Tema 11.- Autovalores y Autovectores.

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

Download "Tema 11.- Autovalores y Autovectores."

Transcripción

1 Álgebra Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica Matrices diagonalizables Autovalores y autovectores complejos A lo largo de todo el tema trataremos esencialmente con matrices cuadradas reales (aunque muchos de los resultados que veamos también serán válidos para el caso de matrices cuadradas complejas) De todos modos, aunque se trabaje con matrices reales, será imprescindible hacer referencia a los números complejos puesto que un polinomio con coeficientes reales puede tener raíces complejas no reales Autovalores y Autovectores: Definición y propiedades Definición Sea A una matriz cuadrada de orden m Diremos que un escalar λ K (= R o C) es un autovalor de A si existe un vector v K m, v 0 tal que Av = λv, en cuyo caso se dice que v es un autovector de A asociado al autovalor λ Proposición Sea λ un autovalor de A y v un autovector asociado, entonces: αλ es un autovalor de αa con autovector v (λ µ) es un autovalor de A µi con autovector v 3 λ k es un autovalor de A k con autovector v 4 Si q( ) es un polinomio, entonces q(λ) es un autovalor de q(a) con autovector v (Ejemplo: 3λ 3 + 5λ 7λ + es un autovalor de la matriz 3A 3 + 5A 7A + I) 5 Si A tiene inversa, entonces λ 0 y λ es un autovalor de A con autovector v Definición Sea A una matriz m m y sea λ 0 un autovalor de A Se llama: (a) Multiplicidad algebraica de λ 0, y se denota por m a (λ 0 ), a la multiplicidad de λ 0 como raíz del polinomio característico p(λ) = det(a λi) de A Es decir, p(λ) puede factorizarse como p(λ) = (λ λ 0 ) m a(λ 0 ) q(λ), siendo q(λ) un polinomio (de grado m m a (λ 0 )) que no se anula para λ 0, q(λ 0 ) 0 (b) Multiplicidad geométrica de λ 0, y se denota por m g (λ 0 ), a la dimensión del espacio nulo de A λ 0 I, dim [Nul (A λ 0 I)] = m rango [(A λ 0 I)] Es decir, la multiplicidad geométrica coincide con el número (máximo) de autovectores linealmente independientes asociados al autovalor Lo único que se puede afirmar en general sobre la relación entre las multiplicidades algebraica y geométrica de un autovalor de una matriz viene dado por el siguiente resultado Lema Sea λ 0 un autovalor de una matriz A, entonces m g (λ 0 ) m a (λ 0 ) Proposición Sea A una matriz m m y sean λ, λ,, λ m sus m autovalores (cada uno aparece tantas veces como indique su multiplicidad algebraica) entonces: su polinomio característico es p(λ) = ( ) m (λ λ )(λ λ ) (λ λ m ) el determinante de A coincide con el producto de los autovalores: det(a) = λ λ λ m la traza de A coincide con la suma de los autovalores: Proposición Sea A una matriz m m, entonces: tr(a) := a + + a mm = λ + λ + + λ m

2 A t tiene los mismos autovalores que A (en general los autovectores asociados serán distintos) Si A es real y v es un autovector de A asociado a λ, entonces v también es autovector de A asociado al autovalor λ Además, las multiplicidades algebraicas y geométricas respectivas de λ y λ coinciden Matrices diagonalizables Definición Se dice que una matriz A m m es diagonalizable si existe alguna matriz P no singular tal que P AP es una matriz diagonal Notemos que si d d 0 0 P AP = D = 0 0 d d m entonces cada columna de P es un autovector de P asociado al correspondiente elemento diagonal de D que será un autovalor de A Además, puesto que existe la matriz inversa de P, las m columnas de P son linealmente independientes Teorema Sea A una matriz m m Se verifica: () A es diagonalizable si y sólo si tiene m autovectores linealmente independientes () A autovalores distintos de A le corresponden autovectores linealmente independientes, es decir, si v,, v k son autovectores de A asociados respectivamente a los autovalores λ,, λ k y estos son distintos dos a dos, entonces v,, v k son linealmente independientes (3) Si A tiene todos sus autovalores simples, entonces es diagonalizable (4) A es diagonalizable si y sólo si para cada autovalor λ se verifica que m a (λ) = m g (λ) Matrices semejantes y aplicaciones lineales Consideremos una aplicación lineal T : R m R m Fijada lase canónica B c = {e,, e m } de R m, esta aplicación lineal tiene asociada una matriz A, cuyas columnas son los vectores T (e ), T (e ), T (e m ) Si fijamos otrase B = {v,, v m } de R m, la aplicación lineal T tiene asociada una matriz B respecto a dicha base, la matriz cuyas columnas son las coordenadas de los vectores T (v ), T (v ), T (v m ) respecto a lase B, es decir, [T (v )] B,, [T (v m )] B v m Las matrices A y B verifican que B = P AP siendo P = v En general, dicha relación se formaliza mediante la siguiente definición Definición Se dice que dos matrices m m A y B son semejantes si existe alguna matriz no singular P tal que B = P AP La matriz P se suele denominar matriz de paso A la vista de la definición es obvio que una matriz es diagonalizable si es semejante a una matriz diagonal Proposición Si A y B son semejantes, entonces: A y B tienen el mismo polinomio característico y, por tanto, los mismos autovalores con las mismas multiplicidades algebraicas Si v es un autovector de A asociado a un autovalor λ, entonces P v es un autovector de B asociado al mismo autovalor λ (siendo P la matriz no singular tal que B = P AP ) det(a) = det(b) y tr(a)=tr(b) Cada autovalor (de A y B) tiene la misma multiplicidad geométrica para ambas matrices, es decir, dim [Nul (A λi)] = dim [Nul (B λi)]

3 3 Para cada exponente k =,, se verifica que dim [ Nul ( (A λi) k)] = dim [ Nul ( (B λi) k)] Notemos por otra parte que el que dos matrices tengan los mismos autovalores no conlleva, en general, el que sean semejantes; por ejemplo, las matrices [ ] [ ] y B = tienen como único autovector a λ = 0 pero no son semejantes Si V es un espacio vectorial, B = {v,, v m } unase del mismo, y f : V V una aplicación lineal, nótese entonces que la matriz de f en B es semejante a la matriz de f en cualquier otrase B = {v,, v m} de V Por lo tanto, a la vista de los resultados anteriores, se pueden definir, los autovalores, la traza y el determinante de f como los autovalores, traza y determinante de f en cualquier base Lo mismo ocurre con el polinomio característico Autovalores y autovectores complejos Ampliamos en estas líneas lo tratado en la sección 55 del libro (Lay) En dicha sección se muestra cómo una matriz real diagonalizable en C (es decir, con un par de autovalores complejos conjugados, a ± bi) se puede escribir en una forma no diagonal, pero con una estructura muy sencilla (ver teorema 9 de la página 334) [ ] En el caso de tener una matriz real diagonalizable de mayor dimensión con autovalores complejos podemos proceder de un modo similar para obtener una matriz real no diagonal, pero sí diagonal por bloques, con una estructura similar a la anterior Así, una matriz diagonalizable pero con algún autovalor complejo no real (con lo cual la matriz de paso tendrá algunos elementos no reales) será semejante, a través de una matriz de paso real, a una matriz diagonal por bloques C C 0 0 C = 0 0 C C k [ ] donde cada C j es o bien un autovalor real o bien una submatriz de la forma, donde a y b son respectivamente la parte real e imaginaria de un autovalor complejo (no real) de A Si λ = a + bi, a, b R es un autovalor de A (matriz cuadrada real) y v = u + iu (u, u R m ) es un autovector de A asociado a λ, entonces v = u iu es autovector de A asociado a λ = a bi y, por tanto, tenemos las igualdades Av = λv = (a + bi) (u + iu ) Au + iau = (au bu ) + i (bu + au ) A v = λ v = (a bi) (u iu ) Au iau = (au bu ) i (bu + au ) y por tanto, identificando las partes real e imaginaria en cualquiera de las dos igualdades anteriores tenemos, } Au = au bu Au = bu + au Expresando estas igualdades de forma matricial tenemos [ A u u = u u ] Así, si multiplicamos A por una matriz en la que los autovectores complejos v y v sean dos vectores columna tenemos A v v = v v λ 0 0 λ

4 4 mientras que si sustituimos dichas columnas por la parte real y la parte imaginaria de v tendremos 0 A u u = u u 0 con lo cual, si multiplicamos A por una matriz real P cuyas columnas forman unase de R n y en la que u y u sean dos vectores columna y los restantes vectores columna sean autovectores reales o vectores obtenidos a partir de la parte real y de la parte imaginaria (por parejas) de un autovector complejo, tendremos 0 0 AP = u u = u u 0 0 = P C 0 0 [ ] y por tanto P AP = C, donde la diagonal de la submatriz está sobre la de la matriz C que será una matriz real casi-diagonal (diagonal por cajas) Veámoslo con ejemplos Ejemplo Obtener una matriz casi-diagonal real (y la correspondiente matriz de paso) semejante a la matriz Su ecuación característica es Sus autovalores y sus autovectores asociados son λ =, v = 0 0 ; λ =, v = 0 λ 4 5λ 3 + 3λ 9λ + 0 = 0 ; λ 3 = i, v 3 = + i + i Al ser la matriz diagonalizable, si construimos Q = [v, v, v 3, v 4 ], obtenemos: Q AQ = D = i 0, i ; λ 4 = + i, v 4 = donde los autovalores aparecen en la matriz diagonal D en el orden en que se coloquen los autovectores correspondientes en la matriz Q El inconveniente de esa expresión es que tanto D como Q son matrices complejas aunque A es real Para evitar trabajar con matrices complejas se procede como sigue (aunque, en este caso, ya no se va a obtener una matriz diagonal sino diagonal por bloques) Por tanto, construyendo la matriz P = [v, v, Re (v 3 ), Im (v 3 )], obtenemos: C = P AP = i i Ejemplo Obtener una matriz casi-diagonal real (y la correspondiente matriz de paso) semejante a la matriz

5 5 Su ecuación característica es Sus autovalores y sus autovectores asociados son λ = i, v = λ 3 = i, v 3 = i + i λ 4 + 5λ + 4 = 0 i + i ; λ = i, v = ; λ 4 = i, v 4 = Al ser la matriz diagonalizable, si construimos Q = [v, v, v 3, v 4 ], obtenemos: i Q AQ = D = 0 i i 0, i + i i i i donde los autovalores aparecen en la matriz diagonal D en el orden en que se coloquen los autovectores correspondientes en la matriz Q El inconveniente de esa expresión es que tanto D como Q son matrices complejas aunque A es real Para evitar trabajar con matrices complejas se procede como sigue (aunque, en este caso, ya no se va a obtener una matriz diagonal sino diagonal por bloques) Por tanto, construyendo la matriz P = [Re (v ), Im (v ), Re (v 3 ), Im (v 3 )], obtenemos: C = P AP = Ejemplo Obtener una matriz casi-diagonal real (y la correspondiente matriz de paso) semejante a la matriz Su ecuación característica es λ 3 + λ + λ 39 = 0 Sus autovalores y sus autovectores asociados son i λ = 3i, v = + i, λ = + 3i, v = i i Al ser la matriz diagonalizable, si construimos Q = [v, v, v 3 ], obtenemos: 3i 0 0 Q AQ = D = 0 + 3i 0, ; ; λ 3 = 3, v 3 = donde los autovalores aparecen en la matriz diagonal D en el orden en que se coloquen los autovectores correspondientes en la matriz Q El inconveniente de esa expresión es que tanto D como Q son matrices complejas aunque A es real Para evitar trabajar con matrices complejas se procede como sigue (aunque, en este caso, ya no se va a obtener una matriz diagonal sino diagonal por bloques) Por tanto, construyendo la matriz P = [Re (v ), Im (v ), v 3 ], obtenemos: C = P AP =

6 6 Aplicación a recurrencias vectoriales Definición Sea A una matriz cuadrada de orden m y sea u, u,, u n, una sucesión de vectores en R m definidos de manera recurrente por u n = Au n, n =,, a partir de un vector inicial u 0 R m Una relación de recurrencia vectorial de esta forma se llama sistema de ecuaciones en diferencias lineal homogéneo de primer orden con coeficientes constantes Si u n = Au n es un sistema de ecuaciones en diferencias, se tiene, razonando por inducción, que u n = A n u 0 Con esta expresión podemos hallar u n para cualquier valor de n Si A diagonaliza, podemos dar una expresión más simple para u n que nos permitirá ahorrar tiempo de cálculo y también estudiar el comportamiento a largo plazo de la sucesión u n Proposición Sea A una matriz cuadrada de orden m diagonalizable y u 0 R m Entonces la solución del sistema de ecuaciones en diferencias u n = Au n con vector inicial u 0 es u n = A n u 0 = P D n P u 0, n =,, siendo P la matriz cuyas columnas forman unase de autovectores de A y D la matriz diagonal cuyos elementos diagonales son los autovalores correspondientes Observaciones Nótese que si A no es diagonalizable no es posible, en general, aplicar la técnica anterior para calcular la solución del sistema de ecuaciones en diferencias asociado Sin embargo, hay un caso especialmente fácil de resolver; si u 0 es combinación lineal de autovectores de A, podemos calcular u n = A n u 0 aunque no sepamos calcular A n : Siu 0 = α v + + α k v k y Av j = λ j v j para cada j =,, k, entonces A n u 0 = α λ n v + α k λ n kv k Ejercicios propuestos Se sugieren los siguientes ejercicios del capítulo 5 del texto (Lay): - Sección 5: todos los impares hasta el 7, 6, 8, 0,, 4 - Sección 5: todos los impares hasta el 7, 0,, 4 - Sección 53: todos los impares hasta el 7,, 4, 6 - Sección 54: todos los ejercicios hasta el 4 - Sección 55: todos los impares hasta el - Sección 56:,, 7 - Ejercicios suplementarios (pág 364): del al 3 Ejercicio Dada la matriz 3 b 3 0 a 0 c Calcular A de forma que (, 0, ) t sea un autovector cuyo autovalor correspondiente es λ = Hallar los demás autovalores y autovectores Ejercicio Sabiendo que la matriz: 0 c a 0 b 0 es diagonalizable y tiene un autovalor doble, calcular a, b y c

7 7 Ejercicio 3 Para qué valores de a R tiene la siguiente matriz A tres autovectores linealmente independientes? (es decir, estudiar cuándo A es diagonalizable) a Ejercicio 4 Dada la matriz 0 a 3 0 Calcular los valores de a para los que A es diagonalizable, a R Para dichos valores de a, calcular los autovalores y los autovectores de A 3 Para dichos valores de a, calcular A n Ejercicio 5 Estudiar la diagonalizabilidad de las siguientes matrices en función de los parámetros que aparecen a + 3 b 0 a 0, B = b, C = a 0 0 a b d 0 c a a c e f Ejercicio 6 Sea f : R 4 R 4 la aplicación lineal dada por f(x) = Ax, donde a 0 b 0 3 c 0 0 d Hallar A sabiendo que f(s ) = S, donde S { x x = 0 x 3 + x 4 = 0 y S = Gen{(,,, ) t, (0, 3,, ) t } Probar que A no es diagonalizable Ejercicio 7 Consideremos la matriz a b c b c 0 b 3 c 3 (a) Determinar los elementos de A sabiendo que sus autovalores son λ = y λ = 3 (doble), que v = (,, ) t es un autovector asociado a λ = 3 y v = (,, 0) t satisface que Av = 3v + v (b) Estudiar si A es diagonalizable (c) Calcular las soluciones del sistema de ecuaciones en diferencias u n = Au n para los vectores iniciales u 0 = (,, ) t y u 0 = (, 3, ) t Ejercicio 8 Dado el sistema de ecuaciones en diferencias u n = Au n, siendo 0 α 0 0 α α, 0 0 α 0 Obtener la expresión general de u n, según los valores de α R Calcular u 0, dado el vector inicial u 0 = (0,, 0, ) t

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

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

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 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

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

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

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

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

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

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

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

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

Valores y Vectores Propios

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

Más detalles

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

1. DIAGONALIZACIÓN. FORMAS CANÓNICAS

1. DIAGONALIZACIÓN. FORMAS CANÓNICAS 1 1. DIAGONALIZACIÓN. FORMAS CANÓNICAS 1. Se considera la matriz: A = ( 2 3 4 13 con coeficientes en R. Hallar los valores propios, los vectores propios y una matriz P que permita la diagonalización de

Más detalles

ÁLGEBRA LINEAL. EXAMEN FINAL 18 de Enero de b) (0, 5 puntos) Estudia si la siguiente afirmación es verdadera o falsa, justificando

ÁLGEBRA LINEAL. EXAMEN FINAL 18 de Enero de b) (0, 5 puntos) Estudia si la siguiente afirmación es verdadera o falsa, justificando ÁLGEBRA LINEAL EXAMEN FINAL 8 de Enero de Apellidos y Nombre: Duración del examen: 3 horas Publicación de notas: enero Revisión de Examen: feb Ejercicio. ( puntos a (, puntos Estudia si la siguiente afirmación

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

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

Hoja de diagonalización MATEMÁTICAS I

Hoja de diagonalización MATEMÁTICAS I Hoja de diagonalización MATEMÁTICAS I 8-9.- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax así como los subespacios vectoriales

Más detalles

Capítulo 1: Diagonalización de matrices

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

Más detalles

Tema 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

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

Resumen de Teoría de Matrices

Resumen de Teoría de Matrices Resumen de Teoría de Matrices Rubén Alexis Sáez Morcillo Ana Isabel Martínez Domínguez 1 de Octubre de 2004 1. Matrices. Generalidades. Definición 1.1. Se llama matriz de orden m n sobre un cuerpo K a

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

Fundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso

Fundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso Fundamentos Matemáticos de la Ingeniería Tema 4 Hoja Escuela Técnica Superior de Ingeniería Civil e Industrial Esp en Hidrología Fundamentos Matemáticos de la Ingeniería Tema 4: Diagonaliación de matrices

Más detalles

CAPÍTULO 5: AUTOVALORES Y AUTOVECTORES, FORMA CANÓNICA DE JORDAN

CAPÍTULO 5: AUTOVALORES Y AUTOVECTORES, FORMA CANÓNICA DE JORDAN CAPÍTULO 5: AUTOVALORES Y AUTOVECTORES, FORMA CANÓNICA DE JORDAN 5.1- Definición: matrices semejantes. Se dice que dos matrices A y B son semejantes si existe una matriz regular P tal que se verifica B

Más detalles

Grado en Edificación MATERIAL DOCENTE: PRESENTACIÓN DEL TEMA III. Ana Isabel Garralda Guillem y Manuel Ruiz Galán

Grado en Edificación MATERIAL DOCENTE: PRESENTACIÓN DEL TEMA III. Ana Isabel Garralda Guillem y Manuel Ruiz Galán MATEMÁTICAS TICAS I Grado en Edificación MATERIAL DOCENTE: PRESENTACIÓN DEL TEMA III Ana Isabel Garralda Guillem y Manuel Ruiz Galán Tema. Diagonalización de matrices.1. Diagonalización de matrices por

Más detalles

Diagonalización de matrices

Diagonalización de matrices Capítulo 6 Diagonalización de matrices 6.. Introducción 6... Un ejemplo preliminar Antes de plantearlo de manera general, estudiaremos un ejemplo que servirá para situar el problema. Supongamos que, en

Más detalles

Vectores y Valores Propios

Vectores y Valores Propios Capítulo 11 Vectores y Valores Propios Las ideas de vector y valor propio constituyen conceptos centrales del álgebra lineal y resultan una valiosa herramienta en la solución de numerosos problemas de

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

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

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

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

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

6. Forma canónica de matrices

6. Forma canónica de matrices 6. Forma canónica de matrices Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior Universidad de Zaragoza Otoño 2010 Contents 6 6. Forma canónica de matrices 7 6.1 Introducción....................................

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

VALORES Y VECTORES PROPIOS

VALORES Y VECTORES PROPIOS 45 Capítulo 6 VALORES Y VECTORES PROPIOS Martínez Héctor Jairo Sanabria Ana María Semestre, 7 6 Introducción Aunque, en general, la imagen de un vector bajo una transformación de un espacio vectorial en

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

ALGEBRA LINEAL Y GEOMETRÍA I

ALGEBRA LINEAL Y GEOMETRÍA I ALGEBRA LINEAL Y GEOMETRÍA I TEMA 3: Autovalores y Autovectores. Introducción Ya conoces que las aplicaciones lineales entre espacios vectoriales, al elegir bases en ellos, las puedes representar por matrices.

Más detalles

MATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

MATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES Departamento de Matemática Aplicada II EEI ÁLGEBRA Y ESTADÍSTICA Boletín n o 1 (2010-2011 MATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES 1 Sean A, B, C, D y E matrices de tamaño 4 5, 4 5, 5 2,

Más detalles

2 Espacios vectoriales

2 Espacios vectoriales Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 2 Espacios vectoriales 2.1 Espacio vectorial Un espacio vectorial sobre un cuerpo K (en general R o C) es un conjunto V sobre el que hay

Más detalles

2.5 Teorema de Jordan

2.5 Teorema de Jordan Capítulo 2/ Forma canónica de Jordan (Versión 13-03-2015) 15 2.5 Teorema de Jordan En esta sección queremos abordar ya el caso general de un endomorfismo f : V V cualquiera (no necesariamente con un único

Más detalles

2.7 Aplicaciones del Teorema de Jordan

2.7 Aplicaciones del Teorema de Jordan 26 Álgebra lineal 27 Aplicaciones del Teorema de Jordan En esta sección seguimos suponiendo que K C Endomorfismos y matrices nilpotentes Definición Decimos que una matriz A M n (C es nilpotente si existe

Más detalles

Modelización por medio de sistemas

Modelización por medio de sistemas SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES. Modelización por medio de sistemas d y dy Ecuaciones autónomas de segundo orden: = f ( y, ) Una variable independiente. Una variable dependiente. La variable

Más detalles

5.1.- Autovalores y autovectores. Definición y propiedades. La ecuación característica. El teorema de Cayley-Hamilton.

5.1.- Autovalores y autovectores. Definición y propiedades. La ecuación característica. El teorema de Cayley-Hamilton. MATEMÁTICAS I (Curso 2-22) Primer Curso del Grado en Ingeniería Electrónica, Robótica y Mecatrónica, Ingeniería de la Energía e Ingeniería de Organización Industrial Departamento de Matemática Aplicada

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 4. Sistemas de ecuaciones lineales de primer orden

CAPÍTULO 4. Sistemas de ecuaciones lineales de primer orden CAPÍTULO 4 Sistemas de ecuaciones lineales de primer orden Hasta ahora hemos considerado únicamente ecuaciones diferenciales aisladas Sin embargo, en muchas aplicaciones aparecen situaciones en las que

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

ALGEBRA. Escuela Politécnica Superior de Málaga

ALGEBRA. 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 detalles

ALGEBRA. Escuela Politécnica Superior de Málaga

ALGEBRA. 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 detalles

Diagonalización. Índice General. Nelson Möller. 1 Matrices Semejantes 2. 2 Matrices diagonalizables 2

Diagonalización. Índice General. Nelson Möller. 1 Matrices Semejantes 2. 2 Matrices diagonalizables 2 Diagonalización Nelson Möller Índice General 1 Matrices Semejantes 2 2 Matrices diagonalizables 2 3 Polinomio característico de una matriz 4 3.2 Valores propios.... 5 4 Vectores propios. 6 4.1 Ejemplo...

Más detalles

6. DIAGONALIZACIÓN DE ENDOMORFISMOS

6. DIAGONALIZACIÓN DE ENDOMORFISMOS Diagonalización de endomorfismos 6. DIAGONALIZACIÓN DE ENDOMORFISMOS SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA.- Autovalores y vectores propios. Propiedades..- Multiplicidad algebraica y geométrica

Más detalles

Aplicaciones lineales.

Aplicaciones lineales. Tema 4 Aplicaciones lineales. Definición 4. Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una aplicación lineal si: a f(u + v = f(u + f(v; u, v V, b f(ku = kf(u;

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

Tema 5.- Autovalores y autovectores.

Tema 5.- Autovalores y autovectores. Ingenierías: Aeroespacial, Civil y Química. Matemáticas I. -. Departamento de Matemática Aplicada II. Escuela Superior de Ingenieros. Universidad de Sevilla. Tema 5.- Autovalores y autovectores. 5..- Autovalores

Más detalles

4. Endomorfismos. 2 Autovalores y autovectores. 1 Introducción. 2.1 Definición y propiedades. 2.2 Subespacios característicos.

4. Endomorfismos. 2 Autovalores y autovectores. 1 Introducción. 2.1 Definición y propiedades. 2.2 Subespacios característicos. Tema III Capítulo 4 Endomorfismos Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 4 Endomorfismos 1 Introducción Vimos en el capítulo anterior que un endomorfismo es una aplicación

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

Descomposición en forma canónica de Jordan (Segunda versión)

Descomposición 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 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

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

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

Ejercicios resueltos del capítulo 4

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

Más detalles

TEMA 5: Aplicaciones Lineales. Diagonalización.

TEMA 5: Aplicaciones Lineales. Diagonalización. TEMA 5: Aplicaciones Lineales. Diagonalización. 1. Aplicaciones Lineales 1.1. Definición, propiedades y ejemplos. Definición 1. Dados dos espacios vectoriales V y V sobre un mismo cuerpo K, una aplicación

Más detalles

7 Aplicaciones ortogonales

7 Aplicaciones ortogonales Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 7 Aplicaciones ortogonales 7.1 Aplicación ortogonal Se llama aplicación ortogonal a un endomorfismo f : V V sobre un espacio vectorial

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

Aplicaciones lineales

Aplicaciones lineales 53 Matemáticas I : Álgebra Lineal Tema 5 Aplicaciones lineales 5. Definición. Núcleo e imagen Definición 26.- Sea f: V W una aplicación entre los espacios vectoriales reales V y W. Se dice que f es una

Más detalles

un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:

un 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 detalles

Sistemas de Ecuaciones Diferenciales

Sistemas de Ecuaciones Diferenciales Lección 8 Sistemas de ecuaciones diferenciales lineales 1 Sistemas de Ecuaciones Diferenciales Consideremos el sistema A + S X + S k 1 k 2 Inicialmente se añaden 2 moles de S y 1 mol de A d[a] dt = k 1

Más detalles

Objetivos formativos de Álgebra

Objetivos 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 detalles

Espacios Vectoriales, Valores y Vectores Propios

Espacios Vectoriales, Valores y Vectores Propios , 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

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

Problemas de exámenes de Aplicaciones Lineales y Matrices

Problemas 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 detalles

Álgebra Lineal. Tema 6. Transformaciones lineales y matrices

Álgebra Lineal. Tema 6. Transformaciones lineales y matrices Álgebra Lineal Tema 6. Transformaciones lineales y matrices Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S.

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios 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 detalles

Relaciones de recurrencia

Relaciones de recurrencia MATEMÁTICA DISCRETA I F. Informática. UPM MATEMÁTICA DISCRETA I () Relaciones de recurrencia F. Informática. UPM 1 / 7 Relaciones de recurrencia Relaciones de recurrencia Definición Una relación de recurrencia

Más detalles

VALORES Y VECTORES PROPIOS

VALORES Y VECTORES PROPIOS VALORES Y VECTORES PROPIOS En diversos campos de la ingeniería y las matemáticas surge el problema de calcular los valores escalares λ y los vectores x 0 tales que para la matriz cuadrada A se cumple Ax

Más detalles

520142: ALGEBRA y ALGEBRA LINEAL

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 detalles

Tema 3: Forma canónica de Jordan de una matriz.

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

Más detalles

Diagonalización de Matrices Cuadradas.

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

Más detalles

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

Tema 1: Espacios vectoriales

Tema 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 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

Espacios 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 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 detalles

6 Vectores. Dependencia e independencia lineal.

6 Vectores. Dependencia e independencia lineal. 6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar

Más detalles

TEMA 7: MATRICES. OPERACIONES.

TEMA 7: MATRICES. OPERACIONES. TEMA 7: MATRICES. OPERACIONES. 1. MATRICES. TIPOS DE MATRICES. Se llama matriz de orden m x n (m filas y n columnas) a un conjunto de m n elementos, distribuidos en m filas y n columnas y encerrados entre

Más detalles

Apéndice sobre ecuaciones diferenciales lineales

Apéndice sobre ecuaciones diferenciales lineales Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 1. Determinante wronskiano 2 1.1. Wronskiano de f 1 (t), f 2 (t),..., f n (t)............... 3 1.2. Derivada

Más detalles

Valores propios y vectores propios Diagonalización

Valores propios y vectores propios Diagonalización CAPÍTULO Valores propios y vectores propios Diagonalización Este capítulo consta de cuatro secciones Con el fin de dar una idea de lo que se hará en las dos primeras secciones, se considerará un espacio

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

Sistemas lineales homogéneos

Sistemas lineales homogéneos Lección 9 Sistemas de ecuaciones diferenciales lineales con coeficientes constantes 1 Sistemas lineales homogéneos Estudiaremos los sistemas de la forma x (t) = Ax(t) + b(t) Sistemas homogéneos: x = Ax

Más detalles

Espacios vectoriales reales.

Espacios 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 detalles

Sistemas lineales de ecuaciones diferenciales. Juan-Miguel Gracia

Sistemas lineales de ecuaciones diferenciales. Juan-Miguel Gracia Sistemas lineales de ecuaciones diferenciales Juan-Miguel Gracia Índice Sistemas lineales 2 Búsqueda de una solución especial 3 Aplicación a sistemas 4 Problema de condiciones iniciales 2 / 2 Sistemas

Más detalles

Cálculo de autovalores

Cálculo de autovalores Cálculo de autovalores Damián Ginestar Peiró Departamento de Matemática Aplicada Universidad Politécnica de Valencia Curso 2011-2012 (UPV) Cálculo de autovalores Curso 2011-2012 1 / 28 Índice 1 Preliminares

Más detalles

Tema 1. Espacios Vectoriales Definición de Espacio Vectorial

Tema 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 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

ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS

ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA.1 Definición de Aplicación Lineal. FUNDAMENTOS MATEMÁTICOS 8. APLICACIONES LINEALES Sean

Más detalles

Resolución de Sistema de Ecuaciones Lineales

Resolución de Sistema de Ecuaciones Lineales Resolución de Sistema de Ecuaciones Lineales Hermes Pantoja Carhuavilca Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos Métodos Computacionales Hermes Pantoja Carhuavilca 1 de

Más detalles

Espacios Vectoriales

Espacios 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 detalles

Algebra 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 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 detalles

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

TEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas. TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A

Más detalles

Matrices 3. Matrices. Verónica Briceño V. agosto 2012

Matrices 3. Matrices. Verónica Briceño V. agosto 2012 3 agosto 2012 En esta Presentación... En esta Presentación veremos: Matriz Inversa En esta Presentación... En esta Presentación veremos: Matriz Inversa Determinante En esta Presentación... En esta Presentación

Más detalles