ij ] x si a ij = j, para i j. 0, para i < j. Escribir la matriz [a ij ] x si a ij =, para i = j, para i > j.. Escribir la matriz [i

Más detalles

CONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2

CONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2 CONJUNTO R n.- Considerar los vectores u = (, -3, ) y v = (, -, ) de 3 : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué valores de x es el

Más detalles

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

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

Más detalles

Diagonalización de matrices

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

Más detalles

Matrices y Determinantes

Matrices y Determinantes Capítulo 1 Matrices y Determinantes 11 Matrices Generalidades Definición 11 Sea E un conjunto cualquiera, m, n N Definimos matriz de orden m n sobre E a una expresión de la forma: a 11 a 12 a 1n a 21 a

Más detalles

1 de 6 24/08/2009 9:54 MATRICES Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853 En

Más detalles

TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES

TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES Definición 1.1. Endomorfismo Nilpotente. Un endomorfismo T End(V ) es nilpotente si existe n N tal que f n 0. Definición 1.. Matriz

Más detalles

Parte 3. Vectores y valores propios

Parte 3. Vectores y valores propios Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2004-2005 1 Introducción a los valores y vectores propios 2 3 4 5 Valores

Más detalles

1 ÁLGEBRA DE MATRICES

1 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 detalles

de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).

de 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 detalles

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS

MATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS Definición: se llama matriz de m filas y n columnas sobre un cuerpo K (R ó C), a una ordenación rectangular de la forma Notación: a11 a...... a1n a21 a...... a2n A = M M M donde cada elemento a ij Є K

Más detalles

Tema 4: Sistemas de ecuaciones lineales.

Tema 4: Sistemas de ecuaciones lineales. Tema 4: Sistemas de ecuaciones lineales 1 Rango de una matriz Definición Sea A Mat n m (K) Se llama rango de filas de A, y se denota por rg f (A) la dimensión del subespacio vectorial generado por las

Más detalles

Tema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada

Tema 3: MATRICES. Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Tema 3: MATRICES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura: Matemáticas

Más detalles